【正文】 識別系統(tǒng) [4]。主要表浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 3 現(xiàn)在： (1)指紋錄入設(shè)備的質(zhì)量還不太過關(guān)： (2)自動指紋識別算法研究水平還有待提高 ，在應(yīng)用上的表現(xiàn)為產(chǎn)品適應(yīng)性和易用性較差，對干、濕一些的指紋往往不能正確區(qū)別，對指紋錄入時的旋轉(zhuǎn)、平移比較敏感。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個重要性質(zhì)： ①廣泛性，指每一個正常的人都有指紋。指紋的細(xì)節(jié)由細(xì)微紋點(diǎn)和紋線的起點(diǎn)、終點(diǎn)、分叉等組成。 ③終生不變性，指紋終身不變即指紋的圖案永遠(yuǎn)不會改變，從人的出現(xiàn)到死后的分解為止 (除非指紋受到傷害 )。 指紋的使用比起其它證卡來說更快捷、安全、準(zhǔn)確、無干擾，可實(shí)現(xiàn)快速登錄注冊，系統(tǒng)兼容性好，也就是說可以獨(dú)立或者通過聯(lián)網(wǎng)構(gòu)成系統(tǒng)并且很容易并入各類證卡和定義識別系統(tǒng)中。 在實(shí)際應(yīng)用中，有相當(dāng)一部分要處理的指紋圖像的質(zhì)量是比較差的。論文涉及指紋的圖像分割、細(xì)化和匹配。要想使設(shè)計的細(xì)節(jié)特征提取算法能夠?qū)Φ唾|(zhì)量指紋圖像也能可靠工作，目前看來還是一件難度很大的事情。 指紋匹配算法的性能主要決定于所提取到的特征點(diǎn)的數(shù)目、位置和相互關(guān)系的可靠性。 計算復(fù)雜性是自動指紋識別技術(shù)中一個重要的研究課題。 指紋識別中若干關(guān)鍵問題研究 4 本論文的內(nèi)容及安排 本文以研究指紋識別中指紋圖像分割、細(xì)化、特征提取、匹配等若干問題為研究主體，針對指紋識別技術(shù)中分割、細(xì)化和匹配進(jìn)行了仿真和修正。具體的章節(jié)和各章的內(nèi)容安排如下： 第一章：在介紹本論文的研究意義，在指紋識別技術(shù)的現(xiàn)狀 和特點(diǎn)的基礎(chǔ)上，確定了本文所做的主要工作。 第三章：介紹了指紋圖像細(xì)化的方法并仿真得到結(jié)果。 第五章：介紹了指紋圖像匹配的概念、匹配問題的困難所在和常用方法，給出了一種修改基礎(chǔ)上驗(yàn)證用的匹配方法。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 5 第 2 章 指紋圖 像的分割 指紋圖像分割概述 在指紋識別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。圖像特征是指紋圖像的固有屬性 ,如灰度值 ,鄰域關(guān)系 ,紋線的扭曲程度等。通過提取圖像特征 ,可將原始圖像映射到特征空間 ,使圖像特征在特征空間中呈現(xiàn)一定的分布 [6]。 基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法 。所不同的是傅里葉變換采用時間屬于 (一∞， +∞ )的諧波函數(shù) )exp(inx 作為基函數(shù)，而小波變換的基函數(shù)是具有緊支集的母函數(shù) ? (t)，通過對母函數(shù) ? (t)進(jìn)行伸縮和平移得到一個小波序列： ? ? ?????? ?? a btatba ?? 1, Rba?, ； 0?a 式中 a 為伸縮因子， b 為平移因子。 ? ? ? ? dta bttfafba Rbaf ? ?????? ??? ? *21,W ?? （ 1） dadba btbaWa f? ? ?????? ??????? ?? ),(1C 1 2 （ 2） 計算機(jī)中的圖像信息是以離散信號形式存放的，在信號處理中，特別是在數(shù)字信號處理和數(shù)值計算等方面，為了計算機(jī)實(shí)現(xiàn)的方便，連續(xù)小波必須進(jìn)行離散化，而最基本的離 散化方法就是二進(jìn)制離散，一般將這種經(jīng)過離散化的小波及其變換叫做二進(jìn)小波和二進(jìn)變換。 在指紋識別識別中使用小波變換有助于噪聲的濾除以及有利于檢測奇異點(diǎn)。 另一種閾值分割就是簡單地用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認(rèn)為圖像中灰度在同一個灰度類內(nèi)的像素屬同一物體。其原理是先定一個閾值，大于此值為 1，小于則認(rèn)為為 0；多閥 值則可以利用多維函數(shù)。其優(yōu)點(diǎn)是計算簡單，僅需比較灰度值即可；運(yùn)算效率較高，速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對于圖像中不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果 [8]。其中塊指的是將圖像分個成一個個小的圖像塊。一般來說，常見的方向場的計算分為掩模法和公式法兩大類。 ? ? ? ? ? ? ? ? ? ? )1,1()1,(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjix? ? ? ? ? ? ? ? ? ? )1,1(),1(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjiy? ? ),(,2),( 2/ 2/ 2/ 2/ vuvujir wi wi wj wjx ? ??? ?? ??? （ 1） ? ? 22/ 2/ 2/ 2/ 2 ),(,),( vuvujir wi wi wj wjy ? ??? ?? ???? （ 2） 它是利用正交坐標(biāo)系下，原點(diǎn)到它們組成的坐標(biāo)點(diǎn)的有向線段與 X 的正半軸的夾角可來表示該子塊的塊方向。此方法的實(shí)現(xiàn)是利用方向?yàn)V波器。全局的圖像分割可以是人工選定幾個特定點(diǎn)后再根據(jù)全局的特點(diǎn)來處理，此法也可運(yùn)用于匹配。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 7 均值方差法 在圖像分割概述中，已經(jīng)提到基于塊特征的指紋圖像分割。 該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分成塊，計算每一塊的方差，如果 該塊的方差小于閾值為背景，否則為前景。 (2)計算出每一塊的均值和方差。 ? ?? ???? 1H 0 10 ),(LH 1A V E i Lj jiI （ ） 21H010 A V E),( LH1V A R ）（? ?????? iLj jiI （ ） (3)如果計算得到的方差幾乎接近 于 0就認(rèn)為是背景，對于方差不為零的區(qū)域在進(jìn)行閾值分割算法，這種算法主要是根據(jù)計算得到的方差來決定其是否為背景區(qū)。歸一化 [11]的目的是把不同原圖像的對比度和灰度調(diào)整到一個固定的級別上，為后續(xù)處理提供一個較為統(tǒng)一的圖像規(guī)格。 ????????????V A RA V EyxIV A RV A RA V EyxIV A Ryx200200)),((AV E)),((AV E),I （ （ ） 其中 0AVE 和 0VAR 為期望的灰度 均值和方差。指紋來自于指紋數(shù)據(jù)庫，為了驗(yàn)證這種分割方法的適用性，從數(shù)據(jù)庫中挑選了指紋識別中若干關(guān)鍵問題研究 8 2 幅差異較大的指紋圖像。下面的圖像為指紋圖像歸一化和分割結(jié)果。在歸一化處理降頻和通過區(qū)域均值方差的后得到的圖像條紋清晰，輪廓分明，對于后面的細(xì)化和匹配有很大的幫助。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 9 第 3 章 指紋圖像的細(xì)化 指紋圖像細(xì)化的預(yù)處理 這部分預(yù)處理主要為二值化?；叶葓D像二值化是將灰度圖變換為只有黑和白兩種灰度的圖像?；叶葓D二值化的基本思想是選取適當(dāng)?shù)幕叶乳u值，將灰度圖像轉(zhuǎn)化為二值圖像，閾值的選擇是關(guān)鍵，對于閾值的選擇，有多種方法，如熵法， Ostu 法等。 灰度圖二值化的基本思路是選取適當(dāng)?shù)幕叶乳撝担瑢⒒叶葓D像轉(zhuǎn)化為二值圖像。我們通過研究發(fā)現(xiàn)，這種方法雖然簡單，但是對噪聲較大，圖像質(zhì)量不好的指紋會產(chǎn)生較大的二值化噪聲。 論文中采用了一種動態(tài)局部閾值，滿足這種條件下的灰度值為 128，不滿足則灰度值為 255。背景和灰度值為 255的紋線像素置為 1，這做法的目的是去除不確切的點(diǎn)。 二值化后的圖像中的點(diǎn)還要進(jìn)行修改，修改條件為：當(dāng)像素為 1 時，它周圍點(diǎn)不大于 3 個為像素 1 點(diǎn)則修改為 0；當(dāng)像素為 0 時，它周圍不小于 7 個點(diǎn)為像素 1 的點(diǎn)，則修改為 1。 指紋圖像細(xì)化方法計算 由于灰度過渡區(qū) [12]的存在， 指紋細(xì)化是指紋圖像預(yù)處 理中的一個重要環(huán)節(jié)，因?yàn)橐话愕奶卣魈崛《际窃诩?xì)化的基礎(chǔ)上進(jìn)行的，如果細(xì)化不好，將無法使用常規(guī)的特征指紋識別中若干關(guān)鍵問題研究 10 提取算法提取細(xì)節(jié)特征信息 [13]。所謂“骨架”，是指圖像中央的骨骼部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要方法之一。在文字識別、地質(zhì)構(gòu)造識別、工業(yè)零件形狀識別或圖像理解中，先對被處理圖像進(jìn)行細(xì)化有助于突出形狀特點(diǎn)和減少冗余信息。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中間位置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。 (2)連通性；不破壞紋線的連接性。 (4)保持性：保護(hù)指紋的細(xì)節(jié)特征。 (6)中軸性：骨架盡可能接近條紋中心線。 已有的算法迭代按迭代方式的不同分為串行算法和并行算法。并行細(xì)化算法對圖像進(jìn)行細(xì)化時利用相同的條件同時檢測所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。 Suen 細(xì)化算以及 ZR細(xì)化算法等等。 不同的文獻(xiàn)上有不同的關(guān)于細(xì)化方法，如 王家隆等 [16]以及王業(yè)琳等 [17]的細(xì)化模板。因而細(xì)化中選擇一個好的模板很關(guān)鍵。這樣就可以將較粗的圖像曲線細(xì)化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 11 的高效進(jìn)行。 （ 2）對于滿足 6 種情況的模板，賦值為 2 ，其實(shí)為像素 1 情況。 （ 3） 16 種消去模板是在不滿足上述情況下衍生的模板，對于滿足這些模板的點(diǎn)像素全為 0，以上都未涉及的點(diǎn)不做改變。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， Window 7 操作系統(tǒng)， 的仿真軟件環(huán)境下，先對分割好的圖像進(jìn)行二值化處 理，簡化后面的細(xì)化計算。 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 31 指紋 1 的細(xì)化結(jié)果 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細(xì)化圖像 圖 32 指紋 2 的細(xì)化結(jié)果 指紋識別中若干關(guān)鍵問題研究 12 從分割后的二值化處理圖像中，我們可以看到，整個灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮 數(shù)據(jù)量和細(xì)化的實(shí)現(xiàn)。所以在特征提出前還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運(yùn)算的速度。對于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來修改判定模板來決定這個點(diǎn)的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡化模板，又提高運(yùn)算速度，這點(diǎn)還可以有很大的深入研究。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識別建立一個良好的基礎(chǔ)，以保證整個系統(tǒng)識別率比較高。一般說來，這種特征應(yīng)有以下性質(zhì)： (1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。 (3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要盡量小，便于存儲、管理和計算。 對于特征點(diǎn)提取的常用算法很多，如： (1)基于二值化的特征提取方法：這種算法對于預(yù)處理和增強(qiáng)后得指紋圖像進(jìn)行二值化，然后再提取特征點(diǎn)。 (3)基于細(xì)化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細(xì)化圖像，通過細(xì)化圖像提取特征點(diǎn)。 Galton 提出的指紋細(xì)節(jié)點(diǎn)是人工指紋 匹配中最常用的特征。Galton[18]定義了 4 種細(xì)節(jié)點(diǎn)類型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于指紋匹配。提取出的特征點(diǎn)還必須經(jīng)過偽特征點(diǎn)的去除，盡可能地去除 掉由于二值化、細(xì)化處理等過程引入的偽特征點(diǎn)。 指紋識別中若干關(guān)鍵問題研究 14 本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開。對于細(xì)化二值圖像，像素點(diǎn)的灰度值只有 2 種情況。 去除偽特征點(diǎn)是特征提取要解決的一個重要問題。 本章中將特征建立為一個 3 維數(shù)組，前兩組用于記錄端點(diǎn)和分叉點(diǎn)。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的 8 鄰域法。此時的處理為記錄數(shù)組 2，記錄點(diǎn)的個數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。此時的處理為記錄數(shù)組 1，在上述基礎(chǔ)上記錄點(diǎn)的個數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。 （ 3）偽特征的判斷比較多 ,全部計入數(shù)組 3。此時把它和周圍 8 點(diǎn)記為 0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個數(shù)。第三類為斷點(diǎn)：在上述的范圍內(nèi)，特征值為 2。處理方式為把它和周圍 8 點(diǎn)置為 0，在上述基礎(chǔ)上減去 2 倍的斷點(diǎn)數(shù)。因?yàn)橹讣y變化多的部分為中間，所以處理的范圍比斷點(diǎn)來的范圍小，并且在特征值為 2 的情況下僅僅是縮小范圍再次判 斷特征值，這點(diǎn)就不相同了。第五類為小橋。此時該點(diǎn)則被視為小橋。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， Window 7 操作系統(tǒng)， 的仿真軟件環(huán)境下， 根據(jù)上部分的判斷方法決定的特征點(diǎn)和偽特征點(diǎn)，代碼運(yùn)行顯示結(jié)果如下。在匹配前還需對毛刺、小橋等偽特征點(diǎn)加以識別和處理，這樣有助于后面匹配的進(jìn)行，使匹配更加精確無誤和快速。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。指紋匹配是自動指紋識別的最后一步，也是非常關(guān)鍵的一步。基于特征點(diǎn)的匹配算法具有簡單、快速、魯棒性等優(yōu)點(diǎn)。它利用脊線上的端點(diǎn)和分叉點(diǎn)這兩種關(guān)鍵點(diǎn)來鑒定指紋。點(diǎn)匹配算法是通過某些變換，如平移變換、旋轉(zhuǎn)變化