（电力电子与电力传动专业论文）基于arm的指纹识别研究与实现.pdf

西南交通大学硕士研究生学位论文 第1 f 页 a b s t r a c t a st h er a p i dd e v e l o p m e n to fi n f o r m a t i o ns c i e n c ea n dt e c h n o l o g y , w i t hah i g h e rs e c u r i t y i d e n t i f i c a t i o nt e c h n o l o g yh a sb e c o m et h e f i r s tc o n s i d e r a t i o nf o rm a n ys y s t e m s t h e t r a d i t i o n a lp a s s w o r da n dt o k e n b a s e di d e n t i f i c a t i o nt e c h n i q u e se x i s t sp o t e n t i a ls a f e t yh a z a r d s u c ha se a s i l yl o s sa n dt h e f t ，w h e r e a st h eb i o l o g i c a lc h a r a c t e r i s t i c so fa u t h e n t i c a t i o np r o v i d e s am o r er e l i a b l es o l u t i o n b i o m e t r i ci s b i o l o g i c a l b a s e dt e c h n o l o g yu s i n g i n f o r m a t i o n p r o c e s s i n gt e c h n o l o g yw h i c hc o m b i n e sb i o l o g i c a l f e a t u r e so r g a n i c a l l y a m o n gt h em a n y b i o m e t r i ct e c h n o l o g i e s ，f i n g e r p r i n tr e c o g n i t i o nt e c h n o l o g yi st h em o s tw i d e l yu s e d ，w h i c h h a v em a n ya d v a n t a g e ss u c ha su n i v e r s a l ，p e r m a n e n t ，c o l l e c t a b l e ，e a s i l yr e a l i z a t i o n s oi th a s b e c o m eo n eo ft h em o s te f f e c t i v eb i o m e t r i ct e c h n o l o g i e s ，a n dw i d e l yu s e di na t t e n d a n c e t e r m i n a l s ，c r i m i n a li d e n t i f i c a t i o n ，i n f o r m a t i o ns e c u r i t ya n do t h e rf i e l d sb e c a u s eo ft h el o w e r i m p l e m e n t a t i o nc o s tc o m p a r e t ot h eo t h e rb i o m e t r i c s f i n g e r p r i n tr e c o g n i t i o nt e c h n o l o g ye x t r a c tf i n g e r p r i n tf e a t u r e si nt h ef i n g e r p r i n ti m a g e ， a n dt h e nt h ec h a r a c t e r i s t i c so ft h et w of i n g e r p r i n t sa r ec o m p a r e db yac e r t a i na l g o r i t h m ， f i n a l l ya n a l y s i st h em a t c hr e s u l t sf r o mt w of i n g e r p r i n t st od e c i s i o n t h ec u r r e n tf i n g e r p r i n t i d e n t i f i c a t i o nh a sb e c o m ea l le f f e c t i v em e a n so fp e r s o n a li d e n t i f i c a t i o n ，n o wt h eu r g e n t r e q u i r e m e n t so fi n f o r m a t i o ns e c u r i t ym a k e sa 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 mb ea h o t s p o t ，e v e nt h o u g ht h em a r k e th a sm a n yo ft h es h a p eo ft h ef i n g e r p r i n ti d e n t i f i c a t i o n p r o d u c t s ，b u tt h ea c c u r a c y a n df l e x i b i l i t yo ff i n g e r p r i n tr e c o g n i t i o nc a n n o tm e e tt h e r e q u i r e m e n t so fp r a c t i c a la p p l i c a t i o nb e c a u s eo fm a n yf a c t o r ss u c ha st h en o i s ef i n g e r p r i n t i m a g ei t s e l f , t h es k i nf l e x i b i l i t y , a n dm a n yr e s e a r c hr e s u l t sa r en o ty e to p e nf o rb u s i n e s s i n t e r e s t s t h ei d e a lf 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 ss t i l lav e r yd i f f i c u l tr e s e a r c ht a s ka t p r e s e n t t h i st h e s i su s e s3 2 - b i ta r m 9c o r ep r o c e s s o r $ 3 c 2 4 4 0 aa st h em a s t e rc o n t r o l l e r , a n d u s e st h ef i n g e r p r i n ts e n s o rc h i p s e t f p s 2 0 0t oa c q u i r ef i n g e r p r i n ti m a g ed a t a , a c h i e v e dt h e f i n g e r p r i n td a t ac o l l e c t i o nt h r o u g h t h es e r i a lp o r to np c t h e ns e v e r a lf i n g e r p r i n tr e c o g n i t i o n a l g o r i t h m sw e r er e s e a r c h e d ，s i m u l a t e d a n d c o m p a r e d ，w h i c hi n c l u d e t h e f i l t e r i n g ， s h a r p e n i n g ，i m a g eb i n a r y z a t i o n , d i r e c t i o n a ld i a g r a m ，a n di m a g et h i n n i n g e t c i n p r e p r o c e s s i n g t h i sp a p e r a l s or e s e a r c h e dt h ec h a r a c t e r i s t i c p o i n t s e x t r a c t i o na n d c h a r a c t e r i s t i cm a t c ha l g o r i t h mi nd e t a i l f i n a l l yo n eo ft h ea l g o r i t h m sw a ss e l e c t e da n d p r o g r a m m e db yi n t e g r a t e dd e s i g ne n v i r o n m e n tc + + b u i l d e r k e yw o r d s ：f i n g e r p r i n ti d e n t i f i c a t i o n ；f p s 2 0 0 ；p r e p r o c e s s i n g ；m i n u t i a ee x t r a c t i o n ；m i n u t i a e m a t e h i n g 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密使用本授权书。 ( 请在以上方框内打“、”) 学位论文作者签名：l 捆 j 一 日期：卅加s 3 0 舯柳虢左派 吼 扣r 多口 日期：泸r ) 西南交通大学硕士学位论文主要工作( 贡献) 声明 本人在学位论文中所做的主要工作或贡献如下： 1 对指纹识别算法及其实现基本过程进行研究； 2 用a r m 开发板控制指纹采集模块对指纹进行采集； 3 利用m a t l a b 仿真对比指纹识别算法并选取算法； 4 通过串口对p c 和a r m 开发板进行数据传输； 5 对选取的算法进行编码，通过c 抖b u i l d e r 编写的软件实现指纹识别。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：j 司j 司 日期：m 箩如 西南交通大学硕士研究生学位论文 第1 页 1 1 引言 第l 章绪论 人们的日常生活离不开身份鉴别，对身份鉴别的需求也推动了鉴别手段的发展。 早在科技落后的古代，传令兵把军队统帅的命令传达下去时，为证明自己的身份，需 要携带令箭等信物【l j 。锁和钥匙这种机械式的系统，就是比较原始、简单而又实用的识 别系统。随着科技的发展，人们的生活也越来越方便，持卡消费，网上交易已成为时 尚，然而，在我们享受着信息化所带来的好处的同时，钥匙、密码等传统身份鉴别方 法所存在的先天性的安全缺陷已使越来越多的人付出了沉重的代价。因为主要借助于 体外物，一旦证明身份的标识物品和标识知识被盗或遗忘，其身份就容易被他人冒充 或取代。要想提高其安全性，这就需要更长的密码或者更复杂的加密系统，这就增加 了使用者的负担和使用成本口j 。以上这些身份鉴别手段最大的问题在于：它们都是以物 识人，而不是验证其本人。从本质上来说，这些物或知识与人本身没有本质的固有的 联系，其漏洞是显而易见的，在一定条件下，易被他人获取，而一旦发生了这种情况， 以上的这些识别方法即使技术再先进也都将变得毫无意义。受启发于人的身体特征不 可复制、具有其唯一性并“携带方便”等特点，人们开始把目光转向生物识别技术。 生物识别指的是利用可以测量的人体生物学或行为学特征来核实个人的身份。生 物学特征很难在个体之间传递，可以被认为是我们独一无二的标志。如果我们能通过 友好的用户界面来自动地完成验证过程，生物识别就可以应用到众多的领域中。目前 已经出现了许多生物识别技术，如指纹识别、手掌几何学识别、虹膜识别、视网膜识 别、面部识别、签名识别、声音识别等，但其中一部分技术含量高的生物识别手段还 处于实验阶段【3 j 。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。下面对几种生物识别技术做些简单介绍：视网膜也是一种被用于生 物识别的特征，视网膜识别技术要求激光照射眼球的背面以获得视网膜特征的唯一性。 视网膜识别使用光学设备发出的低强度光源扫描视网膜上独特的图案。有证据显示， 视网膜扫描是十分精确的，但它要求使用者注视接收器并盯住一点。这对于戴眼镜的 人来说很不方便，与接受器的距离很近，也让人不太舒服。所以尽管视网膜识别技术 本身很好，但用户对它的接受度低。虹膜是一种在眼睛中瞳孔内的织物状的各色环状 物，每一个虹膜都包含一个独一无二的基于像冠、水晶体、细丝、斑点、结构、凹、 射线、皱纹和条纹等特征的结构1 4 j 。虹膜识别使用相当普通的照相机元件，而且不需要 用户与机器发生接触。另外，它有能力实现更高的模板匹配性能，它有潜力成为将来 生物特征识别技术的主流。面部识别技术通过对面部特征和它们之间的关系来进行识 西南交通大学硕士研究生学位论文 第2 页 别，识别技术基于这些唯一的特征时是非常复杂的，这需要人工智能和机器知识学习 系统，用于捕捉面部图像的两项技术为标准视频和热成像技术。目前为止，面部识别 在实际应用中还很少成功。但一旦克服了技术障碍，它将成为一种重要的生物识别方 法。声音识别就是通过分析使用者的声音的物理特性来进行识别的技术。声音识别是 一种行为识别技术，声音识别设备通过不断地测量、纪录声音的波形和变化，将现场 采集到的声音同存储过的声音模板进行匹配来判定是否是同一个人的声音【5 j 。目前，虽 然已经有一些声音识别产品进入市场，但使用起来还不太方便，这主要是因为传感器 和人的声音可变性都很大。另外，比起其他的生物识别技术，它使用的步骤也比较复 杂，在某些场合显得不方便。 相对于其它生物识别技术而言，指纹识别是一种更为理想的身份验证技术，指纹 有如下两个突出的优点： ( 1 ) 稳定性：指纹具有很强的相对稳定性。从胎儿六个月指纹完全形成到尸体腐 烂，指纹纹线类型、结构、统计特征的总体分布等始终没有明显变化。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1 6 j 。但从总体上看，指纹是相对稳定的。 ( 2 ) 独特性：指纹具有明显的独特性。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的时候形成的，因此同卵双胞胎的指纹也是不相 同的。不仅是人与人之间，同一个人的十指指纹也有明显的区别。 除上述优点外，指纹识别还有着成本和易于采集等方面的优势，因此找到并开发 一种适用的自动指纹识别系统具有重要的现实意义和应用价值。 1 2 指纹识别的历史与现状 指纹识别可谓历史悠久，本是一种古老的身份识别技术。几千年以前，中国人、 盎格鲁一撒克逊人和古叙利亚人就曾经采用其作为身份鉴别的方法【7 j 。而随着现代计算 机技术和信息处理与识别技术的不断进步，现代指纹识别技术已发展成为一种成熟、 应用广泛的生物特征识别技术，而且指纹具有唯一性、稳定性、随身性、便于采集等 优点，这使得指纹识别技术优于其他人体生物特征识别技术。 现代指纹识别技术的研究是从十六世纪开始的。1 6 8 4 年，英国植物学家g r e w 发 表了人类对指纹识别技术进行科学研究的第一篇论文，研究了指纹纹线脊，谷和孔状 结构的对称性。从此以后，很多人开始了致力于指纹识别技术的研究。 2 0 世纪6 0 年代末，以电子计算机技术为代表的信息技术逐步兴起，计算机技术开 始进入指纹识别领域，为指纹鉴定的自动化带来了新的解决思路、新的实现方法和新 的处理途径。此时美国有人开始提出用计算机图像处理和模式识别方法进行指纹分析 以代替人工比对，就是“自动指纹识别系统 。 到7 0 年代，由于计算机的广泛应用及模式识别理论的发展，世界各国都争相开发 西南交通大学硕士研究生学位论文第3 页 和使用自动指纹识别系统，到2 0 世纪7 0 年代末，些实用系统已经出现，如加拿大 警方首次应用激光进行指纹检验；日本立石电机公司8 0 年代研制出了指纹核对机；美 国人福勒8 0 年代设计了指纹电子检验系统；19 8 2 年日本n e c 首次向警方提供了 a f i s f 8 1 。 有关指纹识别的研究与应用，西方国家起步比我国早。国外很多国家都有公司或 专门机构在从事自动指纹识别技术的研究，美国在这一领域的研究水平居于世界最前 沿。我国的生物识别行业的起步晚了1 0 年左右，起步于九十年代初期。在初期时与世 界发展水平有一定差距，但是起步后的发展速度很快，并部分通过直接引进，跨越了 一些技术积累阶段，所以在技术层面逐渐赶上了世界发展水平。当前，国内从事自动 指纹识别技术研究和产品销售的公司也有很多。基本上可以分成两类：一类是主要从事 国外产品代理业务的公司。这类公司的数目较多，如：湖南金信、济南同飞、哈尔滨 赛恩斯等公司。另一类是主要从事自主研究开发的公司和研究单位，数目相对较少， 以中科院自动化研究所、西安交大、北大高科、北京四方远大公司和长春鸿达集团等 为代表。国内部分研究成果在国际上具有比较先进甚至领先的研究水平。其中中科院 自动化所对指纹识别技术的研究处于国内的领先水平，他们提出的混合匹配的自动指 纹识别算法，解决了指纹识别中的高匹配率、特征信息量小、识别速度快的问题。在 2 0 0 4 年，这种算法在国际f v c 2 0 0 4 竞赛中取得了优异成绩，在国际同行中很有影响。 与此同时，浙江中正于2 0 0 0 年开发出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。在2 0 0 9 年中国科学家自主研发出了全球第一款指纹识别电 子签名芯片，一举填补国内指纹识别芯片研发和生产空白1 9 j 。 现在，世界己进入了信息网络时代，现行的系统安全性技术已经面临着严重的挑 战，随着现代电子技术和通信技术的发展，自动指纹识别技术有了很快的发展，正在 逐渐成为一种成熟的身份认证技术。指纹识别技术的发展主要表现在以下几个方面： ( 1 ) 现有传感器技术的改进及其新型指纹传感器的出现。目前传统的光电式指纹传 感器占据比较大的市场，通过改善光学部件的加工工艺，可以极大降低光电式传感器 的体积；半导体指纹传感器的改进主要体现在如何增大采集面积、改善其抗磨损能力 和提高图像分辨率等方面；随着自然科学的不断发展和各个学科间的相互渗透交融， 新的传感理论和新的材料也不断出现，新型的传感器开始不断进入市场，如薄膜型指 纹传感器、光纤型指纹传感器、电致发光型指纹传感器，新型传感器的出现使采集的 指纹图像效果更好，指纹便于识别。 ( 2 ) 指纹识别算法的改进。指纹识别算法的研究主要集中在各种嵌入式系统和互联 网的应用中，算法性能不断提高，同时为了提高防伪辨伪的能力，在一些指纹识别设 备的算法中，还加入了对真皮层特性、脉搏、血流分布、微循环等活体生命特征的识 别功能，为有效杜绝用假手指作弊做出了有益尝试； ( 3 ) 指纹识别产品的发展。目前民用指纹识别技术与设备的发展已从第一代的“主 机一处理终端联机一图像输入设备”模式迅速过渡到第二代的“p c 一传感器联机式” 西南交通大学硕士研究生学位论文 第4 页 和第三代的“独立式”。随着超大规模集成电路技术的发展，又使嵌入式核心模块向专 用指纹识别i c 发展，使其体积减小至指甲盖般大小，这就是第四代“晶片式”指纹识 别设备。 1 3 指纹识别的原理和方法 1 3 1 指纹识别的原理 指纹图像比较复杂，对指纹图像的处理也与人工处理不同，我们一般并不直接存 储指纹的图像，各个公司及其研究机构研究了许多使指纹图像数字化的算法( 在美国， 指纹图像属于个人隐私，不能直接存储指纹图像) 。但指纹识别算法最终都要归结为在 指纹图像上找到并比对指纹的特征。 指纹有两类特征来进行指纹的验证：总体特征和局部特征。 ( 1 ) 总体特征是指那些用人眼直接就可以观察到的特征，包括一些基本纹路图案： 环型( 1 0 0 p ) 、螺旋型( w h o r l ) 、弓型( a r c h ) 。其他的指纹图案都基于这三种基本图 案。但仅仅依靠这些图案类型来分辨指纹是肯定是不够的，不过这只是一个粗略的分 类，这会使得我们在数据库中搜寻指纹时更加方便i l 。 模式区( p a t t e r na r e a ) ：是指指纹上包括了总体特征的区域，即我们从模式区就 能够分辨出指纹属于那一种类型。有些指纹识别算法只使用模式区的数据就够了。 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，它通常作为读取指纹和 比对指纹时的参考点。 三角点( d e l t a ) ：三角点位是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、折转处，或者指向这些奇异点。三角点为我们提供了指纹纹路的计数和 跟踪的开始之处。 纹数( r i d g ec o u n t ) ：是指模式区内指纹纹路的数量。在计算指纹的纹数时，一 般先连接核心点和三角点，这条连线与指纹纹路相交的数量我们就把它认为是指纹的 纹数。 ( 2 ) 局部特征是指指纹上的节点。两枚指纹经常会具有一样的总体特征，但它们 的局部特征却是不可能完全相同的1 1 1 j 。 节点( m i n u t i ap o i n t s ) 指纹纹路并不是连续的，平滑笔直的，而是会经常出现 一些中断、分叉或打折。这些断点、分叉点和转折点我们把它称为“节点”。 指纹图像上的节点有四种不同特性【1 2 】： a 分类：节点有以下几种类型，最典型的是终结点和分叉点。 终结点( e n d i n g ) ：一条纹路在此终结。 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。 西南交通大学硕士研究生学位论文 第5 页 孤立点( d o to ri s l a n d ) ：一条特别短的纹路，以至于成为一点。 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。 环点( e n c i 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。 短纹( s h o r tr i d g e ) ：一端较短但不至于成为一点的纹路。 b 方向( o r i e n t a t i o n ) ： 节点可以朝着一定的方向。 c 曲率( c u r v a t u r e ) ：描述纹路方向改变的速度。 d 位置( p o s i t i o n ) ：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。 1 3 2 指纹识别的方法 指纹识别技术主要涉及到几个过程：首先采集指纹图像，然后把指纹图像进行处 理，提取指纹特征后保存数据，最好对指纹进行比对。 采集的指纹图像有很多噪音。这主要由于传感器所处的环境以及指纹的状态并不 会十分的理想。图像增强是减弱噪音，增强脊和谷之间的对比度。想得到比较干净清 晰的图像并不是容易的事情，处理指纹图像所涉及的操作是非常多的。 大多数图像增强的方法是通过过滤图像与脊局部方向相匹配。图像首先分成几个 小区域( 窗口) ，并在每个区域上计算出脊的局部方向来生成方向图。设计合适的，相 匹配的滤镜，使之实用于图像上所有的像素。根据每个象素处脊的局部走向，选用滤 镜增强在同一方向脊的走向，并且在同一个位置上，减弱任何不同于脊的方向。后者 是含有横跨脊的噪音，这样其垂直于脊的局部方向上的那些不正确的“桥”就会被滤 镜过滤掉。 图像增强，噪音减弱后，我们把指纹图像二值化，图像就从灰度图变成二值图像， 图像在强度层次上从原始的2 5 6 色( 8 - b i t s ) 降为2 色( 1 b i t s ) 。图像二值化后，随后的 处理就会比较容易。二值化的困难在于，并不是所有的指纹图像有相同的阀值，所以 一般不采取单一的阀值入手，而且单一的图像的对照物也是变化的【j 川。可以采用局部 自适应的阀值( 1 0 c a l l ya d a p t i v et h r e s h o l d i n g ) 的方法来决定局部图像强度的阀值。二值 化以后图像要经过细化，这是将脊的宽度降为单个像素的宽度。一个好的细化方法是 保持原有脊的连续性，降低由于人为因素所造成的影响。细化以后的提取特征点后就 可以进行指纹比对了。 1 4 本文研究内容及文章结构 本课题主要研究了三个内容： 首先，对指纹采集模块进行设计，本课题选取了f p s 2 0 0 指纹传感器来对指纹进行 西南交通大学硕士研究生学位论文第6 页 采集。对f p s 2 0 0 的三种指纹采集方式进行研究对比，并针对其寄存器特性与管脚资源， 对指纹采集模块进行设计。 其次，对指纹识别算法的研究。指纹识别算法主要包括图像预处理、特征提取和特 征匹配。在预处理部分主要包括归一化、滤波、锐化、方向图计算、二值化、细化等 算法。特征提取是在细化图的基础上对每一个脊线点的8 邻域进行判定得出的。对特 征匹配算法进行研究，选用全等三角形法找到基准点，然后把特征点作极坐标变换， 在极坐标状态下对比特征信息来判定两幅图像是否来自同一指纹。 最后，把指纹采集模块和s a n s u n g 公司的$ 3 c 2 4 4 0 a 处理器连接起来，构建自 动指纹识别系统，硬件方面主要完成开发板对指纹采集模块的控制及其与上位机的通 讯连接，软件部分主要完成指纹图像采集程序、指纹识别算法程序和串口通信程序的 开发，通过串口实现指纹数据上传到上位机，利用c h b u i l d e r 软件编写了简易的人机 交互软件，该软件提供指纹图像的直观显示，并用于对指纹识别算法进行测试，同时 对测试结果进行分析。 本文主要的结构安排如下： 第一章绪论，主要介绍了生物识别技术，其中重点介绍了指纹识别技术，对其历史 与现状做了较全面的阐述，对其特点和应用做了总结。 第二章指纹识别算法，主要从图像的预处理、特征提取和特征匹配几个方面进行， 其中预处理的流程比较多，主要为了方便后期的特征提取。 第三章指纹采集模块的设计，主要从指纹传感器的选取到指纹传感器电路的设计做 了详细的叙述，再到采集模块的软件设计。 第四章指纹识别系统的软件设计，首先介绍指纹识别算法的实现，其次串口通讯的 实现和上位机软件的实现。 最后对论文进行总结与展望，对做的工作进行总结，对课题一些可以改进的方面进 行展望。 西南交通大学硕士研究生学位论文 第7 页 第2 章指纹图像处理算法 2 1 指纹识别算法概述 通过指纹传感器采集的指纹图像，是手指表面脊和谷的映像组合。每个人都有独 有的指纹特征，表现为脊和谷的特征及其关系。采集的指纹图像需要经过一系列处理 后才能更好地提取指纹特征进行识别，这需要通过指纹识别算法来实现。一般的指纹 识别系统的算法主要由以下几个模块构成：指纹图像预处理、指纹特征提取、指纹匹 配如图2 1 。 2 2 预处理 图2 1 指纹识别算法流程 指纹图像预处理是指纹识别中不可缺少的步骤【14 1 ，它可以去除采集的指纹图像的 噪声，消除低质量图像的影响，为后续的指纹特征准确提取提供保证。本文的预处理 过程主要包括归一化、图像滤波、锐化、二值化、和细化等步骤如图2 2 。每经过一个 步骤的处理都可以改善图像质量，方便后续的处理。 2 2 1 归一化 图2 2 预处理流程 指纹采集设备在采集指纹图像时，由于手指接触的压力不同、指纹传感器表面的 西南交通大学硕士研究生学位论文 第8 页 残留噪音和光线强度等因素，使得采集的指纹图像在灰度图分布上有很大的差异，如 果差异过大，会影响图像处理的难度【l5 1 。因此我们需要把采集的不同指纹图像进行归 一化处理，即将指纹图像都转换成同一均值和方差，把它的灰度值和对比度调整到固 定的级别上，这样就为后续的处理提供了一个统一的图像规格。 归一化并不会改变指纹图像中的纹理信息，也不会改变指纹的脊线和谷线的清晰 程度，它有效地降低了沿脊线和谷线方向的灰度变化程度，为后续处理做好准备。 规格化的步骤是： 先计算整幅指纹图像的灰度均值和方差： m = 圭z e , i ( i ，) ( 2 1 ) m ，2t = o ，一n “7 瑚尺= i 1 - 丢m - 1 善n - 1 ( ，( 屯) 一m ) 2 c 2 2 ) 按如下公式对指纹图像进行归一化： j ( i ，j ) = m m o ，( f ，) m o ( 2 - 3 ) ，( f ，) a 他v p ，f + 4 1 c 2 - ，7 ， 西南交通大学硕士研究生学位论文 第19 页 根据指纹图像的良好的方向性和纹理性，借助指纹的方向信息来二值化的算法能 够把局部的自适应性和指纹灰度图像的方向信息结合起来，具有较强的抗干扰能力， 也更加优化了常规二值化的处理效果。图2 1 9 为采用方向图进行二值化的效果图。 2 2 5 2 二值化后去噪 图2 1 9 方向图二值化 二值化以后的指纹图像虽然消除了大量原图像中的气泡，但由于灰度去噪的不完 全和二值化当中可能引入新的噪声，指纹图像的脊线上还是存在极少数的气泡，边缘 也还存在少量毛刺。如果不对它们进行处理，对图像细化后它们可能成为伪特征点， 所以二值化后还需要进行一次去噪，对脊线上的空洞进行填充操作，对背景中的毛刺 进行删刚2 6 j 。 对于像素点s 点进行填充或删除，采用8 邻域模板来判断，如图2 2 0 所示，s 点 周围的元素按顺时针排列。 s 8s 1s 2 s 7ss 3 s 6 s 5 s 4 图2 2 08 邻域 1 填充操作 对同时满足下列两个条件的像素点s 进行填充操作： ( 1 ) 像素点s 为o ； 西南交通大学硕士研究生学位论文第2 0 页 ( 2 ) 像素点s 的四邻域( s l ，s 3 ，s 5 ，s 7 ) 中有3 个及以上的像素点为1 。 示例如图2 2 1 ； 111l1 l 101ll1 0 oo 0 o 0 图2 2 1 填充示例 2 删除操作 对同时满足下列三个条件的像素点s 进行删除操作： ( 1 ) 像素点s 为1 ； ( 2 ) ( s 1 + s 2 + s 3 ) ( s 5 + s 6 + s 7 ) + ( s 3 + s 4 + s 5 ) ( s 7 + s 8 + s 1 ) = o ； ( 3 ) 像素点s 不是端点。 示例如图2 - 2 2 ； l l 11 1 1 0 1 o0 o o o0 0 0o o 图2 - 2 2 删除示例 进行填充空洞和去除毛刺以后的指纹图像如图2 2 3 ，可以看到指纹的脊线中空洞 减少了很多，而背景中的毛刺现象也有明显改善。 图2 2 3 去噪图 西南交通大学硕士研究生学位论文 第2 1 页 2 2 6 细化 经过二值化的指纹图像，纹线还有一定的宽度，而宽度对后期的算法无影响，指 纹特征提取和匹配只对纹线的走向感兴趣。为了提高指纹的识别性，需要对二值化后 的指纹图像进行细化，这样不仅大大减少了冗余的信息量，还突出了指纹的主要特征， 方便后期的特征提取。 细化有称骨架化，在不影响原拓扑结构的情况下，快速而准确的将宽度大于一个 像素的图像转变为一个像素宽的线条图形，在指纹图像中就是删除指纹纹线的边缘像 素，使之只有一个像素宽度，细化后的纹线近似于原指纹图的中轴线1 2 。 细化算法应该满足下面的条件： ( 1 ) 保证细化后的图像骨架现状不变； ( 2 ) 保证细化后的图像的连通性不变； ( 3 ) 算法是收敛的； ( 4 ) 细化后图像应尽可能接近纹线的中心线； ( 5 ) 指纹的细节特征没变； ( 6 ) 算法简单快速。 细化算法的种类很多，按细化顺序来分可分为：串行细化和并行细化。目前使用 较多的细化算法是快速细化算法和改进的o p t a 细化算法。快速细化算法是4 连通的 并行细化算法，它通过判断指纹纹线的边界点来逐步删除节点，该算法速度很快，但 它的缺点是细化不彻底。改进的o p t a 细化算法是串行细化算法，它通过构造的消除 模板和保留模板来和原图像比较，以决定是否删除某些像素值，达到细化图像的目的。 这种算法基本能够保证细化后的图像是单像素宽，但是会产生很多毛刺。基于两种算 法的优缺点考虑，本文选取的细化算法综合两种算法，先对指纹图像采用快速细化算 法，细化后的图像再进行改进的o p t a 细化算法，这样既细化彻底，也有效地减少了 毛刺。 首先介绍下面要用到的几个基本概念： ( 1 ) 目标点和背景点：目标点指图像中灰度值为1 的像素点，背景点是指灰度值 为0 的像素点。 ( 2 ) 4 邻点和8 邻点：如图3 2 0 ，像素点s 的8 邻点即为以s 为中心的3 3 区 域中的8 个邻点s 1 到s 8 ，而s 1 、s 3 、s 5 、s 7 就为像素点的4 邻点。 ( 3 ) 8 连通性和4 连通性：8 连通性是指一点的8 邻点中至少有一点为目标点。4 连通性是指一点的4 邻点中至少有一点为目标点。 ( 4 ) 边界点：属于目标点，它的4 邻点中至少有一个背景点。 西南交通大学硕士研究生学位论文第2 2 页 2 2 6 1 快速细化算法 快速细化算法【2 8 】是通过先找到指纹的边界点，再判断性的逐步删除边界点。算法 对同时满足下列条件的像素点s 进行删除： ( 1 ) 像素点s 为纹线的边界点； ( 2 )2 s u m 6 ，取像素点s 的8 领域如图2 2 0 ，特征量s u m 计算如下： 卫 s u m = s i ( 2 1 8 ) j i - 一 t = l ( 3 )s 1 木s 3 木s 5 = 0 或s 1 牛s 3 宰s 7 = 0 ( 4 )s 3 宰s 5 奉s 7 = 0 或s 1 宰s 5 木s 7 = 0 快速细化算法计算速度比较快，但细化并不是很彻底，细化后的指纹图的纹线还 有的不是单像素宽。 2 2 6 2 改进的o p t a 细化算法 o p t a 算法是经典的模板细化算澍2 9 】，它对图像中的每个像素抽取1 0 个邻域像素， 并与8 个消除模板和2 个保留模板进行比较，从而判断中心点像素是否删除。改进的 o p t a 细化算法改善了原来o p t a 算法的消除模板和保留模板不一致的情况，构建了统 一的消除模板和保留模板，来实现图像的细化，使细化效果有明显的改善。抽取模板 如图2 2 4 ，它表示选中s 5 像素点处理时需要抽取的模板，图2 2 4 左上角的3 3 窗口 为删除模板区域，图2 2 5 为8 个删除模板，图2 2 6 为6 个保留模板，图中的“ 代 表l 或0 。 s 1 s 2 s 3s 1 3 s 4s 5s 6s 1 4 s 7 s 8s 9 s 1 5 s 1 0s 1ls 1 2 图2 2 4 抽取模板 遍历指纹图像，如果像素点s 5 为1 ，则把它的8 个邻域像素( s 1 一s 4 ，s 5 一s 9 ) 和8 个删除模板进行比较，如果和其中一个模板不匹配，则保留该像素点s 5 ，否则再 把像素点s 5 的1 5 个邻域的像素和6 个保留模板进行比较，如果不匹配，则删除像素 点s 5 。重复上述过程，直到没有像素点被删除为止。 西南交通大学硕士研究生学位论文 第2 3 页 10 11o l o 0 o i 1 0 l l i l 1 o 00 1 1 1 0 0 o 1o 0 1l 0 l o l 0 ll 0 0 o ol 0 l 1 o 1 1 o 1l 0 0 图2 2 5 删除模板 o 0 o 1l 0 xl o 1 l ll o o 0 o o o i li1 0 o ol1 1 o l l1 1 o00 0 l oll o 0 图2 2 6 保留模板 针对快速细化算法细化不彻底以及改进的o p t a 细化算法处理后毛刺较多、分叉 点处不能彻底细化的现象，本文先采用快速细化算法进行初步细化，然后再使用改进 的o p t a 算法进一步细化的处理方法。处理效果如图2 2 7 。可以看到该算法基本能够 保证指纹图像单像素宽度，毛刺也明显减少，而且执行效率较高。 西南交通大学硕士研究生学位论文 第2 4 页 2 3 提取特征点 图3 2 7 细化图 对于特征点提取，有多种方法，可以直接对灰度图像进行分析纹理属性和拓扑结 构来提取特征点，也可以对二值化后的指纹图像进行特征提取，但这两种方法虽然预 处理步骤较少，但是提取特征点的算法复杂，而且由于噪声等因素的影响，特征定位 也不是很准确实现也有一定的难度，本文选用的是基于细化图像的特征提取方法。 由于脊线的分叉点和端点在指纹中出现的机会最多也最稳定，而且容易获取，所 以本文提取的特征点是指纹的分叉点和端点。 下面介绍特征点的提取方法： 细化后的图像像素点的灰度值用1 和0 来表示，假设1 为纹路点的灰度，o 为背景 点的灰度。采用3 3 模板来确定特征点的类型。模板如图2 2 0 所示。 其中s 为待处理的像素点，s 1 一s 8 为s 的邻域像素。对于图像中的任意一点s 定 义如下公式： s 的交叉数为： 1 8 e ( s ) = 寺+ 1 ) 一s ( 刮，s ( 9 ) = s ( 1 ) ( 2 - 1 9 ) 二t = l s 的8 邻域的脊线点数： 8 邑( s ) = s ( f ) ( 2 - 2 0 ) ，= 】 对于脊线上的像素点s ( 像素点s 为1 ) 存在如下三种情况： 1 若( s ) = 1 且g ( s ) = 1 ，则该像素点是端点。例如图2 2 8 。 2 若& ( s ) = 2 、3 或4 且e ( s ) = 2 ，则该像素点是连接点。 西南交通大学硕士研究生学位论文 第2 5 页 3 若( s ) = 3 且e ( s ) 2 3 ，则该像素点是分叉点。例如图2 - 2 9 。 图2 - 2 8 端点示例图2 2 9 交叉点示例 由于细化后的图像存在大量的毛刺、纹线叉连和纹线间断等噪声，对指纹进行提 取的特征点中会有大量的伪特征信息。因此，在进行指纹匹配之前，应该对细节特征 再进行处理，尽可能去除伪特征点。 根据一些专家的经验，只要两幅指纹图像中有1 3 个以上的特征点匹配，即可基本 上判定这两幅指纹图像属于同一指纹。所以在去除伪特征点的过程中，宁可牺牲部分 真特征点，来达到去除更多的伪特征点的目的，这样可以提高指纹匹配的成功率。 根据一些资料，可以发现指纹的纹线和细节特征点存在一些特点：两条相邻纹线 之间的距离大致是相等的；在5 0 0 d p i 的分辨率下，指纹图像中两个细节特征点间的距 离一般不存在距离小于8 个像素点；指纹中基本不存在毛刺及纹线叉连等突变性质的 结构。根据这些特征我们可以指定算法来去除伪特征点。 具体算法描述如下： 1 对图像边缘的伪特征点的删除 因为采集芯片面积小，在图像边缘会造成切割指纹脊线的情况，这样产生的很多 伪特征点，可以利用删除距离图像边缘2 0 个像素以内的所有特征点的方法来删除。 2 。对小孔状结构形成的伪特征点的删除 对任意两个纹线分叉点，如果两点间的距离小于3 个像素点，则将这两个特征点 删除。 3 对短线与纹线间断形成的伪特征点的删除 对任意两个纹线端点，如果两点间的距离小于8 个像素点，则剔除这两个特征点。 4 对小毛刺形成的伪特征点的删除 对任一纹线端点和任一纹线分叉点之间的距离小于4 个像素点，则剔除这两个特 征点。 2 4 指纹特征匹配 指纹特征匹配是指根据所提取的指纹特征来进行判断两个指纹是否属于同一指 西南交通大学硕士研究生学位论文 第2 6 页 纹。由于采集指纹时可能因手指按指纹采集设备的方向、力度、位置等的不同，采集 到的指纹图像也会有很大差别。为了能够快速、准确地识别指纹，以保证自动指纹识 别系统的实时性和准确性，很多人己经对指纹匹配算法进行了深入而细致的研究，到 目前为止，己经有了很多的指纹匹配算法。主要可分为以下几类：基于图的匹配算法、 基于点模式的匹配算法和基于纹理模式的匹配算浏3 0 j 。由于细节特征点被认为是指纹 中最为可靠、最容易区别的特征信息，而且基于点模式的匹配算法具有简单、快速和 鲁棒性等优点，所以本文采用的是基于点模型来做指纹的细节匹配。这种算法的核心 思想是通过坐标变换来消除由于采集指纹时压力、旋转、位移和畸变等对特征点位置 造成的影响，然后把两个指纹的特征点的相关信息进行对比，得出匹配结果。 点模式匹配又分很多种，有如基于二维群集的点模式匹配算法，还有基于串距离 的算法和基于非对称神经网络点模式匹配的算法等等，本文先利用三角形全等来确定 基准点再进行极坐标变换的点模式匹配算法。 具体算法如下： 根据提取的特征点，设进行匹配的输入指纹图像的点集为尸= a ，p ：，p 而 ，另 一个指纹提取的特征点集为q = q l 吼，q 。