【導(dǎo)讀】生物識(shí)別技術(shù)就是指通過(guò)計(jì)算機(jī)，利用生物所固有的特征或行為來(lái)進(jìn)行身份鑒定。如今，生物識(shí)別技術(shù)已經(jīng)在國(guó)家安全部門(mén)、金融領(lǐng)域和普通百姓家庭得到了廣泛應(yīng)用。本文對(duì)部分生物特征（如人臉、虹。膜、掌紋、視網(wǎng)膜和指紋等）提取算法進(jìn)行研究。兩種算法作較深入的比較和分析。

　　

【正文】 整幅圖像后 ,去掉作了標(biāo)記的像素 ,重復(fù) 1) 、20 2)過(guò)程 ,直至得到單位寬度的線條為止。 特征點(diǎn)提取及后處理 用圖 12所示的 3 3模板 , 孟祥萍 等人 [25]在算法 中只取 Cn = 3,即特征點(diǎn)為分支點(diǎn)的情況。記錄所取的特征點(diǎn)的位置坐標(biāo) ,形成一個(gè)脊線分支點(diǎn)的平面點(diǎn)集 ,然后對(duì)取得的點(diǎn)集進(jìn)一步處理 :對(duì)每個(gè)分支點(diǎn)計(jì)算其半徑為 d (兩條脊線間的距離 ) 內(nèi)是否存在分支點(diǎn) ,如果某個(gè)分支點(diǎn)在其半徑 d內(nèi)還存在其他分支點(diǎn) ,就將該點(diǎn)和其半徑內(nèi)的所有分支點(diǎn)去除。經(jīng)過(guò)這個(gè)過(guò)程以后 ,所得的分支點(diǎn)就可作為指紋的脊線分支點(diǎn)。 在二值化的過(guò)程中 ,取 : 0為二值圖像背景和谷線的灰度值 , 1為二值圖像中圖像脊線的灰度值。 經(jīng)過(guò)細(xì)化、特征點(diǎn)提取及后處理 ,就可 以得到谷線的分支點(diǎn)及其坐標(biāo)信息。后處理可以有效地去除如圖 13所示的偽分支點(diǎn) [25]。 P4 P3 P2 P5 P P1 P6 P7 P8 圖 12 3 3模板圖 圖 13 部分偽分支點(diǎn) 21 圖 14 提取指紋細(xì)節(jié)點(diǎn)的過(guò)程 小結(jié) 本章從指紋的整體特征（紋理結(jié)構(gòu)）和局部特征（細(xì)節(jié)點(diǎn)）的特征提取算法展開(kāi)研究，并對(duì)特征提取方法作一個(gè)比較。 基于細(xì)節(jié)點(diǎn)的指紋特征提取算法是 在得到指紋二值化圖像后 ,分別對(duì)脊線和谷線進(jìn)行細(xì)化 ,從脊線細(xì)化圖和谷線細(xì)化圖中提取分支點(diǎn)作為指紋的特征點(diǎn)。這樣得到指紋的細(xì)節(jié)點(diǎn) 比較準(zhǔn)確 ,而虛假點(diǎn)也比較容易除去。 該算法 在一定程度上滿足了指紋匹配的要求；且占用 存儲(chǔ)的容量 很小 ,加 之由灰度指紋圖像到細(xì)節(jié)特征表述是一個(gè)不可逆的過(guò)程，這樣也起到了保護(hù)個(gè)人隱私的作用 。但對(duì)于質(zhì)量較差的圖像，細(xì)節(jié)點(diǎn)信息難以被有效地提取；細(xì)節(jié)點(diǎn)特征表示丟失大量的紋理結(jié)構(gòu)信息，這些信息同時(shí)也是不同指紋之間十分有效的區(qū)別特征。 基于結(jié)構(gòu)的指紋特征提取算法 為了彌補(bǔ)傳統(tǒng)的提取細(xì)節(jié)特征點(diǎn)的方法在小面積指紋圖像識(shí)別上的不足， 徐楊 等人 針對(duì)指紋脊線紋理結(jié)構(gòu)進(jìn)行了詳細(xì)研究，分析 Gabor濾波器應(yīng)用在紋理上的原理，設(shè)計(jì)基于 Gabor濾 波器獲取指紋特征的算 法．提出了一種快速和簡(jiǎn)便的自動(dòng)定位指紋圖像中心點(diǎn)方法 [24]，以中心點(diǎn)為參考點(diǎn)在其周圍確定特征提取區(qū)，根據(jù) Gabor濾 波器的性質(zhì)對(duì)其進(jìn)行 8方向?yàn)V波提取特征 。 該 算 法與細(xì)節(jié)點(diǎn)法相比，直接從灰度圖像中提取特征，節(jié)省了預(yù)處理的環(huán)節(jié)，更加有效方便 。 5 總結(jié) 本論文對(duì) 部分生物（人臉，虹膜，掌紋、視網(wǎng)膜和指紋）特征提取算法作研究，從22 中找出它們的發(fā)展 趁勢(shì) 。 首先 對(duì) 人臉、虹膜、掌紋和視網(wǎng)膜 的特征提取方法 進(jìn)行 簡(jiǎn)單 介紹和分析 ，然后對(duì)最常用的生物 特征 （指紋）圖像 的 增強(qiáng)算法 進(jìn)行 研究，由于圖像增強(qiáng)是圖像特征提取 前最關(guān)鍵的一步，圖像增強(qiáng)算法的好壞影響著圖像特征的有效提取，因此需在研究圖像特征提取前對(duì)圖像增強(qiáng)算法 進(jìn)行 一定程度的研究。在通過(guò)指紋圖像提取算法中的基于結(jié)構(gòu)的特征提取和基于細(xì)節(jié)點(diǎn)的特征提取這兩種算法作較深入的比較 和 分析。 細(xì)節(jié)點(diǎn)特征是中等分辨率下指紋圖像最穩(wěn)定而又最顯著的特征。但是單純的細(xì)節(jié)點(diǎn)特征沒(méi)有記錄指紋中豐富的脊線信息，不足以完全描述指紋的特征。在大量的指紋數(shù)據(jù)中，很容易出現(xiàn)兩個(gè)完全不同的指紋有很多細(xì)節(jié)點(diǎn)匹配是那個(gè)的情況。同時(shí)對(duì)于圖像質(zhì)量較差的區(qū)域，細(xì)節(jié)點(diǎn)特征難以被有效地提取，這進(jìn)一步限制了基于細(xì)節(jié)點(diǎn)的方 法的性能。 Gabor 濾波的指紋紋理特征描述方法可以保留豐富的脊線信息，在一定程度上可以克服質(zhì)量較差的區(qū)域細(xì)節(jié)點(diǎn)難以提取得困難。這種表示方法和細(xì)節(jié)點(diǎn)表示的方法有很高的互補(bǔ)性。但是由于需要對(duì)圖像做多次卷積 ， 濾波表示的方法運(yùn)算量很大。而且濾波表示難以處理較大形變指紋圖像的匹配。 對(duì)生物特征提取算法的研究一般都是為生物識(shí)別服 務(wù)。作為 21世紀(jì)最具發(fā)展?jié)摿Φ氖蟾呖萍贾唬?特征 識(shí)別技術(shù)在我們的生活中正發(fā)揮著越來(lái)越重要的作用。 因而，快速有效的生物特征識(shí)別是我們有待進(jìn)一步討論和研究的課題。同時(shí)目前 沒(méi)有任何一種生物特征能 有效地滿足所有的應(yīng)用需求 ,每種生物特征都有著自己的優(yōu)點(diǎn)和缺點(diǎn) ,并且每種生物特征的選擇強(qiáng)烈依賴于不同的應(yīng)用場(chǎng)合。 把 2個(gè)或 2個(gè)以上生物特征結(jié)合起來(lái)進(jìn)行身份鑒別則可以很好的解決這些問(wèn)題，提高系統(tǒng)準(zhǔn)確性，降低誤識(shí)率，同時(shí)也具有更好的防偽性。被認(rèn)為是生物特征 識(shí)別 未來(lái)發(fā)展方向 ，也有著很高的研究?jī)r(jià)值。 由于時(shí)間所限 ， 本論文 對(duì)生物圖像特征提取算法的 研究 還不夠深入 ， 本人 爭(zhēng)取在今后的工作和學(xué)習(xí)中 對(duì)其 進(jìn)行 進(jìn)一步 的探討 。 23 參 考 文 獻(xiàn) [1]榮海泓 , 席志紅 . 生物特征身份鑒別技術(shù)應(yīng)用及發(fā)展趨勢(shì) [J]. 現(xiàn)代電子技 術(shù) , 2020, 27(10). [2]諾亞 . 安全新焦點(diǎn)之生物識(shí)別 [N] .中國(guó)電腦教育報(bào) , 2020,(B10). [3]王玲 , 孟雪 .方興未艾的生物識(shí)別技術(shù) [N] .經(jīng)濟(jì)日?qǐng)?bào) , 2020,(15). [4]鄭金武 . 我國(guó)應(yīng)加快生物識(shí)別產(chǎn)業(yè)發(fā)展 [N] .科學(xué)時(shí)報(bào) , 2020,(A03). [5]吳艷 . 生物識(shí)別技 術(shù)催生朝陽(yáng)產(chǎn)業(yè) [N] .中國(guó)城鄉(xiāng)金融 , 2020,(4). [6]D E Bell, L J La Computer System: Unified Exposition amp。 Multics Interpretation[R]. Technical report, Technical Report MTIS ADA023588, MITRE Corporation, 1975. [7]Daugman J G. High confidence visual recognition of persons by a test of statistical independence[J]. IEEE Tans. Pattern Analysis and Machine Intelligence,1993,15(11): 1148–1161. [8]Boles W, Boashah B. A human identification technique using images of the iris and wavelet transform [J]. IEEE Trans. On Signal Pro2 cessing, 1998, 46 (4): 1185–1188. [9]黃雅平 , 羅四維 , 陳恩義 . 基于獨(dú)立分量分析的虹膜識(shí)別方法 [J]. 計(jì)算機(jī)研究與發(fā)展 , 2020, 40 (10) : 14511457. [10]林金龍 , 石青云 . 一種基于結(jié)構(gòu)特征的虹膜識(shí)別方法 [J] .計(jì)算機(jī)工程與應(yīng)用 , 2020, 13: 8384, 137. [11]姚靜 , 林錦國(guó) , 梅雪 . 虹膜識(shí)別中幾種特征提取方法的比較研究 [J] .計(jì)算機(jī)測(cè)量與控制 , 2020, 15(1) : 112113. [12] 張會(huì)森 , 王映輝 . 人臉識(shí)別技術(shù) [J] .計(jì)算機(jī)工程與設(shè)計(jì) , 2020, 27(11): 19231928. [13] 魏冬冬 , 諶海新 , 聶鐵鑄 . 人臉特征提取與識(shí)別技術(shù)研究 [J] .計(jì)算機(jī)與現(xiàn)代化 , 2020年 ,(3) : 6976. [14]吳介 , 裘正定 , 李強(qiáng) . 一種新的掌紋特征提取算法 [J]. 北京交通大學(xué)學(xué)報(bào) , 2020, 30(2) : 8990. [15]吳介 , 裘正定 . 掌紋識(shí)別中的特征提取算法綜述 [J] . 北京電子科技學(xué)院學(xué)報(bào) , 2020, 13(2) : 8790. [16]林土勝 , 杜明輝 , 徐錦堂 . 視網(wǎng)膜血管形態(tài)識(shí)別方法的研究 [J] . CHINESE JOURNAL OF BIOMEDICAL ENGINEERING, 2020, 21(4) : 351－ 355. 24 [17]潘立豐 , 王利生 . 一種視網(wǎng)膜血管自適應(yīng)提取方法 [J] . Journal of Image and Graphics, 2020, 11(3) : 310316. [18]趙金輝 , 碩良勛 , 曲文斌 . 指紋圖像預(yù)處理算法研究 [J] .計(jì)算機(jī)工程與設(shè)計(jì) , 2020 .27(15) : 27772778. [19]孫以雷 , 陳紅衛(wèi) . 指紋圖像的預(yù)處理算法 [J] . Computer Measurement amp。 Control, 2020, 14(5) : 655657. [20]孫燕 , 秦貴和 , 劉元寧 等 . 指紋識(shí)別系統(tǒng)中的圖像預(yù)處理技術(shù) [J]. 微計(jì)算機(jī)信息 , 2020, 23(73) : 300302. [21]熊肅 , 邵義初 . 生物特征識(shí)別技術(shù)的現(xiàn)狀與發(fā)展 [N]. 武漢公安干部學(xué)院學(xué)報(bào) , 2020, (67) . [22]MOENSSENS A, Fingerprint Techniques[M], London： Chilton Book Company, 1971. [23]田捷 , 楊鑫編著 . 生物特征識(shí)別技術(shù)理論與應(yīng)用 [M] .北京 :電子工業(yè)出版社 , . [24]徐楊 , 張學(xué)東 . 基于結(jié)構(gòu)的指紋特征抽取方法 [J]. Journal of East China Normal University(Natural Science) , 2020, (1) : 8490. [25]孟祥萍 , 任紀(jì)川 , 王賢勇 等 . 一種有效的指紋細(xì)節(jié)點(diǎn)提取方法 [J]. ComputerApp lications, 2020, 25(4) : 919920. 25 Study of Method of Biometric Feature Extraction （ XX College， XX University， ,China） Abstract:Biometic recognition techniques deal with the identification of individual based on their behavioral. Actually, biometic recognition techniques have used in national security department, financial realm and plebeian families. Method of biometric feature extraction is a indispensable tache in biometic recognition this paper, investigate several methods of biometric feature extraction which are face,irie, palmprint, retina and fingerprint. In the first place, methods of feature extraction of face,irie, palmprint, retina are researched briefly. And then methods of image enhancement of fingerprint are researched amply . Whereafter, method on structurebased fingerprint feature extraction and method on minutine fingerprint feature extraction have been analysed and pared last,the development of feature extraction is also summarized. Key words： biometic recognition。 image enhancement。 feature extraction