【正文】 程度。這些所有的指紋特征信息構(gòu)成了龐大的指紋特征集合。 為了 識(shí)別 的快速、準(zhǔn)確 ,指紋特征提取算法應(yīng)具備以下特性 : 1) 易計(jì)算 。 3) 保持指紋特征點(diǎn)的唯一性 。 本 章主要通過基于結(jié)構(gòu)的指紋特征提取算法和基于細(xì)節(jié)點(diǎn)的指紋特征提取算法對(duì)指紋圖像特征提取算法 進(jìn)行 研究，并對(duì)兩種算法作比較。每個(gè)人的 指 紋不一樣 ,即使同一個(gè)人的每個(gè)手指也不相同。指紋是手指末梢乳突紋突起形成的紋線圖案 ， 指紋紋線中包含有很多類似于起點(diǎn)、終點(diǎn)、分歧、結(jié)合、小勾、小眼、 小橋、短棒、小點(diǎn)等細(xì)節(jié)特征點(diǎn) [21]。 13 (a)端點(diǎn) (b)分叉點(diǎn) 圖 4 細(xì)節(jié)特征點(diǎn) 指紋圖像的特征提取方法可以從三個(gè)方面（指紋的細(xì)節(jié)特征、紋理特征和結(jié)構(gòu)化的指紋特征）來研究。傳統(tǒng)的指紋特征提取算法一般由圖像分割、增強(qiáng)、方向信息提取、脊線提取、圖像細(xì)化和細(xì)節(jié)特征提取等步驟組成。 Tico 等沒有應(yīng)用任何圖像增強(qiáng)環(huán)節(jié)，直接對(duì)灰度圖采用小波變換來提取指紋的細(xì)節(jié)特征，并取得較高的識(shí)別率。 Dario Maio 和 Maltoni 等提出直接從灰度圖像提取細(xì)節(jié)點(diǎn)的算法。該算法由鄰域信息和方向直方圖推 導(dǎo) 提取出特征奇異點(diǎn)，允許有較大的噪聲 [23]。 (a)指紋的一部分 (脊間距是常量 ) (b)圖 (a)中的脊方向 圖 5 指紋方向紋理圖 14 一般來說，紋理圖像中灰度分布具有某種周期性，即使灰度變化是隨機(jī)的，它也具有一定的統(tǒng)計(jì)特征 。 紋理分析需要識(shí)別紋理的那些可以用來分割、區(qū) 分和識(shí)別的特性，或進(jìn)行形狀計(jì)算，研究計(jì)算方法用以實(shí)現(xiàn)上述任務(wù) 。 通過把指紋圖像分解到不同的方向空 間，從而建立起基于紋理結(jié)構(gòu)的新型指紋描述體系．提取算法的四個(gè)主要步驟： (1)定位指紋中心點(diǎn)； (2)以中心點(diǎn)為參考點(diǎn)，在其周圍做圓形網(wǎng)格作為特征提取區(qū)域并進(jìn)行歸一化處理； (3)利用 Gabor濾波器的頻域和方向選擇性。 用 Gabor濾波器提取指紋圖像特征的具體算法流程如圖 7所示 。 徐楊等人 提出一種新的直接從灰度圖像中自動(dòng)搜索中心點(diǎn)的算法步驟如下： (1)將指紋圖像 5分成大小為 w w的塊 (取 w=8)； (2)計(jì)算每個(gè)像素點(diǎn) (i， j)的梯度 ??xj? 和 ? ?,yi j? ； (3)估算以像素 (i， j)為中心的塊方向，使用如下公式 (8) ? ? ? ? ? ?? ? ? ? ? ?? ?? ? ? ?? ?/2/2/ 2 / 2/2/222/ 2 / 21, 2 , , , , , ,1, ta n 。 對(duì)于紋理清晰的指紋圖像，我們一般都能夠準(zhǔn)確地找到中心點(diǎn)的位置 。 確定特征提取區(qū)及歸一化 為解決旋轉(zhuǎn)不變采用了方便計(jì)算的圓形網(wǎng)格，以指紋中心點(diǎn) (xc， yc)作為參考點(diǎn)，做若干個(gè)同心圓，每個(gè)圓形帶狀的寬度，即相鄰?fù)膱A半徑的差，再把每個(gè)帶分成小的扇區(qū) (如圖 6所示 )，形成若干個(gè)扇形塊，每一塊的灰度值統(tǒng)計(jì)量分別表達(dá)了指紋在該區(qū)域的局部信息 。 對(duì)各圓形區(qū)域先使用公式 (1)對(duì)各區(qū)域歸一化，其中 M0和 V0是預(yù)置的均值和方差 (都置為 50)，而 M和 V為各區(qū)域的均值和方差， I（ x， y） 和 N(x， y)分別為歸一化前后區(qū)域內(nèi)位置為 (x， y)象素的灰度 。 16 （ a）螺旋型中心點(diǎn)（ b）左環(huán)型中心點(diǎn)（ c）右環(huán)型中心點(diǎn)（ d）弓型中心點(diǎn) 圖 8 指紋圖像的中心點(diǎn)（） 特征提取及編碼 歸一化后對(duì)各區(qū)域使用前面提到的 8個(gè)方向的 Gabor濾波器物理模型對(duì)各區(qū)域進(jìn)行濾波，每個(gè)區(qū)域會(huì)對(duì)應(yīng)著 8個(gè)區(qū)域子圖像，利用這 8個(gè)子圖像就可以提取指紋的局部紋理特征 。 圖 9 Gabor濾波器處理過程 使用各區(qū)域的平均絕對(duì)值偏差 AAD(average absolute deviation)特征要好于方差特征，各區(qū)域子圖像的 AAD可表示如下： 17 ? ?n1V F x y Pn? ? ?????????? ， 其中， Fθ(x,y)為沿 θ方向?yàn)V波后的子圖像； n為區(qū)域內(nèi)象素點(diǎn)的個(gè)數(shù)； Vθ 為所求的平均絕對(duì)值偏差； Pθ 為該濾波后子圖像的灰度均值 。 匹配的過程實(shí)際上是求兩幅指紋編碼的歐氏距離，距離大于閾值的認(rèn)為不匹配，小于 閥 值是匹配的 [24]。為估計(jì)點(diǎn)方向圖 ,把指紋脊線走向分為 8個(gè)方向。 Gdiff [ J ] = abs (Gmean [ J ] Gmean [ I + 4 ] ) J = 0, 1, 2, 3,為脊線方向 取差值的絕對(duì)值最大的兩個(gè)方向?yàn)榭赡艿募咕€方向若 : iMax = arg(Max(Gdiff ( i) )) 18 則方向 iMax和 iMax + 4為 像素處可能的脊線方向 ,若該像素處的灰度值為 Gray,則脊線方向?yàn)?: ? ?? ? ? ?? ?44i M a x i f a b c G r a y G m e a n i M a x a b c G r a y G m e a n i M a xi D i r i M a x o t h e r w i s e? ? ? ? ??? ? ??? 即取 iMax和 iMax + 4方向中灰度平均值與該像素的灰度值比較接近的方向作為該像素處的脊線方向。這樣的做法會(huì)造成塊與塊之間方向的不 連貫性。 其具體過程為 : for( int I = 0。 I+ + ) { for( int J = 0。 J ++ ) { 取 directdata [ I* bwidth + J ]的值 = 在 I bsize /2, I +bsize /2, J bsize /2, J + bsiz/2 的塊中計(jì)算其 方向直方圖 ,取方向直方圖的峰值作為該點(diǎn)的方向。 兩種處理方法的方向圖和二值化后保留細(xì)節(jié)的具體情況如圖 11所示。 二值化 由以上的方法得到每個(gè)像素的方向后 ,再依據(jù)所得到的點(diǎn)方向來對(duì)圖像進(jìn)行二值化。 細(xì)化 采用逐層迭代算法進(jìn)行細(xì)化。令 B n為 3 3窗口內(nèi)目標(biāo)像素的個(gè)數(shù) 81Bn Pi??， 兩次掃描中需滿足的條件為 ： 1) 2 ≤ B n ≤ 6 （ 排除 p為端點(diǎn)和內(nèi)部像點(diǎn)的情況 ） ； 2) 若已標(biāo)記 pi視為 1時(shí) ,有 Nc=1(Nc為 p的 8－ 鄰域中的連接成分?jǐn)?shù) ,則其序列p1p2p3p4p5p6p7p8p1中 0到 1變化的次數(shù) ) (保證刪除當(dāng)前像 素不會(huì)改變?cè)瓐D的連通性 )； 3) p的值是 1 (保證 p為前景點(diǎn) )； 4) 當(dāng) p3或 p5已標(biāo)記時(shí) , 若視 p3, p5為 0, 依然有 Nc=1(保證寬度為 2的線條只刪除一層像點(diǎn) ,避免其斷開 ) 。 2) 從左到右 , 從上到下順序掃描圖像 , 對(duì)同時(shí)滿足以上條件的像素 ,如果 p1p3p5 = 0且 p3p5p7 = 0,則將其作上標(biāo)記。 特征點(diǎn)提取及后處理 用圖 12所示的 3 3模板 , 孟祥萍 等人 [25]在算法 中只取 Cn = 3,即特征點(diǎn)為分支點(diǎn)的情況。經(jīng)過這個(gè)過程以后 ,所得的分支點(diǎn)就可作為指紋的脊線分支點(diǎn)。 經(jīng)過細(xì)化、特征點(diǎn)提取及后處理 ,就可 以得到谷線的分支點(diǎn)及其坐標(biāo)信息。 P4 P3 P2 P5 P P1 P6 P7 P8 圖 12 3 3模板圖 圖 13 部分偽分支點(diǎn) 21 圖 14 提取指紋細(xì)節(jié)點(diǎn)的過程 小結(jié) 本章從指紋的整體特征（紋理結(jié)構(gòu)）和局部特征（細(xì)節(jié)點(diǎn)）的特征提取算法展開研究，并對(duì)特征提取方法作一個(gè)比較。這樣得到指紋的細(xì)節(jié)點(diǎn) 比較準(zhǔn)確 ,而虛假點(diǎn)也比較容易除去。但對(duì)于質(zhì)量較差的圖像，細(xì)節(jié)點(diǎn)信息難以被有效地提??；細(xì)節(jié)點(diǎn)特征表示丟失大量的紋理結(jié)構(gòu)信息，這些信息同時(shí)也是不同指紋之間十分有效的區(qū)別特征。 該 算 法與細(xì)節(jié)點(diǎn)法相比，直接從灰度圖像中提取特征，節(jié)省了預(yù)處理的環(huán)節(jié)，更加有效方便 。 首先 對(duì) 人臉、虹膜、掌紋和視網(wǎng)膜 的特征提取方法 進(jìn)行 簡(jiǎn)單 介紹和分析 ，然后對(duì)最常用的生物 特征 （指紋）圖像 的 增強(qiáng)算法 進(jìn)行 研究，由于圖像增強(qiáng)是圖像特征提取 前最關(guān)鍵的一步，圖像增強(qiáng)算法的好壞影響著圖像特征的有效提取，因此需在研究圖像特征提取前對(duì)圖像增強(qiáng)算法 進(jìn)行 一定程度的研究。 細(xì)節(jié)點(diǎn)特征是中等分辨率下指紋圖像最穩(wěn)定而又最顯著的特征。在大量的指紋數(shù)據(jù)中，很容易出現(xiàn)兩個(gè)完全不同的指紋有很多細(xì)節(jié)點(diǎn)匹配是那個(gè)的情況。 Gabor 濾波的指紋紋理特征描述方法可以保留豐富的脊線信息，在一定程度上可以克服質(zhì)量較差的區(qū)域細(xì)節(jié)點(diǎn)難以提取得困難。但是由于需要對(duì)圖像做多次卷積 ， 濾波表示的方法運(yùn)算量很大。 對(duì)生物特征提取算法的研究一般都是為生物識(shí)別服 務(wù)。 因而，快速有效的生物特征識(shí)別是我們有待進(jìn)一步討論和研究的課題。 把 2個(gè)或 2個(gè)以上生物特征結(jié)合起來進(jìn)行身份鑒別則可以很好的解決這些問題，提高系統(tǒng)準(zhǔn)確性，降低誤識(shí)率，同時(shí)也具有更好的防偽性。 由于時(shí)間所限 ， 本論文 對(duì)生物圖像特征提取算法的 研究 還不夠深入 ， 本人 爭(zhēng)取在今后的工作和學(xué)習(xí)中 對(duì)其 進(jìn)行 進(jìn)一步 的探討 。 Multics Interpretation[R]. Technical report, Technical Report MTIS ADA023588, MITRE Corporation, 1975. [7]Daugman J G. High confidence visual recognition of persons by a test of statistical independence[J]. IEEE Tans. Pattern Analysis and Machine Intelligence,1993,15(11): 1148–1161. [8]Boles W, Boashah B. A human identification technique using images of the iris and wavelet transform [J]. IEEE Trans. On Signal Pro2 cessing, 1998, 46 (4): 1185–1188. [9]黃雅平 , 羅四維 , 陳恩義 . 基于獨(dú)立分量分析的虹膜識(shí)別方法 [J]. 計(jì)算機(jī)研究與發(fā)展 , 2020, 40 (10) : 14511457. [10]林金龍 , 石青云 . 一種基于結(jié)構(gòu)特征的虹膜識(shí)別方法 [J] .計(jì)算機(jī)工程與應(yīng)用 , 2020, 13: 8384, 137. [11]姚靜 , 林錦國(guó) , 梅雪 . 虹膜識(shí)別中幾種特征提取方法的比較研究 [J] .計(jì)算機(jī)測(cè)量與控制 , 2020, 15(1) : 112113. [12] 張會(huì)森 , 王映輝 . 人臉識(shí)別技術(shù) [J] .計(jì)算機(jī)工程與設(shè)計(jì) , 2020, 27(11): 19231928. [13] 魏冬冬 , 諶海新 , 聶鐵鑄 . 人臉特征提取與識(shí)別技術(shù)研究 [J] .計(jì)算機(jī)與現(xiàn)代化 , 2020年 ,(3) : 6976. [14]吳介 , 裘正定 , 李強(qiáng) . 一種新的掌紋特征提取算法 [J]. 北京交通大學(xué)學(xué)報(bào) , 2020, 30(2) : 8990. [15]吳介 , 裘正定 . 掌紋識(shí)別中的特征提取算法綜述 [J] . 北京電子科技學(xué)院學(xué)報(bào) , 2020, 13(2) : 8790. [16]林土勝 , 杜明輝 , 徐錦堂 . 視網(wǎng)膜血管形態(tài)識(shí)別方法的研究 [J] . CHINESE JOURNAL OF BIOMEDICAL ENGINEERING, 2020, 21(4) : 351－ 355. 24 [17]潘立豐 , 王利生 . 一種視網(wǎng)膜血管自適應(yīng)提取方法 [J] . Journal of Image and Graphics, 2020, 11(3) : 310316. [18]趙金輝 , 碩良勛 , 曲文斌 . 指紋圖像預(yù)處理算法研究 [J] .計(jì)算機(jī)工程與設(shè)計(jì) , 2020 .27(15) : 27772778. [19]孫以雷 , 陳紅衛(wèi) . 指紋圖像的預(yù)處理算法 [J] . Computer Measurement amp。 image enhancement