（光学工程专业论文）指纹识别系统的研究.pdf

摘要 ab s t r a c t i n t h i s t h e s i s , w e i n t r o d u c e t h e p r o c e s s i n g p r o c e d u r e s o f a n a u t o m a t e d f i n g e r p r in t i d e n t i fi c a t i o n s y s t e m ( a f i s ) d e s i gne d b y o u r s e l v e s . t h e s y s t e m i s p r o g r a m m e d u s i n g l a n g u a g e ma t l a b 5 .3 . t h e p r o c e s s i n g p r o c e d u r e s c o n s i s t o f i m a g e e n h a n c e m e n t , f i l t e r in g u s in g l o c a l r i d g e o r i e n t a t i o n , b i n a r i z i n g , p o s t - p r o c e s s in g o f b i n a ry i m a g e , t h i n n i n g , p o s t - p r o c e s s in g o f t h i n n e d f i n g e r p r i n t i m a g e ，m i n u t i a e e x t r a c t i n g a n d im a g e m a t c h i n g . e a c h p r o c e d u r e i s s t u d i e d d e e p l y a n d n e w p r o c e s s i n g t e c h n i q u e s a r e p r o p o s e d i n m a n y a s p e c t s . t h e i m a g e e n h a n c e m e n t a l g o r i t h m i n c lu d e s t h r e e s t e p s : f i r s t l y , a n i n p u t f i n g e r p r i n t i m a g e i s n o r m a l i z e d s o t h a t i t h a s a p r e s p e c i f i e d g r a y l e v e l ; s e c o n d l y , y d h a l g o r i t h m i s p u t i n t o u s e i n d y n a m i c e n l a r g i n g o f f i n g e r p r i n t i m a g e g r a y l e v e l ; t h i r d l y , i m a g e i s s m o o t h e d a c c o r d i n g t o t h e g r a y l e v e l v a r i a t i o n o f p i x e l s i n a c h o s e n a r e a ; f i n a l l y , t h e ima g e i s a d a p t i v e l y e n h a n c e d w i t h t h e h e l p o f l o c a l r i d g e o r i e n t a t i o n i n t h e e s t i m a t i n g o f r i d g e o r i e n t a t i o n , w e d e v e l o p a g o o d m e t h o d w h i c h c a n n o t o n l y s a v e c p u - t i m e b u t a l s o c o m p u t e l o c a l o r i e n t a t i o n a c c u r a t e l y . i n t h e b i n a r i z a t i o n o f t h e e n h a n c e d im a g e , t h r e s h o l d i s c h o s e n a c c o r d i n g t o t h e m e a n o f a l o c a l a r e a . i n t h e p o s t - p r o c e s s i n g o f b in a ry i m a g e , w e u s e t h e i n f o r m a t i o n o f lo c a l r i d g e o r i e n t a t i o n a n d m a j o r g r a y l e v e l i n a s p e c i a l a r e a t o s m o o t h t h e b i n a r y i m a g e a n d g o o d r e s u l t s a r e g o t . 玩t h e t h i n n i n g o f f i n g e r p r i n t i m a g e , w e s t u d i e d a l l c a s e s o f a 3 x 3 a r e a a n d d e s i gne d t w o t a b l e s w h i c h c a n e a s i l y a n d a c c u r a t e l y fi n d p i x e l s t h a t s h o u l d b e r e s e r v e d a n d r e m o v e d w h e n a f i n g e r p r i n t i m a g e i s t h i n n e d . f i n g e r p r in t s a r e u s u a l l y c o m p a r e d b a s e d o n t h e m a t c h in g o f s u c h f e a t u r e s a s r i d g e b i f u r c a t i o n s a n d e n d i n g s . h o w e v e r , w h e n f e a t u r e s a r e e x t r a c t e d fr o m a t h i n n e d f i n g e r p r in t , p s e u d o - f e a t u r e s a r e u s u a l l y i n t ro d u c e d a s w e l l . i n t h i s t h e s i s , w e p r o p o s e a n a p p r o a c h i n w h i c h p i x e l s o n a f i n g e r p r i n t r i d g e c a n b e t r a c e d a n d r e c o r d e d i n a c h a i n e d l i s t . b a s e d o n t h e p r o p o s e d a p p r o a c h , a n a l g o r i t h m t o r e m o v e p s e u d o - f e a t u r e s fr o m a t h i n n e d f i n g e r p r i n t i m a g e i s d e v e l o p e d . t h e a l g o r i t h m i s c a r r i e d i n t o e x e c u t i o n t o r e m o v e s u c h p s e u d o - s t r u c t u r e s a s s p u r s , b r i d g e s a n d c i r c l e s , a n d i t i s f o u n d t h a t t h e p s e u d o - f e a t u r e s c a n b e c o r r e c t l y a n d t o t a l l y r e m o v e d w i t h h i g h e f f i c i e n c y . f u r th e r m o r e , w e m a k e a t h o r o u g h s t u d y o f a k i n d o f c o m p l i c a t e d p s e u d o - m i n u t i a e n a m e d i s l a n d s a n d p ro p o s e a g o o d m e t h o d t o r e m o v e t h e m . t h i s m e t h o d f ir s t c h a n g e s i s l a n d s in t o b u r s , a n d t h e n r e m o v e s t h e b u r s u s i n g t e c h n i q u e s o f r i d g e t r a c i n g . i n t h e s t a g e o f m i n u t i a e e x t r a c t i o n , p o s t - p r o c e s s e d t h i n n e d f i n g e r p r i n t i s searched to find such m inutiae as ridge bifurcations and en din g s, and th eir po sitio ns,local ridge d irection s o f w here th e m inutiae are lo cated, and m inutiae directions are r e c o r d e d a s a v e c t o r . a l l v e c t o r s o f m i n u t i a e fr o m a t h i n n e d f i n g e r p r i n t c a n f o r m a v e c t o r m a t r i x , w h i c h i s j u s t w h a t w e a r e in t e r e s t e d i n w h e n m a t c h i n g f i n g e r p r in t s b e f o r e m a t c h i n g , s u c h d i s t o r ti o n s as p o s i t i o n s h i ft a n d r o t a t i o n a r e a d j u s t e d . w e t e s t o u r s y s t e m w i t h c o n s i d e r a b l e f i n g e r p r i n t s a n d f i n d th e r e s u l t s a r e s a t i s f a c t o ry . k e y w o r d s : f i n g e r p r in t , p a t t e rn m i n u t i a e e x t r a c t i n g , r i d g e - t r a c i n g . r e c o gni t i o n , i m a g e p r o c e s s i n g , p o s t - p r o c e s s i n g , 南开大学现代光学研究所硕士学位论文 第一章 概述 1 . 1关于指纹识别 0 生物识别技术 所谓生物识别技术，是指通过计算机将人体所固有的生理特征或行为特征 收集并进行处理，来进行个人身份鉴定的技术。人体生物特征具有 “ 人人不同， 终身不变， 随身携带”的 特点， 生物特征分为生理特征和行为 特征。 生理特征与 生俱来，多为先天性的; 行为特征则是习惯使然，多为后天形成。 生理特征有指 纹、脸型、掌纹、虹膜、耳廓等，行为特征有签字、声音等。 0 生物识别技术在当今世界中的意义 在古代小的村庄或部落中， 每个人都互相认识，你很容易认出是陌生人或 意识到外来的安全威胁. 如今， 单了。 事实上， 个人所持有的， 在这个纷繁芜杂的世界中， 身份识别就不那么简 这项活动大多通过电子媒介实现。 而这又有两条途径:一是基于 如磁卡等。 二是基于个人所知道的， 如密码等。 但是这两种途径 都不安全， 因为它们会被遗忘， 丢失或被用心不良的人偷窃、 复制或伪造。 现在 最终的解决方案就是利用人们的生物特征来进行识别。 美国一年有上亿美元福利款被人以 假冒 身份领取。 据m a s t e r c a r d 公司估计， 每年约有4 . 5 亿美元的信用卡诈骗案发生， 其中就包括利用丢失和被盗的信用卡 犯罪， 如果销售场所可以准确地鉴别持卡人的身份就会大大减少这类诈骗案的发 生。另外，由于使用盗窃来的身份识别码 ( p i n )，而造成的移动电 话通信的损 失高达1 0 亿美元。据估计，利用可靠的方法鉴别a t m 持卡人的身份，可以使全 美国每年由于a t m 诈骗案造成的损失减少3 亿美元， 可靠地鉴别支票领款人可以 减少上亿美元的冒 领金额。 随着网络的发展， 非法登录计算机的案件正呈上升趋 势， 有效的身份鉴别技术可以防止这类案件的发生。 另据美国移民局统计， 如果 在美国一墨西哥边境采用身份鉴别系统，可以每天查出3 0 0 0 件非法入境案件。 目前，国外许多高新技术公司正在试图用眼睛虹膜、指纹、 代人们手中的信用卡或密码， 并且已经开始在机场、 银行和各种电子器具上进行 了实际应用。 美国一家高技术公司研制出的虹膜识别系统已经应用在美国得克萨 斯州联合银行的三个营业部内。 储户来办理银行业务， 无需银行卡， 更没有回忆 密码的烦恼。他们在取款机上取钱时，一台摄像机首先对用户的眼睛进行扫描， 然后将扫描图像转化成数字信息与数据库中的资料核对， 以 对用户的身份进行检 验。 日 本三菱电机公司不久前将 “ 指纹认证装置”微型化， 并内置于公司将要推 出的手机中。 在使用者打电 话时只要用手指触摸手机的传感器部位， 手机就能马 南开大学现代光学研究所硕士学位论文 上识别出指纹是否与使用者事先登记的指纹一致。 如果与事先登记的指纹不相符 合，电话就不能接通。这使手机用户再也不必担心手机被人盗用了。 生物识别技术最有前途的地方或许是在电子商务领域。预计，到2 0 0 2 年， 全球通过入门网站达成的贸易额将达五万亿美元。此外，预计到2 0 0 5 年，全球 因特网用户将达到7 . 6 5 亿，与此同时，网络黑客的破坏活动也会层出不穷。鉴 于生物识别的可靠性， 未来人们在网上购物或交易时， 需首先在生物识别仪上进 行身份认证， 可以保证网络管理机构有效地监督网络交易的参与者， 并大大减少 不法分子对网络交易的破坏活动。 基于生物特征的身份鉴别技术的研究伴随着这一应用的发展越来越深入， 逐渐自 成系统。 据科学家介绍， 能够用来鉴别身份的生物特征应该具有以下特点。 广泛性: 每个人都应该具有这种特征: 惟一性: 每个人拥有的 特征应该各不 相同; 稳定性: 所选择的特征应该不随时间变化而发生变化; 可采集性: 所 选择的特征应该便于测量。 0 生物识别技术发展的历史 1 6 8 6 :意 大 利b o l o g n a 大 学的 学 者m a r c e ll o m a lp i g h i 用显 微 镜发 现了 指 纹的涡型结构。 1 8 8 0 : 科学家发现每个人的指纹都独一无二， 并意识到指纹可作为身份识 别的可行性。 2 0 t h c e n t ry : 指纹技术在司法方面在世界上得到广泛应用。 1 9 8 6 : r e c o g n i t i o n s y s t e m ,i n c . 成立 ( 从事掌纹识别) . 1 9 8 7 : 得专利 d r s .f l o m 系统结构，并且可以多个系统共享指纹识别设备，可以建立大型的数据库 当然， 由于需要连接计算机才能完成指纹识别的功能， 限制了这种系统在i 面的应用。 图 1 . 1 - 1 南开大学现代光学研究所硕士学位论文 指纹识别技术的优点 相对于其它生物特征鉴定技术例如语音识别及视网膜识别， 自 动指纹识别 是一种更为理想的身份确认技术。 原因如下: 每个人的指纹是独一无二，两人之间不存在着相同的手指指纹。1 9世纪 末，英国学者亨利写出了专著， 将指纹的特征及识别原理加以分析归纳， 科学地提出了人的指纹各不相同， 并提出了基于指纹特征进行识别的原理 和方法， 以后衍生出的各种识别方法都是基于该理论。 按亨利的理论， 一 般人的指纹在出生后 9个月得以成型并终身不变; 每个指纹一般都有 7 0 - 1 5 0 个基本特征点。 从概率学的角度， 在两枚指纹中只要有1 2 - 1 3 个特 征点吻合， 即可认定为同一指纹。 按现有人口计算，由上述概率1 2 0 年才 可出现两枚完全相同的指纹。 二、每个人的指纹是相当固定的， 很难发生变化。 例如， 指纹不会随着人的年 龄的增长、或身体健康程度的变化而变化。人的声音却有着较大的变化。 三、便于获取指纹样本， 易于开发识别系统， 实用性强。目 前已 有标准的指纹 样本库， 方便了识别系统的软件开发; 另外， 识别系统中完成指纹采样功 能的硬件部分 ( 即指纹采集仪) 也较易实现。 而对视网膜则难于采样， 也 无标准的视网膜样本库以供系统软件开发使用， 这就导致视网膜识别系统 难以开发，可行性较低。 四、一个人的十指指纹皆不相同， 这样， 可以方便地利用多个指纹构成多重口 令，提高系统的安全性:同时，并不增加系统的设计负担。 五、指纹识别中使用的模板并非最初的指纹图， 而是由指纹图中提取的关键特 征， 这样使系统对模板库的存储量较小。 另外， 对输入的指纹图提取关键 特征后， 可以大大减少网络传输的负担， 便于实现异地确认， 支持计算机 的网络功能。 从以上的分析可以看到，用自动指纹识别相对于其它方法 不仅具有许多独到的信息安全角度的优点， 更重要的是还具有很高的实用 性、可行性。 2文献综述 由于其广泛的应用背景、 深远的应用前景，自 动指纹识别系统作为一个热门的有 挑战性的模式识别问题在国内外均已 有大量的研究。 但是由于指纹图的噪声、 皮 肤弹性引起的非线性变形、 指纹录入的位置偏移等多方面因素， 理想的自 动指纹 识别系统至今仍是一个相当困难的 研究任务。 另外许多研究文献都因商业利益而 保密未予公开，这也给进一步的研究带来了困难。 目 前自 动指纹识别系统主要包括三个方面: 指纹分类、 指纹图像处理和指纹细节 南开大学现代光学研究所硕士学位论文 匹配，而指纹图像处理又可分为预处理和后处理两部分。 ( i ) 指纹分类 根据指纹脊或谷的整体流向的模式， 指纹被分成许多类。 f b i 采用的指纹识 别技术将指纹分为三大类， 每一个大类都可以分为两个或更多的小类， 这样总的 类数 可以 达到8 类， 即p l a i n a r c h , t e n t e d a r c h , r a d i a l l o o p , u l n a r l o o p , p l a i n w h o r l , c e n t r a l p o c k e t , d o u b l e l o o p , a c c i d e n t a l wh o r l . 指纹分类的主要目的是方便大容量指纹库的管理，加速指纹的搜索匹配。 就算 最 快的 细节 特征匹 配算法对于每次匹配只需要几 十微秒d 1 ， 但是一 个大型指 纹数据库所包含的大量数据还是将极大影响指纹识别的效率。 许多研究者对指纹 分 类问 题己 做出 了 大 量的 工 作 2 _ s 1 . r .c a p p le t ti 等 提出 了 基于 指 纹 方向 图 信 息 分 割的指纹分类方法。 j .l .b l u 。 等利用神经网 络算法对脊的整体流向 加以 分类s 1 , k .k a r u与 a .k .j a i n利用指纹中心点与三角点进行分类6 1 ;在 a .p .f i t z和 r .j .g r e e n的论文里他们提出了一种利用六边形傅立叶变换的方法可将指纹分为 涡漩、 环和拱7 1 ; a .k .j a i n , s .p r a b h a k a r 和 l .h o n g提出一种比以前更加准确的 分类算法， 他们把指纹分为5 类， 这种算法采用一种新颖的表达方法并通文 步骤以 达到分类的目 的8 l 。 尽管算法各异， 但至今分类的误识率仍较高。 夕 确地把指纹分类还是自 动指纹识别研究中需要进一步研究的内容。 ( 2 ) 图像预处理 预处理是指纹自动识别过程中的第一步， 别系统的效果。 和其它图像相比， 它的好坏直接影响着指纹自 动识 间构成的图像， 称为纹线周期， 指纹图像有着自身的特点， 它是脊线和谷线相 而且纹线有着规律的走向。 相邻两条谷线 ( 或脊线) 的像素距离 这是指纹图 像的一个重要技术参数9 - 1 2 1. 许多人都存该个方而棍 出 了自 己 的 计 算方 法9 ,1 1 ,1 3 - 1 5 1 ， 做了 相 应的 研 究， 其中z s .m .k o v a c s - v a j n a 等 人的 方法更为全面， 这种方法先计算某些关键区域的纹线周期， 然后将这些信息扩展 到 余 下的区 域， 这样 可以 得出 整体的 结果 fe l l考虑到 指 纹图 像的 特殊性， 方向图 滤波的技术得到了广泛的应用，而方向图的计算也已 有几种方法可行 i 6 - 2 0 1 ，但 是各有优缺点。 在方向图 滤波中， l i n h o n g 等人采用g a b o r 滤波器设计， 这种滤 波 器具 有频率 选择性 和方向 选择性 1 6 ,2 1 ,2 2 1 。 文 献 1 0 1 中 提供的 设计方法是将平 均滤 波器和分离滤波器融合在一起。 在灰度图像二值化方面，目前己有诸如局部取阐 二 值 化 2 3 1 、 动 态 取阐 二 值 化2 4 1 、自 适 应取闽 二 值 化2 5 1等方 法， 在二 值图 像 细 化 方面， 文献12 6 - 2 9 1 4对细化算法进行了 研究。虽然现在有许多图像预处理技术， 可是处理的过程中还是难免引入其它的噪声， 如何尽量减少这些噪声并提供有x 6 ! h f b lk 佃 结 卡 旦 1 至 芝 ; 廿一 生x 环2 7 的 由 突 ( 3 )图像后处理 指纹图像在完成预处理和细化之后， 细节特征多来源于最初的指纹采集， 往往存在大量的伪细节特征，这些伪 不均; 手指不清洁或有伤痕， 指纹按捺时用力不均， 造成指纹图像灰度 会造成所采集的图像有粘连和中断; 比如二值化 南开大学现代光学研究所硕士学位论文 的时候如果选取阐值不当也会造成纹线中断或粘连; 细化的过程中也会因为二 值化指纹纹线不平滑、 存在粘连、 孔洞等问题而在毛刺、 桥状结构和环状结构等 伪细节特征。 大量伪细节特征的存在会为后续的特征提取和特征匹配带来非常不 利的影响， 实际上往往存在这样的情况， 用统一的算法在一幅细化指纹图像上可 能会提取出接近 1 0 0 0 个明显的断点或分岔特征，而真正的特征应只有 1 0 0 个左 右3 0 1 ， 所以 在特征提取之前就将细化指纹图 像上的 伪细节特征消除对特征匹配的 可靠与否是非常关键的。 z .c h e n 和c .h .k u o 3 1 】采 用了 一 个三 步 识 别 伪 细 节 特征的 方 法: 1 ) 对 纹 线 断 裂根据细节特征点附近的纹线方向去修补;2 )舍弃与短纹线相连的细节特征; 3 ) 舍弃噪声区域细节特征密集的细节特征。 t .c .m a l l e s w a r a 3 2 1 采用了 可以 消除由 噪 声 或图 像处理不佳引 起的 伪细节 特征。 a .p .f i t z 和 r . j .g r e e n 3 3 提出了 一种 对二 值化图像而不是细化图像的后处理算法。 他们通过对图像采用卷积算子的技术可 以 用于消除纹线内部以 及沿着纹线的小孔、 中断以 及线段等. 图像细化过程中所 出 现的 毛 刺可采用n .k .r a t h a 等人(3 4 1 提出 的自 适应形 态滤波器去虑除。 通过计算 一个3 x 3 窗口 里面的黑点数可以 探测到细节特征，伪断点和伪分岔可以 通过三 条试探性的标准去滤除:1 ) 如果两个断点具有相同的纹线点方向而且它们的距 离小于某个闽值，那么就认为这是一个中断并去除掉;2 )如果一个断点与一个 分岔相连，而且距离小于某个闽值，那么认为这是一个毛刺，去除掉;3 )去除 边界 影响， 如果细 节特征与 前景区 域的 边界相距 较近， 就 舍弃掉。 h u n 护5 ) 研究了 指纹谷线图与脊线图之间的二元性， 分岔和桥在谷线图与脊线图上断点和中断相 互对应。 因此只要将相同的算法应用于谷线图和脊线图就可以消除纹线中断和桥 状结构而引起的伪细节特征。 文章为两个图像定义了一个无向图， 图的顶点是断 点和分岔点， 每条纹线都是图的边， 每条边以 相关纹线的长度为大小， 而顶点的 值由交汇在该顶点的边的个数确定。 根据脊线无向图的一些属性， 就可以将毛刺、 孔洞、 桥装结构和中断去除掉， 将相同的算法应用于谷线无向图， 可以去除纹线 中 断、 纹线交叉以 及其 它的 特殊结 构。 x i a 。和 r a a f a t l 2 1 是先假设指纹图 像已 经 被预处理而且细化， 然后提出了一种统计和结构想混合的后处理方法， 图像的细 节特征用诸如纹线长度、 断点或分岔点的方向以 及两个细节特征之间的角度去表 征，而且每一个断点或分岔点也由其邻域内的互相面对的细节特征的个数来表 征， 邻域的大小根据该区域纹线之间距离决定。 然后本该连在一起的细节特征数 得到估计， 该后处理算法将互相面对的断点连接起来， 将面对其它断点或其它分 岔的分岔点去除， 之后再连接新产生的断点，并最后去除毛刺、 桥状结构、 三角 结构等。 该方法的缺点是不能为纹线距离分配一个全局值， 因为纹线距离在一幅 典型的 指纹图 像上变化很大。 文献i n 提供了 几种计算局部纹线距离的方法。 文献 3 0 提供的方法也是基于来自 二值化图 像的细化图像: 用标准算法去除噪声区域相 距较近的细节特征， 纹线的修补是基于两条中断的纹线的方向以及用于重建断裂 纹线的片断的方向， 而去除桥状结构的方法是基于纹线的位置而不是用计算耗费 计算时间的方向图的方法， 短纹线通过计算纹线长度和纹线间平均距离的关系以 去除，而并不用考虑平均纹线长度。 ( 4 )指纹细节匹配 早期的指纹识别多采用句法匹配的方法12 4 ， 指纹先被预处理并且转换成一 南开大学现代光学研究所硕士学位论文 维符号串或两维树， 然后分析符号串或树以确定指纹的类型。 这种技术对于粗分 类是合适的， 但如果用于细节匹配就有不足。 特征点匹配的方法是指纹识别中用 的普遍的方法。 在指纹上有几种与指纹纹线拓扑结构相关的结构， 称为细节特征。 指纹识别的关键就是从指纹图像中提取指纹细节特征。 美国国家标准局提出了用 于指纹鉴定的四种特征: 末梢、 分岔、 交叉与未定义， 而一般对于自 动特征提取 和匹配， 所选取的指纹细节特征仅限于两种， 即末梢和分岔， ( 如图1 .2 - 1 ) 所示。 n .r a t h a 等提出了自 适应的基于方向 场的指纹特征提取3 6 1 ; 细节特征点也可以 直 接从灰 度图 像提取3 7 ,3 8 1 ， 即 沿着纹线 直接从 灰 度图 上 探测细 节特征; 文 献中已 有 不少有关指纹细节匹配的算法， 其中许多是基于点匹配算算法的。 点匹配算法假 设通过某些变换 ( 如平移变换、 旋转变换、 伸缩变换) 可以把两个点集中的对应 点 匹 配起 来 13 9 -0 2 1 . s .r a n a d e 与a .r o s e n f e ld 提出了 点 匹 配的 松弛 算 法 3 9 1 。 该 方 法 定 义点 集l i = p l . . . . p . 与点 集l 2 = q l . . . . q . ， 对于一 对匹 配( p i , q i) ( 其中点p ; e l , 与qe 玩) 定义两个点 集的 一 个相对变换t r y 。 根据在t r 。 变换下两 个点 集中 其 余点的 匹 配程度， 计算t r ;j 的 可 靠 度。 如 果存 在一个 变换t r o 使点 集l ， 与点 集 l : 合 理的 分 配， 则当 某 个t r ;1 - t 丸时， t r y 的可 靠 度 较大 而 其他的 变 换 匹 配的 可靠度较小。 可靠度将迭代计算， 在重复计算时别的变换匹配的可靠度将加权影 响正被计算的可靠度的值。 迭代结束时， 对应于t r o 的变换匹配的可靠度保持较 大的值，而别的变换匹配的可靠度变得较小。 ( a ) 末梢 伪 ) 分岔 图 1 . 2 - 1 g .s to c la n a n 等 提 出 的 基 于 h o u g h 变 换 的 方 法 把 点 模 式 匹 配 转 化 成 了 对 转 换 参 数的h o u g h 空间 中 峰 值的 检 测 (4 3 1 。 这 种 方 法的 缺点 在于当 细 节点 较 少( 少 于 3 0 个)时，很难在h o u g h 空间 里积累 起足够大的证据来保证一个可靠的匹配。 j .p . s t a r in k 与e .b a c k e r 从能量最小化的角度描述点匹配问题，并使用了模拟退火 的 方 法 14 2 ) . m .k .s p a r r o w s 与a .k .h r e c h a k 等 提出 了 基 于结 构 信息的 指纹 特征 匹 配 4 4 1 ， 而d .k .i s e n o r 与s .g .z a k y 使 用图 来 表 示 指 纹 特 征， 并 用图 匹 配的 方 法 来 匹 配指纹图 4 5 1 。 这些方法都利用了指纹图中的拓扑结构信息， 以克服指纹图的噪声、 旋转与变形对视别的干扰。 这些算法常常存在的问题是计算量特别大， 影响处理 时 怕 。 南开大学现代光学研究所硕士学位论文 第二章 图像预处理 2 . 1 概述 在指纹识别中，图像预处理和指纹特征匹配是关键的两步。首先必须对指 纹进行特征提取、 然后根据特征集及其相互之间的位置和拓扑关系在指纹档案库 中进行匹配，从而检索到有关信息。指纹图像是由脊线、谷线组成的灰度图像。 所谓指纹的特征是指由指纹脊线形成的某种结构， 如端点、 分岔等。为了提取这 些特征，必须先把指纹图处理为二值线性图，此过程即是指纹的预处理。显然， 指纹图像的预处理更是指纹特征匹配的基础， 预处理的好坏直接影响着指纹能否 被正确地识别。 通常采用指纹采集仪获取的指纹原始图像都存在着很多问题， 比 如灰度分布不均匀、脊线上的孔洞、 脊线间的粘连等等。 这些都是需要在预处理 的过程中滤除的噪声。另外， 虽然预处理、二值化、 细化可以消去大量噪声并最 终将指纹变成点线图， 但这个过程不免也会引入新的噪声， 这是在预处理的过程 必须注意并需要克服的一个问题。预处理的步骤如下: 图2 . 1 - 1预处理过程 由图2 . 1 - 1 可以 看出， 原始指纹图像的预处理基本分为五步:图像的初步滤 波和图像增强， 方向图滤波， 二值化， 二值化后处理，细化。下面就各个步骤分 别加以叙述。 2 . 2初步滤波和图像增强 如图2 .2 - 1 所示， 由采集仪直接得到的指纹图由于指纹压力的不同而使得指 纹图像各个部分的灰度分布非常不均， 很明显有些区域灰度大， 有些区域灰度小， 这将对后续的二值化产生不利的影响， 所以需要对其作增强的处理， 以使得整幅 图 像具有均匀的灰度直方图， 从而保留最多的指纹信息并在二值化时得到理想的 结果。 指纹在作图像增强之前首先做一次中值滤波。 中值滤波是一种典型的低通 滤波器，它可以很容易的去除孤立点、线的噪声，同时保持了图像的边缘效果; 它能 很好的 去除脉 冲噪声 4 6 ,5 0 。 之后对图 像做整体的 灰 度归一化， 其目 的 是 减少 南开大学现代光学研究所硕士学位论文 2 . 7小结 在本章中，我们提出了采用三步处理进行滤波的方法，即对原始指纹图像 先进行中值滤波， 然后进行整体灰度归一化， 再进行动态范围扩展。 这种处理方 法使得原始的指纹灰度图像在图像质量上有了极大的改善，取得了很好的效果。 在指纹方向图的计算中， 我们提出了 采用两个坐标系求灰度梯度， 然后根据灰度 梯度求方向的方法， 这种方法不但计算量小， 而且计算出来的方向图准确， 是一 种很有效的方法。 在图像二值化处理中， 我们采用对每一个点根据其邻域进行取 域的方法， 效果令人满意。 在二值化后处理中， 对每一个像素点根据该点的纹线 走向和纹线周期选取矩形邻域， 然后根据区域内黑白点多数的原则进行平滑， 效 果理想。在指纹图像的细化中，我们分析了二值图像中一个点3 x 3 邻域的所有 情况， 按细化时该去除和该保留的情况制成了两张表， 细化时只要搜索二值图像 然后与这两张表进行比对， 即可标记出所有该去除的点。 这种细化算法不但可以 快速而且可以准确、对称的细化二值图像，有很好的效果。 南开大学现代光学研究所硕士学位论文 有了以 上关于纹线细节的具体分析， 纹线跟踪就变得很容易了， 剩下要做 的是根据具体情况选择跟踪初始点。 在纹线上诸如末梢点、 分支点这样的纹线点 都是比 较特殊而且容易查找的， 所以一般选择它们作为纹线跟踪的起始点。 在本 文滤除细化指纹上伪特征的工作中， 我们所采用的就是以分支点为起点沿三个方 向作纹线跟踪， 记录三个方向纹线点的信息。 这是由于我们所要滤除的三种伪特 征: 毛刺、小桥和小孔， 它们都有一个共同点， 就是分支点都是它们的共同的组 成元素， 所以选择分支点作为跟踪起始点， 这样经过一定长度的跟踪后， 纹线跟 踪会记录到另一些特殊的纹线点， 比如末梢点和分支点， 这时通过纹线跟踪的步 长和被跟踪到的三个方向的纹线所确定的结构特征即可判断这区域内的指纹结 构是否属于伪特征， 并作相应的处理。 步长对应于纹线跟踪过程中所记录到的像 素数。 在跟踪的过程中， 当沿某个方向跟踪遇到了末梢点或分支点以及跟踪步长 达到闽值t 1 ( t 1 可根据所处理的细化指纹图上纹线的平均长度具体确定)时， 该方向跟踪即告停止。 ( 2 ) 毛刺的判别和滤除 t |人曰|(c) ( a ) 1|叼se，eela) 图3 . 1 - 9 如果纹线跟踪的结果是有两个方向跟踪超过步长阂值t i ，而第三个方向的 跟踪停止在一个末梢点上，而且这个方向的跟踪步长在阐值 t 2( 根据所处理的 细化指纹图上毛刺的最大长度确定) 以内， 则可以判定此时的纹线跟踪即跟踪到 了一个毛刺伪特征， 因为纹线跟踪记录了纹线点的坐标， 所以只要将前面第三个 方向 跟踪中记录到的坐标所对应点的灰度值从1 变为0( 但注意保留第一个点， 即最初的跟踪起始点，不然纹线会产生断裂) ，这样一个毛刺伪特征便得到了滤 除 。 如图3 . 1 - 9 ( a ) . ( a ) 所 示。 ( 3 ) 小桥的判别和滤除 如果纹线跟踪从一个分支点p i 开始进行，在它跟踪的三个方向中， 有两个 方向d 1 , d 2 近似在同一直线l l 上，而第三个方向d 3 跟踪到了另一个分支点 巧 ， 并且步长小于阐值t 3( 由 纹线间的 距离决定) ， 作为起点作三个方向的跟踪， 那么再以 这个新的分支点p i 则一个方向会跟踪到分支点p i ， 而另两个方向也近 似在同一直线l 2 上，而且l l 与l 2 近似平行，则可以判断这是一个桥形结构， 将d 3 方向跟踪到的像素的灰度值从1 改为0( 但注意保留分支点 产生纹线断裂) 。这样便了去除了 小桥为特征结构。如图3 . 1 - 9 ( b ) , p i 和p i ， 以免 ( b /) 所示。 南开大学现代光学研究所硕士学位论文 纹线的方向:以纹线上一点a作为起点进行跟踪，在跟踪5 ( s 不应太大，也不 应太小。 最好在1 -2 个纹线距离之间) 步后到达b点， 其中a点与b点的坐标 分别为 ( x a , y a ) ( x b , y b ) 那么a b 这一段纹线的方向 可定义为: y b一y , x b一x , , ( 3 . 1 - 3 ) /r.、 - tg - b 月 d ( 4 )小孔的判别和滤除 如果沿三个方向纹线跟踪的结果是有两个方向在跟踪的过程中发生了交 汇，而且交汇点也是一个分支点，并且跟踪的步长在阐值 t 4( 由一幅细化图上 小孔的最长直径决定)以内， 则可以认为此时跟踪到了一个小孔结构。 将这两个 方向中的任一个所跟踪到的像素去除 ( 注意保留两个端点) ，这样小孔伪特征结 构 便 得到了 滤除。 如图3 . 1 - 9 ( c ) . ( c ) 所示。 3 . 1 . 4实验结果 根据c n ( p ) = 3 , s n ( p ) = 3 的 特点， 用一 个3 x 3 窗口 找到一幅细化指纹图 上所 有的 分支点， 然后依次以 每一个分支点作为始点作三个方向的 纹线跟踪记录， 通过上面提供的 判 别 毛 刺、小桥和小孔三类伪特征的方法， 消除掉跟踪记录到的伪特征。 这样通过 若干次循环后， 所有存在于细化指纹图上的这三类伪特征都可以得到滤除。 由 于 这种方法除检测并整体滤除伪特征结构并没有其它的附加处理， 所以在处理的过 程中不会引入新的噪声。 图3 . 1 - 1 0 中 ( a ) 图 是一幅既包含有毛刺也包含有小桥的细化指纹图; ( b ) 图 和 ( c ) 图 是 利 用 纹 线 跟 踪 技 术 检 测 并 滤 除 小 桥 和 毛 刺 后的 情 况; 一 ( a ) 图 是 在 细 化 指 纹 图 没 有 作后 处 理时 提 取末 梢点 和 分支 点 两 种 特征 得到 的 结果， 一共 有4 5 个， 旧) 是 在 滤除了 小 桥伪 特征 结 构 后 提 取 特征 点 得到 的 结 果， 一 共3 1 个， ( c ) 是 在 滤除 了所有的小桥和毛刺两种伪特征后再提取特征点时的情形，这时只有 9个特征 点。图3 . 1 - 1 1 中( a ) 图是一幅包含有小孔伪特征结构的指纹细化图， ( b ) 图是我们 利用纹线跟踪的方法滤除这种伪特征结构后的情况，很明显经过这种处理后 6 个假特征点 被消除了. 由上面可以看出，如果细化的指纹图没有经过后处理就进入特征提取的程 序， 那么提取出来的特征中将包含有大量的假特征， 这对于后续的特征匹配将产 生非常不利的影响，因此在指纹细化后引入一套有效的后处理程序是非常必要 的。 通过对大量细化指纹图的处理， 我们发现利用基于纹线跟踪的方法去消除伪 特征结构效果是非常令人满意的， 它的特点是1 ) 速度快，这是因为它并不从上 到下、 从左到右处理整幅图像， 它只特定的处理某一个小区域的纹线， 即以分支 点为处理的初始起点，然后所做的纹线跟踪步长也在指定阐值 t 1以内;2 )消 除伪特征彻底， 它可以将毛刺从头到脚完整的去除， 而不是单单减少毛刺的长度， 它可以 将小桥和小孔整体的去除而不引入其他的噪声;3 )消除伪特征准确， 用 南开大学现代光学研究所硕士学位论文 3 .2岛屿伪细节特征的消除 3 . 2 . 1引言 在指纹中，纹线的断点和分支点是最重要的特征，指纹的识别就是基于对 这两种特征的比对。 可是一副指纹图像在经过预处理变成细化的点线图时， 常会 引入大量伪断点和伪分支点， 这些伪断点和伪分支点常常聚集在一起形成几种特 殊的形态，即毛刺 ( s p u r s ) 、小桥 ( b ri d g e s ) 和岛屿 ( i s l a n d s ) 等。 为了 提取到 正确的特征和保证后续特征识别的可靠性， 伪结构必须得到判别和滤除。 在这几 种伪特征结构中， 毛刺是最容易判别和去除的， 它的表现形式只有一种， 而岛屿 则最复杂， 一幅 细化的 指纹图 像上就 常常有几 种形态。 文献 1 2 ,3 4 ,3 0 ,4 9 1提出了 有效 的 判别和去除毛刺以 及小 桥的 方法， 而且文献4 9 ) 还提出了 去除比 较规则岛 屿的 方法，但是它们都没有提供处理比较复杂的岛屿的方法。 本文对岛屿的形态作了 深入的 研究，并提出了可判别所有岛屿的方法，基 于这种方法， 可以把岛屿结构变成几个毛刺结构， 从而可以很容易的将岛屿去除 掉。 3 .2 . 2岛屿的判别 ( 1 ) 交叉数 p 4p 3p 2 p 5pp 1 p 6p 7p s 图3 . 2 - 1像素p 及其8 - 邻域 对于细化图像而言， 1为纹线点灰度( 白点) 像素点的灰度值只有两种情况， 即0 或1 . 。对于细化图像上的任意点一点 p 0 为背景点灰度( 黑点)， 其交义数定义为: c n ( p ) = 12 艺ip 1. 、 一 p il ( p 9 = p , )( 3 . 2 - 1