（计算机应用技术专业论文）自动指纹识别系统的研究与实现.pdf

贵州大学硕士学位论文自动指纹识别系统的研究与实现 摘要 由于指纹的唯一性、可靠性和稳定性，指纹己成为身份识别和鉴定的一个重要标志， 并被公认为“物证之首”。尽管已有多种自动指纹识别技术的成型产品，但因为指纹图像 的噪声、皮肤弹性的非线性等因素。理想的自动指纹识别系统依然是一个很困难的研究任 务。因此，寻找有效快捷的对指纹图像处理的算法，对基于计算机和网络环境f 的指纹特 征技术进行研究，仍然是解决指纹识别技术难题的有效途径。 本文对基于细节特征点的指纹图像预处理及后处理、特征提取和匹配的部分算法进行 了研究。 在预处理方面，通过对u a r e uf i r e f l y 采集得到的指纹图像的分析，在分割时采用一 种不需要考虑指纹的方向及脊线频率等因素，且求取指纹的方向图和频率场之前进行分 割：在方向图和脊线频率的基础上，实现了一种基于脊线方向分析的方法对指纹图象进行 二值化；实现了一种利用数学形态学的细化算法，构成了一个完整的指纹图像预处理过 程。 对于细化后的二值图像，我们在后处理中对伪特征进行了剔除，减少了特征提取和匹 配的复杂度。 在指纹图像的特征提取和指纹匹配方面，本文以向量表示每个指纹特征点的信息，以 向量组构成整个指纹的信息；为了提高指纹旋转后的识别率，本文还对指纹的特征提取和 匹配算法做了改进。 本文在p c 机上用v c + + 实现了整个自动指纹识别系统的算法，并且，该系统的所有 算法都通过了硬件调试。试验结果显示，本文采用或改进的指纹处理算法很好的完成了各 自的功能，达到了设计的要求；整机联试显示，该系统达到了规定的指标要求。 关键词：自动指纹识别系统，预处理，特征提取，匹配。 4 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 a b s t r a c t f i n g e r p r i n tr e p r e s e n t st h em o s ts e c u r ew a y t oi d e n t i f yi n d i v i d u a l sb e c a u s ei tp r o v i d e sa n o v e la p p r o a c ht or e c o g n i z et h ei d e n t i t y ，o rv e r i f yt h ec l a i m e di d e n t i t yt h r o u g hau n i q u e ，h i g h l y r e l i a b l ea n dr o b u s tp h y s i c a lc h a r a c t e r i s t i co rp e r s o n a lt r a i t n o w a d a y s ，m a n yp r o d u c t so f f i n g e r p r i n th a v eb e e no f f e r e d ，h o w e v e r ，b e c a u s eo f t h ed i s t u r b a n c eo f i m a g en o i s ea n dn o n l i n e a r o f t h es k i ne l a s t i c i t y ，t oa c h i e v ea ni d e a la 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 ) i s s t i l lad i f f i c u l tr e s e a r c hp r o b l e m s oi ti sa ne f f i c i e n ts o l u t i o nt ot h ep r o b l e mt h a tt of i n da n e f f i c i e n ta n df a s ta l g o r i t h mp r o c e s s i n gf i n g e r p r i n t si m a g e s ，a n dt os t u d yt h et e c h n o l o g yo f f i n g e r p r i n tc h a r a c t e r i s t i co nc o m p u t e ra n dn e t w o r k p a r t sa l g o r i t h m so f t h ep r e p r o e e s s i n g , p o s t - 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 na n dm a t c h i n go f a f i sb a s e do nm i n u t i a ei sd i s c u s s e di nt h i sp a p e r i nt h ea s p e c to f p r e p r o c e s s i n g ，a ne a s ys e g m e n t a t i o nm e t h o di si m p l e m e n t e dt h r o u g ht h e a n a l y s i so f f i n g e r p r i n ti m a g e sf r o mu a r e uf i r e f l ya n dt h eh i s t o g r a mo f t h ei m a g e s w ea l s o i m p r o v eo nt h eb i n a r i z a t i o nm e t h o do f f m g e r p r i n ti m a g e sb a s e do nt h e2 n dd e r i v a t i v eb yt h e o r i e n t a t i o na n dr i d g ef r e q u e n c yo f t h ei m a g e s ，a n dt h e nan e wt h i n n i n ga l g o r i t h mi si m p l e m e n t e d o n1 6 - p i x e l s n e i g h b o r sz o n e w h i c hc o m p o s et h ew h o l ep r e p r o c e s s i n ga l g o r i t h m t h ef a l s em i n u t i a ea r ee l i m i n a t e df o rt h et h i n n e di m a g ei np o s t p r o c e s s i n g ，w h i c hr e d u c et h e r e s p o n s e - t i m er e q u i r e m e n ti nm i n u t i a ee x t r a c t i o na n dm a t c h i n g i nt h ea l g o r i t h mo f m i n u t i a ee x t r a c t i o n ，av e c t o ri sf o rt h ei n f o r m a t i o no f am i n u t i a , a n dt h e m i n u t i a eo f af i n g e r p r i n ti m a g ea r ec o m p o s e do f v e c t o r s t oi m p r o v et h em a t c h i n gr a t eo f t h e r o t a t ei m a g e s ，w ei m p r o v eo nt h ea l g o r i t h mo f m i n u t i a ee x t r a c t i o na n df i n g e r p r i n tm a t c h i n g c + + b u i l d e ri m p l e m e n t sa l la l g o r i t h m so f a f i so np c e x p e r i m e n t sr e s u l t ss h o wt h a ta i l a l g o r i t h m sp e r f o r mw e l l t h ew h o l es y s t e mi st e s t e do nt h eh a r d w a r eo f d s p ，t o o ，w h i c h d e m o n s t r a t e st h a to u rs y s t e mm e e t st h eg i v e nr e q u i r e m e n ta n dw o r k sw e l l k e y w o r d 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 ，p r e p r o c e s s i n g ，m i n u t i a e e x t r a c t i o n ，f i n g e r p r i n tm a t c h i n g 5 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 1 1 研究背景 第一章绪论 科学技术的快速发展为人类的生产、生活带来了极大的便利，大大推动了现在社会的 进步和发展，但也给人们带来了一个重要的课题：在高科技信息时代，如何及时、准确和 有效地进行身份，确保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。 越来越多的高科技电子产品逐渐进入了人们的日常生活( 如电脑、自动提款机、电 话、门禁控制、各种身份识别的智能卡等) ，为人们的e t 常生活带来了极大的方便，同时 身份识别也随之成为人们日常生活中经常遇到的个基本的问题。生活中几乎每时每刻都 需要鉴别别人的身份，证明白己的身份，而传统身份识别方法正越来越收到局限。 传统的身份识别方法主要基于身份标识物品和身份标识知识。身份标识物品如钥匙、 证件、自动提款机的银行卡等：身份标识知识包括用户名、密码等。在一些安全性要求严 格的系统中，往往将这两者结合起来，如自动提款机要求用户同时提供银行# 和密码。但 这些方式具有容易被遗忘、丢失、被破译或仿制等缺点，更为严重的是往无法区分标识物 品真正的拥有者和取得标识物品的冒充者。因此，不能很好的满足当今信息化社会对安全 性的更高要求。据国外有关资料统计，在公司内部，存在很多非授权使用计算机系统的工 作人员，并且因此造成重大的损失：与此同时，假信用卡所造成的损失一年在4 0 亿到6 0 亿美元之间。人们需要在与机器之间进行交易时安全方便、简单快捷。冈此。迫切需要有 一种准确、方便、安全的识别技术来代替现有的身份识别方法。 为了克服以上缺点，人们便把目光转向了生物识别技术。因为人体的身体特征具有 不可复制的特点，希望可以籍此技术来应付现行系统安全所面l 临的挑战。要把人体的特征 用于身份识别这些特征必须具有唯一性和稳定性。人的指纹、掌纹、面孔、发音、虹 膜、骨架等都具有唯一性和稳定性的特征，即每个人的这些特征都与别人不同、且终生不 变，因此可以据此识别出人的身份。目前许多技术都已经成熟并得以应用，相比较而言， 指纹识别具有准确性高、速度快、采集指纹方便、对指纹特性的认识较充分、获得法律认 可、容易被人们接受、市场份额较大等优点，因此指纹识别技术的研究和应用是当前生物 识别领域的热点问题。 指纹识别最早应用于司法刑侦领域，n - - - 十世纪九十年代初，指纹识别开始在民用领 域获得应用，如指纹门禁、指纹考勤、指纹加密、指纹在银行中的应用、指纹在社会保障 中的应用等等。民用领域的应用对指纹识别提出了比司法领域麻用更高的要求主要体现 6 贵州大学硕士学位论文 白动指纹识别系统的研究j 实现 在要求自动化程度更高、识别准确性更高以及识别速度更快这些更高的要求给指纹识别 技术的研究带来了更大的挑战。 尽管指纹识别的研究和开发已取得重要进展，但指纹识别的应用在目前并没有获得普 及，这主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的 要求。鉴于指纹识别具有重要意义和重大的社会经济效益和广阔的应用前景以及目前所面 临的问题说明了本课题的亟待研究和应用开发的紧迫性。 1 2 生物识别与指纹识别概述 1 2 1 生物识别技术( b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y ) 生物识别是典型的模式识别问题。所谓生物识别：就是通过计算机与光、声、生物传 感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性( 如指纹、脸 像、虹膜等) 和行为动作( 如笔迹、声音、步态等) 来进行个人身份的鉴定 2 】。当前流行 的生物识别技术有：指纹识别、面部识别、虹膜识别、视网膜识别、笔迹识别、声音识 别、掌形识别、耳形识别、面部温谱识别、手部温谱识别、手部血管识别。如下图所示。 除了上述生物识别技术，还有一些技术正处于实验室的研究和实验阶段，如：步姿、体 昧、d n a 等。 图1 - 2 1 生物识别技术的核心在于如何获取这些生物特征，并将之转换为数字信息存储于计 算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。生物识别以生物技术为 基础，以信息技术为手段，将两大热门技术交汇融合为一体。从理论上说，人的任何生理 或行为特性只要满足以下条件都可以用作人的身份识别：普遍性( 即该特性是每个 7 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 人都具有的特性) 、唯一性( 即任何两个人的特性都是不同的) 、持久性( 即该特性 不会随着时间的推移而改变) 、量化性( 即该特性能够被定量的衡量) 。 生物识别技术可广泛用于政治、军队、银行、社会福利保障、电子商务、安全防务。 美国9 1 l 事件后，反恐怖活动已经成为各国政府的共识，加强机场的安全防务十分重要。 美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某 一张面孔，判断他是不是通缉犯。在指纹识别的应用方面，如出国登记的指纹信息登记， 更是被广泛应用。 对生物识别技术来说，被广泛应用意味着它能在影响亿万人的日常生活的各个地方使 用。通过取代个人识别码和口令，生物识别技术可以阻止非授权的”访问“，可以防i 盗用 a t m 、蜂窝电话、智能卡、桌面p c 、工作站及其计算机网络；在通过电话、网络进行的 金融交易时进行身份认证：在建筑物或工作场所生物识别技术可以取代钥匙、证件、图章 等。生物识别技术的飞速发展及其广泛应用将开创个人身份鉴别的新时代1 1 2 2 自动指纹识别技术发展历史、发展现状和应用 指纹是人手指( 脚趾) 皮肤上特有的花纹，它是皮肤上隆起的纹线所构成。这些隆起 的纹线的起点、终点、分叉、结合等被称为指纹的细节特征。这种细：1 ，特征有着无数种排 列，每个人的指纹甚至每一个指纹的每一条纹线都是独立的，并且一生都不会改变。现代 科学界的结论是：人类人口按6 0 亿计，则需要3 0 0 年才可能出现重复的指纹，概率几乎为 零：其次，一个人在母腹中7 个月就定型。随着年龄的变化，人的相貌体格都在变化，而 指纹却保持不变；另外，只要不伤及真皮组织，指纹即使被磨掉，也很快会长出来。 用指纹进行个人身份鉴定和识别，主要是要对鉴定的指纹和事先已掌握的指纹或任意 的两个指纹进行研究比较，比对有无相同的细节特征，从而达到个人身份的识别鉴定目 的。 指纹识别技术有着悠久的历史。据考古学家证实：公元前7 0 0 0 年到6 0 0 0 年以前，指 纹作为身份鉴别的工具已经在古叙利亚和中国开始应用。在那个时代些粘+ 陶器上留 有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指纹。由此可见，指纹的一些 特征在当时已经被人们认识和接受。1 8 2 3 年西欧出现显微镜后，德国学者普克尼就把指纹 划分成9 个类别。1 8 8 9 年。英国“自然”科学杂志发表了一篇福尔茨的论文，文中指出 “每一个人的指纹没有一个相同的，而且又是终生不变的”。这篇论文是世界最早提出的 指纹理论学说的。 进入2 0 世纪后，随着计算机技术的高速发展，利用计算机对图像进行处理和模式识 别已经成为可能，因此在7 0 年代美日等发达国家先后开始研究自动指纹识别系统( a f i s ： a u t o m a t e df i n g e r p r i n t i d e n t i f i c a t i o ns y s t e m ) 。与人工处理不同，自动指纹识别技术并不直接 8 贵州大学硕士学位论文 自动指纹识别系统的研究j j 实现 存储指纹的图像( 考虑到隐私和存储空间的限制) ，而是记录从图像中提取到的特征，指 纹识别算法最终归结为在图像上找到并比对指纹的特征。因此，基于计算机的自动指纹识 别系统主要涉及四个功能：读取图像、特征处理、保存数据和比对。通过指纹读取设备取 得图像，并对原始图像进行初步处理，使之更清晰；接下来，指纹识别算法对图像进一步 处理，建立指纹的数字表示特征数据。这是一种根据指纹类型、纹线的断点及交叉点等 结构特征得到数据的单方向不可逆的转换，可以从指纹转换成特征数据但不能从特征数据 转换成指纹，而两枚不同的指纹不会产生相同的特征数据。这些数据通常称为模板，保存 为数据库中的一条记录。最后，计算机通过指纹识别算法，把两个指纹的模板进行比较， 计算它们的相似程度，最终得到是否匹配的结果。 到了2 0 世纪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 像的工具成为现实，从而使指纹识别可以在其他领域中得以应用。现在，随着取像设备的 引入及其飞速发展，生物指纹识别技术的逐渐成熟可靠的比对算法的发现都为指纹识别 技术提供了更广阔的舞台。比如：指纹考勤系统代替了i c 卡、磁陪等传统的考勤方法，从 而从根本上杜绝了代打考勤的现象。 进入上个世纪9 0 年代后，各发达国家纷纷加快了对自动指纹识别鉴定技术的开发应 用，注重向系统的低成本、小型化和系列化发展并己开始进入市场，国外使用自动指纹识 别技术的系列化产品目前已有指纹锁、指纹开关、指纹保险柜等。随着自动指纹化识别鉴 定技术的推广应用，在一些发达国家已将该技术应用到银行金库、代保管库、博物馆、高 级宾馆、高级公寓等处的出入口管理中，同时，也开始向家庭保安领域辐射成为一种实 用的现代化的家庭出入口控制系统。 据统计，到2 0 世纪末，全世界生物识别市场约为i 1 2 亿美元，其中指纹识别约为 1 0 0 亿美元，这标志着指纹识别是当前最成熟稳定，并且应用最，泛的生物识别技术。自 动指纹识别鉴定技术虽然在我国起步较晚。但随着计算机在我国的普及应川，同时经过广 大科研技术人员的努力攻关自动指纹识别鉴定技术在我国也取得了较快的发展，国内从 事指纹产品开发的知名公司有西安青松公司、北京中控、北京汉王、厦门宝利铬、厦门一 指通、北京培富士、北京海鑫、同飞资讯、深圳数码、深圳乾诚科技等。指纹识别技术在 我国已经得到较广泛应用，目前已开始在银行储蓄、贵重物品保客、高级宾馆等行业推广 使用，取得了较好的应用效果。随着网络化的更加普及，指纹识别的应用将更加广泛。 9 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 1 3 指纹识别技术的特点及性能指标 1 3 1 指纹识别技术的特点 与其它特征的身份鉴别技术相比，指纹以下7 个方面的特性使其成为身份识别技术的 首选【l 3 】： 1 ) 普遍性：即所有正常人都具有的生物特征； 2 ) 唯一性：即世界上两个指纹完全相同的概率小于i o - - 9 ： 3 ) 永久性：即终生不变性； 4 ) 可采集性：即可以通过一定的设备和手段采集到； 5 ) 可行性：即在对资源、环境、操作等条件要求不苛刻的条件下可以达到 合理的准确率、速度和鲁棒性； 6 ) 可接受性：即人们愿意接受这一方式： 7 ) 防伪性能好。 另外，指纹识别中使用的模板并非最初的指纹图像，而是由图像提取的关键特征，使 所需存储的信息量最小而且在实现异地确认时，可以大大减少网络传输负担支持网络 功能。 可以看出。指纹识别技术相对于其它识别方法有许多独到之处，具有很高的实刚性和 可行性。因此。指纹识别成为最流行、最方便、最可靠的身份认证方式，已经在社会生活 的诸多方面得到广泛应用。 1 3 2 自动指纹识别技术的性能指标 计算机处理指纹图像时，只是涉及了指纹有限的信息，而且比对算法不是精确的匹 配，因此其结果不能保证1 0 0 准确。指纹识别系统的重要衡量标志时识别率，它主要由 两部分组成：拒识率( f r r ，f a l s er e j e c tr a t e ) 和误识率( f a r ，f a l s ea c c e p tr a t e ) ，f r r 和f a r 是成反比的，可以用0 1 0 的数或百分比来表示。f 图1 - 2 1 的r o c ( r e c e i v e r o p e r a t i n g c u r v e ) 曲线给出了f a r 和f r r 之问的关系。 o 贵州大学硕士学位论文自动指纹识别系统的研究与实现 纸 1 8一、 r o c 曲线 1 6 一、一 1 4 j1 2 _ 1 0 8 4 2 11l11 o 0 0 0 10 0 1o 1l1 0 ，o 图1 3 1 r o c 曲线 尽管指纹识别系统存在可靠性问题，但权威机构认为，在一般的应_ i _ i j 中l 的误识率 就可以接受。由于f r r 和f a r 是一对相互矛盾的指标，这就使得在实际应用系统的设计 中，要权衡易用性和安全性，一方面要考虑整体性能，使r o c 曲线整体下降；另一方面要 兼顾易用性和安全性，在r o c 上寻找合适的平衡点。 1 4 自动指纹识别系统的构成 臭 规 图 求 图 上 特 上 鼗 征 t 镲 细 t 提 翳 缦 1 格!像 j方j像j 值 j 露 化 分 7 向 7增1 割 图强 化 化 乞 ttt t t 取 t 预处理 特征提取匹配 图1 - 4 1 自动指纹识别系统的构成算法流程图 自动指纹识别技术主要包含四个部分：指纹图像输入、预处理、提取特征信息、存入 信息或与库中的信息对比( 匹配) 。其中预处理部分又包括：规格化、指纹的分割、求指 纹的方向图、增强、二值化、细化。自动指纹识别系统所涉及的算法处理流群如图1 - 4 1 。 下面对图l - 4 1 的各个部分做简单介绍： 贵州大学硕士学位论文自动指纹识别系统的研究与实现 1 4 1 指纹采集 最早的指纹采集方法是用手指蘸上墨水或印油在纸上按压，然后用扫描仪摄取，由于 其严重的不可靠，该方法早已经被淘汰。随着光学仪器、传感器及数字技术的发展，各种 快速、精确、方便、小巧的采集设备得到了应用。目前，主要是使用光学扫描仪和固态阵 列传感器进行采集。前者用激光照在手指上，然后用c c d 阵列摄取其反射光，由于反射 光随指纹的脊和谷的深度不同而不同，因此可以得到指纹图像。后者是用大量敏感元件组 成的固态阵列芯片，他们采用电容传感、热敏传感或其它传感技术，通过感受按压指纹的 压力、热度等特征来摄取指纹。近年来，又出现了其它一些新型的指纹采集设备，如超声 波指纹采集器，它是基于指纹的脊和谷的深度对超声波的不同反射原理而：1 j 作的。这些设 备中，光学扫描仪因其技术比较成熟。性价比比较高而得到广泛应用。 本系统使用的是u a r e uf i r e f l y 指纹头。 象素模式，该模式下图像的分辨率为5 0 0 d p i ， 图像。 1 4 2 指纹图像预处理 u a r e u f i r e f l y 采集的是2 9 2 3 3 7 ( 宽x 高) 经过指纹头得到的是灰度值为0 2 5 5 的灰度 经指纹扫描仪采集的原始指纹图像不可避免的存在对比度不一致、含有火最噪声等缺 点，为了降低后续特征提取算法的复杂度、提高特征提取的效率，预处理过样必不可少。 实际的指纹识别系统往往由于应用环境、系统规模、实现思路以及具体算法的不同， 而在系统整体框架上有所出入，因此在预处理的过程中有所区别。考虑到两种不同的特征 提取方法，预处理也有所不同：一类直接从原始指纹图像中提取统计性特征，该方法对预 处理要求比较少，只要将图像增强一下就可以；另一类从预处理得到的指纹骨架图像中提 取细节点特征，该方法要求预处理部分做大量的工作，一般包括规格化、图像分割、求方 向图、增强、二值化、细化及后处理等步骤，最后得到一幅纹线宽度为单象素的二值图 像。在当前的应用系统中，后一类的方法要比前一类应用得多一些，因为后一类方法把工 作的难点分散到两步操作中，简化了特征提取算法，且处理结果容易控制。 1 4 3 特征提取 特征提取负责把指纹图像的纹线走向、纹线端点、交叉点等能够充分表示该指纹唯一 性的特征用数值的形式表达出来。为了比对的准确性，要求特征提取算法尽可能的提取有 效特性，同时滤除由于各种原因造成的虚假特征。 2 贵州大学硕士学位论文自动指纹识别系统的研究与实现 从不同的角度进行观察，指纹图像中存在两类特征：全局特征和局部特征。全局特征 是能够反映指纹整体形状的特征，通常用于指纹的分类，因此提取全局特征的过程往往归 于指纹分类步骤。局部特征指能够反映指纹细节点的特征，通常_ i ；i 于指纹的对比。狭义的 特征提取指局部特征的提取。两枚指纹经常会具有相同的全局特征，但他们的局部特征 点，却不可能完全相同。 指纹的主要局部特征信息有：端点( e n d i n g ) 、分叉点( b i f u r c a t i o n ) 、分歧点 ( r i d g e d i v e r g e n c e ) 、孤立点( d o t o r i s l a n d ) 、环点( e n c l o s u r e ) 及短纹( s h o r t r i d g e ) 等。在美国联邦调查局( f b i ) 提出的细节点坐标模型中，只利用了端点和分又点两种特 征点，如下图所示。另外两种重要的特征点是奇异点：中心点( c o r e ) 和三角点( d e l t a ) 。 中心点一般位于纹线的渐进中心。三角点一般位于从中心点开始的第一个分支点或末梢 点、或者两条纹路会聚处。并不是所有的指纹都拥有这两个特征，因此常被用作指纹的子 匹配。本系统在特征提取和匹配算法中只用了端点和分叉点两种特征点如图1 3 2 。 1 4 4 指纹匹配 图卜3 2 主要提取的指纹特征信息 自动指纹识别系统的工作模式可以分为两类：验证模式( v e r i f i c a t i o n ) 拳j 辨别模式 ( i d e n t i f i c a t i o n ) 。验证模式又称一对一比对( o n e - t o o n e ) 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：辨别模式又称一对多比对( o n e t o m a n y m 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绘出无对应指纹的结论。 除了验证的一对一和辨识的一对多比对方法，在实际应用中还有一对几个匹配( o n e t o - f e wm a t c h i n g ) 。一对几个匹配主要应用于只有“几个”用户的系统中，比如一个家庭 贵州大学硕士学位论文 自动指纹识别系统的 i 究i 实现 的成员要进入他们的房子。“几个”所包含的数目一般为5 2 0 人。一对几个匹配一般使 用与一对一匹配相同的方法。 由于原始指纹图像受噪声或者本身的原因，指纹细化之后的图像不可避免的存在一些 毛刺、空洞等伪特征点，因此，需要去掉这些伪特征点，这种处理步骤我们称之为后处 理。对细化后的指纹图像进行后处理，可以减少后期特征提取和匹配算法的复杂度，提高 系统的性能。本系统对细化后的图像做了后处理。 1 5 本文主要研究内容 本文经过阅读大量指纹识别方面的文献资料在他人设计开发的基础上，实现了一个 完整的自动指纹识别系统，它包括指纹图像的预处理、后处理、特征提取平匹配四个部 分。本文的所有算法都在w i n d o w s 平台上用v c + + 实现，并通过了硬件测试。在指纹的分 割、二值化、细化及后处理、特征提取和匹配方面，本文进行了深入研究，对若干算法进 行了改进。 本文的具体工作主要包括以下内容： ( 1 ) 结合该系统输入指纹的特征，在分析指纹图像直方图的基础上，实现了一种不需 要考虑指纹的方向及脊线频率等因素，且该在求取指纹的方向图和频率场之前进行分 割：在二维图像二阶导数的基础上，实现一种基于脊线方向分析的方法对指纹图象进 行二值化的算法，并实现了用数学形态学对指纹图像进行细化，构成了一个完整r 指 纹图像预处理过程。实验证明，这套算法能够很好地完成各自的工作，并快速、高效 地实现了指纹图像的预处理。 ( 2 )在后处理中，本文根据8 邻域的局部结构信息查找特征点，并对特征点所在纹 线进行跟踪记录：在跟踪的同时根据灰度图像的信息消除了桥、毛刺和空洞等伪特征 点，并针对图像的特点，连接了断纹，为后期的特征提取工作扫清了障碍。 ( 3 】在提取特征信息中，每一个特征点的信息构造一个向量，所有特征点的信息组成 一个向量表，构成整个指纹的信息：本文还对传统的特征信息记录进行了改进，以利 于匹配算法的准确性，提高了指纹旋转后的匹配率。 ( 4 ) 匹配算法中，本文对传统的匹配算法进行了部分改进。传统的匹配算法中由 于提取特征点信息的影响，匹配算法不能识别旋转的指纹图像( 特别是4 5 0 旋转) ： 本文算法中，由于提取指纹特征信息算法做了改进，因此匹配算法能很好的适应指纹 旋转的情况，大大提高了匹配算法的鲁棒性和速度。试验结果达到了预期的要求。 1 4 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 第二章指纹图像的预处理 自动指纹识别系统是通过对指纹的特征进行匹配比对来实现识别认证的，对方向场的 估计和细节点的抽取是对指纹分类和指纹对比的性能有决定性影响的因素之一，而方向场 的估计和细节点提取的准确性和可靠性都严重依赖于输入指纹图像的质量。在指纹图像采 集过程中，由于表面皮肤特性、采集条件以及成像传感器特征差异等各种原因的影响，采 集到的指纹图像是一幅多种不同程度噪声干扰的灰度图像，指纹脊线可能被断开、桥接或 者模糊等，这种噪化的指纹脊线结构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，以除去噪声，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，把它转化成一幅 清晰的指纹图像或二值的指纹图像，恢复指纹的脊线结构，以便可靠的提取正确的指纹特 征。预处理是自动指纹识别系统中的第一步它的好坏真接影响着指纹识别的效果。 指纹图像的预处理的一般工作过程如下图： _ 规图求图 - 细 输入图像一 像方像 l ， 格 值 分 向增 化割图强化 化 tt乞t t t 图2 o - o 预处理框图 预处理是自动指纹识别系统的重要组成部分，它的结果将直接影响特征提取和匹配的 准确性关系到整个系统的识别率。长期以来，许多研究人员在预处理方面做了大量t 作，并取得了可喜的成果。l i nh o n g 等提出的预处理方法分为三个步骤，首先求指纹方向 图，然后由方向图求频率图，晟后由频率图得到的g a b o r 滤波器对原始图像进行滤波。 g a b o r 滤波器的计算量比较大，而且求频率图的时候容易产生偏差，可能导致滤波效果不 理想。l a w r e n c e o g o r m a n 等提出了一种比较复杂的滤波器，根据图像的脊和谷的频率以 及其变化规律来滤除指纹图像中的噪声。b m m e h t r e 提出了一种上下文滤波器，它是一系 列上下文相关的滤波器组，使用时根据某一块的方向从滤波器组中相应的滤波器来对这一 块进行滤波。 从图2 - 0 0 就可以看出：预处理主要包括规格化、图像分割、求方向图、增强( 滤 波1 、二值化、细化等。针对不同的系统，可以选择不同的预处理步骤进行组合使其达到 最优的效果。 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 通过比较多种预处理算法，并结合该系统输入指纹的特征，本文选择并实现了一种指 纹图像简单有效的分割算法、基于脊线方向分析的方法对指纹图象进行二值化，并在二值 化后进一步使用方向滤波器滤噪和一种数学形态学的快速细化方法，从而构成了一个完整 的指纹图像预处理过程。 算法中，考虑到本系统特定的指纹采集仪的特性。简单分割算法设置了两个阈值：均 值阈值和方差闺值，通过计算块灰度的均值和方差，并与设定的阈值进行比较，来识别和 割除指纹图像的背景区：改进的指纹块方向图算法通过求大块的方向。来平滑隔块求得的 小块的块方向图，使小块的方向图更连续、更准确；基于指纹频率场的二阶导数二值化算 法，根据指纹图像的方向和纹线宽度特性，准确的完成了二值化操作；指纹图像二值化 后，纹线仍具有一定的宽度，而指纹识别只对纹线的走向感兴趣，不关心它的粗细，1 6 邻 域细化算法直接完成了二值化图像的细化工作。实验证明，这套算法能够很好地完成各自 的工作，并快速、高效地实现了指纹图像的预处理，为后续! 【：作顺利进行提供了保障。 本文所建立的自动指纹识别系统中，实验需要的指纹图像主要来自u a r e uf i r e f l y 指 纹头扫描仪。为了验证系统的可靠性和健壮性，也使用了f v c 2 0 0 0 系列的部分指纹。本系 统算法直接对u a l e uf i r e f l y 得到的数据进行处理。 2 1 规格化 一般从指纹输入设备获得的图像会由于手指按压不均匀或者不完全接触仪器表面而使 得指纹图像不均匀。规格化的主要目的是把不同的源图像的对比度和灰度调整到一个固定 的级别上，为后续处理提供一个较为统一的图像规格。在原始灰度图像上，规格化按下式 进行： g ( i ，_ ，) = m o + m o g ( f ，_ ，) m ，其他 ( 2 1 ) 上式中，g ( f ，) 代表原始图像在( i ，j ) 点的灰度值，g ( i ，j ) 代表规格化后的图像 在点( i ，j ) 的灰度值，m 和盯2 分别代表原始图像的均值和方差，m o 和盯；为期望得到 的均值和方差。其中m 和盯2 可由以下两式得出： 怍去篓势“， 协z ， 一2 衰鬲委w - i 萎h - ( g ( f d m ) 2 1 l 1 6 ( 2 3 ) 贵州大学硕士学位论文自动指纹识别系统的研究0 实现 这里w ，h 分别为指纹图像的宽度和高度，在本文中取m o = 1 0 0 ，2 = 6 0 0 。 规格化并不改变指纹的脊和谷的清晰程度【1 8 】，其结果是减少了不同指纹图像之间灰度 值的差异，并为以下的处理做准备。效果如下图所示： 图2 - 1 1 指纹图像的规格化 1 7 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 2 2 指纹图像的分割 指纹图像分割通常位于预处理的前端，其目的是把指纹图像中质量很差、在扁续处理 中很难恢复的图像区域分开来，使后续处理能集中于有效区域，不仅能提高特征提取的准 确度，还可以大大减少指纹预处理的时间。根据指纹图像被噪声干扰的程度以及能否被正 确恢复，可把图像细分为4 类图像区域【3 5 】： ( 1 ) 背景区：指不含纹线的白边界区。 ( 2 ) 清晰区：指纹纹线清晰连续，几乎没有噪声干扰的区域； ( 3 ) 不可恢复区：指噪声 严重干扰，纹线无法辨认，很难恢复的区域； ( 4 ) 可恢复区：指纹纹线断续不清晰，有噪 声干扰，但不太严重。可以恢复的区域。根据系统要求的不同，也可以把图像分为3 类区 域：( 1 ) 背景区，指不含纹线，或者纹线区域很模糊，几乎可以看作噪声且不能恢复的区 域；( 2 ) 前景区，指纹纹线清晰连续，几乎没有噪声干扰的区域；( 3 ) 模糊区指纹纹 线不清晰，但通过一定的算法处理，能恢复出指纹原型的区域。 本系统采用的就是后面一种分类方法。在下面的叙述中我们将( 1 ) 称为指纹的无效 区，( 2 ) 和( 3 ) 称为指纹的有效区域。 指纹图像的分割方法基本上都使基于图像的方向特性和灰度特性。x w a n g 等人提出 的基于方向图的分割方法 3 3 , 4 0 】依赖于方向图的可靠性，对图像对比度的高低不敏感。但是 对于纹线不连续、单一灰度等方向难以正确估计的区域，往往不能取得满意的效果。纹线 对比度、纹线频率等特性也常用于分割，这些特征有各自的优点，但也存在缺点。例如， 对比度小而方向性强的区域使容易恢复的区域，但采用对比度分割就往往会被割除。 本文应用的是一种简单的分割方法，该方法不需要考虑指纹的方向及脊线频率等因 素，且该方法在求取指纹的方向图和频率场之前进行分割，能提前找出有效区域减小后 期方向图和频率场的计算量。 分析所得到的指纹图像( 如图2 1 一1 ) ，我们可以发现：图像边缘边框部分像素值比 较小，指纹中心区域亮度高，且指纹区域纹线的灰度值比边缘框的灰度值稍人：指纹于边 框之间有明显的背景区域。因此，我们只要得到图像的直方图，并利用均值和方著两个参 数，就可以达到很好的分割效果。 记指纹图像( i ，j ) 处的灰度值为g r a y ( i ，j ) ，将图像分为大小为m m ( m = 7 ) 的块，记块( m ，n ) 的分割标记为r ( m ，n ) 。这里m 的大小以包含一脊一谷即一周期为 宜) ，r ( m ，n ) = l 表示块( m ，n ) 为有效区域，r ( m ，n ) = 0 表示( m ，n ) 为无效区域。 本文所用的具体算法步骤如下： ( 1 ) 求取指纹图像g r a y 的直方图，并找出最大峰值只。和次大的峰值只。( 如果在一定 的范围内有次大值) 。 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 ( 2 ) 将图像分成mx m ( m = 7 ) 的块，计算第( m ，n ) 块b l o c k 内的像素的均值丽和“简易的 1i = 6 商 一 方差孑”，孑。志善丢( b k l ( ( i ，9 - 丽卜若前在匕“附近或者孑小于 设定阈值，则认为块( m ，n ) 为背景区域，记r ( m ，n ) = 0 ，否则记r ( m ，n ) = l 。 ( 3 ) 由于某些干扰的存在，需要对所得的r ( n l n ) 进行平滑，消除r ( m ，n ) 中的空洞。最后得 到的分割示意图如图2 2 一l 。 ( 4 ) 根据r ( m ，n ) ，寻找后续处理的主要区域，见图2 - l 一1 。后面的处理部分主要是对主要区 域的图像进行处理 图2 - 2 - 1 对图2 1 1 的指纹图像的分割示意图 2 3 指纹图像的方向图 2 3 1 方向图 指纹图像自身有着许多不同于其他图像的特点，它的纹理性和方向性都很强，般来 说，除奇异区外指纹纹线排列是近似平行的，且方向变化平缓，可以把指纹图像局部区域 作为具有方向的纹理结构。 指纹图像的处理经常要用到空域方向图，方向图计算的精确性对于后继处理步骤有很 大的影响，在预处理中，亦可以利用这一特点，并依次而更好的进行后期的处理，为后继 的增强、二值化、细化及特征提取步骤做准备。我们把指纹图像看作有确定纹理的流状模 型，通过计算方向场作为它的方向图。方向图实际上描述了指纹图像中每一像素点所在脊 或谷在该点的切线方向。 方向图分为两种：一种是点方向图。即把指纹图像中每一点的方向都表示出来：另一 种是块方向图，即把指纹图像均匀分割成块，仅表示出每一块中脊线的大致方向。在实际 1 9 贵州大学硕士学位论文 自动指纹识别系统的研究与实现 处理中，经常使用的是块方向图，因为它比点方向图具有更强的抗噪性，也可以减少计算 量。 计算方向图的基本原理是：在灰度图像中计算每一点( 或每一块) 在各个方向上的某 个统计量( 如灰度差、梯度等) ，根据这些统计量在各个方向上的差异确定该点( p x ) 的方向。 2 3 2 块方向图的计算 对于某一个像素点来讲，由于受到各种噪声的影响。可能会产生较大的随机误差。然 而对于某一个具体的指纹来讲，某一个小区域的方向总是近似一致的。因此，利用块方向 图中的方向代替某一点的方向是可行的，并且可以有效消除点方向图中的随机误差。 计算块方向图的平均方向可以采用中值、加权中值和直方图等方法。中值的方法是将 点方向图分块后。将其中的所有方向排序，选用位于中间位置的方向作为块方向图的方 向。对于方向图受到均匀噪声影响的情况，选用中值的方法较为合理。加权平均的方法是 把点方向图分块后，统计子块中每一方向的频率，用子块中总的像素数目去除该频率，可 以得到相应方向的权系数。用所有的方向去乘相应的权系数，然后求和便得到了块方向。 由于指纹像素某个局部区域内各为的方向大致相同，因此直方图方法较为适合，即把点方 向图分成n x n 大小的块，然后对每一子块计算方向直方图，方向直方图中的峰值方向即 该块的方向，这样块方向也就计算出来了。 首先，假设f ( i j ) 代表指纹图像中像素点( i j ) 的灰度值。 1 )将图像分成大小为m x m 的块。这里m 的大小以包含一脊一谷( 即一个周 期) 为宣； 2 )采用s o b e l 梯度算子计算图像中非背景点的每个像素点f ( i j ) 在x 轴和y 轴d a n 梯度g ，( f ，) 和g 。( f ，) ： g ，( f ，) = l 厂( f l ，一1 ) + 2 f ( i l ，) + ，( f 一1 ，+ 1 ) j l r o + l ，- j ) + 2 f ( i + l ，- ，) + ，