（通信与信息系统专业论文）基于arm7的指纹识别系统预处理算法研究.pdf

中文摘要 摘要：指纹具有唯一性和稳定性，“没有两个完全相同的指纹”这一观点己经得到 公认，因此指纹被人们当作鉴别个人身份的主要依据。在过去二十多年的研究中， 指纹自动识别技术取得了很大的发展，应用范围不断扩大。本文介绍了基于 a r m 7 ( s 3 c 4 4 b o x ) 的指纹巡管系统，该系统对指纹识别算法的时间复杂度有着很 高的要求。本文在参阅大量指纹识别系统相关文献资料的基础上，围绕指纹识别 系统中的时间复杂度最高的图像预处理部分进行了深入研究，并提出了降低预处 理时间的缩放式处理方案。 指纹预处理一般包括以下几个步骤：图像质量评估、均值滤波、灰度归一化、 灰度均衡化、方向滤波、二值化以及细线化。本文按照上述步骤，首先介绍了指 纹识别的发展现状和相关技术详细论述了自动指纹识别系统的组成以及图像预 处理中各个部分所采用的算法。重点研究图像的预处理增强算法和二值化算法， 根据指纹图像的方向性信息求出方向图，并利用方向滤波器对原图像进行滤波去 噪。该方法很好地解决了指纹图像中最容易出现的断点和叉连现象。之后采用动 态阈值二值化方法将灰度图进行二值化。在此基础上设计了一套缩放式预处理算 法，并给出了相应的运行时间参数以及匹配性能参数。实验证明，该方案在不改 变匹配性能的情况下，大大减少了指纹图像预处理时间，增强了该系统的易用性。 本系统所用代码在w i n d o w s 平台上用v c + + 编程开发验证，并移植于 a d s l 2 ( a r md e v e l o p m e n ts u i t e ) ，实现了系统功能。试验说明该套算法处理指纹图 像效果良好，可有效增强指纹图像。 关键词：预处理；灰度均衡化；方向滤波；二值化；细线化；缩放 分类号：t p 3 9 1 4 j e 基窑亟太堂亟堂位j 金塞旦s 至基! a b s t r a c t a b s t r a c t ： t w o f i n g e r p r i n t sc a n n o tb ee x a c t l yt h e $ a w i c , w h i c hh a sb e e nw i d e l ya c k n o w l e d g e d ， a n dd 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 y i nt h ep a s tt w od e c a d e s , a u t o m a t i cf i n g e r p r i n tv m f i c a t i o nt e c h n o l o g y h a sd e v e l o p e dr a p i d l ya n db e e na p p l i e di nv a r i o u sf i e l d s i nt h i sp a p e r , f i n g e r p r i n t p a t r o lm a n a g e m e n ts y s t e mb a s e do na r m 7 ( s 3 c 4 4 b o x ) i si n t r o d u c e d , w h i c hn e e d s 1 1 i 曲r e q u i r e m e n to i lt i m ec o m p l e x i t yo ff 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 b a s e do n m a n yl i t e r a t u r e ss t a y i n g , i m a g ep r e p r o c a s s i n gw i t hh i g h e s tt i m ec o m p l e x i t y i n a u t o m a t i cf i n g e r p r i n tv e r i f i c a t i o ns y s t e mi sa n a l y z e di nd e t a i l n 坼s c a l i n g - p r o c e s s i n g p r o g r a m t or e d u c ep r e p r o c e s s i n gt i m ei sp u tf o r w a r d i m a g ep r q a r o c e s s i n gi su s u a l l yc o n s i s t e do ff o l l o w i n gs t e p s ：q u a l i t ya s s e s s m e n t ， m e a nf i l t e r i n g , g r a yn o r m a l i z a t i o n ，g r a ye q u a l i z a t i o n ，t h eo r i e n t a lf i l t e r i n g , b i n a r i z a t i o n a sw e l la st h i n n i n g i nt h i sp a p e r , c u r r e n td e v e l o p m e n ts i t u a t i o na n dr e l a t i v et e c h n i q u e s a b o u tf i n g e r p r i n tv e r i f i c a t i o na l ei n t r o d u c e da tf i r s t s e c o n d l y , s t r u c t u r ea n da l g o r i t h m o fa u t o m a t i cf i n g e r p r i n tv e r i f i c a t i o ns y s t e ma g ed i s c u s s e di nd e t a i l ，i n c l u d i n gw o r k i n g p r i n c i p l ea n de a c hp r o c e s so fp r e p r o c e s s i n g e n h a n c e m e n ta n db i n a r i z a t i o na l g o r i t h m a r et h ee m p h a s e sa m o n gt h e m a c c o r d i n gt of i n g e r p r i n tf e a t u r e ，o r i e n t a t i o nm a pi s c a l c u l a t e d , a n di m a g ei sd e n o i s e db yo r i e n t a t i o nf i l t e r s r e s u l t so ff i l t e r i n gs h o wg o o d r i d g es e p a r a t i o n , c o n t i n u i t ya n dn o i s er e d u c t i o n t h e nb ym e a n so fd y n a m i ct h r e s h o l d b i n a r i z a t i o na l g o r i t h m , t h eg r a yi m a g ei sb i n a r i z e d b a s e do nt h e s e as e to f s c a l i n g - p r o c e s s i n gp r o g r a mi sr e d e s i g n e d t i m ea n dm a t c h i n gp e r f o r m a n c ep a r a m e t e r s a g es h o w n f i n a le x p e r i m e n t sp r o v et h a tt h ep r o g r a mh a sg r e a t l yr e d u c e dp r e p r o c e s s i n g t i m ew i t h o u tc h a n g i n gt h em a t c h i n gp e r f o r m a n c e t h es y s t e mi sr e a l i z e db yv i s u a lc + + o nw i n d o w sp l a t f o r m , a n dt r a n s p l a n t e dt o a d s l 2 ( a r md e v e l o p m e n ts u i 瞄r e s u l t so fe x p e r i m e n t ss h o wt h a tt h ea l g o r i t h m d e a l i n gw i t hf i n g e r p r i n ti m a g e si sr o b u s t i tc a nm a k et h ei m a g e se n h a n c e de f f e c t i v e l y k e y w o r d s ：p r e p r o c e s s i n g ；g r a ye q u a l i z a t i o n ；o r i e n t a t i o nf i l t e r i n g ；b i n a r i z a t i o n ； t h i n n i n g ；s c a l i n g , c l a s s n o ：t p 3 9 1 4 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通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， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：李嘶试 导师签名：, - p t i - l ；霹 签字日期：坷7 年1 1 月i p 日签字日期：堋年j 蝴ig 日 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和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他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已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：夕耋依1 碣签字日期：1 刃年i b 月f 矿日 致谢 本论文的工作是在我的导师荆涛副教授的悉心指导下完成的，荆涛副教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢三年来 荆涛老师对我的关心和指导。 李兴华副教授悉心指导我们完成了实验室的科研工作，在学习上和生活上都 给予了我很大的关心和帮助，在此向李兴华老师表示衷心的谢意。 在实验室工作及撰写论文期间，廖风华、张弟鹏、李佳音、苏宁、刘波、宋 伟等同学，以及蒋开伟、张超、等几位同事也对我的论文研究工作给予了热情帮 助，在此向他们表达我的感激之情。 另外还要感谢我的家人，你们的理解和支持使我能够在学校专心完成我的学 业。最后，再一次对大家的帮助表示诚挚的谢意! 1 引言 1 1 研究背景 1 1 1 生物识别技术和生物识别系统 随着社会和经济的发展，人们对身份鉴别的准确性、安全性与实用性提出了 更高的要求。基于信物或口令的传统身份鉴别方式存在容易丢失、遗忘、被复制 及盗用的隐患。通过辨识人的生理和行为特征进行身份认证的生物识别技术提供 了一个方便可靠的解决方案。 生物识别技术( b i o m c t r i ci d e n t i f i c a t i o nt e c h n o l o g y ) 是利用人体生物特征进行身 份认证的一种技术【i l 。生物特征是唯一的( 与他人不同) ，可以测量或可自动识别 和验证的生理特性或行为方式，分为生理特征和行为特征。 生物识别系统对生物特征进行取样，提取其唯一的特征并且转化成数字代码， 并进一步将这些代码组成特征模板，人们同识别系统交互进行身份认证时，识别 系统获取其特征并与数据可中的特征模板进行比对，以确定是否匹配，从而决定 接受或拒绝该人。 生物识别系统本质上是一个身份鉴别的模式识别系统，其系统组成可以分为 两部分：注册模式以及鉴别模式。注册模式是用户第一次将其生物特征信息写入 存储器的过程，这些信息包括该用户的i d 及其生物特征信息，作为此后辨别过程 的一个标准。鉴别模式用户的一次身份认证，是将其生物特征信息与存储器中的 信息进行比对的一个过程。按工作模式可以分为两类，即验i 正( v e r i f l c a t i o n ) 模式和 识另1 ( i d e n t i f i c a t i o n ) 模式。 验i 正( v e r i f l c a t i o n ) 模式：即一对一比对，也称为1 ：1 模式( o n e - t o - o n em a t c h i n g ) 。 这种模式下，现场采集到的生物特征与保存在模板数据库中的一个生物特征进行 比对。作为验证条件，个体的生物特征数据己经存储在数据库中，并与唯一的个 人识别码建立联系。验证时，先验证识别码，然后利用现场采集的生物特征与数 据库中和识别码对应的生物特征进行匹配，从而达到身份验证的目的。验证模式 通常用于确定性识别，目的是为了进行身份确认，防止多人用同一个身份。 识别( i d e n t i f i c a t i o n ) 模式：即一对多比对，也称为1 ：n 模式( o n e t o - m a n y m a t c h i n g ) 。该模式下，将现场采集到的生物特征与模板数据库中的生物特征逐一 对比，从中找出相匹配的生物特征信息，从而达到确认身份的目的。识别模式的 目的是防止一个人使用多个身份。 在不同的应用场合下，采用不同的操作模式来提供不同的安全等级。本文介 绍的生物识别系统采用1 ：n 模式，将在后续中详细介绍。 生物识别的一般系统结构如图1 1 ： 注册模块 模板数据库 图1 i 生物识别系统结构 f i g z 1b i o m c t r i cs y s t e ms t r u c t u l 1 1 2 生物识别的技术优势 生物识别技术是目前最为方便与安全的识别技术，它可以克服传统身份认证 方式的许多缺点。它不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类 的东西。生物识别技术认定的是人本身，没有什么能比这种认证方式更安全、更 方便了。生物特征包括生理特征和行为特征，生理特征是指与生俱来的特征，如 指纹、虹膜、d n a 等。行为特征是指后天习惯形成的特征，如步态、笔迹等。每 个人都拥有许多种生物特征，生物特征不会被忘记和丢失。对于每一种生物特征 的性质，可以用些参数来描述，包括( 1 ) 普遍性，是否每个人都具有这种特征； ( 2 ) 唯一性，是否任何两个人的这种特征都不同；( 3 ) 恒久性，是否终生不变；( 4 ) 可 采集性，是否容易采集：( 5 ) 性能，识别的正确性如何，( 6 ) 接受程度，用户是否愿 意接受这种身份认证方式；( 7 ) 防欺骗性，防止环境欺骗的能力。 1 1 3 生物识别系统的分类 随着科技的发展，用作识别的生物特征逐渐扩展。目前常见的生物特征识别 技术主要包括：指纹识别、虹膜识别、人脸识别、视网膜识别、掌纹识别、语音 识别、签名识别、行为识别等【2 1 。生物识别技术已成为研究的热点问题。 根据生物识别技术采用的生物特征的不同，生物特征识别技术可以被分成三 类： 高级生物识别技术( h i g hb i o m e t r i c s ) ，如：视网膜、虹膜和指纹。 次级生物识别技术( l e s s e rb i o m e t r i c s ) ，如：掌型识别、脸型识别、语音识别、 签名识别。 第三类是。深奥的”生物识别技术( e s o t e r i cb i o r a e t r i c s ) ，如：血管纹理识别、 人体气味识别等。 下面简单介绍几种生物识别技术的特点： ( 1 ) 声音识别 声音识别是被认为最自然的生物特征识别身份鉴定方式。声音是个人所固有 的特征，声音数据的获得具有非侵犯性，说话人识别系统的价格也较低，上述原 因促使声音成为人们愿意接受的一种生物特征。然而，若要应用于大范围人群， 声音并不能提供足够用的信息来进行身份识别，同时，声音基本上属于一种行为 特征，其他一些因素( 如身体状况、紧张程度等) 会引起声音的改变；另外，环境噪 声对声音识别的影响非常大。所以基于声音的身份识别系统的性能在很大程度上 依赖于话筒、信道、数字化设备的精度，更需要说话人本身的配合。 ( 2 ) 脸像识别 在日常生活中，人们识别周围的人用的最多的是脸像，因而脸像识别是一种 最容易被接受的身份鉴定方法。由于脸像识别的非侵犯性，它也是人们最容易接 受的身份鉴别方式。一般的脸像识别系统通过c c d 摄像机将脸像采集、提取特征 存储在模板库中，在身份鉴别时首先将脸像从背景中分割出来，再把现场采集的 图像与库中模板进行比对。脸像会随着表情、年龄等的变化而发生变化；而且光 线、背景和姿态等变化对脸像 识别的效果也会有或多或少的影响，如何消除这些因素的影响是脸像识别的难 点所在。 ( 3 ) 虹膜识别 眼科学家、解剖学家和发育生物学家经过大量的临床观察和研究发现，组成 一个虹膜的可变项可达到2 6 0 项，这使得虹膜的结构千奇百怪，能够成为独一无 二的标识；虹膜结构的不具遗传性，即使是同卵双胞胎的虹膜也各不相同，且自 童年以后，虹膜便基本不再发生变化；统计表明，到目前为止，虹膜识别的错误率 是各种生物特征识别中最低的。目前，国际上掌握虹膜识别核心技术的仅有美国 一家公司和我国的中科模识科技有限公司两家单位。 ( 4 ) 步态识别 步态识别是生物特征识别技术的一个新兴子领域。生物特征识别是传统的模 式识别问题，它是利用人的生理或行为特征进行人的身份识别。脸像、指纹、虹 膜等第一代生物特征，通常要求近距离的或者接触性的感知( 如指纹需要接触指纹 扫描仪、脸像需要近距离的捕捉以提供足够的分辨率等) 。在远距离的情况下，那 样的生物特征将不可能被使用。此时，人的步态仍是可见的，且它可在被观察者 没有觉察的情况下从任意角度进行非接触性的感知和度量。因此，从视觉监控的 观点来看，步态是远距离情况下最有潜力的生物特征，从而引起了广大研究者们 的浓厚兴趣。 ( 5 ) 指纹识别 指纹是手指末端正面皮肤上凸凹不平纹路。这些纹路的存在增加了皮肤表面 的摩擦力，使得我们能够用手来探起重物。尽管指纹只是人体皮肤的一小部分， 但是，它蕴涵大量的信息。这些皮肤的纹路在图案、断点和交叉点上是各不相同 的，在信息处理中将它们称作“特征”，医学上已经证明这些特征对于每个手指 都是不同的，而且这些特征具有唯一性和永久性，因此我们就可以把一个人同他 的指纹对应起来，通过比较他的指纹特征和预先保存的指纹特征，就可以验证他 的真实身份。 ( 6 ) 笔迹鉴别 中国人写字讲究书法，因而有了草书、行书、楷书、隶书等等书法风格。人 们选择了自己青睐的书法风格后，又融入了自己的书写特点，因而小到一个字的 间架结构，大到整篇文章的纵横布局，每个人都有自己的运笔习惯和格式规划， 这样笔下的每一个字都透着灵气，整篇行文自有意境，正如古人所云“字如其人”。 从另方面看，笔迹是书写者自身的生理特点和后天学习过程的综合反映。基于 笔迹的内在特点，它已经成为人们进行身份鉴别的重要手段之一。 1 2 指纹识别技术 每个人的指纹皮肤纹路在图案、断点和交叉点上各不相同，是唯一的，并且 终生不变，依靠这种难一性和稳定性，就可以把一个人同他的指纹对应起来，通 过将他的指纹和预先保存的指纹进行比较，便可验证他的真实身份，这就是指纹 识别技术。指纹识别技术是最早的通过计算机实现的身份识别手段，它在今天也 是应用最为广泛的生物识别技术。过去它主要应用于刑侦系统，但近几年来，它 逐渐走向市场和更为广泛的民用市场。 4 j e毫窑通太堂亟堂焦监奎i l 直 1 2 1 基本概念 指纹图像由纹脊和纹谷组成1 3 】，纹脊又称为纹路，对应手指皮肤的凸起部分， 在指纹图像中呈现为灰度较深的粗线条：纹谷则对应手指皮肤凹进去的部分，夹 在两条纹路之问，相对纹路的灰度较亮。指纹特征可以分为全局特征和局部特征。 全局特征是指纹的基本纹路图案，根据指纹的全局特征可以将指纹分为斗型 ( w h o r l ) 、双旋( d o u b l el o o p ) 、左箕型( 1 e f tl o o p ) 、右箕型( r i g h tl o o p ) 、拱型( a r c h ) 和尖拱 型( t e n t e da r c h ) t 4j 如图1 2 所示。 ( a ) - q - l 口 ( a ) w h o r l ( d ) 左旋 ( d ) k _ f t l o o p ( ”双旋 ( b ) d o u b l el o o p ( c ) z j 旋 ( c ) r i g h tl o o p ( e ) 拱形( d 尖拱形 ( e ) a r c h( t ) t e a t e da r c h 图1 2 主要的指纹分类 f i 9 12m a j o rf i n g e r p r i n tc l a s s i f i c a t i o n 局部特征是指纹上节点的特征，这些具有某种特征的节点称为特征点。两枚 指纹经常会有相同的总体特征，但它们的局部特征特征点，却不可能完全相 同。 指纹纹路并不是连续和平滑笔直的，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”( 也就是细节点，m i n u t i a ) 。就是这些特征 点提供了指纹唯一性的确认信息，人们正是利用这些局部特点进行指纹的精确匹 配。 最基本的特征点是末梢点和分又点，由这两种基本的特征点可以组合成以下 几种不同的组合特征。( 1 ) 末梢点( e n d i n g ) ：一条纹线在此终结。( 2 ) 分支点 ( b i f u r c a t i o n ) ：一条纹路在此分成两条或多条纹路。末梢点和分支点如图1 3 所示： j e塞銮亟太堂亟堂焦 i 幺奎 i i直 ( a ) 末梢点( b ) 分支点 ( a ) e n d i a g ( b ) b i f u z c a t i o n 图l _ 3 局部特征 f i 9 1 3l o c a lf e a t u r e 1 2 2 指纹图像的匹配 两枚指纹经常会具有相同的总体特征，但它们的局部特征却不可能完全相同。 在只考虑局部特征的情况下，英国学者e r h e n r y 认为，只要比对1 3 个特征点重 合，就可以确认为这两枚指纹是同一个指纹p “。 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”。这些特征点提供了指纹唯一性的确认信 息。 指纹上的细节点有三种不同特性： ( 1 啦置。细节点的位置通过( x ，y ) 坐标来描述，可以是绝对的，也可以是相对 于三角点或核心点的。 ( 2 ) 方向。细节点可以朝着一定的方向。 ( 3 ) 曲率。描述纹路方向改变的速度。 在实际的特征匹配的过程中，一般只使用特征点的位置和方向就够了。而曲 率参数的计算需要纹路的跟踪，相对比较复杂。 在多种多样的指纹特征点中，纹路的端点和分叉点最稳定，并且容易检测， 因此在实际的指纹图像匹配过程中获得了广泛的应用。 在检测出指纹图像中存在符合我们要求的特征点以后，就可以将两幅指纹图 像中的特征点进行匹配，以确定这二幅图像是否来自同一个手指。匹配过程一般 分两步进行，首先找到对应的特征点，然后根据对应点确定两个模式之间的旋转 平移变换，并通过计算重合在一起的点对数来确定两个指纹的相似程度。 1 2 3 指纹识别基本流程 指纹识别流程大致分为两种途径，分别是指纹注册和指纹辨识。指纹注册是 指用户第一次将自己的指纹信息采集到存储器( f 1 硒h ) 中的过程，存入的指纹信息带 6 有该用户的身份标识并将指纹图像转化为该用户的特征向量信息。指纹辨识是一 次普通的身份认证过程，用户将指纹图像转化为特征信息，利用该信息完成与指 纹库中各个指纹的比对，并通过预先设定的评分机制对每次比对的两枚指纹进行 相似度判别，若判别为“相符”则返回对应的用户身份信息，表明认证人员身份， 否则进行下一个指纹的相似度判别，若没有任何指纹与现有用户指纹相符，则本 次比对失败，表明认证人员身份不明。 本系统基本流程如图1 4 图1 4 指纹识别流程 f i 9 1 4f i n g e r p r i n tv e r i f i c a t i o nf l o w 为提高识别性能，在注册过程中共采集三枚指纹，将这三枚指纹的特征合成 为综合特征模板，并将其写入数据库，作为用户的特征信息。登陆模式下，新采 集的特征与数据库中的一一比对并返回匹配结果。 1 2 4 指纹识别系统的可靠性问题 计算机处理指纹图像时，只是涉及了指纹有限的信息，而且匹配算法不是精 确的匹配，因此其结果不能保证1 0 0 准确。指纹识别系统性能的重要衡量标志是 识别率，它主要由两部分组成：错误拒绝率( f a l s er e j e c tr a t e ，f r r ) 和错误接受率 ( f a l s e a c c e p tr a t e , f a r ) ，我们可以根据不同的用途来调整这两个值。其中，错误 接受是指冒充者识别为真正的生物特征拥有者；错误拒绝是指真正的生物特征拥 有者被系统拒绝。在理想的系统中，这两个错误都是为零。但在实际测试中，由 于这两种错误的大小是由于一个匹配值确定的，因此它们是系统所固有的，并且 它们是相互关联的：当错误拒绝率比较低时，错误接受率就会比较高，反之亦然。 因此，选择阈值时往往需要在两个错误率之间取一个折中。f r r 和f a r 是两个相 互矛盾的因素，成反比关系，用0 - 1 0 或百分比来表达这两个数。接受特性曲线 ( r e c e i v e ro p e r a t i n gc u r v e r o c ) 能够很好地反映两个错误率之间地关系。 f r r ： 竺竺塑竺 1 0 0 c o r r e c t n u m + f a l s e n u m f a r ： 塑! ! 竺竺竺 1 0 0 c o m e c m u m 七1 n l s e n u m 像： 1 2 竺塑竺 1 0 0 ( 1 2 ) ( 1 ，3 ) 其中，厕c c t n l 1 m 是错误拒绝的指纹数目，f a l s e n u m 是错误接受的指纹数目， c o l t p c t n l l m 为正确识别的数目。显然，拒识率( f r r ) 指：属于同一枚手指的指纹被 错误地拒绝识别的次数与所有比对次数的比值，它是系统的易用性测量；误识率 f f a a ) 是指不属于同一枚手指的指纹被错误地识别为同一个手指的次数与所有比 对次数的比值，它实际上是系统的安全度测量。 如图1 5 所示，曲线上的每个点的横坐标表示系统在某个阈值下的错误接受 率，而纵坐标则表示与之相对应的错误拒绝率。匹配值的大小通常根据经验、系 统安全等级等因素人为设定。当阈值设置较大时，系统安全性增加，但错误拒绝 率f r r 将升高。在设计实际应用系统时，一方面要考虑整体性能，使r o c 曲线 整体下降；另一方面要兼顾易用性和安全性，在r o c 曲线上寻找合适的平衡点。 图1 5 f r r 、f a r 与e e r 曲线 f i 9 1 5c l l v co f f r r , f a ra n de e r 当匹配度闽值为t 2 时，f r r 和f a r 达到一个相同的值记为e e r ( e q u a le r r o r e e rr a m ) 。z e r o f r r 是拒识率为0 情况下的误识率，即f r r = o 时f a r 的值。 z e r o f a r 是误识率为0 的情况下的拒识率即f r = o 且c r = 0 0 时，f r r 的值。 现在大量的识别算法中也使用e e r ，z e r o f r r 和z o r o f a r 这三个参数来作为算法 的性能评价参数，这三个参数的值越小性能越好。 1 3 指纹巡管系统简介 本系统用于部队巡逻站岗管理，其基本构成一共为三个部分，分别为手持式 指纹采集设备，固定的射频卡采集点以及服务器。在实现站岗登记前，用户将自 己的指纹采集到手持式指纹采集设备中。用户实现站岗登记时，首先将手持设备 对准固定射频卡采集点，采集射频卡内信息，该信息表明了站岗所在地，并记录 采集时间。然后将指纹采集到手持设备中，采集到的指纹信息比对手持设备所存 储的指纹信息，找到该用户d 并记录，用户d 与岗位所在地和采集时间共同作 为一条记录信息记录到手持设备的存储器中。若没有找到匹配的d ，则通过语音 提示重新录入指纹。收集到的记录信息上传到服务器上统一管理。 1 3 i 系统构成 设备基本硬件构架如图1 5 所示： 图1 5 指纹识别系统硬件构架 f i 9 1 5f i a g e t p r i a tv e r i f i c a t i o ns y s t e mh a r d w a r ea r c h i t e c t u r e 作为指纹识别系统的手持设备终端，要能提供使指纹识别算法得到最好发挥 的硬件平台，要具备强大且优良的性能，要方便数据上传管理，并作为手持设备 尽量降低功耗和成本，这样才更具有核心竞争力和市场潜力。本系统紧紧围绕这 些设计思想，硬件和软件设计也都是以上述目标为前提展开，下面介绍一下本系 统所采用硬件环境： a ) 指纹采集：采用方圆公司的采集头产品，内置传感器o v 7 6 2 0 ，规格为 c m o s ，v g a ，i 3 。 b ) 射频卡接收器：采用m t p 1 2 5 k 4 芯片，r s 2 3 2 数据格式，9 6 0 0 b p s ，工作 频率为1 2 5 k h z ，规格为2 6 5 x 1 6 5 6 9 m i l l 。 9 c ) 天线参数：尺寸规格，读卡距离3 0 c m 。 d ) 语音提示：主要用于提示用户每一步的操作，提供友好的用户界面，方便 使用。可通过c p u 的g p i o 口控制输出。 曲c p u ：采用s u m s a n g 公司的s 3 c 4 4 b o x 处理器，主频6 6 m h z 。 0s d r a m ：6 4 m b ，型号为h y 5 7 v 6 4 1 6 2 0 h g 。 g ) f l a s h ：1 6 m b ，型号为s s t 3 9 v f l 6 0 1 。 h 】上位机通讯接口：m i n i u s b 2 0 接口。 i ) 按键：三个，开机按键，设置按键，方向键。 1 3 2 算法要求 相对于市场上的大多数手持式指纹识别产品，本系统采用a r m 7 ( s 3 c 4 4 b o x ) 作为核心处理器，具备的低功耗，低成本的特点，但其性能也相对较低。这就对 指纹识别算法的时效性提出了更高的要求，对于小团体用户的l ：n 识别，预处理 部分的时间复杂度是整个识别过程时间复杂度的关键，它直接决定着该系统的可 用性，因此需要设计一种高速的预处理算法。 本系统针对预处理中实践复杂度较高的灰度均衡化和方向滤波采用缩放式的 预处理方案，大大减少了预处理的执行时间，改善了设备的实用性。具体方法将 在后文介绍。 1 4 指纹图像预处理技术简介 在采集指纹过程中，由于按捺时用力不均匀、扫描器镜片上有污垢等原因， 所得图像的背景区往往含有深浅不均的噪声。同时，指纹扫描器在图像采集以及 数字化的过程中，由于量化精度及非线性形变等的影响，也不可避免地引入噪声。 因此，有必要对指纹图像进行预处理，以去除噪声、增强图像的可识别性。它的 结果将直接影响特征提取和匹配的复杂度，关系到整个系统的识别率。 预处理的目的是使原始的灰度图像，经过一系列处理，变为利于特征提取的 单像素宽的点线图，这幅点线图尽可能的保持原始图像中的细节特征。目前预处 理过程主要包括均值滤波、灰度归一化、灰度均衡化、方向滤波、二值化、细线 化等步骤。针对不同的系统，可以选择不同的预处理步骤进行组合，使其达到最 优效果。 通过比较当前广泛使用的预处理算法降1 2 l ，并针对系统设备，本文最终选择并 实现了一套较复杂但效果好的缩放式预处理算法，包括指纹均值滤波、缩放、灰 j 0 度均衡化，方向滤波，动态阈值二值化算法以及一种八邻域最简的细化算法。实 验结果表明，一系列的图像处理大大改善了指纹图像的清晰度，有效的去除了噪 声，为后续工作顺利进行提供了保障。 1 4 i 图像预处理流程 匡甄i 冬溯习i i 一一一一一一一一一一：i i 区 巨丑睚固瘗； 图1 6 图像预处理基本流程 f i 9 1 6b a s i cf l o wo f i m a g ep r e p r o e e n a i a g 1 5 论文的主要工作及组织结构 实际采集的指纹图像往往受手指本身的因素和采集条件的影响，采集到的指 纹图像会不同程度的受到噪声的干扰，本系统针对这一问题，按照预处理基本流 程，分别讨论了均值滤波，灰度归一化，灰度均衡化以及基于方向的指纹图像增 强算法以及图像的二值化和细线化，重点研究了改进的方向图算法以及滤波器设 计，对指纹图像进行处理，使指纹图像处理效果得到明显改善，为此后的特征提 取和匹配打下坚实基础。 针对系统所采用的硬件环境，为使匹配工作高效稳定的进行，本系统采用缩 放式预处理方案避开时间复杂度较高的灰度均衡化以及方向滤波。 本文的主要内容安排如下： 第一章绪论。简要概括了生物识别技术和指纹识别技术的基础知识，对现有 的各种生物识别技术作了概略介绍，分析了指纹识别技术的特点、背景、发展前 景以及指纹识别系统的组成。第二章介绍了指纹图像的采集及质量评估。第三章 介绍了图像增强算法，包括灰度归一化、灰度均衡化以及方向滤波，这部分是图 像预处理的核心。第四章介绍了图像二值化和细线化，至此完成图像预处理。第 五章介绍本系统缩放式预处理方案，比对传统的处理方法，进行结果分析。第六 章总结。 1 2 2 指纹图像质量评估 2 1 概述 要得到较好的匹配性能，首先要保证采集到的指纹图像质量较好。图像的质 量包括很多要素，如图像的有效面积、垂直偏移量、水平偏移量、图像的干湿度 等【0 4 1 。当且仅当有效面积、垂直偏移量、水平偏移量、图像的干湿度都满足一 定的条件时，该图像才满足质量评估的条件，认定为合格的图像。若图像合格则 进行图像预处理，否则返回重新采集图像。 质量评估流程如图2 1 所示。 图2 1 质量评估流程 f i 9 2 1q u a l i t ya s s e m e n tf l o w 本文提出的指纹图像评估是专门针对于固态指纹传感器提出的一个图像预处 理子模块。从传感器获取指纹图像后，首先是减少图像的尺寸，因为经实验证明， 使用抽样图像不会降低本评估算法的性能，同时还减少了计算量和存储量。图像 3 抽样一般采用二中取一的方法，本系统采集到的图像大小为2 5 6 x 2 5 6 像素，经抽 样后，减少为1 2 8 x 1 2 8 。下面具体介绍指纹图像的采集及质量评估方法。 2 2 指纹采集 对图像进行操作之前，首先要获取指纹图像，指纹的表面积相对较小，日常 生活中手指常常会受到磨损，所以获得优质的指纹细节图像是一项十分复杂的工 作。当今所使用的主要指纹采集技术有光学指纹采集技术，半导体指纹采集技术 和超声波指纹采集技术。应用这三种技术所生产出来的指纹采集仪各有其优缺点， 光学指纹采集器非常耐用，成像区域比较大，但易受皮肤上的脏物和油脂的影响， 且成本比较高。半导体指纹采集器对干手指处理效果良好成本也低，但成像区域 比较小，且同样易受皮肤上的赃物和油脂的影响。超声波指纹采集器的成像能力 最好，但是成本非常高。 综合考虑上述情况，本系统采用采用方圆公司的光学采集头，内置传感器 0 i v 7 6 2 0 。利用它可以直接得到2 5 6 级狄度图。采集到的图像如图2 1 所示。 2 3 图像质量评估方法 图2l 从采集头上获取的指纹图像 f i 9 2 1f i n g e r p r i n ti m a g ea c q u i r e d 前文中提到对一幅图像进行质量评估要考察很多要素，包括图像的有效面积、 垂直偏移量、水平偏移量、图像的干湿度等。要考察这些特征需要经过一些步骤， 包括前景背景分离、前景图像块的方向确定。 4 2 3 1 前景背景分离 对于抽样后的指纹图像，使用简单的方向图把各个点分成前景或背景，具体 操作流程如下： ( 1 ) 提取前景采用基于块图的思想，即通过判断每个块图的状态来确定该图像 块是否为前景。本系统经过采集器采集到的图像大小为2 5 6 x 2 5 6 ，这里采用的方 法是首先把整个图像分成若干8 x 8 的块； ( 2 ) 计算方向d ，本文采用的是7 7 模板，基准点位于模板的中心，从水平位 置开始，每隔n 4 确定一个方向，按公式( 2 1 ) 计算各个方向的梯度。 d ，= l 石( f ，) 一z ( ，五) l ( 2 1 ) k 。 ( 3 ) s - - d 计算各个方向上的和值，那么如果s 大于阈值1 1 f ( t f 为预 l = 0 设的背景阈值) ，则点( f ，j ) 是前景点，反之，点( f ，j ) 是背景点。这是因为在背景点 的邻域，灰度差异比较小，面在前景部分，由于脊线和谷线交替出现，所以一般 灰度差异变化较大。 ( 4 ) 判断各图像小块是前景还是背景。判断依据是该小块内背景点的比例，如 果小块内背景点的数量超过一定比例，则认为该图像块属于背景区，否则，属于 前景区。 ( 5 ) 因为第四步分别独立判断各图像块的属性( 前景还是背景) ，会引入一些 误差，因此有必要再根据各图像块的邻域进一步确认其属性，在实验中使用了3 x 3 的窗口，对每个小块进行分析，如果在一个背景块( 前景块) 的周围八邻域全是 前景块( 背景块) ，则把该图像块标记为前景( 背景) ，这样以来，就消除了孤 立的背景块或前景块。需要注意的是，该步骤是基于图像块的，而不是基于像素 点的。 ( 6 ) 计算图像前景块占整幅图像的比例，如果比例小于一定值，则说明有效图像 部分面积太小，应要求重新采集指纹图像，否则，进行下一步处理，判断各图像 块是否具有“优势方向”。 2 3 2 确定前景图像块的方向 判断一个前景图像块是否有“优势方向”，是依据该块内的各点是否大都属 于某一特定方向。一般说来，指纹脊线与谷线清晰的区域。其各像素的方向性也 比较一致。而模糊区域由于各向同性，区域内各点的方向比较均匀。要计算各图 5 像块的方向，应先求出各块的方向直方图。如果具有某一个方向d 的像素数目超过 一定值z ，则该块的优势方向被标注为d ，同时，因为对于包含指纹分歧点的区域 而言，有可能存在两个优势方向，所以如果方向直方图中有两个方向日和d 的 值超过给定阈值e ，该图像块也被标注为具有优势方向d l 和d ，中具有较多像素的 一个方向。很明显，石应大于是。如果上述两个条件都不满足，则被考察图像块 无优势方向。 使用上述方法独立地判断各图像块是否具有优势方向，有时会产生一些噪声。 为此，这里再一次使用3 x 3 的块窗口进行滤波，对于那些被有优势方向的图像块 包围的无优势方向块，或是被无优势方向的图像块包围的有优势方向块，改变其 优势方向属性。紧接着，考察优势方向块连续区域的大小。如果构成某一区域的 优势方向块数目小于阈值l ，则该区域可以被认为是噪声，它所包含的优势方向 块在后续处理中将被当作无方向块。这样一来，就把指纹的前景图像分成了连续 的优势方向区域和无方向区域。 2 3 3 图像总体质量判断 简单说来，图像的质量可通过测算连续的优势方向区域占所有指纹前景的比 例来描述。在实际实验中，考虑到各图像块对整幅图像质量的贡献不一，采用了 一种加权的方法。可以这么认为，距离参考点越近的图像块，它所包含的信息越 可靠，因此它的权值也就越高。实验中，选取指纹前景图像的质心作为参考点( 实 际是一个图像块) 。则对于指纹前景中的任一图像块都可用公式( 2 2 ) 来计算它的权 值。 一 掣 式中为指纹前景的质心，g 为相对权值常数，这里取为5 。由于各图像块的 面积相同，因此图像质量q 可以由所有连续优势方向块的权值与所有指纹前景块的 权值之比来确定，如公式( 2 3 ) 所示； q =( 2 _ 3 ) 如果图像质量q 小于阈值g ，则该指纹图像不合格，须进一步判断其是太干 、-，一、-j 块一块向一景方一前势一有优一所为为 薯一玉q q ，； f 厶一 还是太湿，以给用户提示。反之，该图像质量合格，但须进一步判断其是否手指 放置过偏。 2 3 4 判断指纹的干湿情况 对于固态指纹传感器，除了器件本身的因素，另外使用者手指的干湿程度对 图像质量也有明显影响。为了使用户更方便地使用系统，应该在图像质量不能满 足要求时，给用户提示改进的方法，手指太干，可以先湿润一下再重新采集，太 湿，贝0 可以先擦干一些，如果太偏，就要注意在放置手指时的位置。一般说来， 对于干手指，它有很多图像块的对比度比较大，而对于湿手指，它的图像块的对 比度比较小，这就是用于判断手指干湿的依据。详细操作过程如下： ( i )