【正文】 理、指紋特征提取原理和指紋特征匹配原理四大部分。其原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，以得到不同的反饋信號(hào)，根據(jù)反饋信號(hào)的量值來(lái)繪成指紋圖像。在圖像處理中一般由規(guī)格化、方向圖的就算、濾波幾個(gè)方面組成。（4）指紋特征匹配的過(guò)程就是，對(duì)當(dāng)前輸入指紋圖像的經(jīng)過(guò)前面所述3步產(chǎn)生的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)內(nèi)的信息進(jìn)行比較以驗(yàn)證是否屬于同一個(gè)指紋圖像。 神經(jīng)網(wǎng)絡(luò)技術(shù)簡(jiǎn)介人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，縮寫(xiě)ANN），簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)（neural network，縮寫(xiě)NN），是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱“神經(jīng)元”，或“單元”，）和之間相互聯(lián)接構(gòu)成。每?jī)蓚€(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過(guò)該連接信號(hào)的加權(quán)值，稱之為權(quán)重（weight），這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。人工神經(jīng)網(wǎng)絡(luò)通常是通過(guò)一個(gè)基于數(shù)學(xué)統(tǒng)計(jì)學(xué)類型的學(xué)習(xí)方法（Learning Method）得以優(yōu)化，所以人工神經(jīng)網(wǎng)絡(luò)也是數(shù)學(xué)統(tǒng)計(jì)學(xué)方法的一種實(shí)際應(yīng)用，通過(guò)統(tǒng)計(jì)學(xué)的標(biāo)準(zhǔn)數(shù)學(xué)方法我們能夠得到大量的可以用函數(shù)來(lái)表達(dá)的局部結(jié)構(gòu)空間，另一方面在人工智能學(xué)的人工感知領(lǐng)域，我們通過(guò)數(shù)學(xué)統(tǒng)計(jì)學(xué)的應(yīng)用可以來(lái)做人工感知方面的決定問(wèn)題(也就是說(shuō)通過(guò)統(tǒng)計(jì)學(xué)的方法，人工神經(jīng)網(wǎng)絡(luò)能夠類似人一樣具有簡(jiǎn)單的決定能力和簡(jiǎn)單的判斷能力)，這種方法比起正式的邏輯學(xué)推理演算更具有優(yōu)勢(shì)。神經(jīng)網(wǎng)絡(luò)有以下幾個(gè)突出優(yōu)點(diǎn)： （1）可以充分逼近任意復(fù)雜的非線性關(guān)系； (2)采用并行分布處理方法，使得快速進(jìn)行大量運(yùn)算成為可能； (3)所有定量或定性的信息都等勢(shì)分布貯存于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，故有很強(qiáng)的魯棒性和容錯(cuò)性； (4) 能夠同時(shí)處理定量、定性知識(shí)。主要工作包括：對(duì)指紋圖像的預(yù)處理，然后進(jìn)行指紋特征的提取和偽特征的去除，提取出適合神經(jīng)網(wǎng)絡(luò)識(shí)別的特征數(shù)據(jù)，最后用基于神經(jīng)網(wǎng)絡(luò)的方法完成對(duì)指紋的識(shí)別。然而在我們手指和腳趾的第一節(jié)內(nèi)面有特殊的凸起紋路，有著各種不同的形狀，這些紋路會(huì)產(chǎn)生分泌物，由指端脊紋排泄出來(lái)，所以當(dāng)我們接觸到物體時(shí)，在物體的表面就會(huì)留下這些紋路的痕跡，這就是我們?nèi)〉弥讣y的來(lái)源。十八世紀(jì)以前，有些學(xué)者認(rèn)為地球上幾十億的人口，總會(huì)找到有指紋相同的人，所以對(duì)這種認(rèn)證的方式感到懷疑，但是后來(lái)檢查世界各國(guó)的指紋資料庫(kù)，在所有的指紋卡上實(shí)在找不出兩個(gè)完全指紋相同的指紋，這才確立了指紋有因人而異的特性。（2）指紋永久不變?nèi)嗽谀阁w內(nèi)四個(gè)月時(shí)，指紋就以經(jīng)全部形成，會(huì)隨著個(gè)人的發(fā)育而成長(zhǎng)，然而紋路及形狀從出生到老死都不會(huì)有改變，為了證實(shí)這個(gè)特點(diǎn)，十九世紀(jì)末，有一位德國(guó)人類學(xué)家威爾氏??及英國(guó)學(xué)者賀須爾氏，都先后留下指紋，經(jīng)過(guò)二十年后再來(lái)進(jìn)行比對(duì)，結(jié)果幾乎不受時(shí)間的影響而改變。（3）觸物痕跡 指紋每條紋路的凸紋上都布滿了汗腺，隨時(shí)都不斷的在分泌汗液，這些分泌除了水分之外，還有脂肪、蛋白質(zhì)、尿素及其它有機(jī)混合物，特性是黏性特別強(qiáng)，揮發(fā)性慢，可以在物體上保留很長(zhǎng)的時(shí)間。?。?）損而復(fù)生人體的皮膚組織具再生的能力，而手指皮膚的再生能力比起其它的部位又特別的強(qiáng)，指紋的成形根于皮膚組織真皮層的根部，假設(shè)是在火傷，外科手術(shù)等等的情況下，會(huì)造成指紋一時(shí)間的無(wú)法辨識(shí)，但是經(jīng)過(guò)一段時(shí)間后，指紋的紋路便會(huì)自動(dòng)恢復(fù)到原有的樣子，絲毫不會(huì)改變。 指紋識(shí)別的基本原理指紋的圖像是復(fù)雜的，生物識(shí)別技術(shù)公司并不直接存儲(chǔ)指紋圖像。指紋識(shí)別算法最終都?xì)w結(jié)為指紋圖像和指紋的特征值的識(shí)別匹對(duì)。指紋的特征可分總體特征和局部特征：（1） 總體特征總體特征就是那些可以直接用人眼進(jìn)行觀察和鑒別的特征，包括基本紋路圖案環(huán)型（loop），弓型(arch)，螺旋型(whorl) 。 環(huán)型、弓型、螺旋型指紋圖像 模式區(qū)即指紋上包括了總體特征的區(qū)域，從此區(qū)域就能夠分辨出指紋是屬于哪一種類型的。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SecureTouch的指紋識(shí)別算法很重要，但沒(méi)有核心點(diǎn)的指紋它仍然能夠處理）。三角點(diǎn)提供了指紋紋路的計(jì)數(shù)跟蹤的開(kāi)始之處。在計(jì)算指紋的紋數(shù)時(shí)，一般先連接核心點(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)。兩枚指紋經(jīng)常會(huì)具有相同的總體特征，但它們的局部特征一特征點(diǎn)，卻不可能完全相同。這些端點(diǎn)、分支點(diǎn)和轉(zhuǎn)折點(diǎn)就被稱為“特征點(diǎn)”。指紋的節(jié)點(diǎn)主要有以下幾種特性：終結(jié)點(diǎn)(Ending)：一條紋路在此終結(jié)。 分叉點(diǎn)孤立點(diǎn)(Dot or Island): 一條特別短的紋路，以至于成為一點(diǎn)。 分歧點(diǎn)環(huán)點(diǎn)(Enclosure): 一條紋路分開(kāi)成為兩條之后，立即有合并成為一條，這樣形成的一個(gè)小環(huán)稱為環(huán)點(diǎn)。 短紋方向(Orientation): 一節(jié)點(diǎn)可以朝著一定的方向。位置(Position): 一節(jié)點(diǎn)的位置通過(guò)(x,y)坐標(biāo)來(lái)描述，可以是絕對(duì)的，也可以是相對(duì)于三角點(diǎn)或特征點(diǎn)的。采集技術(shù)其過(guò)程也受到傳感技術(shù)發(fā)展的影響。另一種是其未知的狀況下的采集，如刑偵現(xiàn)場(chǎng)。這段時(shí)期主要通過(guò) “ 油墨－指紋卡 ” 的方式采集。指紋數(shù)據(jù)大多以數(shù)字信息表示并存儲(chǔ)。 指紋采集的過(guò)程在本質(zhì)上是使指紋成像的過(guò)程。 指紋的幾何特性是指在空間上嵴是突起的，峪是凹下的。 指紋的生物特性是指嵴和峪的導(dǎo)電性不同，與空氣之間形成的介電常數(shù)不同、溫度不同等。 指紋采集的方法可以分成兩種，一種是由器件主動(dòng)向手指發(fā)射出探測(cè)信號(hào)，然后再分析反饋的信號(hào)，以形成指紋的嵴與峪的圖案。另一種則是器件被動(dòng)感應(yīng)的方法。（如半導(dǎo)體電容采集、熱敏采集和半導(dǎo)體壓感采集屬于第二種） 對(duì)于指紋采集設(shè)備來(lái)講，一般經(jīng)過(guò) “ 手指感知” 、 “ 圖像的拍照 ”“ 質(zhì)量判斷與自動(dòng)調(diào)整 ” 三個(gè)過(guò)程。當(dāng)手指接觸到設(shè)備時(shí)，采集器就會(huì)感知到手指的接觸并切換其狀態(tài)。隨著活體采集的技術(shù)的研究和發(fā)展，采集設(shè)備還可以判別出是否為活體手指，這能通過(guò)檢測(cè)手指的活體特性來(lái)實(shí)現(xiàn)。然而現(xiàn)實(shí)的情況是，由于人手指表面脫皮和污漬的影響還有設(shè)備的采集面不干凈等各種因素的影響，所以還需對(duì)采集到的圖像進(jìn)行預(yù)處理。 不同質(zhì)量的指紋圖像當(dāng)今使用的主流指紋采集技術(shù)有光學(xué)指紋采集技術(shù)，半導(dǎo)體指紋采集技術(shù)和超聲波指紋采集技術(shù)。光線穿過(guò)玻璃照射到有谷的地方后在玻璃與空氣的界面發(fā)生會(huì)全反射，光線被反射到CCD, 而射向脊部位的光線卻不發(fā)生全反射，這樣就在采集的CCD上形成了指紋的圖像。主要使用的方案有：硅電容指紋圖像傳感器、半導(dǎo)體壓感式傳感器和半導(dǎo)體溫度感應(yīng)傳感器。超聲波指紋圖像采集技術(shù)是被認(rèn)為在指紋采集技術(shù)中最好的一種，但在實(shí)際的指紋識(shí)別系統(tǒng)中卻還不常見(jiàn)，其成本很高，并且還處于實(shí)驗(yàn)室階段。積累在皮膚上的臟物和油脂對(duì)超聲波取像影響不大。 圖像頻域增強(qiáng) 圖像頻域增強(qiáng)簡(jiǎn)介 在數(shù)字圖像處理中，圖像最直觀的理解是把圖像理解為二維函數(shù)F(x,y)，其中x，y作為數(shù)字圖像中象素的二維空間的坐標(biāo)，F(xiàn)的值作為數(shù)字圖像象素該位置的灰度值。在頻率下處理的時(shí)候，同樣的問(wèn)題用不同的描述方式是和空間域的表示是等價(jià)的，但由于描述方式不同了以前空間上很難處理的問(wèn)題在頻率域上就有可能變得很容易了。 圖像頻域增強(qiáng)的基本步驟 圖像頻域增強(qiáng)的一般方法歸納為一下六步： （1）計(jì)算原始圖像的FFT》》》F(u,v)； （2）四個(gè)角落的零頻點(diǎn)移到圖像中央； （3）H(u,v）*F(u,v)=G（u,v）。無(wú)論是何種類型，何種目的的頻率域圖像增強(qiáng)，處理的過(guò)程都是基本一致的，都如下圖所示 圖像頻域處理基本步驟 下圖為處理后的效果圖 頻域處理后對(duì)比圖 圖像的二值化 圖像二值化算法指紋圖像的二值化是作為指紋圖像處理過(guò)程的過(guò)程之一，是進(jìn)行指紋圖像細(xì)化處理的先決條件。對(duì)指紋圖像進(jìn)行二值化處理的優(yōu)點(diǎn)在于是圖像的幾何性質(zhì)只與0和1在圖像矩陣中的位置有關(guān)，不再涉及到圖像像素的灰度值，使算法的處理過(guò)程變的簡(jiǎn)單，這給指紋圖像的存儲(chǔ)和對(duì)其的相應(yīng)的處理操作都帶了很大的便利性，同時(shí)也提高了系統(tǒng)的運(yùn)行效率。反之，如果該階段處理不當(dāng)引入了噪聲，就會(huì)直接降低圖像的質(zhì)量，對(duì)后序的識(shí)別過(guò)程造成很大程度上的干擾。（2） 二值化的紋線基本保持原指紋圖像的特征。（4） 指紋紋線間的間距應(yīng)該基本相同。局部自適應(yīng)閥值算法先是利用固定閥值算法的思想，然后再根據(jù)圖像中每一個(gè)部分的明暗度來(lái)調(diào)整閥值。這個(gè)算法利用了指紋圖像中脊線與谷線寬度基本相同的特點(diǎn)，即二值化后圖像的黑白像素點(diǎn)的個(gè)數(shù)也應(yīng)該大致相同，首先利用固定閥值算法的特點(diǎn)對(duì)指紋圖像中的每個(gè)一子塊確定一個(gè)大致的閥值，然后再利用自適應(yīng)的算法思想進(jìn)行閥值的調(diào)整，當(dāng)閥值最合適時(shí)圖像是最光滑的，既沒(méi)有“黑洞”（閥值過(guò)大），也沒(méi)有“白點(diǎn)”（閥值過(guò)?。?，因此01之間的轉(zhuǎn)換次數(shù)最少。 （2） 計(jì)算該區(qū)域內(nèi)的Nk(灰度值大于等于T的像素點(diǎn)的個(gè)數(shù))和Nl（灰度值小于T的像素點(diǎn)的個(gè)數(shù)）的值 （3）.如果 ,則T為閥值；（4） 若，則T=T+1,否則T=T1,返回第二步。以下為實(shí)現(xiàn)的matlab代碼：I=imread(‘39。level=graythresh(I)。imshow(J)。由于在指紋識(shí)別的圖像處理過(guò)程中，指紋的特征、方向特征和位置特征，只跟指紋圖像的拓?fù)浣Y(jié)構(gòu)有關(guān)，而與脊線和脊谷的寬度沒(méi)有關(guān)系，同時(shí)通過(guò)細(xì)化的過(guò)程能極大的便利后序?qū)χ讣y圖像特征點(diǎn)提取的操作，因此在指紋的圖像預(yù)處理中，需要對(duì)指紋圖像進(jìn)行細(xì)化的處理。若細(xì)化的效果不好的話，很可能導(dǎo)致后序的特征點(diǎn)提取工作出現(xiàn)大量的偽特征點(diǎn)，致使匹配的工作無(wú)法進(jìn)行，因此細(xì)化的操作對(duì)于指紋圖像的預(yù)處理非常重要。 細(xì)化算法的matlab仿真本文使用matlab圖像處理工具箱提供的bwmorph函數(shù)來(lái)實(shí)現(xiàn)對(duì)指紋圖像的細(xì)化操作，一下是matlab的實(shí)現(xiàn)過(guò)程：I=imread(‘39。K=bwmorph(~J,39。,39。)。 指紋圖像的細(xì)化結(jié)果第3章 指紋特征的提取指紋特征點(diǎn)的提取一般被分為兩個(gè)階段：特征點(diǎn)的提取和偽特征點(diǎn)的剔除。最早提出特征點(diǎn)提取算法的是美國(guó)聯(lián)邦調(diào)查局的自動(dòng)指紋識(shí)別技術(shù)研究人員。該算法的提出在指紋識(shí)別領(lǐng)域內(nèi)具有開(kāi)拓性的意義，并且此算法在很長(zhǎng)一段時(shí)間內(nèi)被廣泛的用作細(xì)節(jié)特征點(diǎn)提取的標(biāo)準(zhǔn)算法。 基于灰度圖像的直接提取法 對(duì)于一幅灰度指紋圖像，根據(jù)其方向圖的定義可以知道沿著脊線方向的并在這個(gè)方向的垂直方向上（法線方向上），其端點(diǎn)處就是脊線末端與背景圖像交界的地方，端點(diǎn)就是在這個(gè)交界處灰度值最大的一點(diǎn)。詳細(xì)算法如下: (1)計(jì)算指紋圖像的方向圖，一般以塊方向作為指紋的方向。