【文章內(nèi)容簡介】 目的。 1． 3 國內(nèi)外自動(dòng)指紋識別系統(tǒng)的研究狀況 指紋識別技術(shù)從早期的人工比對到現(xiàn)在采用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)自動(dòng)指紋識別，指紋對比更加準(zhǔn)確，識別效率 得到極大提高。自動(dòng)指紋識別過程通常由指紋圖像濾波增強(qiáng)、二值化、細(xì)化、特征提取以及指紋匹配等幾個(gè)環(huán)節(jié)構(gòu)成。指紋圖像濾波增強(qiáng)的目的是將有噪聲干擾的指紋圖像變得更加清晰，使得指紋圖像的脊線更黑，谷線更白，當(dāng)前在實(shí)際指紋圖像增強(qiáng)算法的應(yīng)用中一般是幾種濾波增強(qiáng)方式結(jié)合起來使用，主要的方案是基于傅里葉變換結(jié)合濾波和指紋圖像點(diǎn)方向場的下上下濾波器；指紋圖像二值化，是將指紋圖像變成灰度值只有 0 和 255 兩種顏色的圖像，當(dāng)前，在自動(dòng)指紋識別中常采用的是根據(jù)指紋圖像的點(diǎn)方向場在指紋紋 圖表 局部特征點(diǎn)類型的示意圖 11 線方向和指紋紋線垂直方向上對指紋圖像進(jìn)行二值化 處理；指紋圖像細(xì)化是指刪除指紋紋線的邊緣像素，使之只有一個(gè)像素寬度，目前在自動(dòng)指紋識別技術(shù)中常用的是 OPTA 算法的改進(jìn)的圖像模板細(xì)化算法；指紋特征提取，是將細(xì)化后使用計(jì)算機(jī)數(shù)字圖像處理技術(shù)采集指紋圖像中奇異點(diǎn)、端點(diǎn)、叉點(diǎn)等指紋特征數(shù)據(jù)，目前常用的特征提取算法是先對細(xì)化后的指紋圖像進(jìn)行初步去噪，然后提取特征點(diǎn)，再根據(jù)閾值去除偽特征點(diǎn)；指紋匹配，是指紋預(yù)留模板圖像與輸入樣板圖像中的所有特征點(diǎn)的匹配，目前在自動(dòng)指紋識別系統(tǒng)中常采用可變大小的界限盒的指紋特征匹配算法 [8]。 目前指紋識別技術(shù)還有很多困難，例如當(dāng)三維 的指紋被指紋錄入設(shè)備掃描成二維的數(shù)字圖像時(shí)，會(huì)丟失一部分信息、手指劃破、割傷、弄臟、不同干濕程度以及不同的按壓方式，還會(huì)導(dǎo)致指紋圖像的變化，這給可靠的特征提取帶來了相當(dāng)?shù)乩щy；例如傳統(tǒng)的基于細(xì)節(jié)點(diǎn)的識別方法，是依靠提取指紋脊線上的細(xì)節(jié)點(diǎn)，然后對其位置和類型進(jìn)行匹配，來識別指紋的，而噪聲會(huì)影響特征提取準(zhǔn)確度，增加錯(cuò)誤的特征點(diǎn)或丟失真正的特征點(diǎn)。當(dāng)噪聲很大時(shí)，就要增加圖像增強(qiáng)算法來改善圖像的質(zhì)量，但很難找到一種增強(qiáng)算法能夠適應(yīng)所用的噪聲，多種增強(qiáng)算法又會(huì)大幅增加算法運(yùn)行時(shí)間，不好的增強(qiáng)算法又會(huì)增加人為特征。當(dāng) 噪聲增大時(shí)，提取了許多虛假細(xì)節(jié)點(diǎn)，還有可能丟失細(xì)節(jié)點(diǎn)，這就是傳統(tǒng)的基于細(xì)節(jié)點(diǎn)識別算法的不足之處之一，因?yàn)樗焕昧酥讣y圖像中的一小部分信息（細(xì)節(jié)點(diǎn)位置和方向）作為特征進(jìn)行匹配，丟失了蘊(yùn)涵在圖像中的其他豐富的結(jié)構(gòu)信息。不難想象，基于這種方法的識別算法，很難全面適應(yīng)指紋的變化。 論文的主要研究內(nèi)容 論文在研究指紋識別原理的基礎(chǔ)上，通過討論前人在指紋識別算法的工作基礎(chǔ)上，提出了自己的研究重點(diǎn)，分別簡述如下： 第一，對指紋識別技術(shù)進(jìn)行了系統(tǒng)的介紹。第一章中給出了指紋識別的具體流程圖，并對流程圖中各個(gè)步驟進(jìn)行了詳細(xì)的解釋說明。 第二，介紹了數(shù)字圖像處理在指紋識別中的各種算法。其中的算法都是基于小波變換實(shí)現(xiàn)的。當(dāng)中給出了指紋圖像增強(qiáng)、指紋圖像壓縮編碼、指紋圖像細(xì)化、指紋圖像特征提取的各種算法的公式，并解釋了公式的應(yīng)用方法。 第三，在基于小波變換的算法下，用 matlab 軟件制作了指紋識別系統(tǒng)的具12 體實(shí)現(xiàn)軟件。其中建立了小型指紋圖，軟件具有兩個(gè)功能： 身份鑒定； 2，對確定輸入指紋的主人并輸出其姓名。當(dāng)然輸入的指紋要是指紋庫中已有的指紋。 論文針對不同問題提出的若干算法，在一定程度上優(yōu)化和完善了前人在這些方面做的工作，提高了整個(gè)識別系統(tǒng)的識別效果，為自動(dòng)指紋識別提供了有價(jià)值的參考。 論文的結(jié)構(gòu)安排 論文的結(jié)構(gòu)安排如下： 第一章 主要敘述指紋識別的原理、歷史、國內(nèi)外的發(fā)展概況、論文的研究內(nèi)容及意義。 第二章綜述 了前人應(yīng)用數(shù)字圖像處理在指紋識別中取得的各種成就。 第三章指紋識別算法的 matlab 實(shí)現(xiàn)。 第四章主要給出了指紋自動(dòng)識別系統(tǒng)的實(shí)驗(yàn)結(jié)果。 2 數(shù)字圖像處理在指紋識別中的各種算法及技術(shù) 數(shù)字圖像處理 (Digital Image Processing)又稱為 計(jì)算機(jī)圖像處理，指將圖像信號轉(zhuǎn)換成數(shù)字信號并 利用計(jì)算機(jī)對其進(jìn)行處理，以達(dá)到改善圖像質(zhì)量的過程。在圖像處理中，輸入的是低質(zhì)量的圖像。輸出的是改善質(zhì)量后的圖像。優(yōu)點(diǎn)是處理精度高，處理內(nèi)容豐富，可進(jìn)行復(fù)雜的非線性處理 BI，有靈活的變通能力。困難主要在處理速 度上，特別是進(jìn)行復(fù) 雜的處理。數(shù)字圖像處理技術(shù)在指紋識別中的應(yīng)用主要包括：圖像增強(qiáng)、圖像壓縮編碼、圖像二值化、圖像細(xì)化、圖像識別。 數(shù)字圖像處理對指紋圖像進(jìn)行增強(qiáng)的算法 數(shù)字圖像處理技術(shù)主要是增強(qiáng)指紋圖像中的有用信息，削弱干擾和噪聲，使圖像更加清晰，更適合計(jì)算機(jī)處理的形式。圖像增強(qiáng)不考慮圖像降質(zhì)的原因，突出圖 中所感興趣的部分。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量，可減少圖像中噪聲的影響。 13 基于小波變換的數(shù)字圖像處理在指紋圖像壓縮編碼中的算法 在滿足一定保真 度條件下，對圖像信息進(jìn)行編碼，可以壓縮圖像的信息量，簡化圖像的表樂，從而大大壓縮俐像描述的數(shù)據(jù)量，以便于存儲(chǔ)和傳輸。 圖像壓縮在不同應(yīng)用情況下可以采取有損壓縮和無損壓縮。基于小波變換的數(shù)字圖像處理可以快速準(zhǔn)確的對指紋圖像進(jìn)行壓縮編碼。下面是具體的算法 : (1)小波包概念的提出。小波包變換 (wp)是在小波變換 (WaveletTransform)與多分辨分析的基礎(chǔ)上提出的， Mallat 與 Meyer 提出的多分辨分析從空間概念上將L2(R)分解為一串具有不同分辨率的頻率子空間，使得信號的塔式分解成為可能。WP 分解不 同于傳統(tǒng)的塔式分解，它對信號進(jìn)行多級分解時(shí)，不單只對低頻子帶作進(jìn)一步分解，對上一層分解的高 頻部分也同時(shí)進(jìn)行細(xì)分，并自適應(yīng)地選擇相應(yīng)的頻帶與信號頻譜相匹配，提高時(shí)頻分辨率 [9]。 (2)WP 的基本定義及最佳基選擇。進(jìn)一步對小波子空間按二進(jìn)制方式進(jìn)行頻率細(xì)分，并令：、 (是 WT 中的尺度空間 )，則 Hilbert 空間的正交分解 +1=可用的分解統(tǒng)一為：。若令： 。①由∞式構(gòu)造的序列稱為由基函數(shù)確定的正交小波包。也可等價(jià)表示為：。②其中與分別是函數(shù)與的閉包空間。若將 WP 簡記為：，k,n(t)=2j/。③其中， 由此可見 WP 除了具有小波函數(shù) ， k(t)的離散尺度 j，、平移尺度 k 外，還有一個(gè)倍頻程細(xì)化參數(shù) n=2l+m，正是這個(gè)參數(shù)使 WP 克服了 WT 時(shí)間分辨率高時(shí)頻率分辨率低的缺陷。進(jìn)行圖像壓縮后的前后對比如圖 和圖 [10]。 圖 指紋圖像 圖 壓縮后的重構(gòu)圖 基于小波變換的數(shù)字圖像處理在指紋圖像二值化中的算法 對圖像進(jìn)行二值化是指紋圖像處理中的關(guān)鍵 技術(shù)之一，日的是為了將圖像中有意義的特征值提取出來，即圖像的邊緣、區(qū)域等信息特征，這是進(jìn) 一步進(jìn)14 行指紋圖像識別、分析和理解的基礎(chǔ)。 小波分解的重要作用就是可以將原始信號中的高頻部分和低頻部分分離開。信號在從波峰到波谷或波谷到波峰的變化部分，是因?yàn)橛懈哳l信號的存在才產(chǎn)生如此大的變化。通過小波分解，就 可以得到高頻信號，同時(shí)可以知道高頻信號發(fā)生的具體位置和能量大小。通過設(shè)置一定的閾值，可以將原始信號中的噪聲濾除，從低頻信號中得到平滑的波形。 基于小波的指紋圖像二值化的具體方法如下： 首先，計(jì)算原始指紋圖像的方向場 : 像素點(diǎn) (x， y)是否應(yīng)該被置黑，由下面步驟決定： 按照前面章節(jié)方法構(gòu)造 [11] （ ） 其中 ,… ,… ，分別是，的一列，這里 n=l,… W，采用 Haar 小波對數(shù)列進(jìn)行小波分解： () 在這里，式 (2． )中， i 為分解的層數(shù)，為低頻段信息，為高頻段信息。 經(jīng)過上面的小波分解后，只保留其低頻部分，得到： 而后計(jì)算 () 這里 () 選取兩個(gè) W 值，和，構(gòu)造和。大小包括一個(gè)脊線寬度， 大小包括二脊二谷。分別計(jì)算得到和。 該像素 (x， y)二值化的規(guī)則如下： if 置白 ； else if 置白； else (x,y) 置黑 [12]。 上面規(guī)則的第一個(gè)條件的目的是對圖像的無指紋信息部分和有指紋信息部分進(jìn)行分割，使包含指紋信息的區(qū)域外部變成白色。這里，取閾值 Threshold[13]15 為整個(gè)圖像的灰度均值。在對圖像二值化的過程中同時(shí)完成對圖像的分割，達(dá)到去除無用信息的目的。 采用上述的二值化算法對指紋圖像進(jìn)行二值化后的結(jié)果如圖 所示： 圖 (a) (b) 基于小波變換的數(shù)字圖像處理在指紋圖像細(xì)化中的算法 細(xì)化的主要作用是去除指紋圖像中不必要的信息，節(jié)省內(nèi)存，便于從圖像中提取細(xì)常特征，從而 提高對指紋圖像的匹配速度。 用上述小波二值化后的圖像進(jìn)行細(xì)化。在研究過程中，發(fā)現(xiàn)并不是所有脊線都是一個(gè)像素的寬度，尤其是在分歧點(diǎn)周圍。這樣就造成信息的冗余，也要進(jìn)行必要的刪除。 細(xì)化改進(jìn)的具體步驟如下 [14]： (1)依次在未改進(jìn)細(xì)化圖像中，取脊線上某一點(diǎn) (x， y)，并取其 3*3 鄰域，如 P(1) p(8) P(7) P(2) (x,y) P(6) P(3) P(4) P(5) 圖 (2)計(jì)算 16 () 其中，表示以 8 為循環(huán)周期，當(dāng) i=8 時(shí)， i+l=9,就取 = p(1)； (二值化后黑點(diǎn)用“ 1”表示，白點(diǎn)用“ 0表示 )； (3)統(tǒng)計(jì)該鄰域內(nèi)黑點(diǎn)的數(shù)目，如果 Delta=2 且 ≥ 4 則該點(diǎn)去掉， 即置白，否則保留； (4)一幅圖像未完，則跳到第 (1)步，否則到第 (5)步； (5)如果整個(gè)圖像沒有一個(gè)點(diǎn)被去掉，則結(jié)束；否則對新圖像從第 (1)步再開 始處理 [8]。 圖 是兩幅對比圖像， (a)為改進(jìn)前的結(jié)果， (b)為改進(jìn)后的結(jié)果。 圖 (a)未加細(xì)化改進(jìn) (b)細(xì)化后改進(jìn) 指紋圖像的細(xì)化后處理 : 對二值化圖像進(jìn)行改進(jìn)細(xì)化處理后，使細(xì)化后的脊線寬度真正成為了 1。由于原始圖像質(zhì)量較差，往往會(huì)有一些假特征點(diǎn)在細(xì)化后出現(xiàn)。如圖 2． 所示， 17 圖 (a) 原始指紋圖像 (b) 細(xì)化后的指紋圖像 這些假細(xì)節(jié)點(diǎn)多為極短的脊線、脊線上短短的突起 (外形上像短刺 )和小圈(外形上像氣泡 )，它們分別可能被誤作為端點(diǎn)和分叉點(diǎn)。后處理就是要盡量除這些假細(xì)節(jié)點(diǎn)，使 指紋脊線光滑，并且不失真。后處理就主要分為三部分：消除短脊、消除短刺和消除氣泡。 要消除這兩種干擾信息，先要弄清如何判斷特征點(diǎn)。這里將端點(diǎn)和分叉點(diǎn)作為主要的便于識別的特征點(diǎn)。將上面的式 (2． 1) ； 重寫在這里， 3*3 鄰域取法也如上面所述。當(dāng) Delta=2 時(shí)，點(diǎn) (x， y)為端點(diǎn)；當(dāng) Delta=6 時(shí)，點(diǎn) (x， y)為分叉點(diǎn)。 短脊的特點(diǎn)是，它的兩端都可以被判別為端點(diǎn)，且距離十分短。短刺有這樣一些特點(diǎn)，它的一端可以被判別為端點(diǎn)，另一端可以被判別為分叉點(diǎn)，同時(shí)，這兩個(gè)點(diǎn)的距離十分短。氣泡的特點(diǎn)，它的兩端都可以被判 為分叉點(diǎn)，距離也很短。有了這樣的特點(diǎn)就可以對他們分別進(jìn)行消除。短脊和短刺可以在同一過程中消除。 消除短脊和短刺方法 [15]： (1)依次選取細(xì)化圖像脊線上的點(diǎn) (x， y)； (2)計(jì)算 Delta。如果 Delta=2，則選取點(diǎn) (x， y)的一定鄰域，在該鄰域中尋找端點(diǎn)或者分叉點(diǎn)，也就是尋找 Delta=2 或 Delta=6 的點(diǎn)。如果該鄰域中除了點(diǎn)(x， y)外沒有其它端點(diǎn)或者分叉點(diǎn)，則 (x，”保留 (繼續(xù)為黑 )，否則去掉 (置白 )。 (3)重復(fù)第 (1)， (2)步直到完成對一幅圖像的處理； (4)如果在上面幾步中有像素點(diǎn)被消除，則對新圖像重復(fù)上面步驟，否則結(jié)束處理。 以上方法可以很好的消除短脊和短刺 (它們也可以分開進(jìn)行 )。 消除氣泡的方法和上面的方法，有所不同，它要對檢查出的氣泡進(jìn)行填充，對填充后的圖像再進(jìn)行細(xì)化操作，這樣就消除了氣泡。該過程要對不同大小的鄰域重復(fù)進(jìn)行，直到?jīng)]有氣泡被檢出。 具體步驟如下： (1)依次選取細(xì)化圖像脊線上的點(diǎn) (x， y)； 18 (2)計(jì)算 Delta。如果 Delta=6，則選取點(diǎn) (x， y)的一定鄰域，在該鄰域中尋找分叉點(diǎn)，也就是尋找 Delta=6 的點(diǎn)。如果該鄰域中除了點(diǎn) (x， y)外沒有其它分叉點(diǎn)，則跳到第 (1)步，否則進(jìn)行下一步； (3)如果在上一步中找到了另一個(gè)分叉點(diǎn)，則將兩個(gè)分叉點(diǎn)之間的一定區(qū)域全部置黑； (4)重復(fù)第 (1)， (2)， (3)步直到完成對一幅圖像的處理； (5)對局部置黑后的新圖像再進(jìn)行細(xì)化； (6)如果在上面幾步中有區(qū)域被置黑，則對新圖像重復(fù)上面步驟，否則進(jìn)行 下一步； (7)擴(kuò)大鄰域范圍，重復(fù)上面步驟，直到 鄰域范圍達(dá)到設(shè)定的最大值。 以上方法對