【文章內(nèi)容簡介】 完整指紋進行分析和識別。中心點：中心點位于指紋紋線的漸近中心，它在讀取指紋和比對指紋時作為參考點。許多算法是基于中心點的，即只能處理和識別具有中心點的指紋。中心點對于某些指紋識別算法很重要，沒有中心點的指紋某些算法是不能處理的。三角點：三角點是位于從中心點開始的第一個分叉點、斷點、兩條紋線會聚處、孤立點、轉(zhuǎn)折處等。三角點是指紋紋線的計數(shù)跟蹤的開始之處。式樣線：式樣線是指在包圍模式區(qū)的紋路線開始平行的地方所出現(xiàn)的交叉紋路，式樣線通常很短就中斷了，但是它的外側(cè)開始連續(xù)延伸。紋數(shù)：指模式區(qū)內(nèi)指紋紋線的數(shù)量。在計算指紋的紋數(shù)時，一般先要連接中心點和三角點，這條連線和指紋紋線相交的數(shù)量即可認為是指紋的紋數(shù)。(2) 細節(jié)特征細節(jié)特征是指紋上具有某種特征的節(jié)點，這些具有某種特征的節(jié)點也稱為特征點。兩枚指紋經(jīng)常會具有相同的總體特征，但是它們的細節(jié)特征卻不可能完全相同。指紋紋線并不是連續(xù)的、平滑筆直的，而是經(jīng)常中斷、分叉和打折的。這些斷點、分叉點和轉(zhuǎn)折點就稱為“特征點”，如圖24所示。就是這些特征點提供了指紋唯一性的確認信息，指紋的細節(jié)特征點主要是節(jié)點。圖24 指紋細節(jié)特征點指紋上的節(jié)點有四種不同特性：① 分類：節(jié)點有以下幾種類型，最典型的是端點和分叉點，見表21。端 點：一條紋路在此終結(jié)分叉點：一條紋路在此分開成為兩條或更多的紋路分歧點：兩條平行的紋路在此分開孤立點：一條特別短的紋路，以至于成為一點環(huán) 點：一條紋路分開成為兩條之后，立即又合并成為一條，這樣形成的一個小環(huán)稱為環(huán)點短 紋：一段較短但不至于成為一點的紋路表21　各類特征點出現(xiàn)概率情況類型特征端點分叉點分歧點短紋孤立點環(huán)點出現(xiàn)概率%%%%%%② 方向：節(jié)點可以朝著一定的方向。③ 曲率：描述紋路方向改變的速度。④ 位置：節(jié)點的位置通過坐標(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。 指紋的細節(jié)特征是人工識別與計算機自動識別所依賴的主要根據(jù)。在指紋領(lǐng)域知識的支持下實現(xiàn)從指紋原始圖像到其特征表示的映射，是指紋識別系統(tǒng)實現(xiàn)的重點。然而在實際中，受各種因素的影響，采集到的指紋圖像不能保證都很清晰，圖像中可能出現(xiàn)紋線粘連、紋線斷裂或?qū)Ρ榷炔痪鶆虻惹樾?。在這種情況下很難從圖像中正確地分離出指紋紋線，導(dǎo)致指紋特征的可靠提取變得非常困難。造成指紋圖像質(zhì)量差的主要原因有[6]：(1) 手指表面與采集設(shè)備表面的非均勻接觸；(2) 采集設(shè)備本身性能的原因；(3) 指紋本身的原因，統(tǒng)計結(jié)果表明，大約有 4％的人其指紋天生就不好。另外，老人的手指上通常存在很多折皺，皮膚病患者的手指上有很多翹皮，體力勞動者的手指上存在老繭且經(jīng)常會產(chǎn)生劃痕。指紋紋線模糊對指紋局部特征提取的影響尤為嚴(yán)重。當(dāng)指紋圖像質(zhì)量較差時，作為指紋匹配關(guān)鍵環(huán)節(jié)的細節(jié)點特征提取過程可能會產(chǎn)生以下錯誤：(1) 產(chǎn)生大量虛假細節(jié)點；(2) 遺漏真實細節(jié)點；(3) 細節(jié)點位置和方向存在誤差；(4) 細節(jié)點類型錯誤?；阱e誤的細節(jié)點顯然很難達到較高的指紋匹配精度。為了保證可靠地提取出指紋特征，為指紋識別提供更加可靠的依據(jù)，一方面需要研究對指紋圖像質(zhì)量具有魯棒性的指紋特征提取方法，另一方面應(yīng)該從提高指紋圖像的質(zhì)量入手。要獲得質(zhì)量較好的指紋圖像，首先應(yīng)該提高指紋采集設(shè)備的性能，其次是依靠用戶在采集指紋時的配合，最后是對指紋圖像進行預(yù)處理。 指紋圖像預(yù)處理在指紋識別系統(tǒng)中，指紋圖像的預(yù)處理是非常重要的一部分，它關(guān)系到后期指紋特征提取和匹配的效果[714]。在傳統(tǒng)的指紋識別系統(tǒng)中預(yù)處理主要采用方向濾波方法來改善指紋圖像質(zhì)量，預(yù)處理一般包括圖像增強、方向圖求取、二值化、細化等幾個主要步驟。圖像增強的目的是去除噪聲，同時增強指紋圖像的脊和谷之間的對比度。通常采用平滑濾波、銳化、灰度修正等手段。二值化是把指紋灰度圖像轉(zhuǎn)換為黑白二值圖像，細化則是把二值化后的指紋圖像的紋線轉(zhuǎn)變?yōu)橹挥幸粋€像素寬的細化圖，以便于特征提取。實際應(yīng)用中可根據(jù)需要，選擇合適的預(yù)處理方法，為圖像特征提取提供質(zhì)量較好的預(yù)處理圖像，使之盡量減少因圖像噪聲引起的偽特征的數(shù)目。圖像預(yù)處理是一項相對耗時的工作，一幅像素的圖像有90,000個像素，對每個像素進行若干次乘法和加法操作，這樣需要很大的時間開支。如果在預(yù)處理環(huán)節(jié)上采用過于簡化的處理方法，以期望達到快速匹配，往往得不償失。因此為了提高整個系統(tǒng)的性能指標(biāo)，必須選擇合適的預(yù)處理。下面就預(yù)處理技術(shù)進一步進行說明。 指紋圖像增強數(shù)字圖像處理中一些通用的圖像增強方法如均值濾波、低通濾波、邊緣增強等對指紋圖像的增強效果不理想，這是因為這些方法主要針對圖像中的隨機噪聲，而模糊指紋圖像中的指紋紋線缺陷屬于結(jié)構(gòu)性噪聲。理想的指紋圖像由脊線和谷線交替構(gòu)成，脊線和谷線粗細均勻，除了在細節(jié)點、奇異點等區(qū)域出現(xiàn)不規(guī)則形狀外，在大部分區(qū)域，脊線之間和谷線之間互相平行，且呈現(xiàn)連續(xù)的、方向平緩變化的曲線形態(tài)。當(dāng)指紋圖像質(zhì)量較差時，指紋紋線不再具有上述形狀。然而對質(zhì)量較差的指紋圖像，指紋專家仍然能定位出其中的細節(jié)點和判斷指紋的類型，這是因為他們在觀察時依據(jù)了一些重要的視覺線索，如局部紋線方向、紋線的連續(xù)性、紋線的走勢等等，這些特性反映了指紋紋線的結(jié)構(gòu)。受此啟發(fā)，人們利用這些視覺線索設(shè)計出很多專門針對指紋的圖像增強方法。有些指紋增強算法對細化指紋圖像進行增[1519]，有些方法采用直接紋線分割來實現(xiàn)指紋增強[20,21]，還有一種做法是在原始灰度圖像上進行指紋增強[2229]。在原始灰度圖像上進行指紋增強的方法是依據(jù)局部紋線的兩個重要特性：紋線方向和紋線頻率，采用具有方向和頻率選擇特性的低通濾波器進行指紋增強處理。與基于細化紋線增強和紋線分割方法相比，這類方法具有較好的效果。采用這種思想的方法有：(1) O’Gorman等人采用濾波器掩碼在空間域進行濾波[22]；(2) Sherlock等人利用Butterworth帶通濾波器和一種角度選擇濾波器的組合來構(gòu)造濾波器[23]；(3) Hong等人采用Gabor濾波器在空間域進行濾波[24]；(4) Kamei等人濾波處理也是在頻域進行，濾波器形式上為兩個高斯帶通濾波器的乘積，它們分別對方向和頻率進行選擇[29]；本文直接在灰度圖上采用常用的圖像增強算法——Gabor濾波法。Gabor濾波器是一種帶通濾波器，它具有良好的方向和頻率選擇特性[24,26,30]，其在空間域的表達式為： （21）其中： 　 （22） （23）Gabor 濾波器的四個參數(shù)：、分別決定了濾波器頻域通帶的中心方向、中心頻率、頻率通帶大小和方向通帶大小。本文通過大量試驗效果的比較，當(dāng)Gabor ，運算速度和處理效果達到比較理想的狀態(tài)，把代入式（21）式后，大大簡化了 Gabor 濾波公式，濾波增強時間降為原來的70%左右，增強效果如圖25所示。 原始圖像 增強后的圖像圖25 　Gabor 濾波增強效果圖 方向圖計算方向圖的概念最初是由Graseli提出的，他指出除奇異區(qū)外，指紋紋線排列一般是平行的，且方向變化平緩，因而指紋數(shù)據(jù)間存在著大量的信息冗余。根據(jù)這個特性，可將指紋圖像劃分為一個個獨立的、互不重疊的子塊，每個子塊用一個方向碼來表示，這個方向碼對應(yīng)于這個子塊中的紋線的主要方向。由這些方向碼組成的圖就叫做方向圖。用指紋方向圖來表示指紋原灰度圖像，不僅可以保留它的整體結(jié)構(gòu)信息，而且可以大大降低數(shù)據(jù)的冗余。方向圖的求取是許多自動指紋識別系統(tǒng)中一個不可缺少的環(huán)節(jié)和步驟。方向圖代表了指紋圖像中紋線的走向，它在指紋圖像分析中起著很重要的作用，如指導(dǎo)方向濾波或指導(dǎo)二值化。方向圖分為兩種：一種是點方向圖，表示源指紋圖像中每一點脊線的方向；另一種是塊方向圖，表示源指紋圖像中每一塊脊線的大致方向。目前從灰度圖中獲取方向圖的原理都大體相同，其基本原理是：在原灰度圖像中計算每一點（塊）在各個方向上的某個統(tǒng)計量（如灰度差、梯度等），根據(jù)這些統(tǒng)計量在各個方向上的差異，確定該點（塊）的方向。針對每個像素得到的方向則形成點方向圖。為了保持點方向的有效性和使用方便，對點方向在一小塊內(nèi)聚類則得到塊方向圖。計算指紋方向圖的方法有很多，如Mehtre等[31,32]、O39。 Gorman等[22]、Sherlock等[23]基于方向灰度差分分析的方法；Tojo等[33]基于方向微模板分析的方法；Wilson等[34]基于傅立葉頻譜分析的方法。這些方法的缺點是往往只能得到有限數(shù)目的方向，如 8個方向、16個方向等，因此精度較低。Bazen、Kass等[35,36]提出了基于梯度分析的求方向圖方法，能夠得到任意精度的方向值，具有較好的效果，因此被很多指紋處理算法采用，本文所使用的即為該方法。具體就求指紋方向圖的算法描述如下：① 將指紋圖像劃分為不重疊的大小為的塊。 ② 計算其每一像素點的一階偏導(dǎo)數(shù)，根據(jù)計算需要，一階偏導(dǎo)算子可以選簡單的sobel算子。選擇一階偏導(dǎo)算子越復(fù)雜，求導(dǎo)結(jié)果越精確，計算得到的方向信息也越準(zhǔn)確，同時算法越耗時。如使用模版尺寸為水平模版和垂直模版的sobel算子為：和將原始指紋圖像分別與兩模板進行離散卷積，即可求得一階偏導(dǎo)、。經(jīng)實驗證明，使用sobel算子足以滿足實際需要。③ 計算每塊圖像的方向信息，如下式所示： （24） （25） （26） 二值化處理(1) 二值化指紋圖像二值化即脊線提取，將脊線和谷線分別變?yōu)楹诎變缮?，這樣不僅可以大大減少存儲量，而且可使指紋特征信息更為清晰，使后面判斷過程少受干擾。而一般二值化技術(shù)通過設(shè)定閾值，把增強后的指紋圖像變?yōu)槎祱D像。二值化的方法很多，算法的關(guān)鍵在于閾值的選取。閾值可以分為三類：全局閾值、局部閾值和動態(tài)閾值[37]。全局閾值法算法簡單，但要有圖像的先驗知識,有一定的局限性，對于殘缺或灰度不均勻的指紋圖像，容易產(chǎn)生斷線。局部閾值法是利用全局閾值算法的思想，將圖像分成若干個子塊，對于每一塊選定一個閾值進行二值化。動態(tài)閾值算法是基于局部的閾值選取方法，這種方法充分考慮到了圖像的不均勻性，由于圖像在某一區(qū)域的像素灰度值具有高度相關(guān)，對指紋圖像進行分塊后，能根據(jù)圖像灰度自動選擇合適的閾值，該方法比全局閾值法更為精確，又比局部閾值法簡單。本文采用的就是一種迭代求圖像最佳分割動態(tài)閾值的算法，達到比較好的效果，如圖26，方法具體描述如下：① 求出圖像最小和最大灰度值和；② 令閾值初值為；③ 根據(jù)閾值將圖像分割成目標(biāo)和背景兩部分，求出兩部分的平均灰度值和，再求新閾值；④ 如果，則算法結(jié)束，否則，轉(zhuǎn)向步驟③。 原始圖像 二值化圖像圖26 動態(tài)閾值法二值化效果圖 (2) 二值化后的去噪指紋圖像經(jīng)過二值化后，由于量化等原因，紋線邊緣凹凸不齊或畫面出現(xiàn)離散點。為使圖像整潔，邊緣光滑，需要進行修飾處理。用適當(dāng)?shù)哪０蹇扇コ讣y谷線中的離散黑點和填補指紋脊線中的空缺白點。 細化處理細化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基礎(chǔ)上，刪除紋線的邊緣像素，直到紋線為單像素寬為止。理想細化后的紋線骨架應(yīng)該是原始紋線的中間位置，并保持紋線的連接性、拓撲結(jié)構(gòu)和細節(jié)特征。一種好的細化算法應(yīng)該滿足下列條件：收斂性、連接性、拓撲性、保持性、細化性、中軸性、快速性[38]。 a. 原始圖象 圖27 　細化效果的比較原始指紋圖像 二值化后指紋圖像圖29 細化效果圖 細化算法的種類很多，按照細化順序來看主要分為 3 類：串行細化、并行細化和混合細化[39,40]?？焖偌毣惴?并行細化)和改進的OPTA算法(串行細化)是目前使用較多的兩種細化算法?？焖偌毣惴?4 連通并行細化算法，其原理是判斷出指紋紋線的邊界點并逐步刪除，該算法速度很快，但細化不徹底，細化后的紋線不是單像素寬。改進的OPTA算法原理是構(gòu)造一定的消除模板和保留模板，將二值化后的指紋圖像和模板比較，決定是否刪除某點的像素值。這種算法能夠基本保證單像素寬，但細化后會產(chǎn)生很多毛刺，且紋線的分叉點處并不是單像素寬度。如果不加處理，這些不足在以后特征提取的時候就會導(dǎo)致相當(dāng)多的偽特征點出現(xiàn)，極大的影響指紋識別的準(zhǔn)確性。本文采用王業(yè)琳等[41]提出的一種新的指紋圖像細化算法。該算法在改進的OPTA算法的基礎(chǔ)上增加了8個消除模板，改進了快速細化算法和改進的OPTA算法存在的不足，細化完全徹底，細化后的指紋骨架在紋線中心線，并且紋線光滑，毛刺較少，保證了以后特征提取以及識別的準(zhǔn)確性。該方法細化效果如圖27(c)所示。 指紋特征提取本章第二節(jié)已經(jīng)提到指紋存在兩種特征，即全局特征和局部特征。全局特征用于指紋的分類，它指的是指紋中脊線的總體走向，局部特征是指指紋圖中的細節(jié)特征，指紋的唯一性并不是基于它的全局特征。具有同一全局