【正文】 系統(tǒng)采用具有強(qiáng)大信號處理能力的高速 DSP 處理器為核心的模塊實(shí)現(xiàn)指紋采集、預(yù)處理和特征提取比對以及保存；指紋采集模塊采用 滑動式指紋傳感器，這類傳感器 半導(dǎo)體場效應(yīng)像素陣列的面積比常規(guī)指紋傳感器小很多倍，具有體積小、成本低、功耗低等特點(diǎn)；本文原始指紋圖像約為 50K bytes，對指紋圖像進(jìn)行特征提取后，每幅指紋的特征值所占存儲空間為 512 bits，所有的特征值存儲在外部擴(kuò)展的 FLASH 中，本系統(tǒng) 設(shè)計(jì)整體結(jié)構(gòu)框架如圖 31 所示 。通過指令的方式控制系統(tǒng)進(jìn)行各項(xiàng)工作，如增加用戶指紋模板，刪除模板，采集圖像，匹配等； 體積小、成本低是將嵌入式指紋識別系統(tǒng)集成到其他應(yīng)用系統(tǒng)中的關(guān)鍵。這就要求系統(tǒng)具有良好的存儲系統(tǒng)，隨時(shí)可以將指紋模板的數(shù)據(jù)固化在系統(tǒng)中； 在實(shí)際應(yīng)用過程中，指紋識別系統(tǒng)應(yīng)用場所大部分為戶外，這使得系統(tǒng)對電源的要求比較高。 需求分析 由于我們開發(fā)的是嵌入式指紋識別系統(tǒng)的原型系統(tǒng)，所選用的指紋傳感器、 DSP以及其它元器件都需要滿足低功耗、體積小、便攜等特點(diǎn)?；?FPGA 的 NiosII 核的指紋識別系統(tǒng)造價(jià)較高，目前系統(tǒng)功能的穩(wěn)定性還不夠理想，不適宜進(jìn)行市場推廣 [49]。 基于 ARM 的指紋識別系統(tǒng)，把通訊和識別算法都集中在 RAM 芯片上實(shí)現(xiàn)，程序代碼和數(shù)據(jù)都將比較龐大，因此內(nèi)存的分配很大程度上會影響匹配的速度 [48]。指紋識別系統(tǒng)的嵌入式實(shí)現(xiàn)方式主要有采用高性能的 DSP（如 TI 公司的 TMS320VC5000）、 ARM（如基于 ARM 體系結(jié)構(gòu)的 Interl PXA255）、基于單片機(jī)（如 C8051F124）以及 FPGA 的 NiosII 核。 電子科技大學(xué)碩士學(xué)位論文 20 第三章 系統(tǒng)設(shè)計(jì)方案 嵌入式指紋識別系統(tǒng)概況 發(fā)展比較成熟的指紋識別系統(tǒng)大多基于 PC 機(jī)，但是這類識別系統(tǒng)造價(jià)高、系統(tǒng)復(fù)雜、體積龐大，只能適用于固定場所。文中采用 Gabor 濾波器進(jìn)行圖像的增強(qiáng)，經(jīng)過大量實(shí)驗(yàn)獲取精確的頻率和方向帶通常量， 簡化了 公式，大大縮短了濾波增強(qiáng)的時(shí)間；二值化處理 本文采用的就是一種迭代求圖像最佳分割動態(tài)閾值的算法 ，該算法處理的圖像比較清晰、邊緣光滑；細(xì)化算法是在改進(jìn)的 OPTA 算法的基礎(chǔ)上將刪除模板由 8 個(gè)增加到 16 個(gè)，使得細(xì)化更加徹底，減少毛刺。國際上已經(jīng)成立了一個(gè)生物統(tǒng)計(jì)學(xué)論壇，致力于研究一種獨(dú)立的評估系統(tǒng)，用來評測身份識別系統(tǒng)的性能。對于指紋產(chǎn)業(yè)界來說，無論是國內(nèi)還是國外，至今仍然沒有一套公認(rèn)的測試標(biāo)準(zhǔn)和測試數(shù)據(jù)庫，這和指紋產(chǎn)業(yè)迅速發(fā)展的狀況是很不適應(yīng)的。實(shí)際上，這幾個(gè)參數(shù)都是從具體的測試數(shù)據(jù)集中得出來的，并 不一定對其它的指紋數(shù)據(jù)庫也適用。另外，識別速度也是一個(gè)重要度量標(biāo)準(zhǔn)。在確定閾值時(shí)，應(yīng)根據(jù)具體應(yīng)用進(jìn)行考慮。但實(shí)際中， 這兩個(gè)指標(biāo)是相關(guān)的，當(dāng)拒識率比較低時(shí)，誤識率會比較高，反之亦然。誤識率是指將冒充者識別為真正的生物特征擁有者；拒識率是指生物特征擁有者被系統(tǒng)拒絕。 這種方法首先對待識別的兩幅圖像進(jìn)行定位，克服了待識別指紋圖像在采集時(shí)相對于注冊的指紋圖像所產(chǎn)生的旋轉(zhuǎn)、伸縮等的畸變，然后再對兩幅圖像中提取出的細(xì)節(jié)特征進(jìn)行比對，提高了匹配的準(zhǔn)確性。 圖 28 端點(diǎn)和分叉點(diǎn)的描述信息 電子科技大學(xué)碩士學(xué)位論文 18 基于以上原因， 提出了一種使用圖形匹配算法 [42]， 等人提出了一種基于串比對的方法 [43]， 等人則提出一種基于拓?fù)浣Y(jié)構(gòu)的算法來實(shí)現(xiàn)匹配 [44]， 等提出了基于局部相似性的匹配算法 [45]，這些方法受指紋變形的影響很大，所以如何能夠找到一種適合各種形變質(zhì)量指紋的有效匹配算法， 是該項(xiàng)目研究的重點(diǎn)和難點(diǎn)。 指紋特征匹配 指紋匹配一般是基于指紋的特征點(diǎn)，一般來說，通過采集儀獲得的指紋圖像含有 30～ 50 個(gè)細(xì)節(jié)點(diǎn)，只要有 13 個(gè)以上的細(xì)節(jié)點(diǎn)相符就認(rèn)為這兩幅指紋是同一指紋。例如，比較接近兩個(gè)端點(diǎn)，如果它們的方向是相反的，則也可以把這兩個(gè)端點(diǎn)連接起來，這是因?yàn)?，它們可能本來是一條脊線上的，只是由于噪聲或采集時(shí)手指太干等原因造成了脊線斷裂。 在細(xì)化后的圖像里總是會有一些無關(guān)的細(xì)節(jié)點(diǎn)出現(xiàn)，這主要是因?yàn)樵紙D像中的噪聲或在平滑濾波和細(xì)化過程中人為引入的噪聲所引起的。具有同一全局特征的指紋可以有無數(shù)多個(gè)，但不同的指紋其局部特征是各不相同的。 a. 原始圖象 OPTA 算法效果 圖 27 細(xì)化效果的比較 原始指紋圖像 二值化后指紋圖像 第二章 自動指紋識別原理與算法設(shè)計(jì) 17 指紋特征提取 本章第二節(jié)已經(jīng)提到指紋存在兩種特征，即全局特征和局部特征。該算法在改進(jìn)的 OPTA 算法的基礎(chǔ)上增加了 8 個(gè)消除模板，改進(jìn)了快速細(xì)化算法和改進(jìn)的 OPTA 算法存在的不足，細(xì)化完全徹底，細(xì)化后的指紋骨架在紋線中心線，并 且紋線光滑，毛刺較少，保證了以后特征提取以及識別的準(zhǔn)確性。如果不加處理，這些不足在以后特征提取的時(shí)候就會導(dǎo)致相當(dāng)多的偽特征點(diǎn)出現(xiàn)，極大的影響指紋識別的準(zhǔn)確性。改進(jìn)的 OPTA 算法原理是構(gòu)造一定的消除模板和保留模板，將二值化后的指紋圖像和模板比較，決定是否刪除某點(diǎn)的像素值?？焖偌?xì)化算法 (并行細(xì)化 )和改進(jìn)的 OPTA 算法 (串行細(xì)化 )是目前使用較多的兩種細(xì)化算法。一種好的細(xì)化算法應(yīng)該滿足下列條件：收斂性、連接性、拓?fù)湫?、保持性、?xì)化性、中軸性、快速性 [38]。 細(xì)化處理 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，直到紋線為單像素寬為止 。為使圖像整潔，邊緣光滑，需要進(jìn)行修飾處理。 本文采用的就是一種迭代求圖像最佳分割動態(tài)閾值的算法，達(dá)到比較好的效果，如圖 26，方法具體描述如下： ① 求出圖像最小和最大灰度值 minZ 和 maxZ ； ② 令閾值初值為 0 m ax m in( ) / 2T Z Z?? ； ③ 根據(jù)閾值 kT 將圖像分割成目標(biāo)和背景兩部分，求出兩部分的平均灰度值 OZ和 bZ ，再求新閾值 1 ( ) / 2k o bT Z Z? ?? ； ④ 如果 1kkTT? ? ，則算法結(jié)束，否則 1kk??，轉(zhuǎn)向步驟 ③ 。局部閾值法是利用全局閾值算法的思想，將圖像分成若干個(gè) ww? 子塊，對于每一塊選定一個(gè)閾值進(jìn)行二值化。閾值可以分為三類：全局閾值、局部閾值和動態(tài)閾值 [37]。而一般二值化技術(shù)通過設(shè)定閾值，把增強(qiáng)后的指紋圖像變?yōu)槎祱D像。經(jīng)實(shí)驗(yàn)證明，使用 sobel算子足以滿足實(shí)際需要。選擇一階偏導(dǎo)算子越復(fù)雜，求導(dǎo)結(jié)果越精確，計(jì)算得到的方向信息也越準(zhǔn)確，同時(shí)算法越耗時(shí)。具體就求指紋方向圖的 算法描述如下： ① 將指紋圖像劃分為不重疊的大小為 ww? 的塊。這些方法的缺點(diǎn)是往往只能得到有限數(shù)目的方向，如 8 個(gè)方向、 16 個(gè)方向等，因此精度較低。 計(jì)算指紋方向圖的方法有很多，如 Mehtre 等 [31,32]、 O39。針對每個(gè)像素得到的方向則形成點(diǎn)方向圖。方向圖分為兩種：一種是點(diǎn)方向圖，表示源指紋圖像中每一點(diǎn)脊線的方向；另一種是塊方向圖，表示源指紋圖像中每一塊脊線的大致方向。方向圖的求取是許多自動指紋識別系統(tǒng)中一個(gè)不可缺少的環(huán)節(jié)和步驟。由這些方向碼組成的圖就叫做方向圖。 方向圖計(jì)算 方向圖的概念最 初是由 Graseli 提出的，他指出除奇異區(qū)外，指紋紋線排列一般是平行的，且方向變化平緩，因而指紋數(shù)據(jù)間存在著大量的信息冗余。 c os si ny x y???? （ 23） Gabor 濾波器的四個(gè)參數(shù)： ? 、 f 、 x? 、 y? ，分別決定了濾波 器頻域通帶的中心方向、中心頻率、頻率通帶大小和方向通帶大小。221( , : , ) e x p c o s ( 2 )2 xyxyh x y f fx??????????? ? ????????? （ 21） 其中： 39。 2 39。采用這種思想的方法有： (1) O’Gorman等人采用濾波器掩碼在空間域進(jìn)行濾波 [22]； (2) Sherlock 等人利用 Butterworth帶通濾波器和一種角度選擇濾波器的組合來構(gòu)造濾波器 [23]； (3) Hong 等人采用 Gabor 濾波器在空間域進(jìn)行濾波 [24]； (4) Kamei 等人濾波處理也是在頻域進(jìn)行，濾波器形式上為兩個(gè)高斯帶通濾波器的乘積，它們分別對方向和頻率進(jìn)行選擇 [29]； 本文直接在灰度圖上采用常用的圖像增強(qiáng)算法 ——Gabor 濾波法。在原始灰度圖像上進(jìn)行指紋增強(qiáng)的方法是依據(jù)局部紋線的兩個(gè)重要特性：紋線方向和紋線頻率，采用具有方向和頻率選擇特性的低通濾波器進(jìn)行指紋增強(qiáng)處理。受此啟發(fā)，人們利用這些視覺線索設(shè)計(jì)出很多專門針對指紋的圖像增強(qiáng)方法。當(dāng)指紋圖像質(zhì)量較差時(shí)，指紋紋線不再具有上述形狀。 指紋圖像增強(qiáng) 數(shù)字圖像處理中一些通用的圖像增強(qiáng)方法如均值濾波、低通濾波、邊緣增強(qiáng)等對指紋圖像的增強(qiáng)效果不理想，這是因?yàn)檫@些方法主要針對圖像中的隨機(jī)噪聲，而模糊指紋圖像中的指紋紋線缺陷屬于結(jié)構(gòu)性噪聲。因此為了提高整個(gè)系統(tǒng)的性能指標(biāo)，必須選擇合適的預(yù)處理。 圖像預(yù)處理是一項(xiàng)相對耗時(shí)的工作，一幅 300 300? 像素 的圖像有 90,000 個(gè)像素，對每個(gè)像素進(jìn)行若干次乘法和加法操作，這樣需要很大的時(shí)間開支。二值化是把指紋灰度圖像轉(zhuǎn)換為黑白二值圖像，細(xì)化則是把二值化后的指紋圖像的紋線轉(zhuǎn)變?yōu)橹挥幸粋€(gè)像素寬的細(xì)化圖，以便于特征提取。圖像增強(qiáng)的目的是去除噪聲，同時(shí)增強(qiáng)指紋圖像的脊和谷之間的對比度。 指紋圖像預(yù)處理 在指紋識別系統(tǒng)中，指紋圖像的預(yù)處理是非常重要的一部分，它關(guān)系到后期指紋特征提取和匹配的效果 [714]。為了保證可靠地提取出指紋特征，為指紋識別提供更加可靠的依據(jù)，一方面需要研究對指紋圖像質(zhì)量具有魯棒性的指紋特征提取方法，另一方面應(yīng)該從提高指紋圖像的質(zhì)量入手。當(dāng)指紋圖像質(zhì)量較差時(shí)，作為指紋匹配關(guān)鍵環(huán)節(jié)的細(xì)節(jié)點(diǎn)特征提取過程可能會產(chǎn)生以下錯(cuò)誤： (1) 產(chǎn)生大量虛假細(xì)節(jié)點(diǎn)； (2) 遺漏真實(shí)細(xì)節(jié)點(diǎn)； (3) 細(xì)節(jié)點(diǎn)位置和方向存在誤差； (4) 細(xì)節(jié)點(diǎn)類型錯(cuò)誤。另外，老人的手指上通常存在很多折皺，皮膚病患者的手指上有很多翹皮，體力勞動者的手指上存在老繭且經(jīng)常會產(chǎn)生劃痕。在這種情況下第二章 自動指紋識別原理與算法設(shè)計(jì) 11 很難從圖像中正確地分離出指紋紋線，導(dǎo)致指紋特征的可靠提取變得非常困難。在指紋領(lǐng)域知識的支持下實(shí)現(xiàn)從指紋原始圖像到其特征表示的映射，是指紋識別系統(tǒng)實(shí)現(xiàn)的重點(diǎn)。 ④ 位置：節(jié)點(diǎn)的位置通過坐標(biāo)來描述，可以是絕對的，也可以是相對于三角點(diǎn)或特征點(diǎn)的。 端 點(diǎn)：一條紋路在此終結(jié) 分叉點(diǎn)：一條紋路在此分開成為兩條或更多的紋路 分歧點(diǎn)：兩條平行的紋路在此分開 孤立點(diǎn)：一條特別短的紋路，以至于成為一點(diǎn) 環(huán) 點(diǎn)：一條紋路分開成為兩條之后，立即又合并成為一條，這樣形成的一個(gè)小環(huán)稱為環(huán)點(diǎn) 短 紋：一段較短但不至于成為一點(diǎn)的紋路 表 21 各類特征點(diǎn)出現(xiàn)概率情況 類型特征 端點(diǎn) 分叉點(diǎn) 分歧點(diǎn) 短紋 孤立點(diǎn) 環(huán)點(diǎn) 出現(xiàn)概率 % % % % % % ② 方向：節(jié)點(diǎn)可以朝著一定的方向。就是這些特征點(diǎn)提供了指紋唯一性的確認(rèn)信息，指紋的細(xì)節(jié)特征點(diǎn)主要是節(jié)點(diǎn)。 指紋紋線并不是連續(xù)的、平滑筆直的，而是經(jīng)常中斷、分叉和打折的。 (2) 細(xì)節(jié)特征 細(xì)節(jié)特征是指紋上具有某種特征的節(jié)點(diǎn)，這些具有某種特征的節(jié)點(diǎn)也稱為特征點(diǎn)。 紋數(shù)： 指模式區(qū)內(nèi)指紋 紋線的數(shù)量。三角點(diǎn)是指紋紋線的計(jì)數(shù)跟蹤的開始之處。中心點(diǎn)對于某些指紋識別算法很重要，沒有中心點(diǎn)的指紋某些算法是不能處理的。 中心點(diǎn)： 中心點(diǎn)位于指紋紋線的漸近中心，它在讀取指紋和比對指紋時(shí)作為參考點(diǎn)。 環(huán)型（ loop） 弓型（ arch） 螺旋型（ whorl） 圖 22 基本紋 型 第二章 自動指紋識別原理與算法設(shè)計(jì) 9 更詳細(xì)的總體結(jié)構(gòu)分類如下所述： 模式區(qū)： 模式區(qū)是指紋上包括了總體特征的區(qū)域，即從模式區(qū)就能分辨出指紋是屬于哪一種類型的。 其它的紋型都基于這三種基本紋型。一些學(xué)者認(rèn)為只要有 13 個(gè)局部特征相符 ，就可以認(rèn)為是同一個(gè)指紋。細(xì)節(jié)特征是指在指紋拓?fù)鋱D中的幾種有效的特征，它是指紋識別的最基本的依據(jù)。 指紋特征介紹 人的指紋有兩類特征：總體特征和細(xì)節(jié)特征。 (4) 特征匹配：預(yù)存的數(shù)據(jù)模版與當(dāng)前的數(shù)據(jù)特征進(jìn)行比較，計(jì)算出他們的相似度，從而得到兩幅指紋 圖像的匹配結(jié)果。 (3) 特征提?。航⒅讣y圖像簡約數(shù)字表示 ——特征數(shù)據(jù)。預(yù)處理 算法是指紋識別系統(tǒng)中的重要內(nèi)