（电路与系统专业论文）指纹图像预处理算法的研究.pdf

摘要 摘要 指纹具有唯一性和稳定性，因此被人们用来当作鉴别个人身份的主要依据。 自动指纹识别系统是基于计算机来进行指纹识别的技术，具有方便、高效、安全、 可靠等优点，在金融安全、数据加密、电子商务等各个领域都得到了广泛的应用， 并将在我们的生产和生活中发挥越来越重要的作用。 但由于存在指纹图像的噪声和皮肤弹性等因素影响，指纹识别一直存在识别 率不高、运算速度较慢的问题。本文针对上述问题，从指纹图像预处理环节入手， 提高了指纹识别系统的性能。 指纹识别一般包括以下几个步骤：指纹图像采集、指纹图像预处理、特征提 取、指纹特征匹配。本文首先以自动指纹识别技术的流程为线索，详细论述了自 动指纹识别系统的组成以及每部分对应的算法。然后重点研究图像预处理算法和 特征提取算法。本文的预处理算法包括以下步骤：规一化、方向图计算、方向滤 波( 采用g a b o r 滤波) 、局部自适应二值化、二值化去噪和细化。在预处理中，采 用八个方向的g a b o r 滤波对指纹图像进行滤波，把它与维纳滤波作比较，得了较 好的试验结果。在二值化中采用局部自适应方法与传统的固定阀值方法作比较， 细化中运用了数学形态学的方法，对指纹图像进行细化。 实验表明，本文运用的指纹增强算法可有效增强指纹图像，提取特征方法简 单有效。 关键词：指纹识别，方向图，二值化，细化，特征提取 a b s t r a c t a b s t r a c t d u et ot h e i ru n i q u e n e s sa n dp e r s i s t e n c e ，f i n g e r p r i n t sa r eu s e da sm a i nb a s i so f p e r s o n a li d e n t i t ya u t o m a t e df i n g e r p r i n ti d e n t i f i c a t i o ns y s t e m ( a f i s ) ，at e c h n o l o g yo f f i n g e r p r i n ti d e n t i f i c a t i o nu s i n gc o m p u t e r , i so fc o n v e n i e n c eh i g hf i e l d se f f i c i e n c y , s e c u r i t ya n dr e l i a b i l i t y i th a sb e e na p p l i e di nm a n ys u c ha sf i n a n c i a ls e c u r i t y , d a t a e n c r y p t i o n ，e l e c t r o n i c a l l yb u s i n e s sa n dw i l lp l a ya m o r ea n dm o r ei m p o r t a n tr o l ei no u r l i f e u pt i l ln o w , a f f e c t e db yt h en o i s ea n dt h es k i ne l a s t i c i t y , f i n g e r p r i n tc a nn o tb e i d e n t i f i e de f f i c i e n t l y t h ep r o b l e mh o wt oi m p r o v et h ep e r f o r m a n c eo fa u t o m a t e d f i n g e r p r i n ti d e n t i f i c a t i o nw i l lb ed i s c u s s e di n t h ed i s s e r t a t i o n i nt h i sd i s s e r t a t i o n ， a l g o r i t h m sw i l lb ei m p r o v e di n t h ea s p e c t ：p r e - p r o c e s s i n g f i n g e r p r i n ti d e n t i f i c a t i o ns y s t e mi n c l u d es t e p so ff i n g e r p r i n ti m a g e sc o l l e c t i o n ， i m a g ep r e p i o c e s s i n g f e a t u 坤e x t r a c t i o na n dm a t c h i n g t h ed i s s e r t a t i o nd i s c u s s e sa n d s t u d i e san u m b e ro fp r o b l e m sa b o u tt h ea u t o m a t i cf i n g e r p r i n ti d e n t i f i c a t i o ns y s t e ma n d f i n g e r p r i n ti d e n t i f i c a t i o na l g o r i t h m sa r es u m m a r i z e d t h e nw ef o c u so nt h ei m a g e p r e p r o c e s s i n ga n df e a t u r ee x t r a c t i o na l g o r i t h m s i nt h i sd i s s e r t a t i o n ，ac o m b i n a t o r i a l a l g o r i t h mb a s e d o nt h ed i r e c t i o n a ls e g m e n t a t i o ni sp r o p o s e df o rt h ep r e p r o c e s s i n go f t h e f i n g e r p r i n ti m a g e s ，t h i s c o m b i n a t o r i a la l g o r i t h mi sc o m p o s e do fn o r m a l i z a t i o n ， d i r e c t i o n a li m a g ec o m p u t a t i o n ，d i r e c t i o n a lf i l t e r i n g ( g a b o rf i l t e r i n g ) ，l o c a ls e l f - a d a p t i v e b i n a r i z a t i o n ，n o i s ee l i m i n a t i o na n dt h i n n i n g i ng a b o rf i l t e r ，w eu s ee i g h td i r e c t i o n a l f i l t e r i n gt op r o c e s sf i n g e r p r i n ti m a g et oc o m p a r e w i e n e rf i l t e r i n g ，w eg e tg o o dp r o c e s s r e s u l t w ec o m p a r el o c a ls e l f - a d a p t i v ew a yw i t ht h ef i x e dv a l u ei nb i n a r i z a t i o n ，a n d u s em a t h e m a t i c a lm o r p h o l o g ym e t h o dt ot h i ni m a g e e x p e r i m e n t ss h o wt h a t t h ea l g o r i t h m sw em e n t i o n e dc a ne n h a n c et h eq u a l i t yo f f i n g e r p r i n ti m a g ee f f i c i e n t l y k e yw o r d ：f i n g e r p r i n ti d e n t i f i c a t i o n ，d i r e c t i o n a li m a g e ，b i n a r i z a t i o n ，t h i n n i n g ，f e a t u r e e x t r a c t i o n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明 确的说明并表示谢意。 签名：毖垒日期：如年，月船 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此 签名：盘羔导师签 日期f 幻d g 年瑁f j - b 第一章绪论 1 1 引言 第一章绪论 网络信息化时代的一大特征就是个人身份的数字化和隐性化。如何准确鉴定 一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。 目前，我国的各种管理大部分使用证件、磁卡、i c 卡和密码，这些手段无法避免 伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不 方便，生物特征身份鉴别方法可以避免这些麻烦。因此，这一技术已成为身份鉴 别领域的研究热点。 所谓生物特征识别( b i o m e t r i c s ) 技术是指通过计算机利用人体所固有的生理 特征或行为特征来进行个人身份鉴别。生理特征与生俱来，多为先天性的：行为 特征则是习惯使然，多为后天性的。这里将生理和行为特征统称为生物特征，用 于身份鉴别的生物特征应具有普遍性，即任何人都具有这一特征；唯一性，不同 人的这一特征各不相同；稳定性，这一特征不随时间、外界环境等的变化而发生 改变；可接受性，用这一特征进行人体身份鉴别可以被人们接受和认可；防伪性， 这一特征不易仿造、窃取。 1 2 生物识别系统的一般结构 生物特征识别系统本质上是一个模式识别系统 1 ，它根据使用者的生理或行为 特征对使用者进行辨识，从而判断其是否具有合法身份。一般生物特征识别系统 的结构如图1 1 所示。 从逻辑上讲，这种系统可以分为两个步骤：注册( 或称登录) 步骤和认证步 骤块。注册步骤负责将生物特征信息登记到生物特征识别系统样本数据库。在注 册中，个体的生物特征样本首先经相应设备录入、数字化，然后经特征提取算法 提取特征信息，这种特征信息被称为样本。经过质量评估，符合需要的样本信息 被保存在数据库、磁卡或智能卡中。认证过程负责解决待识生物特征信息和样本， 电子科技大学硕士论文 特征信息是否匹配等问题。在认证过程中，相应的设备录入待识生物特征，并进 行数字化处理，经特征提取算法提取出待识生物特征中有用信息，由模式匹配算 法将这一信息与预先存储的样本信息进行比对，做出是否匹配的判断。 1 3 常见的生物识别手段 目前，常见的生物特征识别手段主要有人脸、指纹、手形、手部血管分布、 虹膜、视网膜、手写体、声音和脸部热量图等。它们有的已逐步得到推广和应用， 有的目前还处于实验研究阶段。其中，人脸、指纹、手形、手部血管分布、虹膜、 视网膜和脸部热量图属于生理特征，手写体属于行为特征，而声音则兼有两方面 的属性。下面对其中较为常用的生物特征识别手段做一下简要介绍： 图1 1 一般生物特征识别系统结构不意图 1 人脸识别。人脸识别是最常用的生物特征识别手段之一，也是生物特征识 别研究最活跃的领域之一。人脸识别分为静态的、控制环境的人脸识别和动态的、 不控制环境的人脸识别两种方式。所谓静态概念指的是采集人脸图像的瞬间，人 相对与图像采集设备应该是相对静止的。所谓控制环境指的是在图像采集时，背 景图案、照明情况、采集设备的分辨率以及人和图像采集设备间的距离都应该是 固定和统一的。显然，在控制环境的条件下，从采集到的图像中定位和分离人脸 图像比较容易，实现技术难度也会降低。动态的、不控制环境的人脸识别方式难 度则相当大。人脸识别是种非干涉性生物特征识别方式，它几乎不给人们带来 第一章绪论 任何不便之处，很容易为人们所接受。人脸识别有潜力成为最易于为人们所接受 的生物特征识别手段。 2 手行识别。手掌的形状，包括手指的形状、长度、宽度等特征均可用于手 形识别。基于手掌的几何形状信息的手形识别系统具有以下优点：简单、易用， 设备造价低；对使用环境的限制很少；比较容易为人们所接受。 它的不足之处也很明显：由于手形识别是基于手掌的几何形状信息进行的， 所以难以达到很高的准确率；手掌的形状，尤其是尺寸，随人的年龄增长而变大， 表现为不稳定的特点。所以手形识别不适用于未成年人。 3 虹膜识别。虹膜的组织结构在胎儿的中胚叶发育阶段就已经定型了。它具 有唯一性并终生不变。虹膜隔离于外部环境而且不能通过手术修改。从理论上讲， 虹膜的这些特性使得虹膜识别可以成为防伪性能最好的生物特征识别手段之一。 这一技术在身份识别中简单、有效，它有潜力成为将来生物特征识别技术的主流。 几年前，美国的i r i s c a n 公司已经推出了基于虹膜的生物特征识别系统，并声称 可以达到很高的准确率。虹膜识别技术的发展主要存在几个方面的困难：虽然从 理论上讲，虹膜是具有唯一性的生物特征，但它不象指纹那样使用历史悠久，人 们还需要一定的时间去认可和接受它：由于采集虹膜图像时，要将一束强光投射 到人的眼睛上，使人们感到不舒服，从而接受起来有些困难；采集虹膜图像时， 对人和采集设备的距离有比较严格的要求。 4 视网膜识别。在生物特征识别技术领域，视网膜识别指的是利用视网膜上 的血管分布模式进行身份识别。将一束低亮度光线照向人的眼球，即可通过相应 设备采集到视网膜图像。视网膜识别与瞳孔识别具有很大的相似性。它也具有唯 性、隔离于外部环境并不能通过手术修改等特性。视网膜的这些特性使这一识 别技术具有很好的防伪性能，也有潜力成为将来生物特征识别的主流手段之一。 5 手写体识别。每个人都有自己独特的笔迹。利用签名进行人的身份识别也 己经由来已久了。利用签名进行身份识别有两种方式：静态方式和动态方式。静 态方式己为人们所熟知，它是利用手写签名的静态几何特征来进行辨识的。动态 方式则要对签名的全过程进行监控和采样，记录笔画每处的加速度、速度、运笔 方向、顺序等动态信息，并结合签名笔迹的静态几何特征进行综合辨识。使用手 写体进行身份识别有两个明显的优势：用手写体作为身份识别的手段已有很长的 历史，为人们所广泛接受：虽然笔迹可以模仿，但要获取一个人签名的动态信息 却十分困难，因为这需要专用的设备。但由于手写体识别技术本身的复杂性，要 想达到很高的准确率难度很大。 电子科技大学硕士论文 6 声音识别。声音识别是较早开始研究的生物特征识别手段之一，又称为声 纹识别。声音识别分为依赖内容和不依赖内容两种方式。依赖内容的声音识别是 预先规定好待识者的说话内容，而不依赖内容的声音识别则允许待识者随意选择 说话的内容。显然，后一种方式实现的技术单独要高。声音识别的主要困难存在 于两个方面：虽然从理论上讲，声音具有唯一性。但在实际应用中，因为客观存 在很多人声音非常相象的情况，作到完全正确区分非常困难，几乎难以达到像指 纹或视网膜识别那样高的准确率；声音识别对背景噪声比较敏感，而这一点在实 际应用中有很难控制。 7 指纹识别。指纹用在身份确认领域己经有几百年的历史，几乎成为生物识 别技术的同义词，它的有效性也得到了公认。但在民用推广中，还有一些问题需 要解决，首先，传统指纹一般用在侦察罪犯等方面，在日常生活中采集人们的指 纹时，会产生一定的排斥心理。其次，自动指纹识别系统需要大量的计算资源。 从实际操作的角度来说，一种合适的生物特征通常包括：可被精确的测量、 采集速度快、公众可以接受、较高的可信度、匹配速度快、较好的防伪性、可以 接受的存储设备要求。性能：包括识别准确率、识别速度，系统鲁棒性，系统所 需资源以及影响系统性能的因素等。除此之外，一般还要考虑设备价格问题。下 面对几种生物识别技术进行比较，如表卜l 。 由表卜1 可以看出，指纹识别技术比其他生物识别技术总体上来说具有较大 的优势，主要是因其唯一性、永久性以及易操作性等特点，因而在很长时间内， 表卜l 几种生物识别技术性能比较 蛀能 普遍唯一性稳定性采集方便识别精度可接受性防欺骗性 名称性性 人脸识别 低中等尚低局低 手行识别高中等中等中等中等中等中等 虹膜识别高晶中等品低向 视网膜识别 中等低 低 手写体识别中等低低低低 声音识别 中等低低中等低低 指纹识别向中等高中等吊 一直作为身份鉴定的最可靠手段。自八十年代以来，由于数字图像处理学以及硬 件技术的迅速发展，指纹识别技术已经获得相当大的进展。需要指出的是，表卜1 第一章绪论 中列出的大多数生物识别技术的认证结果，都不能作为法律上的证据。目前，被 世界各国司法机关认可的只有指纹和签名识别，这两种技术经过多年的研究与应 用，已经日趋成熟，并被广泛接受。 1 4 指纹识别主要研究内容 从技术的角度看，自动指纹识别技术大致包括指纹采集、指纹分类、特征提 取和指纹匹配等内容。 1 指纹采集。从采集方式来看，指纹基本可以分为三类：捺印指纹、活体指 纹和模糊指纹。捺印指纹指的是将沾了印墨的手指按压在某种东西( 通常是纸) 上 留下指纹的痕迹，再经相应设备转化为数字化的信息，就得到捺印指纹图像。捺 印指纹采集到的有效指纹面积比较大，但因采集方式所限，采集速度较慢，指纹 缺陷较多，且采集的质量难以严格控制。 模糊指纹一般是指在犯罪现场采集到的指纹。将罪犯无意中遗留在犯罪现场 的指纹痕迹经过显影、拍照和扫描等技术处理而得到的指纹图像。 目前的自动指纹识别系统基本上都采用了活体指纹采集技术，主要有两种方 式：光学扫描采集和固体传感器采集。光学扫描采集指纹图像一般采用全反射技 术( f t i r ) 。当手指放在棱镜上，手指的脊和棱镜相接触而谷不和棱镜接触，激光 以一定角度照射棱镜产生全反射，由c c d 阵列接收并获取指纹图像。固体传感器 采集图像时，是利用当手指放在传感器表面，传感器接受接触点并改变电容器的 电压从而获取图像。固体传感器与光学扫描相比具有体积小、集成度高、数字化 等特点，但采集范围较小，而光学扫描采集范围大小则很少受到限制。最近也出 现了超声波传感器采集图像，它是利用超声波反射测距来采集的，对受污损的指 纹图像抗干扰较强，能够获取比较清晰的指纹图像。经活体指纹采集设各得到的 是数字化的指纹图像，相比较而言，活体指纹的质量是最好的。图1 2 是三类指 纹的示例。 2 指纹分类。指纹的分类是根据纹线的全局结构模式来进行的。人们经大量 统计发现，虽然纹线的全局结构模式因人而异，但变化的种类却是很有限的。这 表明把所有指纹分别归属于有限的几个不同类别是可能的，从而奠定了指纹分类 的理论基础。 就目前的指纹分类技术而言，指纹分类主要是根据指纹中的两类特殊结构 电子科技大学硕士论文 c o r e 点与d e i t a 点( 图i 3 所示) 的数目和位置不同而将指纹划分为不同的类型甜。 图1 4 是按照六类分类标准的指纹类别示例。 撩钾指绂 话体指纹模糊指纹 图1 2 捺印、活体和模糊指纹示例 c o ”点d 鲢t a 意 图】3c o r e 点与d e ll a 点结构示意图 在大容量数据库的指纹匹配中。指纹类别通常是作为一个索引标志加以应用， 用来加快指纹匹配的速度。 3 指纹细节特征。指纹的细节特征( m i n u t i a e ) 可以有1 5 0 种之多。但这些 特征出现的概率并不相等，很多特征是极其罕见的。一般在自动指纹识别技术中 只使用两种细节特征：纹线端点( r i d g ee n d i n g ) 和分差点( r i d g eb i f u r c a t i o n ) 。 纹线端点指的是纹线突然结束的位置，而纹线分差点则是纹线突然一分为二的位 置。大量统计结果和实际应用证明，这两类特征点在指纹中出现的机会最多、最 稳定，而且比较容易获取。更重要的是，使用这两类特征点足以描述指纹的唯一 性。通过算法检测指纹中这两类特征点的数量以及每个特征点的类型、位置和所 在区域的纹线方向是特征提取算法的任务。特征点的类型和方向定义如图1 5 所 玎i 。 第章绪论 ( a ) 拱形 ( c ) 左箕形 ( b ) 帐形 ( d ) 右箕形 ( f ) 双箕形 图1 4 五类分类标准下的指纹类别示例 电子利技大学硕士论文 ：x 爹，护- l 绠鲮鹩点缭线夏意 图1 5 指纹特征点的类型与方向 4 指纹匹配。尽管c o i - e 点、d e t a 点的有无、数目、位置以及纹线数等在一 定程度上体现了指纹的个性，但指纹的唯一性却是由局部的纹线特征和以及它们 的相互关系来决定的。指纹匹配最终是靠比较两枚指纹的局部纹线特征和相互关 系来决定指纹的唯一性的。 由于采集设备的不完善性、采集条件的随机性以及预处理技术的局限，使得 真正特征点的缺失、伪特征点的存在和特征点定位偏差的情况普遍存在。所以， 指纹匹配必然一种模糊匹配，匹配算法必须要有一定的弹性。 1 5 指纹识别的发展历史 早在1 8 8 0 年英国人亨利福兹就提出了用指纹识别系统识别犯罪。到2 0 世纪 7 0 年代，由于计算机的广泛应用和模式识别理论的发展，人们己开始研究使用计 算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。 到2 0 世纪7 0 年代末，一些实用系统已经出现。据报道：7 0 年代末加拿大警方首 次应用激光进行指纹检验，日本立石电机公司8 0 年代研制出了指纹核对机；美国 人福勒8 0 年代设计出了电子指纹检验系统，日本n b c 在1 9 8 2 年首次向警方提供 自动指纹识别系统( a f i s ) ，比利时刑事鉴定局在1 9 9 0 年开始使用( a f i s ) ；瑞士 一家公司研制成功指纹码智能卡：日本蝶理株式会社推出出入口指纹识别器；在 英国政府的重要部门，指纹识别仪己被广泛采用；在澳大利亚，指纹识别仪己被 广泛用在ar i m 机上，在美国，除军事设施外，五角大楼、政府实验室、银行、监 狱和商业部门也广泛使用了自动指纹识别系统；1 9 9 6 年在美国亚特兰大奥运村的 第2 6 届奥运会上己广泛采用了指纹自动识别系统。目前世界上约有3 0 家公司在 第一章绪论 为新的指纹识别系统而工作。在我国青岛，警方在5 0 年代就采用了指纹识别系统 识别罪犯，进入9 0 年代我国指纹识别系统的应用发展迅速，深圳攀登电子有限 公司研制了活体指纹身份识别系统：深圳红光奥康光电有限公司推出自动指纹识 别监控器：西安交大、清华大学、北京大学等纷纷推出指纹自动识别系统，北京大 学与上海、珠海公安局合作建立了大容量指纹自动识别系统，在1 9 9 5 年应用陔系 统破案均超过1 2 0 起，该系统己被国内近l o 个城市的公安部门选用：深圳深安计 算机集成制造技术有限公司推出的指纹密码识别系统可对指纹、手指三维、手指 血管造影同时控制：清华大学自动化系在1 9 9 6 年推出了指纹身份验证系统。 1 6 指纹识别技术的市场及应用前景 自动指纹识别系统有着极其广阔的应用前景。众所周知，指纹识别最早是在 罪犯鉴别中应用。它对于提高侦破手段、震慑罪犯、打击刑事犯罪起到了重要作 用。著名的例子是1 9 8 2 年西德警方使用激光指纹检验方法，给隐藏了四十多年的 一名葡萄牙纳粹法西斯分子定罪，从此激光指纹检验因其神奇特点而声名大振。 根据目前的了解，a f i s 的其它适用场所为：政府各类机要部门( 例如档案馆、 国家重点实验室及生产重地、机场、军事要地( 例如基地、仓库) 、重要军事装备 或关键设备的启动控制、银行金库、金融系统、代保管库、博物馆、珍宝馆、高 级住宅、高级宾馆等重要门禁或入口控制、汽车门锁等。除此之外，另大潜在 应用前景是：自动取款机( ( a t m ) 、信用卡、驾驶执照、身份证、医疗健康卡、移 民登记、计算机系统安全、机械登记等方面。 由于指纹识别技术的诸多优点，可以预料，一方面指纹识别系统将会在一切 需要验证身份的场所发挥越来越重要的作用，其应用领域将会进一步拓宽；另一 方面，由于市场的推动，指纹识别技术也会不断提高，在其识别可靠性、速度、 成本等方面进一步朝实用化迈进。 1 - 7 本文的主要内容 本文由两大部分组成，第部分( 第一章和第二章) 讨论了指纹识别的发展 历史、识别原理和目前指纹识别的现状，第二部分( 第三章和第四章) 讨论指纹 识别算法和算法实现，包括指纹图像的预处理、特征提取与匹配。本文的主要工 电子科技大学硕士论文 作是指纹图像的预处理算法的设计和实现的研究，通过对己有指纹识别预处理算 法的研究以及效果比较后，经过改进，设计并实现了一套完整的去噪、图像增强 算法，为后期的特征点提取和图像匹配打下了良好的基础。 在绪论中，总结了指纹识别技术的历史，分析了指纹识别系统的研究现状， 针对存在的问题提出了本文研究的方向，并对指纹识别技术的市场和应用前景作 了展望。 在指纹的识别原理中，分析了指纹的结构和形态特征，并对指纹识别系统的 原理和方法作了总结。 在指纹图像预处理中讨论了指纹的规一化、滤波、二值化、细化和细化后处 理。在滤波中采用g a b o r 滤波器进行八个方向的滤波，在二值化中讨论了固定阀 值和自适应阀值两种方法。通过数学形态学对图像进行细化，并对细化后的图像 进行滤波处理。以上算法已经在m a t l a b 上进行了仿真和实现。 在匹配中用脊线跟踪的方法将指纹细化图中所有的端点和分叉点全都找出 来，然后对所找到的细节特征点进行验证，尽量删除伪特征点。匹配过程分为： 图像校准和细节匹配。本文引入了脊线信息，通过比较脊线的相似度来确定输入 图像和模板图像中的参照点对的选取。然后将两幅图像中所有细节特征点根据各 自的参照点转化为极坐标形式，最后进行细节匹配。该算法在固定界限盒的基础 上改变为可变界限盒，并且已在c 语言上实现。 第二章指纹识别原理 第二章指纹识别原理 指纹识别是要确定两枚指纹是否来自同一个手指。过去人们对指纹识别做了许 多研究，d k i s e n o r 3 j 提出了一种使用图形匹配来对两枚指纹进行匹配的算 法，a n d r e wkh r e c h a k 4 1 等人用结构匹配来做指纹识别。但目前最常用的方法是用 f b i 提出的指纹细节点模型来做细节匹配。它利用指纹脊线的端点和分叉点来鉴定 指纹。通过将细节点表示为点模式，一个自动指纹识别问题就转化为特殊的点模 式匹配问题。 指纹自动识别作为一个有较大难度的模式识别研究分支，其研究难点主要是 如何对采集进来的各种有噪声图像进行滤波和增强【5 l 、如何抽取指纹的全局和局部 特征 6 】、以及如何进行在图像不能完全定位和图像可能发生扭曲变形情况下的进行 特征匹配1 7 j 。下面我们就对指纹特性以及根据这些特性得到的指纹识别一般流程进 行详细说明。 2 1 指纹的结构和形态特征 指纹图像中有两类重要特征：一类是用于指纹数据库分类的结构特征，或称全 局特征：另一类是表征指纹唯性的细节特征，它是由指纹脊线上的细节点位置 及其相互关系构成。 2 。1 。1 全局结构特征 全局结构特征主要用来进行指纹分类。在一个大的指纹识别系统中，为了减少 查询匹配时间，指纹分类是一个很重要的数据库索引方法哺j 。 1 9 9 0 年，e h e r r y 对指纹的全局特征进行了深入的研究，研究出的分类方法 将指纹分为五种类型，即著名的“h e r r y 分类系统”。他的方法并不是着眼于指纹 的精确匹配，而是为了减少指纹在一对多模式下匹配时的搜索量，尤其是在大型 数据库中。这种方法很有效，以至于今天，大多数指纹分类系统中仍然在使用。 它将指纹分为六种主要的类型：拱型、帐型、左箕型、右箕型、双箕型和斗型。 电子科技大学硕士论文 图1 4 分别为上述六种指纹类型的示例。 指纹的自动分类方法己有很多的论述，其中最典型的是利用指纹奇异点( 中心 点和三角点) 进行分类，根据指纹奇异点的个数、类型和相对位置来确定指纹的基 本类型。指纹中心点是指纹中心部位脊线上曲率最大的点：三角点定义为三个方 向脊线汇合处的点。拱型指纹中没有中心点和三角点，帐型和箕型指纹中有一个 中心点和三角点，双箕型指纹中有两个中心点。 2 12 指纹细节特征 指纹的全局特征分类对于决定两个指纹是否匹配是有很大帮助的，它可以大 大减少指纹的匹配搜索时间，但是不能唯一的识别一个指纹。一个指纹的唯一性 是由其局部细节特征及其相互关系来决定的。f g a l t o n 最早在指纹分析中引入细 节特征的概念，他指出指纹的四中基本细节特征：断点、分叉点、短线和眼型线。 后来的研究者对其进行了扩展，到目前为止大约有上百种不同的局部细节特征， 但这些特征出现的概率并不是均等的，在很大程度上受输入条件和指纹本身的影 响，大多数特征在一般情况下并不出现。 在指纹表示法中，指纹中最常见的两种细节特征：脊线端点和脊线分叉点，一 般被用来作为指纹的区分标志，用这些特征点的位置和相互关系来表征指纹。端 点( e n d in g ) 定义为一条脊线终止处的位置；分叉点( b i f u r c a t i o n ) 定义为两条脊线 相遇处的位置。图2 1 为脊线端点和分叉点在指纹中的示意图。一幅质量较好的 指纹图像中大约有7 0 一8 0 个这样的细节点，而在质量比较差的指纹图像中大约只 有2 0 3 0 个这样的细节点。本文所提出的算法主要用于提取这两种细节点，所指 的特征点均指上述两种。 幽2 1 指纹的端点和分叉点 第二章指纹识别原理 2 ，2 指纹识别系统的原理和一般方法 一个指纹识别系统的设计主要考虑以下几个方面：指纹图像采集、指纹图像预 处理、特征提取和指纹特征匹配。 2 2 1 指纹图像预处理概述 在指纹自动识别系统中，指纹图像的预处理是正确地进行特征提取、匹配等 操作的基础。在指纹图像采集过程中，由于表面皮肤特性、采集条件以及成像传 感器特征差异等各种原因的影响，采集的指纹图像是一幅含多种不同程度噪声干 扰的灰度图像，指纹脊线可能被断开、桥接或模糊等，这种噪化的指纹脊线结构 严重地影响着指纹识别系统的性能。预处理的目的就是利用信号处理技术去除图 像中的各种噪声干扰，把它变成一幅清晰的指纹图像，恢复指纹的脊线结构，以 便可靠提取正确的指纹特征【9 j 。因此，预处理性能的好坏直接影响着指纹识别的效 果。指纹预处理的一般过程如图2 2 所示，首先提取出指纹的方向图，然后基于 此方向图，做了灰度图像的滤波，从而使二值化、细化、细节提取以及比对等后 续的处理过程更加准确有效。 图2 2 指纹预处理的流程图 值得说明的是，有些算法并不完全遵循上述步骤( 图2 2 中虚线部分在某些算 法中并不存在) ，一些算法在进行方向图计算之前进行二值化处理，目的是为了减 少不同指纹图像之间灰度值的差异，并为后续处理做准备。还有考虑到图像分辨 率问题，在滤波之前估算局部频率，进而使滤波效果更理想。还有的算法直接从 灰度图中提取特征点，但目前看来此种算法效果不佳。另外，每个步骤之间并不 是完全孤立的，每个步骤的算法之问互相联系才可以达到最佳效果。现有的指纹 增强算法多数是基于局部脊线方向，如d o u g l a sh u n g 等人的适应局部脊线方向的 增强算法埽口l i nh o n g 等人的使用滤波器的方法。 电子科技大学硕士论文 2 2 3 指纹特征提取 细节特征的坐标直接表征该指纹，因此特征提取的好坏直接影响到以后的指纹 匹配的结果，所以特征提取是指纹识别系统的关键部分之一。如果输入图像的质 量很好，很容易确定其结构，此时的特征提取只是从细化后的脊映射提取细节点 的简单过程。但实际上，由于受很多因素的影响，输入指纹图像并不具备很好的 脊线结构，使得特征提取的准确性受到影响。 在进行特征提取的过程中一般要进行细节点处理。一般在提取细节点之前我 们对细化后的指纹图像进行分支和岛屿的去除，这样可以大量减少伪端点和伪分 叉点的数量。尽量去除指纹图像边缘的细节点，尤其是图像边缘提取出的端点， 几乎1 0 0 为伪端点【1 4 。细节点提取后还要进行伪细节点去除，不过目前大多数算 法都是经验算法，如相邻细节点距离小于一定象素即认为其为伪细节点。对最终 检测出来的每一个细节点，我们一般记录如下信息： 1 细节点的坐标( x ，y ) ： 2 细节点的方向，这个方向定义为该细节点所在的局部脊线的方向； 3 细节点的类型，是端点还是分叉点； 4 细节点对应的脊线。 有些系统记录更多的信息，如细节点的相互位置关系【l ”、细节点到其他细节 点的距离、细节点到图像中一t l , 点的距离、细节点之间的脊线数等。这样，就将一 幅指纹图像转化成了一个由细节点组成的点集。 2 2 4 指纹特征匹配 指纹识别的一般方法是在两幅图像中采用一定的方法提取特征点，对特征点 进行匹配，这就是点模式匹配问题。己有许多有关点模式匹配的算法，d s k e a 等 提出的累加器算法，以及遗传算法m 等。对于要存储到数据库中的指纹，根据 提取出的细节特征对其进行归类，然后按所属的类加入指纹库。在一对一模式下， 特征匹配是将实时在线提取的用户指纹数据同系统数据库中需要精确匹配的数据 模板进行比较，判断其是否属于同一指纹。在一对多模式下，由于用户的特征模 板未确定，还需进行数据库的查询比较。对于身份识别系统来说，由于需要在大 量数据中寻找匹配，因此速度将是一个值得考虑的因素。 第二章指纹识别原理 在整个指纹自动识别系统中，预处理和特征提取是两个关键步骤，直接关系 到指纹识别结果的好坏。预处理的主要目的是由输入的灰度图像得到适合于特征 提取的图像。二值化法包括二值化和细化两个步骤，二值化的意义是将指纹的脊 线( 黑) 和谷线( 白) 分别用l 和0 来表示( 如果没有特殊说明，本文约定用1 表示灰 度值为o ，o 表示灰度值为2 5 5 ) 。对二值化后的指纹图像进行细化是一个重要的 步骤。指纹图像二值化后，纹线仍具有一定的宽度，由于人们关心的是指纹纹线 的走向与结构，而不是它的粗细，用宽度为单位像素的线表示指纹纹线，即进一 步地压缩了数据，又可以提高识别的准确性。脊线跟踪法的基本思想是直接对灰 度图像进行脊线跟踪，在跟踪过程中检测特征点。 综合上述说明，一般自动指纹识别系统可用图2 3 来表示。 图2 3 指纹识别系统 果 电子科技大学硕士论文 3 1 引言 第三章指纹图像预处理 指纹识别是基于指纹特征，无论采用何种特征表示，目前的指纹特征提取方 法都在不同程度上依赖指纹质量。不同的指纹获取设备和方法都存在其固有的缺 点，不可能在采集过程中完全解决图像质量的问题。各种采集设备也是针对其特 殊的应用场合而设计，其出发点并不都是为了提高采集的质量。如现在应用比较 广泛的半导体指纹芯片，它的优势是体积小，易于嵌入到各种移动电子设备，其 应用前景非常广阔。但就采集质量而言，并不比光电设备采集的图像质量高，在 某种程度上是在下降。因为其接触面积小，使得其采集的图像所包含的信息不如 光电设备丰富，指纹的重叠面积减小等。在发展各种新的采集设备的时候，我们 不得不研究针对个别设备特性的指纹图像预处理方法。在手指接触采集设备的平 面表面时，由于手指在各部分的压力不均，使得指纹会在不同区域产生非线形弹 性形变。由于设备接触表面的不清洁，手指表面损伤、水分、油脂等都会给指纹 图像加入噪声。所有这些都使得我们不得不用特别的方法去处理原始图像，提高 图像质量。指纹图像预处理是指纹识别中非常重要的一步，它的好坏直接影响特 征提取和识别效果，针对不同的指纹特征将有不同的预处理方法，所采取的步骤 和处理量也不同。 基于细节特征点的特征提取是非常细致的操作，需要像素级的精度，因此对 于处理的要求很高，处理步骤般有：规一化、图像增强、计算方向图、滤波、 二值化、细化等步骤。此种方法预处理的目的是得到一幅点线图( 单像素) ，以便 于提取细节特征。如图31 所示。 图3 1 指纹图像预处理过程 第三章指纹图像预处理 3 2 规一化 由于从指纹输入设备获得的图像会因为手指按压用力不均匀或者不完全接触 ( 接触式) 仪器表面而使得指纹图像灰度不均匀。规一化的主要目的是把不同的 源图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一 的图像规格忙町。在原始灰度图像上，规一化按下式进行： g ( i ，) = + p 萼匦 m ，乒萼匦 o t h e r s ( 3 - 1 ) 上式中，g 。( f ，j ) 4 - e 表原始图像在( f ，) 点的灰度值，g ( i ，j ) 代表规一化后的图像在点 ( f ，) 的灰度值，m 和o - 2 分别代表原始图像的均值和方差， 厶和2 为期望得到的 均值和方差。 规一化并不改变指纹的脊线和谷线的清晰程度2 ”，结果只是减少了不同指纹 图像之间灰度值的差异，并为以后的处理做准备。效果如图3 2 所示( m o 一2 = 1 2 0 ) ： ( a ) 指纹原图像( b ) 规一化后的图像 图3 2 指纹图像规一化效果图 电子科技大学硕士论文 33 指纹图像的增强 3 3 1 直方图处理 灰度级为【o ，l l 】范围内数字图像的直方图是离散函数 ( ) = 体，这里吒是第 k 级灰度，n k 是图像中灰度级为r k 的象素个数。经常以图像中象素的总数( 用”表 示) 来除以它的每一个值得到规一化的直方图。因此，一个规一化的直方图由 尸( 唯) = 7 z 给出，这里k = o ，1 ，2 ，三一l 。简单的蜕，p ( 咯) 给出了灰度级为吒发 生的概率估计值。 一幅图像中灰度级r k 出现的概率近似为： 只( 屹) = 生 k = o ，1 ，2 ，- 三- 1 ( 3 - - 2 ) , v 其中：n 是图像中象素的总和，仇是灰度级为屹的象素个数，l 为图像中可能的灰 度级总数。 在图像处理中一个尤为重要的变换函数为： s = t ( r ) = 【p ，( w ) d 。 ( 3 - - 3 ) 它的离散形式为： s * = t ( r d = 砉p 。) = 套鲁 吼= = n ( o ) = 因此，已处理的图像( 即输出图像) 通过式( 3 4 ) ，将输入图像中灰度级为 的各象素映射到输出图像中灰度级s 。的对应象素得到。如前所述，作为吒的函数 e ( 屹) 的曲线称作直方图。 直方图操作能有效的用于图像处理，它是多种空间域处理技术的基础。以下 是通过直方图处理的指纹图像。如图3 3 所示。 3 4 方向图 方向场是描述图像中条纹( 纹理) 方向和对应位置的一个二维平面场，又称方向 图【2 2 】。方向场是计算机视觉和智能信息处理中一个很重要的方法。 从指纹的局部放大图3 ，4 中可以看到指纹具有如下特点： 1 在局部范围内，指纹纹线具有一致的方向性； 第三章指纹图像预处理 2 在局部范围内，指纹纹线的宽度基本相同； 3 在局部范围内，指纹纹线间的距离基本相同。 ( a ) 原始指纹图像( b ) 直方图处理后的图像 图3 3 经过直方图处理的指纹图像 图3 4 局部指纹图像 方向图算法正是基于以上特点，将原始指纹图像进行变换，用纹线上某点的 方向来表示该纹线的方向。在8 0 年代初期，就己经开始尝试把方向图引入到指纹 图，当时所使用的方向图是从二值图中提取，得到的处理效果并不完全令人满意。 从1 9 8 7 年开始，b mm e h t r e 等人成功地得到了在灰度图上直接获取方向图的有 效算法”“，并陆续提出了一系列的预处理方法来处理指纹灰度图。使用这些算法 使指纹图像的处理效果达到了一个新的水平，从而使基于方向图的算法成为指纹 图像处理方法研究中的一个热点。在以后的研究中，出现了很多改进和发展，如 k a l l ek a r u 等1 9 9 6 年提出的把方向圈用于纹型分类，l i n gh o n g 等1 9 9 8 年提出 的基于方向图的纹线增强等都取得了较好的效果。这使得方向图成为指纹图像处 电子科技大学硕士论文 理技术的关键技术之一。 指纹方向图具有真实性、渐变性、抽象性的特点，能以简化的形式直观地反 映指纹图像最基本的形态特征，因此在指纹自动识别系统中具有重要的研究价值。 目前方向图己被广泛应用于指纹图像增强、纹型特征的提取、指纹的自动分类、 方向模板匹配、编码重构等许多关键处理环节，特别是以指纹方向图为基础构建 的方向图滤波器进行指纹的沿纹线方向滤波，收到了非常好的滤波效果。 方向图描述的是方向及其在空间上的分布，图像中不同方向上点所对应的灰 度是有变化的，在同一条脊线的点之问的灰度差别是很小的，而与之垂直的方向 上的灰度变化是最大的，由这种信息，我们可以通过计算梯度来获取方向图 2 3 1 。 该方法主要用来计算块方向，其步骤如下： 1 将指纹图像分成n x n ( n = 1 6 ) 小块： 2 计算梯度。设g 。( i ，) 和g 。( f ，j ) 为在像素点( f ，) 处的梯度值，梯度值的计 算可通过3 3s o b e l 模板来计算，模板值如图3 5 所示。图像中的每个点都用这 两个核做卷积，对垂直边缘影响较大的核为y 方向梯度，对水平边缘影响较大的核 为方向梯度。 则 圈圈 图3 5s o b e l 模扳 3 用下列公式计算n x n 小方块的主方向，这里假设任一点的梯度为