【正文】 提出將指紋與人臉識(shí)別的結(jié)果融合；于2000年提出確定每個(gè)用戶的特定參數(shù)的方法將指紋、臉像和手形的識(shí)別結(jié)果融合，并在2001年對(duì)多生物特征識(shí)別作了概述。2007年11月，美國(guó)國(guó)土安全部宣布所有入境美國(guó)的非美國(guó)公民都要接受數(shù)字拍照及雙手十指指紋掃描。2009年，美國(guó)成功對(duì)指紋識(shí)別系統(tǒng)進(jìn)行了更新的研究【2】。此后我國(guó)相繼開展了指紋的應(yīng)用及研究,還曾建立過(guò)“指紋學(xué)會(huì)”。全國(guó)解放后,我國(guó)對(duì)指紋研究一直比較重視。這可以說(shuō)是我國(guó)指紋的科學(xué)時(shí)期。中科院自動(dòng)化所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室自90年代以來(lái)，一直致力于“基于生物特征的身份鑒別”的研究，在指紋、虹膜、臉相識(shí)別等方面取得了很多的研究成果。另外，自九十年代初以來(lái)，我國(guó)的北大方正集團(tuán)、長(zhǎng)春鴻達(dá)集團(tuán)、西安青松集團(tuán)等機(jī)構(gòu)分別以所在地高校為技術(shù)依托，陸續(xù)開展了這方面的研究工作。2002年，清華大學(xué)實(shí)現(xiàn)了在海量數(shù)據(jù)庫(kù)上的人臉和指紋綜合識(shí)別系統(tǒng)，在識(shí)別的過(guò)程采用的融合策略是先用人臉特征進(jìn)行比對(duì)得到前n個(gè)候選，然后在這個(gè)范圍內(nèi)用指紋特征再進(jìn)行比對(duì)。2009年中北大學(xué)信息與通信工程學(xué)院提出了一種基于傅立葉變換的指紋圖像增強(qiáng)技術(shù)，大大提高了圖像的清晰度。 研究現(xiàn)狀分析現(xiàn)在國(guó)內(nèi)外指紋識(shí)別大都采用基于細(xì)節(jié)特征點(diǎn)的指紋識(shí)別技術(shù)，即采用基于圖像處理的指紋識(shí)別算法，其中比較有代表性的有兩種。指紋識(shí)別作為一種熱門的生物識(shí)別技術(shù)受到越來(lái)越多人的關(guān)注，國(guó)內(nèi)外許多機(jī)構(gòu)和學(xué)者都采用了很多不同的算法對(duì)指紋圖像進(jìn)行預(yù)處理和匹配。 本文研究的主要內(nèi)容及工作安排 研究的主要內(nèi)容通過(guò)閱讀大量的文獻(xiàn)資料，本文深入研究了指紋識(shí)別算法所包含的主要方面：指紋圖像預(yù)處理：全文研究的重點(diǎn)是指紋圖像預(yù)處理算法。本文采用灰度分割法對(duì)質(zhì)問(wèn)圖像進(jìn)行分割。通過(guò)自適應(yīng)二值化的方法處理指紋圖像，最后再對(duì)圖像進(jìn)行細(xì)化以及去除毛刺，斷裂等干擾。由于經(jīng)過(guò)預(yù)處理后的細(xì)化圖像上存在大量的偽特征點(diǎn)，所以提取大量的偽特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大大降低，還使指紋識(shí)別性能急劇下降，造成識(shí)別系統(tǒng)的誤拒率和誤識(shí)率的上升，因此在進(jìn)行指紋匹配之前，盡可能將偽特征點(diǎn)去除，針對(duì)提取出指紋細(xì)節(jié)特征點(diǎn)含有大量的偽特征這一問(wèn)題，提出了一種邊緣信息判別法，有效地去除了邊界偽特征點(diǎn)，再根據(jù)脊線結(jié)構(gòu)特性去除其毛刺和短脊等偽特征點(diǎn)，顯的減少了偽特征點(diǎn)。特征匹配是識(shí)別系統(tǒng)的關(guān)鍵環(huán)節(jié)，匹配算法的好壞直接影響識(shí)別的性能、速度和效率。 工作安排本論文共分四章，每章的主要安排如下：第一章為緒論部分，第一章緒論。比對(duì)其研究現(xiàn)狀進(jìn)行分析。簡(jiǎn)單介紹了指紋識(shí)別的工作流程，以及指紋識(shí)別的基本原理，包括指紋結(jié)構(gòu)特征、分類方式等。第四章對(duì)指紋圖像進(jìn)行特征提取與匹配。對(duì)指紋細(xì)節(jié)特征提取算法進(jìn)行了簡(jiǎn)單的介紹，并對(duì)提取出的特征點(diǎn)進(jìn)行匹配。第2章 指紋識(shí)別的組成及原理分析 指紋識(shí)別系統(tǒng)的組成指紋識(shí)別技術(shù)是指使用取像設(shè)備讀取指紋圖像，通過(guò)識(shí)別軟件提取出指紋圖像中的特征數(shù)據(jù)，然后根據(jù)匹配算法得到的結(jié)果鑒別指紋所有人身份的生物特征識(shí)別技術(shù)。系統(tǒng)流程框圖如圖1－1所示。指 紋預(yù)處理指 紋特征提取指　紋匹　配指 紋識(shí) 別指紋庫(kù)圖1－1指紋識(shí)別系統(tǒng)流程圖 指紋識(shí)別的基本原理 指紋的基本特征指紋其實(shí)是比較復(fù)雜的。多年來(lái)在各個(gè)公司及其研究機(jī)構(gòu)產(chǎn)生了許多數(shù)字化的算法（美國(guó)有關(guān)法律認(rèn)為，指紋圖象屬于個(gè)人隱私，因此不能直接存儲(chǔ)指紋圖象）。指紋識(shí)別系統(tǒng)中，通常采用全局和局部?jī)煞N層次的結(jié)構(gòu)特征。 全局特征全局特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環(huán)型（loop）,弓型（arch）,螺旋型（whorl）如圖2－1所示。僅僅依靠圖案類型來(lái)分辨指紋是遠(yuǎn)遠(yuǎn)不夠的，這只是一個(gè)粗略的分類，但通過(guò)分類使得在大數(shù)據(jù)庫(kù)中搜尋指紋更為方便。有的指紋識(shí)別算法只使用模式區(qū)的數(shù)據(jù)。圖2－2模式區(qū) 核心點(diǎn)位于指紋紋路的漸進(jìn)中心，它在讀取指紋和比對(duì)指紋時(shí)作為參考點(diǎn)。核心點(diǎn)對(duì)于Secure Touch的指紋識(shí)別算法很重要，但沒有核心點(diǎn)的指紋它仍然能夠處理，如圖2－3所示。三角點(diǎn)提供了指紋紋路的計(jì)數(shù)跟蹤的開始之處，如圖2－4所示。在計(jì)算指紋的紋數(shù)時(shí)，一般先在連接核心點(diǎn)和三角點(diǎn)，這條連線與指紋紋路相交的數(shù)量即可認(rèn)為是指紋的紋數(shù),如圖2－5所示。兩枚指紋經(jīng)常會(huì)具有相同的總體特征，但它們的局部特征特征點(diǎn)，卻不可能完全相同。這些斷點(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)就稱為“特征點(diǎn)”。指紋上的節(jié)點(diǎn)有四種不同特性：特征點(diǎn)的分類有以下幾種類型，最典型的是終結(jié)點(diǎn)和分叉點(diǎn)。圖2－6終結(jié)點(diǎn)分叉點(diǎn)（Bifurcation）：一條紋路在此分開成兩條或更多的紋路，如圖2－7所示。圖2－8分歧點(diǎn)孤立點(diǎn)（Dot or Island）：一條特別短的紋路，以至于成為一點(diǎn)，如圖2－9所示。圖2－10環(huán)點(diǎn)短紋（Short Ridge）：一端較短但不至于成為一點(diǎn)的紋路，如圖2－11所示。曲率（Curvature）：描述紋路方向改變的速度。 指紋識(shí)別的一般算法（1） 指紋圖象預(yù)處理在指紋識(shí)別過(guò)程中，輸入的指紋圖像由于各種原因的影響，是一幅含噪聲較多的灰度圖像，預(yù)處理的目的就是去除圖像中的噪聲，使圖像畫面清晰，邊緣明顯，把它變成一幅清晰的點(diǎn)線圖，以便于提取正確的指紋特征。預(yù)處理一般分為四步進(jìn)行：圖像分割、圖像濾波、二值化和細(xì)化。由于有的原始圖像跟其背景區(qū)域相混合，在背景和指紋圖像之間存在一道白色區(qū)域，所以需要對(duì)原始指紋圖像進(jìn)行背景分離，消除最外面的邊框。其次，指紋預(yù)處理過(guò)程中最重要的一步就是對(duì)指紋圖像進(jìn)行濾波去噪，它是指紋圖像預(yù)處理需要解決的核心問(wèn)題。再次，圖像經(jīng)濾波處理后，其中的紋線(脊)部分得到了增強(qiáng)，不過(guò)脊的強(qiáng)度并不完全相同，表現(xiàn)為灰度值的差異。最后，指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識(shí)別只對(duì)紋線的走向感興趣，不關(guān)心它的粗細(xì)。細(xì)化時(shí)應(yīng)保證紋線的連接性，方向性和特征點(diǎn)不變，還應(yīng)保持紋線的中心基本不變。指紋的特征可以反映不同的指紋相互之間相似的程度。這些所有的指紋特征信息構(gòu)成了龐大的指紋特征集合。原始指紋圖像經(jīng)預(yù)處理后得到的是一幅細(xì)化的二值圖像，下一步要做的工作就是對(duì)細(xì)化后的圖像進(jìn)行特征提取，得到可以識(shí)別不同指紋的關(guān)鍵特征。為了比對(duì)的準(zhǔn)確性，要求特征提取算法盡可能多地提取有效特征，同時(shí)濾除由各種原因造成的虛假特征。如何準(zhǔn)確高效的提取指紋特征是指紋細(xì)節(jié)特征提取要開展的工作，或者說(shuō)是采取什么樣的步驟和方法，是后面指紋匹配工作的基礎(chǔ)。由于各種因素的影響，同一指紋兩次輸入所得的特征模板很可能不同。于是產(chǎn)生了有關(guān)衡量標(biāo)準(zhǔn)的問(wèn)題。當(dāng)匹配度大于某一閾值時(shí)，認(rèn)為兩指紋匹配；相反，當(dāng)小于該閾值時(shí)，認(rèn)為不匹配。 本章小結(jié)本章對(duì)指紋識(shí)別原理及指紋識(shí)別系統(tǒng)作了簡(jiǎn)單的介紹，介紹了指紋基本的分類方式、全局特征、局部特征等基本的指紋識(shí)別原理；并且對(duì)指紋識(shí)別各個(gè)階段的算法進(jìn)行詳細(xì)的分析與介紹，目的在于使讀者對(duì)指紋識(shí)別系統(tǒng)的組成、識(shí)別原理和技術(shù)等方面有一個(gè)總體認(rèn)識(shí)，為后面的理論研究提供現(xiàn)實(shí)基礎(chǔ)。這主要由于平時(shí)的工作和環(huán)境引起的，比如，手指被弄臟，手指有刀傷、疤、痕、干燥、濕潤(rùn)或撕破等。想得到比較干凈清晰的圖象并不是容易的事情。有很多圖象增強(qiáng)的方法。圖象首先分成幾個(gè)小區(qū)域（窗口），并在每個(gè)區(qū)域上計(jì)算出脊的局部方向來(lái)決定方向圖。設(shè)計(jì)合適的，相匹配的濾鏡，使之實(shí)用于圖象上所有的象素（空間場(chǎng)是其中的一個(gè)）。后者含有橫跨脊的噪音，所以其垂直于脊的局部方向上的那些不正確的“橋”會(huì)被濾鏡過(guò)濾掉。圖象增強(qiáng)，噪音減弱后，我們準(zhǔn)備開始選取一些脊。二元操作使一個(gè)灰階圖象變成二元圖象，圖象在強(qiáng)度層次上從原始的256色降為2色。二元化的困難在于，并不是所有的指紋圖象有相同的閥值，所以一般不采取從單純的強(qiáng)度入手，而且單一的圖象的對(duì)照物是變化的，比如，手在中心地帶按的比較緊。在節(jié)點(diǎn)提取之前的最后一道工序是“細(xì)化（thinning）”。一個(gè)好的細(xì)化方法是保持原有脊的連續(xù)性，降低由于人為因素所造成的影響。認(rèn)識(shí)到合法的和不合法的節(jié)點(diǎn)后，在特征提取階段排除這些節(jié)點(diǎn)。圖像的預(yù)處理大致可以劃分為以下幾步：分割、平滑濾波、二值化和細(xì)化。對(duì)指紋圖像進(jìn)行分割處理，消除剩下的背景區(qū)域。b．對(duì)指紋圖像進(jìn)行分塊，將其分為的小塊，如果是背景區(qū)域，其灰度的方差較小，而前景區(qū)的指紋圖像的方差較大，所以對(duì)每個(gè)小塊求其方差，再設(shè)定一個(gè)閾值，小于閾值的方塊區(qū)域設(shè)置為背景區(qū)域，將其灰度值設(shè)定為255，而大于閾值的區(qū)域的灰度值保持不變，從而可以將指紋圖像從背景區(qū)域很好的分離。指紋圖像二值化作為指紋預(yù)處理過(guò)程的一部分，是進(jìn)行指紋圖像細(xì)化處理的基礎(chǔ)。對(duì)指紋圖像二值化的好處在于使得圖像的幾何性質(zhì)只0和1的位置有關(guān)，不再涉及像素的灰度值，使處理變得簡(jiǎn)單，這給存儲(chǔ)和處理帶來(lái)了很大的方便，同時(shí)也提高了系統(tǒng)的經(jīng)濟(jì)實(shí)用。反之，如果該階段引入噪聲，就會(huì)直接降低圖像質(zhì)量，影響識(shí)別精度。具體要求為：1．脊線中不出現(xiàn)空白；2．二值化后的脊線基本保持原來(lái)指紋的特征；3．指紋的紋線不應(yīng)有太多的間斷和相連；4．指紋紋線間的間距應(yīng)大致相同。然后進(jìn)行二值化過(guò)程，變成二值圖像。這里我們使用自適應(yīng)閾值二值化的思想，對(duì)每塊指紋圖像，選取的閾值應(yīng)盡量使該塊圖像內(nèi)大于該閾值的像素點(diǎn)數(shù)等于小于該閾值的像素點(diǎn)數(shù)。自適應(yīng)閾值算法【9】首先是利用固定閾值算法的思想，然后根據(jù)圖像中每一部分的明暗度來(lái)調(diào)整閾值。這種算法充分利用了指紋圖中脊線與谷線寬度大致相同的特點(diǎn)，即二值化后黑白像素的個(gè)數(shù)也應(yīng)大致相同，首先利用固定閾值算法的特點(diǎn)對(duì)指紋圖像中的每塊確定一個(gè)大致的閾值，然后再利用自適應(yīng)的思想對(duì)閾值進(jìn)行準(zhǔn)確的調(diào)整，即閾值的取值合適時(shí)圖像是最光滑的，既沒有“黑洞”閾值過(guò)大，也沒有“白點(diǎn)”閾值過(guò)小，所以0－1之間的轉(zhuǎn)換次數(shù)最少。在綜合考慮算法速度和處理效果兩方面的條件下，本文分塊尺寸為88；為塊的灰度平均值．見式（3－3）： （3－3）2．計(jì)算區(qū)域內(nèi)的和的值，=灰度值大于等于的像素點(diǎn)的個(gè)數(shù)。自適應(yīng)閾值二值化的流程圖如圖3－2所示：計(jì)算每塊的灰度均值T計(jì)算該塊參數(shù)Nh和NlT為該塊閾值根據(jù)閾值T對(duì)該塊進(jìn)行二值化：灰度值T置255；灰度值T置0圖3－2自適應(yīng)閾值二值化流程圖圖3－2中為該塊指紋圖像的平均灰度值、分別為第塊指紋圖像中灰度值大于等于和小于的像素點(diǎn)數(shù)，是分塊尺寸（像素）。細(xì)化方法不同,細(xì)化結(jié)果就有差異。紋線中除去特征點(diǎn)以外,每個(gè)像素均只與相鄰兩個(gè)像素為八鄰域,抹去任意一像素都將破壞紋線的連接性。目前為止,關(guān)于細(xì)化方法的研究工作已有很多成果,所采用的方法從使用的觀點(diǎn)來(lái)看,比較多的是采用模板匹配的方法(如迭代法、OPTA單連通法等)。從處理的過(guò)程來(lái)看,主要可以分為串行和并行兩類,前者對(duì)圖像中當(dāng)前像素處理依據(jù)其鄰域內(nèi)像素的即時(shí)化結(jié)果,且不同的細(xì)化階段采用不同的處理方法。對(duì)于任意形狀的區(qū)域，細(xì)化實(shí)質(zhì)上是腐蝕操作的變體，細(xì)化過(guò)程中要根據(jù)每個(gè)像素點(diǎn)的八個(gè)相鄰點(diǎn)的情況來(lái)判斷該點(diǎn)是否可以剔除或保留?？偨Y(jié)上圖，有如下的判據(jù)：(1)內(nèi)部點(diǎn)不能刪除；(2)孤立點(diǎn)不能刪除；(3)直線端點(diǎn)不能刪除；(4)如果P是邊界點(diǎn)，去掉P后，如果連通分量不增加，則P可以刪除。我們根據(jù)某點(diǎn)的八個(gè)相鄰點(diǎn)的情況查表，若表中的元素是1，則表示該點(diǎn)可刪，否則保留?？紤]當(dāng)前像素點(diǎn)的各種八鄰域的情況，我們可以得到一個(gè)細(xì)化操作查找表，該表在下面的細(xì)化算法中詳細(xì)介紹。以上的步驟是在一個(gè)33鄰域內(nèi)運(yùn)算，可以通過(guò)查表實(shí)現(xiàn)細(xì)化的操作?！? （5）圖像從頭至尾掃描二遍后，如果該次掃描修改了圖像中的點(diǎn)，則跳轉(zhuǎn)至步驟二，開始新的一輪掃描。為了是圖像能過(guò)更加清晰的展現(xiàn)出來(lái)，我們把分割后的指紋圖像背景換為白色背景。 實(shí)驗(yàn)結(jié)果 原始圖像（a－１） 原始圖像（b－１）圖3－5 原始圖像 分割圖像（a－２） 分割圖像（b－２）圖36 分割后的圖像 二值化圖像（a－３） 二值化圖像（b－３）圖3－7二值化后的圖像 細(xì)化圖像（a－４） 細(xì)化圖像（b－４）圖3－8細(xì)化后的圖像 本章小結(jié)本章主要介紹了指紋圖像預(yù)處理各個(gè)步驟的原理及實(shí)現(xiàn)，對(duì)各步驟的算法進(jìn)行研究與實(shí)現(xiàn)，給出了各個(gè)算法的結(jié)果。第4章 指紋圖像特征提取與匹配 指紋圖像特征提取 指紋圖像特征提取的方法細(xì)節(jié)特征提取的方法分為兩種：一種是從灰度圖像中提取特征，另一種是從細(xì)化二值圖像中提取特征。這種方法省去了復(fù)雜的指紋圖像預(yù)處理過(guò)程，但是特征提取的算法卻十分復(fù)雜,而且由于噪聲等因素影響，特征信息（位置、方向等）也不夠準(zhǔn)確。特征點(diǎn)提取的好壞將直接影響匹配的結(jié)果。偽特征點(diǎn)不僅會(huì)影響匹配的速度，嚴(yán)重的會(huì)影響整個(gè)識(shí)別的正確率。實(shí)踐中發(fā)現(xiàn)，偽特征點(diǎn)的數(shù)量一般占總特征數(shù)量的一半以上，所以去偽是必不可少的過(guò)程。前者直接對(duì)圖像進(jìn)行修補(bǔ)，操作比較復(fù)雜，容易引入新的偽特征；后者對(duì)特征提取后的數(shù)據(jù)進(jìn)行判斷，識(shí)別比較麻煩，但是速度較快本文采用第二種方法，即從已提取的特征點(diǎn)中濾除偽特征，保留真特征【10】。模板匹配法有運(yùn)算量小、速度快的優(yōu)點(diǎn)。端點(diǎn)和分叉點(diǎn)是建立在對(duì)8鄰點(diǎn)的統(tǒng)計(jì)分析基礎(chǔ)之上的，則在八鄰域的所有狀態(tài)中，滿足端點(diǎn)特征條件的有8種，滿足分叉點(diǎn)特征條件的有9種。對(duì)于細(xì)化圖像上的任意點(diǎn)P，其交叉數(shù)定義見式4－1，P點(diǎn)的八鄰域黑點(diǎn)數(shù)定義見式4－2： （4－1） （4－2）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)黑點(diǎn),該點(diǎn)就是脊線跟蹤的下一點(diǎn)；(2)對(duì)脊線中間連續(xù)點(diǎn)，因?yàn)榘肃徲蛑挥袃蓚€(gè)黑點(diǎn),除去上一個(gè)被跟蹤的點(diǎn)，下的一點(diǎn)即為下一個(gè)待跟蹤點(diǎn)；(3)設(shè)集合，記錄下端點(diǎn)或分叉點(diǎn)的橫坐標(biāo)，縱坐標(biāo)，及特征點(diǎn)的類型是特征點(diǎn)的角度跟蹤結(jié)束條件。端線及分支線的角度求法為：即從一個(gè)特征的位