【正文】 綜上所述，指紋識(shí)別的研究雖然取得了很大的成就，但隨著社會(huì)的發(fā)展，對(duì)指紋 識(shí)別技術(shù)的要求越來越高，涉及到的問題也越來越復(fù)雜，牽涉的領(lǐng)域越來越廣泛，因此，對(duì)指紋識(shí)別技術(shù)的研究任重而道遠(yuǎn)。通過攝像頭獲取指紋設(shè)備相對(duì)來說比較方便，也比較廉價(jià)，但這樣獲取的指紋圖像對(duì)比度較小，指紋紋線不太突出，處理起來比較復(fù)雜。目前，采集指紋的設(shè)備一般都是專門的指紋采集儀，這樣采集下來的指紋圖像清晰，效果較好。如何防止偽造是目前指紋研究領(lǐng)域的又一個(gè)熱點(diǎn)，目前主要的解決方法 使從溫度、彈性、血流、心跳、汗液分泌以及生物電等方向入手，但取得的效果還不顯著。 指紋偽造。很多情況，特別是在刑偵等領(lǐng)域，很難采集到完整的指紋圖像。 在實(shí)際應(yīng)用中，指紋識(shí)別技術(shù)需要建立大規(guī)模的指紋數(shù)據(jù)庫(kù)，本 文研究的指紋圖像數(shù)據(jù)單一 ，使得算法測(cè)試和效果比對(duì)等方面都存在一些實(shí)際困難，在一定程度上影響了實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，在今后的研究需要 加以改進(jìn)。 展望 指紋識(shí)別技術(shù)設(shè)計(jì)的領(lǐng)域比較廣，設(shè)計(jì)到硬件和軟件兩個(gè)大的方向，同時(shí)也是一個(gè)多學(xué)科交差研究開發(fā)項(xiàng)目，需要多方面的協(xié)作?？偨Y(jié)出較適合指紋圖像的預(yù)處理算法。預(yù)處理效果對(duì)后續(xù)步驟有很大的影響，也在很大程度上影響了整個(gè)指紋識(shí)別系統(tǒng)的效果。導(dǎo)致這種情況的主要原因有兩個(gè)：第一，由于各個(gè)國(guó)家和地區(qū)科技發(fā)展水 平的不同，很多地方的指紋識(shí)別技術(shù)還不成熟，只有少數(shù)企業(yè)和機(jī)構(gòu)擁有較成熟的實(shí)際，但這些技術(shù)都處于知識(shí)產(chǎn)權(quán)保護(hù)下；第二，隨著各種入侵技術(shù)的發(fā)展和日益增長(zhǎng)的信息量，人們對(duì)電子信息安全提出了更高的要求，需要不斷地研究新算法，從可靠性和效率上對(duì)現(xiàn)有算法加以改進(jìn)。在眾多的生物識(shí)別技術(shù)中，指紋識(shí)別是研究時(shí)間最長(zhǎng)、技術(shù)最為成熟的，已經(jīng)應(yīng)用到社會(huì)生活的各個(gè)領(lǐng)域。指紋圖像預(yù)處理的完整實(shí)驗(yàn)代碼如附錄 D。 實(shí)驗(yàn)結(jié)果如下： 圖 355 原始指紋二值化圖像 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 24 圖 356 thin參數(shù)下的細(xì)化圖像 圖 357 skel參數(shù)下的細(xì)化圖像 實(shí)驗(yàn)結(jié)果顯示，兩個(gè)參數(shù)下的細(xì)化效果相似，但是 skel參數(shù)下的細(xì)化圖像對(duì)線條彎曲點(diǎn)的處理比 thin參數(shù)的細(xì)化處理更加細(xì)致，更加適合后期的特征點(diǎn)的提取。,Inf)。 I3=bwmorph(I,39。,Inf)。 對(duì)二值化后的指紋圖像進(jìn)行細(xì)化處理的代碼如下： I2=bwmorph(I,39。它消除了像素，使無孔 對(duì)象 縮小到最小連接 桿 ，和帶孔的對(duì)象縮小到一個(gè)連接 環(huán)在每個(gè)孔和外邊界。此選項(xiàng)保留了歐拉數(shù)。本文介紹兩個(gè)參數(shù)值： skel參數(shù)描述： 當(dāng) N = Inf，消除像素的對(duì)象的邊界，但不允許對(duì)象分開。式中的 operation是字符串。 BW2 = bwmorph(BW,operation,n) 該函數(shù)應(yīng)用于 n次運(yùn)算 。 MATALAB實(shí)現(xiàn)二值化的指紋圖像細(xì)化處理 Matlab函數(shù) 庫(kù)中 bwmorph函數(shù)對(duì)二指圖像進(jìn)行細(xì)化處理。 圖 354 改進(jìn)的 OPTA細(xì)化算法統(tǒng)一模板結(jié)構(gòu) 圖 54中左上角的 33區(qū)域?yàn)橄０宓谋容^區(qū)域 ,構(gòu)建的 8個(gè)消除模板結(jié)構(gòu) ,其中 l代表目標(biāo)點(diǎn) ,O代表背景點(diǎn) , 代表目標(biāo)點(diǎn)或者背景點(diǎn) 。 P7 P8 P9 P11 0 0 0 1 1 1 1 0 1 0 1 1 0 1 1 1 1 1 0 0 0 1 0 1 1 0 1 0 1 0 1 1 0 0 0 0 1 1 0 1 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 0 0 1 1 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 22 （ a） （ b） 圖 353 OPTA保留模板 用 OPTA 算法對(duì)指紋圖像進(jìn)行細(xì)化可以達(dá)到較好的細(xì)化效果 ,但是細(xì)化后的圖像細(xì)化不完全 ,存在細(xì)化后的指紋脊線不光滑 、 有毛刺、紋線扭曲等問題。其中模板中的“ 1”代表該點(diǎn)的像素值為 1,“ 0”代表該點(diǎn)的像素值為 0,“”代表該點(diǎn)的像素值既可以為 1也可以為 0。為了保持連通性 ,抽取元素的鄰域再與圖 352的兩個(gè)保留模板進(jìn)行比較。 OPTA算法是從圖像的左上角開始 ,對(duì)每一個(gè)前景點(diǎn)元素 (模板中的 5P )抽取出如圖 351所示的模板鄰域 , 并將該鄰域與給定的刪除模板 (圖 352) 相比較。 OPTA算法是一種典型的模板細(xì)化方法 。 OPTA細(xì)化算法模板 指紋細(xì)化的一般方法是構(gòu)造一組模板，對(duì)于脊線上的每個(gè)像素點(diǎn)取其一個(gè)范圍的鄰域，如果該鄰域與模板符合或不符合就保留或刪除該當(dāng)前點(diǎn)。 如 OPTA細(xì)化算法 ,Hall細(xì)化算法 ,zhang和 suen細(xì)化算法以及 ZR細(xì)化算法等等 。 因此從算法原理上看并行方法優(yōu)于串行方法 。 由于串行細(xì)化算法的處理結(jié)果依賴于對(duì)像素處理的先后順序 ,因而像素點(diǎn)的消除或保留不可預(yù)測(cè) 。 細(xì)化算法按照迭代方式的不同可分為串行算法和并行算法 。 (4)保持性 :細(xì)化后的圖像應(yīng)盡可能保持原圖的細(xì)節(jié)特征 。 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 20 (2)細(xì)化性 :細(xì)化圖像中的線條寬度應(yīng)為 1個(gè)像素 。 細(xì)化處理是指在指紋圖像二值化以后 ,在不影響紋線連通性的基礎(chǔ)上 ,刪除紋線的邊緣像素 ,使之只有一個(gè)像素的寬度 ,理想的細(xì)化后 紋線骨架應(yīng)該是在原始紋線的中間位置 ,并保持紋線的連接性 、 拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征 。 指紋圖像細(xì)化算法 細(xì)化的基本概念 指紋圖像二值化后 ,其紋線寬度是不均勻的 ,這是因?yàn)樵紙D像的質(zhì)量受到手指壓力大小的影響和圖像采集過程中噪聲的影響而造成的 。 Bernsen算法考察窗口內(nèi)均為目標(biāo)點(diǎn)時(shí)，局部閾值被拉升，于是部分目標(biāo)點(diǎn)被二值化為背景，致使信息丟失，從而出現(xiàn)筆畫斷裂現(xiàn)象。出現(xiàn)這種現(xiàn)象是因?yàn)?Bernsen算法以局部窗口內(nèi)極大、極小值作為考察點(diǎn)的鄰域，當(dāng)考察窗口內(nèi)無目標(biāo)點(diǎn)時(shí)，個(gè)別噪聲點(diǎn)將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，從而使得本應(yīng)是背景的點(diǎn)被二值化為目標(biāo)點(diǎn)。 （ 2)有偽影現(xiàn)象。如果每次比較運(yùn)算耗時(shí)一個(gè)單元時(shí)間，則處理圖像耗時(shí)由決定。 Bernsen方法雖然能夠根據(jù)局部灰度特性來自適應(yīng)地選取閥值，有較大的靈活性，但是仍然存在缺點(diǎn)和問題： (1)實(shí)現(xiàn)速度慢。 Otsu方法 和 Bernsen方法 的代碼為附錄 C代碼 Otsu方法 實(shí)驗(yàn)結(jié)果圖如下： 圖 341 Otsu方法 的二值化的結(jié)果 Bernsen方法 實(shí)驗(yàn)結(jié)果圖如下： 圖 342 Bernsen方法 的二值化的結(jié) 果 南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 19 算法結(jié)果分析比較 由實(shí)驗(yàn)結(jié)果圖可以知，從效果上 Bernsen方法的二值化結(jié)果更加適合指紋圖像， 特征點(diǎn)更加好捕捉。顯示得到的二值圖像。把灰度圖像矩陣賦值于另一矩陣，以免改變當(dāng)前得到的灰度圖像矩陣。首先創(chuàng)建一個(gè)的矩陣 extend，把矩陣中的像素，而第一行和最后一行，第一列和最后一列的填充依據(jù)是以它靠近的行或列為對(duì)稱軸進(jìn)行填充。 首先讀取原圖像的大小為。 設(shè)圖像在像素點(diǎn) ),(ji 處的灰度值為 ),( jif ，考慮以像素點(diǎn) ),(ji 為中心的)12()12( ??? ?? 窗口，（ 12?? 表示窗口的邊長(zhǎng)），則 Bernsen 算法可以描述如下： 計(jì)算圖像中各個(gè)像素點(diǎn) ),( ji 的閾值 ),( jiT )),(m i n),(m a x(),( njmifnjmifjiT nmnm ??????? ??? ?????? ??? ?? ???? ?? (327) 對(duì)圖像中各像素點(diǎn) ),( ji 用 ),( jib 值逐點(diǎn)進(jìn)行二值化。 本文以 Bernsen方法 作為局部閾值法的代表。 局部閾值法一般用于識(shí)別干擾比較嚴(yán)重 、品質(zhì)較差的圖像，相對(duì)整體閾值方法有更廣泛的應(yīng)用，但也存在缺點(diǎn)和問題，如實(shí)現(xiàn)速度慢、不能保證字符筆畫連通性以及容易出現(xiàn)偽影現(xiàn)象 (即在背景域受到噪音干擾得到筆畫結(jié)果 )等。局部閾值選取一般將圖像劃分為若干子圖像，在每個(gè)子圖像區(qū)域上使用整體閾值法，從而可以構(gòu)成整幅圖像的局部閾值法 (根據(jù)每個(gè)子圖像確定相應(yīng)的閾值，具體的閾值確定方法同全局閾值的確定類似 )。局部閾值法是用像素灰度值和 此像素鄰域的局部灰度特性來確定該像素的閾值的。 對(duì)于目標(biāo)和背景比較清楚的圖像，全局閾值化方法可以取得較好結(jié)果。 局部閾值法 由當(dāng)前像素灰度值與該像素周圍點(diǎn)局部灰度特征來確定像素的閾值。 )(0t? 和 )(1t? ，可以分別代表目標(biāo)和背景的中心灰度， ? 則代表整幅圖像的中心灰度，要使目標(biāo)和背景得到最好 的分割，當(dāng)然希望分割出的目標(biāo)盡量遠(yuǎn)離圖像中心，即 20 ))(( ?? ?t 或 |)(| 0 ?? ?t 盡量大，背景也盡量遠(yuǎn)離中心，即 21 ))(( ?? ?t或 |)(| 1 ?? ?t 盡量大，由于希望兩者都大，于是有： (1) 兩者之加權(quán)和最大： ]))(()())(()([ 2112020mt0 ?????? ???? ?? ttttM axA r gg (2) 兩者之積最大： ]))(())(([ 21201mt0 ???? ??? ?? ttM axA r gg (326) 注意到有 )()()()( 1100 tttt ????? ?? ，且 )() 10 tt ??? ?? ，因此有：2120211200 ))(())(())(()())(()( ?????????? ?????? tttttt 。因方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯(cuò)分概率最小，這便是大津法的真正含義。 記 ),( jif 為 MN? 圖像 ),( ji 點(diǎn)處的灰度值，灰度級(jí)為 ? ，不妨假設(shè) ),( jif 取值 ]1,0[ ?m 。對(duì)大津法可作如南昌航空大學(xué)科技學(xué)院學(xué)士學(xué)位論文 15 下理解：該式實(shí)際上就是類間方差值，閾值 t 分割出的目標(biāo)和背景兩部分構(gòu)成了整幅圖像，而目標(biāo)取值 0? ，概率為 0? ，背景取值 1? ，概率為 1? ，總均值為 ? ，根據(jù)方差的定義即得該式。 圖 像的 總 平均 灰度 為 ：)()()()( 1100 tttt ????? ?? 。 Otsu 在 1979 年提出的最大類間方差法 (有時(shí)也稱之為大津法 )，該方法的基本思想是：設(shè)閾值將圖像分割成兩組，一組灰度對(duì)應(yīng)目標(biāo)，另一組灰度對(duì)應(yīng)背景，則這兩組灰度值的類內(nèi)方差最小，兩組的類間方差最大。這時(shí)尋找最佳閾值很困難 。理想情況下，在直方圖上代表物體和背景的兩個(gè)峰之間有一個(gè)明顯的谷，谷底就是最優(yōu)閾值。 本文一 Otsu方法作為全局閾值法的算法對(duì)指紋圖像進(jìn)行二值化的圖像。 典型的全局閾值方法包括 Otsu方法、最大熵方 法等。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。它將圖像的每個(gè)像素的灰度值與進(jìn)行比較，若大于，則取為前景色（白色）；否則，取為背景色。 灰度圖像的二值化處理有很多種方法， 主要分為全局閾值法和局部閾值法。在不同的應(yīng)用中，圖像二值化時(shí)閾值的選擇是不同的。在顆粒分析、模式識(shí)別技術(shù)、光學(xué)字符識(shí)別 (OCR)、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準(zhǔn)等應(yīng)用中，圖像二值化是它們進(jìn)行數(shù)據(jù)預(yù)處理的重要技術(shù)。即將 256個(gè)亮度等級(jí) 的灰度圖像通過適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。更重要的是，在二值圖像的基礎(chǔ)上，還可以進(jìn)一步對(duì)圖像處理，獲得該圖像的一些幾何特征或者其他更多特征。 指紋圖像二值化處理 圖像二值化原理及意義 在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像， 這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素的值為 0或 255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。從特征點(diǎn)的提取效果考慮， Sobel算子的銳化圖像更加適合指紋圖像的銳化處理。 實(shí)驗(yàn)結(jié)果如下圖 33所示： 圖 333 Sobel算子和拉普拉斯算子銳化圖像結(jié)果 1 1 4 1 1 1 1 5 1 1