【正文】 想的身份確認(rèn)技術(shù)，因?yàn)橹讣y相對(duì)于其它幾種生物特征具有以下一些獨(dú)特的性質(zhì)：(1)互異性；世界上兩個(gè)指紋完全相同的概率小于109，幾乎為零。(3)具有和主體永不分離性；這樣對(duì)主體身份的識(shí)別更具真實(shí)性。(5)一個(gè)人的十指指紋皆不相同，這樣可以方便地利用多個(gè)指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。另外，對(duì)輸入的指紋圖提取關(guān)鍵特征后，可以大大減少網(wǎng)絡(luò)傳輸?shù)呢?fù)擔(dān)，便于實(shí)現(xiàn)異地確認(rèn)，支持計(jì)算機(jī)的網(wǎng)絡(luò)功能?；趫D像的識(shí)別算法認(rèn)為，指紋圖像的頻域和空域信息可以用來(lái)唯一表示并識(shí)別不同的指紋[2]。這類算法的問(wèn)題在于圖像特征難以定義和匹配，因此算法的拒識(shí)率和誤識(shí)率較高。指紋特征的復(fù)雜度足以提供用于鑒別的足夠特征。指紋特征多種多樣，有特征點(diǎn)、奇異點(diǎn)、域方向圖、脊線數(shù)目，甚至脊線線型等。大多數(shù)基于特征的識(shí)別算法專注于脊線上的末梢點(diǎn)和分叉點(diǎn)，該方法根據(jù)各個(gè)特征點(diǎn)的位置和方向來(lái)表示和區(qū)分指紋，從而使指紋識(shí)別問(wèn)題轉(zhuǎn)化為判斷兩個(gè)特征點(diǎn)集間的最大相似度(最大重合度)的問(wèn)題。目前許多公司和研究視梅在指紋識(shí)別技術(shù)領(lǐng)域都取得了突破性的進(jìn)展，推出許多指紋識(shí)別與傳統(tǒng)IT技術(shù)完美結(jié)合的應(yīng)用產(chǎn)品，這些產(chǎn)品已經(jīng)被越來(lái)越多的用戶所認(rèn)可。另外，一些公司和機(jī)構(gòu)結(jié)合社會(huì)應(yīng)用的實(shí)際需求，開發(fā)了各種類型的具有獨(dú)立知識(shí)產(chǎn)權(quán)的嵌入式指紋識(shí)別模塊、指紋應(yīng)用系統(tǒng)軟件等，用戶反映良好。與國(guó)外相比，我國(guó)在自動(dòng)指紋識(shí)別技術(shù)的研究水平上還存在一定的差距。指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。①?gòu)V泛性，指每一個(gè)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(huì)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(lái)說(shuō)更快捷、安全、準(zhǔn)確、無(wú)干擾，可實(shí)現(xiàn)快速登錄注冊(cè)，系統(tǒng)兼容性好，也就是說(shuō)可以獨(dú)立或者通過(guò)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(shí)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(jì)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(lái)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(jì)算復(fù)雜性是自動(dòng)指紋識(shí)別技術(shù)中一個(gè)重要的研究課題。本文以研究指紋識(shí)別中指紋圖像分割、細(xì)化、特征提取、匹配等若干問(wèn)題為研究主體，針對(duì)指紋識(shí)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(shí)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(wèn)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。第2章 指紋圖像的分割 指紋圖像分割概述這節(jié)中講了三類方法，如果用小節(jié)號(hào)或數(shù)字標(biāo)出是否會(huì)更為清晰？在指紋識(shí)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(guò)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]?；谙袼氐闹讣y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(shí)間屬于(一∞，+∞)的諧波函數(shù)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(guò)對(duì)母函數(shù)(t)進(jìn)行伸縮和平移得到一個(gè)小波序列： ； 式中為伸縮因子，b為平移因子。 （1）公式編號(hào)不是這么標(biāo)注的吧？ （2）計(jì)算機(jī)中的圖像信息是以離散信號(hào)形式存放的，在信號(hào)處理中，特別是在數(shù)字信號(hào)處理和數(shù)值計(jì)算等方面，為了計(jì)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(guò)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(shí)別識(shí)別中使用小波變換有助于噪聲的濾除以及有利于檢測(cè)奇異點(diǎn)。另一種閾值分割就是簡(jiǎn)單地用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾個(gè)類，認(rèn)為圖像中灰度在同一個(gè)灰度類內(nèi)的像素屬同一物體。其原理是先定一個(gè)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(jì)算簡(jiǎn)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(duì)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(wèn)題難以得到準(zhǔn)確的結(jié)果[8]。其中塊指的是將圖像分個(gè)成一個(gè)個(gè)小的圖像塊。一般來(lái)說(shuō)，常見的方向場(chǎng)的計(jì)算分為掩模法和公式法兩大類。 （1） （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(lái)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(gè)特定點(diǎn)后再根據(jù)全局的特點(diǎn)來(lái)處理，此法也可運(yùn)用于匹配。 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(jì)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(jì)算出每一塊的均值和方差。這段格式錯(cuò)誤較多 （） （）(3)如果計(jì)算得到的方差幾乎接近于0就認(rèn)為是背景，對(duì)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(jì)算得到的方差來(lái)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(duì)比度和灰度調(diào)整到一個(gè)固定的級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng)一的圖像規(guī)格。 （）其中和為期望的灰度均值和方差。指紋來(lái)自于指紋數(shù)據(jù)庫(kù)需說(shuō)明數(shù)據(jù)庫(kù)出自哪里？以表對(duì)別人工作的尊重。仿真中歸一化的參數(shù)取了150，取了100，分割的區(qū)域大小M取了10。 圖(a) 指紋原始圖像 圖(b) 歸一化處理圖像 圖(c) 分割后圖像圖21指紋1的處理結(jié)果請(qǐng)參照修改下面所有的圖。在歸一化處理降頻和通過(guò)區(qū)域均值方差的后得到的圖像條紋清晰，輪廓分明，對(duì)于后面的細(xì)化和匹配有很大的幫助。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(duì)于閾值的選擇，有多種方法，如熵法，Ostu法等?；叶葓D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(guò)研究發(fā)現(xiàn)，這種方法雖然簡(jiǎn)單，但是對(duì)噪聲較大，圖像質(zhì)量不好的指紋會(huì)產(chǎn)生較大的二值化噪聲。論文中采用了一種動(dòng)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(shí)，它周圍點(diǎn)不大于3個(gè)為像素1點(diǎn)則修改為0；當(dāng)像素為0時(shí)，它周圍不小于7個(gè)點(diǎn)為像素1的點(diǎn)，則修改為1。 指紋圖像細(xì)化方法計(jì)算由于灰度過(guò)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(gè)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(wú)法使用常規(guī)的特征提取算法提取細(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(shí)別、地質(zhì)構(gòu)造識(shí)別、工業(yè)零件形狀識(shí)別或圖像理解中，先對(duì)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(duì)圖像進(jìn)行細(xì)化時(shí)利用相同的條件同時(shí)檢測(cè)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(gè)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，有利于匹配的高效進(jìn)行。（2）對(duì)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(duì)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，Window 7操作系統(tǒng)，這些條件前面已經(jīng)介紹過(guò)了吧？先對(duì)分割好的圖像進(jìn)行二值化處理，簡(jiǎn)化后面的細(xì)化計(jì)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)果從分割后的二值化處理圖像中，我們可以看到，整個(gè)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(duì)于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來(lái)修改判定模板來(lái)決定這個(gè)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(jiǎn)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(shí)別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識(shí)別率比較高。一般說(shuō)來(lái)，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(chǔ)、管理和計(jì)算。對(duì)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(duì)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(guò)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(guò)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(guò)程引入的偽特征點(diǎn)。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(duì)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(gè)重要問(wèn)題。本章中將特征建立為一個(gè)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(shí)的處理為記錄數(shù)組2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為0，而它的8鄰域點(diǎn)記為1。此時(shí)的處理為記錄數(shù)組1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)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(jì)入數(shù)組3。此時(shí)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(gè)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(lái)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(shí)該點(diǎn)則被視為小橋。 仿真結(jié)果和結(jié)論，Window 7操作系統(tǒng)，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(duì)毛刺、小橋等偽特征點(diǎn)加以識(shí)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(wú)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(dòng)指紋識(shí)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(jiǎn)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(lái)鑒定指紋。點(diǎn)匹配算法是通過(guò)某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個(gè)點(diǎn)集中的對(duì)應(yīng)點(diǎn)匹配起來(lái)。點(diǎn)模式匹配[20]將注冊(cè)指紋和待識(shí)指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和P和Q通過(guò)平移和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。目前的指紋識(shí)別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。很多情況下選用圖片的中心點(diǎn)。(2)圖片A中有圖片B中不存在的點(diǎn)，集合B中也有圖片A中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。另外，計(jì)算匹配的時(shí)間即效率性也很重要。能獲得參考點(diǎn)表明從被識(shí)別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結(jié)果；沒(méi)有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖像。本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來(lái)驗(yàn)證的方法。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿足一定值的點(diǎn)視為可積點(diǎn)。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)即為匹配成功，不滿足視為不匹配。返回1說(shuō)明匹配成功，返回0則匹配失敗。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫(kù)圖像進(jìn)行二維FFT卷積，然后判斷出數(shù)據(jù)庫(kù)中哪幅圖片與錄用圖片最相似，并返回它們的差異長(zhǎng)度值。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了30張圖片做指紋圖片數(shù)據(jù)庫(kù)，目標(biāo)圖片為數(shù)據(jù)庫(kù)某圖片稍加修改后的圖片。以下為部分?jǐn)?shù)據(jù)庫(kù)圖片： 圖51數(shù)據(jù)庫(kù)中其中6張圖每張子圖都標(biāo)號(hào)(a)、(b)。 圖53 指紋匹配程序模塊這個(gè)圖去掉。 圖54 指紋匹配結(jié)果這里以表格的形式列出修改后幾張圖像的匹配結(jié)果。FFT卷積的方法能從多幅數(shù)據(jù)庫(kù)的指紋圖片中挑選出與當(dāng)前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會(huì)影響它的判斷和距離的計(jì)算。兩種方法都以中心點(diǎn)為基準(zhǔn)點(diǎn)。相似度的計(jì)算，方法一以滿足特征點(diǎn)的相對(duì)距離差距不大的點(diǎn)的個(gè)