【文章內(nèi)容簡(jiǎn)介】 表示要求 必須 滿足尺度不變性、 位移不變性和旋轉(zhuǎn)不變性 這 3 個(gè)特征。尺度不變性是滿足的。在濾波提取算法中 ,位移不變性是通過確定指紋圖像的中心參考點(diǎn)來(lái)實(shí)現(xiàn)的。 圖像的旋轉(zhuǎn)不變性可以通過在匹配階段建立多角度旋轉(zhuǎn)特征向量來(lái)實(shí)現(xiàn)。濾波特征的提取算法包括 4 個(gè)步驟 : 一是： 確定指紋圖像的中心參考點(diǎn) ， 以及要處理的指紋區(qū)域 ， 記為 ROI 區(qū)域 ； 二是： 以參考點(diǎn)為中心 ， 對(duì) ROI 區(qū)域進(jìn)行劃分 ， 得到一定大小的塊 ；三是： 用一組 Gabor 濾波器在八個(gè)不同的方向?qū)?ROI 區(qū)域進(jìn)行濾波運(yùn)算 （ 在指紋圖像中 ,完全獲取指紋的局部脊線特征需要使用 8 個(gè)方向?yàn)V波器 , 獲取全局結(jié)構(gòu)信息僅需要 4 個(gè)方向?yàn)V波器 ）；四是： 在濾波圖像中 ， 計(jì)算每一塊中灰度值相對(duì)于均值的平均絕對(duì)偏差 ， 進(jìn)而得到特征向量或特征編碼?；跒V波特征的指紋識(shí)別算法 ， 首先對(duì)指紋圖像進(jìn)行 濾波特征提取 ， 然后在濾波特征值構(gòu)成的特征向量的基礎(chǔ)上進(jìn)行匹配。 不變矩識(shí)別算法：算法的基本思路是 ： 搜索預(yù)處理后的二值圖像中所有可能成 為目標(biāo)的區(qū)域，計(jì)算區(qū)域的 7 個(gè)不變矩特征，認(rèn)為與模板匹配程度最高的區(qū)域?yàn)槟繕?biāo)。其中相似度度量采用歐式距離。 指紋匹配算法 指紋匹配指的 是指紋特征值比對(duì)過程。它是把當(dāng)前取得的指紋特征值集合與事先存 好 的指紋特征值模板進(jìn)行匹配的過程。指紋匹配是一個(gè)模式識(shí)別的過程，指紋匹配判定的標(biāo)準(zhǔn)不是相等或 不等，而是相似的程度。這個(gè)程度 的 判定依賴于事先設(shè)定的閾值，以及與判定時(shí)比較的特征點(diǎn)的個(gè)數(shù)。閾值取的合理，特征點(diǎn)取的越多，誤判的機(jī)率就越小。指紋匹配的方法 有 很多，包括基于奇異點(diǎn)的匹配、嵴模式的匹配、特征點(diǎn)的匹配、特征點(diǎn)線對(duì)（兩個(gè)特征點(diǎn)的連線）匹配，以及特征點(diǎn)組的匹配方法 等等 。 在 指紋匹配之前需 要 作 出 指紋定位。指紋定位是使待驗(yàn)證指紋的數(shù)個(gè)細(xì)節(jié)點(diǎn)的坐標(biāo)值與指紋庫(kù)中 的數(shù)個(gè)細(xì)節(jié)點(diǎn)的坐標(biāo)值一一相互對(duì)準(zhǔn)的過程，從而使兩個(gè)指紋圖像對(duì)準(zhǔn)重合。由于在指紋采樣時(shí)，用戶手指每次放置的位置和角度不同，形成的指紋圖像也略有不同，因此各個(gè)指紋特征值的坐標(biāo)值也就不同。主要表現(xiàn)為手指平移和旋轉(zhuǎn)的差異，形成平移誤差和旋轉(zhuǎn)誤差。解決指紋圖像的平移誤差和旋轉(zhuǎn)誤差是指紋比對(duì)算法面對(duì)的首要問題。可以選取奇異點(diǎn)作為對(duì)準(zhǔn)參數(shù)，也可以選擇某一區(qū)域內(nèi)的特征點(diǎn)及嵴方向、嵴密度作為對(duì)準(zhǔn)參數(shù)。實(shí)際上，在除了處理兩種誤差之外，在指紋采集過程中，由于每次按壓的力度不同而形成的指紋圖像擠壓變形和拉伸變形，同樣是指紋匹配之前 需處理的。下圖為 基于混合模式的指紋識(shí)別算法的流程圖 。 圖 混合模式匹配算法流程圖 第三章 指紋圖像預(yù)處理 圖像規(guī)格化 因?yàn)?受采集設(shè)備參數(shù)和環(huán)境的影響，采集到的指紋圖像可能總體 的 對(duì)比度 會(huì)比 較差。圖像歸一化的作用就是使 所有指紋圖像具有相同的灰度均值和方差，從而使 每一幅圖像的灰度調(diào)整到統(tǒng)一的范圍，方便后續(xù) 的 處理。歸一化的算法是： （ 1） 先計(jì)算圖像的平均值和方差。這部分工作主要通過統(tǒng)計(jì)圖像中各點(diǎn)像素值得到該圖像的直方圖 完成的 ，然后利用直方圖來(lái)計(jì)算指紋圖像的相關(guān)指標(biāo)。 11001( ) ( , )HWijM I I i jWH????? ?? 11 2001( ) ( ( , ) ( ) )HWijV a r I I i j M IWH???????? （ 2） 指定期望經(jīng)過處理后的圖像均值和方差，計(jì)算歸一化后的圖像 G。 200200( ( , ) ( ) ) , ( , )( , )( ( , ) ( ) ) ,Var I i j M IM I i j MVarG i jVar I i j M IM ot he rsVar? ?????? ??? ??? 圖像規(guī)格化的 Matlab 程序如下（其中方差取 Var0=2020,M0=150）： % 歸一化 M=0。var=0。 for x=1:m for y=1:n M=M+I(x,y)。 end end M1=M/(m*n)。 for x=1:m for y=1:n var=var+(I(x,y)M1).^2。 end end var1=var/(m*n)。 for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(2020*(I(x,y)M1)/var1)。 else I(x,y)=150sqrt(2020*(M1I(x,y))/var1)。 end end end figure, imshow(uint8(I)) 。 帶入指紋圖像 ’’后得到的原始圖像和歸一化圖像見圖 31 和圖 32： 圖 31 原始指紋圖像 圖 32 規(guī)格化后的指紋圖像 圖像分割 指紋圖像通常包括紋線區(qū)域和周邊的無(wú)用區(qū)域。如果保留這些無(wú)用區(qū)域， 就會(huì)致使計(jì)算冗余度增加。因 此要先將其從待處理區(qū)域中去除。通常用的分離方法有像素領(lǐng)域特征的方法和基于像素分布概率的方法等。本文采取對(duì)各像素鄰域特征進(jìn)行分析，然后分割圖像算法。 把 圖像分成 T*T 的非重疊塊，計(jì)算每一塊 的灰度均值 M 和方差 Var，通過下列條件區(qū)分前景與背景： （ 1） 如果 MM1 且 VarVar1，則認(rèn)為背景 （ 2） 如果 M=M1 且 Var=Var1，則認(rèn)為前景，否則待定； （ 3） 對(duì)所有分塊劃分完畢后，在對(duì)待定塊進(jìn)行判決。如果在 8 鄰域中，背景景小于等于 4 則認(rèn)為是前景，否則是背景 在編程過程中通過幾次調(diào)試后對(duì)圖像進(jìn)行 3*3 分塊處理 Matlab 程序如下： % 分割 M =3。 %3*3 H = m/M。 L= n/M。 aveg1=zeros(H,L)。 var1=zeros(H,L)。 % 計(jì)算每一塊的平均值 for x=1:H。 for y=1:L。 aveg=0。var=0。 for i=1:M。 for j=1:M。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 end end aveg1(x,y)=aveg/(M*M)。 % 計(jì)算每一塊的方差值 for i=1:M。 for j=1:M。 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y)).^2+var。 end end var1(x,y)=var/(M*M)。 end end Gmean=0。Vmean=0。 for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。 Vmean=Vmean+var1(x,y)。 end end Gmean1=Gmean/(H*L)。%所有塊的平均值 Vmean1=Vmean/(H*L)。%所有塊的方差 gtemp=0。gtotle=0。vtotle=0。vtemp=0。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 gtotle=gtotle+aveg1(x,y)。 end if Vmean1var1(x,y) vtemp=vtemp+1。 vtotle=vtotle+var1(x,y)。 end end end G1=gtotle/gtemp。V1=vtotle/vtemp。 gtemp1=0。gtotle1=0。vtotle1=0。vtemp1=0。 for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp11。 gtotle1=gtotle1+aveg1(x,y)。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 vtotle1=vtotle1+var1(x,y)。 end end end G2=gtotle1/gtemp1。V2=vtotle1/vtemp1。 e=zeros(H,L)。 for x=1:H for y=1:L if aveg1(x,y)G2 amp。amp。 var1(x,y)V2 e(x,y)=1。 end if aveg1(x,y) G1100 amp。amp。 var1(x,y) V2 e(x,y)=1。 end end end for x=2:H1 for y=2:L1 if e(x,y)==1 if e(x1,y) + e(x1,y+1) +e(x,y+1) + e(x+1,y+1) + e(x+1,y) + e(x+1,y1) + e(x,y1) + e(x1,y1) =4 e(x,y)=0。 end end end end Icc = ones(m,n)。 for x=1:H for y=1:L if e(x,y)==1 for i=1:M for j=1:M I(i+(x1)*M,j+(y1)*M)=G1。 Icc(i+(x1)*M,j+(y1)*M)=0。 end end end end end figure, imshow(uint8(I))。title(39。分割 39。)。 得到的圖像如圖 33： 圖 33 經(jīng)過分割處理后的圖像 一般的指紋圖像都 會(huì) 有比較清晰的方向場(chǎng)，方向場(chǎng)估計(jì)得準(zhǔn)確性直接決定了圖像增強(qiáng)算法的效果。 為估計(jì)方向場(chǎng)，我們把指紋脊線的走向分為如下 8 個(gè)方向，如下圖： 圖 34 在一個(gè)像素處的 8 個(gè)指紋脊線方向 我們先對(duì)分割 后的圖像進(jìn)行了平均濾波，然后對(duì)圖像的每一個(gè)像素，為確定在該像素 的脊線方向，在以該像素為中心的 9*9 窗口內(nèi)，分別計(jì)算 8 個(gè)方向上的經(jīng)過處理后的灰度值，即將圖 5 中標(biāo)了 i（ i=0,1,… 7 分別代表 8 個(gè)方向）的位置的像素灰度值去他們中最大 summax和最小值 summin，若滿足 (summax+summin+ 4*I(x,y)) (3*summ/8),則該像素點(diǎn)的脊線方向?yàn)?summin,否則為 summax. 確定完方向后就根據(jù)該向場(chǎng)對(duì)圖像進(jìn)行二值化。 Matlab 程序如下： %二值化 175。 temp=(1/9)*[1 1 1。1 1 1。1 1 1]。%模板系數(shù) 均值濾波 Im=double(I)。 In=zeros(m,n)。 for a=2:m1。 for b=2:n1。 In(a,b)=Im(a1,b1)*temp(1,1)+Im(a1,b)*temp(1,2)+Im(a1,b+1)*temp(1,3)+Im(a,b1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3)。 end end I=In。 Im=zeros(m,n)。 for x=5:m5。 for y=5:n5。 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 sum3=I(x2,y+2)+I(x4,y+4)+I(x+2,y2)+I(x+4,y4)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 sum5=I