【文章內容簡介】 30余條。 (2)斗型紋 (Whorl):中心花紋呈環(huán)、螺、曲狀，由內向外擴展與上下包圍線匯合形成兩個以上的三角 的紋線 ， 稱 為斗型紋。分為環(huán)形、螺形、囊形、雙箕形、雜形五種。斗型紋的中心花紋，在 由 一條環(huán)、螺、曲等紋線構成時，與兩側三角相對的弧形線凸面，必須是不折、不斷的，并且不與來自從三角中的其它紋線相接。 (3)弓型紋 (Arch): 由 弓形線和橫直線層疊而成 ，中心花紋與上下包圍 線無明顯界限，因此也沒有真正的三角區(qū)。分弧形和帳形紋兩種。 (4)弧形紋：是 由 平緩的或略微突起的弧形線組成的一種結構簡單的花紋形式。 (5)帳形紋： 由 平行的和突起的弧形線組成。花紋中部有直立的或傾斜的紋線，將弧形線撐起 呈 帳蓬狀。 指紋類型的三類九種，是按我國現(xiàn)行的十指指紋分析法劃分的。這是一種基本分類，也叫兩極分類法。實際上指紋種類遠不只這些。 指紋的 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 — 特征點，卻不可 能完全相同。 指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為 特征點 。就是這些特征點提供了指紋唯一性的確認信息。特征點的分類有以下幾種 (如圖 ),最典型的是 端 點和分叉點 [22]。 16 圖 指紋特征示意圖 很多研究者試圖解決指紋分類問題，但至今分類算法的誤識率仍較高。如何提高指紋分類的準確率在自動指紋識別研究中是一個較關鍵的問題。 應用于指紋匹配的指紋特征 在指紋特征中由于中心點、三角點、 端點、叉點、紋型、相對紋密度、紋曲率等元素的分布對于某一個特定人的指紋來說，在他的一生中永遠不會改變，具有終生不變性和惟一性，因而被稱為永久性特征。永久性特征在手指前端的典型區(qū)域 (也被稱為中心花紋區(qū) )中最為清晰和明顯，其分布也最均勻，是指紋匹配的主要參數(shù) [23]。 指紋圖像處理與識別 指紋圖像處理與識別是自動指紋識別系統(tǒng)的核心技術 ,其研究已有很長的歷史了 ,但是總體的思路變化不大?？梢园炎R別算法大致分為下述 3個步驟 : (1)圖像預處理 原始指紋圖像需要進行濾波除噪、脊線增強、動態(tài)二值化、方向信息計算、 初分類、背景分割、紋線間隔估計等處理。圖像預處理的效果好壞直接影響系統(tǒng)性能。個別應用還需要指紋圖像的壓縮編碼。 預處理的目的是改善輸入指紋圖像的質量，以提高特征提取的準確性。預處理常基于方向圖，方向圖是指紋圖像的近似描述，方向圖的每一元素代表指紋圖像中某個給定區(qū)域的紋理方向。原始指紋圖像一般有很多噪聲、斷紋或紋線模糊等，需要進行圖像增強（使用濾波技術）以改善質量。由于指紋的特征僅包含在紋線的形狀結構中，所以，通過二值化和細化把深淺不一、寬度不同的紋線變成灰度相同的單像素寬的細紋線，以便于特征提取。 (2)指 紋特征提取 包括紋線細化、特征點 (交叉點、斷點、中心點、三角點等 )檢測與分類、偽特征點消除、特征點特性參數(shù)計算、特征參數(shù)壓縮編碼、全局特征 (“斗”、“箕”、“旋向”等 )檢測等步驟。特征提取算法應能適應噪聲、畸變、位移、旋轉、缺損、變形等常見的實際情況。 經(jīng)預處理后的指紋圖像通過相應的處理算法自動提取指紋的全局特征和細節(jié)特征。自動指紋識別系統(tǒng)中一般把指紋的類型分為弓、左箕、右箕、斗、雜和不可分六類。細 17 節(jié)特征主要由其位置和方向確定，因此細節(jié)特征一般只考慮紋線的端點和分叉點（包括匯合點），眼和橋等也用相應的分叉點 表示，不再特殊區(qū)分，在有的系統(tǒng)中，還將細節(jié)特征與中心之間、或細節(jié)特征之間的紋線數(shù)提取并記錄下來。提取后的特征還需要進行后處理以去掉假特征。 (3)指紋特征比對 即比較現(xiàn)場提取的某一個指紋特征點集合和原先建立的數(shù)據(jù)庫中的某一個指紋特征點集合的相似程度。通常用代價函數(shù) (或匹配能量 )來表示相似程度 ,取合適的門限將給出該兩組指紋特征是否來自同一枚指頭的判斷。特征比對的方法有點圖松弛匹配方法、最小距離圖法和 Delaunay 三角形化變換等。 指紋算法的具體性能評價指標 [24] 就一個自動指紋識別系統(tǒng)來說，其指 紋識別算法的精確度是整個系統(tǒng)性能指標中最為關鍵的指標。所謂指紋識別算法的精確度是指其識別與提取的特征數(shù)量與準確率及進行特征匹配時的準確率。下面線介紹一下有關指紋識別的基本概念。 匹配 (Matching):匹配也稱對比過程，是指將兩個指紋特征模板通過相應的算法求出它們之間的相似程度的處理過程。若相似程度大于一個事先給定的門限閾值，則該筆對結果被認為接受或者稱匹配。反之，則被視為拒絕或不匹配。 認證 (Verification)：認證是指將現(xiàn)場采集的待測指紋樣本與標本指紋特征模板進行“一對一”比對 (One to One Matching,簡記為 1： 1)，得出“是否是同一人”的結論。 識別 (Identification):識別是指將現(xiàn)場采集到的待測指紋樣本與指紋特征數(shù)據(jù)庫中的標本指紋進行“一對多”的搜索比對 (One to Many Matching,簡記為 1： N)，得出“有無此人”以及“此人是誰”的結論。 門限閾值 (Threshold): 門限閾值是用于判別兩個指紋特征模板相似程度的分界值，門限閾值定的越高，表示對相似度的要求越嚴。 (1)拒識率和誤識率 (False Rejection Rate， FRR)：拒識率又稱拒真率，指將相同的指紋誤認為是不同的指紋，而加以拒絕的出錯概率。 其定義為： FRR=拒識的指紋數(shù)目 /考察的指紋總數(shù)目 100%。 (False Accept Rate,FAR)：誤識率又稱認假率，指將不同的指紋誤認為是相 18 同的指紋，而加以接收的出錯概率。 其定義為： FRR=錯判的指紋數(shù)目 /考察的指紋總數(shù)目 100%。 (2)拒登率 拒登率 (Error Registration Rate， ERR)是用來描述指紋設備的適應性。 其定義為： ERR=出現(xiàn)不能登錄及處理的指紋數(shù)目 /考察的指紋總 數(shù)目 100%。 ERR 指的是指紋設備出現(xiàn)不能登錄及處理的指紋的概率，拒登率 ERR 過高將會嚴重影響設備的使用范圍。 (3)速度 指紋識別系統(tǒng)的工作速度主要由采集時間、圖像處理時間、比對時間和平均識別速度幾項指標構成。采集時間通常包含了采集的操作時間和圖像的傳輸時間；圖像處理時間，指的是從計算機處理指紋圖像到提取出所有特征、輸出特征模板所耗費的時間；比對時間，指計算機對兩組指紋特征模板進行比對并給出結果所耗費的時間；平均識別速度，指計算機從指紋特征模板庫中搜索出特定指紋特征模板的速度，通常是一個統(tǒng) 計平均值，其速度的快慢與指紋特征模板庫的分類方法有很大關系。 (4)平衡點 :即調整指紋識別的門限 ,使拒真率和認假率相同，平衡點越低越好。 (5)建檔時間 :即平均每一枚指紋進行指紋圖像采集、圖像處理、特征提取和特征建庫的時間，建檔時間越短越好。 (6)比對效率 :即在建檔后 ,直接比對一對指紋特征 (不進行圖像處理和特征提取 )所用的時間 ,一般用每秒鐘比對的次數(shù)來表示 ,當然越多越好。 (7)特征文件字節(jié)數(shù) :即平均每一枚建檔指紋所用的特征文件長短 ,用字節(jié)表示 ,越短越好。 (8)算法通用性 :即指紋識別算法對指紋傳感器的敏 感性。需要考慮當傳感器圖像尺寸、噪聲水平、失真程度、手指摁印角度等因素改變時 ,識別算法的適應性或程序修改的工作量，這一條暫時沒有具體衡量指標。 (9)其他軟件工程指標 :包括程序可靠性、易用性、界面友好、統(tǒng)計資料齊全、數(shù)據(jù)庫管理方便等。容易看出 ,上述指標互相是有矛盾和抵觸的 ,單一指標衡量算法性能很可能是片面的、不科學的。所以 ,從全面的角度衡量性能指標是有必要的 19 其中， FAR 和 FRR 是一對相互矛盾的技術指標，在大多數(shù) “ 一對一 ” 比對中，如普通的指紋門禁、指紋證件、權限管理與文件保護等指紋應用場合，考慮到指紋的多樣 性和不易仿冒性，對 FAR 指標的要求可適當放寬，而把設備的易用性和方便性放在第一位，要求 FRR 值盡可能地低。但是在 “ 一對多 ” 以及高安全度的應用場合，則要求 FAR 盡可能低，以避免誤認他人。事實上在多數(shù)指紋設備中，可以通過改變系統(tǒng)識別的閾值設定來選擇 FAR 和 FRR的數(shù)值。 高安全性的指紋設備通常具有對活體指紋生命特征的識別能力，能夠在很大程度上防止假手指作弊，但也正因為如此，常常容易受各種因素變化（干燥、脫皮、污染、干擾和使用時壓力或擺放不當）的影響而把真手指當做假手指拒認，從而使其易用性指標下降。如何處理安全 性與易用性這一對矛盾，是指紋設備選購時另一個值得注意的問題。一般除非是用于無人值守的高安全性場合，指紋設備的易用性指標應擺在首位，盡量做到方便、好用，使絕大多數(shù)人在各種環(huán)境下均能使用。 本章小結 本章重點介紹了指紋識別的歷史和發(fā)展過程，及其原理方法等。并列出了指紋算法的相關評價標準。 20 第三章指紋識別算法的實現(xiàn) 3． 1 指紋圖像的預處理 [25] 精確的指紋識別高度依賴于對脊線紋理結構、細節(jié)特點信息的辨識。然而，在指紋自動識別過程中 ,由于手指本身的因素和采集條件等各種原因的影 響，從指紋傳感器上采集到的原始指紋會不同程度地受到各種因素干擾，圖像中往往包含很多的噪聲，造成指紋圖像質量嚴重下降。 在實際應用中，指紋圖像質量不佳，尤其是噪聲高、壞區(qū)多和對比度差的 劣質 指紋圖像對指紋細節(jié)特征點提取過程的精確度影響很大。具體表現(xiàn)有：指紋模糊不清造成指紋紋線間的粘連、模糊或斷裂 ,會導致產(chǎn)生虛假的指紋細節(jié)特征點；遺漏或忽略了正確的細節(jié)特征點；在有關描述細節(jié)特征點的位置和方向等屬性時產(chǎn)生嚴重失真。因此指紋圖像質量的高低直接關系到細節(jié)特征點提取的有效性和可信性，影響系統(tǒng)在匹配 時 的拒認率和誤識率，從而 最終影響整個系統(tǒng)識別的結果。 由此可知，在進行指紋分類和細節(jié)特征匹配之前一定要先對采集到的指紋圖像進行針對性的預處理。預處理是指紋自動識別系統(tǒng)中的最重要的一步 ,它的好壞直接影響著指紋識別的效果。預處理的目的就是去除圖像中的噪聲 ,把它變成一幅清晰的點線圖 ,增強圖像的可識別性 ,便于提取正確的指紋特征。圖像的預處理大致可以劃分為以下幾步： 平滑濾波，歸一化，二值化。主要流程如下圖 圖 預處理主要流程 圖像的平滑 指紋圖像預處理的過程是從對原始指紋圖像的灰度圖進行平滑處理開始的。平滑處理就是通過選擇適當?shù)臑V波程序對原始指紋圖像進行濾波處理，濾掉圖像中不必要的高頻成分。其主要作用是盡量保持圖像中紋路邊緣完好的前提下，去除原始指紋圖像中一些離散、孤立的高對比度像素點在后續(xù)的指紋圖像處理過程中可能造成的計算與分析誤灰度圖 平滑濾波 歸一化 二值化 細化處理 21 差，同時也可以盡量消除指紋圖像中由于圖像噪聲存在而導致的紋路中脊線上呈現(xiàn)的許多的微小疵點 [26]。 使用二維 FFT變換濾波法。這些方法主要是針對離線采集的指紋圖像比較合適，對計算機的性能要求比較高。而對于指紋圖像質量比較差，對比度小，指紋重疊區(qū)域小，而且處理的是活體實時采集的指紋圖像，這就需要一些更有效，速度更快的指紋圖像增強算法 。本文采取的 直方圖均衡化 [27]來實現(xiàn)圖象的增強 。 直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內的均勻分布。對圖像空間域點的增強過程是通過增強函數(shù)t=EH(s)來完成的， t、 s 分別為目標圖像和原始圖像上的像素點 (x， y)，在進行均衡化處理時， 增強函數(shù) EH需要滿足兩個條件： [28][29] (1)增強函數(shù) EH(s)在 0≤s≤L 1 的范圍內是一個單調遞增函數(shù)，這個條件保證了在增強處理時沒有打亂原始圖像的灰度排列次序 ； (2)對于 0≤s≤L 1 應當有 0≤EH(s)≤L 1，它保證了變換過程中灰度值的動態(tài)范圍的一致性。同樣的，對于反變換過程 s=EH1(t),在 0≤t≤1 時也必須滿足上述兩個條件。通過該函數(shù)可以完成 s到 t的均勻分布轉換。 在實際處理變換時，一般先對原始圖像的灰度情況進行統(tǒng)計分析，并計算出原始直方圖分布，然后根據(jù)計算出的累計直方圖分布 tk，按式 tk=[(N1)* tk+]對其取整并得出源灰度 Sk到 tk的灰度映射關系，其中 N為灰度的級數(shù)。重復上述步驟，得到所有的源圖像各灰度級到目標圖像各灰度級的映射關系，再按照新的映射關系對源圖像各點像素進行灰度轉換，即可完成對源圖的直方圖均衡化。 具體方法是： (1)給出原始圖像所有灰度級 Sk,k=0,1?， L1。 (2)統(tǒng)計原始圖像各灰度級的像素數(shù) nk。 (3)用式 P(Sk)= nk/n, k=0,1?， L1計算原始圖像的直方圖。 (4)計算原始圖像的累計直方圖： tk = EH(Sk)=∑(n i/n)=∑ Ps(si)，（ k=0， 1， 2??L 1） 22 (5)取整計算： tk =int[(N1) tk +k/N] (6)確定映射關系