（计算机应用技术专业论文）基于纹理分析的指纹识别研究与实现.pdf

摘要 随着计算机与信息技术的不断发展，生物特征识别技术受到了广泛 的关注，指纹因其唯一性和终生不变性成为目前最可靠的生物特征识别 技术研究对象之一。尽管目前在此技术上已有许多成形产品，但由于许 多核心技术因商业利益未能公开，而社会的发展对指纹的识别性能提出 了更高的要求，因此，对指纹识别技术方面的研究仍具有较高的现实意 义和理论意义。 本文系统的研究了基于纹理分析的指纹识别理论和技术，研究并实 现了g a b o r 滤波器提取指纹纹理特征和匹配的识别算法。该算法首先对 输入的指纹图像进行灰度归一化和方向场的计算，在此基础上对指纹图 像的中心参考点进行定位，再以参考点为中心切割指纹图像提取有效区 域，使得后续处理能够集中于有效区域。根据指纹图像的特点，指纹图 像可以看作是一种方向纹理，利用g a b o r 滤波器的方向选择特性和频率 特性，把指纹纹理信息的局部方向和局部频率作为g a b o r 滤波函数的参一 数。首先，对指纹纹理图像进行多个方向的g a b o r 滤波变换，得到该指 纹图像的局部纹理特征图；然后，在该纹理特征图上进行指纹特征编码， 使得指纹匹配简化为计算特征编码之间的欧拉距离。该方法充分利用了 指纹图像的局部特征和全局特征，在一定程度上解决了质量较差的指纹 图像的识别问题，克服了基于细节点特征匹配算法的诸多不足，并且该 方法更简便，容易实现。 本文设计了一个指纹识别系统，采用m a t l a b 7 5 实现了计算机仿真 实验。实验证明，本文的算法充分利用了指纹灰度图像中丰富纹理信息， 又反映了指纹的局部信息，且本方法对图像的质量依赖性较小，并在一 定范围内克服了指纹平移及旋转对指纹匹配的影响。该算法有较高的实 用价值。 关键词：指纹识别；特征值提取；纹理分析；指纹匹配；g a b o r 滤 波器 a b s t r a c t w i t ht h ec o n t i n u o u s d e v e l o p m e n t o fc o i n p u t e ra n dm f o 彻a t l o n t e c l l l l o l o g y b i o m e t r i c i d e n t i f i c a t i o nt e c h n o l o g y - h a sb e e nw i d e s p r e a d c o n c e m f i n g e 印r i n t sh a v eb e c o m eo n eo ft h em o s tr e l i a b l es t u d ys u b j e c t s o fb i o m e t r i ci d e n t i f i c a t i o nt e c l l i l 0 1 0 9 yb e c a u s eo ft h e i ru n i q u e n e s sa n d i n v a r i a n c ef o rl i 岛t h e r ea r em a n yf i n a lp r o d u c t so nt h eh e e lo ft h i s t e c l l l l o l o g yn o w ，b u tb e c a u s em a n yc o r et e c l l i l o l o g i e sc o u l dn o tb er e l e a s e d d u et oc o m m e r c i a li n t e r e s t s ，a n ds o c i a ld e v e l o p m e mh a sp u th i g h e r r e q u i r e m e n t s o nf i n g e 印r i n t i d e n t i f i c a t i o n ，t h es t u d yo nt h ef i n g e 叩r i n t r e c o g n i t i o nt e c h n o l o g ys t i l lh a sh i g h e r r e a l i s t i ca n dt h e o r e t i c a ls i g n i f i c a n c e t h i sp a p e rh a ss y s t e m a t i c a l l ys t u d i e df i n g e 印r i n ti d e n t i f i c a t i o nt h e o 巧 a n dt e c l u l o l o g yb a s e do nt e x t u r ea n a l y s i s ；s t u d i e da n dm a d ear e a l i z a t i o no f ag a b o rf i l t e rt e x t u r ef e a t l l r ee x t r a c t i o na n dam a t c h i n gf i n g e 印r i n t r e c o g n i t i o na l g o r i t h m t h ea l g o r i t h mf i r s ti n p u t s6 n g e 印r i n ti m a g e a n dt h e n h a sag r a y s c a l er e g u l a t i o na n dac a l c u l a t i o no ft h ed i r e c t i o no ft h em a r k e t ， 如r t h e m o r e ，i t1 0 c a t e st h er e f b r e n c ep o i n to nt h eb a s i so ft h ec e n t e ro ft h e f i n g e 印r i n ti m a g e ，a n dt h e nc u tt h ef i n g e 叩r i n ti m a g et o e x t r a c te f f e c t i v e r e 舀o nc e n t e r e do nt h ec e n t r a lr e f e r e n c ep o i n t ，m a 虹n gf o l l o w - u pp r o c e s s i n g f o c u so ne f - f e c t i v ea r e a s a c c o r d i n gt ot h ec h a r a c t 币s t i c so ff i n g e 叩r i n t i m a g e s ，f i n g e 印r i n ti m a g e sc a nb es e e na sad i r e c t i o no ft e x t u r e w ec a n m a k eu s eo fg a b o rf i l t e r s f e a t l l r e so ft h ec h o i c eo fd i r e c t i o na n df 诧q u e n c y t or e g a r dt h ep a r t i a lt e x t i l r ef e a t u r em 印a n dp a r t i a l 氐q u e n c ya sp a r a m e t e r s o fg a b o rf i l t e rf u n c t i o n f i r s t ，w ec a i lt r a n s f o r m ：f i n g e 印r i n ti m a g e si n t oa m u l t i d i r e c t i o n a lg a b o r6 1 t e rt og e tap a 而a lt e x t l l r ef e a t l l r em a po ft h e f i n g e 印r i n ti m a g e a n dt h e nw ee n c o d ef i n g e 印r i mc h a r a c t e r i s t i c s o nt h e t e x t l l r ef e a t l l r em a p ，s ot h a tt h ef i n g e 印n n tm a t c h i n gc a nb es i m p l i f i e di n t o e u l e rd i s t a n c e sb e 觚e e n t h ec a l c u l a t i n gc h a r a c t e r i s t i co fi n t e r - c o d i n g d i s t a n c e s t h em e t h o dm a k e st h em o s to ft h ep a n i a lf i n g e 印r i n ti m a g e i l f e a t u r e sa 1 1 d9 1 0 b a lf e a t u r e st os 0 1 v ep o o 卜q u a l i t yf i n g e 巾r i n ti d e n t i f i c a t i o n p r o b l e m sa n dt oo v e r c o m em a n y s h o r t c o m i n g sb a s e do nt 1 1 ec h a r a c t e d s t i c s o 士m l n u t l a e b a s e dm a t c h i n ga l g o r i t l u n ，a n dt h em e t h o d i ss i m p l e ra n de a s i e r t oi m p l e m e n t 。i1 1 1 s p 印e rh a sd e s i g n e daf i n g e 印r i n t i d e n t i f i c a t i o n s y s t e m ，u s i n g m a t l a b 7 5t 0a c h i e v ec o l n p u t e rs i m u l a t i o n t h e e x p e r i m e n t si n d i c a t et h a t t h ea l g o r i t h mi nt h i sa n i c l en o to n l ym a k e s b e s to fr i c ht e x m r ei n f o n l l a t i o n m 铲a y s c a l el m a g e s ，b u ta l s or e n e c t st h ep 矾a lf i n g 唧m i n f o r i i l a t i o n a n dt h i si n e t h o di s l e s s d 印e n d e n to nt h eq u a l 时o ft h ei m a g e ，a n d o v e r c o m et h e i m p a c to fm e 丘n g e 巾r i n tt r a n s l a t i o n 柚dr o t a t i o no nt h e f i n g e 巾r i n tm a t c h i n gi nac e r t a i n v a l u e r a n g e t h ea l g o r i t h mh a sh i 曲p r a c t i c a l l ( e yw o r d s ： f i n g 唧血tr e c o g n i t i o n ；诧a t u r ee x 仃a c t i o n ；t e x t u r e a 1 1 a l y s i s ；f i n g e 印d n tm a t c h i n g ；g a b o rf i l t e r s h l 硕士学位论文 第一章绪论 1 1 研究背景及意义 第一章绪论 随着网络与通信技术的飞速发展和人类物理活动空间与虚拟活动空间的不断 扩大，现代社会对于人类自身身份识别的准确性、安全性与实用性提出了更高的要 求，传统的身份识别方法正越来越受到局限。 传统的身份鉴别方法一般使用基于身份标识的知识或基于身份标识的物品。前 者一般使用“所知 鉴别个人身份，如用户名、密码等；而后者一般是使用个体所 拥有的特定标识物来获得个人认证，如钥匙、印鉴、身份证等。在一些安全性要求 较高的地方往往将两者结合起来使用。但是用来认证的标识物易被磨损、复制、被 盗、仿冒、遗忘、破解等，并且其他人一旦获取标记物便可共享合法持有者的信息 资源，这些均给个人及社会信息管理带来巨大的安全隐患【l 】。正是由于传统身份识 别方法的精确性较低，安全漏洞较大，已不能完全满足现代社会经济活动和社会安 一 全防范的需要，人们都期待有一种不易被他人代替、仿制、甚至其本人也无法转让 的新身份识别方式来满足自身的需求。因此，基于人体生理特征的身份识别技术【2 j 逐渐为社会所瞩目。 生物特征身份鉴别技术是通过计算机将人体所固有的生理或行为特征收集并 进行处理，由此进行个人身份鉴定的技术【”。生物特征身份鉴别技术作为新兴的身 份鉴别方法【4 】，能够克服传统方法的弊端，更安全、可靠、准确、方便。随着计算 机及网络技术的迅速发展，在金融、电子商务、政务、司法及社会事务管理等领域 有广泛的应用前景，日益引起人们的关注并成为研究热点。能够作为身份鉴别的生 物特征，应具有以下几个特点： ( 1 ) 广泛性：每个人都必须具有这种生物特征。 ( 2 ) 稳定性：该生物特征不随外界条件和时间的变化而变化。 ( 3 ) 唯一性：每个人具有的该项生物特征互不相同，独一无二。 ( 4 ) 可采集性：所选的生物特征应该有利于测量。 目前，研究和使用的生物特征包括脸部、虹膜、视网膜、指纹、掌纹、手形等 与生俱来的生理特征和语音、签名、步态等后天习惯使然的行为特征。相对于其它 生物特征识别技术而言，指纹识别技术是目前最为成熟的、应用最为广泛的、一种 硕士学位论文 第一章绪论 更理想的身份认证技术【5 】。这是因为人类的指纹具有这样几个特征： ( 1 ) 每个人的指纹纹路在图案、断点和交叉点上各不相同，也就是说，这些指纹 特征是唯一的，两个人有相同指纹的概率几乎为零。 ( 2 ) 每个人的指纹一般不会随着健康状况的变化或年龄的增长而发行变化，是 相对固定的，终生不变。 ( 3 ) 同一个人的十个手指的指纹皆不相同，还可以利用多个指纹构成多个口令， 能有效的提高系统的安全性。 。 ( 4 ) 指纹识别中使用的模板并非指纹图像，而是指纹图像中提取的关键特征， 因而存储量少，也保护了使用者的个人隐私。 ( 5 ) 指纹样本容易获取，易于开发系统，实用性比较强。 正是由于人体指纹具有人人都有的普遍性、每人不同的唯一性、不随年龄而变 化的稳定性【6 l ，我们就可以把一个人和他的指纹对应起来，只需将他的指纹和预先 保存的指纹模板进行比较，就可以验证他的真实身份。一般来说，采用指纹识别技 术进行身份验证的系统是安全可靠的，它可以取代传统的基于密码、钥匙和证件的 安全系统，而且不需记忆密码，无需携带证件，指纹就是身份证明。 “ 随着计算机与通信网络的蓬勃发展，电子商务的不断推广应用，安全方便的 指纹识别系统现已广泛应用于桌面电脑、笔记本电脑、提款机、考勤系统、门禁控 制以及电子商务安全系统，遍及银行、保险、边防检查、医疗卫生及网络接入等各 个领域。近年来，在世界范围指纹识别技术的应用以爆炸性速度增长，如上海正推 行的社会保险指纹身份验证系统，香港推行的指纹特征的电子身份证等。而且向更 广阔的领域开展应用。当前指纹识别技术的研究已取得了巨大的进展，已有大量的 的技术产品被成功开发，但是目前的指纹识别技术还存在没有被很好地解决的问 题，例如低质量的指纹图像的处理问题、在大规模指纹库上进行指纹比对时的效率 问题等等，这些问题在实际应用环境中会遇到，也是亟待解决的问题。另一方面， 以指纹为代表的生物识别技术的发展和应用，不仅可以开发相关的产品，获得相应 的经济效益，而且可以带动图像处理、模式识别、计算机应用等等相关学科的发展， 具有很高的学术价值。因此进行指纹识别技术方面的学习和研究具有较高的理论意 义和现实意义。 1 2 国内外研究现状 人们使用指纹进行个人身份鉴定己经有很长的历史。早在公元前7 0 0 0 年 6 0 0 0 年，中国人和古埃及人就已懂得用指纹来标识人的身份阴。指纹识别系统是目 前性价比最高的生物识别系统之一【s 】，但早期的指纹识别采用的是人工比对的方 2 硕士学位论文 第一章绪论 法，效率低、速度慢。现代指纹识别起源于1 6 世纪后期，w i l l i 锄h e r s c h e l 【9 j 在 “n 栅e ”上发表了他本人关于指纹研究2 0 多年来的成果，从此揭开了现代指纹识 别的序幕。1 8 9 2 年，英国s i rf m c i sg a l t o n 【9 】对指纹进行了系统地研究并提出了指 纹细节特征分类，将指纹分为斗( w h o d ) 、箕( 1 0 0 p ) 、弧( a r c h ) 三大类，使指纹识别 应用进入了一个崭新的时期。1 8 9 9 年，英国的e d w 莉h e l l r y 建立了著名的h e l l r y 指纹分类系统，1 9 0 1 年被英国政府采用，随后西方各国亦相继采用，这时指纹识 别应用正式走上了科学化道路。随着电子计算机的出现，采集技术的发展以及对指 纹识别的研究，人们逐渐将人工的指纹识别向指纹自动识别( a u t o m a t e df i n g e 平r i n t i d e i l t i f i c - a t i o ns y s t e m ) a f i s 转变。美国最早于1 9 6 3 年首先开展有关软件的研制， 于1 9 7 5 年成功推出第一个商业化系统p r i f i t r a l ( 2 5 0 【9 】。日本在1 9 7 5 年开始进行研究， 并于1 9 8 2 年将n e c a f i s 【9 】投入使用。我国指纹识别技术发展相对于美国、日本要 晚1 0 2 0 年的时州1 0 】。指纹识别产品在我国最早出现是在9 0 年代初期，产业化起 步是2 0 0 0 年以后，而在此之前，处于核心技术和相关产品研发阶段，在此之后， 形成了一定的产业供求关系：有指纹模块提供商，有指纹传感器提供商，有核心算 法提供商，也有指纹产品经销商。但这些产品主要以考勤和门禁为主，指纹应用面 比较单一。到2 0 0 4 年，随着移动存储设备等数码类产品的大量使用，数码类产品 与指纹技术结合应用的局面才铺开，因此指纹识别产业在我国当前仍处于形成阶 段。目前，在我国很多金融支持领域、信息安全领域都出现了指纹技术应用方案。 日常所说的指纹识别技术其实包括“指纹采集技术和“指纹识别技术”。指 纹采集技术的发展受传感技术发展的影响和推动，经过了较长的历史时期。第一代 指纹采集技术采用的是“按压留痕 的方式来采集指纹图像的，利用的是指纹“触 物留痕”的特性，主要通过“油墨一一指纹卡 的方式采集。第二代指纹采集技术 采用数字化、自动化的采集方式，指纹数据以数字信息表示和存储。现有的半导体 压感指纹采集仪、温感指纹采集仪、光学指纹采集仪和电容式采集指纹采集仪都是 数字化自动指纹采集技术。指纹采集的过程本质上是指纹成像的过程，其原理是根 据脊与谷的物理特征、几何特性和生物特性的不同，根据得到不同的反馈信号的量 值来绘成指纹图像。 “指纹识别技术 即人们常说的指纹算法技术【l o 】。目前，指纹识别技术的研究 主要包括以下几个方面： 1 ) 指纹图像预处理 指纹图像像预处理【1 1 】【1 2 1 是为指纹图像特征提取做准备，原始的指纹图像常有 许多噪声，预处理就是减弱噪声，增强脊和谷的对比度，但不破坏图像的重要信息， 处理后的图像也不变形。这一过程包括图像增强、二值化、平滑、滤波等过程。数 字图像处理中一些常用的图像增强方法如：中值滤波、均值滤波、低通滤波、边缘 3 硕士学位论文 第一章绪论 增强等，对指纹图像的增强效果并不是很理想，这是因为这些方法主要针对图像中 的随机噪声，而模糊指纹图像中的指纹纹线缺陷属于结构性噪声。很多指纹增强算 法对细化指纹图像进行增耐1 3 】，其方法是：先对原始灰度指纹图像用直方图变换、 低通滤波等图像增强方法进行处理，再进行二值化和细化处理，得到细化指纹纹线， 然后对细化纹线拓扑结构进行分析，结合指纹纹线之间的距离、纹线的方向等特性， 修正细化纹线的结构。此方式的缺陷是二值化和细化处理不仅会损失很多有用的图 像信息，而且也会带来一些新的误差，从而在此基础上所恢复的指纹纹线结构很可 能不能反映指纹的原始面貌。还有些算法是在原始灰度指纹图像上进行指纹图像增 强【1 4 】【1 5 】的。指纹图像由谷线和脊线交替构成，理想情况下，指纹图像局部区域中 的指纹纹线形成一个具有固定方向和频率的平面正弦波。基于这一特性，人们提出 了采用具有频率和方向选择特性的带通滤波器进行指纹图像增强处理的思想。与基 于细化纹线增强方法相比较，这类方法具有比较好的效果。 长期以来，人们对指纹图像二值化进行过许多研究。1 9 8 0 年d m a r r 等人利用 边缘窗口提取指纹纹线轮廓，对图像进行分解，该方法对连续变化的灰度图像效果 较好，但是对二值图像存在“缺口 和“洞 。文献 1 6 】提出了一种“黄金分割算 法 的最优化阈值法，该方法把高斯统计函数和直方图技术相结合作为求指纹图像 二值化阈值的理论基础，实验效果不错。文献 1 7 】采用了动态阈值二值化方法，该 方法结合指纹图像灰度值变化特点和图像自身的方向结构特点，对图像中每一个像 素点的二值化进行动态阈值，其优点是处理速度比较快。另外，也有人提出了将灰 度分布的情况和指纹图像的特点相结合来分割图像的二值化方法等等。 图像细化是删除二值化指纹图像的边缘像素，使其转变成只有单像素的骨架图 像，以便于细节特征的提取。指纹纹线的细化从实现上可分为两大类：一类是从外 到内逐点剥去二值图像的边界点，如h i l d m 算法【1 8 】，中间定位性较好，易于实现， 但往往要经过若干几次迭代算法，速度较慢。另一类是从内到外，找到某一中间点， 然后按扫描方向寻找其八邻域内也为指纹条纹中间像素的点，逐次取得细化线，此 方法能保持较好的连通性，但情况复杂，有时中间定位不准，较难实现。 2 ) 指纹特征提取与匹配 指纹的特征提取是为指纹匹配作准备，该两步均是指纹识别系统研究的核心内 容之一，也是非常关键的步骤。 一枚指纹的特征有很多，但端点所占的比例最大，其次是分叉点。因此，大多 数文献认为比对指纹只需提取端点、分叉点这些特征点，建立相应的特征向量，以 便进行指纹匹配工作。特征提取的结果一般保存为特征模板，它包括端点和分叉点 的类型、位置的坐标及该特征的方向。大多数文献认为一般指纹图像提取的特征点 可有1 0 1 5 0 个，但是至少要有1 2 个特征点才能够进行指纹匹配。 4 硕士学位论文 第一章绪论 特征提取是指纹图像处理的重要组成部分，人们已研究出了许多检测算子，如 p r e w i t t 算子、r o b e n s 算子、s o b e l 算子是基于方向导数边缘特征检测的，这些算法 计算速度快，但只对边缘光照均匀、突变明显的图像才能取得较好的效果。另外， 罗剑等人提出的脊线跟踪指纹细节提取算法；还有基于简单统计学的特征提取算 法；文献【1 9 提出交叉数计算法，此算法通过计算像素点的交叉数来判断该点的特 征类型，执行效率高且有较好的应用效果。 指纹匹配是指用当前输入的指纹图像特征与事先保存的模板特征相比对，从而 判断这两个指纹图像的特征是否来源于同一个手指。目前常用的指纹匹配方法有： 基于指纹细节特征点的方法、基于指纹纹理特性的方法、基于图像的方法等。 在指纹细节点匹配法中，最常用的细节特征点是美国联邦调查局( f b i ) 提出 的细节点坐标模型，它利用指纹纹线端点和分叉点这两种关键点来鉴定指纹。基于 细节点的指纹匹配一般可分两步进行：首先，利用指纹图像的类别信息进行粗略匹 配；然后，利用指纹图像的细节点信息进行精确匹配，也就是细节点匹配。细节点 匹配是将需识别的指纹图像所提取的指纹特征点与指纹库中模板指纹的特征点信 息进行比较，计算其特征点的相似度，从而得到两枚指纹匹配的相似度，选取适当 的阈值与该相似度进行比较来判断两枚指纹是否来自同一个手指。由此来看，在基 于细节点的指纹识别中，指纹匹配的问题可以简化为点模式匹配问题。英国学者 h e m ，【2 0 】认为，只要有1 2 1 3 个特征点重合，就以确认为是同一个指纹。点模式匹 配问题则是模式识别中一个有名的难题【2 。s t o c k m a n 等提出的基于h o u 曲变换的 方法把点模式匹配转化成了对转换参数的h o u 曲空间中峰值的检测；r a l l d 研究所 的r a t k o v i c 提出了更细致的指纹特征模型，该模型区分1 0 种不同的指纹特征；在 此基础上，j h “u 等人将之用在指纹上叠加栅格并用特征的分布编码的方法来识 别特征；s d i lp r a b h a l 【a r 等人提出了将三种基于细节特征点的匹配算法和一种基于滤 波的匹配算法结合使用，实验证明的确提高了指纹识别的精度；删i tb i s l l l h l 等人 又提出了一种基于脊线运动的点序列模式匹配算法：利用任意两点间的距离和该两 点连线与x 坐标轴的夹角进行部分点模式序列匹配；s s o b 萄i c 等人描述了一种利 用神经网络来进行细节点匹配的算法，这种识别方法容错性高，但是必须要有大量 样本的事先训练才能发挥作用，因此不适合用于对时间要求较高的实时在线指纹识 别系统。 现有的细节点匹配算法的第一步是确定基准点对，此时需要将待识指纹上提取 的诸多特征点与库中模板指纹点一一对准，最终选取基准点对。如何简化基准点对 的提取，是提高指纹识别的速度的关键所在。将指纹的某一奇异点作为基准点，有 助于简化找基准点这一步骤，可以用指纹的中心点或三角点作为基准点，因此算法 还需解决奇异点提取的完整性和准确性。 s 硕士学位论文第一章绪论 2 0 0 0 年a n i lkj a “2 2 】等提出了一种基于g a b o r 滤波器的指纹纹理的匹配算法。 该算法首先确定指纹中心点，然后以中心点为参考点确定指纹图像中感兴趣的区 域，再利用g a b o r 滤波器频域和方向的选择性，使用8 个不同方向的滤波器对中心 点周围的区域滤波，获取指纹的整体特性和局部特性，计算指纹图像的特征编码， 通过比较指纹编码间的距离进行指纹匹配。此算法在一定程度上可克服质虽较差的 区域细节点难以提取的困难，但依赖于中心点定位的准确性。 另外，杨利敏等人提出了基于指纹分类的模式匹配算法【2 3 1 ；y u l i a i l gh e 等人提 出了一种在最大可能估计中引用“盖然论公式”计算最优形变参数，并将该方法用 于指纹图像匹配，取得了比较好的效果；也有采用基于结构的方法进行指纹匹配【2 4 1 ， 其特点就是利用指纹图像的拓扑结构，这也是最近在该邻域研究中值得关注的发展 方向之一。 1 3 本文研究的内容 目前自动指纹识别系统中常用的方法是f b i 提出的以指纹细节点模型来做细 节匹配，通过将细节点表示为点模式，指纹识别问题就转化为点模式匹配或图形匹 配的问题。一方面，该方法需要大量的图像预处理过程，伪特征点对系统影响较大。 另一方面，基于指纹细节特征点的匹配方法在一定程度上解决了指纹匹配的问题， 但是对质量很差的指纹图像很难正确提取细节特征点，而指纹的纹理特征是注重指 纹的整体流向和较好的局部方向性，因此对指纹的平移和旋转不敏感，对少量特征 点的缺失、少量的伪特征点的存在等也有一定的容错性，有很强的抗噪声能力。 本文根据近几年来科学界一直在探讨的新思想：基于指纹纹理特征实现指纹识 别的方法对指纹识别系统进行了研究与设计。指纹的表面是由连续变化的脊线构 成，指纹中的脊线结构被认为是一种方向性的纹理图像。这是因为在局部范围内， 指纹脊线具有一致的方向性，指纹脊线宽度基本相同，指纹脊线间的距离基本相同， 因而可以把指纹图像当作方向纹理来处理。这种纹理图像有着重要的空间频率和局 部邻域方向性，其中空间频率是由于在指纹中的内部脊线空间的分布性，方向性是 由脊线展现的流向性。对大多数纹理图像，在频域内般都分布在有限的频带范围 内，并且不同纹理在频域内表现出不同特性，纹理图像具有不同的空间频率、方向 相位等特性。对于分辨率为5 0 0 d p i 的指纹图像，由脊线间距离决定的的空间频率 变化很小，这表明可以使用一种最优的尺度来分析指纹，因此可以使用与局部方向 纹理相关的定量度量来作为识别的特征。 本文综合利用模式识别、计算智能、数字图像处理等方面的知识，研究了基于 纹理分析的指纹图像预处理、指纹特征提取以及指纹匹配相关的工作。具体工作如 6 硕士学位论文 第一章绪论 f ： ( 1 ) 探讨了指纹图像预处理及其相应算法。指纹图像预处理先对输入的指纹图 像进行图像灰度归一化，并计算其方向场，然后在方向场的基础上对指纹的中心参 考点进行定位，再以找到的参考点为中心修剪指纹图像，将指纹图像中质量较差、 在后续处理中较难恢复的图像区域与有效区域分开来，只留下效果较好的区域的有 效指纹图像，使得后续处理能够集中于有效区域。 ( 2 ) 探讨了基于纹理结构的指纹图像特征值提取和匹配算法。该算法把指纹图 像看作是一个有方向和频率的纹理信号，利用g a b o r 滤波器有方向和频率的选择 性，对指纹图像进行多方向的g a b o r 滤波变换，得到指纹图像的局部纹理特征图， 然后用滤波后得到的图像局部区域的平均绝对偏差a a d ( a v e r a g ea b s o l u t e d e 访a t i o n ) 来描述指纹的局部特征，计算指纹图像的特征编码。匹配时取数据库存 储的模板与待匹配的输入模板的特征编码之间最小的欧拉距离作为这两幅图像间 的相似度。 ( 3 ) 设计了一个指纹识别系统，采用m a t l a b 7 5 实现了计算机仿真实验。该系统 采用一种基于g a b o r 滤波函数库的指纹特征表示法，该方法以奇异点为中心点将指 纹分割为多个小区域，分别用多个方向的g a b o r 滤波器作用于指纹图像，然后用滤 波后得到的图像局部区域的平均绝对值来描述指纹的局部特征，产生指纹编码( 一 个固定长度的代码) ，然后进行特征匹配，所采用的指纹匹配算法是基于纹理模式 的匹配方法，通过比较两幅待匹配指纹图像相应代码间的欧拉距离进行指纹匹配。 1 4 论文结构安排 本文深入分析了课题的研究背景、指纹识别技术的现状和发展趋势，在前人 的研究基础上，结合图像处理技术对基于纹理分析的指纹识别技术进行了研究， 并设计了指纹识别系统，用m a t l a b 进行了仿真实验。本文的内容结构安排如下： 第一章作为全文的绪论，论述了本文的研究背景及意义、国内外研究现状， 确定本文的研究内容和论文的结构安排。 第二章简单地介绍了指纹识别的基本概念、指纹识别的分类及指纹识别的工 作原理和识别一般过程，并研究了基于纹理特征的指纹识别原理、技术和过程， 为基于纹理分析的指纹识别的实现打下理论基础。 第三章主要研究了基于纹理分析的指纹图像预处理中图像的灰度归一化和方 向场的计算，并在此基础上进行了指纹图像参考中心点的定位，研究了以中心点为 参考点的指纹有效区域的提取的方法，为指纹图像的纹理特征提取做准备。 第四章简要介绍了指纹特征提取的常用方法，探讨了使用g a b o r 滤波器对指 7 硕士学位论文 第一章绪论 纹图像进行分解和纹理特征提取的方法，研究了指纹特征编码的方法，使指纹匹配 简化为计算特征编码间的距离，为指纹匹配打下了基础。 第五章简要介绍了指纹匹配的常用方法，研究了基于纹理特征的指纹图像的 匹配算法，并实现了计算机仿真实验。 第六章对本课题的研究工作进行了总结，并提出了该课题下一步研究方向。 1 5 小结 以指纹作为身份认证已是信息安全发展的必然趋势，如何进行指纹识别是身份 认证的关键所在。本章作为全文的绪论，在论述了本文的研究背景及意义、指纹识 别的研究现状之后，确定了本文所作的工作和章节内容安排。 8 硕士学位论文第二章指纹识别的系统原理与技术 第二章指纹识别的系统原理与技术 2 1 指纹识别的基本概念 2 1 1 指纹简介 指纹即指尖表面的纹线，指纹脊线是手指皮肤突起的部分形成的曲线，指纹谷 线是指纹脊线间空隙形成的曲线。这些脊线和谷线在每一个小的局部窗口中呈现很 好的相似性。由于人的遗传特性，指纹受遗传影响，而每个人的遗传基因又不同， 因此，虽然指纹每个人皆有，但是各不相同。仔细观察你手指的指纹，会发现指纹 一般有这样几种类型：有同心圆或螺旋纹线，看上去像水中漩涡的，叫斗形纹；有 的纹形像弓一样，叫弓线纹；有的纹线是一边开口的，就像簸箕似的，叫箕形纹。 每个人的指纹除了形状不同、纹形的长短与多少不同外，每个人的指纹纹路在图案、 交叉点和断点上也各不相同，也就是说，每个人的指纹是终生不变的，并且是唯一 的。依靠这种稳定性和唯一性，就可以把一个人同他的指纹对应起来，通过对他的 指纹与预先保存的指纹进行比较，就可以验证他的真实身份，这就是指纹识别技术。 2 1 2 指纹特征 仔细观察指纹图像可以看出，指纹图像是由黑白相间的谷脊紧密排列在一起而 构成的一类灰度图俐2 5 1 ，是属于随机型纹理图像范畴，并且指纹图像中的纹线具有 渐变性、连续性的特点，在局部范围内呈现一致的方向特性和频率特性。由这些谷 脊线在手指上形成独特的结构类型，将它们的局部和整体特性用来进行身份识别。 通常将指纹图像的特征分成两大类：总体特征和局部特征。 1 ) 总体特征 总体特征是用于指纹数据库分类的结构特征，是指纹中的脊线和谷线所形成的 全局特定模式，也称全局特征。它描述了指纹的整体特征，如脊线的走向及其整体 形状，也是人眼直接就可以观察到的特征。 ( 1 ) 基本纹路图案。根据指纹的基本纹路图案，指纹被分为三种基本类型：环 型( 1 0 0 p ) 、弓型( a r c h ) 和螺旋型( w h o r l ) ，如图2 1 所示。其他的指纹图案都基 于这三种基本图案。单依靠这种纹路图案的粗略分类来分辨指纹是远远不够的，但 通过分类使得在大数据库中搜寻指纹更为方便。 9 硕士学位论文第二章指纹识别的系统原理与技术 ( a ) 环型 ( b ) 弓型( c ) 螺旋型 图2 1 指纹的分类 ( 2 ) 模式区( p a t t e m a r e a ) 。指纹的模式区指的是指纹图像中包括了总体特征的 区域，从模式区我们可以分辨出指纹是属于哪一种类型的。 ( 3 ) 三角点( d e l t a ) 。指纹图像的三角点位于从核心点开始的第一个分叉点或 者两条纹路会聚处、孤立点、折转处、或者断点，或者指向这些奇异点。三角点可 以是指纹纹路的跟踪和计数的起始点。 ( 4 ) 核心点( c o r e p o i n t ) 。指纹图像的核心点可定义为非封闭漩涡的近端点或 封闭漩涡的两个近端点，在读取指纹和比对指纹时，指纹图像的核心点可作为参考 点。 ( 5 ) 纹数( r i d g e c o u n t ) 。纹数是指模式区内指纹纹路的数量。计算纹数方法 是：先连接指纹图像的核心点和三角点，这条连线与指纹纹路相交的数量即是指纹 的纹数。 ( 6 ) 式样线( 聊e l i n e s ) 。式样线是指包围模式区的纹路线开始平行的地方所 出现的交叉纹路。指纹的式样线通常很短就中断了，但它的外侧线开始连续延伸。 下面给出了指纹图像几种全局特征的示意图，如图2 2 【2 6 1 所示。 图2 2 指纹图像几种全局特征示意图 2 ) 局部特征 指纹的局部特征是表征指纹唯一性的局部细节特征，它是由指纹脊线上的细节 点位置及其相互关系构成。指纹纹路经常出现中断、分叉或打折，并不是连续的、 l o 硕士学位论文 第二章指纹识别的系统原理与技术 平滑笔直的，这些断点、分叉点和转折点就称为特征点。就其本质而言，局部特征 就是指单个特征点的特征描述，每个细节点一般用类型、位置、方向、曲率等四个 要素【2 7 j 来描述： ( 1 ) 类型。目前可以用于识别的局部细节特征有1 5 0 多种【2 8 1 ，最典型的类型是 端点( m d g ee i l d i n g ) 或终结点( e n d i n g ) 与分叉点( b i 丘_ l r c a t i o n ) 。如表2 1 所示，列 出了常用的几种指纹细节点类型。 表2 1 常用的指纹细节点的类型示意图 a 、终结点：一条纹路在此终结。 b 、分歧点：两条平行的纹路在此分开。 c 、孤立点：一条特别短的纹路，以至于成为一点。 d 、分叉点：一条纹路在此分开成为两条或更多的纹路。 e 、短纹：一端较短但不至于成为一点的纹路。 f 、环点：一条纹路分开成为两条之后，立即合并成为一条，形成的一个小环。 其中，分叉点和端点出现的概率最高，在指纹识别中，最常用的特征点就是端 点和分叉点，因为，这两种特征对于噪声最不敏感，而其它特征容易受噪声影响。 另外，这两种特征对于指纹的脊线和谷线有相同的特征集。脊线上的端点对应谷线 上的分叉点，而脊线上的分叉点对应谷线上的端点。自动指纹识别系统对图像进行 处理后，根据提取出的这些特征点的位置和方向进行指纹的比对。 ( 2 ) 曲率。描述在特征点位置上纹路方向改变的速度。 ( 3 ) 方向。方向是指在特征点的位置上纹形的走向，每一个节点都有一定的方 向，可以表示为与x 坐标或y 坐标的夹角。 ( 4 ) 位置。节点的位置通过( x ，y ) 坐标来描述，可以是相对于三角点或特征点 的，也可以是绝对的。“水平位置 是把指纹放在直角坐标系中的水平坐标值。“垂 直位置是把指纹放在直角坐标系中的垂直坐标值。 2 1 3 指纹描述 一 指纹图像有着很好的指纹特征，但还是要选择一种合适的方式来描述指纹特 征，首先这种描述方式要包含指纹的区别性的信息，其次所描述的特征应是易于提 硕士学位论文 第二章指纹识别的系统原理与技术 取、存储和匹配的。指纹描述方式【2 9 】通常有以下几种： 1 ) 基于细节点的描述 主要是通过细节点特性来表征指纹，其原因是指纹细节点具有稳定性。目前流 行的指纹识别系统大多采用这种方式。 2 】基于纹理的描述 这种描述方式是基于指纹的纹理特性提出的，指纹图像可以看作是方向纹理， 由其空间频率的特性，可以采用一种最优的尺度来分析指纹图像。 3 ) 基于图像的描述 这种描述方式直接由原始图像的像素密度来描述。其优点是保存了指纹丰富的 信息，缺点是对存储空间的要求比较高。 此外，还有基于结构的描述、基于脊线的描述、基于频率的描述等等。这些描 述大多用于指纹的分类或粗匹配，而不是精确匹配。 2 1 4 指纹识别分类 指纹识别是指尖表面纹路的脊谷分布模式识别。这种脊谷分布模式是由皮肤表 面细胞死亡、角化在皮肤表面积累形成的。目前，实用的指纹识别系统根据实现功 能不同可分为两大类【3 0 】：一类为指纹验证( 1 ：l 模式) ，一类为指纹辨认( 1 ：n 模式) 。 1 ) 指纹验证 指纹验证的作用是通过一个人的指纹来判断他身份的真实性。即把采集到的指 纹与登记在册的指纹进行一对一比对，并以此来确认身份的过程。使用者在提供他 的身份信息同时也提供他的指纹信息，身份信息就象是i d 号码一样。指纹验证系 统根据使用者输入的i d 号码找到与之相对应的指纹摸板，实时地将指纹摸板和用 户指纹进行匹配。如图2 3 所示，是一个典型的指纹验证系统。 输入用户i dii出示用户指纹 指纹库( 保存 i d 与特征值) 从指纹库取出相 应的指纹特征值 计算用户指纹 特征值 图2 3 指纹酗正系统 1 2 比对两个指 纹特征值 硕士学位论文 第二章指纹识别的系统原理与技术 2 ) 指纹辨认 指纹辨认是指通过一个人的指纹来指定他的身份。在我们不知道一个人身份的 情况下，通过指纹辨认系统试着将该人的指纹与指纹库里的指纹模板进行一一匹 配，直到匹配成功为止。这个比对过程是一个一对多匹配，如图2 4 所示，是一个 典型的指纹辨认系统。通常情况下，指纹辨认在罪犯调查中使用比较广泛，并且比 较有效。 图2 4 指纹辩认系统 然而，所有的指纹识别问题，无论是指纹确认还是指纹辨认，最终都是基于一 个指纹的正确描述。 由于计算机处理指纹图像时，只涉及指纹的有限信息，而且比对算法不是精确 匹配，因此匹配结果不能保证1 0 0 的正确。一个自动指纹识别系统的性能评价参 数主要有：识别速度、误识率f a r ( f a l s ea c c e p tr a t e ) 、拒识率f i 汛( f a l s er e j e c t 胁e ) ，f a r 和f i 汛是成反比的。f a r 和f i 汛的计算公式为： f 觚= 塑器燃p 亿，) f 肽= 塑篙掣 协2 ， 尽管指纹识别系统存在着可靠性问题，但在应用中1 的误识率是可以接受的。 2 2 指纹识别的系统原理 指纹识别技术是通过指纹图像采集设备采集指纹图像，然后利用计算机识别软 件提取指纹图像的特征数据，最后通过指纹匹配算法得到匹配结果以确定指纹所有 人身份的生物特征识别技术。指纹识别技术主要涉及指纹图像的采集、预处理、特 征提取、特征值的比对和匹配等过程。 指纹识别的工作原理和生物特征识别的工作原理基本相同。首先，通过指纹采 硕士学位论文 第二章指纹识别的系统原理与技术 集设备采集到人体指纹样本图像，并对原始图像进行初步处理，使之更清晰。然后， 经过特征提取系统的处理后根据样品的特征而为其分配一个特征代码并形成识别 数据库，即建立指纹的特征数据，两枚不同的指纹不会产生相同的特征数据。其中， 特征文件存储从指纹上找到的特征数据，这些数据通常称为模板。通过此数据库可 以对人的指纹进行检索和匹配。当需要对某人进行身份识别时，通过特征匹配算法 将待识别人的指纹特征与数据库里的所有的指纹模板进