【文章內(nèi)容簡(jiǎn)介】 代僅僅是由前一次的迭代情況決定，串行細(xì)化算法的處理結(jié)果依賴于對(duì)像素處理的先后順序，因而像素點(diǎn)的消除或保留不可預(yù)測(cè)。并行細(xì)化算法對(duì)圖像進(jìn)行細(xì)化時(shí)利用相同的條件同時(shí)檢測(cè)所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。由于并行細(xì)化算法具有快速而準(zhǔn)確的特性，因此他一直是人們研究的熱點(diǎn)，并且相應(yīng)的提出了許多并行細(xì)化算法，如 OPTA細(xì)化算法，R．W．Hall 細(xì)化算法，Rosenfeld 細(xì)化算法，Zhang amp。 Suen 細(xì)化算以及 ZR細(xì)化算法等等。性能上這些算法各有所長(zhǎng)。不同的文獻(xiàn)上有不同的關(guān)于細(xì)化方法，如王家隆等 [16]以及王業(yè)琳等 [17]的細(xì)化模板。制約細(xì)化的直觀表現(xiàn)在計(jì)算速度、毛刺和斷點(diǎn)上。因而細(xì)化中選擇一個(gè)好的模板很關(guān)鍵。模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點(diǎn)去除作為背景的模板；保留模板則是根據(jù)條件判定這點(diǎn)保留作為前景的模板。這樣就可以將較粗的圖像曲線細(xì)化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配的高效進(jìn)行。方法步驟：（1）建立 3維數(shù)組，第一組數(shù)據(jù)為預(yù)處理后的圖像信息，定義每一個(gè)像素點(diǎn)它周?chē)c(diǎn)像素參數(shù)。（2）對(duì)于滿足 6種情況的模板，賦值為 2 ，其實(shí)為像素 1情況。對(duì)于滿足后六種情況的模板賦值為 3，別的情況點(diǎn)值不做改變。（3）16 種消去模板是在不滿足上述情況下衍生的模板，對(duì)于滿足這些模板的點(diǎn)像素全為 0，以上都未涉及的點(diǎn)不做改變。（4）循環(huán)進(jìn)行上述過(guò)程，到所有點(diǎn)值不改變?yōu)橹?，最多進(jìn)行 20次細(xì)化?；?于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–9– 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(shuō)來(lái)，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。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(guò)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(guò)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(kāi)。 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(lái)。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(guò)預(yù)處理，細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩萬(wàn)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，不但使匹配基 于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–10–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(wèn)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(guò)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(mén)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?chē)?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?chē)?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?chē)?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(guò) 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?chē)?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(lái)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。 指紋圖像匹配方法 指紋圖像匹配介紹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(lái)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?；谔卣鼽c(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)基 于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–11–坐標(biāo)模型來(lái)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(lái)鑒定指紋。通過(guò)將細(xì)節(jié)點(diǎn)表示為點(diǎn)模式，一個(gè)指紋識(shí)別問(wèn)題可以轉(zhuǎn)化為一個(gè)點(diǎn)模式匹配問(wèn)題。點(diǎn)匹配算法是通過(guò)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(lái)。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(guò)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(lái)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)例如圖片 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(méi)有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖像。 本章小結(jié)本章主要介紹指紋圖像分割及其算法，指紋圖像分割分類：主要提到的基于像素?；谙袼氐闹讣y圖像分割中目前流行多尺度小波變換和閾值法。對(duì)比兩種方法優(yōu)缺點(diǎn)：小波變換的特點(diǎn)是壓縮比高，壓縮速度快，壓縮后能保持信號(hào)與圖象的特征不變，且在傳遞中可以抗干擾。閾值法其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，僅需比較灰度值即可；運(yùn)算效率較高，速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對(duì)于圖像中不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分割問(wèn)題難以得到準(zhǔn)確的結(jié)果。此外，本章還詳細(xì)介紹了均值方差法，以及應(yīng)用之前的處理要求：在使用方差均值法之前還要使用歸一法將圖變?yōu)榈皖l圖?；?于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–12–3 仿真結(jié)果及其分析 仿真結(jié)果及分析指紋圖像讀取如圖 , 指紋識(shí)別歸一化仿真結(jié)果如圖 ，對(duì)指紋圖像的首次預(yù)處理，將指紋圖像的對(duì)比度和灰度調(diào)整到一個(gè)固定級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng)一的圖像規(guī)格。指紋識(shí)別分割仿真結(jié)果如圖 ,從中可以看到用方差均值法分割既適用于比較圓滑的指紋，又適用紋線變化很大的指紋圖像。在歸一化處理降頻和通過(guò)區(qū)域均值方差的后得到的圖像條紋清晰，輪廓分明，對(duì)于后面的細(xì)化和匹配有很大的幫助。該方法快捷，損壞程度低，缺點(diǎn)是計(jì)算有一定的復(fù)雜度，要通過(guò) 2次方差均值來(lái)處理。 一一一 一一一 圖 圖 一一 一一一基 于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–13– 圖 圖 指紋識(shí)別二值化仿真結(jié)果如圖 ,指紋圖像的二值化就是從一個(gè)具有紋理灰度變化的指紋圖像生成另一個(gè)只有兩種色調(diào)的黑白分明的指紋圖像。二值化操作使得指紋灰度中，相對(duì)色調(diào)較淺的谷紋線部分被轉(zhuǎn)成了白色，而相對(duì)較深的脊紋線部分被轉(zhuǎn)成了黑色。使具有灰度的圖像變成只有黑白兩種色調(diào)的二值化圖像?？梢蕴岣咧讣y圖像中脊線和谷線的對(duì)比度, 因此有利于細(xì)節(jié)點(diǎn)提取。指紋識(shí)別二值化去噪仿真圖 。指紋識(shí)別細(xì)化仿真結(jié)果如圖 ,從分割后的二值化處理圖像中，我們可以看到，整個(gè)灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮數(shù)據(jù)量和細(xì)化的實(shí)現(xiàn)。細(xì)化將黑白二值圖像細(xì)化成了單個(gè)像素帶寬的指紋圖像，由于模板的選擇不同，上圖中的細(xì)化圖像一定程度上存在毛刺、分叉、斷點(diǎn)等不理想的情況。所以在特征提出前還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運(yùn)算的速度。 當(dāng)然，此次仿真的細(xì)化還有待改進(jìn)。對(duì)于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來(lái)修改判定模板來(lái)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。指紋識(shí)別特征提取仿真結(jié)果如圖 ,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(wú)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(méi)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。指紋識(shí)別匹配仿真結(jié)果如圖 。指紋識(shí)別匹配結(jié)果仿真結(jié)果如圖 ,匹配與否用 success 值返回。返回 1 說(shuō)明匹配成功，返回 0 則匹配失敗。圖 給出的匹配結(jié)果為匹配不成功，耗時(shí) 秒。 基 于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–14– 一一 圖 圖 一一一一 圖 圖 圖 本章小結(jié)本章主要對(duì)指紋識(shí)別系統(tǒng)進(jìn)行了仿真，并對(duì)其結(jié)果進(jìn)行了分析，歸納，及總結(jié)?；?于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–15–本文中采用的匹配方式，為主流的點(diǎn)模匹配法。首先采用了在原圖基礎(chǔ)上修改參數(shù)值來(lái)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(shuō)明匹配成功，返回 0則匹配失敗。此外，本實(shí)驗(yàn)做了多次仿真，經(jīng)驗(yàn)證該系統(tǒng)可以較好的進(jìn)行識(shí)別，準(zhǔn)確率達(dá)到了 %。 基 于 MATLAB 的 指 紋 識(shí) 別 系 統(tǒng) 設(shè) 計(jì)–16–結(jié) 論本文系統(tǒng)地介紹了指紋識(shí)別技術(shù)的發(fā)展和國(guó)內(nèi)外研究應(yīng)用現(xiàn)狀，闡述了建立指紋識(shí)別系統(tǒng)的必要性和意義，實(shí)現(xiàn)了基于 Matlab的指紋識(shí)別系統(tǒng)。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。本系統(tǒng)主要完成了如下幾項(xiàng)工作：（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(lái)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)