【正文】 。 （ 1） 毛刺現(xiàn)象，毛刺的出現(xiàn)有多方面的原因，比如受隨機(jī)噪聲的影響而形成的，還有部分是受圖像增強(qiáng)和細(xì)化處理產(chǎn)生的。一個毛刺經(jīng)過提取特征點后會產(chǎn)生一個偽端點和一個偽分叉點。這類偽特征點的特點是它們往往成對出現(xiàn)，而且偽端點和偽分叉點的距離非常近，一般小于細(xì)化前的脊線寬度的一半。 （ 2）短線現(xiàn)象，一般在指紋采集時手指比較臟或者采集頭上有灰塵等容易出現(xiàn)比較多的短線。短線的特點就是會產(chǎn)生兩個偽端點，該兩個端點相距很近，位于同一脊線上。 （ 3）斷點現(xiàn)象，指紋采集時如果手指比較干燥， 那么采集到的指紋圖像有可能出現(xiàn)不少斷點。另外手指褶皺、傷疤也容易產(chǎn)生斷點現(xiàn)象。斷點會產(chǎn)生兩個偽端點，而且這兩個偽端點也相距非常近，但是與短線不同的是這兩個偽端點是分布在兩條脊線上，沿脊線方向兩個偽端點之間沒有脊線。 （ 4）假橋現(xiàn)象，當(dāng)手指過潮濕或者臟時，采集的指紋圖像容易出現(xiàn)多脊線假橋 (有時也叫橋 )的現(xiàn)象，即本來不相連的兩條脊線連在了一起。一般在假橋出現(xiàn)的地方提取的特征點為一對偽分叉點。其特點是這兩個分叉點的距離一般近似等于平均脊線間距，而且兩個偽分叉點間的連線近似垂直于其局部鄰域的脊線方向。 （ 5）環(huán)現(xiàn)象 ，通常也叫孔。主要是由于隨機(jī)噪聲影響產(chǎn)生的。在出現(xiàn)環(huán)的地方提取特征點一般出現(xiàn)兩個到三個偽分叉點。其特點是一般這兩個偽特征點的距離非常小，而且這兩個偽特征點間的連線與所在的脊線方向近似相同。 偽特征點的剔除算法 從上文提取的特征點，不難發(fā)現(xiàn)，位于指紋四周邊緣存在數(shù)量眾多的特征點 (包括真特征點和偽特征點 )。這些特征點是由于在指紋采集時，指紋接觸采集頭的邊界，脊線的起始點。這些起始點雖然也是屬于端點，但是由于它們其實是不存在的，只是因為采集接觸面積的原因才產(chǎn)生的。它們又不屬于上節(jié)分析的那幾類偽特征點，但 它們并不是指紋的固有特征，所以需要進(jìn)行剔除。 目前一般的指紋識別方面的文章都忽略了這部分邊緣特征點，沒有在匹配前進(jìn)行剔除，這增加了后續(xù)匹配的特征點數(shù)量，影響了匹配效果。本文特在去偽特征點前對這類 第 20頁 20 特征點進(jìn)行剔除。這樣的處理算法難度并沒有增加多少，但是卻對提高了后續(xù)的匹配效率具有重大意義。 分析邊緣部分特征點的特點發(fā)現(xiàn)，這部分特征點不一定就是位于指紋圖像的邊緣。但可以肯定的是這部分是脊線和邊緣空白的交界處，而邊緣特征點就位于邊界的一定范圍內(nèi)，因此本文利用這一特點設(shè)計了剔除邊緣特征點的算法： （ 1）將細(xì)化后的指紋 圖像進(jìn)行劃分 2020 的子塊。 （ 2）通過計算各個子塊中像素點之和，檢測該子塊中是否含有脊線，并對含有脊線的子塊進(jìn)行標(biāo)記，方便下面的進(jìn)一步操作。 （ 3）對上一步已標(biāo)記的子塊的 8 個鄰子塊進(jìn)行檢測，檢測是否含有脊線，只要 8個鄰子塊中有一個沒有含有脊線，說明該中心子塊為邊界子塊。 （ 4）查找所有位于邊界子塊中的邊緣特征點，并從特征點集中進(jìn)行剔除。 處理完指紋邊緣的特征點后，下面需要對指紋內(nèi)的偽特征點進(jìn)行剔除。根據(jù)上節(jié)分析的偽特征點的特征，本文將根據(jù)偽特征點的這些性質(zhì)提出一套偽特征點剔除的算法。 由于在剔除偽特征點 的算法中會用到脊線跟蹤，這里先詳細(xì)介紹一下如何實現(xiàn)脊線跟蹤。 首先從指紋脊線的端點出發(fā)，沿脊線不斷推進(jìn)，并對已經(jīng)跟蹤過的脊線上像素點進(jìn)行標(biāo)記，并保存下來。如圖 3— 4 所示， 假設(shè)圖中 1?iP 為上次己跟蹤過的脊線上的像素點，iP 為當(dāng)前的像素點， 1?iP 為下一個要跟蹤的像素點[23]。跟蹤時，考察以iP 為中心的 33子塊，通過將 8 領(lǐng)域中脊線像素點與己跟蹤的像 素點進(jìn)行對比，搜尋尚未考察的脊線上的像素點 (圖 3— 4 中 深色部分 ) 1?iP ，并保存 iP 到已跟蹤點集中，再以 1?iP 代替 iP 作為下一個跟蹤的像素點，以此類推實現(xiàn)脊線跟蹤。 Pi1 Pi Pi+1 圖 3— 4 脊線跟蹤示意圖 第 21頁 21 下面將利用脊線跟蹤以及偽特征點的特點提出剔除偽特征點的算法：定義 D(i， j)為特征點 i 和特征點 j 的 距離； A(i， j)為特征點 i 與特征點 j 之間的連線與橫坐標(biāo)軸的夾角 ； ),( ji? 為特征點 i， j 的塊方向； ),( ji?? 為 A(i， j)與 ),( ji? 的差的絕對值。 （ 1）斷點、短線的刪除 通過脊線跟蹤，若在一個端點 i 的 D1 范圍內(nèi)存在另外一個端點 j，且方向近似相同，則端點 i 和端點 j 為一對斷點，將它們從特征點集中刪除 [24]。 （ 2）毛刺的刪除 通過脊線跟蹤，若在一個端點 i 的 D2 范圍內(nèi)存在一個分叉點 j，則這樣的特征點 i，j 為偽特征點，也將它們從特征點集中刪除。 （ 3）橋的刪除 通過脊線跟蹤，若在一個分叉點 i 的 D3 范圍內(nèi)存在另外一個分叉點 j，且 ),( ji?? 近似等于 2/? ，則這兩個特征點為橋形成的偽特征點，需要將它們從特征點集中刪除。 這里需要說明的是 ),( ji? 的取值，由于為橋連的情況時，兩條脊線是幾乎平行的 ，所以特征點 i， j 的塊方 向其實是相同的，在計算 ),( ji? 時任取特征點 i 或 者 j 的塊方向即可。 （ 4）環(huán)的刪除 通過脊線跟蹤，若在一個分叉點 i 的 D4 范圍內(nèi)存在另外一個分叉點 j，且特征點之間的連線 的方向與脊線的方向近似相等，即 ),( ji?? 近似等于 0，則這兩個分叉點為環(huán)形成的兩個偽特征點，將它們從特征點集中刪除。 以上 D D D3 和 D4 的值取決于指紋圖像的脊線周期以及分辨率等因素。一般按經(jīng)驗取值，本文取采集頭采集的指紋的脊線周期大約 10 個像素，試驗表明此時 DD D3 和 D4 的值取 6 時，偽特征點剔除的效果比較 好。 特征提取算法 Matlab 算法仿真 Matlab 算法仿真，圖 3— 5 為特征點提取示意圖，圖 3— 6， 3— 7， 3— 8 為剔除邊緣及偽特征點后的特征點示意圖。圖中為了分辨分叉點和端點，特將分叉點用藍(lán)色叉號表 第 22頁 22 示，將端點用紅色圓圈表示 。 圖 3— 5 特征 點提取示意圖 圖 3— 6 剔除邊緣特征點 第 23頁 23 圖 3— 7 剔除偽特征點 圖 3— 8 偽特征點剔除后效果圖 第 24頁 24 本章小結(jié) 本章首先介紹了指紋的全局結(jié)構(gòu)特征和局部結(jié)構(gòu)特征。全局結(jié)構(gòu)特征用于指紋分類，減少指紋匹配時間；端點和分叉點成為最常用的局部結(jié)構(gòu)特征，也稱為細(xì)節(jié)特征，用這兩類 特征點描述指紋的唯一性。用算法實現(xiàn)了一下兩點。 （ 1）指紋特征提取是指紋自動識別的核心技術(shù)之一，采用模板匹配法，提取指紋的細(xì)節(jié)特征即端點和分叉點。 （ 2）由于指紋邊緣特征點作為端點信息被提取出來，這些特征點在特征匹配過程中是無用的信息，本文采用基于細(xì)化圖像的鄰域法，有效的消除了邊緣特征點。 濾除了偽特征點以后，不但使匹配的速度大大提高，而且指紋識別性能提升，使識別系統(tǒng)的誤拒率和誤識率的下降，因此在進(jìn)行指紋匹配之前，盡可能將偽特征點去除，保留真特征點。 第 25頁 25 4 總結(jié)與展望 總結(jié) 本文針對指紋識別系統(tǒng)的圖像 特征提取算法做了大量的富有研究性的工作，具體的工作如下： （ 1）在特征提取階段本文在分析現(xiàn)有的特征提取算法基礎(chǔ)上，采用基于細(xì)化圖像的鄰域法進(jìn)行特征提取，并且針對提取后可能的偽特征點的特點進(jìn)行了針對性很強(qiáng)的分析，并逐一設(shè)計具體的偽特征點剔除算法。 （ 2）最后，本文應(yīng)用 Matlab 對以上算法進(jìn)行仿真測試，驗證了本文指紋識別算法的可行性以及其優(yōu)劣勢，達(dá)到 檢驗算法的目的。 展望 經(jīng)過本文的研究，己經(jīng)形成了一套比較有效的指紋特征提取算法。針對仿真測試的結(jié)果分析，存在一些繼續(xù)改進(jìn)的地方。本文認(rèn)為尚需在以下幾個方面 進(jìn)行進(jìn)一步深入研究： （ 1）隨著對指紋識別系統(tǒng)的進(jìn)一步深入全面研究，將在指紋采集圖像的自動保存、分類，系統(tǒng)自動建立大型指紋庫等方面進(jìn)行具體研究，從而使系統(tǒng)結(jié)構(gòu)更完整，使用更方便。 （ 2）本文的算法雖然進(jìn)行了仿真驗證，但算法移植到 FPGA 上還有許多工作需要做，還需進(jìn)一步努力。 第 26頁 26 致謝 首先，要感謝我的導(dǎo)師蔡超峰老師。在蔡老師的精心指導(dǎo)和嚴(yán)格要求下，我完成了畢業(yè)論文。在做畢業(yè)設(shè)計期間，蔡老師督促我的學(xué)習(xí)，并不斷地鼓勵我，嚴(yán)格要求的背后其實是關(guān)懷和寄予的深切希望。感謝老師讓我生活和學(xué)習(xí)上得到成長，使我能更好地適應(yīng) 將來的工作生活。 其次，在學(xué)習(xí)期間，班上的同學(xué)都給了我很大的幫助，在此表示由衷的感謝，謝謝你們的幫助。同時，感謝我的父母和親人，謝謝他們對我多年的關(guān)懷和支持。我的生活因為你們而有意義。 最后，感謝評審委員會的各位專家能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對本次答辯的支持。 第 27頁 27 參考文獻(xiàn) [1]戴平陽 . 指紋識別技術(shù)研究進(jìn)展 [J]. 廈門大學(xué)學(xué)報 (自然科學(xué)版 ), 2021,41(8):750755. [2] 邊肇棋等編著 . 模式識別 . 北京 :清華大學(xué)出版社 , 1990,2027. [3] 田捷 ,楊鑫 . 生物特征識別技術(shù)理論與應(yīng)用 . 北京 .電子工業(yè)出版社 , 2021,126129. [4] Henry Fuzee, Fingerprint recognition in low quality images. Pattern Recognition,1993, 26(10):14411460. [5]O’Gorman, Nickerson. An Approach to Fingerprint Filter Design [J] .Pattern Recognition, 1989,22(l):2938. [6] Hong L, Wan Y, Jain A K. Fingerprint image enhancement: algorithm and performance evaluation [J]. IEEE Trans. Pattern Analysis and Machine Intelligence, 1998, 20(8):777789. [7]Sherlock, Monro, Millard. Fingerprint Enhancement by Directional Fourier Filtering, IEEE ProceedingsVision, Image and Signal Processing, 1994, 141(2):8789. [8]葉四民 ,陳福祥 .指紋圖像預(yù)處理中的二值化技術(shù) [J].自動化與儀器儀表 .2021,2:3034. [9] Amengnal J C, Juan A, Perez J C, et al. Realtime minutiae extraction in fingerprint images[A]. the 6th Int. Conf:On Image proceeding and Applications (IPA97) [EB/OL]. Smith Papers 2021. [10]楚亞蘊(yùn) .一種結(jié)合方向信息的指紋圖像二值化算法 [J].中國圖像圖形學(xué)報 , 2021,15(6): 855860 [11] Lhin R T, Wan HK, Stover D L, et al. A onepass thinning algorithm and its parallel implementation[J].Computer Vision Graphics Image Processing,1987,40(1):3040. [12] 劉懷泉 ,指紋識別系統(tǒng)研究 .山東大學(xué)碩士學(xué)位論文 .. [13]張艷霞 .全局和局部特征結(jié)合的智能指紋匹配算法研究田 ].天津 :天津大學(xué) , 2021,6. [14]葉青 .指紋識別系統(tǒng)中的預(yù)處理組合算法 [J].光電工程 , ,36(4):140142. [15], . Th