（信号与信息处理专业论文）自动指纹识别系统关键算法的研究.pdf

浙江工业大学硕士学位论文 自动指纹识别系统关键算法的研究 摘要 由于人的指纹具有长期不变和唯一的特性，通过指纹特征鉴别身份的方法在古今中外 都广泛应用。当前，随着计算机科学技术和嵌入式技术的发展，自动指纹识别系统( a f i s ) 发展迅猛，已经逐渐步入实用化的阶段。但是，该项技术同时也还存在出一些算法的问题， 从而一定程度上限制了该项技术的发展。 作者通过深入研究当前流行的自动指纹识别算法，总结优劣，期望对目前一些算法提 出优化方案。一般一套完整的自动指纹识别算法要经过指纹图像增强预处理、图像二值化 和细化、细节特征点提取和特征匹配等过程。目前针对每一步的算法研究都比较多，而根 据实际的需要，很多算法事实上存在着一定的缺陷。比如指纹图像分割的算法一般是利用 均值和方向性信息等特征进行分割，但是如何合理选取阈值以适应各类指纹图像还需研 究，而且由于实际中采集到的指纹图像比较复杂，这两个特征还无法准确对指纹区域进行 描述，从而也就无法实现精准的分割。文中从频域出发，提出新特征参数描述指纹的纹理 信息，并利用感知器算法对指纹图像进行合理的分割：再如细节特征点提取后，通常会产 生大量伪特征点，如何有效的减少这些伪特征点一直是算法的焦点问题。文中在例举各类 典型伪特征点的基础上，介绍了相对应的剔除方法，使得最终提取到的细节特征点在准确 性上有大大提高。诸如此类问题，文中进行了一些的探讨。 通过本课题研究，我们对自动指纹识别算法介绍了一些解决方案和对目前算法进行了 优化工作。由于目前自动指纹识别算法的研究工作开展得如火如荼，而本人基于学识所限， 文中算法必然存在诸多不妥之处。我们会在这方面继续努力，继续发现问题和解决问题。 关键词：指纹识别，指纹特征，指纹预处理，特征匹配 浙江工业大学硕士学位论文 r e s e a r c ho nt h ek e ya l g o r i t h m so f a u t o m a t i cf i n g e r p i u n ti d e n t i f i c a t i o n s y s t e m a b s t r a c t b e c a u s eh u m a nf i n g e r p r i n ti sp e r m a n e n ta n du n i q u e ，f i n g e r p r i n tv e r i f i c a t i o nh a sb e e n w i d e l yu s e di nm a n yf i e l d s t o d a y ，诵t 1 1t h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y ，t h e a 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 m ( a f i s ) g e t st h er a p i d l yd e v e l o p m e n ta n da p p l i c a t i o n h o w e v e r , a sf i n g e r p r i n tv e r i f i c a t i o na l g o r i t h mi sc o m p l i c a t e d ，i t sp r o c e s s i n gu s u a l l yd e m a n d s l l i 曲c o m p u t e rh a r d w a r ea n dt h eh i g hc o s th a sa f f e c t e dt h ea p p l i c a t i o nd e v e l o p m e n t i nt h i st h e s i s ，w em a k eaw i d e l ys t u d yo ft h ea l g o r i t h m sw h i c h 孤p o p u l a ru s e dn o w a d a y ， a n dp r e s e n tab e t t e ra l g o r i t h mb yt h eo p t i m i z a t i o nr e s e a r c ho ft h ea l g o r i t h m s as e to fc o m p l e t e f i n g e r p r i n t v e r i f i c a t i o n a l g o r i t h m i n c l u d es e v e r a l s t e p s ，n a m e l y ，i m a g ee n h a n g c e m e n t p r e p r o c e s s i n g ，b i n a r y z a t i o n , t h i n i n g ，t h em i n u t i a ee x t r a t i o na n df i n g e r p r i n tm a t c h i n g n o w a d a y ， t h e r ea l eal o to fa l g o r i t h m sa v e r a b l ei ne a c hs t e p s b u t , c o n s i d e r i n gt h eu s i n gb a s e do nt h e e m b o d ya p p l i c a t i o n ，t h i sa l g o r i t h m sh a v ed e f e c t si nm a n ya f f e c t s t h et r a d i t i o n a lf i n g e r p r i n t i m a g es e g m e n t a t i o nu s u a l l yu s et h ei m a g eg r a ym e a n , g r a y s c a l ev a r i a n c ea n dd i r e c t i o n i n f o r m a t i o n ，b u ts i m p l et h r e s h o l dc a n tc a r r yo u tt h ea c c u r a t ea n de f f e c t i v es e g m e n t a t i o nb e c a u s e o fa l lk i n do fc o m p l i c a t e di m a g e s ow ec a r e f u l l ya n a l y s i st h et e x t u r eo ft h ei m a g ea n d p r e s e n t an e wc h a r a c t e rd e s c r i b et h et e x t u r ei n f o r m a t i o nf r o mt h ef r e q u e n c yd o m a i n a tt h es a m et i m e ， w ed e s i g n e dal i n e a r yc l a s s i f i e rf o rt h ei m a g es e g m e n t a t i o n m o r e o v e r , t h r o u g ht h em i n u t i a e e x t r a t i o n ，w eg e tl o t so ff a l s em i n u t i a e w ei n t r o d u eas u i t a b l ea l g o r i t h mt or e d u c et h eh u mo f f a l s em i n u t i a e t o d a y ，t h e r ea r em a n ya l g o r i t h m sa b o u tt h em i n u t i a em a t c h i n g t h e ya lea l l m u c hc o m p l i c a t e d h e r e ，w ew i l lp r o p o s eat r i a n g l e b a s e df i n g e r p r i n tm i n u t i a em a t c h i n g a l g o r i t h m i nt h i st h e s i s ，t h em a i nc o n t r i b u t i o n sa r ea sf o l l o w s ： ( 1 ) w e p r e s e n tac o m p r e h e n s i v ep r e v i e wa b o u tf i n g e r p r i n ti m a g ep r o c e s s i n go nt h es t a t eo ft h e c o r ea l g o r i t h mr e l a t e dt oa f i s ( 2 ) w ei n t r o d u c ean e wf i n g e r p r i n ti m a g es e g m e n t a t i o na l g o r i t h m t h e nw eu s eal i n e a r y c l a s s i f i e rt op e r f o r mt h ei m a g es e g m e n t a t i o n i na d d i t i o n ，w ea l s op r e s e n tas e g m e n t a t i o n a l g o r i t h mu s e dg r a yv a r i a n c ei n f o r m a t i o n i i 浙江工业大学硕士学位论文 ( 3 ) t h ei m a g eb i n a r y z a f i o ni sa ni m p o r t a n ts t e pf o rt h ep e r f o r m a n c eo ft h ea u t o m a t i c f i n g e r p r i n tr e c o g n i t i o n w ep r o p o s et h ea d a p t i v et h r e s h o l d d y n a m i cb i n a r i z a t i o nm e t h o dw h i c h i sw i d e l yu s e di nt h i sf i e l d f u r t h e r m o r e ，w eu s et h em a t h e m a t i c sm o r p h o l o g yt op r o c e s st h e i m a g e ，s ow ec a na b t a i ng o o dr e s u l t ( 4 ) b e c a u s eo ft h en o i s ei n t e r f e r e n c e ，t h em i n u t i a e sw eo b t a i n e di n c l u d em a n yf a l s em i n u t i a e s s oas o r to fs u i t a b l er e m o v ea l g o r i t h mi sn e c e s s a r y w ec a r e f u l l ya n a l y z et h el e a s o no fb r i n g i n g f a l s em i n u t i a e sa n di n t r o d u c et h ep r o c e s s i n gm e t h o d t h er e s e a r c hp r o j e c th a sd o n ea o p t i m i z a t i o nr e s e a r c ho nf i n g e r p r i n tv e r i f i c a t i o na l g o r i t h m w h i c hi st od e s i g nas e to fr a p i da n de f f e c t i v em o t h e du s e di nt h ee m b e d d e d a p p l i c a t i o n f i n g e r p r i n tp r o c e s ss y s t e m w eh a v ed o n es o m ew o r k sa n dg o taf e wa c h i e v e m e n t ，b u tw es t i l l n e e dt or e s e a r c hd e e p l yt oa b t a i nb e t t e rt h ee f f e c to fa f i s k e yw o r d s ：f i n g e r p r i n ti d e n t i f i c a t i o n ，f i n g e r p r i n tm i n u t i a e ，f i n g e r p r i n tp r e p r o c e s s i n g ， m i n u t i a em a t c h i n g 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者龆坼日期：母f 月矽日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本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和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密叫 ( 请在以上相应方框内打“、) 储躲孵 别磁名聊 日期：即年 日期： s 只加b y 月v 明 j 浙江工业大学硕士学位论文 第1 章绪论 随着信息技术的飞速发展，个人身份验证越来越重要，而应用的场合也是越来越广泛。 目前，金融领域、电子商务、通信信息系统、政府和军事等重要部门的身份验证每时每刻 都在发生，而传统的各种身份鉴别方法因为其本身所固有一些缺陷和局限，难以胜任这些 要求严格的领域。因此，具有便携性和高精度的自动生物识别技术在这种背景下应运而生， 一方面迎合了广泛的需求，另一方面同时也促使了自动生物识别技术本身的飞速发展。其 中，作为生物识别之一的自动指纹识别系统更是成为各国科学家和科研机构研究的重点和 热点。 1 1 指纹识别技术研究的目的和意义 安防问题一直是社会的焦点，而传统的身份鉴别方法存在诸多的缺陷和安全漏洞。比 如，标识物丢失、遗忘、被盗用和被伪造等问题都可能造成安全隐患，极有可能给财产带 来不可挽回的损失。为此，提出一种新的身份鉴别方法势在必行。近2 0 年来，随着计算 机和嵌入式技术突飞猛进的发展和日臻完善，使具有长期不变性和个体唯一性的生物识别 技术因此得到迅猛的发展。一般而言，生物识别的种类很多，包括：指纹、掌纹、虹膜、 脸相、声音、骨骼、静脉和d n a 等等方式的识别。在这些生物识别领域中，指纹拥有其本 身一些独具的优点： ( 1 ) 稳定性：一般而言，一个人的指纹纹理特征自出生3 个月后就基本不会改变，尽管 指纹的外形尺寸随着年龄大小有些变化，但细节特征并不因此改变。 ( 2 ) 方便性：指纹的使用比较方便，通过目前比较成熟的技术实现小型化自动指纹识 别系统，可以对指纹的鉴别进行现场实时处理。 ( 3 ) 可接受性：指纹作为身份鉴别在古今中外历来就使用广泛，所以使用指纹进行身 份鉴别是容易为广大用户接受的。 正是指纹所拥有的这些优点，使得对自动指纹识别技术的研究开展得如火如荼。实际 上，在金融、保险、证券、互联网电子交易系统、安防方面以及在政府和国防军事部门都 已经开始了广泛的使用。可以说，自动指纹识别系统的市场前景十分广阔。 】 浙江工业大学硕士学位论文 指纹是人手指皮肤上突出的脊线和凹进去的谷线组成些花纹，是人与生俱来的生物 特征。这些线的不同的组合，可以构成端点，分叉点等等些局部的细节特征。而每个人 指纹特征都具有不同的排列、组合和分布，可以说每个指头上的指纹都是独一无二的。此 外，在人的一生之中，指纹的特征如果不因为外力作用损伤，基本会保持不变。如果我们 选择一个指纹或者多个就可以轻易实现不同安全程度上的个人识别代码，这样无需任何如 磁卡，射频卡，a t m 卡，i c 卡等识别载体，也无需记忆任何密码，从而彻底解决了传统“钥 匙 互开性和私配“钥匙”两大影响安全性的核心问题。 指纹难以假冒，终生享有，随身携带，安全系数极高，而且具有零成本使用的特性， 这使得自动指纹识别技术的研究无论在国内还是在国外都在广泛开展。目前，许多科学家 和研究机构在这一领域的理论和应用方面做了大量的工作，这项技术也日臻完善。但是， 由于指纹识别的算法一般极为复杂，有些算法存在一些弊病，为此文中主要对目前一些算 法进行优化和系统研究，期望算法更加完善。 1 2国内外关于指纹识别算法课题的研究现状 上世纪在7 0 年代，美日等发达国家率先开始研究自动指纹识别系统( a f i s ：a 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 ns y s t e m ) ，到现在已经有4 0 来年的历史。( 就目前的资料来 看，我国的自动指纹识别系统的研究大概始于上世纪8 0 年代中期。) 在这4 0 多年时间里， 这套系统的各个领域都取得了长足的进步：以前一般只有高性能的计算机( 如：工作站) 才能胜任数据处理，现在只要一般的计算机就可以了；以前主要是利用简单光学聚焦的光 学传感器得到指纹图像，而目前可以利用比较先进的超声波图像采集仪获取高质量图像。 获取指纹图像的指纹传感器技术上飞跃发展，性价比进一步提高是自动指纹识别系统 快速发展的一个重要原因。当前自动指纹识别系统中获取的图像主要基于三类传感器：第 一，光学传感器；第二，半导体传感器；第三，基于超声波技术的传感器。光学传感器特 点是简单实用，图像的纹理一般比较清晰。但是其获得的指纹图像容易被伪造和滥用，抗 干扰能力相对较差。光学传感器常用的有两种，传统的传感器因为成像聚焦等需要，所需 体积也相对较大；另外一种是基于集成光纤束代替传统透镜的光学传感器，这种传感器在 光纤束的下端与c c d 或c m o s 图像传感器相连，体积可以做的比较小。半导体传感器从上 世纪9 0 年代中期出现后，发展迅速。由于价格低廉，体积小的优点，特别适合于嵌入式 指纹识别系统中应用。典型的有v e r i d i c o m 公司的电容式f p s 2 0 0 ，f u j i t s u 公司的m b f 2 0 0 ， 浙江工业大学硕士学位论文 以及a t m e l 公司的温度型传感器f c d 4 8 1 4 ，m b f 公司的b l p - 1 0 0 和b c t - 1 0 0 压感式传感器 等。超声波技术的传感器获取的图像相对而言是最好的，超声波可以轻易穿透附着在指纹 上面的油脂和污物，从而不受指纹上油污的影响，抗噪声性能最佳。但是缺点是价格目前 还比较昂贵。下表1 1 是三种传感器的各个方面综合比较。 表1 1 指纹传感器的性能比较 光学传感器半导体传感器超声波传感器 成像能力 易受污物和汗液影响易受污物影响一般不受影响 成像区域 大小中 分辨率 视设备而定 可高于6 0 0 d p i 可高于1 0 0 0 d p i 设备大小 大小 中 耐用性 耐用一般一般 功耗较大小较大 成本高低很高 在自动指纹识别算法上，一般是针对指纹特征进行处理，特征包括：全局特征和局部 细节特征。全局特征是对指纹全局纹路的描述，目前一般归为六类：拱形( a r c h ) ，尖拱 型( t e n t e da r c h ) ，左旋型( 1 e f tl o o p ) ，右旋型( r i g h tl o o p ) ，斗型( w h o r l ) 和双箕 型( t w i nl o o p ) 。指纹的全局特征一般在大型的自动指纹识别系统中进行指纹分类使用， 其可以实现对指纹库进行管理，减少匹配时的搜索空间，加速匹配过程。指纹的全局特征 在自动指纹识别系统中是起到辅助作用，在一个小型的自动指纹识别系统中，库存的指纹 模板数量有限，分类不成为主要的问题，所以一般不予以考虑。在自动指纹识别系统中， 两幅指纹图像的匹配最终是依靠指纹的细节特征进行鉴别的。目前，细节特征也有很多分 类，不同的个体对细节特征的比例做了一些不同的统计。 表1 2 是文献 1 对细节特征的一个分类和统计： 表1 2 指纹细节特征点分类 细节特征端点分叉点 岛d , n 桥交叉 一 示意图 - 0 - 一 占有率( ) 6 8 21 8 91 14 91 73 2 浙江工业大学硕士学位论文 表i3 是文献 2 对细节特征的另一个分类和统计 袁i 3 指纹细节特征点分娄 l 细节特征 端点 分叉点口型桥型交叉 l 示意图 _ c 卜= l 占有率( ) 6 8 22 3 8l _ l373 2 美国国家标准局( n i s t ) 提供了用于指纹鉴定的四种特征：端点( t e r m i n a t i o n ) 、分 叉点( b i f u r c a t i o n ) 、三交叉( t r i f u r c a t i o n s ) 或交叉( c r o s s o v e r s ) 和未定义型 ( u n d e t e r m i n e d ) 特征。不管从那种分类来讲。指纹细节特征的端点和分叉点占主要地位， 在指纹中出现数量占细节特征总数量的8 5 以上。因此美国联邦调查局( f b i ) 提出的细节 点坐标模型，就是利用端点和分叉点这两种特征鉴定指纹。如图1 1 所示，圈中用圆圈框 住的就是端点，用矩形框住的就是分又点。尽管一个指纹的细节特征点数量很多，可能提 取到几十到上百个，但英国学者e r h e r r y 认为，只要1 3 个端点或分叉点重合，就可以 认为两个指纹是同一个。目前，法律上也是接受1 2 个细节特征点可以唯一确定一个人的 身份。 图l1 两种典型的特征点 自动指纹识别算法很多，对于嵌入式系统而言：一般可分为指纹图像增强预处理、指 纹细节特征提取和细节特征匹配过程。其流程如图i2 所示： 国1 2 指纹识别的一般流程 浙江工业大学硕士学位论文 指纹图像增强预处理包括：图像噪声滤波，图像二值化和图像的细化处理，此外指纹 图像分割也是预处理中重要的一步。指纹图像分割处理的位置般比较灵活，但是总体而 言应该是越前越好，这样可以将有限的资源集中在比较感兴趣的指纹图像区域。滤波主要 是将图像中噪声和干扰滤除，提高图像的质量。因为细节特征匹配与图像的灰度值无关， 可以将原来各阶灰度值变成只有0 ，1 两种灰度值的图像，以便后续处理。图像的细化处 理是为了将脊线变为宽度仅为1 个像素宽度的图像，这样就可以通过简单的逻辑关系提取 到所需的细节特征。指纹图像预处理是自动指纹识别的关键技术，指纹图像预处理的好坏 直接影响到细节特征点提取的准确性和匹配的效果。所以一直以来，指纹图像预处理是自 动指纹识别系统的关键和重点研究对象。以下是一些学者和技术人员在这方面的研究成 果： m e l e c c i o n 等人 3 首先于1 9 7 3 年研究成功自动指纹识别系统。在该系统中提出了对 指纹图像进行量化、增强、编码、分类、搜索、匹配、检验等处理和识别步骤，并指出可 以将方向性作为指纹识别的特征。 肖庆涵等人 4 提出了一种自动指纹识别的方法，包括指纹图像的二值化、平滑、细 化、特征提取和匹配等。 m e h t r e ，b m 等人 5 提出了指纹方向图的概念，并利用了方向信息对指纹图像进行分 割。 a r r a o 在文 6 中提出了基于脊线方向的方向图计算方法。算法中将图像分割成若干 个不重叠的w 水w 的快，计算每块像素点沿x 和y 方向的块，然后估算出每块的局部方向。 b g s h e r l l o c k ，d m m o n r o 和k m i l l a r d 在 7 中提出在指纹图像增强中使用可变的傅 里叶滤波器，在沿像素的本地脊线方向使用该滤波器进行平滑处理。 t o s h i ok a m e i 和m a s a n o r im i z o g u c h i 在文 8 中介绍了指纹图像增强算法中一系列 滤波器的设计方法，包括傅里叶空域滤波器、与脊线频率有关的频率滤波器和脊线方向有 关的方向滤波器。 l i nh o n g ，a n i lj a i n ，s h a r a t hp a n k a n t i 和r u n db o l l e 在文 9 中提出了一种指纹 图像预处理算法。该算法首先将采集到的指纹图像分割成一系列滤波图像的集合，再从滤 波图像中估计方向域和图像质量掩码，该掩码用于因为噪声干扰而被破坏的图像区域，将 图像分成可修复和不可修复的区域。在可修复的图像区域，采用自适应方式对图像进行预 处理。 a n i lj a i n ，l i nh o n g 和r u n db o l l e 在文 1 中提出如图1 3 的流程。在该文中，对 浙江工业大学硕士学位论文 r a o 的算法在方向图计算部分进行了改进，通过一公式计算某一块像素区域与邻域之间方 向图的一致性，如果一致性高于事先所提供的某一阈值，认为该块像素区域的领域在低分 辨率条件下需要重新计算方向图，直到该一致性值低于事先提供的阈值。 获 图1 3a n i lj a i n 等人提出的算法流程 倪林，边肇祺和王文渊在文 1 0 中提出基于小波变化的多尺度边缘表示方法及其对一 般图像信号表示的完备性和相应重建算法的稳定性，然后在小波变换的多尺度极大值表示 方法的基础上，提出在尺度空间中基于多种知识的指纹图像非线性滤波方法。 l i nh o n g ，y i f e iw a n 和a n i lj a i n 在文 1 1 中提出如图1 2 的图像增强算法。在归 一化操作中，计算所有像素点的归一化灰度值，在方向图计算中，通过一系列操作计算像 素点的脊线方向，从而得到方向图；同过采用低通滤波器，可计算脊线的频率图，通过区 域掩码，可得到图像的可修复区域和不可修复区域，最后通过指定参数的g a b o r 滤波器对 前面已经处理完成的指纹图像进行滤波处理，从而得到增强后的指纹图像。 林喜龙，于政涛，苏晓生，夏雄武和陈军在文 1 2 中在大量样本分析的基础上，根据 指纹纹理的频率参数的变化动态调整方向滤波器的大小对指纹图像进行有效的增强处理， 对不同纹理采用专门查表的方法，减少了时间的消耗。 v i r g i n i ae s p i n o s a d u r 在文中 1 3 提出基于身份认证系统实现了指纹特征提取算法。 在图像预处理过程中，利用方向图滤波器实现图像增强和去除噪声，利用o t s u 算法获取 二值化阈值对指纹图像进行二值化处理，利用形态学图像处理方法对二值化的图像进行细 化处理。 陈立潮，王宇，刘佳等在文中 1 4 提出基于方向图的指纹图像预处理算法。在传统的 方形图计算中加入了噪声检测功能，得到了更为准确的点方向图。并充分利用方向信息进 行图像的分割，滤波去噪，二值化和细化，从而得到了比较理想的指纹预处理图像。 浙江工业大学硕士学位论文 郭雷，陈大海，李江等在文中 1 5 提出了一种新的指纹图像二值化处理方法。在该算 法中，其首先用带阻滤波和高斯低通滤波算法对原始图像进行处理：然后，在高斯低通滤 波图像中用区域增长的方法提取图像的轮廓：最后，用轮廓线内的图像进行填充，把二值 化限制在纹线区域内。 1 3 本文的研究课题 本文针对目前国内外的研究状况，详细研究指纹图像的分割、去噪增强、二值化、细 化、特征提取和指纹匹配等各个过程的流行算法，介绍一些关键技术的算法。文中主要工 作方面如下： 详尽介绍目前自动指纹识别算法主要研究内容和应用现状，探讨指纹识别系统的工作 流程和关键技术； 介绍一种基于频域研究的分割方法，以幅度峰值作为分割指标，使得分割更为精准。 并利用感知器算法，使图像分割的阈值科学化；此外，文中，还介绍了一种充分利用方差 信息的快速分割方法： 采用模板平滑和图像数学形态学对自适应动态阈值二值化算法进行完善，减少二值化 后的图像上的空洞和毛刺； 针对各种伪特征点产生机理，文中介绍了一种剔除算法细节特征点进行认证，使得到 的伪特征点数目大大减少，匹配时可以更为准确：目前流行的匹配算法有很多，作者对三 角形全等的匹配算法进行了补充，可以提高匹配的可靠性，同时提出了有效的匹配条件。 浙江工业大学硕士学位论文 第2 章指纹检测和识别技术 自动指纹识别系统包含两部分重要的内容：指纹检测技术和指纹识别技术。指纹检测 技术就是研究如何采集指纹相关信息的过程，而指纹识别技术是完成指纹图像预处理和对 现场采集的指纹与指纹模板进行一致性判决的过程。自动指纹识别系统的研究与进步首先 离不开指纹采集系统的发展。上一章已经对目前常用的几种指纹图像传感器进行了一些分 析，从性价比来看，半导体指纹传感器具有一些优势，下面就针对这种传感器进行详细的 介绍。 2 1 半导体指纹传感器 半导体指纹传感器有很多，目前典型的有电容式指纹传感器，温度型指纹传感器和压 力式指纹传感器。其一般的模型如图2 1 所示： 指纹脊线和谷线剖面 i tt 丌ttt tt 微型电极 传感器 图2 1 半导体传感器原理图 电容式指纹传感器是在晶片上集成微型电容电极。工作时，用户的手指在上面组成了 电容的另外一极。因为指纹的纹理上的脊线和谷线与微型电容电极距离不一致，从而形成 了不同的电容值，这样根据电容值的大小形成了一幅完整的指纹图像。 与电容式指纹传感器不同的是：温度型指纹传感器在晶片上集成的是微型的温度传感 器，通过感应传感器上面指纹中脊线和谷线的不同温度值形成指纹图像。 上面的两种传感器一般在表面都布置了一层薄而硬的薄膜，保护感应区不受磨损。 8 浙江工业大学硕士学位论文 压力式指纹传感器与上两者稍有不同，其上面是具有弹性的压感介质材料，在实际使 用时可以利用指纹的外表形状转化成相应的电信号。这种传感器因为要经常性承受一定的 压力工作，会造成磨损和疲劳损伤，在一定程度上会影响精度和寿命。 半导体指纹传感器具有以下的一些优点： 首先，半导体指纹传感器容易实现高度集成，可以做成体积小，集成度高而且功耗低 的o e m 设备，特别适合嵌入式使用。 其次，随着芯片集成化程度的进一步的提高，半导体传感器的分辨率可以做得很高， 目前典型的半导体传感器都达到了5 0 0 d p i 以上。 最后，半导体指纹传感器采集获得的图像受外界干扰因素影响较小，可以得到普遍较 好的图像。而在光学传感器中指纹残留的印迹对采集指纹图像有很大的影响，外界光源的 强弱不同也会造成指纹图像的质量高低。 2 2 指纹识别算法综述 在自动指纹识别发展的早期，指纹识别是依靠图像像素点匹配的方法，这样的方法不 仅需要很大的计算量，而且存储图像的存储空间也要很大。现在通用的方法是首先对指纹 图像进行预处理，然后提取指纹的细节特征与指纹模板的细节特征进行匹配。这样处理的 算法，一般速度比较快而且需要的存储空间大大降低。下面图2 2 就是目前比较稳定的工 作流程： 获 取滤 图 指波 像 图特特 纹增 二 呻像征征 图强 值 细 提匹 像 化 化取配 指纹图像预处理 图2 2 指纹识别算法一般流程 结果 在实际中采用的图像增强方法有很多，其中典型的有基于g a r b o r 滤波器指纹图像增 强算法和基于方向图滤波器的指纹图像增强算法。 9 浙江工业大学硕士学位论文 2 2 1 指纹图像滤波增强算法 目前最为常用的指纹图像增强滤波主要是基于g a r b o r 滤波器和基于点方向图的滤波 增强算法，下面将分别进行介绍。 ( 1 ) g a r b o r 滤波器 由于指纹的纹理结构具有很好的规律性，如果单取出- d , 块指纹区域的图像进行分 析，我们可以发现，脊线和谷线交错出现，而且能很好的平行，这与理想的二维正弦曲面 是非常接近的。这样如果我们用一个带通滤波器通过频率和方向的调制就能有效的去除噪 声，并且保持脊线和谷线的结构。g a r b o r 滤波器即可以频率调节又可以方向调节，能很好 的满足指纹图像的去噪需求。 一般的g a r b o r 滤波器函数如下： 彤，= 小慝+ 勃c o s ( 2 z j 夤妒) 倍， = y c o s + x s i n ( 2 - 2 ) 均= - x s i n + y c o s ( 2 - 3 ) 其中是指纹的纹路方向，垂直滤波器的方向；厂是指纹脊线和谷线的频率：万。和艿， 分别是滤波器在坐标轴x 和轴y 上的强度常数。 频率域中的g a r b o r 滤波器相应如下表示： 砘哪叫州华+ 学卜档伴+ 学 ) 材2 u c o s + v s i n 矽 = 一u s i n + v e o s 铲竽 峋= 竽 其中，瓯= 1 2 n 8 x ，万，= 1 2 刀- 6 y 。 l o ( 2 - 4 ) ( 2 - 5 ) ( 2 - 6 ) ( 2 - 7 ) ( 2 - 8 ) 图2 3g a r b o r 滤波器频域剖面示意图 图2 3 是g a r b o r 滤波器垂直于其方向的频域剖面示意图。g a r b o r 滤波器的应用与效 果与参数的选择有很大的关系，这里未知的参数有： 脊线的频率：f ； 滤波器的方向：； 高斯分布的标准差：万。和最。 ( a ) 求纹线的频率有两种方法，分别是空域法和频域法。空域法是首先计算纹线法线 方向灰度最大的像素点的距离来计算脊线的频率。这种方法计算量小，但是准确率不高， 不准确的纹线频率显然会影响到滤波后的图像质量。频率法是将图像分块进行二维d f ，r 变 化，因为符合二维正弦曲面的图像在频域会出现两个峰值，根据这两个峰值所在的位置就 可以推导出脊线的频率变化。这种方法得到的频率抗干扰强，比较准确，但是因为要用到 d f t 变化，计算量相应较大。 ( b ) 滤波器的方向的求解也有两种基本方法：梯度法 1 1 和切缝法 1 6 。切缝法是将 指纹图像分割成互不重叠n * n 的子块，如图2 4 将点的方向设定为8 个方向。 8 65 4 ， i 。 17 j j 心钐 j 畅。 ，1 图2 4 点方向示意图 “ 2 浙江工业大学硕士学位论文 中心像素点为p ，对p 按图示计算八个方向的像素灰度变化： n 屹= ig ( f ，j ) - g d ( i k ，a ) i d = 1 , 2 ，n ( 2 9 ) k - - 0 其中，g d ( 屯，j 七) 是中心像素点沿d 方向的第k 点的灰度值，n 是所取的邻点数。灰度 变化最小的就是这个像素点的沿脊线方向，得到点方向后还要对点方向图进行滤波，主要 看点的方向是不是与其八邻域的方向情况，如果都是不同，则认为是噪声点，把它的方向 改为周围八邻域的主要方向。 基于这样的思路b m m e h t r e 等人在文中 1 7 提出了一种基于邻域内方向模板上的灰 度统计特性来求取方向图的方法。该方法原理比较简单，运算快捷。如图2 5 的模板所示， 以分辨率5 0 0 d p i 采集到的指纹图像而言，因为指纹的纹路宽度一般为5 - 1 0 个像素点，选 择9 * 9 矩形窗一般比较合适。图中p 表示方向待求的像素点，方向设定为8 个方向。 根据下式计算各个方向的灰度变化值： 4 母= i 一凹l ( 2 1 0 ) 七= i 4 s f = 陋i - g p i ( 2 1 1 ) k = l 式中：f 表示方向，取值o ，1 ，7 ：f 表示f 对应的法线方向：k 表示的对应方 向上的点；g p 表示中心点p 的灰度值：v p , k 表示点段的灰度值。 p 6 1 p 5 1p 4 lp 3 l p 2 1 p 7 lp 6 2p 5 2p 4 2p 3 2p 2 2p 1 1 p 7 2p 1 2 p 0 4 p 0 3p p 0 2p 0 1 p 1 3 p 7 3 p 1 4p 2 3p 3 3p 4 3p 5 3p 6 3p 7 4 p 2 4 p 3 4p 4 4p 5 4p 6 4 图2 5 点方向计算模板 像素点p 的点方向是指纹的纹线方向，这时其切线方向灰度变化最小，而法线方向灰 度变化应该最大的，即：s 最小，i f i is t 最大时对应f 的方向。通过上述模板和公式将指纹 1 2 浙江工业大学硕士学位论文 图像从上到下，从左到右的每个像素点的方向都计算出来，这样就构成点方向图。得到点 方向图后，为了消除噪声，还要进行去噪声处理，得到比较准确的点方向图。文 1 4 中提 到的滤波方法如下： 设n ( d ) 是某一像素八邻域中的方向为d 的像素的个数，n ( d ) 的最大值为n ( d 1 ) ，次大 值为n ( d 2 ) ，变量o ( i ，j ) 是坐标为( i ，j ) 像素点校正后的方向代码，具体平滑方法如下： ld 1如果5 n ( d 1 ) 8 d ( i ，) = ( d 1 + d 2 ) 1 2 如果3 n ( d 1 ) 5 ，且( d 2 ) 2 ，且( d 1 ) - n ( d 2 ) 2 ( 2 1 2 ) id ( f ，j f ) 其他 这样得出点方向后还不足以准确表达指纹纹线的方向，还要进行块方向图计算，然后 才根据子块的方向来确定滤波器的方向。 块方向图可以根据子块内的点方向进行直方图统计得出。其首先将点方向图分成w * w 大小互不重叠的子块，对任意一个子块，对该子块内的点方向图进行直方图统计，选取方 向数最大的一个方向作为该子块的区域方向，即为块方向： m = ( d = 0 ( 汪o ，7 ) ( 2 1 3 ) j “缸= m a x n d ( d = o ，7 ) ( 2 1 4 ) 其中，n e 表示子块中d 方向的点的数目；d 为某点的点方向；。懈为该子块同沿某 s曲e1算子即可，其水平的算子为：三吕三却，垂直算子为：巴量01 0 习，然后根据式 s o b e l 算子即可，其水平的算子为：i2 o 一2l ，垂直算子为：io oi ，然后根据式 i一1il l 一2 1i ( 2 1 5 ) 和式( 2 1 6 ) 计算得到每一像素点的灰度梯度值a j ( f ，j ) 和a ，( f ，j ) ： ll a x ( i ，) = s 工( 甜+ 1 ，v + 1 ) l ( i + u ，+ v ) “= 一i v = - i ( 2 - 1 5 ) a y ( f ，) = s j ，( 甜+ 1 ，v + 1 ) i ( i + u ，+ ，) ( 2 1 6 ) u = - - i v = - l 其中，s x 和s ，分别表示水平算子和垂直算子。 下一步就是将图像划分为w , w 互不重叠的块，通过式( 2 - 1 7 ) 、( 2 - 1 8 ) 和( 2 - 1 9 ) 计算出 块的局部方向： 1 3 浙江工业大学硕士学位论文 v x ( i ，j ) ：窆窆2 姒刈) 纵州) 壮卜i 归j i o ( f ，) ：主1 - - 【a 地d a 沁，) 】 2。2 o ( i ，) = ( 2 - 1 7 ) ( 2 - 1 8 ) 州丽v y c i , j ) 若v x ( i , j ) - o协 考 若圪( “) = o 其中，( f ，j ) 表示块中心像素点坐标，v a i ，j ) ，l ( f ，) 为修正后的梯度向量，口( f ，) 为 局部子块的方向。 计算出块方向后，还要用一个二维低通滤波器对块方向进行修正，再通过邻域块之间 的平滑处理，从而得到比较准确的块方向。 ( c ) 高斯分布的标准差占。和万，一般是通过经验选择。这个值越大，滤波器对噪声鲁棒 性越好，但是也越会产生虚假的纹理；反之，如果取值过小又不能达到很好的滤波效果。 一般，这两个值都选择4 o 是比较合适的。 ( d ) g a b o r 滤波器性能的好坏很大程度上取决于对指纹图像的方向和脊线的频率估算 准确性。一般在平行交错分布很好的纹理区域可以得到比较好的效果，但是对于纹理结构 复杂和曲率变化大的区域，由于子块的脊线方向或频率都难以准确计算，这时g a b o r 滤波 器已经变得不适用。针对这一情况，通常的处理方法是设计新类型的滤波器对不同特征的 区域块进行滤波处理。在文 1 8 中，设计一个多方向的频率滤波器；在文 1 9 中，设计了 一个拥有一系列的多方向逻辑线性算子的滤波器：在文 2 0 中，作者设计了一个各方向同 向增强的滤波器对这样纹理复杂的区域进行处理。 ( 2 ) 方向图滤波器 ( a ) 方向图滤波设计思路： 指纹的纹理具有类c a