【正文】 工辨識轉(zhuǎn)為理性分析 ,指紋識別作技術(shù)在國外得到了快速的 發(fā)展。 我國對指紋識別技術(shù)的研究歷史是從 20世紀 80年代初開始的 ,中國科學院自動化所 、 清華大學 、 國防科技大學 、 吉林大學等高校和科研機構(gòu)首先開始了這方面的研究工作 。 中國科學院光機所對指紋采集技術(shù)進行了較為深入的研究 ,己經(jīng)可以批量式生產(chǎn)光電活體南昌航空大學科技學院學士學位論文 2 指紋采集儀 。 本課題研究目標 指紋圖像預處理的方式不同導致了算法的不同，不同的算法所產(chǎn)生的效果也不相同。 在指紋圖像的分割中，不好的分割算法不能徹底地將背景從前景中分離，會產(chǎn)生很多額外的特征信息；傳統(tǒng)指紋增強算法中，指紋圖像的脊和谷不能得到很好的分離；在常用的細化算法中，經(jīng)常出現(xiàn)細化不徹底和產(chǎn)生毛刺的情況；準確而快 速的提取出特征信息是一個非常關(guān)鍵的問題，如果提取不恰當，則會增大系統(tǒng)的拒識率和誤識率。本課題就指紋預處理中的平滑、銳化、二值化、細化處理的算法進行研究，從而確定一套較好的算法方案。 MATLAB 既是一種直觀、高效的計算機語言 ,同時又是一個科學計算平臺。作為圖像處理的仿真工具 ,MATLAB 提供了功能強大 的圖像處理函數(shù) ,給仿真者提供了很大的便利性 ,縮短了開發(fā)周期 。因此本課題選擇基于 MATLAB 實現(xiàn)指紋圖像預處理，并選擇理想的算法，是較好的一種方式。 每個人都有獨一無二的指紋 ,這種獨一無二性是由脊線所包含的細節(jié)特征及這些特征之間的相互關(guān) 系決定的 。完整的指紋識別過程包括指紋圖像采集、指紋圖像預處理、特征提取、匹配 /分類等。這部分噪聲由采集儀器，環(huán)境因素，人為操作不當所產(chǎn)生的各類噪聲所組成。 這些噪聲嚴重影響了指紋圖像的特性 ,致使指紋圖像包含的部分細節(jié)特征不清晰甚至出現(xiàn)丟失 ,同時引入許多虛假的特征信息 ,如果直接對原始指紋圖像進行特征提取 ,勢必會影響指紋識別結(jié)果 的準確性 。 圖 22指紋圖像預處理過程 MATLAB實驗平臺 的簡介 MATLAB 是矩陣實驗室（ Matrix Laboratory）的簡稱，是美國 MathWorks公司出品的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算指紋圖像采集 圖像預處理 特征提取 匹配分類 平滑處理 銳化處理 二值化 細化 南昌航空大學科技學院學士學位論文 4 的高級技術(shù)計算語言和交互式環(huán)境，主要包括 MATLAB 和 Simulink 兩大部分。 南昌航空大學科技學院學士學位論文 5 3 實驗方案與實現(xiàn) 指紋圖像預處理算法的實驗框圖 圖 31 指紋預處理算法比較框圖 實驗按以上流程對指紋圖像進行預處理，對相應的算法進行研究和對比，通過對處理圖像的研究效果，確 定適合指紋圖像的算法。在圖像中，乘性噪聲分為兩類：一類是某像素處的噪聲只與該像素的信號有關(guān)，另一類是某 像素處的噪聲與該像素及其領(lǐng)域的像素信號有關(guān)。 圖像平滑技術(shù) 數(shù)學圖像在其獲取和傳輸過程中，會受到各種噪聲的干擾使圖像惡化，質(zhì)量下降，圖像變模糊、特征被淹沒，這對圖像分析極為不利。 圖像的平滑技術(shù)主要用于消除圖像中的噪聲，其基本的方法是求像素的灰度的平均值或中值。一般來說，圖像平滑總要犧牲一定的細節(jié)信息（細節(jié)模糊）為代價的。對應處理的的算法也不同。數(shù)字圖 像由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而早上則統(tǒng)計獨立的。平滑線性濾波器又稱均值濾波器。因此，圖像平滑方法不可避免存在使邊緣等細節(jié)變得迷糊的負面效應。 均值濾波法通常使用的模板有 3 5 7 7大小的尺寸，以 3 3 模板為例。而且領(lǐng)域越大，在去噪能力增強的同時模糊程度越嚴重，畫面變得越模糊。它是 f(x,y)和領(lǐng)域平均 g（ x,y）差的絕對值與選定的閾值進行比較，南昌航空大學科技學院學士學位論文 7 根據(jù)比較結(jié)果決定坐標 g’ (x,y） ,算法表達式如下： ( , ) ( x , y ) g ( x , y ) 39。使用這個方法時，選擇合適的 T 非常重要， T選的太大，會減 弱去噪的效果， T選的太小，則會較弱消除模糊效應的效果。 中值濾波法 中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某領(lǐng)域窗口內(nèi)的所有像素點灰度值的中值。二維中值濾波可以用下式表示： ? ?ijij fM edy ? （ 35） 式中 ??ijf 為二維數(shù)據(jù)序列。中值濾波器可以做到既去除噪聲又能保護圖像的邊緣，從而獲得較滿意的復原效果，而且，在實際運算過程中不需要圖像的統(tǒng)計特性，這也帶來不少方便，但對一些細節(jié)多，特別是點、線、尖頂細節(jié)較多的圖像不宜采用中值濾波的方法。其基本原理是改變窗口中變量的個數(shù)，可以使一個以上的變量等于同一點的值，然后對擴張后的數(shù)字集求中值。另有一種可以處理具有更大概率的沖激噪聲的是自適應中值濾波器，在進行濾波處理時，能依賴一定條件而改變領(lǐng)域的大小。 維納自適應濾波法 維納濾波法假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為廣義平穩(wěn)過程且知它們的二階統(tǒng)計特性，維納根據(jù)最小均方誤差準則（濾波器的輸出信號與需要信號之差的均方值最?。蟮淖罴丫€性濾波器的參數(shù)。然后，對每個像素利用濾波器估計其灰度值 222( 1 , 2 ) ( ( 1 , 2 ) )vb n n u a n n u? ??? ? ? （ 38） 式中， 2v 是圖像中噪聲的方差。超限像素平滑對線面圖像的去噪效果不大好，因此這里就不做實驗比對。 代碼實現(xiàn)的結(jié)果如下： 圖 321 平滑算法的結(jié)果 如上圖所示，平滑后的圖片濾去了一些邊緣有重疊的地方，更加利于后面的處理，便于提取出識別特征點。中值濾波的結(jié)果，對比度更強，在指紋線較粗的地方濾掉更多的噪聲，而在指紋學較細的地方相對于均值處理的不夠好。修掉了部分較窄的邊緣，圖像看起來也較平滑。 指紋圖像銳化處理 圖像銳化的概念 在圖像增強過程中，通常利用各類圖像平滑算法消除噪聲，圖像的常見噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。這將導致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是因為圖像受到了平均或積分運算，因此可以對其進行逆運算 (如微分運算 )就可以使圖像變得清晰。但要注意能夠進行銳化處理的 圖像必須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號還要多，因此一般是先去除或減輕噪聲后再進行銳化處理 圖像的迷糊實質(zhì)上是平均或積分運算的結(jié)果，因此對其進行逆運算如微分運算，就可以使模糊的圖像變得清晰，這是因為微分運算是求信號的變化率，有加強高頻分量的作用，從而使圖像輪廓清晰。由上一章可知，對指紋圖像選擇維納自適應濾波器過濾結(jié)果較好，因此在此基礎(chǔ)上進行銳化處理算法的分析。 122 2( , ) fff x y xy????????? ? ????????? ???? （ 311） 由 式（ 33）可知，梯度的數(shù)值就是在 f(x,y)在其最大變化率方向上的單位距離所增加的量。在圖像輪廓上，像素的灰度值變化較大，從而梯度值也較大 ，在圖像平坦的區(qū)域，灰度值變化較小，從而梯度值較少。 Sobel算子法 Sobel算子是典型的基于一階導數(shù)的邊緣檢測算子 。 因此對噪聲具有平滑作用 ， 能很好的消除噪聲的影響。 即可分別得出橫向及縱向的亮度差分近似值 。 Sobel算子在檢測邊緣點的同時具有抑制噪聲的能力，檢測出的邊緣寬度至少為二像素。但由于 Sobel算子的加權(quán)作用 。美中不足的是， Sobel算子并沒有將圖像的主體與背景嚴格地區(qū)分開來，換言之就是 Sobel算子沒有基于圖像灰度進行處理，由于 Sobel算子沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。 拉普拉斯算子銳化處理法 拉普拉斯算子處理是常用的邊緣增強處理算子，他是各項同性的二階倒數(shù)，比較適用于因為光線的漫反射造成的圖像的模糊。通常圖像和對他實施拉式算子后的結(jié)果組合后產(chǎn)生一個銳化圖像。擴散效應是成像過程中經(jīng)常發(fā)生的現(xiàn)象。一個二維圖像函數(shù) 的拉普拉斯變換是各向同性的二階導數(shù)定義 如下： 222 fff xy??? ? ? （ 314） 對離散的數(shù)字圖像，二階偏導可用二階差分近似，可推導出拉普拉斯算子表達式為： 2 ( , ) ( 1 , ) ( 1 , ) ( , 1 ) ( , 1 ) 4 ( , )f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? （ 315） 利用拉普拉斯算子增強圖像的計算方法如下： 2( , ) ( , ) ( , )g x y f x y f x y? ? ? （ 316） 拉普拉斯算子和拉普拉斯圖像增強算子可用模板分別表示，如圖 332所示。將原始圖像和拉普拉斯圖像疊加在一起的方法可以保護拉普拉斯銳化處理的效果，同時又能復原背景信息，因此，拉普拉斯定義很重要。 故使用拉普拉斯算子對圖像增強的基本方法可以表示為 圖 332的右邊算子模塊。實驗代碼在附錄 B中。拉普拉斯算子的橫向效果更好。銳化圖像的邊緣的比原始圖像更清晰， 處理后的圖像像素點對比度更明顯了，圖像的邊緣和輪廓都變的清晰了，每個像素點都被體現(xiàn)了出 來。二值圖像在圖像分析中應用非常廣泛，二值圖像就是指只有兩個灰度級的圖像，二值圖像具有存儲空間小，處理速度快，可以方便地對圖像進行布爾邏輯運算等特點。 圖像的二值化處理就是將圖像上的點的灰度置為 0或 255，也就是使整個圖像呈現(xiàn)出明顯的黑白效果。圖像包括目標、背景還有噪聲 ,怎樣從多值的數(shù)字圖像中僅提取出目標 ,常用的方法就是設(shè)定某一閾值 T,用 T將圖像的數(shù)據(jù)分成 2大部分 :大于 T的像素群和小于 T的像素群 .這種方法稱為圖像的二值化 .二值化處理就是把圖像分成目標和背景 2個區(qū)域 .二值化是數(shù)字圖像處理中一項最基本的變換方法 ,通過非零取一固定閾值、雙固定閾值等不同的閾值化變換方法 ,使一幅灰度圖像變成了黑白二值圖像 ,將我們所需的目標從復雜的圖像背景中提取出來 .閾值 [56]處理的操作過程是 指定一個閾值 ,如果圖像中某像素的灰度值小于該閾值 ,則將該像素的灰度值設(shè)置為 0或 255,否則灰度值設(shè)置為 255或 0 圖像二值化是圖像處理中的一項基本技術(shù)，也是很多圖像處理技術(shù)的預處理過程。由于圖像二南昌航空大學科技學院學士學位論文 14 值化過程將會損失原圖像的許多有用信息，因此在進行二值化預處理過程中，能否保留原圖的主要特征非常關(guān)鍵。因此，自適應圖像閾值的選取方法非常值得研 究。 全局閾值法 全局閾值法是指在二值化過程中只使用一個全局閾值的方法。根據(jù)文本圖像的直方圖或灰度空間分布確定一個閾值，以此實現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn)化。閾值分割法的結(jié)果很大程度上依賴于對閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。全局閾值法算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由