【正文】 分成四類、五類或六類還是遠(yuǎn)遠(yuǎn)不夠的。（3）缺乏自動(dòng)指紋識(shí)別系統(tǒng)的性能評(píng)價(jià)體系。這樣，由于各個(gè)自動(dòng)指紋系統(tǒng)在測(cè)試時(shí)使用的數(shù)據(jù)庫在容量、指紋質(zhì)量方面各不相同，側(cè)試方案差別也比較大，不可避免地造成現(xiàn)在自動(dòng)指紋識(shí)別系統(tǒng)性能評(píng)價(jià)的混亂和無序，而且各系統(tǒng)間也不存在可比性[23]。生理學(xué)的研究結(jié)果表明，指紋的結(jié)構(gòu)在真皮層有著完整和穩(wěn)定的表現(xiàn)。（b）多種生物識(shí)別技術(shù)的融合。各種生物識(shí)別技術(shù)都具有自身的特點(diǎn)和優(yōu)勢(shì)。自動(dòng)指紋識(shí)別技術(shù)是一項(xiàng)綜合性的高新技術(shù)，是一個(gè)學(xué)科交叉性很強(qiáng)的研究領(lǐng)域。 指紋采集技術(shù)比較目前有三種指紋采集技術(shù)：光學(xué)掃描、半導(dǎo)體傳感器、超聲波掃描技術(shù)[12]。光線照到壓有指紋的玻璃表面，反射光線由CCD去獲得，反射光的量依賴于壓在玻璃表面指紋的脊和谷的深度以及皮膚與玻璃間的油脂和水分。光學(xué)采集設(shè)備有著許多優(yōu)勢(shì)：它經(jīng)歷了長(zhǎng)時(shí)問實(shí)際應(yīng)用的考驗(yàn)，能承受一定程度溫度變化，穩(wěn)定性很好，成本相對(duì)較低，并能提供分辨率為500dpi的圖像。臺(tái)板必須足夠大才能獲得質(zhì)量較好的圖像。嚴(yán)重的潛在指印會(huì)導(dǎo)致兩個(gè)指印的重疊。另外塑料假指紋也有可能騙過光學(xué)傳感器?，F(xiàn)在傳感器可以裝在636英寸的盒子里，在不久的將來更小的設(shè)備可能只有311英寸。例如:可以利用纖維光束來獲取指紋圖像。另 一個(gè)方案是把含有微型二棱鏡矩陣的表面安裝在彈性的平面上，當(dāng)手指壓在此表面上時(shí)，由于指紋脊和谷的壓力不同而改變了微型二棱鏡的表面，這些變化通過三棱鏡光的反射而反映出來。（1）硅電容指紋圖像傳感器。在半導(dǎo)體金屬陣列上能結(jié)合大約 100000個(gè)電容傳感器，其外面是絕緣的表面。由于指紋的脊和谷相對(duì)于另一極之間的距離不同(紋路深淺的存在），導(dǎo)致硅表面電容陣列的各個(gè)電容值不同，測(cè)量并記錄各點(diǎn)的電容值，就可以獲得具有灰度級(jí)的指紋圖像。其表面的頂層是具有彈性的壓感介質(zhì)材料，它們依照指紋的外表地形（凹凸）轉(zhuǎn)化為相應(yīng)的電子信號(hào)，并進(jìn)一步產(chǎn)生具有灰度級(jí)的指紋圖像。它通過感應(yīng)壓在設(shè)備上的脊和遠(yuǎn)離設(shè)備的谷溫度的不同就可以獲得指紋圖像。例如：一個(gè)不清晰（對(duì)比度差）的圖像，如干燥的指紋，都能夠被感覺到，從而可以增強(qiáng)其靈敏度，在捕捉的瞬間產(chǎn)生清晰的圖像（對(duì)比度好）；由于提供了局部調(diào)整的能力，圖像不清晰（對(duì)比度差）的區(qū)域也能夠被檢測(cè)到（如：手指壓得較輕的地方），并在捕捉的瞬間為這些像素提高靈敏度。由于半導(dǎo)體芯片的體積小巧，功耗很低，可以集成到許多現(xiàn)有設(shè)備中，這是光學(xué)采集設(shè)備所無法比擬的，現(xiàn)在許多指紋識(shí)別系統(tǒng)研發(fā)工作都采用半導(dǎo)體采集設(shè)備來進(jìn)行。手指的汗液中的鹽分或者其他的污物，以及手指磨損都會(huì)使半導(dǎo)體傳感器的取像很困難。隨著各種工藝技術(shù)的不斷發(fā)展，芯片的防靜電性能和耐用度得到了很大的改善。為了降低成本，晶片面積一般都比較小。超聲波掃描傳感器超聲波掃描傳感器工作原理為傳送超聲波，并通過手指、臺(tái)板和空氣間的電阻來測(cè)量距離的方法完成錄入，掃描指紋的表面，接收設(shè)備獲取了其反射信號(hào)，測(cè)量它的范圍，得到脊的深度。但由于超聲波錄入設(shè)備的耐久性還難以估計(jì)，因此實(shí)際中應(yīng)用得較少。但成本很高，而且還處于實(shí)驗(yàn)室階段。 特征提取與匹配AFIS系統(tǒng)中，指紋識(shí)別算法最終都?xì)w結(jié)為在指紋圖像上提取和比對(duì)指紋特征。新近的算法大致可以分為：基于結(jié)構(gòu)的特征提取和匹配、基于特征點(diǎn)的匹配和基于神經(jīng)網(wǎng)絡(luò)的方法[19]。Hrechak等用結(jié)構(gòu)匹配來做指紋識(shí)別。其中最多的是基于點(diǎn)匹配的方法，有Ranade等的松弛算法，Chang等基于一維聚類的快速算法，Miklos z的三角匹配算法，Jain等的串匹配算法，以及Luo等針對(duì)Jain等的算法所提出的改進(jìn)算法等。點(diǎn)匹配方法雖然應(yīng)用得最多，發(fā)展得最成熟?；谏窠?jīng)網(wǎng)絡(luò)算法容錯(cuò)性高，但需要大量樣本事先對(duì)系統(tǒng)進(jìn)行訓(xùn)練才能發(fā)揮作用，而且計(jì)算量也偏大，不符合實(shí)時(shí)性的要求。 性能評(píng)價(jià)指紋算法中引入了兩個(gè)重要的數(shù)字指標(biāo)來描述該系統(tǒng)的精確度。此外拒登率(Error Registration Rate，ERR)和識(shí)別速度也會(huì)影響到使用的方便性。其定義為：FRR=拒識(shí)的指紋數(shù)目/考察的指紋總數(shù)目100%。其定義為：FRR=錯(cuò)判的指紋數(shù)目/考察的指紋總數(shù)目100%[19]。l 速度。采集時(shí)間通常包含了采集的操作時(shí)間和圖像的傳輸時(shí)間；圖像處理時(shí)間指的是從計(jì)算機(jī)處理指紋圖像到提取出所有特征、輸出特征模板所耗費(fèi)的時(shí)間；比對(duì)時(shí)間是指計(jì)算機(jī)對(duì)兩組指紋特征模板進(jìn)行比對(duì)并給出結(jié)果所耗費(fèi)的時(shí)間；平均識(shí)別速度指計(jì)算機(jī)從指紋特征模版庫中搜索出特定指紋特征模板的速度，通常是一個(gè)統(tǒng)計(jì)平均值，其速度的快慢與指紋特征模版庫的分類方法有很大關(guān)系。指紋識(shí)別系統(tǒng)的特定應(yīng)用的重要衡量標(biāo)志是識(shí)別率。我們可以根據(jù)不同的用途來調(diào)整這兩個(gè)值。ROC(Receiver Operating Curve)曲線給出FAR和FRR之間的關(guān)系。例如采用四位數(shù)字密碼的系統(tǒng)，不安全概率為 %，%指紋識(shí)別系統(tǒng)相比，由于不誠(chéng)實(shí)的人可以在一段時(shí)間內(nèi)試用所有可能的密碼，因此四位密碼并不安全，但是他絕對(duì)不可能找到一千個(gè)人去為他把所有的手指（十個(gè)手指）都試一遍。圖14 ROC曲線圖FRR實(shí)際上也是系統(tǒng)易用性的重要指標(biāo)。一個(gè)有效的辦法是比對(duì)兩個(gè)或更多的指紋，從而在不損失易用性的同時(shí)，極大地提高了系統(tǒng)安全性。 本文所做工作及論文結(jié)構(gòu)指紋識(shí)別技術(shù)作為一種新興的身份驗(yàn)證技術(shù)，具有廣闊的應(yīng)用空間。本文的指紋傳感器模塊就采用DSP來實(shí)現(xiàn)指紋識(shí)別。本文在第二章中詳細(xì)介紹了指紋識(shí)別的常規(guī)算法和本文所采用的算法，并比較了兩種算法的性能特點(diǎn)，同時(shí)對(duì)本文指紋奇異點(diǎn)提取所采用的具體方法作了詳細(xì)介紹。第四章是對(duì)本文所做工作的總結(jié)，并提出了今后改進(jìn)的方案和指紋識(shí)別技術(shù)的前景展望。 指紋識(shí)別的基本知識(shí)我們定義了指紋的兩類特征來進(jìn)行指紋的驗(yàn)證：總體特征[19]和局部特征。僅僅依靠紋形來分辨指紋是遠(yuǎn)遠(yuǎn)不夠的，這只是一個(gè)粗略的分類，通過更詳細(xì)的分類使得在大數(shù)據(jù)庫中搜尋指紋更為方便快捷。有的指紋識(shí)別算法只使用模式區(qū)的數(shù)據(jù)。3. 核心點(diǎn)（Core Point）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)跟蹤的開始之處。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)。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)”。指紋上的細(xì)節(jié)特征點(diǎn)有四種不同的特征：特征點(diǎn)的類型、特征點(diǎn)的方向、特征點(diǎn)紋線的曲率、特征點(diǎn)的位置。方向是指紋路灰度連續(xù)的方向，特征點(diǎn)可以朝著一定的方向。特征點(diǎn)的位置通過（x, y）坐標(biāo)來描述，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。分叉點(diǎn)（Bifurcation）—— 一條紋路在此分開成為兩條或更多的紋路。孤立點(diǎn)（Dot or Island）—— 一條特別短的紋路，以至于成為一點(diǎn)。短紋（Short Ridge）—— 一端較短但不至于成為一點(diǎn)的紋路。與人工處理不同，許多生物識(shí)別技術(shù)公司并不直接存儲(chǔ)指紋的圖像。但指紋識(shí)別算法最終都?xì)w結(jié)為在指紋圖像上找到并比對(duì)指紋的特征。Anil Jain 和 ChihJen Lee 在基于結(jié)構(gòu)的指紋識(shí)別算法方面做了探索性的工作，不同的是Jain用的是圓形網(wǎng)格，有利于匹配時(shí)保持旋轉(zhuǎn)不變，避免了旋轉(zhuǎn)定位問題，這樣就必須進(jìn)行極坐標(biāo)變換:而Lee用的是正方形網(wǎng)格，但是忽略了旋轉(zhuǎn)不變的問題。指紋的紋理是指紋圖像的一個(gè)重要特征，可以用兩種基本特征來描述，即組成指紋紋理的紋理元和紋理元之間的相互關(guān)系，前者與局部灰度變化規(guī)律有關(guān)，后者則與由前者形成的空間結(jié)構(gòu)相關(guān)。根據(jù)指紋的脊和谷局部平行的紋理特性，可以建成包含方向和頻率信息的模型。Gabor變換用于紋理分析主要是它具有可調(diào)節(jié)的方向和中心頻率，以及最優(yōu)化的空間和頻率分辨率?；诮Y(jié)構(gòu)的指紋識(shí)別算法處理流程圖如圖23所示。但是由于基于結(jié)構(gòu)的指紋識(shí)別算法需要處理多個(gè)方向上的特征，嚴(yán)重影響指紋識(shí)別的速度。特征點(diǎn)匹配方法也是應(yīng)用得最早，發(fā)展得最成熟的方法。特征點(diǎn)的提取算法現(xiàn)在有很多，而且各有不同。預(yù)處理時(shí)，首先要對(duì)圖像中不顯著的地方進(jìn)行對(duì)比度增強(qiáng)，然后采用平滑方法消去圖像中的噪聲；由于平滑處理會(huì)使脊線邊緣變模糊，再采用銳化技術(shù)以獲得清晰的邊緣；最后對(duì)圖像進(jìn)行二值化。指紋圖像的匹配就是對(duì)兩個(gè)輸入指紋的特征集合進(jìn)行比較，來確定它們是否同源的過程，即兩枚指紋是否來自同一個(gè)指頭。指紋匹配的過程實(shí)際就是兩個(gè)拓?fù)浣Y(jié)構(gòu)的匹配過程。但基于特征點(diǎn)的匹配算法還存在許多缺點(diǎn)。而在預(yù)處理過程中，由于算法本身所需的空間較大，加上很多中間結(jié)果需要保存，所以預(yù)處理過程所需空間很大。同時(shí)，指紋庫的數(shù)據(jù)量也較大，一般一幅指紋需要存儲(chǔ)2030個(gè)特征點(diǎn)以保證匹配的準(zhǔn)確性。目前線指紋產(chǎn)品對(duì)應(yīng)用范圍均有一定的限制。其原因就在于指紋存儲(chǔ)量較大。它極大地豐富和發(fā)展了fourier變換理論。小波變換的基本思想是用一族小波基函數(shù)去表示或逼近信號(hào)，很好地解決了時(shí)間和頻率分辨力的矛盾，適合于對(duì)時(shí)變信號(hào)進(jìn)行局部分析。1984年法國(guó)地理學(xué)家 Morlet在分析地震波的局部性質(zhì)時(shí)引入了小波的概念[26]，1986年，[27]，并將小波函數(shù)的構(gòu)造統(tǒng)一于多分辨率分析的框架之下，同時(shí)，Mallat提出的快速算法使小波變換從理論研究進(jìn)一步起向各種應(yīng)用領(lǐng)域。隨著理論研究的不斷深入和應(yīng)用領(lǐng)域的不斷擴(kuò)展，小波分析越來越顯示出它的獨(dú)特魅力。這是因?yàn)樾〔ㄗ儞Q具有空間——頻率的局部性、方向性、多分辨率性和帶寬在對(duì)數(shù)頻率軸上等寬的優(yōu)點(diǎn)，并與視覺特性接近，所以不僅可以利用統(tǒng)計(jì)特性，還可以利用視覺特性來提高編碼效率，并且用金字塔算法還可以實(shí)現(xiàn)圖像的正交、無冗余分解。在利用小波變換進(jìn)行圖像處理時(shí)，由于圖像是一組二維的數(shù)據(jù)，所以需要采用二維的小波變換?？煞蛛x的二維小波變換（Separable 2D Wavelet Transform）是為最為簡(jiǎn)單、直接方式。這種分解方式符合人數(shù)體視覺神經(jīng)在水平方向和豎直方向敏感較好，對(duì)角方向敏感度較差的特性，并且計(jì)算量較小，是小波圖象壓縮中最為常用的分解方式。其中LL子帶對(duì)應(yīng)于水平、豎直方向均為低頻的成分，LH子帶對(duì)應(yīng)于水平方向?yàn)榈皖l、豎直方向?yàn)榈皖l的成分，HH子帶對(duì)應(yīng)于水平、豎直方向均為商頻的成分。圖25 二維快速小波變換的分解與合成過程LLHLLHHH圖26 小波分解示意圖（a）原始圖像 （b）二維小波分解結(jié)果圖27 圖像的二維小波分解結(jié)果上述分解過程還可以在子圖像中重復(fù)下去。每次都對(duì)所有子帶進(jìn)行分解的方式稱為均勻分解，而每次均在LL子帶作小波分解的方式，見分曉稱為金字塔形的分解（Pyramidal Deposition）.另外還有一種介于這兩者之間的分解方式稱為小波包分解。（a）均勻分解 （b）金字塔分解 （c）小波分解圖28 三種子帶分解方式小波變換應(yīng)用指紋圖像的特性（1）小波變換系數(shù)的統(tǒng)計(jì)特性圖像的離散小波變換通常運(yùn)用高通濾波器L對(duì)圖像進(jìn)行水平和垂直方向的濾波，在小波頻域內(nèi)，低通子帶的系數(shù)稱為尺度系數(shù)，而其他子帶的系數(shù)則稱為小波系數(shù)。因此，任一子帶的小波系數(shù)的均值都等于或近似等于0。從圖中可以看出，原始圖像的灰度在大范圍內(nèi)分布，且相關(guān)性較強(qiáng)，熵值較大。而且，小波變換系數(shù)直方圖可以用一系列概率密度函數(shù)來近似描述。 圖210 灰度直方圖圖 211 小波變換系數(shù)直方圖（2）小波變換系數(shù)的廣義高斯密度函數(shù)近似實(shí)驗(yàn)顯示，一個(gè)特定的子帶小波變換系數(shù)直方圖如果用含有兩個(gè)變量α和β 的廣義高斯密度函數(shù)來近似[28]，能夠取得較為理想的結(jié)果。因此，α有時(shí)被稱為尺度參數(shù)，β被稱為形狀參數(shù)。=(x1,x2,...xL)可以描述成： (23)這里如果β0，可以得出：； (24)m1和m2分別滿足：， (25)同時(shí)α滿足： α=m1(Γ(1/β)/ Γ(2/β)) (26)在實(shí)際求解過程中，式（24）的解可以通過插值和對(duì)應(yīng)查表的方法來得到。（3）基于廣義高斯概密度的相似度量方法上述可知，若給定了廣義高斯概率模型，子帶小波系數(shù)的直方圖可以用α和β來描述。因此，圖像之間的相似度轉(zhuǎn)化為以尺度參數(shù)α和形關(guān)參數(shù)β為變量的KLD距離函數(shù)。這里我們的預(yù)處理采用提取每幅圖像邊緣的方法，將256級(jí)灰度指紋圖像變?yōu)橹话?和1的二值圖像。3．基于小波的指紋識(shí)別過程具體步驟如下：（1） 對(duì)待識(shí)指紋圖像和模板圖橡分別進(jìn)行邊緣檢測(cè)，將其變?yōu)椋褐祱D像；（2） 對(duì)待識(shí)指紋圖像和模板圖像分別進(jìn)行小波變換；（3） 分別計(jì)算兩圖像各小波子圖的α和β值，這里的α和β值由以下公式得到：； (28)其中：， (29)（4） 利用（27）式，求出兩圖像各對(duì)應(yīng)子圖間的KLD距離。比如對(duì)于兩幅指紋小波變換后的水平細(xì)節(jié)子帶，提取出的特征分別為，先用（27）計(jì)算D1 = D(p(。α2,β2))，再計(jì)算D2 = D(p(。α1,β1)。如果DDth，兩個(gè)指紋不是同源指紋；否則，是同源指紋。存儲(chǔ)量小，我們的算法只需要存儲(chǔ)三對(duì)小波系數(shù)（包括6個(gè)數(shù)），單指紋數(shù)據(jù)量不超過24字節(jié)（接近于“客戶ID+密碼”的存儲(chǔ)量）。對(duì)指紋質(zhì)量要求不高。指紋的奇異點(diǎn)作為指紋的特征點(diǎn)在指紋識(shí)別過程中可有多種用途，例如：(1) 可將奇異點(diǎn)作為指紋的參考點(diǎn)，在利用圖像方法進(jìn)行指紋識(shí)別時(shí)可糾正比對(duì)指紋與模板指紋的旋轉(zhuǎn)和平移問題，而在利用特征點(diǎn)方法進(jìn)行指紋識(shí)別時(shí)可作為其他特征點(diǎn)的中心參考點(diǎn)，從而可提高指紋識(shí)別的可靠性；(2) 可利用奇異點(diǎn)對(duì)指紋圖像進(jìn)匹配，如可以利用奇異點(diǎn)的數(shù)目，奇異點(diǎn)間的距離以及奇異點(diǎn)間的夾角等來判斷比對(duì)指紋和模板指紋是否為同源指紋；(3) 還可利用奇異點(diǎn)對(duì)指紋進(jìn)行分類，根據(jù)這些奇異點(diǎn)的數(shù)目和位置可將指紋分為五類：拱形（沒有奇異點(diǎn)），尖拱形（一個(gè)核點(diǎn)，一個(gè)三角點(diǎn)，并且距離很近），左環(huán)