（信号与信息处理专业论文）自动指纹识别系统的研究与应用设计.pdf

摘要 摘要 近年来，生物识别技术得到广泛的关注，被认为是自动身份识别的最终技术。 其中自动指纹识别技术是目前最成熟的生物识别技术，具有广阔的发展前景。 指纹唯一性和稳定性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，可以方便、高效、安全、可靠地应 用在金融安全、数据加密、电子商务等各个领域，并将在我们的生产和生活中发 挥越来越重要的作用。 本文的内容描述了自动指纹识别系统的设计和工作过程，按照设计过程，该 系统主要包括三个大部分：指纹图像的预处理、特征提取以及模式匹配。 指纹图像的预处理过程一般包括灰度图滤波去噪、二值化、二值化图像去噪、 细化和细化后去噪五个部分。本文先基于指纹的方向图设计出方向滤波器对原图 像进行滤波去噪，然后使用局部平滑阈值自适应二值化算法，对灰度图像进行二 值化处理，并采用快速傅氏变换对所得到的二值化图像进行滤波去噪操作。接下 来使用细化模板对二值化图像进行细化，并针对细化图中各种噪声的拓扑结构将 其滤除。 指纹图像的特征提取主要是提取指纹的细节特征及其位置。本文先采用脊线 跟踪法将指纹图中的细节特征全部找出来，再对每个细节特征进行验证，尽量去 除伪特征点。然后采用求p o i n c a r ei n d e x 值的方法确定指纹的中心点，并作为参 照点来确定每个特征点相对参照点的位置。 指纹图像的匹配过程包括了图像校准和细节匹配两个部分。首先，找到输入 图像和模板图像的参照点对，然后将两幅图像中的细节特征点相对于各自的参照 点转化为极坐标形式，然后进行比对，晟终确定两幅图像是否来自于同一手指。 本文对自动指纹识别中的预处理技术、指纹分类算法以及匹配算法进行了研 究，并在指纹预处理及指纹分类等算法上有所改进，所提算法都经实验证明是准 确有效的，有一定的理论价值和实际应用价值。 关键词：自动指纹识别系统；预处理：二值化；细节特征；特征提取；匹配 兰三些奎兰三耋堡圭兰薹鎏兰 a b s t r a c t r e c e n t l y ， t h eb i o m e t r i ct e c h n o l o g yh a sb e e nu n i v e r s a l l yn o t i c e d ，a n d i ti sc o n s i d e r e dt h a tt h i st e c h n 0 1 0 9 yh a sag r e a tf u t u r e n o w ，f i n g e r p r i n t i d e n t i f i c a t i o ni st h em o s td e v e l o p e db i o m e t r i ct e c h n 0 1 0 9 y e x t e n s i v e l yu s e d i nm a n yf i e l d s ，w h i c hh a sab r i g h tf u t l l r e 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 n b a s i so fp e r s o n a li d e n t i t y a 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 t e c h n 0 1 0 9 y o f f i n g e r p r i n t i d e n t i f i c a t i o n u s i n gc o m p u t e r ， i so f c o n v e n i e n c e ，h i g he f f i c i e n c y ，s e c u r i t y a n d r e l i a b i l i t y i th a sb e e n a p p l i e d i n m a n y f i e l d ss u c ha sf i n a n c i a l s 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 lb u s i n e s sa n dw i l lp l a yam o r ea n dm o r ei m p o r t a n tr 0 1 ei no u r 1 i f e t h i s p a p e r i sa b o u tt h e s t u d y a n dd e s i g no fa u t o m a t e d f i n g e r p r i n t i d e n t i f i c a t i o ns y s t e m a c c o r d i n gt ot h ep r o c e s so ft h ed e s i g n ， t h ep a p e r c a nb ed e v i d e di n t ot h r e ec o m p o n e n t s ：p r e p r o c e s s i n g ，f e a t u r ee x t r a c t i o n ， m a t c h i n go ff i n g e r p r i n ti m a g e s f i n g e r p r i n ti m a g ep r e p r o c e s s i n g h a sf i v e p a r t s ： f i l t r a t i o ni n g r a y s c a l ei m a g e ，b i n a r i z a t i o n ， f i l t r a t i o ni nb i n a r yi m a g e ， t h i n n i n ga n d f il t r a t i o ni nt h i n n i n gi m a g e i nt h i sp a p e r ，w ef i r s t l yd e s i g no r i e n t a t i o n f il t e r sb a s e do nd i r e c t i o n a l i m a g eo ff i n g e r p r i n ta n de m p l o yt h e mt o d e n o i s eg r a y s c a l ei m a g e t h e n ，w eb i n a r i z et h eg r a y s c a l ei m a g ew i t hl o c a l s e l f a d a p t i v eb i n a r i z a t i o ns m o o t h n e s sa l g o r i t h ma n de l i m i n a t et h en o i s e s f r o mt h eb i n a r yi m a g ew i t hf a s tf o u r i e rt r a n s f o r ma l g o r i t h m a f t e r w a r d s ， b yu s i n gt h i n n i n gt e m p l a t e s ， w eg e tt h es k e l e t o nf i n g e r p r i n t i m a g ef r o m t h eb i n a r yi m a g e a f t e rt h i n n i n g ，w eg e tr i do ft h en o i s e sf r o mt h ea c q u i r e d s k e l e t o ni m a g e a c c o r d i n gt o t h e i rc o n f i g u r a t i o n f i n g e r p r i n ti m a g ef e a t u r ee x t r a c t i o nm a i n l ye x t r a c t st h em i n u t i a ea n d t h e i rp o s i t i o n s f i r s t l y ，t h isp a p e rp r e s e n t sa na l g o r i t h mb a s e do nr i d g e f o 】1 0 w i n gt oe x t r a c ta l lm i n u t i a ef r o mt h ep r e p r o c e s s e di m a g e s e c o n d l y ， a b s t r a c t w ev a l i d a t et h e s em i n u t i a ea n de l i m i n a t e p s e u d o o n e s t h e n ，b y c o m p u t i n g t h ev a l u eo fp o i n c a r e i n d e x ， w ec a nf i n dt h ec o r eo ft h e f i n g e r p r i n t f i n a l l y ，w ec a nf i xo nt h er e l a t i v ep o s i t i o n so ft h em i n u t i a e a c c o r d i n gt ot h ec o r e f i n g e r p r i n ti m a g em a t c h i n g h a st w o s t e p s ：i a g ea d j u s t m e n t a n d m i n u t i a em a t c h i n g f i r s to fa i 1 ， w es e l e c tar e f e r e n c ep o i n tp a i ro ft h e i n p u ti m a g ea n dt h et e m p l a t ei m a g e a n dt h e nw et r a n s f o r mt h em i n u t i a e p o s i t i o n si n t op 0 1 a rc o o r d i n a t e s f i n a l l y ，w em a t c ht h ei n p u ti m a g ew i t h t h et e m p l a t eo n et oj u d g ew h e t h e rt h e s et w oi m a g e sa r ec a p t u r e df r o mt h e s a m ef i n g e r e x p e r i m e n t sh a v eb e e n d o n ea n dt h er e s u l t ss h o wt h a tt h ed e v i s e d a 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 mi se f f e c t i v ea n dr e li a b l e i nt h i st h e s i sw eh a v es t u d i e dt h ea l g o r i t h m si na u t o m a t e df i n g e r p r i n t i d e n t if i c a t i o n s y s t e m( a f i s ) ， a n d h a y em a d es o m ei m p r o v e m e n t s i nt h e p r e p r o c e s s i n ga l g o r i t h ma n dc l a s s i f i c a t i o na l g o r i t h m ，w h i c hh a v eb e e n p r o v e dt ob ev a l i db ye x p e r i m e n ta n da r ew o r t h yt os o m ee x t e n te i t h e ri n t h e o r yo r i n p r a c t i c e k e y w o r d s ： a u t o m a t e df i n g e r p r i n t b i n a r iz a t i o n ：m i n u t i a e ；f e a t u r e i d e n t i f i c a t i o ns y s t e m ： p r e p r o c e s s i n g e x t r a c t i o n ；m a t c h i n g 第一章绪论 第一章绪论 1 1 指纹识别是成熟的生物识别技术 随着电子银行、电子商务和智能卡的出现，以及对众多数据库中所存信息的 保密性的重视，人们对于身份鉴别的安全性和可靠性的要求越来越高，传统的身 份鉴别方法如钥匙、证件、用户名、密码等存在着易丢失、易遗忘、易被他人伪 造或盗用的缺点，己不能满足人们的需要，人们逐渐把目光转向了生物特征识别 技术( b i o m e t r i c ) 。这种依靠人体的身体特征来进行身份验证的技术称为生物测 定学身份识剐技术，指纹识别是生物测定学身份识别技术的一种。 生物特征识别技术是利用人体的生物特征或行为特征来进行身份验证和识别 的技术。人体的生理特征与生俱来，主要包括指纹、声音、面孔、虹膜、掌纹和 d n a 等。人体的行为特征是后天形成的，主要包括笔迹、足态、步态等。与传统的 身份鉴别手段相比，基于生物特征的身份鉴别技术具有以下三个特点： ( 1 ) 人各有异； ( 2 ) 终身不变； ( 3 ) 随身携带。 因此，基于生物特征的身份鉴别技术发展十分迅速。以美国为例，基于这项 技术的产业规模已经达到数十亿美元。特别是在如今的网络信息化时代，电子商 务极为发达，单纯依靠口令和密码是不能将正确的使用者与具有欺骗性的冒名顶 替者( 黑客) 区分开来的。而通过基于生物特征的身份鉴别系统，在用户登录的同 时验证用户的生物特征信息，由于生物特征的唯一性，就很容易判断出用户的身 份。据统计，仅仅在2 0 0 2 年，全球通过商务网站达成的贸易额就大约为5 万亿美元。 电子商务的发展为生物特征识别技术提供了广阔的应用市场。 为确保验证的准确性和可靠性，能够用来鉴别身份的生物特征应该具有以下 特点： ( 1 ) 广泛性。每个人都应该具有这种特征； ( 2 ) 唯一性。每个人拥有的特征应该各不相同； ( 3 ) 稳定性。所选择的特征应该不随时间发生变化； ( 4 ) 可采集性。所选择的特征应该便于测量。 广东工业大学工学硕士学位论文 实际应用还给基于生物特征的身份鉴别系统提出了更多的要求，包括： ( 1 ) 性能的要求。所选择的生物统计特征能够达到多高的识别率，对于资源的 要求如何，识别的效率如何； ( 2 ) 可接受性。使用者在多大程度上愿意接受基于所选择的生物统计特征的系 统： ( 3 ) 安全性能。系统是否能够防止被攻击； ( 4 ) 可行性。是否具有相关的、可信的研究背景作为技术支持； ( 5 ) 存储量。提取的特征信息是否占用较小的存储空间； ( 6 ) 价格。是否达到用户所接受的价格； ( 7 ) 速度。是否具有较高的注册和识别速度； ( 8 ) 是否具有非侵犯性。 迄今为止，还没有任何一种单独的生物特征可以满足上述全部要求。基于各 种不同生物特征的身份鉴别系统都有各自的优缺点，适用于一定的范围。 指纹识别技术是成熟的生物测定学识别技术之一。科学研究发现了至今仍然 承认的两个重要特征：一是两个不同手指的指纹纹脊的样式( r i d g ep a t t e r n ) 不 同，另外一个是指纹纹脊的样式终生不变。在考虑局部指纹特征的情况下，英国 学者e r h e r r y 认为，只要比对1 3 个特征点重合，就可以确定是同一个指纹”1 。 比较其他生物特征而言，指纹有如下两个突出的优点： 第一：唯一性 每个人的指纹独一无二，人与人之间不存在相同的指纹。据指纹学理论，两 枚指纹匹配上1 2 个特征的机率为1 0 。至今仍找不出两个指纹完全相同的人。 由于皮肤表皮上的纹路是在胎儿六个月时形成的，所以即使是同卵双胞胎的指纹 也是不同的。不仅是人与人之间，就是同一个人的十指指纹也有明显的区别。因 此，指纹的这一特点，为指纹用于身份的认证与识别奠定了基础。 第二：稳定性 指纹具有很强的相对稳定性。从胎儿六个月指纹形成到尸体腐烂，指纹纹线 类型、结构、统计特征的总体分布始终没有明显变化。尽管随着年龄的增大，指 纹在外型大小、纹线粗细上会产生一些变化，局部纹线上也可能出现新的特征， 但从总体看，指纹是相对稳定的。即使手指皮肤受伤，只要不伤及真皮层，伤愈 后纹线仍能恢复原状。 第章绪论 指纹的这两个特点，为指纹用于身份鉴定提供了客观的依据。实际上，指纹 作为身份鉴定手段早已有着悠久的历史。考古证实，公元前7 0 0 0 年到6 0 0 0 年以前， 古叙利亚和中国，指纹作为身份鉴别己经开始应用”1 。考古发现，在这个时代。 一些粘土陶器上留有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指 纹，在j e r c h o 的古城市的房屋留有砖匠一对大拇指指纹的印记等。虽然指纹的一 些特征己经被人们认识和接受但不能证明，但指纹己广泛应用社会的各个方面。 现代指纹技术出现在十六世纪的晚期。1 6 4 8 年，英国英格兰警察部门的指纹形态 学家n g r e w 发表了一篇论文，阐述了他对指纹中的脊、谷和孔的系统研究结果， 这是关于指纹的最早的一篇科学论文。1 7 8 8 年，m a y e r 给出了指纹关于解剖学形式 的详细报告，其中定义了很多指纹中脊的特征。1 8 8 0 年，h f a u l d 第一次提出指 纹唯一性的猜想，与此同时，h e r s c h e l 声称，他将指纹作为身份验证的依据己经 有将近2 0 年的历史了”1 。这些发现建立了现代指纹身份验证技术的基础。在十九 世纪晚期，f g a l t o n 开展了关于指纹的广泛研究，并引入指纹中的细节特性作为 指纹识别的依据。1 8 9 9 年，e h e n r y 建立了著名的指纹分类规则“h e n r y 体系”， 极大的提高了指纹比对专家完成指纹身份验证时的效率，指纹识别技术有了更为 科学的鉴别标准。 2 0 世纪6 0 年代，由于计算机可以有效地处理图形，人们开始着手研究基于计 算机来进行指纹识别的技术。从那时起，自动指纹识别系统a f i s 在法律实施方面 的研究和应用在许多多家展开。2 0 世纪8 0 年代，个人电脑，光学扫描这两项技术 的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别技术开始在其 他领域中得以应用，比如代替i c 卡。现在( 9 0 年代后期) ，低价位取像设备的引入 及快速发展，可靠的比对算法的开发与研究为个人身份识别应用的增长提供了舞 台。对生物识别技术来说，被广泛接受意味着在影响千万人的日常生活的各个地 方使用。通过取代个人识别码和口令，生物识别技术可以阻止非授权的访问，可 以防止盗用a t m 、蜂窝电话、智能 、桌面p c 、工作站及其计算机网络；在通过电 话、网络进行的金融交易时进行身份认证；在建筑物或工作场所，生物识别技术 可以取代钥匙、证件、图章和卡阅读器。 1 2 自动指纹识别系统的工作原理 所有的生物识别系统都包括如下几个处理过程：采集、解码、比对和匹配。 广东工业大学，】：学硕士学位论文 自动指纹识别系统也是如此，主要是由指纹取像、预处理、特征提取、比对、系 统管理和数据库管理六大部分组成。与人工处理不同，计算机指纹识别常常不直 接存储和对比指纹的图像，指纹识别最终都归结为在指纹图像上提取指纹特征并 比对指纹的特征。其基本的识别流程如下图所示： 图1 1 自动指纹识别系统结构图 f i g 1 1a 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 1 2 1 指纹取像技术及特点 指纹取像设备分成两类：光学、晶体传感器和其他技术。 光学取像设备的历史可以追溯到2 0 世纪7 0 年代。光学取像设备依据的是光的 全反射原理( f t i r ) 。光线照到压有指纹的玻璃表面，反射光线由c c d 获得，反射光 的量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃问的油脂和水分。光 线经玻璃射到谷的地方后在玻璃与空气的界面发生全反射，光线被反射到c c d ，而 射向脊的光线不发生全反射，而是被脊与玻璃的接触面吸收或者漫反射到别的地 方，这样就在c c d 上形成了指纹的图像。 由于最近光学设备的革新，极大地降低了设备的体积。最近9 0 年代中期，传 感器可以装在6 3 6 英寸的盒子里，在不久的将来更小的设备是3 1 1 英寸。 这些进展取决于多种光学技术的发展而不是”i r 的发展。例如：可以利用纤维光 束来获取指纹图像。纤维光束垂直射到指纹的表面，他照亮指纹并探测反射光。 另一个方案是把含有一微型三棱镜矩阵的表面安装在弹性的平面上，当手指压在 此表面上时，由于脊和谷的压力不同而改变了微型三棱镜的表面，这些变化通过 三棱镜光的反射而反映出来。光学取像设备不断更新，为了缩小体积，也可以用 第一章绪论 微型三棱镜代替玻璃。即将含有一微型三棱镜矩阵的表面安装在弹性的平面上， 当手指压在此表面上时，由于脊和谷的压力不同而改变微型三棱镜的表面，这些 变化通过三棱镜的反射而反映出来。 晶体传感器是最近在市场上才出现的，尽管在技术介绍性文章中已经出现近 2 0 年。这些含有微型晶体的平面通过多种技术来绘制指纹图像。最常见的硅电容 传感器通过电子度量被设计来捕捉指纹。在半导体金属阵列上能结合大约1 0 0 ，o o o 个电容传感器，其外面是绝缘的表面，当用户的手指放在上面时，皮肤组成了电 容阵列的另一面。电容的电容值由于导体间的距离而降低，这里指的是脊( 近的) 和谷( 远的) 相对于另一极之间的距离。另一种晶体传感器是压感式的，其表面的 项层是具有弹性的压感介质材料，他们依照指纹的外表地形( 凹凸) 转化为相应的 电子信号。其他的晶体传感器还有温度感应传感器，它通过感应压在设备上的脊 和远离设备的谷温度的不同就可以获得指纹图像。 超声波扫描被认为是指纹取像技术中非常好的一类。很象光学扫描的激光， 超声波首先扫描指纹的表面。紧接着，接收设备获取了其反射信号，测量它的范 围，得到脊的深度。不象光学扫描，积累在皮肤上的脏物和油脂对超音速获得的 图像影响不大，所以这样的图象是实际脊地形( 凹凸) 的真实反映，应用起来更为 方便。 光学扫描也有自己的优势。其中之一是在较大的外形可以做较大指纹取像区 域。而制造较大的晶体传感器的指纹取像区域是非常昂贵的，所以通常晶体传感 器的指纹取像区域小于1 平方英寸，而光学扫描的指纹取像区域等于或大于l 平方 英寸。然而这个对于较小的光学扫描设备并不是优势。较小的光学扫描也是较小 指纹取像区域，这是因为较大的指纹取像区域需要较长的焦点长度，所以要有较 大包装，否则如果较大的取像区域使用较小的包装，则光学扫描设备会受到图像 边缘线形扭曲的影响。 晶体传感器技术最重要的弱点在于，它们容易受到静电的影响，这使得晶体 传感器有时会取不到图像，甚至会被损坏，另外，它们并不象玻璃样耐磨损， 从而影响了使用寿命。 总之，各种技术都具有它们各自的优势，也有各自的缺点。我们在下面给出 三种主要技术的比较。 广东工业大学_ 亡学硕士学位论文 表卜1 三种成像技术的比较 t a b l e l - 1t h ec o n t r a s to ft h f e ei m a g i n gt e c h 比较项目光学全反射技术硅晶体电容传感技术超声波扫描 体积人小中 耐用性非常耐用容易损坏 一般 成像能力 干手指差，但汗多的和干手指好，但汗多的和稍 非常好 稍胀的手指成像模糊胀的手指不能成像 耗电较多较少较多 成本低低 很高 1 2 2 预处理过程概述 指纹取像设备所获得的原始图像受诸多因素影响，是一幅含有噪声较多的灰 度图像，预处理的目的就是去除指纹图像的噪声，增强脊和谷的对比度，把它变 成一幅清晰的点线图，以便于提取正确的指纹特征。预处理过程包括以下步骤： 灰度图滤波去噪、二值化、二值化去噪、细化及细化后去噪。指纹预处理的一般 工作过程如图卜2 所示。 原始指r 纹图像 灰度图 1 滤波去噪5 l 龇厂_ i 黼叫靴卜舭融噪 图卜2 预处理过程 f i g 1 2f l o wd i a g f a mo fp r e - p r o c e s s i n g 点线指纹 图 灰度滤波去噪的目的是对输入的噪声较多的灰度图像进行滤波，去除图像中 的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像。 指纹原始图像在预处理时计算量大，耗时多。由于二值图像在处理时速度高、 成本低，且能够用几何学中的概念进行分析和特征描述，因此需要对灰度图像进 行二值化处理。二值化就是把灰度指纹图像变成0 1 取值的二值图像。这样就使图 第一章绪论 像的灰度层次由原来的2 5 6 级( 8 b i t ) 降为2 级( 1 b i t ) ，从而大大减少了需要存储和 处理的数据量，增强了脊和谷的对比度，以便于后续的处理过程。指纹图像经过 二值化后会引入噪声，图像会出现纹线边缘凹凸不齐和离散点，因此需要进行二 值化图像去噪。由于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理 速度和识别精度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是通 过细化变为点线图。即指纹图中的脊线都以点线( 宽度为1 的线) 的方式表示细化时 应保持纹线的连接性、方向性、特征点不变，还应保持纹线的中心基本不变。细 化后的图像会出现无用的纹线搭桥及豁口，因此必须进行细化后的去噪。 1 2 3 特征提取 指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接 存储指纹的图像。多年来在各个公司及其研究机构产生了许多数字化的算法( 美国 有关法律认为，指纹图像属于个人隐私，因此不能直接处理指纹图像) 。但指纹识 别算法最终都归结为在指纹图像上找到并比对指纹的特征。， 指纹的特征：我们定义了指纹的两类特征来进行指纹的验证，总体特征和局 部特征。 总体特征：总体特征是指那些用肉眼直接就可以观察到的特征。包括： 纹型： 环型( 1 0 0 p )弓型( a r c h )旋涡型( w h o r l ) 图卜3 指纹的基本纹型 f i g 1 3f i n g e r p r i n tl i n e s 其他的指纹图案都基于这三种基本图案。仅仅依靠纹型来分辨指纹是远远不 够的，这只是一个粗略的分类，通过更详细的分类使得在大数据库中搜寻指纹更 广东工业大学工学硕士学位论文 为方便快捷。 局部特征：指纹是由多种脊状图形构成，细节特征是指指纹纹路上节点的特 征，这些具有某种特征的节点称为特征点。下图是一个环形指纹图像( 图 卜4 ) ( c r o s s o v e r 交叉：c o r e 核b i f u r c a t i o n 分岔；r i d g ee n d i n g 脊断点；i s l a n d 岛型区域；d e l t a 三角形区域；p o r e 孔) 图卜4 指纹细节特征 f i g 1 - 4e x a m p l e so ff i n g e r p r i n tm i n u t i a e 不连续中断了本该平滑连续的脊，这是指纹扫描认证的基础。1 9 世纪末在加 尔顿( g a l t o n ) 特征中所描述的微小细节就是对脊断点不尽成熟的描述。脊断点是 指一个脊的终止点，分岔是一个脊被一分为二。微小细节以多种形式存在于一个指 纹图象中，这其中包括点( 很小的脊) ，岛型区域( 相对比点长的脊，占有两个分岔 脊的中间部分) ，塘或湖形区域( 两个分岔脊之间的空白部分) ，分枝( 一个脊当中的 突出部分所形成的v 型痕) ，桥形痕( 两个邻近的脊连接而成的相对较长的脊) 和交 叉( 两个互相交叉的脊) 。其它一些特征对指纹扫描认证也是十分重要的。核心点 是内部的点，通常是在指纹的中间部分。周围有旋痕，环或拱型痕环绕。一般说来， 核心点的主要特征是由一个脊断点和一些弧度较大的脊所构成。三角点通常是在 第一章绪论 手指纹的底部的左右，有一个位于中间三角形脊组构成。脊也通常用“孔”来迸行 描述，一般在较固定的脊间隔之间，利用“孔”的位置和分布来进行认证已经进 行了初步的尝试。但是这种方法需要“孔”的图像要求有相当高的分辨率。 模式区( p a t t e f na r e a ) 模式区是指指纹上包括了总体特征的区域，即从模式区就能 够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模 式区的数据。s e c u r e t o u c h 的指纹识别算法使用了所取得的完整 指纹而不仅仅是模式区进行分析和识别。 核心点( c o r ep o i n t ) 核心点位于指纹纹路的渐进中心，它在读取指纹刹比对指纹 时作为参考点。许多算法是基于核心点的，既只能处理和识别具 有核心点的指纹。核心点对于指纹识别算法很重要，但没有核心 点的指纹它仍然能够处理。 三角点位于从核心点开始的第一个分叉点或者断点、或者两 条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点 提供了指纹纹路的计数跟踪的开始之处。 u n t ) 指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先 在连接核心点和三角点。这条连线与指纹纹路相交的数量即可认 为是指纹的纹数。 a f i s 的特征提取就是通过相应的处理算法自动提取经预处理后的指纹图像 的全局特征和细节特征。 指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这 些断点、分叉点和转折点就称为“特征点”。两枚指纹经常会具有相同的总体特 征，但它们的局部特征一特征点，却不可能完全相同。就是这些特征点提供了 臻一懋瓣 指纹唯一性的确认信息。 特征点的分类： 有以下几种类型，最典型的是终结点和分叉点。如下所示。 表卜2 特征点的类型 t a b l e l - 2d p e so fm i n u t i ap o i n t s 拜 终结点( e n d i g ) ， 一条纹路在此终结。 口 分叉点( b i f u r c a t i o n ) ， 一条纹路在此分开成为两条或更多的纹路。 c 分歧点( r i d g ed i v e r g e n c e ) ， 两条平行的纹路在此分开。 疗 孤立点( d o to r i s l a n d ) ，一条特别短的纹路，以至于成为一点。 暑 环点( e n c l o s u r e ) ，一条纹路分开成为两条之后，立即有合并成为一 条，这样形成的一个小环称为环点。 矿 短纹( s h o nr i d g e ) ，一端较短但不至于成为一点的纹路。 第一章绪论 方向( o f i e n t a t i o n ) 一节点可以朝着一定的方向。 曲率( c u r v a t u r e ) 一描述纹路方向改变的速度。 位置( p o s i t i o ) 一节点的位置通过( x ，y ) 坐标来描述，可以是绝对的，也可以是相对于三角 点或特征点的。 特征提取是模式识别中的重要问题，对分类器的设计和性能具有深远的影响， 同时也将影响特征的提取过程。为了使指纹能够用于身份鉴别系统，指纹特征应 具有如下性质。 ( 1 ) 保持指纹的独特性； ( 2 ) 易于进行匹配： ( 3 ) 对噪声具有一定的鲁棒性，对旋转、平移和非线性形变具有不变性； ( 4 ) 对不完整指纹具有鲁棒性。 一旦一个高质量的指纹图像被拾取后，需要许多步骤将它的特征转换到一个 复合的模板中。这个过程，被称为特征拾取过程，它是指纹扫描技术的核心。当 一个高质量的图像被拾取后，它必须被转换成一个有用的格式。 微小细节的图像便来自于这个经过处理的图像。在这一点上，即便是十分精 细的图像也存在着细节变形和错误细节，这些变形和错误细节都要被滤出。例如， 一个算法可能在检索图像时剔除两个邻近细节中的一个细节，因为这两个细节太 接近了，由于疤痕，汗液或灰尘导致的细节异常，算法对于这些情况是无能为力 的。例如一个分岔位于一个岛形痕之上( 可能是错误细节) 或者一个脊垂直穿过 两到三个脊( 可能是疤痕或灰尘) 。所有这些可能的细节都要在这个处理过程中被 舍弃。 脊中断处的点，即一个分岔开始的点是最基本的微小细节，这些细节在众多 领域都得到了运用。 除细节的定位和夹角方法的应用以外，也可以通过细节的类型和质量来划分 细节。这种方法的好处在于检索的速度有了较大的提高，一个显著的，特定的细 节，它的唯一性更容易使匹配成功。 广东工业大学工学硕士学位论文 1 2 4 匹配 经过特征提取后待识别的指纹要与数据库中的指纹进行比较以确定是否来 自于同一个人的指纹，这个过程叫做比对，也称为指纹图像的匹配。比对过程主 要利用细节特征来完成，但也可以事先利用全局特征缩小数据库中的比较范围。 1 2 5 数据库管理 数据库管理主要负责存储已提取的指纹特征信息和参与指纹的比对。一般的 自动指纹识别系统的数据库只含有指纹的特征信息，并不包含指纹图像，也不能 由存储的特征数据恢复成指纹图像。警用系统的数据库可以包含指纹的压缩图像 以及与前两类数据相应的罪犯的文本信息。 1 2 6 系统管理 系统管理主要负责调度和协调各模块的工作，并处理可能出现的故障情况以 确保自动指纹识别系统能够顺利工作。 1 2 7 自动指纹识别系统的性能评价指标 由于计算机处理指纹时，只是涉及了指纹的有限信息，而且采集到的指纹图 像含有噪声并可能发生畸变，即使通过预处理和特征提取过程也只能尽量减少而 不能完全消除，并且在处理过程中还可能引入新的噪声，比对的算法并不是精确 匹配，不可避免会产生误差，从而影响到最终的鉴定结果，使结果不可能保证完 全准确。 指纹识别系统的特定应用的重要衡量标志是识别率。评价自动指纹识别系统 性能的指标主要有两个“”：拒识率f r r ( f a l s er e j e c tr a t e ) 和误识率f a r ( f a l s e a c c e p tr a t e ) 。拒识率是指正确指纹被误判拒绝的比率，可视为系统易用性的衡量 指标。误识率是指错误指纹输入而被接受为正确的比率，可视为系统安全性的衡 量指标。我们可以根据不同的用途来调整这两个值。f r r 和f a r 是成反比的。用 o 1 o 或百分比来表达这个数。r o c ( r e c e i v e ro p e r a t i n gc u f v e ) 曲线给出f a r 和 f r r 之间的关系。 反映f r r 与f a r 关系的r 0 c ( f e c e i v eo p e r a t i n gc u r v e ) 曲线如图卜5 所示， 对于自动指纹识别系统来说，希望这两个指标越低越好，但实际上f r r 与f a r 是成反比的。曲线上的点表示在某个给定阈值下得到的拒识率和误识率。 第一章绪论 o 1om f r 唧g ) 11 0 图卜5f r r 与f a r 之间的关系曲线 f 主g 1 5r e l a t i o n c u r v eo ff a l s er c j e c tr a t ea n df a l s e a c c e p tr a t e 1 3 自动指纹识别系统的分类及发展 1 3 1 验证和辨识 应用系统利用自动指纹识别技术可以分为两类，即验证r v e r i f i c a t i o n l 系统和 辨识f i d e n t i f ：i c a t i o n ) 系统。 验证是通过把一个现场采集到的指纹与一个已经登记的指纹进行一比的 比对( o n e t o o n em a t c h i n g ) 来确认个人身份的过程。作为验证的前提条件，相关指 纹必须在指纹库中已经注册，且以一定的压缩格式存贮，并与其姓名或其标识f l d ， p i n ) 联系起来。然后在比对现场，先验证其标识，再利用系统预存的指纹与现场 采集的指纹比对来证明其标识是合法的。它回答了这样一个问题“他是他自称的 这个人吗? ”。 辨识则是将现场采集到的指纹与指纹数据库中的指纹逐一比对，从中找出与 现场指纹相匹配的指纹。它回答了“他( 她) 是谁? ”的问题，也叫一对多匹配 ( o n e t o m a n ym a t c h i n g ) 。辨识主要应用于犯罪指纹匹配的传统领域中。一个不明 身份的人的指纹与指纹库中有犯罪记录的人指纹进行比对，来确定此人是否曾经 有过犯罪记录。 验证和辨识在比对算法和系统设计上各具技术特点。例如验证系统一般只考 虑对完整的指纹进行比对，而辨识系统要考虑残纹的比对；验证系统对比对算法 的速度要求不如辨识系统高，但更强调易用性；另外在辨识系统中，一般要使用 8 6 i 2 0 日6 4 2 0 广东工业大学工学硕士学位论文 分类技术来加快查询的速度。 1 3 2 应用与发展 光学技术和微电子技术的发展，使输入的指纹图像的质量大为提高，从而可 以提高自动指纹识别系统处理的速度及最终鉴别结果的准确性。另外还可以降低 指纹取像设备的价格，提高设备的耐用性，从而降低了系统的成本，有利于自动 指纹识别系统的应用和普及。 当今市场上的指纹识别系统厂商，除了提供完整的指纹识别应用系统及其解 决方案外，可以提供从指纹取像设备的o e m 产品到完整的指纹识别软件开发包， 从而使得无论是系统集成商还是应用系统开发商都可以自行开发自己的增值产 品，包括嵌入式的系统和其他应用指纹验证的计算机软件。 比尔盖茨曾经断言，生物识别技术在今后数年内将成为i t 产业最为重要 的技术革命。事实上，由于指纹识别技术的发展及自动指纹识别系统的普及，基 于指纹的生物测定学系统几乎己经成为生物测定学系统的代名词。1 9 9 7 年，基于 生物测定学的自动身份鉴别系统的全球市场大约为1 1 2 亿美元中自动指纹识别 系统( 主要用于司法系统) 大约就占了1 亿美元。而到1 9 9 9 年，光是基于自动指纹 识别系统的门禁系统就有超过1 亿美元的市场。 虽然指纹技术已经发展的比较成熟，但仍有一些瓶颈问题困绕着广大研究人 员。譬如缺乏可靠的细节特征提取方法，在进行比对的指纹图像中定量的定义匹 配程度仍然是困难的，不成熟的指纹分类方法，对于汗多、肿胀或蜕皮造成的非 常模糊的指纹图像，系统误识率和拒识率较高等等。随着指纹识别技术的广泛应 用，这些问题越来越明显，阻碍了指纹技术的应用和普及。因此，研究一套高效、 快速的自动指纹识别系统是十分必要的。 1 4 本论文的主要工作 ( 1 ) 本文的主要任务是结合图像处理和模式识别技术对自动指纹识别系统 进行设计，主要包括对指纹图像的总体特征分析讨论、细节特征和指纹 图像的预处理过程的研究。在第二章对指纹预处理技术进行论述，提出 了基于方向分割的一套完整的指纹预处理算法。丰要包括方向图的计算、 平滑、方向滤波、区域自适应、二值化、去噪、和细化等算法，能很好 地增强指纹图像，减少因指纹旋转及平移因素而造成的误识别，为可靠、 第一章绪论 准确地实现指纹自识别提供一种可行的方法。 ( 2 ) 接下来进行指纹的特征提取，主要提取的细节特征指的是端点( 纹线的 终结点) 和分叉点。本文提出了一种指纹分类算法，综合m a s a h i r o k a w a g o e 的基于“流线”轨迹的指纹图像分类法和k a l l ek a r u 的指纹 图像分类法“，在算法中加入奇异点的方向来对指纹进行分类，再使 用求p o i n c a r ei n d e x 值的方法确定中心点作为参照点，一一确定细节特 征点的位置参数。 ( 3 ) 在对指纹图像进行匹配时，所采用的指纹匹配算法为f b i 的点模式匹 配方法，同时引入了脊线跟踪，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，确定两幅图像 是否来自于同一个手指。 广东j ：业大学工学硕士学位论文 第二章指纹预处理 图像匹配算法的性能主要依赖于指纹图像的质量。在实际获取的指纹图像中 有很多是低质量的，低质量的指纹图像的脊结构难于被正确地测定。所以我们要 对指纹图像进行预处理。预处理的目的是改善输入指纹图像的质量，以提高特征 提取的准确性。预处理主要包括灰度图滤波去噪、二值化、细化等步骤 指纹图像通常是一幅含有很多噪声、断纹或纹线模糊的灰度图像，需要进行 图像滤波以改善质量。传统的低通滤波的方法是以牺牲图像的清晰度为代价的， 即噪声虽被消除，但指纹图像的边缘和纹线也变得模糊不清。我们采用了一种既 能保持边缘清晰又能消除噪声的方法一方向图法。方向图中的每一元素代表指 纹图像中某个给定区域的纹理方向。 2 1 指纹方向图的计算 指纹图像自身有着许多不同于其他图像的特点，它的纹理性和方向性都很 强，我们可以把指纹图像看作是有着确定纹理的流状模型，这样就可计算它的方 向图。 方向图描述了指纹图像中每一像素点所在脊线或谷线在该点的切线方向，作 为一种可直接从原灰度图像中得到的有用信息，它的计算一直是指纹识别技术中 必不可少的一步。 一般说来，除了中心区外，指纹的脊线排列是并行的，且方向变化平缓。于 是，研究中可用方向图来表征指纹脊线的大致走向。方向图一般有两种：点方向 图和块方向图。前者表示指纹图像中每一象素点脊线