【正文】 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。指紋圖像增強(qiáng)的目的主要是為了減少噪音，增強(qiáng)脊谷對(duì)比度，使得圖像更加二值化是把灰度指紋圖像變成01取值的二值圖像，因?yàn)橹讣y圖像只需把紋線(xiàn)和背景區(qū)分開(kāi)就可以了，以便能正確的提取脊線(xiàn)。為了方便實(shí)用和學(xué)習(xí)，該系統(tǒng)需要能夠在普通PC機(jī)上運(yùn)行。 系統(tǒng)設(shè)計(jì)原則計(jì)算機(jī)應(yīng)用系統(tǒng)的用戶(hù)界面設(shè)計(jì)的好壞，直接影響到系統(tǒng)用戶(hù)對(duì)其接受和掌握的程度。系統(tǒng)界面應(yīng)遵循以下要求:本系統(tǒng)界面簡(jiǎn)潔、明快、緊湊、布局合理、使用方便，菜單、工具條、快捷鍵、控件和對(duì)話(huà)框的風(fēng)格與標(biāo)準(zhǔn)的Windows2000/XPINT風(fēng)格相吻合。系統(tǒng)設(shè)計(jì)原則為便于本系統(tǒng)的開(kāi)發(fā)、使用。(1)先進(jìn)性原則在指紋識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程中采用科學(xué)的軟件項(xiàng)目管理機(jī)制，追蹤先進(jìn)設(shè)計(jì)思想，應(yīng)用成熟采用先進(jìn)的技術(shù)，使系統(tǒng)的功能設(shè)計(jì)能處在同類(lèi)科技的前列。(3)安全性與可靠性原則，堅(jiān)持安全可靠的設(shè)計(jì)原則是工作的基本要求。第3章 　指紋識(shí)別系統(tǒng)總體設(shè)計(jì) 系統(tǒng)總體設(shè)計(jì)指紋預(yù)處理與識(shí)別系統(tǒng)主要包括四個(gè)部分，分別為：指紋圖像的獲取、圖像預(yù)處理、特征的提取與模板匹配。圖31 特征提取及模板匹配系統(tǒng)流程 指紋圖像的獲取傳統(tǒng)的指紋采集方法是用手指蘸上墨水或印油在紙上按壓，然后用掃描儀攝取。隨著光學(xué)儀器、傳感器及數(shù)字技術(shù)的發(fā)展，各種快速、精確、方便、小巧的采集設(shè)備得到應(yīng)用。前者用激光照在手指上，然后用CCD陣列攝取其反射光，由于反射光強(qiáng)隨著指紋的脊和谷的深度不同而不同，因此可以得到指紋圖像。近年來(lái)，又出現(xiàn)了其他一些新型的指紋采集設(shè)備，如超聲波指紋采集器，它是基于指紋的脊和谷的深度對(duì)超聲波的不同反射原理而工作的。以下是指紋采集儀的分類(lèi)：1．光學(xué)的。2．硅晶體電容式的。3．超聲波的。它們的對(duì)比情況如表31所示。預(yù)處理技術(shù)的主要目的是對(duì)一個(gè)給定的指紋，突出指紋圖像中的某些信息，消弱或除去某些不需要的信息，使它的結(jié)果對(duì)后面的識(shí)別來(lái)說(shuō)比原始圖像更合適。由于圖像的采集為縱列式方式，量化后的指紋圖像有許多噪聲。平滑處理的任務(wù)就是去除這些干擾噪聲，而又不使圖像失真，圖像平滑包括空域法和頻域法兩大類(lèi)。銳化處理對(duì)于增強(qiáng)反差和檢測(cè)邊緣是很有用的。圖像銳化可分為空間域圖像銳化法和空間頻率域圖像銳化法兩大類(lèi)型。2．圖像分割：所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。3．計(jì)算方向圖：由于在局部區(qū)域內(nèi)指紋是亮暗相間的近似平行的結(jié)構(gòu)，因此，在指紋的每個(gè)局部區(qū)域有確定的方向。產(chǎn)生方向圖是指紋識(shí)別系統(tǒng)的一個(gè)重要的步驟， 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。二值化是把灰度指紋圖像變成01取值的二值圖像，因?yàn)橹讣y圖像只需把紋線(xiàn)和背景區(qū)分開(kāi)就可以了。雖然不能從特征點(diǎn)組成的模板重建指紋圖像，但它描述了指紋局部結(jié)構(gòu)特征的空間分布。這兩種結(jié)構(gòu)在圖像前景和背景上正好是互逆的，因此不論是針對(duì)脊線(xiàn)還是針對(duì)犁溝的處理算法都是相同的。有些國(guó)家例如美國(guó)國(guó)家標(biāo)準(zhǔn)局規(guī)定的指紋標(biāo)準(zhǔn)表示方法就是基于特征點(diǎn)的，包括特征點(diǎn)的位置和方向信息。 　模板匹配認(rèn)證和識(shí)別是一對(duì)一的匹配，把某人的指紋特征及個(gè)人信息以某種形式存儲(chǔ)起來(lái)，隨后根據(jù)提供的指紋是否與之匹配而決定是否授權(quán)。 本章小結(jié)本章主要介紹了指紋預(yù)處理與識(shí)別系統(tǒng)的主要模塊，以及各模塊所要完成的基本功能，各部分的詳細(xì)功能及實(shí)現(xiàn)算法，將在以后的各章節(jié)中逐一介紹。前文提到，根據(jù)特征提取方法的不同，系統(tǒng)對(duì)預(yù)處理的步驟和要求也不一樣。前一類(lèi)方法對(duì)預(yù)處理要求比較少，只要將圖像增強(qiáng)以下就可以。在當(dāng)前的應(yīng)用系統(tǒng)中，后一類(lèi)方法要比前一類(lèi)應(yīng)用得多一些，因?yàn)楹笠活?lèi)方法把工作的難點(diǎn)分散到兩步操作中，簡(jiǎn)化了特征提取算法，且處理結(jié)果容易控制。 系統(tǒng)算法描述基于特征點(diǎn)的指紋識(shí)別算法的方法又可以分為兩種方法，第一種方法是在灰度圖像上進(jìn)行脊線(xiàn)跟蹤直接獲取特征點(diǎn)的方法。本文將對(duì)第二種方法進(jìn)行詳細(xì)講解與論述，并對(duì)其它方法進(jìn)行簡(jiǎn)單介紹，以便有助于以后的學(xué)習(xí)。2．圖像增強(qiáng)，二值化和細(xì)化等過(guò)程很耗費(fèi)時(shí)間3．當(dāng)對(duì)質(zhì)量差的圖像進(jìn)行二值化后往往不能取得令人滿(mǎn)意的結(jié)果。我們沿著脊線(xiàn)方向每次向前移動(dòng)一小段距離，尋找下一局部最小值，作為脊線(xiàn)跟蹤的下一個(gè)點(diǎn)，如圖41灰度脊線(xiàn)圖所示。圖41 灰度脊線(xiàn)圖該方法的處理過(guò)程通常是先在指紋圖像上任取一點(diǎn)，在該點(diǎn)的法線(xiàn)方向附近取一極小值點(diǎn)作為第一個(gè)點(diǎn)，然后在切線(xiàn)方向上前進(jìn)一段距離，作為下一個(gè)臨時(shí)點(diǎn)，在該臨時(shí)點(diǎn)法線(xiàn)方向附近取一極小值點(diǎn)作為第二個(gè)點(diǎn)，依此類(lèi)推，一直到跟蹤完整幅圖像為止。2．繼續(xù)向前跟蹤灰度最小點(diǎn)的灰度值仍大于某一閾值時(shí)。滿(mǎn)足上面的第二個(gè)條件時(shí)說(shuō)明已經(jīng)遇上了端點(diǎn)，滿(mǎn)足第三個(gè)條件時(shí)說(shuō)明已經(jīng)遇上了分叉點(diǎn)，經(jīng)過(guò)上面的處理后，一般就可以獲得整個(gè)指紋的所有的特征點(diǎn)。 產(chǎn)生方向圖由于在局部區(qū)域內(nèi)指紋是亮暗相間的近似平行的結(jié)構(gòu)，因此，在指紋的每個(gè)局部區(qū)域有確定的方向。產(chǎn)生方向圖是指紋識(shí)別系統(tǒng)的一個(gè)重要的步驟， 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。第一類(lèi)是先定義若干基準(zhǔn)方向， 然后判斷每一個(gè)一個(gè)小區(qū)域更接近于那一方向。本文將對(duì)兩種方法進(jìn)行介紹。脊線(xiàn)上的點(diǎn)具有較小的灰度值，而谷線(xiàn)上的點(diǎn)則具有相對(duì)較大的灰度值，如果作一條垂直于脊線(xiàn)的直線(xiàn)，那么隨著脊線(xiàn)和谷線(xiàn)的交替，直線(xiàn)上也表現(xiàn)出灰度值的波峰和波谷的交替。這表明，垂直脊線(xiàn)方向的直線(xiàn)上的點(diǎn)的灰度值方差大，平行脊線(xiàn)方向上的點(diǎn)的灰度值方差小。但是這樣算出來(lái)的某些點(diǎn)的方向仍不夠準(zhǔn)確，尤其是在那些模糊、邊緣有噪聲的區(qū)域。因?yàn)橹讣y圖像的任一小區(qū)域中所有的點(diǎn)具有近似相同的方向。(1) 定義若干基準(zhǔn)方向的產(chǎn)生方向圖方法 圖42 方向圖算法描述：對(duì)于圖像上每一個(gè)點(diǎn)，在八個(gè)方向上畫(huà)一條直線(xiàn)，直線(xiàn)的長(zhǎng)度大概是五個(gè)脊線(xiàn)到谷線(xiàn)的寬度。我們可以取N=8，即取8個(gè)方向，n=4，即取4個(gè)鄰點(diǎn)。經(jīng)過(guò)以上步驟處理，這樣就求得了指紋的近似方向， 但不夠準(zhǔn)確， 為此，要想得到較精確的處理結(jié)果，可以在此基礎(chǔ)上再做16*16的中值濾波就可以得到一張比較好的方向圖。如圖43指紋圖像的灰度梯度圖所示，在指紋的灰度圖像上每一像素點(diǎn)處有確定的梯度值向量，一般在某像素點(diǎn)附近灰度變化較大是梯度的模較大，而且大多數(shù)點(diǎn)的梯度的方向垂直于指紋的局部方向。圖43 指紋圖像的灰度梯度圖其步驟一般是這樣的：① 將原圖像分成W*W的小塊（一般可取16*16）。公式如（44）、（45）所示 。為了得到該點(diǎn)的切線(xiàn)方向，還應(yīng)做如下運(yùn)算： （46）這樣就得到了該點(diǎn)處的法線(xiàn)方向，在理想的情況下，上式得到的方向?yàn)闇?zhǔn)確方向，但由于有噪聲，傷痕等因素存在，一般需要對(duì)上面得到的方向進(jìn)行修正，其方法一般是考慮臨近的點(diǎn)的方向來(lái)最后決定該點(diǎn)的方向。在第一類(lèi)方法中，我們只能估算某一點(diǎn)處的方向更接近于8個(gè)標(biāo)準(zhǔn)方向中的哪一個(gè)，因此得到的是近似的方向，但通過(guò)第二種方法我們往往可以得到更加精確的指紋方向。 圖像增強(qiáng)算法為了確保指紋特征提取算法的魯棒性, 需要對(duì)原始指紋圖像進(jìn)行預(yù)處理, 增強(qiáng)紋線(xiàn)的清晰度, 增加脊線(xiàn)和谷線(xiàn)的對(duì)比度, 減少偽信息, 該過(guò)程稱(chēng)為指紋圖像的增強(qiáng)處理。指紋圖像增強(qiáng)的主要目的是為了消除噪聲, 改善圖像質(zhì)量, 便于特征提取。在指紋圖像的不同區(qū)域, 這樣的信息是不同的, 指紋圖像增強(qiáng)算法就是利用圖像信息的區(qū)域性差異性來(lái)實(shí)現(xiàn)的 特征點(diǎn)的類(lèi)型、特征點(diǎn)的位置是進(jìn)行指紋識(shí)別的依據(jù)。理論上講，灰度指紋圖像中，脊線(xiàn)部分灰度值小，谷線(xiàn)部分灰度值大，選取合適的域值就可以將脊線(xiàn)提取出來(lái)。因此，對(duì)灰度圖像進(jìn)行二值化之前必須先進(jìn)行圖像增強(qiáng)。人們可以根據(jù)指紋紋線(xiàn)的走勢(shì)的上下文信息來(lái)判斷模糊部分是否存在紋線(xiàn)?，F(xiàn)在已經(jīng)有很多種指紋圖像增強(qiáng)算法，這些圖像增強(qiáng)算法可以分為兩類(lèi)，一類(lèi)是基于空域的圖像增強(qiáng)，另一類(lèi)則是基于頻域的圖像增強(qiáng)。任何經(jīng)典濾波算法都可以達(dá)到改善圖像質(zhì)量的效果，例如均值濾波、中值濾波、直方圖均衡化濾波、N*N最頻濾波、十字型中值濾波等方法。(1) Gabor圖像增強(qiáng)Gabor圖像增強(qiáng)，其空域?yàn)V波因子的表達(dá)式為： （49）其中x和y分別表示橫縱坐標(biāo)，為(x，y)以原點(diǎn)為中心，旋轉(zhuǎn)后得到的坐標(biāo)，表示指紋的局部方向，和分別表示平行于指紋方向的方差和垂直于指紋方向的方差，f表示指紋的頻率，它的計(jì)算方法如圖34所示，首先求得相鄰脊線(xiàn)極小值點(diǎn)間的平均最小距離C作為指紋的周期，由f=1/C即可得到指紋的頻率。圖44 指紋的周期 (2) 方向加權(quán)濾波方向加權(quán)濾波是一種空域的圖像增強(qiáng)算法，其方法是在指紋的方向上取一長(zhǎng)方形濾波窗口，然后再利用二維Gauss濾波實(shí)現(xiàn)圖像增強(qiáng)，下面對(duì)過(guò)程做一簡(jiǎn)要說(shuō)明。模板的大小為，由指紋圖像的脊線(xiàn)和谷線(xiàn)的寬度來(lái)決定，我們規(guī)定其尺寸為，其權(quán)值分布如下：z z z z z z zy y y y y y yx x x x x x xy y y y y y yz z z z z z z經(jīng)過(guò)濾波計(jì)算得知，每一點(diǎn)的像素灰度由與其相鄰的34個(gè)像素的灰度共同決定。(3) 中值濾波在數(shù)字圖像處理中，中值濾波作為一種典型的非線(xiàn)性濾波算法應(yīng)用十分廣泛。其原理是把序列中一點(diǎn)的值，用該點(diǎn)鄰域中各點(diǎn)值的中值來(lái)替代，在數(shù)字圖像中是把以某點(diǎn)(i，j)為中心的小窗口內(nèi)的所有像素的灰度按從大到小的順序排列，將中間值替代(i，j)處的原灰度值(若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均)。按照上述思想，將窗口在圖像中移動(dòng)，對(duì)每個(gè)窗口中的像素值進(jìn)行排序，取中值，并以中間值賦給一新矩陣上的對(duì)應(yīng)位置上的元素(取代窗口中心像元)，就可得到去噪聲后的圖像。② 讀取窗口模板下對(duì)應(yīng)像素的灰度值。④ 將窗口內(nèi)每個(gè)灰度值與均值比較，若大于均值則排序取中值，并賦給(i，j)點(diǎn)否則不排序，同時(shí)檢查小于均值像素的灰度值，如果其值為零，則將中值賦給該像素。⑥ 反復(fù)以上步驟④與⑤，直至i=j=n結(jié)束。簡(jiǎn)單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來(lái)，以便于進(jìn)一步處理。它是對(duì)圖像進(jìn)行視覺(jué)分析和模式識(shí)別的基本前提．同時(shí)它也是一個(gè)經(jīng)典難題，因?yàn)榈侥壳盀橹辜炔淮嬖谝环N通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。這樣的劃分可以通過(guò)從灰度級(jí)出發(fā)選取一個(gè)或多個(gè)閾值來(lái)實(shí)現(xiàn)。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡(jiǎn)化了分析和處理步驟，已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無(wú)損檢測(cè)中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)應(yīng)用中，水果品質(zhì)無(wú)損檢測(cè)過(guò)程中水果圖像與背景的分割。在這些應(yīng)用中，分割是對(duì)圖像進(jìn)一步分析、識(shí)別的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性。常用的特征包括直接來(lái)自原始圖像的灰度或彩色特征和由原始灰度或彩色值變換得到的特征。若取 ：b0=0（黑），b1=1（白），則圖像由[01]范圍內(nèi)取值的點(diǎn)組成，即為我們通常所說(shuō)的二值化圖像。 T(x，y，N(x，y)，f(x，y)) （411）公式(311)中，f(x，y)是點(diǎn)(x，y)的灰度值；N(x，y)是點(diǎn)(x，y)的局部鄰域特性。本文分三大類(lèi)對(duì)閾值選取技術(shù)進(jìn)行綜述與比較：(1) 基于點(diǎn)的全局閾值選取方法① p分位數(shù)法1962年Doyle提出的p分位數(shù)法可以說(shuō)是最古老的一種閾值選取方法。例如，根據(jù)先驗(yàn)知識(shí)，知道圖像目標(biāo)與背景象素的比例為PO/PB，則可根據(jù)此條件直接在圖像直方圖上找到合適的閾值T，使得f(x，y)=T的象素為目標(biāo)，f(x，y)T的象素為背景。但是對(duì)于直方圖雙峰不明顯，或圖像目標(biāo)和背景比例差異懸殊，迭代法所選取的閾值不如最大類(lèi)間方差法。從而難以用既定的算法，實(shí)現(xiàn)對(duì)不同類(lèi)型圖像直方圖谷底的搜索。若 x和y 分別表示在灰度級(jí)之處的高度，則取局部極大值所對(duì)應(yīng)的灰度級(jí)可以作為閾值。但此方法仍然容易受到噪聲干擾，對(duì)不同類(lèi)型的圖像，表現(xiàn)出不同的分割效果。但此方法對(duì)某些只有單峰直方圖的圖像，也可以作出分割。對(duì)于基于點(diǎn)的全局閾值選取方法，除上述主要幾種之外還許多，但大多都是以上述基本方法為基礎(chǔ)，做出的改進(jìn)方法或者對(duì)算法的優(yōu)化，如使用遞推方法以降低算法復(fù)雜性。(2) 基于區(qū)域的全局閾值選取方法對(duì)一幅圖像而言，不同的區(qū)域，比如說(shuō)目標(biāo)區(qū)域或背景區(qū)域，同一區(qū)域內(nèi)的象素，在位置和灰度級(jí)上同時(shí)具有較強(qiáng)的一致性和相關(guān)性。另一方面，完全不同的兩幅圖片卻可以有相同的直方圖，所以即使對(duì)于峰谷明顯的情況，這些方法也不能保證你得到合理的閾值?？梢哉f(shuō)，局部區(qū)域的全局閾值選取方法，是基于點(diǎn)的方法，再加上考慮點(diǎn)鄰域內(nèi)像素相關(guān)性質(zhì)組合而成，所以某些方法常稱(chēng)為“二維xxx方法”。① 二維熵閾值分割方法使用灰度級(jí)局域平均灰度級(jí)形成的二維灰度直方圖，進(jìn)行閾值選取，這樣就得到二維熵閾值化方法。二維熵閾值分割，就是選擇（S，T）對(duì)，使得目標(biāo)類(lèi)和背景類(lèi)的后驗(yàn)熵最大，具體方法是一維熵閾值分割的推廣。② 簡(jiǎn)單統(tǒng)計(jì)法Kittler等人提出一種基于簡(jiǎn)單的圖像統(tǒng)計(jì)的閾值選取方法。因此本方法也屬于基于區(qū)域的全局閾值法。在上一節(jié)基于點(diǎn)的全局閾值方法中，我們知道直方圖凹面分析法的弊病是容易受到噪聲干擾，對(duì)不同類(lèi)型的圖像，表現(xiàn)出不同的分割效果。這是由于原始的直方圖是離散的，而且含噪聲，沒(méi)有考慮利用象素領(lǐng)域性質(zhì)。這個(gè)新的直方圖與原始直方圖相比，或者峰之間的谷底更深，或者谷轉(zhuǎn)變成峰從而更易于檢測(cè)。而邊界區(qū)域或者噪聲，就具有較大的梯度值。這樣，就可以使直方圖的雙峰更加突起，谷底更加凹陷。其它還有許多方法利用灰度值和梯度值散射圖，或者利用灰度值和平均灰度值散射圖。所以提出一種解決辦法就是用與像素位置相關(guān)的一組閾值（即閾值使用坐標(biāo)的函數(shù)）來(lái)對(duì)圖像各部分分別進(jìn)行分割。這類(lèi)算法的時(shí)間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強(qiáng)，對(duì)一些用全局閾值不易分割的圖像有較好的效果。第一種是閾值低，對(duì)亮區(qū)效果好，則暗區(qū)差，第