【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(gè)毛刺經(jīng)過(guò)提取特征點(diǎn)后會(huì)產(chǎn)生一個(gè)偽端點(diǎn)和一個(gè)偽分叉點(diǎn)。這類(lèi)偽特征點(diǎn)的特點(diǎn)是它們往往成對(duì)出現(xiàn)，而且偽端點(diǎn)和偽分叉點(diǎn)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(shí)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(diǎn)就是會(huì)產(chǎn)生兩個(gè)偽端點(diǎn)，該兩個(gè)端點(diǎn)相距很近，位于同一脊線上。 （ 3）斷點(diǎn)現(xiàn)象，指紋采集時(shí)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(diǎn)。另外手指褶皺、傷疤也容易產(chǎn)生斷點(diǎn)現(xiàn)象。斷點(diǎn)會(huì)產(chǎn)生兩個(gè)偽端點(diǎn)，而且這兩個(gè)偽端點(diǎn)也相距非常近，但是與短線不同的是這兩個(gè)偽端點(diǎn)是分布在兩條脊線上，沿脊線方向兩個(gè)偽端點(diǎn)之間沒(méi)有脊線。 （ 4）假橋現(xiàn)象，當(dāng)手指過(guò)潮濕或者臟時(shí)，采集的指紋圖像容易出現(xiàn)多脊線假橋 (有時(shí)也叫橋 )的現(xiàn)象，即本來(lái)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(diǎn)為一對(duì)偽分叉點(diǎn)。其特點(diǎn)是這兩個(gè)分叉點(diǎn)的距離一般近似等于平均脊線間距，而且兩個(gè)偽分叉點(diǎn)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(diǎn)一般出現(xiàn)兩個(gè)到三個(gè)偽分叉點(diǎn)。其特點(diǎn)是一般這兩個(gè)偽特征點(diǎn)的距離非常小，而且這兩個(gè)偽特征點(diǎn)間的連線與所在的脊線方向近似相同。 偽特征點(diǎn)的剔除算法 從上文提取的特征點(diǎn)，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(diǎn) (包括真特征點(diǎn)和偽特征點(diǎn) )。這些特征點(diǎn)是由于在指紋采集時(shí)，指紋接觸采集頭的邊界，脊線的起始點(diǎn)。這些起始點(diǎn)雖然也是屬于端點(diǎn)，但是由于它們其實(shí)是不存在的，只是因?yàn)椴杉佑|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(lèi)偽特征點(diǎn)，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(shí)別方面的文章都忽略了這部分邊緣特征點(diǎn)，沒(méi)有在匹配前進(jìn)行剔除，這增加了后續(xù)匹配的特征點(diǎn)數(shù)量，影響了匹配效果。本文特在去偽特征點(diǎn)前對(duì)這類(lèi) 第 20頁(yè) 20 特征點(diǎn)進(jìn)行剔除。這樣的處理算法難度并沒(méi)有增加多少，但是卻對(duì)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(diǎn)的特點(diǎn)發(fā)現(xiàn)，這部分特征點(diǎn)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(diǎn)就位于邊界的一定范圍內(nèi)，因此本文利用這一特點(diǎn)設(shè)計(jì)了剔除邊緣特征點(diǎn)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(guò)計(jì)算各個(gè)子塊中像素點(diǎn)之和，檢測(cè)該子塊中是否含有脊線，并對(duì)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(duì)上一步已標(biāo)記的子塊的 8 個(gè)鄰子塊進(jìn)行檢測(cè)，檢測(cè)是否含有脊線，只要 8個(gè)鄰子塊中有一個(gè)沒(méi)有含有脊線，說(shuō)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(diǎn)，并從特征點(diǎn)集中進(jìn)行剔除。 處理完指紋邊緣的特征點(diǎn)后，下面需要對(duì)指紋內(nèi)的偽特征點(diǎn)進(jìn)行剔除。根據(jù)上節(jié)分析的偽特征點(diǎn)的特征，本文將根據(jù)偽特征點(diǎn)的這些性質(zhì)提出一套偽特征點(diǎn)剔除的算法。 由于在剔除偽特征點(diǎn) 的算法中會(huì)用到脊線跟蹤，這里先詳細(xì)介紹一下如何實(shí)現(xiàn)脊線跟蹤。 首先從指紋脊線的端點(diǎn)出發(fā)，沿脊線不斷推進(jìn)，并對(duì)已經(jīng)跟蹤過(guò)的脊線上像素點(diǎn)進(jìn)行標(biāo)記，并保存下來(lái)。如圖 3— 4 所示， 假設(shè)圖中 1?iP 為上次己跟蹤過(guò)的脊線上的像素點(diǎn)，iP 為當(dāng)前的像素點(diǎn)， 1?iP 為下一個(gè)要跟蹤的像素點(diǎn)[23]。跟蹤時(shí)，考察以iP 為中心的 33子塊，通過(guò)將 8 領(lǐng)域中脊線像素點(diǎn)與己跟蹤的像 素點(diǎn)進(jìn)行對(duì)比，搜尋尚未考察的脊線上的像素點(diǎn) (圖 3— 4 中 深色部分 ) 1?iP ，并保存 iP 到已跟蹤點(diǎn)集中，再以 1?iP 代替 iP 作為下一個(gè)跟蹤的像素點(diǎn)，以此類(lèi)推實(shí)現(xiàn)脊線跟蹤。 Pi1 Pi Pi+1 圖 3— 4 脊線跟蹤示意圖 第 21頁(yè) 21 下面將利用脊線跟蹤以及偽特征點(diǎn)的特點(diǎn)提出剔除偽特征點(diǎn)的算法：定義 D(i， j)為特征點(diǎn) i 和特征點(diǎn) j 的 距離； A(i， j)為特征點(diǎn) i 與特征點(diǎn) j 之間的連線與橫坐標(biāo)軸的夾角 ； ),( ji? 為特征點(diǎn) i， j 的塊方向； ),( ji?? 為 A(i， j)與 ),( ji? 的差的絕對(duì)值。 （ 1）斷點(diǎn)、短線的刪除 通過(guò)脊線跟蹤，若在一個(gè)端點(diǎn) i 的 D1 范圍內(nèi)存在另外一個(gè)端點(diǎn) j，且方向近似相同，則端點(diǎn) i 和端點(diǎn) j 為一對(duì)斷點(diǎn)，將它們從特征點(diǎn)集中刪除 [24]。 （ 2）毛刺的刪除 通過(guò)脊線跟蹤，若在一個(gè)端點(diǎn) i 的 D2 范圍內(nèi)存在一個(gè)分叉點(diǎn) j，則這樣的特征點(diǎn) i，j 為偽特征點(diǎn)，也將它們從特征點(diǎn)集中刪除。 （ 3）橋的刪除 通過(guò)脊線跟蹤，若在一個(gè)分叉點(diǎn) i 的 D3 范圍內(nèi)存在另外一個(gè)分叉點(diǎn) j，且 ),( ji?? 近似等于 2/? ，則這兩個(gè)特征點(diǎn)為橋形成的偽特征點(diǎn)，需要將它們從特征點(diǎn)集中刪除。 這里需要說(shuō)明的是 ),( ji? 的取值，由于為橋連的情況時(shí)，兩條脊線是幾乎平行的 ，所以特征點(diǎn) i， j 的塊方 向其實(shí)是相同的，在計(jì)算 ),( ji? 時(shí)任取特征點(diǎn) i 或 者 j 的塊方向即可。 （ 4）環(huán)的刪除 通過(guò)脊線跟蹤，若在一個(gè)分叉點(diǎn) i 的 D4 范圍內(nèi)存在另外一個(gè)分叉點(diǎn) j，且特征點(diǎn)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(gè)分叉點(diǎn)為環(huán)形成的兩個(gè)偽特征點(diǎn)，將它們從特征點(diǎn)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(yàn)取值，本文取采集頭采集的指紋的脊線周期大約 10 個(gè)像素，試驗(yàn)表明此時(shí) DD D3 和 D4 的值取 6 時(shí)，偽特征點(diǎn)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(diǎn)提取示意圖，圖 3— 6， 3— 7， 3— 8 為剔除邊緣及偽特征點(diǎn)后的特征點(diǎn)示意圖。圖中為了分辨分叉點(diǎn)和端點(diǎn)，特將分叉點(diǎn)用藍(lán)色叉號(hào)表 第 22頁(yè) 22 示，將端點(diǎn)用紅色圓圈表示 。 圖 3— 5 特征 點(diǎn)提取示意圖 圖 3— 6 剔除邊緣特征點(diǎn) 第 23頁(yè) 23 圖 3— 7 剔除偽特征點(diǎn) 圖 3— 8 偽特征點(diǎn)剔除后效果圖 第 24頁(yè) 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(lèi)，減少指紋匹配時(shí)間；端點(diǎn)和分叉點(diǎn)成為最常用的局部結(jié)構(gòu)特征，也稱(chēng)為細(xì)節(jié)特征，用這兩類(lèi) 特征點(diǎn)描述指紋的唯一性。用算法實(shí)現(xiàn)了一下兩點(diǎn)。 （ 1）指紋特征提取是指紋自動(dòng)識(shí)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(diǎn)和分叉點(diǎn)。 （ 2）由于指紋邊緣特征點(diǎn)作為端點(diǎn)信息被提取出來(lái)，這些特征點(diǎn)在特征匹配過(guò)程中是無(wú)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(diǎn)。 濾除了偽特征點(diǎn)以后，不但使匹配的速度大大提高，而且指紋識(shí)別性能提升，使識(shí)別系統(tǒng)的誤拒率和誤識(shí)率的下降，因此在進(jìn)行指紋匹配之前，盡可能將偽特征點(diǎn)去除，保留真特征點(diǎn)。 第 25頁(yè) 25 4 總結(jié)與展望 總結(jié) 本文針對(duì)指紋識(shí)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(duì)提取后可能的偽特征點(diǎn)的特點(diǎn)進(jìn)行了針對(duì)性很強(qiáng)的分析，并逐一設(shè)計(jì)具體的偽特征點(diǎn)剔除算法。 （ 2）最后，本文應(yīng)用 Matlab 對(duì)以上算法進(jìn)行仿真測(cè)試，驗(yàn)證了本文指紋識(shí)別算法的可行性以及其優(yōu)劣勢(shì)，達(dá)到 檢驗(yàn)算法的目的。 展望 經(jīng)過(guò)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(duì)仿真測(cè)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(gè)方面 進(jìn)行進(jìn)一步深入研究： （ 1）隨著對(duì)指紋識(shí)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(dòng)保存、分類(lèi)，系統(tǒng)自動(dòng)建立大型指紋庫(kù)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(yàn)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(yè) 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(jì)期間，蔡老師督促我的學(xué)習(xí)，并不斷地鼓勵(lì)我，嚴(yán)格要求的背后其實(shí)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(zhǎng)，使我能更好地適應(yīng) 將來(lái)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(shí)，感謝我的父母和親人，謝謝他們對(duì)我多年的關(guān)懷和支持。我的生活因?yàn)槟銈兌幸饬x。 最后，感謝評(píng)審委員會(huì)的各位專(zhuān)家能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對(duì)本次答辯的支持。 第 27頁(yè) 27 參考文獻(xiàn) [1]戴平陽(yáng) . 指紋識(shí)別技術(shù)研究進(jìn)展 [J]. 廈門(mén)大學(xué)學(xué)報(bào) (自然科學(xué)版 ), 2021,41(8):750755. [2] 邊肇棋等編著 . 模式識(shí)別 . 北京 :清華大學(xué)出版社 , 1990,2027. [3] 田捷 ,楊鑫 . 生物特征識(shí)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(dòng)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(guó)圖像圖形學(xué)報(bào) , 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(shí)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(shí)別系統(tǒng)中的預(yù)處理組合算法 [J].光電工程 , ,36(4):140142. [15], . Th