【正文】 均勻 ，這是最利于指紋后續(xù)處理的圖像，也是我們最需要的。而圖 b 濕化質(zhì)量指紋圖像中，脊線有許多的融合，這樣是原有的特征點經(jīng)過融合被消除了，所以會產(chǎn)生許多丟失的特征點，這對后續(xù)的指紋圖像處理及特征點的提取造成了一定的困難。最后是圖 c 干化質(zhì)量指紋圖像，從圖中可以看到有許多脊線發(fā)生了斷裂，這樣在斷開了兩部分有多處兩個端點，實際上多出來的這兩個端點是虛假的特征點，所以這樣的圖像會增加許多虛假的特征點，雖然不會使原來 的特征點消失，但是增加的這些虛假特征點也會成為后續(xù)處理指紋圖像的干擾點，后續(xù)可以經(jīng)過濾波處理將一部分虛假的特征點去除。 圖 a 正常質(zhì)量指紋圖像 圖 b 濕化質(zhì)量指紋圖像 圖 c 干化質(zhì)量指紋圖像 圖 指紋圖像質(zhì)量對比 圖 a 端點 圖 b 分叉點 圖 端點和分叉點示意圖 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 22 圖像增強(qiáng) 指紋數(shù)字圖像增強(qiáng)是對低質(zhì)量的指紋圖像采用一定的算法進(jìn)行處理，使其紋線結(jié)構(gòu)清晰化，盡量突出和保留固有的特征信息以避免產(chǎn)生偽特征信息的圖像處理過程。指紋數(shù)字圖像增強(qiáng)對于提高細(xì)節(jié)特征提取的準(zhǔn)確率乃至整個指紋識別系統(tǒng)的性能實現(xiàn)都具有重要的意義，其目的是保證特征信息提取的準(zhǔn)確性和可靠性。 在采集指紋的過程中 ， 由于各方面條件的限制 ， 不可避免的會引入各種噪聲 ， 這些噪聲的存在會對指紋特征信息的提取造成一定的影響 ， 嚴(yán)重時甚至可能造成提取出錯誤的信息。指紋圖像增強(qiáng)的目的就是對指紋圖像進(jìn)行濾波處理 ，去除無用的噪聲信息 ， 強(qiáng)化有用的指紋信息 ， 增強(qiáng)指紋的質(zhì)量 ， 使得指紋圖像變得清晰 ， 然后對指紋特征進(jìn)行提取。 很多指紋增強(qiáng)算法是對細(xì)化指紋圖像進(jìn)行增強(qiáng)。當(dāng)然 ， 還有一些算法進(jìn)行指紋增強(qiáng)在原始灰度圖像上實現(xiàn)的。 Lawrence O’Gorma [12]提出了一種方向自適應(yīng)濾波器對指紋圖像進(jìn)行濾波 ， 在這種方法中 ， 他們將濾波器和局部的指紋紋路方向重合實現(xiàn)指紋圖像濾波。其中預(yù)先估計紋路的方向 ， 而根據(jù)圖像的特點而預(yù)先設(shè)置了一個范圍確定紋路的寬度 Sherlock[13]提出了一種基于 Fourier方向的濾波器的方法 ， 在這種方法中 ， 他們首先根據(jù)不同的紋路方向和寬度設(shè)計出一種分離濾波器 ， 然后分別利用不同的濾波器對圖像濾波并得到一組濾波圖像 ， 最后利用局部紋路方向?qū)⒉煌臑V稗甲像拱行重組來重建濾波圖像。Toshio Kamei[14]提出了另外一種基于 Fourier 的指紋圖像增強(qiáng)方法 ， 在這種方法中 ， 他們利用了兩個分別處理紋路和局部方向的分離的濾波器 ， 此外 ， 他們還定義了一個選擇圖像特征的能量函數(shù)。 Hong 等 [15]人采用具有良好的方向性和頻率選擇特性濾波器在空間域進(jìn)行濾波。 通過上面的介紹不難發(fā)現(xiàn) ， 研究各種指紋圖像增強(qiáng)的方法 ， 其實可以歸結(jié)到濾波器的設(shè)計上 ， 而濾波器的設(shè)計主要依賴于兩個參數(shù)指紋紋路的方向與寬度。只要抓住這個特點 ， 就非常清晰了 [16]。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 23 （ 1）一個好的濾波器必須滿足以下條件：必須是沿著指紋圖像的方向進(jìn)行增強(qiáng)的濾波器； （ 2）進(jìn)行圖像增強(qiáng)是依賴于所處理圖像鄰域的像素的灰度平均值 ， 而不是整幅圖像的灰度均值； （ 3）濾波器窗口的大小對應(yīng)于脊線和谷線的寬度總和 ， 信號的一個周期； （ 4）濾波器必須關(guān)于它的方向軸水平和垂直對稱 ， 并且濾波器尺寸為奇數(shù)。 濾波器是相對于指紋圖像上各個像素點的方向匹配濾波器 ， 能夠有效地根據(jù)不同的方向和紋線寬度來增強(qiáng)指紋圖像 ， 可以根據(jù)以上四條來保證 。 圖像的二值化 指紋數(shù)字圖像二值化作為指紋數(shù)字圖像預(yù)處理過程的一部分，是進(jìn)行指紋數(shù)字圖像細(xì)化處理的基礎(chǔ)。目前指紋數(shù)字圖像細(xì)化方式都是基于二值化后的指紋數(shù)字圖像進(jìn)行的。對指紋數(shù)字圖像二值化的好處在于使得數(shù)字圖像的幾何性質(zhì)只與 0 和 1 的位置有關(guān)，不再涉及像素的灰度數(shù)值，使處理變得簡單，這給存儲和處理帶來了巨大的方便，同時也提高了系統(tǒng)的性能。一個好的算法可以得到一個高質(zhì)量的二值化數(shù)字圖像。反之，如果該階段引入數(shù)字噪聲，就會直接降低數(shù)字圖像質(zhì)量，影響辨別精度。對指紋數(shù)字圖像進(jìn)行二值化，其基本要求就是二值化后的數(shù)字圖像能真實地再現(xiàn)原指紋數(shù)字圖像。 目前己有不少文章研究了二值化指紋圖像的算法 ， 根據(jù)閥值選取角度的不同（閥值可以分為兩類：全局閡值和局部閡值） ， 算法可以分為以下兩種： 全局閥值算法：全局閡值是對整個圖像采用一個閉值進(jìn)行劃分。由 于脊線和谷線在人的指紋中所占的寬度大致是一樣的 ， 可以找到一個灰度值 T， 以它做為閥值使二值化后的黑白像素在整個圖像中所占的比例接近相等。這種方法雖然簡單 ， 但是噪聲比較大 ， 如果指紋圖像的質(zhì)量不好就會產(chǎn)生較大的噪聲。 局部閉值算法：將圖像分成一些子塊 ， 對于每一塊選定一個閥值。對選取的閥值應(yīng)盡量使該塊圖像內(nèi)大于該閉值的像素點和小于該閉值的像素點個數(shù)相等。這種方法充分考慮到了圖像的不均勻性 ， 只要選擇合適的分塊大小 ， 就可以達(dá)到不錯的效果。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 24 由于局部閉值算法效果更好 ， 本文就采用了該算法。具體算法如下： （ 1）將指紋圖像劃分為不重疊的大小為的塊； （ 2）對每一塊進(jìn)行如下處理 ①求平均灰度值 T； ② Nh = 灰度值大于等于 T的像素點個數(shù)； ③ Nt = 灰度值小于的像素點個數(shù)； ④如果 | | （ ， 則 T 為閉值。 如果 ， 如果 ， （ 3）平滑處理。為了防止部分指紋圖像丟失 ， 有必要對子區(qū)間的閡值進(jìn)行平滑處理 ， 所以區(qū)域間閉值變化的幅度不能較大。具體的做法先將所得到的閉值分配到一個二維閉值數(shù)組中 ， 其中每一個像素對應(yīng)一個閉值 ， 按從左到右從上到下的順序 ， 使用 算術(shù)平均模板對整個閉值數(shù)組進(jìn)行一次濾波 ， 再將所得的閉值與指紋灰度值相比較來進(jìn)行二值化。灰度值大于閉值則將值定為 0，灰度值小于等于閉值 ， 則將值定為 1。 實驗表明 ， 對指紋圖像進(jìn)行二值化處理 ， 這種以區(qū)域灰度幅度為函數(shù)的平滑自適應(yīng)閉值法完全適合。 圖像的細(xì)化 物體的形狀信息對指紋數(shù)字圖像的處理十分重要。指紋數(shù)字圖像的細(xì)化的目的是為了提取指紋數(shù)字圖像特定范圍的特征，然后采用相關(guān)的細(xì)化算法處理，得到與原來指紋數(shù)字圖像形狀近似的由簡單的弧或曲線組成的圖形，使這些細(xì)線處于物體的中軸附近。這一過程就是指紋數(shù)字圖像的細(xì)化過程。 雖然經(jīng)過二值化處理的指紋圖像 ， 但是紋線仍具有一定的寬度 ， 在特征提取時只關(guān)心紋線的走向 ， 而并不關(guān)心它的粗細(xì)。而比較寬的紋線就屬于冗余信息 ， 且在保存時會占用較多的存儲空間。為了進(jìn)一步節(jié)省空間壓縮數(shù)據(jù) ， 同時方便以后指紋特征的提取 ， 這節(jié)將對指紋圖像進(jìn)行細(xì)化處理。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 25 細(xì)化處理的目的就是將二值化圖像變成只有一個像素寬度的圖像 ， 本文稱之為骨架圖像。同時細(xì)化算法應(yīng)該滿足下列條件： （ a）細(xì)化性：骨架紋線的寬度為單像素寬（ 1 個像素）； （ b）連接性：紋線的連接性不被破壞； （ c）拓?fù)湫裕罕３衷瓐D像的基本結(jié)構(gòu)特性 ， 不引起紋線的逐步吞食 （ d）保持性：保護(hù)指紋的細(xì)節(jié)特征； （ e）收斂性：迭代必須是收斂的； （ f）中軸性：骨架盡可能接近條紋中心線； （ g）快速性：算法簡單而且速度快。 下面介紹一些常用算法和本文中采用的細(xì)化算法涉及到一些相關(guān)的概念 ，先來了解一下 。 （ 1） 4 鄰域、 4 連通和 8 鄰域、 8 連通的概念。 在圖 中 ， 存在任意像素點 P。 P 四周 區(qū)域內(nèi)包含 P 在內(nèi)的 9 個點依次標(biāo)記為：從左上開始第一行為 P1， P2， P3；第二行為 P4， P， P5；第三行為P6， P7， P8。與 P 相鄰的 8 個點（ P1~P8）稱為 P 的 8 鄰域且稱 8 連通于 P， 與P 上、下、左、右相連的 P P P P7四個點稱為 P 點的 4 鄰域且稱 4 連通于 P。 P1 P2 P3 P4 P P5 P6 P7 P8 （ 2）背景 點和目標(biāo)點：背景點是圖像中除去目標(biāo)點之外的部分 ， 即不做處理的所有像素點目標(biāo)點定義為圖像中的紋線部分 ， 即為要處理的所有像素點。在細(xì)化操作中 ， 統(tǒng)一約定目標(biāo)點的像素值為 1（黑色） ， 背景點的像素值為 0（白色）。 （ 3）邊界點：屬于目標(biāo)點，且其 4 鄰點中至少有一個為背景點。 圖 P 點領(lǐng)域圖 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 26 （ 4）單像素寬度作出定義：考察紋線上每一點的 8 鄰域，紋線端點的 8 鄰域中只有 1 個目標(biāo)點，紋線連續(xù)點的 8 鄰域有 2 個，分叉點有 3 個，且每點 8 鄰域最多只有 3 個目標(biāo)點。符合上述條件即為單像素寬。 目前 ， 圖像細(xì)化的算法種類有很多 ， 通?？梢苑譃槿?： 串行細(xì)化、并行細(xì)化和混合細(xì)化。其中 OPTA 算法 （ OPTA thinning algorithm） 和快速細(xì)化法（ Quick thinning algorithm） 是目前使用的比較多的兩種細(xì)化算法。 OPTA 算法能使指紋的細(xì)化達(dá)到比較好的效果 ， 如果三叉點處細(xì)化不全 ， 細(xì)化后的指紋脊線有許多毛刺 ， 不完全滿足中軸性 ， 速度也比較慢。快速細(xì)化算法速度很快 ，但是細(xì)化不徹底 ， 細(xì)化后的紋線不是單像素寬。 文獻(xiàn) [17]采用了逐層迭代算法 ， 本文中采用該算法對指紋圖像進(jìn)行細(xì)化。該算法把一次迭代分為兩次掃描 ， 細(xì)化過程中由周邊向中間逐層細(xì)化 ， 使細(xì)化后的脊線位于原圖的中軸。具體的算法步驟 ： （ 1） 以邊界點為中心的 8 鄰域 ， 記中心點為 P， 其鄰域的 8 個點如圖 所示。 如果滿足家下列條件： ① ( ) ； ② ( ) ； ③ ； 其中 N(P)是 P 非零鄰點的個數(shù) ， S(P)是以 P1， P2， P3…… P8為序時這些點的值從 0 到 1 變化的次數(shù)。 則 將 此處 點 P 除去。 然后繼續(xù)尋找下一點 P， 直至沒有點再滿足 上述 條件時 為止。 指紋特征的提取在指紋識別系統(tǒng)中同樣占據(jù)著重要的地位。目前所用到指紋識別技術(shù)絕大部分都是基于對指紋特征的識別而不是整幅指紋圖像的識別。這使有效信息集中 ， 節(jié)省了存儲空間 ， 因此加快了運算速度。指紋的總體特征通常被用來進(jìn)行指紋的大體分類指紋的局部特征 ， 也就是細(xì)節(jié)特征 ， 通常被用來進(jìn)行指紋的匹配。在本章中本文主要介紹指紋細(xì)節(jié)特征的提取方法。 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 27 進(jìn)行指紋圖像特征提取的目的：給指紋圖像中的特征點賦予一些參數(shù)、標(biāo)記 ， 使得用這些參數(shù)、標(biāo)一記能把每一個指紋唯一的區(qū)別出來。目前已經(jīng)定義的指紋的特征類型已經(jīng)達(dá)到了 150 多種 ， 但是這些特 征出現(xiàn)的概率并不相等 ，許多特征是非常少見的。常見的指紋細(xì)節(jié)特征如圖 所示： 目前 ， 最常用的細(xì)節(jié)特征細(xì)節(jié)點坐標(biāo)模型中利用端點和分叉點是美國聯(lián)邦調(diào)查局 [18][19]（ FBI）提出的。統(tǒng)計表明 ， 端點和分叉點出現(xiàn)的概率分別為 %、%。同時 ， 交叉、橋形和口形都可以看成是端點和分叉點的合成。因此在大部分自動指紋識別系統(tǒng)中 ， 通常是使用端點和分叉點兩類特征。大量的統(tǒng)計結(jié)果和實際應(yīng)用也表明 ， 使用這兩類特征點就足以描述指紋的唯一性。在本章中討論的特征提取也針對這兩種類型的特征點進(jìn)行。 對于細(xì)化后的圖像 ， 如果存在指紋脊線上一個值為 1 的像素點 ， 它的 8 個鄰域中只有一個值為 1 的像素點 ， 那么這個像素點為末梢點 ， 也就是端點如果它有且僅有兩個相互不相鄰的值為 1的相鄰像素點 ， 那么這個點為脊線上的點如果它有兩個以上互不相鄰的值為 1的相鄰像素點 ， 那么這個點為分叉點。下面本文將具體介紹該特征提取算法。 （ 1） 為了方便大家理解算法 ， 再次給出點鄰域圖 。 P1 P2 P3 P4 P P5 P6 P7 P8 （ 2）計算端點： 圖 幾種常見的指紋細(xì)節(jié)特征 圖 P 點領(lǐng)域圖 北京科技大學(xué)本科生畢業(yè)設(shè)計（論文） 28 ∑ | | ，其中 () ∑ ( ) () 如果在計算過程中出現(xiàn)符合式（ ）和式（ ）上述條件的像素點 ， 也就是 、 的值為 1 的點 ， 那么這個像素點就是端點。端點的 8 鄰域點共有 8 種組合 ， 這 8 種組合如圖 所示。紋線跟蹤到了端點 ， 再也沒有可以跟蹤的像素點了 ， 所以紋線跟蹤到了端點就停止了跟蹤。 （ 3）計算交叉點： ∑ | | ，其中 () ∑ ( ) () 如果在計算過程中出現(xiàn)符合式（ ）、式（ ）的像素點 ， 那么這個像素點就是