（电路与系统专业论文）基于神经网络的指纹识别[电路与系统专业优秀论文].pdf

摘要 摘要 随着计算机技术的飞速发展和信息技术的广泛应用，利用计算机进行身份识 别技术有了长足的发展。指纹的不变性和唯一性，使指纹识别技术成为目前应 用最广泛的身份验证与识别技术之一。它涉及模式识别、图像处理、数字信号 处理、人工智能、计算机等领域，是一门综合性技术，广泛应用于犯罪识别、 网络安全、信息设备安全等众多领域，有着重要的理论意义和实用价值。 目前指纹识别技术还很不成熟，水平仍处于实验室研究阶段，其原因是在指 纹自动识别过程中，存在指纹图像的噪声和皮肤弹性等因素影响，而且需要进 行大量的指纹匹配处理，所以，识别率不高、运算速度很慢。本文试图将神经 网络技术与模式识别技术相结合，提出若干行之有效的指纹自动识别新方法， 为解决指纹自动识别技术中存在的种种困难找到切实可行的新途径。 概括起来，本文主要对指纹的预处理、特征提取和基于神经网络的指纹识别 方法等进行了深入研究。 在预处理过程中，对指纹增强、分割、二值化、细化及归一化等一系列预处 理方法进行了研究和编程实现。其中增加对指纹的归一化处理，不仅规范了指 纹图像的大小，方便对指纹自动识别系统进行测试，还可以缩减系统的运行时 间，加快系统的识别速度。除此之外，本文对基于神经网络的图像细化算法， 进行了初步探索。 在特征提取技术研究中，本文分别提取了指纹的分类特征和识别特征。采 用新颖的方向图特征等全局特征用于神经网络指纹分类，取得很好的分类结果， 而提取指纹的局部细节点特征作为神经网络指纹识别的特征，该特征可充分体 现指纹的细微差别，从而有利于提高识别性能。 在指纹识别技术研究中，本文在分析研究了人工神经网络模型的基础上，提 北京工业大学工学硕士学位论文 出了将指纹自动识别过程分为两步进行，即采用不同的神经网络模型分别对指 纹进行分类和识别，首先采用b p 网络对指纹进行分类，并在此基础上，根据 b p 分类器求出的指纹类别，分别将指纹的细节点特征送入相应指纹类别对应的 l v q 网络进行识别，最后输出识别结果。实验结果表明，该方法取得了较好的 识别结果。 关键词：指纹预处理；指纹识别；神经网络 i i a b s t r a c t w i t l ln l ed e v e l o p m e mo ft h ec o 埘l p u t e ra n di n f 0 衄a t i o nt e c h n o l o g i e s ，i d e n t i t y i d e n t m c a t i o nt e c h n o l o g yb yc o m p u t e rm a k e sq u i e tg r e a tp r o g r e s s b e c a u s eo fm e i v a r i a b i l i t y a n d u i l i q u e n e s s o f 血e f m g e r p r i n t s ，m et e c h o l o g y o ff i n g e r p 血t v e r i n c a t i o na n di d e n t m c a t i o nh a sb e c o m eo n eo fm ew i d e s tu s e d i d e n t i 付 i d e n t i f i c a t i o nt e c l l l l o l o g i e s nr e la _ t e st oal o to f f i e l d s ，i n c l u d i n gp a t t e mr e c o g i l i t i o n ， d i g i t a li m a g ep r o c e s s i i l g ，d i g i t a ls i 印a lp r o c e s s i n g ，a n i f l c i a li i l t e l l 追e n c ea n d s oo n n h a sg r e a tw o n hi nc r i r n i n a li d c n t i f i c a t i o n ，n e 咖r ks 疵吼i m 肌a t i o n f a c i l i t ys 疵t y e t c ，a n dh a sn o t0 1 1 1 ym e o r e t i c a ls i 卿f i c a n c eb u ta i s op r a c t i c a lv a l u e n o w ，a u t o m a t e df i n g e r p mi d e 而f l c a t i o ns y s t e m s ( a f i s ) i ss 伽i i lm es t a g e o fe x p 甜m e n t w h a tm a l ( e s “最l r 矗d mm a t u r ei so n e n 船c r i b e dt oi t sd 锄a n d0 n 1 a 唱en u m b e r so ff i n g e r 埘n t - m a t c h i n gp r o c e s s e s ，a n dt l l ec o n s i d e r a b l ei n n u e n c eo f i m a g e s n o i s ea n ds k i n s e l 枷c i t yd l l r i n gt h ep r o c e d u r eo fa u t o m a t e d 丘n g e r p r i m i d e n t 讯c a t i o n t h e s el i m i t a t i o n sr e s u d ti nal o wr e c o g 芏1 i t i o nr a t ea i l das l o w f i n g e r p r i n t - m a t c l l i n gs p e e d i i l 吐l i sp a p e r ，w en y t oc o m b i n e 也en e u r a ln e 如，o r kw i t i l p a t t e mr e c o g i l i t i o n a n df i n ds e v e r a ln e wm e 如o d si n f m g e r p r i n t a u t o m a t i c i d e n t m c a t i o na s 也ep m c t i c a b l es 0 1 u t i o nt ot h e 仃。讧b l e i ng e n e r a l ，w em a i n l yr e s e a r c ho nf i r 唱e r p r i n tp r e p m c e s s 洫g ，f e a t u r ee x 协l c t i o n a n dn e u m l 一n 出v o r k b a s e df i n g e r p r i mi d e r n i f i c a t i o ni n 也i sp a p i nt 1 1 e p r o c e d u r e o f p r e p r o c e s s i n g ，、v c r e s e a r c ho nm e 叩e 洲。璐 o f e n h a n c e m e n t ，s e g m e n t ，b i r 血z a t i o n ，t h i m l i l l g 觞w e ua sn o 肌a l i z a t i o n ，a i l d 也e n a c h j e v eap r o g r a mf o ri t s 印p l i c a t i o n w bd e s i g nan o r m a l i z a t i o no p e r a t i o n 船t h e a d d i t i o n a ls t e pt om ef i n g e i p r i mp r 印m c e s s i n go p e 嘶o n t h es t e po ff m g e r p r i n t n o n n a l i z a t i o n1 1 0 to m yn o n n a l i z e st h es i z eo f f i n g e i p r i n ti m a g e ，f a c i 王i t a t e st h et e s to n a f i s ，b u ta l s or e d u c e st h ea f i sn l n n i n gt i i i l e 趴d 触e n sa f i sr e c o 鲥t i o ns p e e d a d d i t i o n a l l y ，t i l i sp a p e rd o e sap i l o t 曲u d yo nf i m g e r p r i n tt h i m i n ga _ l g o r i t l l i i l w l l i c h i sb a s e do nn e u r a ln e t 、v o r k i i l 廿1 e p m c e d l l r e o ff i i 培e r p r i n tf e a t u r e e 斌r a c t i o n ，c l 够s i 母i n g f e a t u r ea n d i d e n t i 匆i n g f 色a t u r eh a v eb e e ne x t r a c t e d f o r f i n g e r p r i n t s c l a s s m c a t i o l l 、wu s e i l i i 奎三些盔兰三兰堡圭兰丝笙塞 一! ! f i n g e 甲r i n t s d i r e c t i o nf e a t l l r et o c l a s s i 巧af i n g e r p r i m a n d g e t ad e s i r a b i e c l a s s i f i c a t i o nr e s l l l t f o rf m g e r p r i n t si d e 埘f i c a t i o i l ，w ep r e s e ma 丘n g e r p r i n t sl o c a i m i n u t ef e a t u r et o i d e n t i 匆af i n g e r p 血t b a s e do nn e u r a ln c t 、v o r k 锄da g o o d p e r f o m l a n c e h a sb e e na c h j e v e d ，t h i si i l i n u t ef e a t u r e g i v e f l l l li n f o n n a n o no f 6 n g e r p r i n t sd e t a i l s i n 也ep r o c e d u r eo ff i n g e r p r i n ti 拈n t i f i c a t i o n ，w ed i v i d et h e p r o c e s s o f f i n g e r p r i n ti d e n t i f i c a t i o ni n t 0t w os t a g e sm a t u s ed i 腩r e mn e u r a ln e 似o r km o d e l st o c l a s s i 母a n di d e n t i 母f i n g e r p r i m s f i r s t ，m eb pn e u r a ln e t w o r kh a sb e e nu s e dt 0 c l a s s i 母m ef i n g e r p r i m si n t of o u rc a t e g o r i e s ，砒l dt h e nb a s e d o nm e i rc a t e g o r y ，s o m e f i n g e r p r i n t sn l i n u t ef e a t u r e sh a v eb e e n u s e df o rt 1 1 ef i n g e r p r i mi d e 蚯f i c a t i o nw i t l lt h e l v q n e u r a ln e t w o r k f h a l l y ，s o m ee x p 耐m e n t sh a v eb e e nm a d ef o ro u ra f i sa 1 1 d s a t i s f 她t o r yr e c o g i l i t i o nr e s u l t sl l a v eb e e n a c l l i e v e d k e yw o r d s ：f m g 泖r i n tp r 9 p r o c e s s i n g ；矗n g e 掣j n ti d e n t i 五谢0 n ；n e u r a ln c 咖f l s 1 1 引言 第1 章绪论 长期以来，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信物，核对照片、密码或钥匙、磁卡、i c 卡等。从 本质上来说，这种方法验证的是该人持有的某种“物”，而不是验证其本人。只 要“物”的有效性得到确认，则持有该“物”的人的身份也就随之得到确认。 这种以“物”认人的方法，其漏洞是显而易见的。首先：合法的人如果遗失验 证其身份的“物”( 如密码、钥匙等) ，则合法的人本身得不到合法的验证。其 次：非法的人利用各种伪造证件、信物以及被破译的密码又使非法的人得到合 法的验证。因此，人们开始寻找一种认人不认物的可直接认证的方法，这就是 现今被人们广泛应用的“人体生物特征识别技术”。 生物识别技术是根据每个人自身具有的生物特征来进行身份验证和识别的 一种方法。为了确保其准确性与可靠性，要求这些生物特征具有“人各有异”、 “终身不变”和“随身携带”三个特点。迄今为止，发现同时兼具这三个特点 的人体生物特征有三个：一是指纹；二是虹膜( 视网膜毛细血管分布图) ；三是 人体细胞的遗传基因( d n a 结构) 。其它还有一些虽然不能完全具备上述三个 特点，但也能在一段时间内具有“人各有异”特点的生物特征，如面容、掌纹、 声音等等。 在指纹识别、语音识别、视网膜识别等生物特征认证( 识别) 技术中，指纹 识别是一种更为理想的身份确认和识别技术。相对于其它生物特征，指纹具有 以下优点： 第一：唯一性 每个人的指纹独一无二，人与人之间不存在相同的手指指纹。据指纹学理论， 两枚指纹匹配上1 2 个特征的机率为l o 。至今尚找不出两个指纹完全相同的人， 即使是相貌酷似的孪生兄弟姐妹，他们的指纹也各不相同。不仅人与人之间如 此，就是同一个人的十个手指之间，指纹也不尽相同。因此，指纹的这一特点， 北京工业大学工学硕士学位论文 为指纹用于身份的认证与识别奠定了基础。 第二：不变性 指纹具有很强的相对稳定性。尽管随着年龄的增大，指纹在外型、大小、 纹线粗细上会有变化，局部纹线之间也可能出现新的细线特征，但从总体上看， 同一指的指纹纹线类型、细节特征的总体布局等始终无明显变化。 第三：实用性 指纹样本便于获取，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( 指纹采集仪) 也较容易实现。而对于视网膜来说，既难于采样，也 无标准的视瞬膜样本库，这就导致视网膜识别系统难以开发，可行性较差。 第四：安全性 一个人的十指指纹皆不相同，因此，可以方便利用多个指纹构成多重口令， 这样，既能提高系统的安全性，也不增加系统的设计负担。 下表卜l 是各生物特征识别技术的比对表： 表卜1 各生物特征识别技术比对表 t a b l e 卜lv a r i o u sb i o m e t r i c st e c h n 0 1 0 9 i e s 类型鉴别可靠可否运用l 对 可否运用l 熬 濑舞糍辫i 。度，：l 比照擘 5 1 雩爹比耐，喜 指纹很好是是1 0 1 0 2非常小 眼睛很好是是 1 0 2 一i 0 3大 手掌纹好是 否1 0 2中等 面部 很好是 否1 0 2 小 声音一般是否o 一1 0 2非常小 签名一般是否1 0 2小 综上所述，指纹识别技术相对于其它生物特征识别有许多独到之处，更重 要的是有着很高的实用性和可行性。它是目前应用最广的身份验证与识别技术， 应用于各个领域。由此，指纹识别是一种最方便、最可靠的个人身份鉴别技术， 可以说指纹识别实现了身份鉴定领域的世纪革命。 1 2 指纹识别系统 1 2 1 指纹识别系统背景介绍 指纹识别技术是对所采集的指纹图像进行识别，确定指纹所有人身份的生 物特征识别技术。该技术设计的识别系统包括以下两种：认证系统 ( v e r i f i c a t i o n ) ，识别系统( i d e n t i f i c a 廿0 n ) 。认证系统是指通过与预先存储在 系统中的指纹模板进行比较来确认个人身份，即一对一比较。识别系统是通过 搜索整个指纹数据库来确认个人身份，即通过一对多个进行比较来实现个人身 份的确认。 认证系统要求待认证的指纹必须在指纹库中已经注册，以一定的压缩格式 存储，并已与其姓名或其标识( i d ，p i n ) 联系起来。在实际操作过程中，首 先验证其标识，标识合法后采集当事人指纹，然后，利用系统指纹与现场采集 的指纹比对，来证明其标识是否合法。这个验证过程其实是回答了这样一个问 题：“他是他自称的这个人吗? ”即“一对一匹配( o n e _ t 0 一o n em a t c h i n g ) ”。 识别系统则是把现场采集到的指纹与指纹数据库中的指纹逐一对比，从而 找出是否有与待识别指纹相匹配的指纹，作为输出结果。这也叫“一对多匹配 ( o n e t o m a n ym a t c h i i l g ) ”。识别过程其实是回答了这样一个问题：“他是谁? ”。 例如，罪犯的判别，即将一个不明身份的人的指纹与指纹库中有犯罪记录的人 指纹进行比对，来确定此人是否曾经有过犯罪记录。 近年来，随着科技的进步和人们文化素质的提高，指纹认证系统已广泛应 用于人们的日常生活中，如在电子行业中，人们只需通过身份认证就可以通过 电话、网络进行金融交易；在建筑物出入口或工作场所，人们利用指纹可以取 代钥匙、证件、图章等，而无需记忆密码和携带证件，指纹就是身份证明，给 人们生活带来极大的方便。自动指纹识别系统a f i s ( a u t o m a t e df 访g e i p r i n t l d e 嘣矗c a t i o ns v s t e m ) 最初的研究目的是为了识别罪犯，主要用于司法、公安部 门。随着社会的进步和经济的发展，指纹识别系统越来越被人们所认识和掌握， 应用范围也迅速扩展到其它行业，如银行系统、保密，保险机构、机场、驾驶 执照等，具有广泛的应用前景。自动指纹识别系统在过去的3 0 年里虽然已取得 了很大发展，但由于自动指纹识别系统对指纹质量要求很高，易受指纹图像的 北京工业大学工学硕士学位论文 噪声、皮肤弹性等因素影响，导致系统识别率低、运行速度缓慢、限制了自动 指纹识别系统的应用。因此，目前，a f i s 仍是国内外模式识别研究中的热点， 也是本文研究的主要工作。 本文试图将神经网络技术与模式识别技术相结合，提出若干行之有效的自 动指纹识别新方法，为排除自动指纹识别所存在的种种困惑寻到一条切实可行 的新途径。 1 2 2 自动指纹识别系统的工作原理 本文在设计自动指纹识别系统时，加入对指纹进行自动分类的部分，系统 主要由原始图像输入、预处理、指纹特征提取、指纹识别和识别结果输出等部 分组成，如图卜1 所示。 图卜l 自动指纹识别系统构成 f i g 卜1a u t 鲫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 m 1 、指纹图像输入 指纹原始图像由指纹输入设备送入计算机。指纹数据的产生一般有两种方 法：一种是众所周知的早期经常使用的按指印方法，这种方法优点是简单，缺 点是指纹图像模糊不清，结果很不可靠，且费时费力。另一种方法是较之科学， 有效、可靠的光学数据产生法，这种方法采用光学原理，一般是利用光的反射 特性来获得指纹图像。我们实验所使用的指纹图像就是通过后一种方法获得。 2 、指纹图像的预处理 预处理过程是整个自动指纹识别系统关键的第一步。指纹图像由于输入设备 等原因会造成畸变、不清晰，存在噪声等干扰。所以，特征提取之前，要对图 像进行预处理( p r e p r o c e s s i n g ) 。常用的预处理过程一般包括增强、分割、二 值化、细化等。其中，图像细化是预处理技术的核心，其主要目的是将二值化 的图像逐层剥去边缘轮廓上的点，变成笔画宽度只有1 个象素宽的骨架图形。 图像细化的好坏，它直接关系着提取特征的准确与否，对指纹识别率有着直接 的影响，即图像细化是指纹识别系统的重要环节，这也是本文工作的重点之一。 3 、特征提取 特征提取模块是对预处理后的图像抽取特征用于分类器( 通常把识别模块统 称为分类器，不要与本文的另一个概念指纹分类混淆) 的识别，是模式识别的 一个重要环节，稳定特征的提取是整个识别系统的关键，它们直接决定了识别 系统的性能。 4 、指纹分类 在自动指纹识别系统中，为完成一次自动识别，待识别指纹需要与样本数据 库中的大量指纹逐一进行比对。当样本数据库的容量非常大时，这种识别是极 其耗时的，为了减少搜索时间和计算复杂性，必须把样本数据库中的指纹分为 几个类，将属于不同类别的指纹分别保存在不同的子数据库，待识指纹只需与 属于同一类别的子数据库中的样本指纹进行比对。指纹分类是根据指纹的整体 结构特征将指纹分别归属到几个不同的预先设定的类别中去。 5 、指纹识别 完成特征提取和分类后，把特征送入指纹分类器进行识别，指纹分类器是指 纹自动识别技术中最重要的环节。在指纹自动识别技术中，普遍采用指纹模板 匹配分类器，指纹匹配分类器的功能是在对待识别图像提取细节特征后，将得 j ! 塞三些盔堂王兰堡圭兰堡笙兰 到的细节点与指纹样本库中的指纹细节点逐一比对，得到相似度最高的即是识 别结果。该方法在指纹认证系统中取得很好的应用，现今在指纹自动识别技术 中也是最主要的识别方法。本文在对指纹进行识别时，并没有采用这种最常用 的方法，而是尝试性的使用了基于神经网络的分类器，力求找到指纹识别的新 方法。 1 3 论文的主要工作及结构安排 本文的主要任务是结合神经网络技术对自动指纹识别系统进行设计，主要 工作包括：首先对指纹预处理方法进行研究，尤其是在指纹细化方面争取有新 的突破，找到较理想的指纹细化算法，得到纹线清晰的细化图像，然后进行特 征提取，找到适合神经网络识别的新特征，最后用基于神经网络的方法完成指 纹的分类与识别，我们围绕这几方面进行了大量的工作。 在接下来的几章中，首先我们在第2 章对指纹图像的预处理技术进行论述， 包括对本文中使用到的几种指纹预处理方法进行介绍，如指纹图像归一化和细 化等。由于在进行指纹图像采集时，可能使用不同的指纹采集仪，得到的指纹 图像大小也不统一，从而造成图像质量参差不齐。如果指纹图像大小不统一， 会给系统的处理带来很多不便，使系统的兼容性变差。另一方面，如果采集的 图像太大，不仅会使系统运行缓慢，性能下降，而且浪费了大量的存储空间。 因此，就必须要对图像进行归一化处理。本文通过对图像进行归一化操作，固 定图像大小，这样不仅加快了系统的处理速度，还提高了系统的兼容性。 细化是图像预处理技术的核心，细化处理的结果关系到提取的图像特征是 否有效，从而影响系统的识别率。而图像细化处理正是识别系统运行过程中耗 时较长的一个环节，这就使如何减少细化处理的运行时间成为研究的热点问题。 本文对这一问题进行了深入的探讨，对细化处理的各种算法进行了比较实验， 并在此基础上，将神经网络技术用于图像细化处理。 近年来，人工神经网络以其抗噪声、容错、自适应、自学习能力强，识别 速度快等特点受到人们的重视，在模式识别领域中得到了广泛的应用。神经网 络系统是模拟人脑智能特点和结构的理论体系，与传统的模式识别方法相比， 神经网络具有以下特点： 1 本质上的并行处理； 2 网络的非线性； 3 由大量简单的处理单元协同处理问题； 4 注重变换，通过学习和训练，形成信息处理方法，具有自适应、自组织的 特性； 5 无特定的数据存储，以神经元间的互连分布形式进行信息存储，可以通过 部分信息而联想出事件的整体； 6 在模糊、不完整或冗余，甚至矛盾的数据基础上进行问题求解； 7 具有很强的容错能力。 使用人工神经网络方法实现模式识别，可处理一些环境信息十分复杂，背 景知识不清楚，推理规则不明确的问题，允许样品有较大的缺损、畸变。大量 的神经网络模型应用于系统的识别过程，如何运用神经网络模型进行细化处理 还是一个崭新的研究课题。经过大量调研发现，几乎所有的细化算法都是严谨 的逻辑判断方法，无任何智能性可言。为了提高整个指纹识别系统的智能性， 我们对智能图像细化方法进行了大胆的尝试，设计了新的基于神经网络的细化 算法，该算法的特点是并行运算，如果用硬件实现，将会在保证细化质量的前 提下，加快系统细化处理的运行时间。当然，本文在提高整个指纹识别系统的 智能性方面只是先做了一些尝试，要找到理想的智能化算法，还需做大量的研 究工作。 第3 章对特征提取的方法进行了探讨。在指纹特征提取方法的研究中，本 文的主要目标就是提取用于识别的一种或多种特征。指纹特征主要分为总体( 全 局) 特征和局部特征。总体特征用于指纹的类型判别，主要与指纹纹线的方向 和结构有关，一个重要的总体特征是指纹图像中心区的形状，指纹类型判别的 重要信息都集中在指纹中心区域的纹线走向上。本文通过对指纹图的研究，采 用指纹方向图特征对指纹分类，充分利用了指纹中心区域的方向信息，取得了 较好的分类结果。局部特征是指指纹图中的细节，它可以通过细化后的指纹图 求得，本文提出一种新的细节点特征，该特征充分体现了同类型指纹的细微差 别，并具有一定的抗平移和抗旋转特性。 第4 章主要研究了基于神经网络的指纹分类与识别方法。我们把指纹的自 动分类技术应用到自动识别系统中，减少了指纹自动识别的复杂性，提高了系 统的智能性。由于神经网络的特点及其在模式识别领域体现出的潜力，本文首 北京工业大学工学硕士学位论文 先对基本的神经网络模型进行了研究，采用多种类型的神经网络进行了大量的 实验。在前期实验及对指纹特征、神经网络的特点了解的基础上，利用不同网 络模型的自身特点，提出了基于神经网络的自动指纹识别系统，在该系统中首 先进行指纹分类( 类型判别) ，然后进行指纹识别。利用b p 网络优秀的非线性 映射特性对指纹分类，利用l v 0 神经网络自身的自组织与聚类特性，可以很好 地给出模式在多维空间的概率分布估计完成指纹的识别，经过实验证明，基于 神经网络模型的指纹识别取得了较好的识别结果。 本文在最后对论文工作进行总结，并给出结论。 第2 章指纹预处理 第2 章指纹预处理 特征提取算法的性能很大程度上要依赖于指纹图像的质量。在理想的指纹 图像中，从细化图像中可以比较容易地检测到纹线，特征点也可以精确的定位。 然而，在实际应用中，由于采集条件( 指头太湿、太干或比较脏) 和采集设备 的因素，采集到的指纹图像质量比较差，含有大量的噪音。这样，容易导致很 多问题，影响后续的处理效果。因此，在对图像进行特征提取前，必须经过一 系列的预处理( p r e p r o c e s s i n g ) ，消去大量噪声信号，以便得到纹线清晰的点线 图，为后续处理工作奠定基础。 指纹图像预处理过程一般包括以下几个步骤：增强、分割、二值化、细化 等步骤，本文中指纹图像预处理框图如图2 1 所示： 图2 1 指纹图像预处理 f i g2 1f i n g e r p r i n ti d e n t i f i c a t i o np r e p r o c e s s i n g j ! 星三些态兰三兰堡主兰垡丝塞 2 1 指纹图像增强 图像增强的实质是提高图像纹线结构的清晰程度，改善图像质量，增强图 像前后景的对比度，便于后面进行分割处理。指纹增强的常用算法是采用两次 滤波操作，需要分多次处理，耗时长，且易引入新的噪声，不能满足识别系统 运行速度快的需要。考虑到运行时间的问题，本文决定选择相对比较简单的方 法对比度调整的算法【l 】进行图像增强，该法既省时增强效果也较好，经过 处理图像前景和背景对比度，可准确的对图像进行分割。增强前后效果如图2 2 ， 2 3 所示。 图2 2 指纹原图像 f i g2 2o r i g i n a lf i n g e r p r i n ti 皿a g e 2 2 指纹图像分割 图2 3 指纹增强后图像 f i g2 3f i n g e r p r i n ta f t e re n h a n c e m e n t 指纹图像分为前景和背景两部分，前景是指图像中清晰的指纹部分，而背 景指的是采集区域中无纹线和纹线非常模糊的部分。采集到的指纹图像，总是 不可避免地存在着背景区域，而且背景区域的面积往往要占到整个采集区域面 积的l 3 1 2 。如果不将指纹图像同背景区域有效地分割开来，系统运行时直接 笙；童塑簦鎏丝墨 对整个采集区域进行处理，会造成大量资源浪费和处理时间的增加，而且由于 背景区域的存在，还会严重影响各种算法的处理效果。从背景中分离指纹图像 的目的是确定指纹图像的有效区域，从而可针对性的进行处理，节约处理时间。 由于人的手指本身是一个曲面结构，而现有的活体指纹录入仪的采集窗口 又大多是平板式的，所以在采集指纹图像时，指头的不同位置与采集窗口的接 触压力就会不同，必然造成采集到的指纹图像深度不一致，中心区域深一些， 越向外深度越浅。这就要求指纹图像分离算法必须能适应这一点，不论在深一 些的区域或浅一些的区域都能准确地将有效指纹区域同背景区分开来。 为了适应指纹的这种特征，本文中首先使用一种自适应的局部阈值图像分 割方法【2 j ，来解决以上问题。 自适应分割算法描述如下： ( 1 ) 将采集到的整幅图像分块。图像宽为2 8 8 ，高为5 6 0 ，把它们分为1 6 1 6 块，每一块的象素是1 8 3 5 ； ( 2 ) 求取分块图像内各点的最大、最小灰度值，第( i ，j ) 块的最大、最小灰 度值分别记为l m a x ( i ，j ) 和l m i n ( i ，j ) ，i = 0 ，l ，3 l ，j = o ，1 ， 3 l ： ( 3 ) 取a v e r ( i ，j ) = ( l m a x ( i ，j ) + l m i n ( i ，j ) ) 2 ，为图像内各点的灰度中值； ( 4 ) 求取各块图像的灰度值方差，见公式( 2 1 ) ： 1 51 5 胁( f ，) = ( g ( 埘，珂) 一一v p ，( f ，栅2 ( 2 1 ) m 1 0n 1 0 g ( m ，n ) 表示块内各点的灰度值； ( 5 ) 经实验选定一门限值l 。若v a r ( i ，j ) ) 乃，则块( i ，j ) 为指纹图像区 域，f 1 a g ( i ，j ) = l ：否则，为背景图像块，f l a g ( i ，j ) = 0 。 ( 6 ) 进行基于块水平的平滑，消除孤立前景块。若一块被标记为前景块，且 其四周相邻的8 块中前景块数目不超过2 ，则将该块区域置为背景块， 即f 1 a g ( i ，j ) = 0 。 该方法中，门限值乃的选择只能通过经验和不断进行实验来选择，以下是算法 的程序流程图： 北京工业大学工学硕士学位论文 图2 4 程序流程图 f i g2 4f l o w c h a r t 墨! 差塑签鎏丝墨 实验中，门限阈值乃通过不断进行测试取得。为了测试分块大小对不同运 算结果有何影响，我们在进行分割时把图像分成大小不同的块进行实验，一种 情况是：每块大小为1 6 1 6 ，共有的3 5 1 8 块，另一种是小块分割：每块大 小为8 8 ，共有7 0 3 6 块。实验后发现，图像分割块较大时，算法运行速度 更快，更省时。这是因为自适应阈值分割法和平滑算法在处理时都是以分成的 块数为基础，块数的多少决定了循环的次数，也就影响了运行的时间。以下是 两种分法的运行结果比较： 表2 1 自适应阈值法分割结果 t a b l e2 一ls eg l l l e n tr e s u l t s 块大小( 象素)运行时间处理结果 8 8 o 4 9 秒好 1 6 1 6o 1 6 秒 较好 图2 5 是自适应闽值法分割成不同块的效果图。 图2 5 ( a ) 大块分割处理后图像( b ) 小块分割处理后图像 f i g2 5 ( a ) 1 6 1 6b l o c ks e 鲫e n t a t i o nr e s u l t ( b ) 8 8b l o c ks e 鲫e n t a t i o nr e s u l t 比较大、小块的分割效果图，发现小块分割的效果与大块分割相比，分割效 果更好，它的分割时间稍长，但相差不大，只有零点几秒的时间，虽然好的结 j ! 塞三些盔主三堂鎏主堂垡笙苎 果是以运行时间为代价，但更精确地分割出更小的前景图像，为系统的后续处 理节约更多的时间。鉴于此，本文在进行系统设计时选用了小块分割的方法进 行处理。 为进行比较，采用了另一种典型的分割算法即方差法【3 】进行实验。方差法 与自适应阈值法相比，处理效果差异不大，但它的运行时间稍长，大约o 6 6 秒。 方差法处理结果如图2 6 所示。 2 3 指纹图像二值化 经过分割后的指纹图像首先要进行图像二值化，变成二值图像，才能进行细 化处理。本文分别使用了自适应局部阈值二值化算法、区域中值法、区域均值h 方法，对指纹图像进行了处理、分析、并比较了三种算法的二值化效果。从实 验效果来看区域均值二值化算法的效果是最好的。本系统最终采用的是区域均 值法进行二值化，算法描述如下： 图2 6 方差法分割结果 图2 7 二值化后结果 f i g2 6s e 鄹e n t a t i o nr e s u l t f i g2 7f i n g e r p r i n ta f t e rb i n 8 r i z a t i o n ( 1 ) 将指纹图像划分为不重叠的大小为w w 的块，对大小为高5 6 0 、宽2 8 8 第2 章指纹预处理 的指纹图像，分块尺寸为1 6 1 6 ； ( 2 ) 求每一块图像内所有象素点的平均值； ( 3 ) 对每一块图像，如果该象素点灰度值大于平均值，则置2 5 5 ：灰度值小于 平均值，则置o 。 处理结果如图2 7 所示。 2 4 指纹图像归一化 在以往的指纹识别系统中，并没有二值图像归一化这一操作过程，归一化 操作一般应用于字符、汉字的识别。本文设计的图像预处理过程增加了图像归 一化的操作。由于指纹图像的大小都是由系统所使用的采集仪决定，现在采集 仪的采集窗口并无统一的规定，这就导致采集出的指纹图像不统一，而图像大 小又是识别处理过程中不可缺少的一个重要参数。如果采用大小不同的指纹进 行测试时，就要对图像的大小进行修改或对系统参数进行修改，给工作带来很 多不便。另外，从缩减系统的运行时间上来说，对图像进行归一化也是必不可 少的，因为实现指纹识别系统实时化和网络化，如何省时是个大问题。对同一 个算法来说，图像大小不同在运行时间上有很大的差异。在不改变指纹图像纹 理、方向和结构的基础上，通过减少图像大小而节省系统运行时间是可行的。 因此，本文提出在预处理过程中需对指纹进行归一化处理。 指纹的归一化即是将指纹的尺寸变换成统一的大小。根据实际需要，归一 化分为两种方式： 1 基于外轮廓的归一化。 2 基于质心的归一化“1 。 2 4 1 基于外轮廓的归一化 基于外轮廓的归一化即将指纹外接边框按比例线性放大或缩小成为规定尺 寸的大小。由于指纹的宽高比并不是精确固定的，为了不引入失真，实际使用 中，将指纹区域的高度归一化为2 0 0 个象素，宽度不一定要具有与高度相同的 缩放比例，从而将整个指纹图像由5 6 0 2 8 8 归一化为2 0 0 1 4 0 大小。 北京工业大学工学硕士学位论文 在进行指纹图像归一化前，首先通过对5 6 0 2 8 8 的原始图像进行x 、y 方 向的投影，找出指纹区域的边界，由于图像数据为二值，原始图像中的噪音较 小，认定沿投影方向上的象素值大于1 的投影即为指纹图像边界。寻找边界的 示意如图2 8 ( a ) ，( b ) 所示。图2 8 是对经过二值化后的图像2 。7 进行投影后的结 果，( a ) 图中x 坐标是进行x 投影时的图像高度5 6 0 ，y 坐标是x 方向投影后的 象素灰度值之和，( b ) 图中x 坐标是进行y 投影时的图像高度2 8 8 ，y 坐标是 y 方向投影后的象素灰度值之和。 找到投影边界后，将边界外的空白处切除，获得图像区。判断指纹高度与 归一化要求高度( 2 0 0 ) 的关系，若指纹高度大于要求的高度，则进行指纹区域 的缩减：否则，进行指纹区域的放大处理。 图2 8 ( a ) x 方向投影 f i g2 8( a )xp r o j e c t i o n 第2 章指纹预处理 图2 8 ( b ) y 方向投影 f i g2 8( b )yp r o j e c ti o n 调整图像的大小的运算属于数字图像处理中的几何运算。几何运算的一般 定义为：g ( x ，y ) = 厂 口( x ，y ) ，6 ( x ，j ，) 】。其中，厂( x ，y ) 表示输入图像，g ( x ，y ) 表示 输出图像。函数a ( x ，y ) 和6 ( x ，y ) 唯一的描述了空间变换，若它们是连续的，则 联通关系将在图像中得到保存。 在指纹区域的调整过程中，输出图像的象素通常被映射到输入图像的非整 数位置。因此，为了确定输出图像的灰度值，需要进行插值运算。常用的灰度 插值运算算法有：最近邻插值法、双线性插值法、高阶插值法。其中最简单的 插值法是所谓的零阶插值即最近邻插值法，其原理是令输出象素的灰度值等于 它所映射到的位置最近的输入象素的灰度值。由于所处理的图像相对简单，因 此实际使用中选用了算法最简单的最近邻插值法对图像的长宽分别进行放大。 该算法实现容易，对要处理的图像造成的失真较小。图2 9 为归一化结果。 北京工业大学工学硕士学位论文 鲞 图2 9 原始图像及外轮廓归一化结果 f i g2 9o r i g i n a lf i n g e r p r i n ta n dc o n t o u rn o r a l i z a t i o nr e s u l t 2 4 2 基于指纹质心的归一化 基于指纹质心的位置与尺寸归一化较其它算法更稳定，不易受噪声或纹线 缺损等干扰的影响。把它应用于指纹的归一化，原理相同，即是先找到原指纹 质心，以质心为中心点将原始指纹图像划分为四部分，指纹的质心对应归化 后指纹的中心，原始指纹的四部分分别按照比例进行插值运算。下式为指纹归 一化中左上部分的归一化公式。 f - 一十r d ( ( g ，一驯( 牛棚沁_ 1 ) ) ( 2 2 ) ，；+ r d ( ( q 一三) ( 兰姜生一1 ) + 抄一1 ) ) 式中爿r g ，三，s g ，l z 丢工。，s y 去工。 由上式可求由原指纹坐标找到对应规范化后的指纹点阵坐标，从而可以画 出规范后的指纹图像。但同时两个相邻象素点的间隔被放大，所以放大后如现 了断纹的情况，需要对新指纹点阵进行差值运算，使纹线连续。 兰! 兰塑竺鎏丝墨 图2 一l o 是原始图像及其采用质心归一化方法的结果。 曩 图2 1 0 原始图像及其质心归一化方法结果 图2 1 0o r i g i n a lf i n g e r p r i n ta n dc e n t r o i dn o 珈l a l i z a t i o nr e s u l t 实验结果表明，基于轮廓的归一化方法运算简单，但指纹可能会有各部分 比例不一致、纹理有些地方发生变形的情况出现。虽然基于指纹质心的归一化 操作运算较复杂，可其归一化效果较好，纹理形状无失真，细节处也无较大变 化，对于通过细节特征点识别的指纹来说这点尤其重要。可见，基于质心归一 化法适合于结构复杂的图形，基于轮廓的归一化适合结构相对简单的图形。基 于质心归一化虽然运算较复杂，运行时间比基于轮廓归一化稍长( 前者运行时 间为l o 2 5 秒，后者为8 4 4 秒，但它可以保证后续处理图像的准确性，综合比 较，还是前者对指纹归一化更可靠。 北京工业大学工学硕士学位论文 2 5 指纹图像细化 2 5 1 引言 图像细化是图像预处理的核心，细化是将二值化的图像逐层剥去边缘轮廓 上的点，变成笔画宽度只有1 个象素宽的骨架图形。对图像进行细化处理婀主 要目的是为后继的后处理算法和细节特征提取算法做准备，细化结果的好坏直 接决定着提取的特征是否稳定、有效。在自动指纹识别技术中，一般细化要求 细化后的图像必须是单象素宽的，而且细化总体效果一定要好。否则，将无法 使用常规的特征提取算法提取细节特征信息。所以，深入研究指纹图像的细化 算法对自动指纹识别技术有很重要的意义。 细化的概念没有精确的数学定义，人们通常认为细化处理是指在不影响纹 线连通性的基础上删除纹线上的冗余信息直到纹线为单象素宽为止。理想的状 态是细化后的纹线“骨架”应该是保留的原始纹线的中间位置。对于图像细化， 一般来讲并没有严格的规则和统一的标准，细化结果的评价只是根据具体的需 要而定。只要细化结果能够满足应用需要，就认为细化操作是成功的。但图像 细