（模式识别与智能系统专业论文）指纹自动分类技术的研究与实现.pdf

硕士论文指纹自动分类技术的研究与实现 摘要 指纹识别作为生物特征识别领域中应用最为广泛的技术之一，目前普遍应用于 身份验证和识别领域，特别是在电子商务、犯罪识别、信息安全等领域获得广泛的 应用。因此，对自动指纹识别的研究具有重要的学术价值和实用价值。 在指纹识别的研究中，虽然已有许多算法，但是仍然存在值得研究的问题。本 文以自动指纹分类算法为主线，对指纹分类涉及的相关内容进行了研究并做了相应 的改进： 1 预处理阶段。为确保分类算法的鲁棒性，必须对指纹图像进行预处理。本 文研究了指纹图像的分割、方向图的计算、指纹参考点的获取和指纹增强技术。在 研究已有的分割算法的基础上，提出了基于c a n n y 算子的指纹图像分割算法。此算 法原理简单、分割效果好、能较为完整的保持指纹的模式信息。改进了基于方向场 提取指纹参考点的算法，改进方法为以粗细模板代替原有的迭代过程，降低了算法 复杂度。同时经实验比较，此方法比传统的p o i n c a r ei n d e x 方法提取的参考点更为 准确。 2 特征提取阶段。分析了基于p o i n c a r ei n d e x 的奇异点提取方法的优缺点；介 绍了基于统计信息的特征提取方法；在研究基于方向场的半区域特征提取算法的基 础上，对其做了改进，改进后的算法能更准确的提取分类信息，并具有旋转不变性。 3 指纹分类实验阶段。选取支持向量机作为分类器，对指纹多类分类领域进 行了探讨，并设计了一种二叉树支持向量机进行指纹的多类分类，通过实验验证该 算法相对于传统的一对一、一对多的多分类支持向量机在分类效果上有明显改善， 具有一定的实用价值。 关键词：指纹分类特征提取指纹分割支持向量机 硕士论文指纹自动分类技术的研究与实现 a b s t r a c t a so n eo ft h em o s tb r o a d l yu s e dt e c h n o l o g yi nb i o m 咖c s - b a s e dv e r i f i c a t i o n , f i n g e r p r i n tr e c o g n i t i o ni sw i d e l yu s e di nt h ef i e l do fi n t e r n a t i o n a lt r a d e , c r i m i n a la c ta n da c o u l s eo f j u s t i c e s ot h er e s e a r c ho fa na 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 ) h a si m p o r t a n tt e c h n i c a lv a l u ea n dp r a c t i c a lv a l u e t h e r ea r em a n ya l g o r i t h m si nf i e l do ff i n g e r p r i n tv e r i f i c a t i o n , b u tt h e ys t i l lh a v e s o m es h o a a g e st ob er e s e a r c h e d t h i st h e s i se m p h a s i z e so nt h er e s e a r c ho fa u t o m a t i c f i n g e r p r i n tc l a s s i f i c a t i o na n di d _ a k e sad i s c u s s i o nw i t ht h er e l a t e dc o n t e n ta n dp r o p o s e s s o m ec o r r e l a t i v ei m p r o v e dm e t h o d s 1 p r e p r e c e s s i n g i nt h i ss t a g ep r e s e n tas e g m e n t a t i o na l g o r i t h mo w i n gt oc a n n y o p e r a t o r t 1 1 i sa l g o r i t h mh a sas i m p l ep r i n c i p l eb u tg o o ds e g m e n t a t i o ne f f e c t i tc a n c o m p a r a t i v e l yk e e pt h ef i n g e r p r i n tp a t t e r ni n f o r m a t i o na si n t e g r i t y a n dt h i st h e s i s i m p r o v e st h ea l g o r i t h mw h o s el o c a t er e f e r e n c ep o i n tb a s i n go nd i r e c t i o n a li m a g e ，u s i n g m e t h o do fr e p l a c i n gt h ei t e r a t i v ep r o c e s sw i t ht h i c k n e s st e m p l a t ea n dr e d u c i n gt h e a l g o r i t h m 。sc o m p l e x i t y t h r o u g he x p e r i m e n t a t i o ni ts h o w st h a tt h i sa l g o r i t h ml o c a t et h e r e f e r e n c ep o i n tm o r ee x a c t l yt h a nc o n v e n t i o n a lp o i n c a r ei n d e xa l g o r i t h m 2 f e a t u r ee x t r a c t i o n f i r s ta n a l y s et h ea d v a n t a g e sa n ds h o r t c o m i n g so fs i n g u l a r i t y e x t r a c t i n gm e t h o dw h i c hb a s e so np o i n c a r ei n d e xa n di n t r o d u c eam e t h o dw h i c hb a s e so i l s t a t i s t i ci n f o r m a t i o n ；t h e nm a k ei m p r o v e m e n t st ot h ea l g o r i t h mw h i c he x w a c tf e a t u r e s b a s e do nh a l fr e g i o nf i e l do fd i r e c t i o n s w es h o wt h ei m p r o v e da l g o r i t h mc a ne x t r a c tt h e c l a s s i f i e di n f o r m a t i o nm o r ea c c u r a t ea n dh a sr e v o l v e si n v a r i a b i l i t y 3 c l a s s i f i c a t i o n s e l e c tt h es u p p o r tv e c t o rm a c h i n e ( s v m ) a st h ec l a s s i f i e ra n do n t h ef o u n d a t i o no f d o i n gr e s e a r c ho i lt h em u l t i c l a s sc l a s s i f i c a t i o n , t h et h e s i sd e s i g nak i n d o fs v m b a s e db i n a r yt r e et oc a r r yo nt h em u l t i c l a s sc l a s s i f i c a t i o n n u m e r i c a l e x p e r i m e n t s o nl a r g ep r o b l e m sd e m o n s t r a t et h ee f f e c t i v e so ft h em e t h o do v c i c o n v e n t i o n a lm e t h o d ss u c ha sm u t i - c l a s ss v ma p p r o a c h e sw i t h o n e - t o - o n e a n d o n e - t o - t h eo t h e 心 , a n di th a st h ec e r t a i np r a c t i c a lv a l u e k e y w o r d s ： f i n g e r p r i n tc l a s s i f i c a t i o n ； f e a t u r ee x t r a c t i o n ； f i n g e r p r i n ts e g m e n t a t i o n ； s v m 硕士论文 指纹自动分类技术的研究与实现 图表目录 表1 i 各种生物特征的比较 图1 1 自动指纹识别系统流程图。 图1 25 种类型的指纹 图2 i 使用c a n n y 算子进行指纹图像前背景分割效果 图2 2 采用投影直方图修正后的边缘提取效果图 图2 3 指纹图像前背景分割流程效果图 图2 4 另一幅指纹图像前背景分割流程效果图。 4 图2 5 多种分割算法的结果比较1 1 图2 6 指纹图像方向场计算结果1 5 图2 7 模式区与奇异点示意图 图2 8 指纹方向图的正弦值图例 图2 9 计算参考点的区域划分1 7 图2 1 0f v c 2 0 0 2 指纹库中三颗指纹图像检测参考点并截图 图2 i i 理想指纹的局部图一 图2 1 2g 晰滤波器的带通性质2 2 图2 1 3 基于方向场的指纹图像增强2 3 表3 i 常见的细节特征2 5 图3 1 指纹图像中三种类型点的p o i n c 施i n d e x 值2 6 图3 2 计算p o i n c a r ei n d e x 的两个封闭曲线模板2 7 图3 3p o i 胁雎i n d e x 方法检测奇异点结果图 图3 4 基于奇异点进行指纹分类的示意图2 9 图3 5 扇区的划分2 9 图3 6 两幅易被误判的图像3 2 图3 8 下半扇区划分 圉3 9 两种特征提取策略3 4 图3 1 0 两幅易被误判的图像一 图4 1 线性二类划分的最优超平面 表4 1 三种s v m 多分类策略的优缺点 表4 2 多种多分类改进策略的比较 图4 24 分类的二叉树s v l 构造4 5 表4 3 五种类型指纹的方向场特性4 7 图4 5 构造二叉决策树的结构 图4 6 本文的二叉决策s v m 分类结构4 9 图5 1 图像过偏导致参考点检测错误 图5 2f v c 2 0 0 2d b 3 - b 中指纹图像大多按压过偏 表5 1f v c 2 0 0 2 三个样本集中的各类别指纹分布 表5 2 采集的图像预处理结果 表5 3 采集的图像中的各类别指纹分布。 5 0 5 l 图5 3 采集的图像在预处理中出现的问题 图5 41 0 0 个样本的特征提取时间 表5 4 多种特征提取方法对f v c 2 0 0 2 标准库数据进行s v m 分类的结果 5 l 5 3 v 堡主垒苎 塑竺! 垫坌鲞垫垄箜堡塞皇壅里 图5 5 各种特征提取方法的分类精度比较5 4 表5 5 多种特征提取算法对于采样时有倾斜样本的分类精度5 5 表5 6 多种多分类策略的比较 图5 7 本文的二叉决策s w 分类结构的各层分类精度 图5 8 训练样本个数对分类精度的影响 5 8 v i 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：l 逸垫l 加p 7 年钿歹a 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：痞奴柏 加7 年多月歹一日 硕士论文指纹自动分类技术的研究与实现 1 绪论 1 1 引言 随着科学技术的不断进步，电子设备和保密机构对更安全、更方便的身份认证 和访阀控制的需求变得越来越紧迫，传统的机械钥匙、“d + 密码”以及智能卡等 的安全保护措施存在容易丢失、遗忘、被复制及盗用的隐患。于是就出现了生物特 征识别( b i o m e t r i c s ) 技术。它基于人体固有的生理特征( 如语音、指纹、掌纹、面 部特征、虹膜等) 或行为特征( 如步态、击键特征等) ，集成了验证( v e f i f i c a t i o n l 和 识另t j ( i d e n t i f i c a t i o n ) 等技术，对个人身份进行鉴定。而作为人体的生理特征之一的指 纹，被称为“物证之首”，其安全性和方便性已经在长期的应用中得到验证。 1 2 生物识别技术 生物识别技术以生物特征( 包括生理和行为特征) 为基础，以信息处理技术为手 段，将生物技术和信息技术有机结合在一起。生物识别技术越来越多地被应用于身 份验证和识别领域 1 l ，早在1 9 世纪中叶，a l p h o n s eb e r t i l l o n 就已经利用人体生理 特征进行罪犯鉴别。此后，很多国家开始对罪犯的指纹进行记录，并保存在数据库 中以用于罪犯鉴别。随着科技和网络的发展，因为其方便性和安全性等特点，生物 识别技术逐渐从原来的犯罪鉴别转移到民用方面，比如网上身份鉴别、门禁系统等。 生物识别技术，作为2 0 世纪末期才开始蓬勃发展的高新技术，必将在社会生活中 占居越来越重要的位置。 生物识别技术是依据人的体貌、声音等生物特征进行身份验证的科学解决方案 【2 1 。 一般来讲，如果某个生物特征满足如下条件，就可以用来鉴定身份【3 1 ： 1 普遍性：每个人都具有这种特征； 2 独特性：任何两个人的特征均不相同； 3 稳定性：所选择的特征在一定时间内不会发生变化； 4 可采集性：这种特性应当能用数据测量表示。 为了满足身份鉴别系统的实用性要求，选择生物特征时还应考虑如下问题： 5 性能：所选择的生物统计特征所能够达到的识别率和速度，对系统资源的要求 等； 6 可接受性：用户在日常生活中多大程度上愿意接受此种的生物特征作为身份鉴 定的手段； 7 防伪性：系统是否能够容易地识别出冒充者。 硕士论文指纹自动分类技术的研究与实现 生物识别技术的运用从根本上解决了密码、卡、证件等被遗忘、盗用、共享和丢 失等的危险。另一方面，根据生物识别技术的原理，人体的生物特征数据是以二进制 数据而不是以图像形式存储于设备或数据库中的。因此，从模板中重建生物特征几乎 不可能实现。这意味着即使采用生物特征识别技术进行身份认证，被认证人的隐私也 可以得到很好的保护。 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、手掌几何学识别、虹膜识别、视网膜识别、人脸识别、签名识 别、声音识别、基因识别等1 4 - 9 ，其中一部分技术含量高的生物识别手段还处于实验 阶段。我们相信随着科学技术的飞速进步，将有越来越多的生物识别技术应用到实际 生活中【1 0 1 。除了上面提到的生物识别技术以外，还有通过耳型、脸部热量、步态、敲 键方式、气味等其他特征进行识别的技术。 以上生物识别技术各有优缺点，表1 1 给出了一些常见生物特征的简单比较【n 】。 表1 1 各种生物特征的比较 生物普遍性唯一性稳定性可采准确性可接安全性 特征集性受性 脸像高低中高低高低 指纹 中高高低高中高 手形 审 中 中高中中 由 敲键方式低低低中低 d a 中 手部血管中中 由由 中中高 虹膜高高高 中 高低高 视网膜高高 中 低高低高 笔迹低低低高低高低 声纹中低低 中 低高低 红外温谱高高低高中高高 气味高高高低低 中 低 步态中低低高低高中 耳形中 中 高 由由 高中 d n a 高高高低高低低 1 3 指纹识别技术 1 3 1 概述 指纹识别技术是通过取像设备读取指纹图像，然后用计算机软件识别指纹的全 2 硕士论文指纹自动分类技术的研究与实现 局特征和局部特征( 如指纹纹线的脊、谷、终点、分叉点等) ，通过比较指纹的全 局和局部细节特征可以非常可靠的确认一个人的身份。指纹是人体的手指表皮上呈 现的纹理。这些纹理由脊线和谷线构成，是由皮肤表面细胞死亡、角化并在皮肤表 面累积形成的。在人的生长早期形成后，终生保持不变。在众多的生物识别技术中， 指纹识别是应用最多最为成熟的一门技术。人们使用指纹来进行身份鉴定已经有很 长的历史【1 2 1 。在中国，一于多年前就有了签字画押的记载。无论在法庭证词上还是 民间契约上，利用指纹作为个人识别已经得到法律上的认同。同一时期的古印度， 指纹也被用于身份鉴别。 现代的指纹身份识别技术始于十六世纪的末期。1 6 8 4 年，英国的植物形态学者 n g r e w 发表了指纹研究的第一篇论文，分析了指纹的谷线、脊线和汗腺孔的结构【1 3 】。 1 7 8 8 年，m a y e r 首次对指纹的构造原理和脊线分布作出详细的描述【1 4 1 。1 8 0 9 年， t b e w i c k 开始用指纹代替印章，迈出了指纹识别历史上重要的一步。p u r k i n j e 首次提 出指纹的分类策蝉1 5 1 。h f 则d 于1 8 8 0 年在英国n a t u r e ) 杂志上发表论文，指出了 至今仍然被承认的指纹的两个重要特征：任何两个不同手指的指纹纹脊的式样( r i d g e p a t t e m ) 不同，并且指纹纹脊的式样在人的一生中不会改变，即指纹具有唯一性和不 变性。并利用现场指纹来识别罪犯，这使得指纹在犯罪鉴别中得以正式运用，如阿根 廷( 1 8 9 6 年) ，苏格兰( 1 9 0 1 年) ，其它国家在2 0 世纪初也有类似案例发现。十九世 纪末，f r a n c i sg a l t o n 对指纹进行了更为深入的研究，提出了利用指纹中微小细节特 征进行分类的方法。1 8 9 9 年e d w a r d h e n r y 建立了著名的h e n r y 指纹分类系统，于1 9 0 1 年被英国政府正式采用，为指纹用于身份识别起了重要的推动作用。2 0 世纪6 0 年代 f b i ( f e d e r a lb u r e a uo f i n v e s t i g a t i o n ) 开始指纹的自动识别；7 0 年代，美国政府委派 s c a n d i al a b s 调查各种生物特征识别技术，结论是指纹识别是最具潜力和准确率最高 的识别技术，这一调查使得大批研发工作集中到指纹识别算法和系统集成上来；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象的工具成为现 实，从而使指纹识别可以在其它领域中得以应用，比如i c 卡；9 0 年代后期，电容传 感器等低价位取像设备的引入及其飞速发展，更使指纹识别系统的体积和价格得以大 幅降低，加之可靠的比对算法的发现，为个人身份识别应用的增长提供了舞台，也为 指纹识别算法提出了新的挑战和要求，例如小面积指纹的识别，就适应了电容传感器 的低成本要求。电容传感器的晶片面积与成本成正比，如果算法能够适应小面积指纹 识别，那么就意味着降低了成本。进入2 1 世纪以来，生物识别技术被广泛接受。随 着新的身份识别技术的发展，指纹识别将成为未来身份认定的重要方式。由于活体指 纹识别技术的发展成功，使指纹识别系统可不需由特定人士操作，成为一般人可使用 的工具，使指纹识别进入个人使用的阶段，如i n t c m e t 、a t m 、移动电话、p c 、门禁 系统等产品。 硕士论文指纹自动分类技术的研究与实现 1 3 2 自动指纹识别系统的构成 自动指纹识别系统是集光电技术、图像处理、计算机及网络、数据库技术、模 式识别技术等多种技术于一体的综合性系统。自动指纹识别系统的构成与一般的生 物识别系统构成类似，其工作模式可以分为验证模式( v e r i f i c a t i o n ) 和辨识模式两类 ( i d e n t i f i e a t i o n ) u ，验证模式又称一对一比对( o n e - t o o n em a t c h i n g ) ，比对原理为：指 纹预先登记到样本数据库并设定一个标识码。比对时，录入指纹并输入标识码，系 统根据标识码从数据库中提取指纹样本与录入指纹进行比对。辨识模式又称一对多 比对( o n e - t o - m a n ym a t c h i n g ) ，是把录入指纹与样本数据库中的所有指纹逐一进行对 比，直至找到相匹配的指纹或搜索完整个样本数据库后给出无对应指纹的结论。 一个典型的自动指纹识别系统流程图如图1 1 所示。 图1 1 自动指纹识别系统流程图 自动指纹识别系统由离线部分( o f f - l i n e ) 和在线部分( o n - l i n e ) 两部分组成。在 系统的离线部分，用指纹采集仪采集指纹，提取出指纹特征并进行分类，然后将指 纹特征保存到模板数据库中。在系统的在线部分，用指纹采集仪采集指纹，提取出 特征信息，将指纹分类，分类后将不同类别的指纹的特征点信息与相同类别的数据 库中的指纹特征点信息进行匹配，判断输入特征点与模板特征点是否来自同一个手 指的指纹。 1 3 3 指纹分类简介 指纹识别系统按照用途划分可以分为验证模式( v e r i f i c a t i o n ) 和辩识模式 ( i d e n t i f i c a t i o n ) 。验证就是通过把一个现场得到的指纹与一个已经登记的指纹进行一对 一的比对来确认个人身份的过程；辨识则是把现场得到的指纹同指纹数据库中的指纹 逐一对比，从中找出与现场指纹相匹配的指纹，是“一对多匹配”。验证和辨识在比对 4 硕士论文指纹自动分类技术的研究与实现 算法上各具技术特点。如验证系统对比对算法的识别率要求很高，而处理速度较易达 到要求，更强调易用性。辨识系统由于数据量大，对比对算法的识别率和速度都要求很 高，一般要使用分类技术来加快查询的速度，指纹的分类信息可以用来限制在特征数据 库中的查找范围，待识别的指纹仅同数据库中相同类别的指纹进行比较，以节省比对的 时间。总之。指纹的分类不仅能够为大型的指纹库提供重要的索引机制，而且还能够 优化指纹自动识别系统的运行，从而节省指纹识别的运算时间，降低算法复杂度。 可以认为指纹分类是指纹匹配的初始阶段，是在比较大的尺度下的指纹匹配。 1 8 9 9 年，e d w a r dh e n r y 建立了著名的 h e n r y 系统用于指纹分类，在他的h e n r ys y s t e m 方法中，将指纹分为五种主要的结构类型：斗型( w h o r l ) 、左旋形( l e f tl o o p ) 、右 旋形( r i g h t l o o p ) 、普通弓形( a r c h ) 和帐弓形( t e n t e d a r c h ) 。如图1 2 所示： 誊觚h知- 1 鼬d 矗畦 # i z t 睦l o o pd - r i j 咖】姊 搴w h o r l 图1 25 种类型的指纹 在指纹分类中，下面5 个问题是人们所关心的焦点【婀： ( 1 ) 类别数。表明一个分类算法应该能够把指纹分成数目足够大的类别。在 指纹数量一定的情况下，将指纹划分的类型越多，则属于某一类型的指纹就越少， 从而分类对于提高1 ：n 识别效率的作用越大； ( 2 ) 分布概率。分布概率是人类指纹属于各种类型的可能性。在类型数目一 定的情况下，指纹属于各种类型的概率分布对于l ：n 识别的效率有直接影响。指 纹在每个类别中的分布较为均匀能有效提高l ：n 识别的效率；反之，如果人类指 纹属于各种类型的概率很不均衡，则这种分类方法对于提高l ：n 识别的效率意义 不大； ( 3 ) 一致性。分类的一致性要求将相同手指的不同指纹图像划分为相同的类 型； ( 4 ) 精确性。分类的精确性是指能将指纹准确划归为其所属的类型； ( 5 ) 速度。表明分类的操作速度应该比较快。 理想情况下，一个自动指纹分类算法应该能够以令人满意的精度，迅速将指纹 分到相应的类中。但是在实践中，由于指纹纹线形态的复杂性与噪声的影响，指纹 分类在自动指纹识别中始终是一个难点。 硕士论文指纹自动分类技术的研究与实现 1 4 本章小结与本文结构 本章介绍了生物识别技术的现状，讨论了生物识别技术中最常用的指纹识别技 术的发展历史。在此基础上，指出了指纹相对其他生物特征的优势所在，及目前在 国内外的发展现状，给出了自动指纹识别系统的流程图，并简单介绍了指纹分类的 概况。 本文共分五章，具体组织如下： 第一章：绪论。 第二章：指纹图像的预处理。为确保整个分类算法的鲁棒性，必须对原始指纹 图像进行预处理。本章主要研究了预处理过程中的指纹图像的分割、方向图的计算、 指纹参考点的获取和指纹增强技术。并对其中的分割和参考点提取算法作了相关的 改进。 第三章：用于分类的特征提取。分析研究了当前的特征提取算法，介绍了基于 p o i n c a r ei n d e x 的奇异点特征提取算法和基于统计信息的指纹特征提取算法。并改进 了基于方向场的半区域特征提取算法。 第四章：分类器的选取。通过阅读文献，选取支持向量机( s v m ) 作为分类机。 介绍了s v m 的基本原理和现有的s v m 多类分类机的构造方法，并通过理论分析， 设计了一个适于指纹多类分类的二叉决策树支持向量机。 第五章：指纹自动分类实验。分别使用从f v c 2 0 0 2 官方网站上下载的指纹库 和使用江苏芬格特指纹有限公司提供的指纹采集仪采集的指纹进行分类实验。整个 实验平台与所有的算法均使用m a t l a b 编程实现，以实验为基础，验证了本文提出的 指纹自动分类算法( 包括预处理流程、特征提取方法和多分类机的选取构造) 的有 效性。整个自动分类算法流程具有全自动、无需太多阈值、分类精度高等优点。 第六章：总结与展望。 6 硕士论文指纹自动分类技术的研究与实现 2 指纹图像的预处理 2 1 引言 在指纹自动识别过程中，输入的指纹图像由于各种原因( 如表面皮肤特性、采 集特性以及成像传感器特征差异等) 的影响，往往充满噪声，经常使指纹图像模糊 不清，造成脊线的粘连、断开或者模糊等，这种噪化的指纹脊线结构会降低指纹分 类的鲁棒性并严重影响着指纹识别系统的性能。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。预处理的目的就是利用信号处理的技术去 除图像中的各种噪声干扰，把它变成一幅清晰的指纹图像或者二值的指纹图像，恢 复指纹的脊线结构，便于提取正确的指纹特征，以指导指纹的分类、识别。预处理 是指纹自动识别过程中的第一步，它的好坏直接影响到指纹识别的效果。因此对于 指纹图像预处理算法的研究在指纹自动识别系统中具有举足轻重的作用，如何在最 大限度内消除无效的、对识别有影响的信息的同时增强对识别有意义的信息，这是 预处理算法必须解决的问题。在该领域的研究也一直被认为是指纹识别中的一个重 点与难点。 在本章中，结合本文对指纹实施分类的目的，研究了部分指纹图像的预处理方 法，主要包括图像分割，方向图求取，指纹中心点的求取和指纹图像的增强。依据 本文提出的预处理流程获得的指纹预处理结果可以直接用于后面的指纹分类工作， 它为实施指纹分类提供了更为集中、可靠的数据信息。 2 2 指纹图像的分割 在指纹图像中，我们感兴趣的是由指纹脊线和谷线构成的指纹前景区域。指纹 分割的目的就是要把含有指纹的前景区域从背景和噪声区域中分离出来，使预处理 过程只对前景区域进行处理，这样不仅可以大大减少预处理的时间，而且还能减少 背景伪特征对后续处理的干扰，从而提高整个系统的性能。 2 2 1 已有的分割方法 为了实现准确、快速地分割指纹前背景区域，许多学者己对指纹分割技术进行了 深入而全面的研究。目前，已经提出了众多的指纹分割算法，取得了一定的成果。文 【1 8 】中指出：由于指纹图像的特殊性，不能简单地运用全局或局部灰度门限来分割指 纹图像。文 1 9 1 提出了分块指纹方向峰值分割指纹的方法( 其他一些文献称之为方向法 分割) ，但这种方法对于具有纯白背景的指纹无能为力，对此文献f 2 0 】结合灰度方差进 行了改进。文 2 1 1 运用灰度方差和指纹块质量等级的结合进行分割，文 2 2 】中则用到 7 硕士论文指纹自动分类技术的研究与实现 了前景区块梯度平均值大于背景区的思想。文献 2 3 】通过采集一定数量的样本运用梯 度一致性、灰度平均值、灰度方差特征构造线性分类器进行前背景分类达到指纹分割 的目的。但该方法主要适用于质量好的指纹图像。任群 2 4 1 等人提出基于前景轮廓线的 指纹图像分割方法：首先，图像预处理后，基于边缘检测方法抽取出离散的指纹脊线 边缘信息点集。然后，以该点集的质心作为种子点，跟踪搜索有效指纹图像的边缘轮 廓线。最后，用一种改进的近似凸壳算法修正轮廓线。但该算法的计算较为复杂，基 于此，本文提出一种基于c a 衄y 【2 5 】算子进行指纹图像前背景分割的算法，实验表明该 方法具有算法原理简单、分割效果好、不造成指纹中间脊线信息丢失的特点。 2 2 2 基于c a n n y 算子的分割方法 c a n n y t 2 5 】算子是一种标准的图像边缘检测子，它利用高斯函数的一阶微分，能 在噪声抑制和边缘检测之间取得较好的平衡。具有边缘检测准确、单边缘响应等优 点。如图2 1 是两幅分别来自f v c 2 0 0 2 指纹库和我们采集的指纹库中的图像，且均 用c a n n y 算子进行边缘提取。从图中可看出无论对于f v c 标准库还是我们采集到 的指纹图像，其前景区的边缘都能够得到较好的保留，而背景区只有少数强噪声的 边缘被保留，因此可以得出这样的结论：c a n n y 算法对于获取准确的指纹外围轮廓 有较好的效果，而我们分割图像所需要的正是这些可靠的外围轮廓线。 乱指纹图像1 b c a n n y 边缘提取 c 指纹图像2 也c a n n y 边缘提取 图2 1 使用c a n n y 算子进行指纹图像前背景分割效果 在图2 1 的c 中，我们发现由于采集仪器的原因，四个边角有白色的区域，从 而致使在c a n n y 边缘提取时将四个区域的边缘也提取出来( d 图) 。对此考虑使用直 方图投影的方法，在水平、垂直两个方向对c a n n y 算子提取的边缘进行直方图投影 ( 如图2 2 ) ，统计投影后每行( 或列) 前景点( 边缘点) 的个数m ，并设置阙值t ， 若某行( 或列) 的前景点个数m t ，将该行( 或列) 的前景点( 边缘点) 全部设置 为背景点( 非边缘点) 。该步骤不仅可以去掉图2 1 d 中的四个边角的边缘响应( 图 2 2 c ) ，还对类似于图2 2 e 中的提取出来的部分孤立的边缘点有修正作用( 图2 2 f ) 。 8 硕士论文 指纹自动分类技术的研究与实现 丑原指纹图像1 d 原指纹图像2 b c a n n y 边缘 据耳z 结果 c 做直方图投影对c a n n y 撂取的仂缘的修平玷集 e c a n n y 边缘做直方图投影对c a n n y 提取结果提取的边缘的修正结果 图2 2 采用投影直方图修正后的边缘提取效果图 得到比较可信的指纹边缘信息( 或者说是可靠的指纹轮廓信息) 之后，为了对 指纹图像进行前、背景的分割，需要将指纹图像中的前景部分进行边界的闭合从而 构成前背景的分割模板。采取的方法是：对边缘提取的结果图像分别沿水平和垂直 方向寻找每一行和每一列的第一个前景点和最后一个前景点，那么对于每一行或每 一列这两个前景点之间的部分就是该行或该列的白色前景部分( 图2 3 c 中的q t 、 图2 3 d 中的q ) ；对上面得到的水平描述的前景区域q 与垂直描述的前景区域q ， 做析取运算，得到原指纹图像的前景区域q = q ，u q ，( 图2 3 e ) ；针对上面做水平、 垂直描述时可能产生一些断裂的边界线与毛刺的问题，使用一次闭运算和一次开运 算平滑q 得到q ( 图2 3 f ) ，那么q 7 就是我们所需要的前背景分割模板，使用该 模板来分割原指纹图像( 图2 3 - g ) 。图2 4 给出了另一幅f v c 2 0 0 2 标准指纹图像的 前背景分割过程。 从前背景模板的提取过程发现，我们实际上使用的只是指纹前景部分的轮廓信 息，轮廓内部的指纹脊线、谷线的分布信息我们根本没有使用( 故也不会破坏其内 部的纹线信息) ，只需有可信的指纹前景的轮廓信息就可以完成前背景模板的提取。 硕士论文指纹自动分类技术的研究与实现 a - 原指纹图像 b c a n n y 边缘提取结果 c ，水平描述的 前景区域q d 垂直描述的 前景区域q c 前景点模板对图e 闭、开运算g 使用q 7 对图1 进行 q = q i u q 2 后的前背景模板q 分割的结果 图2 3 指纹图像前背景分割流程效果图 缸原指纹图像b c a n n y 边缘提取结果 c 水平描述的 前景区域q d 垂直描述的 前景区域q ， e 前景点模板对凰e 闭、开运算 晷使用q 对图a 进行 q = q 1u f 2 2 后的前背景模板q 分割的结果 图2 4 另一幅指纹图像前背景分割流程效果图 至此，我们已经将指纹图像的前背景分割开来。现将基于c a n n y 算子的指纹分 割算法流程完整的描述如下： 算法2 1 基于c a n n y 算子的指纹图像分割算法 s t e p1 使用c a n n y 算子提取图像i 的边缘，记为e i ； s t e p2 去除e i 的孤立小边缘。去除孤立点的方法为： 对e i 做水平、垂直方向的投影直方图，统计投影后每行( 或列) 前景点的个数 1 0 硕士论文 指纹自动分类技术的研究与实现 m ；定义阈值t ，若某行( 或列) 的前景点个数m o 口( f ，)矿k o 巧s o 口( f ，力+ z 矿k 0 由于指纹纹路两侧的边缘像素的梯度矢量方向基本相反，为了避免在计算中相 互抵消，放在( 2 2 ) 式中将梯度矢量作平方然后计算平方梯度矢量的平均方向，平 均方向的l 2 即为指纹方向【3 3 1 。 由于采集到的指纹图像有噪声，并且有损坏的脊线和谷线，因此由上述算法计 算得到的方向可能有所误差，因此许多算法被提出来进行纹线方向的平滑修正，