【文章內(nèi)容簡介】 指紋模式區(qū)內(nèi)指紋紋路的數(shù)量。在計算指紋的紋數(shù)時，一般先連接核心點和三角點，這條連線與指紋紋路相交的數(shù)量即可認(rèn)為是指紋的紋數(shù)。 紋數(shù)（2） 局部特征局部特征是指指紋上的節(jié)點的特征，這些具有某種特征的節(jié)點稱為特征點。兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征一特征點，卻不可能完全相同。指紋的紋路不是一直連續(xù)、平滑筆直的，紋路很多時候都會出現(xiàn)中斷、分支或者折返。這些端點、分支點和轉(zhuǎn)折點就被稱為“特征點”。就是這些點提供了指紋唯一性的必要信息。指紋的節(jié)點主要有以下幾種特性：終結(jié)點(Ending)：一條紋路在此終結(jié)。 終結(jié)點分叉點(Bifurcation)：一條紋路在此分開成為兩條或更多的紋路。 分叉點孤立點(Dot or Island): 一條特別短的紋路，以至于成為一點。 分歧點(Ridge Divergence): 一兩條平行的紋路在此分開。 分歧點環(huán)點(Enclosure): 一條紋路分開成為兩條之后，立即有合并成為一條，這樣形成的一個小環(huán)稱為環(huán)點。 環(huán)點短紋(Short Ridge): 一端較短但不至于成為一點的紋路。 短紋方向(Orientation): 一節(jié)點可以朝著一定的方向。曲率(Curvature): 一描述紋路方向改變的速度。位置(Position): 一節(jié)點的位置通過(x,y)坐標(biāo)來描述，可以是絕對的，也可以是相對于三角點或特征點的。 指紋的采集技術(shù) 指紋采集技術(shù)的發(fā)展經(jīng)歷了一段很長的歷史時期。采集技術(shù)其過程也受到傳感技術(shù)發(fā)展的影響。指紋采集技術(shù)分為兩種采集模式，一種是在被采集人已知的情況下實施的采集。另一種是其未知的狀況下的采集，如刑偵現(xiàn)場。第一代的指紋采集技術(shù)采用 “ 按壓留痕 ” 的方式來采集指紋，利用的是指紋 “ 觸物留痕 ” 的特性。這段時期主要通過 “ 油墨－指紋卡 ” 的方式采集。第二代的指紋采集技術(shù)采用的是自動化、數(shù)字化的采集方式。指紋數(shù)據(jù)大多以數(shù)字信息表示并存儲。下文主要介紹第二代的指紋采集技術(shù)。 指紋采集的過程在本質(zhì)上是使指紋成像的過程。原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。 指紋的幾何特性是指在空間上嵴是突起的，峪是凹下的。嵴與嵴相交、相連、分開會表現(xiàn)為一些幾何圖案。 指紋的生物特性是指嵴和峪的導(dǎo)電性不同，與空氣之間形成的介電常數(shù)不同、溫度不同等。 指紋的物理特性是指嵴和峪著力在水平面上時，對接觸面形成的壓力不同、對波的阻抗不同等。 指紋采集的方法可以分成兩種，一種是由器件主動向手指發(fā)射出探測信號，然后再分析反饋的信號，以形成指紋的嵴與峪的圖案。如射頻（ RF ）和光學(xué)采集采集就屬于主動式采集。另一種則是器件被動感應(yīng)的方法。當(dāng)手指放置到采集設(shè)備上時，因為指紋的嵴和峪的生物特性或物理特性的不同，就會形成不同的信號，然后分析信號的量值從而形成指紋圖案。（如半導(dǎo)體電容采集、熱敏采集和半導(dǎo)體壓感采集屬于第二種） 對于指紋采集設(shè)備來講，一般經(jīng)過 “ 手指感知” 、 “ 圖像的拍照 ”“ 質(zhì)量判斷與自動調(diào)整 ” 三個過程?？紤]到設(shè)備的功耗，在沒有手指接觸的時候，采集設(shè)備一般處在休眠狀態(tài)。當(dāng)手指接觸到設(shè)備時，采集器就會感知到手指的接觸并切換其狀態(tài)。對于半導(dǎo)體類的采集設(shè)備大部分具備這種敏銳的指紋察覺技術(shù)。隨著活體采集的技術(shù)的研究和發(fā)展，采集設(shè)備還可以判別出是否為活體手指，這能通過檢測手指的活體特性來實現(xiàn)。 在理想的情況下，如果在采集的過程中外界噪聲足夠小，采集得到的指紋圖像將是干凈的、真實的。然而現(xiàn)實的情況是，由于人手指表面脫皮和污漬的影響還有設(shè)備的采集面不干凈等各種因素的影響，所以還需對采集到的圖像進行預(yù)處理。這將在指紋圖像預(yù)處理部分?jǐn)⑹觥?不同質(zhì)量的指紋圖像當(dāng)今使用的主流指紋采集技術(shù)有光學(xué)指紋采集技術(shù)，半導(dǎo)體指紋采集技術(shù)和超聲波指紋采集技術(shù)。光學(xué)指紋采集技術(shù)，其原理是利用光的全反射原理，將照射到壓有指紋的玻璃表面的反射光線通過CCD來獲取，反射光的量將依賴于壓在玻璃表面的指紋脊和谷的深度和皮膚與玻璃間的油脂和水分。光線穿過玻璃照射到有谷的地方后在玻璃與空氣的界面發(fā)生會全反射，光線被反射到CCD, 而射向脊部位的光線卻不發(fā)生全反射，這樣就在采集的CCD上形成了指紋的圖像。半導(dǎo)體傳感器是1998年在市場上才出現(xiàn)的，這些含有微型晶體的平面通過多種技術(shù)來繪制指紋圖像。主要使用的方案有：硅電容指紋圖像傳感器、半導(dǎo)體壓感式傳感器和半導(dǎo)體溫度感應(yīng)傳感器。 超聲波指紋圖像采集技術(shù)，是Ultrascan公司首開超聲波指紋圖像采集設(shè)備產(chǎn)品的先河。超聲波指紋圖像采集技術(shù)是被認(rèn)為在指紋采集技術(shù)中最好的一種，但在實際的指紋識別系統(tǒng)中卻還不常見，其成本很高，并且還處于實驗室階段。超聲波指紋取像的原理是:當(dāng)超聲波掃描指紋的表面，緊接著接收設(shè)備獲取的其反射信號，由于指紋的脊和谷的聲阻抗的不同，導(dǎo)致反射回接受器的超聲波的能量不同，測量超聲波能量大小，進而獲得指紋灰度圖像。積累在皮膚上的臟物和油脂對超聲波取像影響不大。所以這樣獲取的圖像是實際指紋紋路凹凸的真實反映。 圖像頻域增強 圖像頻域增強簡介 在數(shù)字圖像處理中，圖像最直觀的理解是把圖像理解為二維函數(shù)F(x,y)，其中x，y作為數(shù)字圖像中象素的二維空間的坐標(biāo)，F(xiàn)的值作為數(shù)字圖像象素該位置的灰度值。但是在空間域在處理某些數(shù)字圖像的問題時，會比較困難甚至是幾乎難以處理。在頻率下處理的時候，同樣的問題用不同的描述方式是和空間域的表示是等價的，但由于描述方式不同了以前空間上很難處理的問題在頻率域上就有可能變得很容易了。在頻率域上處理時，還可以使用數(shù)字信號處理的一系列成熟的方法，讓我們處理特殊的問題有了很多的工具，所以頻率圖像增強是很有價值進行學(xué)習(xí)和研究的。 圖像頻域增強的基本步驟 圖像頻域增強的一般方法歸納為一下六步： （1）計算原始圖像的FFT》》》F(u,v)； （2）四個角落的零頻點移到圖像中央； （3）H(u,v）*F(u,v)=G（u,v）。 （4）G(u，v)零頻點移回四個角落； （5）傅里葉反變換得到最終的圖像。無論是何種類型，何種目的的頻率域圖像增強，處理的過程都是基本一致的，都如下圖所示 圖像頻域處理基本步驟 下圖為處理后的效果圖 頻域處理后對比圖 圖像的二值化 圖像二值化算法指紋圖像的二值化是作為指紋圖像處理過程的過程之一，是進行指紋圖像細(xì)化處理的先決條件。目前的指紋細(xì)化算法都是基于二值指紋圖像進行的。對指紋圖像進行二值化處理的優(yōu)點在于是圖像的幾何性質(zhì)只與0和1在圖像矩陣中的位置有關(guān)，不再涉及到圖像像素的灰度值，使算法的處理過程變的簡單，這給指紋圖像的存儲和對其的相應(yīng)的處理操作都帶了很大的便利性，同時也提高了系統(tǒng)的運行效率。一個好的二值化算法可以得到一個高質(zhì)量的二值圖像。反之，如果該階段處理不當(dāng)引入了噪聲，就會直接降低圖像的質(zhì)量，對后序的識別過程造成很大程度上的干擾。對指紋圖像二值化的基本要求就是二值化后的圖像能完整的反映出原指紋，具體要求表現(xiàn)為：（1） 紋線中不能出現(xiàn)空白。（2） 二值化的紋線基本保持原指紋圖像的特征。（3） 指紋的紋線中不能有太多的算法引起的間斷和紋線的想連。（4） 指紋紋線間的間距應(yīng)該基本相同。 大多數(shù)灰度圖像的二值化變化函數(shù)F(x)都可以用下述公式進行表達(dá)： 公式中的T為人為指點的閥值，自變量x為圖像像素點的灰度值。局部自適應(yīng)閥值算法先是利用固定閥值算法的思想，然后再根據(jù)圖像中每一個部分的明暗度來調(diào)整閥值。首先把圖像分割成若干個w*w的方塊，每一塊都根據(jù)自身的閥值來進行二值化。這個算法利用了指紋圖像中脊線與谷線寬度基本相同的特點，即二值化后圖像的黑白像素點的個數(shù)也應(yīng)該大致相同，首先利用固定閥值算法的特點對指紋圖像中的每個一子塊確定一個大致的閥值，然后再利用自適應(yīng)的算法思想進行閥值的調(diào)整，當(dāng)閥值最合適時圖像是最光滑的，既沒有“黑洞”（閥值過大），也沒有“白點”（閥值過小），因此01之間的轉(zhuǎn)換次數(shù)最少。以下為區(qū)域閥值的T的選取算法：（1） 將指紋劃分為相互不重疊的w*w的子塊，計算該子塊區(qū)域內(nèi)所有像素的灰度平均值。 （2） 計算該區(qū)域內(nèi)的Nk(灰度值大于等于T的像素點的個數(shù))和Nl（灰度值小于T的像素點的個數(shù)）的值 （3）.如果 ,則T為閥值；（4） 若，則T=T+1,否則T=T1,返回第二步。 二值化算法的matlab的仿真本文使用matlab圖像處理工具箱中提供的im2bw函數(shù)來實現(xiàn)對指紋圖像的二值化。以下為實現(xiàn)的matlab代碼：I=imread(‘39。)。level=graythresh(I)。J=im2bw(I,level)。imshow(J)。 二值化結(jié)果 指紋圖像的細(xì)化 指紋圖像的細(xì)化算法細(xì)化又被稱為骨骼化，是指在不對圖像的拓?fù)浣Y(jié)果有影響的情況下，將圖像中寬度大于一個像素的線條轉(zhuǎn)化為只有一個像素寬度的線條的圖像處理過程。由于在指紋識別的圖像處理過程中，指紋的特征、方向特征和位置特征，只跟指紋圖像的拓?fù)浣Y(jié)構(gòu)有關(guān)，而與脊線和脊谷的寬度沒有關(guān)系，同時通過細(xì)化的過程能極大的便利后序?qū)χ讣y圖像特征點提取的操作，因此在指紋的圖像預(yù)處理中，需要對指紋圖像進行細(xì)化的處理。細(xì)化效果的好壞會直接的影響到后序特征點能否進行高效的提取。若細(xì)化的效果不好的話，很可能導(dǎo)致后序的特征點提取工作出現(xiàn)大量的偽特征點，致使匹配的工作無法進行，因此細(xì)化的操作對于指紋圖像的預(yù)處理非常重要。由于指紋識別與一般的圖像識別有很大的不同，指紋識別的匹配是直接與細(xì)化后的圖像的端點相關(guān)的，因此細(xì)化的操作不能對指紋圖像的端點的位置和方向產(chǎn)生影響。 細(xì)化算法的matlab仿真本文使用matlab圖像處理工具箱提供的bwmorph函數(shù)來實現(xiàn)對指紋圖像的細(xì)化操作，一下是matlab的實現(xiàn)過程：I=imread(‘39。)。K=bwmorph(~J,39。thin39。,39。inf39。)。imshow(~K)。 指紋圖像的細(xì)化結(jié)果第3章 指紋特征的提取指紋特征點的提取一般被分為兩個階段：特征點的提取和偽特征點的剔除。許多的學(xué)者都對這方面做出了深入的研究。最早提出特征點提取算法的是美國聯(lián)邦調(diào)查局的自動指紋識別技術(shù)研究人員。他們采用了一種二級算法，用自適應(yīng)“編輯”方法把指紋圖像二值化，然后再從二值化后的圖像中提取出特征點。該算法的提出在指紋識別領(lǐng)域內(nèi)具有開拓性的意義，并且此算法在很長一段時間內(nèi)被廣泛的用作細(xì)節(jié)特征點提取的標(biāo)準(zhǔn)算法。目前最常用的特征點提取算