【正文】 LAB深深地吸引了工程師John Little敏銳地覺察到MATLAB在工程領(lǐng)域的廣闊前景。Cleve Moler給這個接口程序取名為MATLAB,該名為矩陣(matrix)和實驗室(labotatory)兩個英文單詞的前三個字母的組合。在當時，這兩個程序庫代表矩陣運算的最高水平。 MATLAB產(chǎn)生的歷史背景 在70 年代中期,Cleve Moler博士和其同事在美國國家科學基金的資助下開發(fā)了調(diào)用EISPACK和LINPACK的FORTRAN程序庫。開放性使MATLAB廣受用戶歡迎。功能工具包用來擴充MATLAB的符號計算、可視化建模仿真、文字處理及實時控制等功能。當前流行的MATLAB包括擁有數(shù)百個內(nèi)部函數(shù)的主包和三十幾種工具包(Toolbox)。除具備卓越的數(shù)值計算能力外，它還提供了專業(yè)水平的符號計算、文字處理、可視化建模仿真和實時控制等功能。 本章小結(jié) 本章詳細介紹了指紋識別過程的原理及算法的研究，具體算法將在后續(xù)章節(jié)給出。如果和是不同類型的細節(jié)點，也就是說它們一個是端點，一個是分叉點，則它們不是對應點對，取值為400。對模板點集中的每一點和輸入點集中的每一點，定義為將和當作參照點對時，從輸入圖像到模板圖像的旋轉(zhuǎn)角度。為了把細節(jié)點轉(zhuǎn)移到極坐標系中去，需要在模板細節(jié)點集和輸入細節(jié)點集中各選一個參照點作為相應的極坐標系中的原點，并算出其它細節(jié)點相對于參照點的極坐標。 圖313 細節(jié)點的對應脊線 指紋識別中細節(jié)點的匹配細節(jié)匹配一般在極坐標系中進行，因為指紋圖像的非線性形變往往呈放射狀，在某個區(qū)域內(nèi)的形變比較大，然后非線性地向外擴張，因而，在極坐標中能更好地描述非線性形變；另外，在極坐標中不需要考慮輸入圖像與模板圖像的參照點之間的平移，將一對對應點的坐標相對于參照點轉(zhuǎn)換為極坐標時，平移就被抵消了；還有，在極坐標系中顯然比在直角坐標系中更便于處理兩幅圖像間的旋轉(zhuǎn)[8]。下圖給出了細節(jié)點對應的脊線與脊線上的采樣點的例子。分叉點對應的脊線是與該細節(jié)點的方向最近的那條，端點對應的脊線就是該細節(jié)點所在的脊線。4．細節(jié)點對應的脊線。2．細節(jié)點的方向，這個方向就是該細節(jié)點所在的塊的塊方向。在具體實現(xiàn)中，我們?nèi)∑浒霃綖榧箤挼囊话搿＿@種算法實現(xiàn)起來也很簡單：掃描特征點的某一鄰域，如果該鄰域中出現(xiàn)其他特征點的話，將該特征點與出現(xiàn)的特征點同時去除，如此循環(huán)幾次，當沒有特征點被刪去時，處理完成。 假特征點的去除這樣得到的特征中存在由指紋質(zhì)量、攝入噪聲等原因造成的很多假特征，如下圖312所示(a)和(b)中產(chǎn)生了假的端點；(c)和(d)中形成了錯誤的斷開和連接；(e)中顯示的是一個由不平滑的脊引起的毛刺，出現(xiàn)了假端點和假分叉兩種特征：(f)~(g)是幾種錯誤連接的例子，分別稱為橋形、三角形、梯形結(jié)構(gòu)。是細化后圖像在處的灰度。探測細節(jié)點的算法很簡單，如圖312所示的3x3模板就可以用來確定特征的位置。在基于細節(jié)點的指紋自動識別系統(tǒng)中，特征提取是在細化后的指紋圖像上進行的。細化時，移動4x4的方窗內(nèi)象素的編碼地址去查找相應的細化值，用細化值替換當前像素值。重復這個過程，直到?jīng)]有一個像素的值被改變。除消除模板外，還需構(gòu)造保留模板，保持紋線的連通性。即，一黑色象素八臨域與消除模板中的一個相匹配的話，該點被認為是可消除的點。(快速性)圖39　統(tǒng)一模塊下面介紹一種適合于指紋圖像細化的算法，這種方法滿足上面的細化條件，而且可以提出快速算法。(細化性)6．骨架盡可能接近條紋中心線。(拓撲性)4．保護指紋的細節(jié)特征。(收斂性)2．不破壞紋線的連接性。指紋圖像的細化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度，細化時應保證紋線的連接性、方向性和特征點不變，還應保持紋線的中心基本不變。所謂細化，就是從原來的圖中去掉一些點，但仍要保持原有的形狀。 指紋圖像的細化算法指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識別只對紋線的走向感興趣，不關(guān)心它的粗細。若的起伏很不明顯，說明該區(qū)域?qū)儆跓o效區(qū)域或背景區(qū)域，整個區(qū)域的像素值置為255。3．對中極大點或極小點附近的波動做平滑處理；4．找出極大點和極小點位置及對應的值，對極大值極小值求平均，將此平均值作為該點二值化門限，稱其為動態(tài)閥值。顯然，該波形圖的波谷對應指紋圖像的脊線(指紋圖像中暗的紋線)，而波峰則對應指紋圖像的谷(指紋圖像中亮的紋線)。指紋局部圖如圖38：（A） 原始圖像 （B）谷脊變化波形圖 圖38 指紋谷脊變化波形圖方框Y方向是該塊的指紋方向，X方向是其法線方向。這種方法取代了一般指紋圖像預處理中無效區(qū)域分割、濾波、增強、二值化等步驟，一次完成圖像的二值化功能。常用的二值化方法有固定閥值法、自適應閥值法、局部自適應閥值法等，這些方法僅僅利用了圖像的灰度信息，對指紋圖像的二值化效果很不理想；現(xiàn)有的大部分指紋圖像預處理方法都是經(jīng)過濾波處理后再進行二值化[6]，這樣就需要對圖像進行兩次掃描，不利于處理速度的提高?！　　　　　　　D36 分離濾波器的權(quán)值 圖37 基本濾波器的權(quán)值用方向濾波器進行濾波去噪時，根據(jù)塊方向圖中的該塊的方向，選用相應的濾波器(將水平方向的濾波器旋轉(zhuǎn)塊方向的角度后得到)，進行濾波。一個基本濾波器要求具備上述兩種功能，它的作用相當于平均濾波器加分離濾波器，所以它的權(quán)值如右圖37，其中參數(shù)：K=X十P，L=Y+Q， M=Z+R。 分離濾波器的權(quán)值如圖36所示，其中參數(shù)：P+2Q+2R=0。經(jīng)過平均濾波器過濾的圖像，其中每一點的灰度由其臨近的24個像素的灰度值共同決定。濾波器的大小由指紋圖像中脊線的周期決定，在我們的試驗中，周期取為5，因而這里以Sx5大小的濾波器為例。平均濾波器的作用主要是連接邊中出現(xiàn)的斷點，而分離濾波器可以去除圖像中的叉連現(xiàn)象。其他方向的濾波器可以通過旋轉(zhuǎn)得到。這種算法的缺點在于：求頻率圖導致計算量比較大，而且頻率容易產(chǎn)生偏差；方法二：這種方法也是我們采用的濾波方法。指紋圖像濾波有兩種方法：方法一：利用Gabor濾波器的參數(shù)可利用指紋的方向性和紋理性，用Gabor濾波器來作為帶通濾波器，去除噪音，增強脊谷結(jié)構(gòu)。實現(xiàn)低通濾波： （） （）這里W是一個大小為的二維低通濾波器[5]，一般使用的均值濾波。5．方向圖平滑這里我們采用將方向圖正交分解后分別進行濾波的方法對它進行平滑，實驗證明這種方法比一般用的中值濾波和加權(quán)平滑的方法的效果好。 于是我們采用在計算方向圖時，采用塊重疊的方式。這里用簡單的梯度算子[4]：= （） （）3．用下面公式計算塊的方向， 且 （）當?shù)膲K中或為零的比率很大時，塊方向應直接設為0或，這樣塊中的每一個像素的方向都等于。 最小均方估計塊方向算法代表指紋圖像在處的灰度值步驟：1．將圖像分成大小為的塊。2．這種方向計算出的方向范圍是0～2，有利于求取指紋的走勢。對圖像中的每一點求取點方向，這樣便形成了指紋點方向圖。這兩個數(shù)的具體取值與圖像的分辨率有關(guān)，一般取N=16，即取16個方向，n=8，即一個方向上取8個鄰點。圖32 點方向示意圖 =， d=1，2，計算方向圖的基本思想是：在原灰度圖像中每一點（或每一塊在各個方向上的某個統(tǒng)計量（如灰度差、梯度等），根據(jù)這些統(tǒng)計量在各個方向上的差異，確定該點（塊）的方向。方向圖描述了指紋圖像中每一像素點所在脊線或谷線在該點的切線方向，也可看作是指紋源圖像的一種變化表示方法，既用紋線的方向來表示該紋線。在以上兩種方法都要用到方向圖，方向圖是一種可直接從原灰度圖像中得到的有用信息，在預處理、特征提取、指紋分類中有著重要意義。方法二：結(jié)合指紋圖像自身的特點以及其源圖像像素來確定該點是否為脊，直接準確地得到黑白二值的指紋脊圖像。預處理的方法通常有兩種：方法一：先求方向圖，后求頻率圖，最后由此得到的Gabor濾波器對圖像進行濾波。第3章 指紋圖像處理及特征提取與實現(xiàn) 方法概述 基于細節(jié)點特征的指紋自動識別技術(shù)是目前這方面研究中的主流，這種系統(tǒng)的實現(xiàn)有以下一些步驟如圖31： 圖31 基于細節(jié)點特征的指紋自動識別系統(tǒng)預處理是將輸入的（直接采集進來的）低質(zhì)量、有噪音的指紋源圖象處理成已細化了的清晰的二值圖像[3]。指紋識別技術(shù)已經(jīng)成熟，其應用日益普遍，除了刑事偵察用之外，在民用方面已非常廣泛，如指紋門禁系統(tǒng)、指紋考勤系統(tǒng)、銀行指紋儲蓄系統(tǒng)、銀行指紋保管箱、指紋醫(yī)療保險系統(tǒng)、計劃生育指紋管理系統(tǒng)、幼兒接送指紋管理系統(tǒng)、指紋獻血管理系統(tǒng)、證券交易指紋系統(tǒng)、指紋槍械管理系統(tǒng)、智能建筑指紋門禁管理系統(tǒng)、駕駛員指紋管理系統(tǒng)等。 本章小結(jié)本章詳細介紹了指紋識別的基本理論，是我們對指紋識別原理及處理方法有了初步的了解。在應用系統(tǒng)的設計中，要權(quán)衡易用性和安全性。盡管指紋識別系統(tǒng)存在著可靠性問題，但其安全性也比相同可靠性級別的“用戶ID+密碼”方案的安全性要高得多。主要包括拒識率和誤識率，兩者成反比關(guān)系。由于計算機處理指紋時，只是涉及了一些有限的信息，而且比對算法并不是十分精確匹配，其結(jié)果也不能保證100%準確。另外，匹配算法可靠性也不斷提高。盡管指紋只是人體皮膚的一小部分，但用于識別的數(shù)據(jù)量相當大，對這些數(shù)據(jù)進行比對是需要進行大量運算的模糊匹配算法。自動指紋識別是利用計算機來進行指紋識別的一種方法。因為每個人包括指紋在內(nèi)的皮膚紋路在圖案、斷點和交叉點上各不相同，是唯一的，并且終生不變。避免了他人用圖章或身份證復印件代領(lǐng)，而發(fā)放人員無法確定該人是故世的問題，要憑本人的活體指紋，才可準確發(fā)放養(yǎng)老金。網(wǎng)上銀行、網(wǎng)上貿(mào)易、電子商務等一系列網(wǎng)絡商業(yè)行為就有了安全性保障。近年來，互聯(lián)網(wǎng)帶給人們方便與利益已，也存在著安全問題。指紋IC卡可取代現(xiàn)行的ATM卡、制造防偽證件等。把指紋識別技術(shù)同IC卡結(jié)合起來，是目前最有前景的一個應用之一。前者可以是一個公司、部門，后者可以是一個家庭的成員、銀行的營業(yè)廳、金庫、財務部門、倉庫等機要場所。如不匹配，則顯示“不成功”或“沒有這個指紋”，門就不開。 指紋門禁系統(tǒng)和指紋考勤系統(tǒng)是開發(fā)和使用得最早的一種出入管理系統(tǒng)，包括對講指紋門禁、聯(lián)機指紋門禁、脫機指紋門禁等等。工作濕度：指紋設備正常工作時所允許的相對濕度變化范圍，一般是30%～95%。比對時間：指紋設備對兩組指紋特征模版進行比對所耗費的時間，通常要求不超過1 s。 系統(tǒng)參數(shù) 登率（error registration rate，ERR）：指的是指紋設備出現(xiàn)不能登錄及處理的指紋的概率，ERR過高將會嚴重影響設備的使用范圍，通常要求小于1%。測試所采用的樣本數(shù)越多，結(jié)果越準確。即給定一組圖像，然后依次兩兩組合，提交進行比對，統(tǒng)計總的提交比對的次數(shù)以及發(fā)生錯誤的次數(shù)，并計算出出錯的比例，就是FRR和FAR。這很容易理解，“把關(guān)”越嚴，誤識的可能性就越低，但是拒識的可能性就越高。FAR=（錯判的指紋數(shù)目／考察的指紋總數(shù)目）100%。FRR=（拒識的指紋數(shù)目／考察的指紋總數(shù)目）100%。 指紋識別技術(shù)的主要指標和測試方法 算法的精確度指紋識別系統(tǒng)性能指標在很大程度上取決于所采用算法性能。通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結(jié)果。通常手指上平均具有70個節(jié)點，所以這種方法會產(chǎn)生大約490個數(shù)據(jù)。通過指紋讀取設備讀取到人體指紋的圖像，然后要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟件建立指紋的特征數(shù)據(jù)。目前它已經(jīng)成為現(xiàn)代民用指紋識別應用中越來越受關(guān)注的熱點之一。指紋的生命特征與被測對象的生命存在與否密切相關(guān)。紋理特征多用于計算機指紋識別算法的多維分類及檢索。人類指紋的紋形特征根據(jù)其形態(tài)的不同通?？梢苑譃椤肮?、箕型、斗型”三大類型，以及“孤形、帳形、正箕形、反箕形、環(huán)形、螺形、囊形、雙箕形和雜形”等9種形態(tài)。永久性特征包括細節(jié)特征（中心點、三角點、端點、叉點、橋接點等）和輔助特征（紋型、紋密度、紋曲率等元素），在人的一生中永不會改變，在手指前端的典型區(qū)域中最為明顯，分布也最均勻。第2章 指紋識別的基本理論及應用 指紋識別的原理和方法 指紋的特征與分類指紋識別學是一門古老的學科，它是基于人體指紋特征的相對穩(wěn)定與唯一這一統(tǒng)計學結(jié)果發(fā)展起來的。同時，針對構(gòu)建的簡單指紋圖像數(shù)據(jù)庫具有較好的識別效果，并考慮指紋門禁控制系統(tǒng)的實時性；⑸、參照國內(nèi)外同行取得的研究成果，不斷改進算法模型。不難想象，基于這種方法的識別算法，很難全面適應指紋的變化。當噪聲很大時，就要增加圖像增強算法來改善圖像的質(zhì)量，但很難找到一種增強算法能夠適應所用的噪聲，多種增強算法又會大幅增加算法運行時間，不好的增強算法又會增加人為特征。指紋圖像濾波增強的目的是將有噪聲干擾的指紋圖像變得更加清晰，使得指紋圖像的脊線更黑，谷線更白，當前在實際指紋圖像增強算法的應用中一般是幾種濾波增強方式結(jié)合起來使用，主要的方案是基于傅里葉變換結(jié)合濾波和指紋圖像點方向場的下上下濾波器；指紋圖像二值化，是將指紋圖像變成灰度值只有0和255兩種顏色的圖像，當前，在自動指紋識別中常采用的是根據(jù)指紋圖像的點方向場在指紋紋線方向和指紋紋線垂直方向上對指紋圖像進行二值化處理；指紋圖像細化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度，目前在自動指紋識別技術(shù)中常用的是OPTA算法的改進的圖像模板細化算法；指紋特征提取，是將細化后使用計算機數(shù)字圖像處理技術(shù)采集指紋圖像中奇異點、端點、叉點等指紋特征數(shù)據(jù)，目前常用的特征提取算法是先對細化后的指紋圖像進行初步去噪，然后提取特征點，再根據(jù)閾值去除偽特征點；指紋匹配，是指紋預留模板圖像與輸入樣板圖像中的所有特征點的匹配，目前在自動指紋識別系統(tǒng)中常采用可變大小的界限盒的指紋特征匹配算法