（计算机软件与理论专业论文）基于指纹曲线特征的预处理算法研究.pdf

基于指纹曲线特征的预处理算法研究 摘要 自动指纹识别是生物特征识别技术的一种，它依靠手指皮肤蕴涵的信息作为 特征对主体进行身份验证。由于指纹这类特征的唯一性和不变性，以及指纹识别 具有很高的实时性，使指纹识别成为最流行、最方便、最可靠的个人身份认证技 术之一。 指纹识别过程主要分为4 个步骤：1 指纹采集，2 图像预处理，3 特征提取， 4 细节匹配。本文对指纹图像预处理算法进行了深入研究和探讨，将预处理分为 增强、细化两个部分进行介绍。本文针对层次特性提出了一种基于十字方向滤波 的增强算法。该算法根据指纹图像点方向估计的结果，对脊线边界的清晰部分和 模糊部分进行过渡分割，然后利用高频滤波增强高频分量减少图像模糊，利用低 通滤波滤去高频部分，减少噪音。二值化采取图像采用局部阚值自适应算法得到。 在此基础上，设计了细化保留模板对二值图像进行细化，模板有效保护指纹趋势 和细节点。 为了测试算法性能，我们在f v c 2 0 0 0 和f v c 2 0 0 4 提供的标准指纹库进行试验， 并在p c 机上用v c + + 编程实现。实验结果表明该算法对指纹图像进行了有效地增 强，而且细化结果较好的保留了指纹的纹理结构和细节特征，为后续的特征提取 和匹配奠定了基础。 关键词指纹识别指纹预处理指纹增强十字方向滤波模板细化 基于指纹曲线特征的预处理算法研究 a b s t r a c t a 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 nt e c h n o l o g yi so n eo ft h eb 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 i e s i td e p e n do nt h ei n f o r m a t i o nc o n t a i ni nt h ef i n g e r p r i n ts k i n t oc h e c ki d e n t i t yo fm a s t e r s h i p b e c a u s eo ft h eu n i q u e n e s sa n di m m u t a b i l i t yo f f i n g e r p r i n t ，a l o n gw i t hr e a lt i m ea n dp r a c t i c a b i l i t yo ft h e i d e n t i f i c a t i o nt e c h n i q u e ， f i n g e r p r i n ti d e n t i f i c a t i o nb e c o m et ob eo n eo ft h em o s tp o p u l a r , c o n v e n i e n c ea n d r e l i a b l em e t h o d sf o ri d e n t i f i c a t i o n f i n g e r p r i n t i d e n t i f i c a t i o n p r o c e s s i n c l u d ef o u r i m p o r t a n ts t e p s ：1i m a g e a c q u i s i t i o n ，2i m a g ep r e - p r o c e s s i n g , 3f e a t u r ee x t r a c t i o n ，4m i n u t i am a t c h i n g i no u r t e x tw em a k er e s e a r c ha n dd i s c u s s i o no nt h ep r e - p r o c e s s i n go fi m a g e ：i m a g e e n h a n c e m e n ta n dt h i n n i n g t h i sp a p e ri n t r o d u c e sa ne n h a n c e m e n ta n dt h i n n i n g a p p r o a c hb a s e do nc t o s so r i e n t e df i l t e r b a s e do nt h eo r i e n t a t i o ne s t i m a t i o no fi m a g e ， t os e g m e n tt h el e g i b l ep a r ta n db l u r r yp a r t a n dt h e nu s et h eh i g h - p a s st oe n h a n c et h e h i g h f r e q u e n c yp a r t ，l o wp a s sf i l t e rt of i l t r a t eh i g h 仃e q u e n c yp a r tt ow i p eo u tt h e n o i s e s w ei n t r o d u c et h el o c a la d a p t e dm e t h o d sf o rb i n a r i z a t i o n w ed e s i g n e da n e d g e c u tt h i n n i n g t e m p l a t e w h i c hr e s e r v i n gr i d g e ss t r u c t u r eo f f i n g e r p r i n t a n d p r o t e c t i n gt h et r u em i n u t i a e i no r d e rt ot e s tt h ep e r f o r m a n c eo ft h ea p p r o a c h ，w eh a v em a k ee x p e r i m e n to n f i n g e r p r i n ti m a g e sp r o v i d e db yf v c 2 0 0 0a n d2 0 0 4d a t a b a s e s ，i m p l e m e n to np cb y v c + + t h ee x p e r i m e n t a lr e s u l t sd e m o n s t r a t et h a ti te n h a n c et h ei m a g ee f f e c t i v e l y , r e s e r v e st e x t u r ei n f o r m a t i o na n dt h et r u em i n u t i a eo ff i n g e r p r i n tt h e r e s u l ti m a g el a i d ab e t t e rf o u n d a t i o nf o rf e a t u r ee x t r a c t i o na n dm a t c h i n g k e y w o r d sf 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 e p r o c e s s i n g , f i n g e r p r i n t e n h a n c e m e n t ， c r o s s i n go r i e n t e df i l t e r , t e m p l a t et h i n n i n g 基于指纹曲线特征的预处理算法研究 第一章绪论 本论文是我在郑州大学信息工程学院研究生期间学习、工作的归纳和总结。 我在这一过程主要负责指纹合作项目中图像预处理的基本方法研究。通过对比和 分析传统的指纹处理方法，结合目前图像处理领域的前沿研究，总结自己在指纹 处理中遇到的困难和取得的成果，分析得到十字滤波边缘检测和增强的方法，提 出新的细化模板，形成了具有一定先进意义的图像预处理方法，并把他们应用于 实践。 1 1研究背景 亨利( e r h e n r y ) 在总结前人研究成果的基础上，于1 8 8 9 年提出了基于指纹 细节点特征识别( m i n u t i a b a s e d ) 的理论，完善确立了一整套利用人工进行指纹 识别的方法，从而奠定了现代指纹学的基础【1 1 。直到1 0 0 多年后的今天，指纹识 别的过程已经由人工操作识别转变为计算机自动识别比对。尽管如此，绝大多数 的计算机自动指纹识别系统仍然采用m i n u t i a b a s e d 的指纹细节特征识别比对的 工作模式。 m i n u t i a b a s e d 的指纹细节特征识别比对主要是通过对采集的指纹图像进行增 强处理，分析指纹纹线特征，找出指纹图像中细节特征点的坐标和特征点的类型， 并通过对细节特征点的方向，细节特征点邻域的曲率值、纹密度及细节特征点分 布的拓扑结构等进行分析统计的方法来构建整个指纹特征的数学模型，从而利用 神经网络算法与模糊识别理论来实现对指纹的识别。 这种识别方法的不足之处一：由于人们在日常社会生活与长期的社会劳动中， 其手指指纹往往不可避免地会遭到损伤，导致指纹纹线产生变化，改变了其部分 的细节特征。另外由于人类手指皮肤是一种容易随着外界环境甚至是自身因素变 基于指纹曲线特征的预处理算法研究 化( 如温度、湿度、年龄和疾病等) 而变化的不稳定弹性体，在采集指纹时随着 按压力度大小、手指按压位置和着力方向的不同，会得到不同的指纹图像细节特 征结果。这些都会极大地影响指纹识别比对的精度。为了减少和消除这些因素对 指纹识别比对精度的影响，这些年来有关的研究人员提出了许多方法，也取得了 不少的改进。但是指纹识别算法的比对精度和识别操作的鲁棒性这一对矛盾仍然 十分突出：在提高识别精度，降低认假率时，不得不牺牲拒真率指标，降低了指 纹识别算法的易用性和方便性。 不足之处二：在指纹图像的存储和管理，特别是在移动便携介质( 如证件等) 上的存储和交换方面，为了减少指纹图像存储的信息量，普遍应用指纹图像压缩 的方法。经典的图像无损压缩算法由于压缩比率太低，被w s q ( 小波压缩) 、e z w ( 零树小波压缩) 等有损压缩算法所取代，由于采用基于指纹细节特征的识别方 式对指纹图像细节特征点的定位精度要求较高，因此w s q 和e z w 等压缩算法的 有效压缩比被限制在1 5 3 0 倍以下。 不足之处三：正是由于m i n u t i a b a s e d 的指纹识别是依靠指纹细节特征来实现 的，因此在实际应用中，使用者在远端操作时，只要将指纹图像或指纹特征模板 传送过来，模版中只要保留了整体细节特征信息，主机在识别比对时就很难区分 该指纹图像或指纹特征模板是操作者本人此次采集下来的真实结果，还是由以往 某次操作时的采集信息加工而来的伪操作。 这些缺点与不足所带来的问题，极大地限制了指纹识别技术的应用领域。尤 其是近几年指纹识别技术作为实现个体身份识别的重要手段逐步走向民用市场： 民用市场提出了小型化，廉价的采集设备和高速计算平台以及更高识别精度的要 求，而m i n u t i a b a s e d 的指纹识别算法本身的局限性则影响了指纹识别产品的普 及和推广。 本算法是针对原有的细节特征点算法的局限性( 细节特征受温度、湿度、磨损 2 基于指纹曲线特征的预处理算法研究 等很多因素影响) 提出的，其目的是准确提取指纹曲线特征和细节特征，无论建立 何种特征模版，对于纹线质量都有一定的要求。同时，采集到的纹线图像的纹线 宽度不一，由于采集时力度、方向的变化使纹线易产生形变，这就给曲线的描述 和建模带来了困难。基于上述原因，提出该算法，目的在于找出尽量符合纹线特 征的纹线细化模型，尽可能保留原指纹中全部正确信息，使之在能表征原纹线的 同时更加接近原纹线的曲线特性，以求在后续工作中提取模式和纹线提取打好基 础。在算法研究初期通过对已有指纹算法及图形处理技术的考察，在提出算法时 作了以下分析：指纹图像增强对细化的影响，实际纹线与标准曲线的差异，指纹 细节特征地准确性，防伪操作等。实现与传统的m i n u t i a b a s e d 的指纹细节特征 识别比对算法和其他类型的指纹识别方法甚至是人工指纹识别的良好兼容性，这 些都在预处理的过程中都有所体现。 1 2 生物特征识别 1 2 1 生物特征识别技术简介 生物特征识别是根据人体自身所固有的生理特征和行为特征来识别身份的 技术【2 1 。为了有效的解决身份鉴别问题，人们一直不断在研究尝试更加安全有效 的方法。通常用于身份鉴别的传统方法有两种： 1 基于标志的身份鉴别，通常是通过判断是否具有某种特定标志来对身份 进行鉴别，如身份证，护照、钥匙，通行证等。 2 基于知识的身份鉴别，通常是根据被鉴别者所具有的某种知识来对其进 行鉴别，如银行存折的密码，个人认证数字或固定问题答案等。这些传统的身份 鉴别方法具有简便，易于实现而且经济成本很少的优点。但是。这些身份鉴别方 法也都有着他们自身的缺点，比如：容易被仿冒、易丢失、易忘记等，很难有效 区分授权人和冒名顶替者。在目前需要大量身份鉴别的社会中，传统的身份鉴别 3 基于指纹曲线特征的预处理算法研究 方式己经越来越难以满足人们对身份认证的快捷、准确、保密性等要求，生物识 别技术是依靠人体生物特征进行身份验证的一种解决方案，由于人体特征具有不 可复制的特性，这一技术的安全系数较传统意义上的身份验证机制有很大的提 高。 生物特征识别是根据人体自身所固有的生理特征和行为特征来识别身份的 技术。尤其随着计算机的功能不断完善，并且融入其中之后。使得生物特征识别 得到长足的发展。能够用来进行身分确认的生物特征应该满足以下几点要求1 3 】： i 普遍性；每个人都拥有此特征； 2 唯一性：两个人之间不存在相同的此特征； 3 不变性：此特征不随时间，环境发生变化； 4 可采集性：特征可以定量的采集和描述。 把计算机的功能与光学、声学、生物传感器和生物统计学原理等手段相结合， 利用人体固有的生理特性( 如手形、指纹、面部特征、虹膜、视网膜等) 和行为特 征( 如笔迹、声音、步态等) 来进行个人身份的鉴定。传统的身份鉴定方法包括身 份标识物品( 如钥匙、证件、a t m 卡等) 和身份标识知识( 如用户名和密码) 。但由 于主要借助体外之物，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。在这种情况下需要一种更安全、可靠、方便的识别技 术。 生物特征的特点是人各有异、几乎终生不变、随身携带。这些身体特征包括 指纹、虹膜、掌纹、面相、声音、视网膜和d n a 等人体的生理特征，以及签名 的动作、行走的步态、击打键盘的力度等行为特征。指纹之所以能够作为个人身 份鉴别的物证，是因为它们具有人人都有的普遍性、每人不同的唯一性以及不随 年龄而变化的稳定性。生物特征识别技术具有不易遗忘、防伪性能好、不易伪造 或被盗、随身“携带”和随时随地可用等优点。在当今信息化时代，生物识别技 4 基于指纹曲线特征的预处理算法研究 术被广泛应用于政府、军队、银行、社会福利保障、电子商务、安全防务等系统， 有效的保障了社会安全，方便了人民的生活。 我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各 种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来 抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉 点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同 他的指纹对应起来，通过将他的指纹和预先保存的指纹进行比较，就可以验证他 的真实身份 人的生物特征基本上可分为两类：生理特征和行为特征。其中生理特征，比 如指纹、人脸等，是与生俱来、终生不变的，具有更大的稳定性和可靠性。而行 为特征，如手写体，则和后天的成长因素有关，稳定性和可靠性要相对差一些。 1 2 2 生物特征分类 目前，用于生物识别的生理特征有视网膜、虹膜、脸型、指纹等，行为特征 有声音、签名等【1 翔。基于这些特征，人们己发展了多种生物识别技术。视网膜 是一些位于眼球后部分细小的神经，用于生物识别的血管分布在神经视网膜周 围，视网膜识别技术要求激光照射眼球的背面以获得视网膜的特征。人类视网膜 的血管是非常稳定的，它对每一个人来说都是唯一的。视网膜与外界相隔离，具 有很好地防止冒名顶替的作用。视网膜识别系统的主要问题是绝大部分人在使用 这一系统时感到不舒服，并且它还要使用者具有高度的合作精神，因为获取视网 膜图像需要进入并聚焦于预先设定的某一点上，这样预先设定的视网膜区域扫描 才有意义。 虹膜是一种在眼睛中瞳孔内的织物状的各色放射状结构，每一个虹膜都包含 一个独一无二类似于冠状、水晶体、细丝、斑点、凹点、射线、皱纹和条纹等特 征的交错结构。这些特征信息对每个人都是唯一的。虹膜扫描安全系统包括一个 s 基于指纹曲线特征的预处理算法研究 全自动照相机来寻找眼睛并在发现虹膜时，就开始聚焦，想通过眨眼睛来欺骗系 统是不行的。它和视网膜的共同特点：不需要接触即可识别，黑眼睛、盲人和眼 疾患者不易被识别，识别设备昂贵被认为是精确度很高的识别技术，但没得到 证实。 脸形识别通过分析脸部不易变化的形状、模式和位置来辨识人。用于捕捉面 部图像的两项技术为标准视频和热成像技术。标准视频技术通过一个标准的摄像 头摄取面部的图像，一些核心点被记录下来，例如，眼睛、鼻子和嘴的位置以及 它们之问的相对位置等：热成像技术通过分析山面部的毛细血管的血液产生的热 线来产生面部图像，热成像技术并不要求在较好的光源条件下，即使在黑暗情况 下也可以使用。它的特点是：不需要接触即可识别，识别设备昂贵，被认为最不 可靠的识别技术【3 1 。 声音识别分为依赖内容的识别和不依赖内容的识别。人的声音特征是由声 带、嘴、鼻腔等发声器官共同决定的。在理论上，声音具有唯一性。依赖内容的 声音识别是预先规定好待识别者的说话内容：而不依赖内容的声音识别则允许待 识别者随意选择说话的内容，这当然比依赖内容的识别难度要高。声音识别的主 要困难存在于两个方面：虽然从理论上讲，声音具有唯一性。但在实际应用中，因 为客观存在很多人声音非常相象的情况，作到完全正确区分非常困难：声音识别对 背景噪声比较敏感，而这一点在实际应用中又很难控制。 签名识别，也被称为签名力学辩识，它建立在签名时的力度之上。它分析的 是笔的移动，例如加速度、压力、方向以及笔划的长度，而非签名的图像本身。 签名力学的关键在于区分出不同的签名部分，有些是习惯性的，而另一些在每次 签名时都不同。它的特点：签名会改变，不易准确识别，很难应用在网络上。 指纹识别是模式识别领域中使用最早的，也是最为成熟的生物鉴定技术，现 在指纹识别技术大多基于特征点匹配的方法，指纹的细节特征( m i n u t i a e ) 有1 5 0 基于指纹曲线特征的预处理算法研究 种之多，但这些特征出现的概率并不相等，很多特征是极其罕见的。所以在一般 的自动指纹识别技术中只使用两种细节特征：纹线端点( r i d g ee n d i n g ) 与分叉点 ( r i d g eb i f u r c a t i o n ) 。它的特点：指纹具有唯一性，采集方便，识别准确度高，识 别设备较其他生物识别技术便宜【1 捌。 1 3 指纹识别研究现状 自从自动指纹识别技术成为重要的个体身份鉴定方法以来，国内外许多科研 机构和研究人员都投入到这项工程中来。其关键技术和主要内容包括：指纹采集 设备和采集技术、指纹图像预处理和指纹分类技术【。7 1 以及指纹匹配算法【1 6 1 。指 纹图像采集设备和技术的研究主要集中在各类指纹采集传感器和嵌入式识别系 统( 如集成在移动存储设备上的识别系统) 上；除了硬件技术以外，对于软件和 各阶段算法的研究，国内外也都有很多成果。2 0 0 0 年，d m a i o 和a k j a i n 等人 借助国际模式识别委员会，发起了由学术界和工业界联合举办的国际指纹识别竞 赛( f i n g e r p r i n tv e r i f i c a t i o nc o m p e t i t i o n ) 5 3 1 ，竞赛提供了标准指纹库，并设置了 一系列的评估标准【1 7 , 1 8 】，至今已举行了三届。f v c 的目的是对指纹识别技术的发 展进行阶段性总结，通过各方面的介入把指纹识别技术推上一个良性的发展轨 道。我国中科院自动化研究所的田捷研究员领导的生物特征识别研究小组在 f v c 2 0 0 4 国际指纹识别竞赛中提交了两套算法，分别参加了o p e n 和l i g h t 的项目 竞赛。该小组开发的算法取得了国内科研机构中排名第一、o p e n 算法国际排名第 三、o p e n 和l i g h t 算法综合排名国际第五，u g h t 算法排名国际第七的优异成绩。 指纹图像识别算法的分类方法有很多种，根据指纹识别的目的可分为一对一匹配 和对n 匹配【1 9 , 2 0 1 ，根据操作过程的差异可分为自动匹配和人机交互匹配【2 1 1 ， 根据匹配的适应性可以分为弹性匹配【2 2 ，2 3 j 和刚性匹配【2 4 】。根据指纹细节特征点的 定义方法和相似性判断函数的差异，匹配方法更是多种多样，如基于细节点的【2 5 1 、 7 基于指纹曲线特征的预处理算法研究 基于三角形的【2 6 1 、基于极坐标变换的【1 2 1 、基于动态规划f 2 7 1 ，以及基于图论的匹 配方法【1 】等多种多样。近年来参与f v c 竞赛的算法主要是基于细节点模式的匹配 算法、基于纹理模式的匹配算法和基于图像整体匹配模式的匹配算法。上述所有 算法之间是相互联系的，但同时每个算法又都有自身特点。例如，基于图模式的 匹配方法对质量差的图像噪声抗干扰能力较好，但不适宜于大规模的指纹库：基 于细节点的匹配方法对质量好的指纹图像计算准确，但纹理特征的可区分性不 强；基于纹理和串匹配的混合算法计算代价较高；基于三角匹配和动态规划的方 法可以解决非线性形变问题，但特征提取难度较大，难以满足实时应用的要求。 国内中科院自动化研究所1 2 8 】、清华大学【2 引、北京大学【3 0 l 、北京理工大学【3 1 l 和中国科技大掣3 2 1 等诸多单位都开展了大量指纹识别的研究工作，发布了诸多研 究成果并在国内外杂志上发表多篇论文。如针对低质量和变形指纹的匹配算法， 大规模的指纹索引技术以及指纹成像技术等。尽管如此，目前国内很多发表的研 究成果都只是停留在研究试验阶段，没有真正应用到指纹识别系统中来。指纹识 别系统性能的好坏与其应用能力密切相关，在国内中国生物特征识别协会也举行 过两届包括指纹识别在内的生物特征识别竞赛，目的是推动和促进国内生物特征 识别技术的发展。尽管如此，以往出现的众多识别方法还未有针对指纹的曲线特 征建立过任何可描述指纹纹线特征的数学模型，并且以往的指纹识别算法也未针 对实际应用中网络远端识别时的伪操作等问题提出过相关解决方案。 近年来，自动指纹识别系统的评测技术和方法也逐渐成为研究者们关注的焦 点，它是规范和辅助指纹识别向前发展的重要参考。1 9 9 9 年j l w a y m a n 提出假 设二项分布参数估计r o c 曲线的置信区间【3 3 1 ；2 0 0 0 年，r m b o u e 应用现代统 计分析学中的新工具b o o s t a p 再抽样技术1 3 4 1 ，提供了较好的非参数估计的思路。 从行业内的研究来看，许多文献都讨论了自动指纹识别系统的自由度和准确性的 问题；f v c 也制定了指纹识别算法准确性的系列评估方法，并且在每届的竞赛中 基于指纹曲线特征的预处理算法研究 不断完善；从指纹识别模型看，国内外学者提出了多种指纹模型，从更细节的角 度分析了指纹识别的性能误差。2 0 0 2 年，x j i a n g 指出由于指纹噪音形变等因素 的影响，会出现特征类型错误、位置误差、增加伪细节点以及丢失真细节点等不 期望的现象。2 0 0 3 年x t a n 等人改进了s p a n k a n t i 的同一指纹间误差统计方法模 型【3 卵，增加了跨越脊线数目这一特性来描述细节点间互不独立的关系，试验结果 更接近于真实。另外，国内外还有一些机构专门从事于指纹识别算法性能的评测 与研究，这些机构主要研究和制定生物特征测定产品在研发、评价和使用过程中 的标准，为指纹识别的研究和行业应用提供了直接指导和服务。国际上的生物特 征识别系统测试权威机构有美国生物测定协会等，我国的生物识别技术协会也举 办过两届生物识别竞赛( b v c 2 0 0 4 和b v c 2 0 0 5 ) ，包括指纹、人脸、虹膜和掌纹 四种生物特征，同时参考多项评价指标对算法进行综合评估，强调算法的实用性 和适应性。 1 4 本文的研究内容和意义 本课题是与东莞理工学院合作的国家自然科学基金项目。项目的研究目标： 本研究课题采用有别于以往传统的基于指纹细节特征点的指纹识别方法，引入相 关曲线族矢量图形分析和近代生物识别领域中生物行为分析的概念和方法，研究 和建立一种全新的描述指纹纹线特征的数学模型，并在此基础上用一种新的方法 实现高精度、高容错和高效率的指纹识别比对。通过本课题的研究，将建立一整 套全新的描述指纹的数学模型和指纹识别理论以及高效的指纹图像压缩与还原 算法，有助于解决目前在大规模指纹识别应用中存在的一些问题，进一步提高指 纹识别系统的整体性能，并为实际应用中在网络远端指纹识别时存在的伪操作等 问题提出了可行的策略和解决方案。 在本课题中，作者主要负责指纹识别算法实现中的图像预处理工作。通过查 基于指纹曲线特征的预处理算法研究 阅大量的文献资料，学习并研究预处理的各种常见处理方法和过程，实现了对预 处理算法的创新，对其中指纹预处理的各个环节算法进行了一定的改进、完善和 简化。由于各个环节的算法基本相互紧密联系的，需要不断试验才能比较出好的 效果。以使这些算法适合在各种环境及实时系统中运行，同时编程实现了相关算 法，对f v c 2 0 0 0 和f v c 2 0 0 4 指纹库的指纹图像做了测试。具体工作如下： 1 由于各种原因包括采集器和人们的手指的影响，采集到的指纹图像总是包 含各种噪音，包括产生伪特征点、脊线上的空洞、脊线相互粘连等，所以本文需 要对采集来的图像进行滤波处理，除去图像中的噪音，使其变成谷线和脊线分明 的指纹图像。采用基于方向图的指纹图像增强，指纹在一个比较小的区域被认为 是一个方向的，提出十字窗口法来改善对指纹图像增强处理的效果，基本消除采 用固定窗口法所带来相邻图像块方向变化较大带来图像的裂痕。 2 为了便于提取特征点，需要将指纹图像编程清晰的点线图。增强的图像每 个象素点是2 5 6 灰度等级的点，而二值化后变成2 个灰度等级的点，图像文件大 小也减少1 9 6 0 0 字节，本文采用平均阈值法进行。细化方法采用模板细化方法， 使其保持图像的细线结构，为提取特征点提供方便。 3 所有的算法都在w i n d o w s 平台v c 6 0 下编程实现，并调试软件成功运 行。运行结果表明本文的算法能基本达到系统要求。 本文完成了预处理的工作，得到了符合项目要求的指纹细化模型，充分利用 指纹纹理图像曲线化建模的特点，研究并建立一种有别于传统的简单高效的指纹 图像增强算法。突出指纹的脊线部分以便于提取细节点。 1 0 基于指纹曲线特征的预处理算法研究 第二章指纹识别相关知识 2 1 指纹识别特点 指纹识别技术是目前生物检测学中研究最深入，应用最广泛，发展最成熟的 技术。人们利用指纹进行身份辨别已有几个世纪的历史。 近年来，随着传感技术的发展，基于指纹识别系统的实现成本在许多应用中 己能够被接受，广泛的应用已开始成为现实。 指纹识别主要是根据人体指纹的纹路、细节特征等信息对操作或被操作者进 行身份鉴定。当今的指纹识别技术无论是在应用规模、技术成熟度，还是市场占 有率方面，在整个生物识别技术领域中均处于主导地位。关于指纹识别的具体情 况与相关的技术细节，将在后面的章节详细论述。 指纹识别技术具有以下特点： 指纹可以提供独一无二的个体特征，并且特征的精确度和复杂度足以 满足高准确的鉴别需要 选择多样性，每个人可以选择多达1 0 枚以上的指纹，若加上它们之 间的各种组合，则可有更多的选择。 指纹具有良好的稳定性，且读取可靠，可在相当长的时间内维持不变。 指纹的采集方式属于非损伤性和非敏感性的采集，易于为被操作者接 受 指纹采集的速度很快，使用方便 指纹采集设备较为简单，容易小型化，并且价格较低廉。 存在着极少数人因手指受伤的外界因素，导致其指纹难以提取 长期以来，指纹识别技术大量被应用于司法和刑事侦察，这使人们往往把指 纹识别技术与刑事侦察和犯罪联系在一起，带有一些抗拒的心理，直接影响到指 纹识别应用系统的可接受性，对指纹识别在日常生活中的应用推广产生了心理上 的负面影响。这也是目前指纹识别技术应用中所存在的一个问题。 1 1 基于指纹曲线特征的预处理算法研究 2 2 指纹图像的获取 指纹采集，从这个词的本身意义来看，是对手指指纹图像的获取和存储。将 指纹图像输入到计算机的过程，我们称之为指纹图像的采集过程，一般是由指纹 图像的采集终端来完成。在警用a f i s 与民用a f i s 上，最终目的是要将人体指纹 的图像数字化，变成相关的数据文件，以便于计算机来进行保存和处理。原有的 指纹采集方法都是按压式进行获取，使指纹在接触表面上留下印迹。自从出现了 光学传感器之后，采集的过程有了新的突破。 指纹采集模式主要分为“离线式”( 也被称为“脱机式”或“间接式”) 以及 “在线式”( 也被称为“联机式”或“直接式”) 两种。所谓“离线式”就是指在 指纹采集时，利用某些中间介质( 如油墨和纸张) 来获取指纹图像，再通过一定 的技术手段将图像数字化输入计算机，它属于非实时的采集。所谓。在线式”， 是通过与计算机联机的带有各种先进指纹传感器的专用指纹采集设备，将真实的 人体指纹( 也称活体指纹) 直接变成数字图像数据，实时地传送给计算机。 在“离线式”中最传统的，同时也是采用最多的就是“碘熏显像法”、“粉末 显像法”以及“捺印法”等。其中“碘熏显像法”的原理是根据人体手指上总含 有油脂、有机质和汗水等分泌物的特点，当人的手指与任意的较为平滑的物体表 面接触时，就会在上面留下指纹的痕迹。然后利用碘蒸气熏蒸使之与残留的油脂、 有机质和汗水等分泌物结合，并显出十分明显的棕色指纹痕迹。“粉末显像法” 是利用一些粒度极细而又有一定质量的特殊粉末( 如极细的铝粉) ，技巧性地吹 撒在残留有指纹痕迹的物体表面，使之显现出指纹的图像。而“撩印法”则是利 用人体手指指纹具有凹凸不平的纹路特性，先将待识手指均匀地涂抹上一层专用 油墨后，再仔细地将其用平面的或滚动的方法捺印到纸质卡片上而得到整个指纹 图像。用上述方式提取出的指纹图像还需要用照相和扫描等技术手段将其数字化 后存放到计算机中，从而完成整个指纹图像的采集过程。 1 2 基于指纹曲线特征的预处理算法研究 “离线式”采集大都应用在警用a f i s 中，长期以来除了对犯罪现场的残留 指纹痕迹的采集是采用“碘熏显像法”与“粉末显像法”等方式之外，建档用的 指纹其采集方法几乎都是采用传统油墨捺印+ 图像扫描的离线式方法来实现的。 由于以“捺印法”为代表的“离线式”的采集方式操作繁琐，耗时较长，得到的 指纹图像质量差，如今在警用a f i s 中已面临被淘汰，越来越多地被先进的“在 线式”( 活体) 指纹采集设备所替代。应用了“在线式”指纹采集设备后，整个 系统可以实现“即捺即存”，大大减轻了劳动强度，提高了工作效率，还提高了 指纹采集图像的质量。 在民用a f i s 应用领域中，目前。离线式”的指纹采集除了在社会保险与退 休金发放管理等个别项目与特殊场合中采用之外，在大多数的场合已消失。新一 代的“在线式”指纹采集设备，正以其操作简单、使用方便、实时性强、采集效 率高、设备体积小、图像质量好等优点，广泛地应用于各种民用a f i s 领域。 2 3 指纹图像的预处理 采集得到输入的指纹图像通常都含有各种各样的噪声。噪声的来源可以分为 两类：一种是由于采集器上的污渍和采集参数设置不当( 光强度等因素) 带来得 噪声，另一种是指纹本身的状态( 干湿程度不同，伤疤脱皮等因素) 造成的【1 1 。 总体上说，这都是外部环境的变化对指纹精确获取得制约。而且后一种噪声是与 个体的特征密切相关的，不易消除，会成为识别的最大障碍。这些噪音不仅散布 在指纹图像的前景区域，而且还存在于指纹图像的背景区域，所以必须经过预处 理。通过对原始灰度图像进行分割、对前景锐化增强、二值化、细化等处理从原 始灰度图像中分离出清晰的指纹前景区域和背景区域来，使得后继处理能够更加 集中在指纹图像的前景区域上进行，提高特征提取的精确度，从而最终提高指纹 识别系统的识别率【3 5 l 。 基于指纹曲线特征的预处理算法研究 指纹图像预处理主要包括指纹图像增强( 灰度滤波，边缘分割) 指纹图像二 值化) 和细化。指纹图像灰度滤波掉指纹图像的背景区以及严重的模糊区，这样 在后续处理中不但能够杜绝指纹图像背景及严重模糊区产生伪特征点，同时也能 减少后续处理的计算量，从而提高处理速度；指纹图像增强主要是连接断裂的纹 线、分开粘连的纹线，把模糊的纹线变为清晰的纹线，同样这些处理也能够提高 特征点提取精度；指纹图像二值化和细化主要是把增强后的图像处理为清晰平滑 的点线图。因为特征提取只需要纹线的骨架及其走向信息，并不需要纹线的灰度 信息和宽度信息，所以点线图更有利于特征点的提取。指纹图像细化是指纹图像 预处理的最后一步，细化后的指纹图像也就是指纹图像预处理输出的结果。指纹 图像预处理技术在指纹识别技术中具有重要的地位，也是指纹识别技术研究领域 中的一个重要研究课题【3 6 】。 指纹图像预处理可具体处理步骤如下，i 第一步是要把指纹区域从指纹图像中 分割出来，并判断图像质量是否合格；第二步就是对分割出来的指纹区域进行滤 波增强，去除脊线中的空洞、连接断开线、断开粘连线：第三步是再对增强了的指 纹图像进行二值化，使之成为一幅清晰连贯的二值纹理结构图：第四部指纹图像的 细化，使纹线成为单像素宽的图形，方便特征点地提取。通过这四个步骤的处理 可以基本上突出指纹纹线结构，抑制纹线上以及背景中的噪音干扰，为准确地提 取特征打下基础。 2 4 指纹特征提取 自从亨利确定了指纹细节特征的模式，一直以来细节点模式成为指纹匹配的 依据，现代绝大多数指纹识别技术的基础是建立在m i n u t i a b a s e d 经典理论之上。 在m i n u t i a b a s e d 体系中，人体指纹的特征则是由指纹的中心点、三角点、端点、 叉点、桥接点、断点和环点等细节特征点构成。随着指纹识别理论与技术的发展， 1 4 基于指纹曲线特征的预处理算法研究 人们又增加了诸如折皱、疤痕、纹型、纹密度、纹曲率等辅助特征，在某些应用 场合中甚至还增加了像包含血流分布、导电率、体温及微循环等所谓生命特征的 诸多元素。细节特征是实现指纹精确比对的基础，而纹形特征、纹理特征等则是 指纹分类及检索的重要依据。通常细节点有以下几种： 指纹细节特征点示意图 - h _ - 。_ _ _ _ _ - _ - - h _ h - h _ _ 。u _ _ - _ _ _ _ _ - _ - - 1 _ - - h _ _ _ _ - - _ _ _ _ _ h 。h _ - “- 。_ _ h - h _ h _ - _ _ h _ - - - _ - _ h - _ + - - - d _ - _ _ _ 。_ _ - _ - h h - _ + 。- _ _ _ 。_ 。_ _ _ - h _ _ 特征点类型形状示意 端点 叉点 吒 环点 母 童暖躁潮 桥点 蕾簦黼 岛 嘲伊 交叉点 稿龋 孤点 一。，i 一。 断点；警眷删 一。一。土+ ，一一一。一一、。 对于自动指纹识别系统的指纹细节特征提取来说，特征提取算法的任务是通 过检测图像中两类特征点的数量及每个特征点的类型，位置和所在区域的纹线方 向。奇异点或细节点的提取精度和准确程度决定指纹识别系统的好坏，即识别率 的高低。特征提取的结果一般保留为特征模板，它包括脊线终点或分支类型( 这 两类特征是等分辨率下指纹图像最稳定而且最显著的特征) 、位置坐标及该方向 的特征。一般指纹图像提取特征在1 0 1 0 0 之间，大多数文献认为至少有1 2 个特 征点才能进行匹配。由上面的工作流程可知，特征提取是指纹识别中重要的一步， 其提取精度直接影响着指纹识别的效果。人们在这方面进行了很多研究。众多研 基于指纹曲线特征的预处理算法研究 究者提出了很多基于细化图像的细节提取算法。这一类算法首先对指纹图像进行 细化，然后获取细化纹线的端点和分支点。然而由于细化过程存在畸变以及受噪 音干扰，获取的端点和分支点并非都是真实细节点，因此必须去除虚假细节点。 f a r i n a 等人【3 7 l 通过对细节点周围的纹线结构进行分析，给出了清除虚假细节点的 方法；r a t h a 等人【3 8 l 利用细节点所处的空间关系来清除虚假细节点；h u n g 3 9 l 将细 节点及其所处的细化纹线表示成图的形式，然后运用图论的知识来去除虚假细节 点；b i a n 等人【删在清除虚假细节点时不仅运用了细节点周围纹线的性质，而且考 虑了细化纹线的宽度信息。上述基于细化纹线的细节点提取算法若图像增强效果 不好，则会产生大量虚假细节点，处理起来非常麻烦。此外，也有人提出从二值 图像上直接提取细节点的方法【4 1 1 ，以及从原始灰度图像上直接提取细节点的方法 【4 2 】，对于这两种方法，当原始图像质量较差时，提取效果也不可避免受到影响。 除了端点和分支点这些传统细节点外，纹线的弯曲情况也是描述指纹的重要 信息。虽然噪音污染会使得指纹图像中产生大量的虚假端点和分支点，但是对指 纹纹线的弯曲趋势则不会产生较大影响。 2 5 指纹特征匹配 图1 指纹匹配图示 1 6 基于指纹曲线特征的预处理算法研究 自动指纹识别系统的性能指标在很大程度上取决于系统所采用的算法性能， 指纹识别算法评价指标比较多，主要有： 1 拒真率( f g r 。f a l s er e j e c tr a t e ) ，即真正用户在建立档案后无法通过的概 率，可以用同一手指的多次采样指纹，被自己的建档拒绝的概率来测量。拒真率 常用百分比表达式来表示，拒真率越低越好 2 认假率( f a r ，f a l s e a c c e p t r a t e ) ，即非法用户能通过指纹识别系统的概率。 可以用多次比对中，发生两个不同指头的采样却通过识别检测的概率来测量其 值越低越好。 3 相等错误率( e r r , e q u i v a l e n c ee r r o rr a t e ) ，即f a r 和f r r 相等时的值， 也称为f a r 和f r r 的平缓点。指纹识别系统除了上述三个重要指标外，还有拒 登率( f e r ) 、建档时间等。容易看出，f r r 和f a r 是互相矛盾和抵触的，它们成 反比关系。对于指纹识别系统来说，单一指标衡量算法性能很可能是片面的、不 科学的，因此在设计系统时要综合考虑各个指标，取一个合适值。e r r 能反映出 一个指纹识别系统的综合特性，不同算法的精确度性能好坏可以通过e r r 的大 小来体现，e r r 越低表示系统可以在同样的f a r 条件下获得更低的f r r 值，算 法的精确度也越高。尽管指纹识别系统存在着可靠性问题，但其安全性也比相同 可靠级别的“用户i d + 密码”方案的安全性高得多。例如采用4 位数字密码的系 统，不安全概率为0 0 1 0 ，如果同采用认假率为0 0 1 的指纹识别系统相比，由于 在一段时间内可以试用所有可能的密码，但事实上不可能找到一千个人去把所有 的手指都试一遍。正因为如此，权威机构认为，在一般的应用中1 的误判率就 可以接受【1 1 。 1 7 基于指纹曲线特征的预处理算法研究 第三章指纹图像增强 指纹图像是由连续的脊线和谷线组成，具有丰富的纹理信息。对于灰度指纹 图像，脊线和谷线在小范围内认为具有正弦波特性，具有一定的频率和方向特性。 使用方向场和g a b o r 滤波器实现增强都是基于此特性来实现的【4 2 , 4 3 】。指纹专家通 常根据视觉上的脊线信息来判断真正的细节点。这些脊线的关系有局部脊线方 向，脊线的连续性，脊线的曲率，光滑度，脊线走势趋向等。而诸如此类的特性， 是可以用计算机表示出来，所以可以将人对指纹结构的认识引入图像预处理的过 程。 目前的指纹脊线方向计算方法有很多，简单的算法的正确性往往不能满足实 际应用的要求，正确性较高的算法往往很复杂，难以同时满足系统对方向正确性 和算法复杂性( 时间和空间耗费) 的要求，本章在基于局部区域像素之间灰度关系 方法的基础上，结合指纹全局方向场的思想，提出种根据指纹纹路方向的渐变 性对指纹方向的正确性进行判断，并对其进行方向纠正的算法，以缩小正确性和 复杂性二者之间的差距。经过长时间的深入研究和反复实践，发现常用的算法应 用到指纹处理中有以下问题： 1 这些算法对于图像处理效果不太理想，尽管在视觉上有一定的改善，但对 于后续的细化和特征抽取来看，不能有效提高特征准确率。 2 不能较好地处理背景部分，严重影响特征提取和识别。 3 无法根据图像的质量差别进行特殊处理，通常获得的指纹图像会有部分区 域质量太差，无法进行恢复和特征提取，此类算法也没有判别标准。 3 1 增强算法介绍 本文增强过程是根据指纹方向的渐变性对指纹方向的进行判断，并对