【文章內(nèi)容簡(jiǎn)介】 改判定模板來決定這個(gè)點(diǎn)的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡(jiǎn)化模板，又提高運(yùn)算速度，這點(diǎn)還可以有很大的深入研究。第4章 指紋圖像的特征提取 指紋特征提取概述特征提取就是對(duì)細(xì)化后的指紋圖像提取表示其特征的信息的操作。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識(shí)別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識(shí)別率比較高。對(duì)于自動(dòng)指紋識(shí)別技術(shù)而言，選擇一種合適的、能表達(dá)指紋唯一性的特征量是非常關(guān)鍵的。一般說來，這種特征應(yīng)有以下性質(zhì)：(1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。(2)可測(cè)試性：適用于指紋匹配算法，便于在匹配算法中應(yīng)用。(3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要盡量小，便于存儲(chǔ)、管理和計(jì)算。(4)魯棒性：要求這種特征對(duì)噪聲的存在與指紋形變不敏感。對(duì)于特征點(diǎn)提取的常用算法很多，如：(1)基于二值化的特征提取方法：這種算法對(duì)于預(yù)處理和增強(qiáng)后得指紋圖像進(jìn)行二值化，然后再提取特征點(diǎn)。(2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過分析圖像的紋理屬性和拓?fù)浣Y(jié)構(gòu)提取特征點(diǎn)。(3)基于細(xì)化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細(xì)化圖像，通過細(xì)化圖像提取特征點(diǎn)。自己加縮進(jìn)，請(qǐng)檢查全文為了比較兩個(gè)指紋是否相同，需要從指紋圖像中提取出能表示指紋唯一性的特征。Galton提出的指紋細(xì)節(jié)點(diǎn)是人工指紋匹配中最常用的特征。指紋由脊線和谷線交替構(gòu)成，在大多數(shù)地方紋線連續(xù)且相互平行，而某些局部不連續(xù)的地方構(gòu)成了細(xì)節(jié)點(diǎn)。Galton[18]定義了4種細(xì)節(jié)點(diǎn)類型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于指紋匹配。目前已定義的特征類型己達(dá)150多種，但是這些擴(kuò)展的特征往往不易提取相互區(qū)分，并且它們都可以由端點(diǎn)和分叉點(diǎn)的組合進(jìn)行描述，這使得端點(diǎn)和分叉點(diǎn)成為最常用的結(jié)構(gòu)特征，也稱為細(xì)節(jié)特征，它被認(rèn)為是最穩(wěn)定、最容易檢查的，而且占全部特征點(diǎn)的80％以上。提取出的特征點(diǎn)還必須經(jīng)過偽特征點(diǎn)的去除，盡可能地去除掉由于二值化、細(xì)化處理等過程引入的偽特征點(diǎn)。最后確定出特征點(diǎn)的類型、位置、方向。本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開。 指紋特征提取和去偽特征目前在細(xì)化二值圖像中提取細(xì)節(jié)特征多是用8鄰域法，該方法比較簡(jiǎn)單，在得到可靠的細(xì)化二值圖像后，只需要一個(gè)33的模板便可將端點(diǎn)和分叉點(diǎn)提取出來。對(duì)于細(xì)化二值圖像，像素點(diǎn)的灰度值只有2種情況。在提取指紋圖像的細(xì)節(jié)特征中，由于圖像質(zhì)量和噪聲的干擾，存在大量的偽特征點(diǎn)，實(shí)驗(yàn)表明一幅質(zhì)量較差的圖像在經(jīng)過預(yù)處理，細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩萬個(gè)細(xì)節(jié)特征點(diǎn)，其中包含了大量的偽特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大大降低，還使指紋識(shí)別性能急劇下降，造成識(shí)別系統(tǒng)的拒真率和誤識(shí)率的上升，因此在進(jìn)行指紋匹配之前，應(yīng)對(duì)細(xì)節(jié)特征進(jìn)行驗(yàn)證，盡可能將偽特征點(diǎn)去除，同時(shí)保留真特征點(diǎn)。去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問題。對(duì)整個(gè)圖像進(jìn)行特征提取后得到的特征點(diǎn)并非全部都是真實(shí)的分叉點(diǎn)和端點(diǎn)，由于指紋質(zhì)量，細(xì)化、特征提取過程引入的噪聲造成了很多偽特征點(diǎn)，特別是圖像邊緣有很多圖像分割產(chǎn)生的邊界偽端點(diǎn)。本章中將特征建立為一個(gè)3維數(shù)組，前兩組用于記錄端點(diǎn)和分叉點(diǎn)。第3足則專門記錄偽特征最終可以除去。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的8鄰域法。其中（1）端點(diǎn)的判斷條件為：周圍的8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在2個(gè)不同值。此時(shí)的處理為記錄數(shù)組2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為0，而它的8鄰域點(diǎn)記為1。（2）分叉點(diǎn)的判斷條件為：周圍的8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在6個(gè)不同值。此時(shí)的處理為記錄數(shù)組1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為0，而它的8鄰域點(diǎn)記為1。處理方式類同上面。（3）偽特征的判斷比較多,全部計(jì)入數(shù)組3。第一類：超出一定邊界，仿真中用了17。此時(shí)把它和周圍8點(diǎn)記為0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個(gè)數(shù)。第二類：對(duì)于直線12點(diǎn)的和不超過1的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。第三類為斷點(diǎn)：在上述的范圍內(nèi)，特征值為2。此時(shí)在更小12的上半范圍或下半范圍，特征仍為2則認(rèn)為為斷點(diǎn)。處理方式為把它和周圍8點(diǎn)置為0，在上述基礎(chǔ)上減去2倍的斷點(diǎn)數(shù)。第四類為毛刺，毛刺的判斷類似于短點(diǎn)。因?yàn)橹讣y變化多的部分為中間，所以處理的范圍比斷點(diǎn)來的范圍小，并且在特征值為2的情況下僅僅是縮小范圍再次判斷特征值，這點(diǎn)就不相同了。毛刺的處理方式也類同斷點(diǎn)。第五類為小橋。小橋的判斷條件為:10范圍內(nèi)特征值為1，6的上半范圍或下半范圍特征值仍為1。此時(shí)該點(diǎn)則被視為小橋。小橋處理方式類同斷點(diǎn)和毛刺。 仿真結(jié)果和結(jié)論，Window 7操作系統(tǒng)，根據(jù)上部分的判斷方法決定的特征點(diǎn)和偽特征點(diǎn)，代碼運(yùn)行顯示結(jié)果如下。 圖a 指紋1判斷點(diǎn) 圖b 指紋2判斷點(diǎn)圖41通過判斷后得到的特征點(diǎn)分布圖這個(gè)特征點(diǎn)分布結(jié)果圖包含了特征點(diǎn)和偽特征點(diǎn)。在匹配前還需對(duì)毛刺、小橋等偽特征點(diǎn)加以識(shí)別和處理，這樣有助于后面匹配的進(jìn)行，使匹配更加精確無誤和快速。對(duì)于特征點(diǎn)和偽特征點(diǎn)的判斷方法還有很多，端點(diǎn)判斷和分叉點(diǎn)判斷屬于比較多的特征點(diǎn)判斷，偽特征點(diǎn)也還有別的種類，短線之類也屬于處理后出現(xiàn)的偽特征，本仿真中沒有對(duì)此作出處理。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。第5章 指紋圖像的匹配 指紋圖像匹配方法指紋匹配要解決的是對(duì)兩幅給定指紋圖像的特征模式進(jìn)行比對(duì)，判斷這兩幅圖像是否來自同一個(gè)人的同一手指。指紋匹配是自動(dòng)指紋識(shí)別的最后一步，也是非常關(guān)鍵的一步。指紋圖像匹配方面，主要有基于圖像，脊線結(jié)構(gòu)和特征點(diǎn)的方法。基于特征點(diǎn)的匹配算法具有簡(jiǎn)單、快速、魯棒性等優(yōu)點(diǎn)。目前最為常用的方法是FBI提出的細(xì)節(jié)點(diǎn)坐標(biāo)模型來做細(xì)節(jié)匹配。它利用脊線上的端點(diǎn)和分叉點(diǎn)這兩種關(guān)鍵點(diǎn)來鑒定指紋。通過將細(xì)節(jié)點(diǎn)表示為點(diǎn)模式，一個(gè)指紋識(shí)別問題可以轉(zhuǎn)化為一個(gè)點(diǎn)模式匹配問題。點(diǎn)匹配算法是通過某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個(gè)點(diǎn)集中的對(duì)應(yīng)點(diǎn)匹配起來。對(duì)于基于細(xì)節(jié)點(diǎn)的匹配思路大體分兩種：基于直角坐標(biāo)系的特征識(shí)別和基于極坐標(biāo)系的特征識(shí)別[19]。點(diǎn)模式匹配[20]將注冊(cè)指紋和待識(shí)指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和P和Q通過平移和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。點(diǎn)模式匹配是著名的數(shù)學(xué)難題。目前的指紋識(shí)別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。從模板指紋和輸入指紋中選取一個(gè)節(jié)點(diǎn)作為參考節(jié)點(diǎn)對(duì)，在進(jìn)行節(jié)點(diǎn)匹配時(shí)先利用基準(zhǔn)點(diǎn)將指紋對(duì)齊，然后再評(píng)估其它節(jié)點(diǎn)的匹配程度。很多情況下選用圖片的中心點(diǎn)。當(dāng)然，他所帶來的難題有：(1)如何快速找到基準(zhǔn)點(diǎn)把兩幅指紋對(duì)齊。(2)圖片A中有圖片B中不存在的點(diǎn)，集合B中也有圖片A中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。(3)由于指紋存在變形位移，任何一對(duì)匹配點(diǎn)之間都不是絕對(duì)相等，而是存在一定的差距。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。(4)最終得到的是兩幅指紋的相似度，怎么確定相似度的計(jì)算方式。另外，計(jì)算匹配的時(shí)間即效率性也很重要。參考點(diǎn)在指紋圖像的識(shí)別中是也至關(guān)重要的。能獲得參考點(diǎn)表明從被識(shí)別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結(jié)果；沒有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖像。 針對(duì)上述中提及的問題，本論文采用了兩種匹配方式，第一種為主流的點(diǎn)模匹配法，第二種則是較簡(jiǎn)單的FFT卷積判斷法。本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來驗(yàn)證的方法。這種方法將原特征點(diǎn)的相對(duì)距離進(jìn)行修改，使得各個(gè)特征點(diǎn)之間的相對(duì)距離產(chǎn)生差異。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿足一定值的點(diǎn)視為可積點(diǎn)。最后判斷可積點(diǎn)的個(gè)數(shù)和相對(duì)值。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)即為匹配成功，不滿足視為不匹配。匹配與否用success值返回。返回1說明匹配成功，返回0則匹配失敗。本論文還參考了一種匹配方式，它先讀取所有的數(shù)據(jù)庫(kù)，庫(kù)的大小可自己選擇。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫(kù)圖像進(jìn)行二維FFT卷積，然后判斷出數(shù)據(jù)庫(kù)中哪幅圖片與錄用圖片最相似，并返回它們的差異長(zhǎng)度值。這種方法簡(jiǎn)單明了，缺點(diǎn)在于計(jì)算量比較大，需要較久的計(jì)算時(shí)間。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了30張圖片做指紋圖片數(shù)據(jù)庫(kù)，目標(biāo)圖片為數(shù)據(jù)庫(kù)某圖片稍加修改后的圖片。如果可行，則此匹配法能找到最相近的圖片代號(hào)并顯示出它們的距離。以下為部分?jǐn)?shù)據(jù)庫(kù)圖片： 圖51數(shù)據(jù)庫(kù)中其中6張圖每張子圖都標(biāo)號(hào)(a)、(b)。 圖a 庫(kù)中第13號(hào)原圖 圖b庫(kù)中第13號(hào)修改圖 圖52數(shù)據(jù)庫(kù)中理想會(huì)配對(duì)的圖這個(gè)改動(dòng)太小了，可以選擇旋轉(zhuǎn)一個(gè)角度，或去掉上面的四分之一、加噪等方法選兩張修改圖，然后進(jìn)行比較。 圖53 指紋匹配程序模塊這個(gè)圖去掉。你只要顯示結(jié)果就行了。 圖54 指紋匹配結(jié)果這里以表格的形式列出修改后幾張圖像的匹配結(jié)果。以上結(jié)果論證了該指紋匹配的實(shí)用性。FFT卷積的方法能從多幅數(shù)據(jù)庫(kù)的指紋圖片中挑選出與當(dāng)前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會(huì)影響它的判斷和距離的計(jì)算。這兩種方法都很好地解決了找到基準(zhǔn)點(diǎn)，容錯(cuò)性和相似度的問題。兩種方法都以中心點(diǎn)為基準(zhǔn)點(diǎn)。第一種方法的點(diǎn)判斷條件本身就是一個(gè)人為的容錯(cuò)估計(jì)值，很小的出錯(cuò)不會(huì)影響最終的匹配結(jié)果；第二種方法中的卷積值也存在一定限定值，具有容錯(cuò)性。相似度的計(jì)算，方法一以滿足特征點(diǎn)的相對(duì)距離差距不大的點(diǎn)的個(gè)數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計(jì)算圖像的相似距離。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯(cuò)小，適合一對(duì)一匹配。方法二對(duì)圖像的預(yù)處理要求不高，方法簡(jiǎn)單，但計(jì)算復(fù)雜，適合一對(duì)多的檢索性匹配。第6章 總結(jié)和展望作為一種可靠的生物識(shí)別技術(shù)，指紋識(shí)別技術(shù)受到了廣泛關(guān)注，開發(fā)高效可靠的指紋圖像識(shí)別算法不但具有重要的理論意義，而且具有很高的實(shí)用價(jià)值。本文針對(duì)指紋圖像的特性，將均值方差法、模板細(xì)化、點(diǎn)模匹配應(yīng)用于指紋識(shí)別技術(shù)，以改善指紋識(shí)別算法的性能。主要研究成果內(nèi)容如下：（1）綜合分析了指紋分割目前主流的三種趨勢(shì)，選擇了基于區(qū)域特征的均值方差法并用matlab語(yǔ)言來對(duì)指紋圖像進(jìn)行分割。分割前還對(duì)圖像進(jìn)行低頻歸一化處理。（2）對(duì)分割好的圖像進(jìn)行了二值化處理，使得細(xì)化的信息量大大減少。選用了一種比較精確的模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。（3）對(duì)細(xì)化后的圖像進(jìn)行特征提取，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、毛刺視為偽特征點(diǎn)，對(duì)他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。（4）在上述的特征點(diǎn)的部分選用了點(diǎn)模匹配，以特征點(diǎn)滿足相對(duì)距離的個(gè)數(shù)和相對(duì)值為依據(jù)判斷是否匹配。此外，還介紹了一種濾波卷積的FFT卷積匹配，適合檢索匹配。本文由于時(shí)間上的限制，在實(shí)現(xiàn)細(xì)化和匹配的基礎(chǔ)上沒有能夠?qū)?xì)化和匹配算法進(jìn)行更深入的改進(jìn)研究，是一個(gè)缺憾。如何有效的對(duì)指紋圖像的分割細(xì)化的不足之處進(jìn)行彌補(bǔ)，對(duì)匹配算法改進(jìn)效率以及將指紋識(shí)別技術(shù)與在實(shí)踐中結(jié)合起來應(yīng)該是今后開展工作的方向。參考文獻(xiàn)請(qǐng)仔細(xì)檢查格式上的一些細(xì)微錯(cuò)誤。[1]王崇文,李見為,[J].計(jì)算機(jī)應(yīng)用,2001,21(12):23—25[2]B Moayer and K S Fu. An application of stochastic languages to finger patrtern recognition[J]. Pattern recognition,1976,12:173179[3]謝立鋒,[J].技術(shù)與市場(chǎng),:4445[4]耿德英,陳志敏,[J].西昌學(xué)院學(xué)報(bào),(4):7274[5]劉明生,吳小培,[J].電子測(cè)量技術(shù)第32卷,:9294[6]郭文鵑,楊公平,[J]. 山東大學(xué)學(xué)報(bào),(7):94100[7][J].科技信息,2009年27期:1718[8]郭丹穎,吳成東,[J]. 信息與控制,(1):6771[9Ratha N KChen S Wain A Flow orientation BsedFeature Extraction in Fingerpfint lmages[J].Pattem Recognition, 1995,28(11):16571672[10]李晨丹,[J].計(jì)算機(jī)工程與科學(xué),（(7）):6164[11] 溫苗利，梁彥等．基于GaborN數(shù)的小波域指紋圖像增強(qiáng)算法[J]．計(jì)算機(jī)應(yīng)用，2006,20(9):6874[12]Gerbrands J J,Segmengtation of Noisy Images[D],Delft University of Technology,1988[13] 田捷,陳新建,張陽(yáng)陽(yáng). 指紋識(shí)別技術(shù)的新進(jìn)展[J]. 自然科學(xué)進(jìn)展,2006,16(4):400408[14]王業(yè)琳,寧新寶,[J].南京大學(xué)學(xué)報(bào):自然科學(xué)版,2003,39(4):469475[15] 趙磊,陳瓊,陳中. 一種新的改進(jìn)OPTA細(xì)化算法[J] . 計(jì)算機(jī)應(yīng)用,2008,28(10):26392642[16] KASS M,WITKIN A,TERZOPOULOS D．Snake:Active contour models[J].International Journal of Computer Vision,1988,1(4):32l一331[17] MORTENSEN E N,BARRETF W scissors for image position[J].Proceedi