（模式识别与智能系统专业论文）指纹识别算法研究及其在efi下的应用.pdf

摘要 在科学技术飞速发展的现代社会，人们对自身身份识别的准确性、安全性和 实用性提出了更高的要求。指纹识别技术凭借其唯一、稳定、安全、可靠等特点 而被广泛的应用在各种身份识别领域。快速而精确的指纹识别技术有着重要的科 学研究意义和应用价值。 本文对指纹识别算法进行了探讨和研究，并对常见的算法进行分析和比较， 提出了一些有效的算法，实现了一套完整的基于细节特征匹配的指纹识别算法。 算法主要包括预处理和指纹特征匹配部分。在预处理时，对指纹方向图的求取作 了改进，采用了块重叠方式求块方向，使得整个指纹图像的方向更连续，可以得 到更准确的指纹方向；指纹的二值化分别采用了固定阈值法和动态阈值法进行比 较，并对动态阈值法进行改进；指纹细化方面采用了经典的o p t a 模板细化算法 和改进的模板细化算法进行比较，采用新模板，可减少迭代次数和提高细化速度。 在匹配算法中，分别采用线匹配和改进的三角形匹配的方法进行比较。在空间上， 改进的三角形匹配不仅考虑到特征点间的距离，而且考虑到特征点相对位置。实 验结果表明：算法与平面的旋转和平移无关，可以容忍一定程度的指纹图像的变 形、噪声等干扰，能降低错误匹配的特征点数，提高识别率，但算法处理速度不 够快。 本文的项目背景是设计基于e f i 的指纹识别应用系统。随着计算机技术的飞 速发展，传统的b i o s 固件技术暴露出越来越多的不足，为了解决b i o s 的弊端， 出现了一种可以替代b i o s 的新技术e f l ( e x t e n s i b l ef i r m w a r ei n t e r f a c e ) 。本文 介绍了e f i 的规范，通过对e f i 驱动模型进行了重点研究，根据项目的需要，首 次提出并实现了基于e f i 的指纹算法驱动程序，成功地应用了该项新技术，具有 当今基于e f i 层面产品开发的前沿技术水平。 关键词：指纹识别方向图二值化细化匹配e f i a b s t r a c t i nt o d a y ss o c i e t yw i t ht h ef a s td e v e l o p m e n to ft h et e c h n o l o g y ，w ea r el o o k i n gf o r m o r er e l i a b l ea n de f f e c t i v ep e r s o n a li d e n t i f i c a t i o nm e t h o d s f i n g e r p r i n ti st h em o s t r e l i a b l er e s e a r c ho b j e c tf o ri t s u n i q u e n e s s ，p e r m a n e n c ea n ds a f e t y f i n g e r p r i n t r e c o g n i t i o ns y s t e mi sa p p l i e di nw i d er a n g eo fa p p l i c a t i o nd o m a i n s t h er e s e a r c h e so n f i n g e r p r i n tr e c o g n i t i o na r en o to n l yt h e o r e t i c a l l yb u ta l s op r a c t i c a l l ym e a n i n g f u l t h i sp a p e rs u m m a r i z e sf i n g e r p r i n tr e c o g n i t i o nm e t h o d sa n dt e c h n o l o g i e s ，a n d p r o p o s e saw h o l es e to fa l g o r i t h m sf o rf i n g e r p r i n tr e c o g n i t i o n t h ea l g o r i t h mi s m a i n l yc o m p o s e do ft w os e c t i o n s ，f i n g e r p r i n tp r e p r o c e s s i n ga n df i n g e r p r i n tm a t c h i n g i np r e p r o c e s s i n gp a r t ，w eg e tb e t t e ra n ds m o o t h e ro r i e n t a t i o ni m a g e sb yi m p r o v i n gt h e o r i e n t a t i o nw i t ho v e r l a pm e t h o d w eu s ea n dc o m p a r ef i x e dt h r e s h o l dm e t h o da n d d y n a m i ct h r e s h o l dm e t h o di nb i n a r i z a t i o ns e c t i o n an e wm e t h o di sp r o p o s e db a s e d o nc l a s s i c a lo p t at e m p l a t et h i n n i n gm e t h o d t h i sp a p e ri n t r o d u c e da na l g o r i t h mt o d e a lw i t ht h ep r o b l e mo fm i n u t i am a t c h i n gi nf i n g e r p r i n tr e c o g n i t i o n w eu s ea n d c o m p a r et h ev e c t o rl i n em e t h o da n dv e c t o rt r i a n g l em e t h o d i ns p a c e ，t h ev e c t o r t r i a n g l em e t h o dt a k ei n t oa c c o u n tn o to n l yt h el o c a t i o n ，d i r e c t i o n ，t y p eo f m i n u t i a e a n dt h ed i s t a n c eb e t w e e nm i n u t i a e ，b u ta l s oi t s r e l a t i v el o c a t i o n t h ee x p e r i m e n t a l r e s u l t ss h o wt h a tt h ea l g o r i t h md o e sn o tr e l yo nr o t a t i o na n dh a sas t r o n ga b i l i t yt o r e s i s ti m a g en o i s e s i ta l s oh a sar e l a t i v e l yh i g hr a t eo ff i n g e r p r i n tr e c o g n i t i o n ，b u th a s l o we f f e c t i v e n e s si nr e c o g n i z i n gd a m a g e do rb l u r r yf i n g e r p r i n ti m a g e s t h ef i n g e r p r i n tr e c o g n i t i o ns y s t e mb a s e do ne f ii sd e s i g n e da n da p p l i e di nt h i s p a p e r w i t ht h eg r e a tp r o g r e s so fc o m p u t e rs c i e n c e ，i th a sb e e nf o u n dm o r ea n d m o r e d i s a d v a n t a g e so ft h el e g a c yt e c h n o l o g yo fb i o s an e wt e c h n o l o g y - - e f i ( e x t e n s i b l e f i r m w a r ei n t e r f a c e ) w a si n t r o d u c e db yi n t e lc o r p o r a t i o nt os o l v et h i sp r o b l e m t h i s p a p e ri n t r o d u c e st h ee f is p e c i f i c a t i o n w ea l s ou n d e r s t a n dt h a te f id r i v e r sb yt h e a n a l y s i so fe f id r i v e rm o d e l w ed e s i g na n di m p l e m e n tt h ed r i v e ro ff i n g e r p r i n t a l g o r i t h m a n da p p l yt h en e wt e c h n o l o g yo nt h i sp r o j g c ts u c c e s s f u l l y t h ep r o j e c t p r e s e n t st h eh i g hl e v e li na r e ao fp r o d u c t sb a s e do ne f i k e y w o r d s ：f i n g e r p r i n tr e c o g n i t i o n ，o r i e n t a t i o n ，b i n a r i z a t i o n ，t h i n n i n g ， m a t c h i n g ，e f i 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，也不包含为获得丞洼太堂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己在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 雹魄蓬 签字日期： 姗年箩月加日 学位论文版权使用授权书 本学位论文作者完全了解丞洼太堂有关保留、使用学位论文的规定。 特授权丞洼太堂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： ) 己璁霪 导师签名： 签字日期：力d g 年多月孙日 签字日期：勿，目年y 月勿日 第一章绪论 1 1 概述 第一章绪论 1 1 1 指纹识别技术的研究背景 现代科技为人类相互的交流提供了快捷与便利的手段，推动了现代社会的进 步和发展，但传统的保护措施在现代科技面前存在很大的隐患，因此需要更高效 可靠的身份识别技术。在今天的工作生活中，无论到银行取钱，到网上交易，还 是注册网络服务、购物，或者到朋友单位去拜访，都需要身份的认证。但是传统 的基于物的身份认证技术，由于存在着证件伪造以及密码破解等手段的威胁，已 经表现得有些力不从心。如何及时、准确和有效地验证每个社会成员的身份，以 保障人们的合法权益和各种社会活动的合法性和有效性，及时打击与遏制各种违 法犯罪活动，维护国家安全和社会稳定，成为各个国家和社会管理者的一个全新 的重要课题。 在人类社会活动中需要验证个人身份时，传统的方法是验证该人是否持有有 效的证明文件或拥有密钥。但是这种办法的漏洞是显而易见的。首先，本人丢失 了有效物件，合法的人则得不到合法的验证。例如丢了钥匙不仅打不开门，还要 当心坏人拾到你的钥匙盗取你的家财。其次，各种伪造证件、信物以及密码被破 译或盗用又使非法的人得到合法的验证。有关机构的调查表明，因为忘记密码而 产生的问题己经成为i t 厂商售后服务的最常见问题之一，网络利用木马程序盗 取密码已经是司空见惯，更有一些用心不良的人可能会窃取公司的机密数据，甚 至从网上银行转走别人的巨额存款。另一个例子是考勤机，它的使用方便了企业 进行职工的考勤管理。传统的考勤机采用条码卡、磁卡等各种识别卡，虽然也给 考勤管理带来一定的方便性，但经常有人弄虚作假，代别人打卡等考勤舞弊行为 的发生。各种各样的识别卡已不能满足人们重要的机密信息或资料安全管理的需 要。尽管使用者相当讨厌安全检查机制介入他们的工作中，但管理者仍然需要这 。样的一种检查访问与操作处理的手续与方法。 由于人体的身体特征具有不可复制的特点，人们把目光转向了生物识别技 术。研究和经验表明，人的指纹、掌纹、面孔、发音、虹膜、视网膜、骨架、基 因等都具有唯一性和稳定性的特征。基于这些特征，人们发展了指纹识别、面部 识别、虹膜识别、声音识别以及d n a 鉴定等多种生物识别技术，客户也一直在 第一章绪论 等待和寻找实用的生物测定技术，如果价格合适，生物识别技术的直接用户会在 今后几年内急速增长。相对于其他生物识别技术如语音识别及虹膜识别，指纹识 别具有许多独到的优点，更重要的是它具有很高的实用性和可行性。由于指纹所 含的信息数据比较容易通过机器设备进行处理，而又不会遗忘和丢失，当其他许 多技术尚未被用户考虑的时候，指纹识别已经取得先机。低价位指纹采集仪的出 现以及高可靠算法的实现，更使得自动指纹识别技术越来越多地进入到人们的生 活和工作中。加之指纹识别具有使用简单方便、识别准确迅速、造价经济实用等 优点，因而指纹识别技术发展和应用远远快于其他生物识别技术的发展和应用， 成为国内外学术界和商业界的热点。 1 1 2 指纹识别技术的历史 中国是在全球范围内使用指纹最早的国家，6 0 0 0 年以前就有使用，我国将指 纹应用于民间契约及断案有悠久的历史，但是由于缺乏专门性研究，未能将指纹 识别技术上升为一门科学。从现在指纹识别技术发展的状况来看，中国还是属于 追赶者的地位。 现代指纹识别起源于16 世纪后期。18 8 0 年苏格兰医生h e n r yf a u l d 首次于英 国 ( n a t u r e ) ) 上发表论文，指出人的指纹各不相同，恒久不变，并利用指纹进行 犯罪鉴定。1 8 9 2 年，英国s i r f r a n c i sg a l t o n 提出了对指纹细节进行分类i lj ，将指 纹分成斗( w h o r l ) 、箕( 1 0 0 p ) 、弧( a r c h ) = 类，这意味着指纹识别应用进入了一个崭 新的时期。自动指纹识别系统a f i s ( 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 ) 的研究是2 0 世纪6 0 年代在一些发达国家率先开始的，到2 0 世纪7 0 年代，由于 计算机的广泛应用和模式识别理论的发展，人们已研究使用计算机进行指纹的自 动识别。7 0 年代末加拿大警方首次应用激光技术进行指纹检验，1 9 8 2 年，日本 n e c 首次向警方提供a f i s 自动指纹识别系统，1 9 9 0 年，比利时刑事鉴定局也 开始使用a f i s 。9 0 年代后期，电容传感器等低价位取像设备的引入和飞速发展， 使得指纹识别系统的体积和价格大幅度降低，可靠的比对算法也为个人身份识别 应用提供了舞台。进入2 l 世纪以来，指纹识别技术已经被广泛接受，应用于各 种场合，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证的重要方 式。 1 1 3 指纹识别技术在国内外的研究现状 在已有的指纹识别算法中，利用方向图来获取指纹特征被证明是一种有效的 方法。近年来，国内外的学者提出了多种求取指纹方向图的方法。m e h t r ebm 等 第一章绪论 人提出了利用邻域内不同方向上灰度值的变化来求取点方向，进而统计块方向的 算法【2 1 。r a oar 提出了利用梯度算子求取方向图的方法，具有实用简单的特点 【3 】 o 指纹图像的特征点一般是从细化后的指纹点线图中提取的，从中可以得到特 征点的位置、类型和方向【4 】【5 】，m a i od 提出了在灰度图像上利用纹线跟踪直接提 取特征点1 6 i 。 指纹匹配算法是指纹识别技术的核心步骤，传统的匹配算法大致可以分为三 类：点模式匹配、纹理结构匹配、混合的匹配方法【7 1 。点模式匹配算法很多，主 要有s p a r r o w s t 8 】与h r e c h a kak 【9 】等人提出的基于结构信息的指纹特征匹配， v i n o da n dg h o s e 在文献 1 0 】中提出的运用非对称神经网络的点匹配算法，纹理结 构匹配算法主要是j a i nak 等人【1 提出来的，混合匹配算法由r o s sa 等人【1 2 】 提及。 美国是指纹自动识别研究开展最早的国家，也是指纹识别技术应用最广泛的 国家。美国i d e n t i x 公司最近推出的t o u c h v i e w 是一种很好的活体取指器，其 分辨率达到每英寸5 0 0 p e l 。该公司的犯罪指纹识别产品t o u c h p r i n t 已被美国联邦 调查局所采用。b a c 公司推出的业界领先的s e c u r e t o u c h 指纹识别机产品，加拿 大o s c a ne l e c t r o o p t i c s 公司推向市场的自动指纹识别产品，都是非常具有应用 价值和前景的产品。美国s e c o m ，日本嘉士通，松树株式会社等公司开发的指 纹锁和指纹认证装置也都投入生产和使用。 中国于8 0 年代初才开始指纹识别技术和系统的研究。中国率先进入这一领 域的高校是清华大学，其后又有广东粤安集团，北大高科，杭州中正，汉王科技 等高科技集团纷纷加入这一领域。其中，杭州中正于2 0 0 0 年开发的超小指纹识 别系统，标志着我国在这一领域已经达到了世界领先水平。中国的指纹识别算法 单纯从学术研究角度来看，并不显得落后。在2 0 0 2 年f v c ( 国际指纹识别算法大 赛) 上，有包括中科院自动化所在内的6 家院所企业参加。2 0 0 4 年f v c 大赛上， 有8 家中国算法参赛，汉王科技首次参赛就取得第三名的优异成绩。f v c 2 0 0 6 中，中国参赛公司和个人共有1 3 家，上海品伟数码科技有限公司在各项比赛中 成绩优异，这标志着中国的指纹识别算法已经跨入世界先进行列。 由于指纹识别系统系列产品具有其他身份识别系统无以比拟的优越性，因而 指纹识别系统产品在国内外得到了广泛的应用，不仅在美国、日本、新加坡、印 尼等国家得到了广泛的应用，在国内的各行各业的应用也逐渐普及起来了。 在电子商务中，互联网的普及，网上购物、网上交易、网上支付、网上娱乐 的流行，电子商务中的安全问题已经受到广泛关注，也为指纹识别技术的应用提 供了比较好的发展空间【l 引。在银行、证券等金融领域的应用中，在银行内控和内 第一章绪论 部管理方面，除目前已经使用的银行柜员身份认证系统外，指纹押运系统、指纹 识别的银行卡、指纹金库门控制系统将会逐步被认同并获得应用【1 4 】。 但是，总的说来，指纹自动识别技术还没有在国内广泛地使用，所以开发出 实用的指纹识别产品仍具有非常广阔的应用前景。 1 1 4 指纹识别技术存在的问题 由于指纹独特的特点，指纹识别技术正在被运用到越来越多的领域。在信息 安全领域、数据通讯领域、公共安全方而、金融安全等方面都有很不错的表现和 应用，但同时，指纹识别技术也并非尽善尽美，里面还有很多工作有待于我们去 解决： 1 存在一定的误差。从指纹图像录取到匹配的过程中，由于图像处理和 匹配等算法的性能问题，得到的指纹图像多次失真。 2 基本上已有的应用都是一对一的指纹鉴别，而对于一对多的指纹识别， 还存在着比对时间比较长，正确率不高的特点。 3 为了加快指纹识别的速度，还应该考虑简化图像的预处理。 4 指纹识别算法也要能够根据最少的特征对指纹进行匹配，并能减少由 于各种原因引入的偏差，增强算法的鲁棒性。 5 加强指纹识别算法性能评测的工作，要做到客观、公正，必须将不同 的算法在统一的指纹库上进行测试，而且指纹库要包含大量的，不同 质量的指纹图像。 6 指纹识别目前没有公开的指纹模板标准和统一的抽象算法，各个厂商 自行其是，不利于指纹识别技术的发展。 二十一世纪是信息安全高速发展的世纪，根据指纹的唯一性、不变性、安全 性等特点，指纹识别必将成为二十一世纪个人身份鉴别发展的趋势。指纹特征识 别是一个引人注目的问题，它是证明个人身份的根本方法，也被认为是最好的生 物认证方法。指纹处理中的方向场提取，特征点提取的准确性，匹配速度的提高 依然是指纹识别研究的重点。 1 2 本文的主要工作和创新 本文对指纹识别算法进行研究和分析，归纳总结并吸收了国内外学者在指纹 识别领域的研究成果，提出了一套切实可行的指纹识别算法，包括指纹预处理， 特征提取和特征匹配等过程。在算法实现上采用不同的算法进行分析和比较，并 提出了一些新的方法，具体有： 4 第一章绪论 2 3 4 5 6 在预处理前，先对背景噪声加以处理，消除背景噪声对后续处理的影 响，降低算法复杂度。实验表明，经过预滤波的指纹增强图的效果得 到很好的改进。 在预处理时，对指纹方向图的求取作了改进，采用了块重叠方式求块 方向，使得整个指纹图像的方向更连续，可以得到更准确的指纹方向。 对指纹二值化的动态阈值法进行改进，加入一个判断条件，将背景块 从前景中分离出来。 在匹配算法中，研究和实现了线匹配方法，将线匹配的理论思想与现 有的三角匹配算法相结合，提出了新的三角形匹配的方法。实现结果 表明，算法与平面的旋转和平移无关，充分利用了特征点的空间距离 和相对位置进行匹配，可以容忍一定程度的指纹图像变形和噪声的干 扰。 用c 语言实现了整套指纹识别算法。经过实验比较，取得了较好的效 果，为以后的研究奠定了一定的基础。 将指纹识别算法应用到e f i ( b i o s ) 下，设计了基于e f i 的指纹识别应用 系统。对e f i 驱动进行了重点研究，根据项目的需要，首次提出并实 现了基于e f i 的指纹算法驱动程序。 1 3 本文的组织 本论文共分五章，每章的主要内容如下： 第一章：绪论。介绍了指纹识别的研究背景，研究现状和目前存在的问题。 第二章：指纹识别算法的研究。分析当前指纹识别算法的研究现状。用c 语 言实现了一套完整的指纹识别算法，并在各个步骤采用不同的算法进行分析和比 较，提出了一些新的算法，包括指纹的预滤波、方向的求取、二值化和指纹匹配。 第三章：e f i 概述。介绍了e f i 的规范，通过对e f i 驱动进行了重点研究， 简要的介绍了e f i 的发展，和指纹识别算法应用在e f i 中的意义。 第四章：基于e f i 的指纹识别应用系统。介绍了基于e f i 的指纹识别应用系 统的组成和实现，阐述了设计开发过程。 第五章：结束语。论文的主要工作总结和未来需要努力的方向。 第二章指纹识别算法的研究 第二章指纹识别算法的研究 2 1 指纹识别技术简介 指纹识别技术的原理与其他生物识别技术的原理类似。它是利用人体的指纹 特征对个体身份进行区分和鉴定。 目前的指纹识别方法分为两大类i l5 j ： 一是以手指毛细孔的位置为识别的基准；二是以手指表面的凹凸脊线为识别 的基准。 利用毛细孔作为识别判断成功率高，因为毛细孔的位置是永远固定不变的， 而且毛细孔的位置不容易受外力的影响，但这种方法的主要困难是设备不易取 得，必须用激光来扫描毛细孔的位置。利用指纹脊线进行识别的指纹容易取得， 指纹采集仪器种类繁多，而且价格比较低，但是采集的指纹容易受外力和各方面 因素的影响，经过多次失真，使得比对的错误率提高。 本文主要讨论以脊线为识别基准的指纹识别方法。 图2 1 指纹识别系统的组成 一般来说，指纹识别系统主要分为如图2 1 所示的几大部分。 1 指纹采集主要是根据指纹的几何特性、物理特性或生理特性，通过各 种传感技术把指纹表现出来，形成数字化表示的指纹图案。 2 指纹分类的目的是为了给大规模的数据库提供一种检索机制，常用于 警用辨识系统，以减少指纹匹配的数量。对于一般民用a f i s ，指纹分 类技术使用较少。常用的指纹分类方法是利用指纹的宏观或总体特征。 第二章指纹识别算 圭的研究 3 指纹的匹配主要依靠指纹细节特征，多用于民用。本文的算法采用的 是指纹匹配系统。 4 指纹的压缩用于大量的保存指纹图像，在公安领域应用比较广泛。 这里介绍一下指纹之间的区别，即特征，主要分为总体特征和局部特征6 。 总体特征就是指那些用人眼可以直接观察到的指纹特征，包括了指纹的纹形 ( 日前主要有环形，拱形和漩涡型，如图2 2 所示) 、模式区( 包括了总体特征的区 域) 、核心区( 纹线渐进中心) 、三角点( 从核心点开始的第一个分支点或末梢点， 或两条纹路会聚处，如图2 - 3 所示) 和纹数( 模式区内指纹纹路的数量，在计算指 纹纹数时，一般先连接核心点和三角区，这条连线与指纹纹路相交的数量即可认 为是指纹的纹数) 等。 ( a 1 环形 ( b ) 拱形( c ) 漩涡型 图2 - 2 指纹纹形 图2 - 3 总体特征 局部特征是指指纹上节点的特征，这些具有某些特征的节点成为细节特征和 特征点。虽然可能出现两枚总体特征相同的指纹，但它们的细节特征却不可能完 全相同。指纹纹路中经常会出现中断、分叉或者转折，这些就被称为“特征点”。 正是这些特征点提供了指纹唯一性的确认信息，包括端点、叉点、毛刺、短线( 孤 立点) 和小环等，其中最典型的是端点和分叉点。 第二章指纹识别算法的研究 图2 4 局部特征 如图2 4 所示，有效的指纹图像区域为前景无效的指纹图像区域为背景， 灰度较低的称为脊线，灰度较高的称为谷线。脊线的末端称为脊线端点，两条脊 线分叉的地方称为分叉点。 2 2 指纹识别算法概述 指纹识别算法的主要研究内容包括j ： 1 指纹图像的几何、拓扑性质； 2 指纹图像的消噪声、增强、二值化和细化算法： 3指纹图像的特征提取方法和特征空间的构成： 4 指纹图像的匹配。 需要解决的重点问题为：寻求相对于尺度、平移、旋转不变的特征量和特征 提取方法：找到指纹图像特征的拓扑结构识别与匹配方法。 典型的指纹识别系统如图2 5 所示： 图2 - 5 典型的指纹识别系统 8 第二章指纹识别算法的研究 预处理是将输 的低质量的，有噪声的指纹图像处理成细化的清晰的二值化 图像，成功的预处理可以提高指纹识别的准确性，预处理般包括图像滤波、增 强、二值化、细化等步骤。 特征提取部分相对来说比较简单，在得到可靠的细化图像后，根据端点和分 叉点的特点，就可以将特征提取出来。 特征匹配一般采用细节点匹配这种细节点匹配算法通过某种变换可以把两 个特征集中的对应点匹配起来。 下面对指纹识别算法的各个步骤进行详细的介绍。 2 3 指纹图像的预处理 2 3 1 指纹图像的获取 对于指纹图像的获取，本文采用杭州中正生物认证技术有限公司生产的指纹 采集仪。利用它采集的指纹图像为2 5 6 级灰度图像，大小为e 2 8 x 1 2 8 个像素。如 图2 - 6 所示。 2 3 2 指纹图像的预滤波 墼霉 图2 - 6 采集的指纹原图 指纹采集仪直接采集进来的指纹图像由于受到压力大小不均、指纹干湿度不 等因素影响，会产生大量的背景噪声，如图2 7 所示。 图2 7 指纹图像背景噪声图 图 第二章指纹识别算法的研究 如果不对背景噪声加以处理，会对后续处理产生不良影响，使处理变得更加 复杂。首先对指纹采集仪直接采集到的指纹图像进行预滤波来消除背景噪声，使 背景部分像素值经过滤波修改为2 5 5 ( 白色) 。 将指纹图像按3 3 大小分块，判断黑色的像素点，其八方向邻域的点为黑色 的个数，如果低于预先设定的阐值，则将该点改成2 5 5 ( 白色1 ，即背景点；如果 高于阐值，则不作修改。经过几次循环，有效地消除了指纹图像中的背景噪声， 如图2 - 8 所示。 圉2 - 8 去脒背景噪声后的指纹图 2 3 3 指纹图像的方向图计算 指纹图像中脊线的方向具有真实性、渐变性等特点并且能以简化的形式直 观地反映指纹图像最基本的形态特征，因此在指纹自动认证系统中具有重要的研 究价值。一般有两种方向图：一种是点方向图，表示原始指纹图像中每一像素点 脊线的方向；另一种是块方向图，表示原始指纹图像中某点区域所有元素的平均 方向。在实际处理中。往往采用块方向图，因为块方向图常常比点方向图有更强 的抗噪性，而且块方向图可以减少计算量，有利于模块化处理。 本文首先实现了r a o 】等人提出的一种利用梯度算子求取方向的方法。 方法如下，假设n ( 疗代表指纹图像中像素点( 1 ，d 的灰度值。 l将规格化的图象分成每块w wp e l 大小的子块，本文w 取值为8 。 2 采用s o b e l 算子求出每个像素点的一阶偏导a ，( “，p ) ( 沿x 轴方向) 和 a ( “，计( 沿y 轴方向) ，其中( “v ) 表示模板中的位置。模板系数如图 2 - 9 所示：匪旺 e 七臼 正捌 x 轴方向y 轴方商 第二章指纹识别算法的研究 图2 - 9s o ) e l 算子模板系数 计算公式如下： a ，国，计= 2 x n ( u ，v + 1 ) + n ( u - 1 ，v + 1 ) + ( “+ l ，v + 1 ) a-2(。“，nv()u：,v-x1)-n一(1u，v-)l,v-1)一-1nv(u+1)l+,v-i)2n ( u - i - u ( uu ( u l ，v 1 ) ( 2 - 1 ) a ( “，v ) = xl ，v )一1 v + 1 ) +一l ，v 1 ) 、 - 2 x n ( u + 1 v ) 一n ( u + l ，v + 】) 一y ( u + 1 ，v 一1 ) 3 用下面的公式计算w w 块的方向口( f ，) 哪；警譬2 硝。珥。) 一w 一 f + 叫，+ 叫 嘶，) = ( ) 一或( 一) u 中一，一 棚= 驯鬻 ( a ) 原始的指纹图像( b ) 指纹块方向图 图2 - 1 0 指纹圈像的方向图 如图2 一l o ( b ) 所示为指纹块方向图，大致表现出了指纹脊线的方向，但是有些 区域不够连续，由于指纹图像方向图的计算一般采用块与块之间不重叠的方式进 行，这样求取的块方向由该块所包含的像素点所决定，没有考虑周围的像素点的 影响，容易造成方向的不连续性。为了克服上述缺点，本文对算法进行了改进， 采用了块重叠方式求块方向。 在求某一小块方向时，以此块为中心扩大块的范围( 本文计算块方向图时，大 块取1 2 x 1 2 ，小块取8 8 ) ，计算大块的方向，然后将此大块方向作为小块方向， 由于引进了相邻块的相关性，以此方法得到的方向图使得整个指纹图像的方向更 加连续得到更准确的指纹方向。实验结果表明，用此方法得到的方向图精度更 高。如图2 1 1 所示。 第二章指纹识别算法的研究 饕潮 ( a ) 原始的指纹图像指纹块方向图 图2 1 i 指纹图像的方向图 2 3 4 指纹图像脊线频率估计 指纹脊线的频率f 是根据指纹图像的脊和谷的结构来确定。从垂直于指纹 图像纹线的方向上看，指纹脊和谷的灰度大致成s i n 平面波的样子，如图2 - 1 2 所 示： 图2 - 1 2 脊线频率方向宙口 将指纹的频率定义在每个w x w 的区域上( 取w = 8 ) ，以w x w 区域的中心点( 为中心，取一个w x l 大小的方向窗口( 1 的取值一般比w 太) ，方向窗口与脊线的 方向垂直。如图2 - 1 2 所示，指纹波形的振幅在方向窗内，从指纹相邻的脊或谷 所经历的平均像素数的倒数，即波形的频率f 。 删= 势川 其中u , v 分别为： “( d 一娑) c o s 觑l ，) + ( ) s m 烈l ，) ，d = o , l ，w f 2 3 1 第二章指纹识别算法的研究 v = ，+ ( j 一刍s i n o ( i ，) + ( 女一；) c o s 口( 1 ，md = 0 j ，。w l( 2 5 7 式( 2 - 3 ) 0 的x k l 为沿脊线方向的w 个点均值，目( f ，j ) 为子块的方向，d ) 为点v ) 的灰度值，i 和w 分别为方向窗口的长和宽。 x k l 构成一个近似离散的正弦波，它的频率和指纹脊线的频率一致。设t ( 切 为x 嘲中相邻两个峰值问的平均像素个数，可以求出指纹脊线频率为： f ( i ，) = 1 ，t ( i ，)( 2 6 ) 如果没有峰值则频率为- i ，为无效频率。 2 3 5 指纹图像有效区域选择 由于输入设备的分辨率有所不同，而且指纹采集的情况也是不同的，园此指 纹图像的清晰度也有所不同。一般将指纹图像不同部分划分为三种区域 6 1 ： 1 脊线清晰的区域：该区域中，指纹的脊和谷清晰可辨。 2 可恢复的区域：该区域中，指纹的脊、谷与噪音共存，通过良好的指 纹图像增强算法，可以有效地恢复指纹的结构。 3 不可恢复区域：该区域中指纹的结构几乎被毁坏，通过增强算法也 不能恢复指纹的结构，如果从该区域里提取指纹特征，会产生大量的 虚假细节。 对于不可恢复的区域，如果将其屏蔽，这样可以减少假细节的产生，而且在 后续的指纹增强过程中可阻直接跳过这些区域从而节省计算时间。这就是指纹 图像的区域选择( r e g i o nm a s k ) 。凡是被标记为不可恢复的区域在后续的滤波去噪 操作里会被填充为背景色如图2 】3 所示。 纛l 圉2 - i3 指纹图像有效区域 l i n h o n g 在文献 1 9 中提出了一种区域选择的算法，是根据脊线的频率根据 闽值来取舍。如果频率大于设定的闽值，或者小于设定的闽值，则认为它是不可 恢复的，将这些点设为背景点。 假设m 为指纹有效区域的模板，m ( i ，) 为点( z j ) 的灰度值，( f ，) 为图像点( j 第二章指纹识别算法的研究 的频率值，阈值为s m i 。s m 默，则 m 化舻嬲慧兰：揽茄乏 亿7 ， 经过这样的一次筛选以后，为了保证指纹图像的连续，还需要对处理后的图 像进行一次后处理，算法如下【2 0 1 ： 膨胀：若某个区域是不可恢复的，但它四周的区域都是可恢复的，那么也标 记它为可恢复的。 腐蚀：若某个区域是不可恢复的，但它四周的区域里三个是可恢复的且有一 个与此区域方向保持连续，那么，这个区域也标记为可恢复的。 边界区域以较高的阈值对待，因为边界区域一般都存在较大的畸变和扭曲， 质量差。 2 3 6 指纹图像增强 m 一x p - 争警+ 警， c o s ( 2 咖咧， 亿8 ， 脚m荔尊1一(u-2zrf)sinfk2(vcos#)2_卜， 2 碱驷p h 半+ 蜓警巡】 1 4 第二章指纹识别算法的研究 v 。= 一“s i n 0 + v c o s 0 “。：2 t 7 了c o s 一8 ，v 。：2 r r _ s i n 8 ，吒：1 ( 2 碱) ，t ：1 ( 2 2 5 “2 7 一“2 一。v “，( 2 “一m 2 圈2 - 1 4 一个偶对称的g a b o r 滤波器的m t f ( 2 1 3 ) r 2 1 4 1 根据前面求出的图像方向和频率参数，就可以对指纹图像进行g a b o r 滤波了 设指纹灰度图为g ( i d ) ，指纹方向图为目n ，) ，指纹的频率图为f ( i ，) ，图像掩码 图为r ( 啪，滤波的窗口大小为w ，增强后的指纹图像表示为： 1 2 5 5 当r ( i o ) = o 时 耳门2 1 芝兰蛐1 ，；骶n m 肋g ，j 叫瓠；0 时 f 2 。1 5 ) i “w n 实验结果如下图所示： 罄囡圈 原图 2 3 7 指纹图像的二值化 去噪前增强 去噪后增强 图2 一1 6 指纹增强图 图像二值化就是通过设定阈值将指纹灰度图变成一幅二值图像，使指纹的 脊和谷分别用黑色和白色来表示。图像的二值化可以通过如下的方法来处理： 第二章指纹识别算法的研究 假设阈值为s ，g ( i ，j ) 为指纹图像点( 1 j ) 的灰度值，则 娟= 嬲薹 p 旧 通常，用二值图中的i 来表示脊线，用0 来表示谷线。二值化的方法很多， 关键在于闽值s 的选择。一般闽值可咀分为全局阐值和局部闽值两类。全局阈值 是对整个图像采用一个阐值进行划分，如同定阙值法，而局部阈值是将图像分为 一些子块，然后对每一个子块选择一个阚值，进行划分，如动态闽值法。 本文分别采用了固定闽值法和动态阈值法，并将处理后的效果进行比 较。 l 固定阐值法 固定闻值法要找到一个固定的灰度值s ，以它作为闽值使得指纹图像二值化 后效果最好。 对于指纹仪采集到的指纹图像进行实验，得出s = o x 8 0 时效果最佳。 将s 设定为闽值，对整个指纹图像进行扫描，将灰度大于s 的像素点灰度值 改为2 5 5 ，反之为0 。这种阈值方法虽然简单，但是却难以确定一个适合于整幅 图像的阐值，因此，这样的方法通常会带来大量的脊线被破坏的后果并且由于二 值化不均匀而产生大量新的噪声。实验图像结果如下图2 - l7 所示。 訇匦 增强后的图像 固定闽值二值化 图2 一1 7 固定闽值二值化图 2 动态阀值法 动态阈值法主要根据指纹图像中每一块的明暗度来调整阚值，每一块按自己 的闽值进行二值化。动态阐值法仅是一个变换，即在一个l l t 的方块中，先求出 此方块内像素的平均灰度值，大于此平均灰度的像素点的灰度设为2 5 5 ，反之设 为0 。 m 为n x n 的方块的平均灰度值，g ( j ，) 为指纹图像点( 0 ) 的灰度值。 ”2 去善；烈“力 ( 2 1 7 ) 第二章指纹识别算法的研究 g ( ，) ：1 2 5 5 8 1 。：2 竺 (2一18，l m 川2 o 她) m 却 上述算法有可能会引入背景噪声，为了防止背景块由于这种方法求出的闽值 过低而引入噪声，本文改进了算法，加入一个判断条件，以保证背景块能够从前 景中分离出来。具体办法是：将闽值与给定值y 进行比较。如果阈值太于给定 值，则以该闽值为标准，作二值化处理，否则相应子区二值化结果直接赋值为0 ， 公式如下： 巾，) = f 2 5 5”7 警) 捌( 2 - 1 9 ) 舭。) _ o m y 或g ( f ，小m 本文将y 值设为5 0 ，这样做能很好地防止闰值过低而引入新的噪声。 根据实验n = 8 时，效果最好，效粜如图2 1 8 所示。 翮匦 2 3 8 指纹图像的细化 改进前改进后 圈2 - i8 指纹的动态阁值二值化图 细化又称为骨架化；在图像处坪中占有重要地位，是图像分析，信息压缩 特征抽取及模式识别中的常用技术。 一种好的细化算法应满足下列条件： 1 骨架纹线必须保持原图像的连通性： 2 骨架纹线的宽度为1 个像索； 3 骨架纹线尽量是原图像的中心线； 4 迭代次数尽可能少。 已有的细化算法按迭代方式不同分为串行算法和并行算法。 串行细化算法，当前迭代的结果不仅取决于前一次的迭代图像，而且与当前 处理情况有关；并行细化算法，当前迭代则仅仅由前一次的迭代情况决定。由于 串行细化算法的处理结果依赖于对像素处理的先后顺序，因而像素点的消除或保 留不可预测；而并行细化算法在对图像进行细化时则由于利用相同的条件同时检 第二章指纹识别算法的研究 测所有像素点，其结果具有各向同性，因此从算法原理上看，并行方法优于串行 方法。 由于并行细化算法具有快速而准确的特性，因此它一直是人们研究的热点， 并且相应地提出了许多并行细化算法，o p t a 细化算法是现今较为典型的图像模 块细化算法【2 4 1 。 本文分别采用了经典的o p t a 模板细化算法【2 4 】和改进的模板细化算法 2 5 】，并 将处理后的效果进行比较。 1 经典o p t a 算法 o p t a 算法从图像的左上角元素开始进行，每个像素均抽取出1 0 个相邻像 素，并且与8 个预定义的模板比较，如果8 邻域像素和8 个细化模板中的一个匹 配时，则去除中心像素，否则保留中心像素。为了保持连通性，抽取的元素再和 两个保留模板a ，b 进行比较，如果抽取邻域的第二行和模板a 中的第二行匹配或 者抽取邻域的第二列和模板b 中的第二列匹配的话，则中心像素仍保留，否则中 心像素才真正删去。 这种算法按从左上角到右下角的顺序进行，处理完以上的过程为一次迭代， 这种迭代反复进行，直到没有一个像素的值被改变为止，迭代的次数依赖于图像 的大小和纹线的形状。 q q q qpq q q q q q 图2 1 9o p t a 算法抽取的邻域 0 0 1 l 0 l 0 0 01l l 1 1ll 0 0 0 1 01 l 00 l 0 110 x l 0 ( e )( f ) ( g ) m ) 第二章指纹识别算法的研究 图2 2 0o p t a 消除模板 保留模板 发现处理出来的骨架纹线有较多的 燮 指纹原图 指纹细化图 图2 2 2 指纹细化图 2 改进的模板算法 在o p t a 算法