【正文】 第 27頁(yè) 參考文獻(xiàn) [1]戴平陽(yáng) . 指紋識(shí)別技術(shù)研究進(jìn)展 [J]. 廈門大學(xué)學(xué)報(bào) (自然科學(xué)版 ), 20xx,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 , 20xx,126129. [4] Henry Fuzee, Fingerprint recognition in low quality images. Pattern Recognition,1993, 26(10):14411460. [5]O’Gorman, Nicker。我的生活因?yàn)槟銈兌幸饬x。 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。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。 第 26頁(yè) 致謝 首先，要感謝我的導(dǎo)師蔡超峰老師。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，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。 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。 第 25頁(yè) 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）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)。用算法實(shí)現(xiàn)了一下兩點(diǎn)。 第 22頁(yè) 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) 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) 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。 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。 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。 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。 （ 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。 Pi1 Pi Pi+1 圖 3— 4 脊線跟蹤示意圖 第 21頁(yè) 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。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]。 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。 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。 （ 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。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。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。 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。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。 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) )。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)。 （ 5）環(huán)現(xiàn)象，通常也叫孔。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)。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。 （ 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)。 （ 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。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)。 下面分析一下毛刺、短線、斷線、假橋以及環(huán)這幾種主要的噪聲的特點(diǎn)，以及因它 第 19頁(yè) 們而產(chǎn)生的偽特 征點(diǎn)的特性 [22]，方便針對(duì)它們各自的特點(diǎn) 設(shè)計(jì)剔除算法。出現(xiàn)這樣的情況的原因有多種，一方面原始圖像本來(lái)就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預(yù)處理過(guò)程中，雖然多次進(jìn)行了濾波處理，但是噪音依然存在，并且有相當(dāng)一部分帶入到細(xì)化后的指紋圖像中，通過(guò)特征點(diǎn)的提取轉(zhuǎn)化為偽特征點(diǎn)。 偽特征點(diǎn)分類及特點(diǎn) 在特征提取算法提取的特征點(diǎn)集中存在了一定數(shù)量的偽特征點(diǎn)，這是不可避免的，必須想辦法剔去偽特征點(diǎn)，才能確保特征匹配能夠準(zhǔn)確的進(jìn)行。 偽特征點(diǎn)的濾除 提取指紋圖像的細(xì)節(jié)特征，是 在細(xì)化圖像進(jìn)行的。另外由于在預(yù)處理階段增加了圖像增強(qiáng)和二值化，所以在算法的魯棒性方面比第一種算法更好?；诩?xì)化圖像的模板匹配法，算法稍微復(fù)雜一下，跟前一算法相比，多了圖像增強(qiáng)和二值化。但是 第 18頁(yè) 該算法對(duì)圖像的質(zhì)量要求比較高，僅適合圖像質(zhì)量非常好，脊線清晰的指紋圖像，對(duì)于較模糊的指紋圖像則無(wú)能為力。并且由于步驟的簡(jiǎn)化一定程度上降低了偽特征點(diǎn)出現(xiàn)的概率。 gi=arctg(yyi)/(xxi) (3— 3) 對(duì)指紋圖像中的所有像素進(jìn)行處理，分別記錄下所有檢測(cè)到的端點(diǎn)和分叉點(diǎn)，即完成了特征提取的第 一步──特征的提取。端線及分支線的角度求法為：即從一個(gè)特征的位置出發(fā)坐標(biāo)為 (xi,yi)搜索到步長(zhǎng)為 7 是最后一點(diǎn)坐標(biāo)為 (x,y)。 （ 3） 設(shè)集合 Ω={xi,yi,zi,gi}，根據(jù) )(PCn 及 )(PSn 的值判斷 被 跟蹤點(diǎn)的類型，并 記錄下端點(diǎn) 或分叉點(diǎn)的橫坐標(biāo) xi，縱坐標(biāo) yi，及特征點(diǎn)的類型 zi， gi是特征點(diǎn)的角度跟蹤結(jié)束條件。 第 1 頁(yè) P1 P2 P3 P8 P P4 P7 P6 P5 圖 3— 2 鄰域示意圖 E C1 C2 B C3 C4 圖 3— 3 細(xì)化后的指紋圖像 具體算法如下： （ 1） 從端點(diǎn)出發(fā)，端點(diǎn)的八鄰域只有一個(gè)點(diǎn)的灰度值為 1， 該點(diǎn)就是脊線跟蹤的下一點(diǎn)。 （ 2）若 P 點(diǎn)為脊線上的點(diǎn) ，且 )(PCn =4， )(PSn = 3 或者 4，則可判定像素點(diǎn) P為脊線上的連續(xù)點(diǎn)，即不是特征點(diǎn)，如圖 3— 3 中的 C1 點(diǎn)、 C2 點(diǎn)、 C3 點(diǎn)、 C4 點(diǎn)。 對(duì)于脊線上的像素，可根據(jù)其鄰域的 )(PCn 和 )(PSn 數(shù)值判定此時(shí) P 像素點(diǎn)的狀態(tài)。 )(PSn 為 8 鄰域像 素中為 1 的像素的個(gè)數(shù)，具體按式(3— 1)、 (3— 2)計(jì)算 。 基于細(xì)化圖像的模板匹配法 基于細(xì)化圖像的模板匹配法 [2021]，是先將指紋圖像經(jīng)過(guò)圖像歸一化、增強(qiáng)、二值化和細(xì)化等一系列的預(yù)處理得到細(xì)化的指紋圖像，再通過(guò)構(gòu)建像素的 33 鄰域 (如圖 3— 2所示 )提取指紋圖像的特征點(diǎn)。 直接從灰度圖像中提取特征的算法一般是對(duì)灰度指紋紋線進(jìn)行跟蹤，根據(jù)跟蹤結(jié)果尋找特征的位置和判斷特征的類型。 （ 4） 不斷重復(fù)步驟 3，實(shí)現(xiàn)脊線跟蹤，直到求取的灰度分布的最大值出現(xiàn)明顯的變小，與最小值差不多，甚至相等時(shí)，停止跟蹤，說(shuō)明己經(jīng)到脊線的末端，此處即為特 第 16頁(yè) 征點(diǎn)端點(diǎn)處。 （ 2） 從初始點(diǎn)出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個(gè)指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點(diǎn)作為新的出發(fā)點(diǎn)。 （ 4） 特征判定模塊，負(fù)責(zé)當(dāng)跟蹤到達(dá)紋線流向異常區(qū)域時(shí)，判定是否為特征點(diǎn)及特征點(diǎn)類型。 （ 2） 中心點(diǎn)確定模塊，負(fù)責(zé)確定紋線的脊部中心 點(diǎn)，使跟蹤方向不斷調(diào)整，始終沿紋線的中心前進(jìn)。正常區(qū)域指紋的紋線應(yīng)該是連續(xù)的，當(dāng)出現(xiàn)斷裂終止分開(kāi)時(shí)，則停下來(lái)根據(jù)規(guī)則進(jìn)行特征點(diǎn)判定。下面將對(duì)這兩種特征點(diǎn)提取算法進(jìn)行介紹比較，并確立本文將要采用的特征點(diǎn)提取算法。該算法的提出在指紋識(shí)別領(lǐng)域具有開(kāi)拓性的意義，并且該算法在相當(dāng)一段時(shí)間內(nèi)被廣泛地用作細(xì)節(jié)特征點(diǎn)的標(biāo)準(zhǔn)算法，獲得了廣泛的應(yīng)用。最早提出特征點(diǎn)提取算法的是美國(guó)聯(lián)邦調(diào)查局 (FBI)的自動(dòng)指紋識(shí)別技術(shù)研究人員。 指紋圖像特征點(diǎn)的提取 指紋特征提取是指紋自動(dòng)識(shí)別的核心技術(shù)之一，它一般分為兩個(gè)階段：提取特征點(diǎn)和偽特征點(diǎn)的剔除。 圖 3— 1 特征點(diǎn)類型及所占比例 一幅質(zhì)量比較好的指紋圖像，一般有 40— 100 個(gè)特征點(diǎn)，但真正匹配時(shí)，由于受指紋采集時(shí)外界影響比較大，不可能實(shí)現(xiàn) 100%匹配。這一方面說(shuō)明了幾乎所有的指紋都有端點(diǎn)和分叉點(diǎn)，而且數(shù)量豐富；另一方面也反映了不是所有的指紋都有橋形、環(huán)形等特征點(diǎn)，而且即使有數(shù)量也比較少。 據(jù)統(tǒng)計(jì)，這幾類特征點(diǎn)占特征點(diǎn)的比率如 3— 1 所示。這些特征點(diǎn)之間，特征點(diǎn)與周圍脊線之間等等都包含了豐富的信息，比如特征點(diǎn)的類型、方向、位置等等。 全局特征一般用在大規(guī)模指紋庫(kù)中，實(shí)現(xiàn)快速分類，也可以用在特征匹配中的粗匹配階段。 （ 4）三角點(diǎn) (delta)，一般是指從中心點(diǎn)開(kāi)始的第一個(gè)分叉點(diǎn)、斷點(diǎn)、孤立點(diǎn)等等，常與核心點(diǎn)一起稱為奇異點(diǎn)。 （ 2）模式區(qū)，是指包含了指紋圖像的大部分總體特征的區(qū)域，通過(guò)這個(gè)區(qū)域也能夠分辨出指紋是屬于哪個(gè)類型的。 （ 1）紋形，是指指紋脊線整體走向，主要有三大類： 拱型（ arch）、帳型 (tended arch)、左箕型 (left loop)、右箕型 (right loop)、斗型 (whorl)、雙箕型 (double whorl)。 指紋圖像的特征 全局特征 全局特征 [12]是指可以直接觀察到的宏觀特征，必須通過(guò)圖像整體獲得。采集到的指紋圖像在經(jīng)過(guò)歸一化，增強(qiáng)，二值化和細(xì)化之后基本保留 了原始指紋的紋理特征。 本章小結(jié) 本章簡(jiǎn)要闡述了指紋預(yù)處理階段中的圖像歸一化、濾波增強(qiáng)、二值化以及細(xì)化等步驟，并對(duì)各個(gè)步驟的常用的算法的研究狀況和優(yōu)缺點(diǎn)做了簡(jiǎn)要介紹。通常，為了得到更加準(zhǔn)確的骨架，往往采用兩組模板，一組被稱為刪除模板，用于決定當(dāng)前點(diǎn)是否 刪除，若不符合刪除模