（计算机应用技术专业论文）指纹图像预处理算法研究与实现.pdf

处理算法研究与实现， 嚆要 懒-y1偶7610|强1强4嘲咐8m 采集到的指纹图像往往是一幅含多种噪声 纹线粘连、纹线断裂或者对比度不均匀等 像中正确分离出指纹纹线，导致指纹特征 着自4 动指纹识别系统的性能。为了保证后续处理特征提取的可靠性，必 须对获取的指纹图像进行预处理。预处理的目的就是去除图像中的噪声， 把它变成一幅清晰的点线图，以便于提取正确的指纹特征，增强图像的 可识别性。在整个指纹图像预处理环节中指纹图像的增强、二值化和细 化则是预处理过程的核心。 本文重点研究的内容是如何利用数学形态学的方法并结合指纹图像 的特点对其进行预处理，并仿真实现对指纹图像的有效滤波增强、指纹 图像分割及指纹图像细化等处理。 本文算法主要包括 ( 1 ) 在指纹图像增强方面，提出了将形态学运算与基于图像的算术 逻辑运算结合起来的方法，采用多结构元素分别对图像进行运算，然后 将运算后的图像合并起来，能达到较好的滤波效果，并保证了纹线的连 续性。 ( 2 ) 本文提出了基于邻域的形态学对比度运算和利用图像的局部方 差的方差法相结合的指纹图像分割算法，达到分割指纹图像的目的。 ( 3 ) 对于一般形态学骨架化算法不能保证指纹纹线连续性的缺陷，本 文提出了基于查找表的有条件约束的形态学骨架化的细化算法。实验表 明，改进的算法具有较好的细化效果，在保证指纹纹线的连续性问题方 面有了很大的改进。 关键词：数学形态学，图像增强，二值化，细化，佃化后处理，算法仿真 r e s e a r c ha n dr e a l i z a t i o no ff i n g e r p r i n tim a g e p r e p r o c e s s i n ga l o g o r i t h m a b s t r a c t d u et ov a r i o u sf a c t o r s ，c o l l e c t e df i n g e r p r i n ti m a g e sa r eo f t e ng r a yi m a g e w i t hav a r i e t yo fn o i s e ，i m a g e sm a ya p p e a rr i d g ea d h e s i o nr i d g es i t u a t i o n s s u c ha sb r o k e no ru n e v e nc o n t r a s t i nt h i sc a s e ，i ti sv e r yd if f i c u l tt oi s o l a t e t h ec o r r e c ti m a g eo ff i n g e r p r i n tr i d g e ，r e s u l t i n gi n t h e t e li a b i1i t yo f 、 f i n g e r p r i n tf e a t u r ee x t r a c t i o nd i f f i c u l t t h i si sn o i s ep o l l u t i o nf i n g e r p r i n t r i d g e s t r u c t u r ew o u l ds e r i o u s l y a f f e c tt h ep e r f o r m a n c e o fa u t o m a t i c f 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 no r d e r t oe n s u r et h er e li a b i l i t yo f s u b s e q u e n tp r o c e s s i n g ，f e a t u r ee x t r a c t i o n ，t h eo b t a i n e df i n g e r p r i n ti m a g e s m u s tb ep r e p r o c e s s e d t h ep u r p o s eo fp r e p r o c e s s i n gi st or e m o v et h ex m a g en o l s e ， t u r ni ti n t oac l e a rp o i n t1 i n eg r a p ht of a c i l i t a t et h ec o r r e c tf ，i n g e r p r i n t f e a t u r ee x t r a c t i o nt oe n h a n c et h ei m a g eo fi d e n t i f i c a t i o n p a r t 醒t h ee n t i r e f i n g e r p r i n ti m a g ep r e p r o c e s s i n g i n f i n g e r p r i n ti m a g e e n h a n c e m e n t ， b i n a r i z a t i o na n dt h i n n i n ga r et h ep r e t r e a t m e n tp r o c e s so ft h ec o r e t h i sp a p e rf o c u s e so nh o wt h ec o n t e n ti st h em e t h o du s i n gm a t h e m a t i c a l m o r p h o l o g y a n di t sb i n d i n gc h a r a c t e r i s t i c so f t h e f i n g e r p r i n ti m a g e p r e p r o c e s s i n ga n ds i m u l a t i o nt oa c h i e v ee f f i c i e n tf i l t e r i n go ft h ee n h a n c e d f i n g e r p r i n ti m a g e ，f i n g e r p r i n ti m a g es e g m e n t a t i o na n dp r o c e s s i n gf i n g e r p r i n t i m a g et h in n in g a l g o r it h mi n c l u d e ： ( 1 ) f i n g e r p r i n ti m a g ee n h a n c e m e n t ，t h ep r b p o s e do p e r a t i o nw i l lb eb a s e d o nm o r p h o l o g i c a li m a g ea r i t h m e t i c l o g i co p e r a t i o n st oc o m b i n em e t h o d s ，u s i n g m u l t i p l es t r u c t u r a le l e m e n t st h a to p e r a t e o nt h ei m a g e ，r e s p e c t i v e l y ，a n dt h e n c o m b i n et h ei m a g e sa f t e rt h eo p e r a t i o n ，t oa c h i e v em o r eg o o df i l t e r i n ge f f e c t ， a n dt oe n s u r et h ec o n t i n u i t yo ft h er i d g e ( 2 ) i nt h i sp a p e r ，n e i g h b o r h o o d b a s e do p e r a t i o na n du s eo fm o r p h o l o g i c a l c o n t r a s ti m a g e l o c a lv a r i a n c eo ft h ev a r i a n c eo nt h ec o m b i n a t i o n o f f i n g e r p r i n ti m a g es e g m e n t a t i o na l g o r i t h m ，t o a c h i e v et h ep u r p o s eo f f i n g e r p r i n ti m a g es e g m e n t a t i o n ( 3 ) f o rg e n e r a lm o r p h o l o g i c a ls k e l e t o na l g o r i t h mc a nn o tg u a r a n t e et h e i i ， c o n t i n u i t yo ft h ef i n g e r p r i n tr i d g ed e f e c t s ，t h i sp a p e rl o o k u pt a b l eb a s e d o nt h e m o r p h o l o g i c a l s k e l e t o n o fac o n d i t i o n a lc o n s t r a i n tr e f i n e m e n t a l g o r i t h m e x p e r i m e n t ss h o wt h a tt h ei m p r o v e da l g o r it h mh a sb e t t e rr e f i n i n g e f f e c c ，i ne n s u r i n gt h ec o n t i n u i t yo ft h ef i n g e r p r i n tr i d g ei s s h e sh a sb e e n g r e a t ly i m p r o v e d k e y w o r d s ： m a t h e m a t i c a l m o r p h o l o g y ,i m a g ee n h a n c e m e n t ， b i n a r i z a t i o n ，t h i n n i n g ，t e n a n t - b a s e dp o s t - p r o c e s s i n g ，a l g o r i t h m s i m u l a t e i i i r 第二章指纹预处理原理概述6 2 1 指纹识别技术概述6 2 2 指纹图像特征。7 2 3 指纹预处理原理介绍：8 2 3 1 指纹幽像规格化8 。 2 3 2 指纹幽像分割? 8 2 。3 3 指纹图像增强“9 2 3 4 指纹图像二值化1 0 2 3 5 指纹图像细化1 0 2 3 6 指纹图像细化后处理i 1 1 第三章数学形态学理论基础1 2 3 1 数学形态学( 删) 图像处理概述1 2 3 2 数学形态学中的结构元素及其选择原则1 3 3 3 二值形态学基本运算1 4 3 3 1 膨胀和腐蚀1 4 3 3 2 开运算和闭运算1 6 3 4 灰度形态学运算1 8 3 4 1 灰度膨胀和灰度腐蚀1 8 3 4 2 灰度开运算和闭运算1 9 3 5 灰度形态学图像处理基本应用2 0 3 5 1 形态学图像平滑处理2 0 3 5 2 形态学图像梯度2 0 3 5 3 形态学t o p - h a t 变换2 l 3 5 4 形态学重构，2 l 第四章基丁数学形态学方法的指纹预处理算法研究2 3 4 1 指纹图像规格化处理：2 3 4 2 指纹图像分割算法2 4 4 2 1 传统的指纹图像分割算法简介2 4 4 2 2 基于形态学t o p h a t 变换和方差法的指纹图像分割算法2 5 4 2 3 实验仿真结果与分析2 6 4 3 指纹图像增强算法2 7 4 3 1 传统的指纹图像增强算法简介2 7 4 3 2 基于数学形态学的指纹图像增强算法2 9 4 3 3 实验仿真结果与分析二3 1 4 4 指纹图像二二值化算法3 2 4 4 1 传统的指纹图像二值化算法简介3 2 i v i i l 1 2 3 4 i 致谢4 9 攻读硕士学位期间发表的学术论文5 0 v 3 4 4 5 5 8 9 9 l 2 2 2 4 6 3 3 3 3 3 3 3 3 4 4 4 4 4 4 ， 一 一 一 一匕 一 一 一 一 一 一 一 一 一 r ，我们的生活已经进 生活当中，使用新技 中的一个非常重要的 环节。尤其是随着网络化时代的来临，人们对于这种新技术的需求也越 来越迫切，当然同时对新技术的安全性的要求也越来越高。因而在这个 高新技术普及的时代，传统的身份识别技术已经不能满足人们对安全性 的要求。传统的身份识别技术主要是基于两个方面：一是基于身份标识 物品的识别技术，如身份证、钥匙、i c 卡等，这方面识别技术的缺陷是 个人的身份标识物品容易丢失：另外一方面是基于身份标识知识的识别 技术，如密码、口令等，这方面识别技术的缺陷是身份标识知识容易被 遗忘。而且这些传统的身份识别手段也更容易被伪造和窃取，一旦不法 分子利用非法的手段获得这些身份验证信息将会给人们带来巨大的损 失。一些机构为了达到更高的安全性，一般要求人们设置更加复杂的密 码，这样更增大了人们的记忆难度，给人们带来了不必要的麻烦。而且 若我们在不同场合使用同一个密码的话，那我们在得到了方便性的同时 也增加了安全性的隐患；但若设置成不同的密码，又很容易混淆。可以 说由于传统的身份识别技术的种种不足，新的更加安全可靠的身份识别 技术一直是当今信息安全领域所研究的热点方向。在这样的情况下，人 们对生物特征识别技术的研究开始逐渐展开。生物特征识别技术在一定 程度上很好地解决了上述问题。生物特征识别的依据就是使用者自身所 拥有的某些特征，用户个人不需要再牢记各种繁琐的密码和身份证件号 码，同时不必随身携带智能ic 卡也不必担心它们的损坏和失窃。生物特 征识别技术是目前最为方便与安全的识别系统，已经逐渐成为一种公认 的身份识别技术。生物特征识别技术可以彻底改变人们现有的生活方式 的这种说法被越来越多的人们所认同。而且相比于其它的生物识别技术， 指纹识别技术是目前人们最容易接受的一种技术手段。它有着方便、实 用、可靠和低成本且容易被人们接受等诸多优点，也是最具有代表性和 最有应用前景的生物识别技术。 近几十年来，随着图像处理，模式识别和计算机科学等学科的发展； 自动指纹识别技术在国内外已经取得了很大的进展。早期的指纹识别由 l 青海师范人学硕十学位论文 人工来完成，由有经验的指纹专家对指纹逐个进行比对、辨别，这种方 法即耗时效率又不高、准确率也低。在人口日益膨胀的今天，随着自动 指纹识别技术应用领域的不断扩大，这种人工指纹识别越来越不能满足 社会应用的要求。随着计算机技术、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 f is ( a ut o m a te d f in g e r p rin tid e n tif ic a tio n s y ste m ) 转变。 目前自动指纹识别技术仍是国内外模式识别研究中的热点；而在整 个指纹自动识别系统中，图像预处理部分是非常关键的一部分，因为预 处理的结果直接影响到后续的指纹的特征提取好坏和指纹特征点比对的 成功率。从另一方面来说，当前自动指纹识别系统一般是嵌入式系统， 相对于p c 机上的资源，嵌入式系统中能够提供的资源是非常有限的。从 而对指纹图像进行预处理的另一个原因就是为了压缩图像，节省存储空 间。把原始指纹的2 5 6 级灰度图像通过预处理转变成只有2 个灰度级别 的细化后的单像素的指纹图像，这样可以大大减少直接存储细化图像的 大小，还可以在后续的指纹提取特征点操作节省大量的存储空间。 1 2 研究指纹图像预处理技术的意义 指纹识别作为一种重要的生物识别技术，近几年得到了飞速的发展。 我们所获得的指纹图像是三维的手指映像在二维表面所成的像，一般说 来，这种映像过程是不容易控制的非均匀接触，如部分脊线结构信息不 能与采集板完全接触。由于指纹传感器采集到的原始指纹图像是数字化 指纹图像，而指纹识别所依据的通常是指纹纹线的结构信息，例如匹配 一般基于纹线的局部结构特征，如纹线节点、分叉等细节点；指纹分类 多数基于指纹纹线全局结构特征，如纹线形态或者奇异点。能否从原始 指纹图像中可靠的提取出这些特征，对指纹识别系统的精度以及指纹匹 配、指纹分类等算法的设计具有非常关键的影响。如果指纹图像中的纹 线非常清晰，即脊线和谷线对比度很大、脊线之间明显分离，则很容易 用图像二值化方法从指纹图像中分离出脊线区域和谷线区域，进而从脊 线上提取出指纹局部特征或全局特征。然而在实际生活中，由于采集者 手指皮肤的干燥程度、汗渍、污渍、皮肤病、手指受伤等手指表皮特性、 采集条件等因素影响，采集的指纹图像是一幅多种不同程度噪声干扰的 灰度图像，图像中可能出现纹线粘连、纹线断裂或者对比度不均匀等情 形。在这种情况下很难从图像中正确分离出指纹纹线，导致指纹特征的 可靠提取变得非常困难。这种被噪声污染的指纹脊线结构将严重影响着 2 指纹图像预处理算法的研究与实现 自动指纹识别系统的性能。为了保证后续处理特征提取的可靠性，必须 对获取的指纹图像进行预处理，以减少噪声或其他干扰，图像预处理的 质量决定了后续处理的鲁棒性。所以一般要对采集到的指纹图像进行预 处理。预处理的目的就是去除图像中的噪声，把它变成一幅清晰的点线 图，以便于提取正确的指纹特征，增强图像的可识别性。 总之，指纹图像的预处理对指纹识别系统起着至关重要的作用，因 此，对指纹图像预处理研究，将会提高整个指纹识别系统的识别率。 1 3 该课题研究的历史和国内外研究现状 我国是最早广泛采用指纹作为身份鉴别的国家，在约公元前6 0 0 0 多 年前的半坡文化时期，陶艺工匠就已经在陶品上留下指纹来说明制造者 的身份。早在2 3 0 0 年前中国古代的官方文件和契约上就普遍使用指纹做 为印章。+ l8 5 8 年英国最早开始应用指纹作为身份的证明。18 8 0 年苏格兰 医师h e n r yf a u ld s 被认为最早利用油墨按压法获得指纹并用作犯罪现场 鉴定的科学家。18 8 2 年在美国开始有最早的指纹应用记录。l8 9 2 年英国 科学家f r a n ic sg a lt o n 建立了指纹唯一性和不变性理论，并计算出两个 不同指纹的相似概率为6 4 0 亿分之一，他设计的大容量指纹库分类系统 ( a l w ) 和提出的基于细节点的指纹识别方法一直沿用到今天。从2 0 世 纪6 0 年代开始，随着计算机技术的发展，自动指纹识别系统a f i s 已得 到广泛的应用。2 0 世纪8 0 年代，p c 机和光学扫描技术的发展使指纹的 提取和识别更加便利，应用领域更加广泛。到了2 0 世纪9 0 年代，低价 便携的指纹提取设备和高性能的处理器使指纹识别的发展迈向了，更高的 层次，指纹识别正在朝着微型化、低功耗、低成本、高识别率的方向发 展。， 可以看出，指纹识别技术相对于其他方法有许多独到之处，更重要 的是有着很高的实用性和可行性，由此，指纹识别成为最流行、最方便、 最可靠的个人身份认证之一。 随着图像处理，模式识别和计算机科学等学科的发展，指纹自动识 别系统在过去的3 0 年己经取得了很大的发展，但是目前a f is 仍是国内 外模式识别研究中的热点。随着计算机技术的进步，图像处理与模式识 别方法的发展，使计算机指纹自动识别系统的性能日渐完善。指纹图像 处理主要经历了人工处理、半自动化处理和自动化处理三个发展阶段。 19 6 0 年，为了摆脱由人工鉴别指纹诸多缺陷带来的不便，美国联邦调查 局、英国家庭办公室和法国巴黎警察局，开始研发a f i s ，并取得了显著 3 青海师范人学硕t 学位论文 的效果，并于l9 7 5 年在美国率先推出了第一个商业化系统p rin t - r a k 2 5 0 。 同本则在l9 7 5 、年开始进行相关的识别软件的研究，并于19 8 2 年将 n e c a f si 投入使用。我国开展的较晚，是在l9 81 年左右开始的。 在整个指纹自动识别系统中，图像预处理部分是很关键的，它直接 决定了后续处理的准确性。国内外许多学者针对指纹图像的特点提出了 各种方法。m e h t r e 计算指纹图像的方向图，这些方向图代表了局部脊线 的方向，利用方向信息，将脊线从背景中分离出来：c o e t z e e 和b o t h e 通 过计算m a r r h ild r e t h 边缘来获得脊线，计算出的边缘图像和原灰度图 像结合在一起将指纹图像二值化，然后再平滑滤波去除二值化图像中的 噪声，最后细化：xia o 和r a a f 架设脊线的骨架己经从指纹灰度图像中提 取出来，他们提出的算法针对如何确认伪细节，并用细节的结构化定义 去除伪细节：h u n g 通过量化脊线宽度来增强指纹图像：他先在局部区域用 数学方法估计脊线方向，然后再有方向性的增强脊线：刘元兵，李见为采 用基于g a b o r 小波核心的算法对指纹图像进行预处理：蒋景英等结合遗传 算法与方向图法对指纹图像进行分割：陈昌，常亮采用了基于边缘检测技 术的指纹图像预处理，通过采用基于g a u s s l a p l a c 6 图像边缘检测技术 来计算指纹脊线的方向，形成方向图，然后配合其它经典的预处理方法 形成一套完整的指纹预处理系统：单瀛，施鹏飞采用了基于神经网的指纹 预分类的方法，提出了一种利用关键点信息而建立的指纹模型，在此基 础上设计了适于模型的神经网分类器，最终形成了指纹预处理分类系统： 马君等将变换技术运用到了指纹图像预处理中，采用小波分解与重构的 方法对指纹图像进行小波压缩，进行去噪和增强处理。 总体来说，比较常见的指纹图像预处理的方法有：方向图法、g a b o r 滤波器法、小波分析法、神经网络法等。 。 1 4 本文主要研究内容 目前，指纹识别技术仍然是一个国内外生物识别领域研究的热点， 虽然市场上已经出现大量的指纹识别产品，但识别效果并不能完全达到 真正的实时性，其中的主要原因就是对指纹预处理环节的算法设计仍未 达到理想的效果，特别是对低质量的指纹图像的处理。 本文主要研究的内容是如何利用数学形态学的方法并结合指纹图像 的特点对其进行预处理，并仿真实现对指纹图像的有效滤波增强、指纹 图像分割及指纹图像细化等处理。提出了将形态学运算与基于图像的算 术逻辑运算结合起来的方法，采用多结构元素分别对图像进行运算，然 4 指纹图像预处理算法的研究与实现 后将运算后的图像合并起来，能达到较好的滤波效果，并保证了纹线的 连续性。本文提出了基于邻域的形态学对比度运算和利用图像的局部方 差的方差法相结合的指纹图像分嘻算法，达到分割指纹图像的目的。改 进了基于形态学骨架化的细化算法。实验表明，改进的算法具有较好的 细化效果。 所有算法在m a lla b 7 0 中仿真实现，并附详细的图示说明。 全文共由五章组成。 具体内容如下： 第一章，绪论。介绍了课题选择的背景及意义； 、 ， 第二章，指纹预处理算法概述。介绍了指纹识别技术的原理、指纹 特征及指纹预处理算法的原理； 第三章，数学形态学理论基础。介绍了二值形态学和灰度形态学的基 本知识和基本操作，简述了数学形态学在图像处理中的具体应用并进行 了仿真实验分析； 第四章，基于数学形态学方法的指纹预处理算法研究。介绍了指纹 预处理的传统算法，并对传统的算法做了比较，提出了基于数学形态学 的指纹预处理算法，并对本文研究的算法进行了仿真实现。 第五章，总结与展望。本章主要对该文中研究算法的优点及不足作 出总结，并对该文研究的算法的应用前景作了展望。 青海师范人学硕十学位论文 第二章指纹预处理原理概述 由于指纹采集设备本身会给指纹图像带来一些噪声，指纹本身有可 能被污染，太干或太湿，也会给指纹图像带来噪声。为了保证后续处理 特征提取的可靠性，必须对获取的指纹图像进行预处理，以减少噪声或 其他干扰，图像预处理的质量决定7 后续处理的鲁棒性。图像预处理有 以下几个步骤组成：图像规格化。图像分割，纹线增强，二值化，纹线细 化以及细化后处理。 2 1 指纹识别技术概述 指纹具有惟一性及终身不变性，因而在身份验证与身份识别中占有 极其重要的地位。指纹是手指末端j 下面皮肤上凹凸不平产生的纹路，这 些纹路即通常所说的脊和谷。尽管指纹只是人体皮肤的一小部分，但是 它蕴涵大量的信息。如何将模糊的指纹图像变成可以提取这些信息的清 晰细化图像是指纹处理技术所要解决的首要问题。 对指纹的处理一般由指纹取像、预处理、特征提取和特征匹配几个 部分组成，如图2 一l 所示： 图2 - 1 指纹图像处理原理图 ( 1 ) 指纹取像 ， 指纹取像设备可以分为三类：光学取像设备、晶体传感器和超声波 扫描。光学取像设备依据指纹的生理特征及光的全反射原理( f ti r ) 设 计。常见的晶体传感器是硅电容传感器，它是利用指纹的脊和谷相对半 导体的距离不同而造成的电容值不同，再将其转化为电压记录下来，以 得到指纹的灰度图像的。这种传感器由于易受静电影响，易损坏，因而 不如光学取像设备耐磨损。超声波扫描是利用指纹表面脊和谷的声阻抗 不同从而造成接收到的超声波能量不同来获得指纹灰度图像的。这种取 像方法不受皮肤上的脏物和油脂影响，成像效果好，但是设备价格非常 昂贵。 ( 2 ) 预处理 6 指纹图像预处理算法的研究与实现 通过指纹取像设备在采集指纹时，由于光照等现场环境的影响会给 采集到的指纹图像带来一些噪声，再者由于手指有油脂或汗渍等因素的 影响，指纹通过取像设备获得的原始图像是一幅含有多种噪声的灰度图 像。为了保证后续处理特征提取的可靠性，必须对获取的指纹图像进行 预处理，以减少噪声或其他干扰，预处理的目的就是改善输入指纹图像 的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便后续 特征提取和比对，图像预处理的质量决定了后续处理的鲁棒性。预处理 过程一般包括：图像规格化、图像分割、纹线增强、二值化、纹线细化 和细化后处理，如图2 - 2 所示。 图2 - 2 指纹图像预处理原理图 ( 3 ) 特征提取 指纹特征点提取这个环节是为匹配环节提供依据的。指纹图像的特 。 征有全局特征和细节特征，其中细节特征_ 般是大部分匹配过程的比对 依据。由于细节特征的坐标直接表征该指纹，因此特征提取的好坏直接， 影响到以后的指纹匹配的结果，所以特征提取是指纹识别系统的关键部 分之一。鉴于细化后图像的质量较好，所以当前的特征点提取算法一般 都是采取在细化后的点线图中提取特征点的方法。 ( 4 ) 特征匹配 特征匹配是将新输入指纹的特征值与指纹库中所存指纹的特征值进 行比对，找出最相似的指纹作为识别的输出结果。由于采集设备，指纹 本身等各种因素的影响，同一枚指纹两次输入所得的特征模板很可能存 在一定程序的差异，因此只要有输入指纹的特征模板与所存储的模板相 似时，就说这两个指纹是匹配的。 2 2 指纹图像特征 指纹的特征包括两类：全局特征和细节特征。全局特征是指用人眼 直接就可以观察到的特征，包括基本纹路图案、模式区、核心点、分叉 点、式样线和纹数等! 局部特征是指纹的节点特征，具有某种特征的节 点称为特征点。两枚指纹经常会其有相同的总体特征，但它们的局部特 征一特征点，却不可能完全相同。指纹纹路并不是连续、平滑笔直的， 。 7 青海师范人学硕十学位论文 而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为特 征点。正是这些特征点保证了指纹的唯一性。 指纹识别技术通常使用指纹的全局特征( 如纹形、分叉点等) 来进 行分类，再用局部特征( 如位置和方向等) 来进行识别用户身份。通常， 首先从获取的指纹图像上找到“特征点冀，然后根据特征点的特性建立用 户活体特征数据库，由于两枚不同的指纹不会产生相同的特征数据，所 以通过对所采集到的指纹图像的特征数据和存放在数据库中的指纹特征 数据进行模式匹配，计算出它们的相似程度，最终得到两个指纹的匹配 结果，根据匹配结果来鉴别用户身份。、 2 3 指纹预处理原理介绍 预处理对自动指纹识别系统至关重要，其结果的优劣将直接影响特 征提取和匹配的复杂度，关系到整个系统的识别率。它主要包括图像规 格化、图像分割、纹线增强、二值化、纹线细化及细化后处理等步骤。 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 效果。 2 3 1 指纹图像规格化 由于光照的不均等诸多因素的影响，采集到的指纹图像往往存在脊 线和谷线的灰度值出现不同程度的扭曲的现象。对指纹图像进行规格化 的主要目的是为了减少沿脊线和谷线方向上的灰度级的变化，把不同源 的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。规格化的方法一般比较单一，都普遍采用 lin h o n g 等使用的将灰度的方差限制到要求范围内来统一图像的密度 值。 2 3 2 指纹图像分割 图像分割将图像细分为构成它的子区域或对象，分割程度取决于要 解决的问题。也就是说，在应用中，当感兴趣的对象已经被分离出来时， 就停止分割。+ 例如，在对指纹图像进行分割时，只要将我们所关心的指 纹有效区从背景区中分离出来即可停止分割。因为，超过识别要素所需 的分割是没有意义的。， ， 一般情况下，通过指纹采集设备采集到的指纹图像都是被不同的噪 声污染的需要处理的图像。在比较理想的情况下采集到的指纹图像是一 8 指纹图像预处理算法的研究与实现 个指纹区域，在该指纹区域中，指纹的脊线和谷线连续而没有断裂，清 晰而没有粘连，指纹图像除了指纹区域外的背景区域应该拥有统一的灰 度值，也就是说对于用n 位表示一个像素灰度值的指纹采集设备，背景 的灰度值应该是属于 0 ，n 2 一1 中的某个常数，在这种情况下，只需要对指 纹区域进行二值化，就可以完成指纹图像的预处理工作，然而，在实际 情况中，由于采集设备、所处环境或者指纹提供者的手指皮肤的状况等 因素，可能使得指纹区域不仅混迹在有噪声的背景区域中，而且还可能 使得指纹的纹线结构不再清晰，甚至被破坏。所以一枚指纹图像可以大 致分为三个区域：( 1 ) 前景区，也称为指纹有效区。在这个区域中指纹的 脊线和谷线清晰，纹线连续，几乎没有被噪声污染，该区域是分割处理 需要保留的区域；( 2 ) 背景区。指纹采集设备所采集指纹图像的空白区； ( 3 ) 模糊区，是指纹线不连续、脊线和谷线粘连不清晰的区域。这类区域 又包含两种情况，一种是受噪声污染不太严重，纹线走向较清晰，经过 后续处理可以恢复的区域，另一类则是受噪声严重污染的，即使经过后 续处理也无法恢复的区域，所以对于模糊区，应分割出可恢复和不可恢 复的两种区域，在此可把前景区和可恢复的模糊区并称为前景区，把背 景区和不可恢复的模糊区并称为背景区。 所谓指纹图像分割就是把指纹有效区从背景区中分离出来，使后继 。处理对有效区进行处理，这样做的目的有两个：( 1 ) 使得对指纹有效区进 行指纹增强处理，这样可以大大减少指纹预处理的时间，对提高整个指 纹图像预处理的效率起到事半功倍的作用；( 2 ) 分割出指纹有效区和背景 区，可以减少后续处理中指纹伪特征点的产生，以提高特征提取的精确 度。 2 3 3 指纹图像增强 图像增强就是对需处理图像进行加工，以得到对具体应用来说视觉 效果更好的图像。指纹增强技术的实质是提高图像纹线结构的清晰程度， 确保细节特征提取算法的性能对指纹图像的质量具有足够的鲁棒性。指 纹图像在经过指纹增强算法处理过后应当确保不破坏原来脊线的走向和 连贯性，不引入新的噪音，尽量连接由于噪音而断开的脊线，断开脊线 之间的粘连，使得指纹脊线间的间距应该大致相同。 根据大量的研究可归纳指纹图像所具有的共性。指纹图像一般是由 脊线和谷线交替构成，并且脊线和谷线的粗细基本上是均匀的，在指纹 图像的大部分区域，脊线和谷线之间都是互相平行的，形成连续的，方 向平缓的曲线。不过由于指纹采集环境及指纹状况并非理想状态，常常 9 、 青海师范人学硕1 ：学位论文 采集到的指纹图像是含有随机噪声和扭曲脊线的低质量指纹图像，为了 得到较好的指纹图像，有必要对指纹图像进行必要使用滤波器进行纹线 平滑增强处理。 2 3 4 指纹图像二值化 指纹图像二值化也是整个指纹图像预处理过程中非常重要的一步。 对指纹图像进行二值化处理，一方面可以对图像信息进行压缩，保留纹 线的主要信息，节约了存储空间，便于计算机存储和处理；另一方面还 可以去除大量的粘连，为指纹细化和特征提取做准备。二值化处理是将 一幅灰度图像转化为二值图像，这样就提高了指纹图像中脊线和谷线间 的对比度，使细节点的提取变得更方便。 2 3 5 指纹图像细化 所谓细化又称为骨架化乜1 ，即在不影响原图拓扑连接关系的条件下， 尽可能用最少的迭代次数，快速而准确的将宽度大于一个像素的图形线 条转变为个像素宽的线条的处理过程，也就是抽取图像的骨架。细化 不但能够很好的展现原图像的拓扑结构形状，而且可以大大减少存储图 像所需要的内存空间，因为它只需存储图像中必需的结构信息，在图像 处理中简化了数据结构。因此，细化是图像分析，信息压缩，特征提取 及模式识别中常用的技术，在图像处理中占有重要的地位。指纹图像的 细化过程是指纹图像预处理的一个基本环节，对指纹的纹线进行细化处 理应该在经过= 值化后的指纹图像上进行。一般要求细化后的指纹纹线 图像必须是单像素宽的，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是很有意义的。 对指纹图像的细化处理通常是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像素宽为止。理想的状态下，细化后的指 纹纹线骨架应该是保留原始纹线的中间位置。一般对于指纹图像的细化 问题并没有严格的规则和统一的标准要遵循，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指纹特征点提取的需要，就认 为细化操作是成功的。不过图像细化操作也有一些基本的准则需要遵循， 好的细化算法应该保持原有图像的形状、拓扑结构和连通性。详细地讲， 好的细化算法应该达到如下要求： ( 1 ) 细化结果必须保持原图像的基本结构特性，即连通性； l o 指纹图像预处理算法的研究0 0 实现 ( 2 ) 细化结果应该尽量是原目标的中心线； ( 3 ) 细化结果中的骨架要尽量细，最好能得到一个像素宽的线条图 像； ( 4 ) 细化处理不能破坏目标与背景各自的连通性； ( 5 ) 对像素点的删除，最好是对称进行，以避免在某方向上引起偏差： ( 6 ) 应使用尽可能少的迭代次数。因为细化处理过程中要不断地重复 扫描图像，在图像处理中是耗时较长的操作。所以说研究如何用少的迭 代次数得到完全细化的图像，缩短细化时间是很有意义的。 2 3 6 指纹图像细化后处理 ， 细化后的指纹图像往往会存在一些不应有的孔状结构、毛刺，相邻 的两条指纹纹线间产生h 形状的粘连，这些情况都会造成伪特征点的出 现，严重影响指纹识别结果的可靠性。所以，在进行指纹细节特征提取 之前，必须对细化后的指纹图像进行处理，以填充小的孔洞，修剪毛刺 及断开h 形状的粘连，这个过程称为细化图像后处理。本文主要采用数 学形态学的方法去除毛刺和利用纹线跟踪的方法去除孔状结构。 青海师范人学硕 ：学位论文 第三章数学形态学理论基础 3 1 数学形态学( m m ) 图像处理概述 形态学( m o r p h o lo g y ) 通常代表生物学的一个分支，是研究生物学中 动植物的形状和结构的一门学科 1 。而数学形态学( m a th e m a tic a l m o r p h o lo g y ，m m ) 是根据形态学概念发展而来具有严格数学理论基础的科 学，并在图像处理和模式识别等领域得到了成功应用。除了通常作为一 种抽取图像中区域形状特征，如边界、骨骼和凸壳等的工具外，也经常 用于图像的预处理和后处理，如：形态学滤波、图像分割、细化和修剪 等。 数学形态学源于2 0 世纪6 0 年代中期法国对多孔介质透气性的几何 学研究1 。19 6 4 年，法国学者塞拉( s e r r a ) 对铁矿石的岩相进行定量分析， 以预测铁矿石的可轧性。同时，马瑟荣( m a th e r o n ) 研究了多孔介质的几 何结构、渗透性及二者的关系。多孔介质的点既属于孔又属于孔周围的 矩阵，这使得马瑟荣和塞拉在此基础上创建了一种用于二值图像分析的 集合方式，这就形成了数学形态学的雏形。l9 6 5 年命名m a t h e m a tic a l m o r p h o lo g y 。l9 6 8 年在法国成立枫丹白露( f o n t a ln e b le a u ) 数学形态学研 究中心。l9 7 3 年，马瑟荣的随机集和积分几何为数学形态学奠定了 基础。l9 8 2 年由塞拉主编完成的第一部数学形态学专著i m a g ea n a ly s is a n dm a th e m a tic a lm o r p h 0 1o g y 成为数学形态学发展的里程碑，表明数 学形态学在理论上已趋于完备。19 8 6 年，c v g ip ( c o m p u t e rv isio n g r a p h ia sa n d im a g ep r o c e s sin g )发表了数学形态学专辑，提出基于 数学形态学的纹理分析模型系列，使数学形态学的研究呈现新景象。从 9 0 + 年代至今，数学形态学已发展为成熟的专业。数学形态学在模式识别， 编码，运动分析，运动景物描述、放射医学、工业控制等应用方面取得 了很大的进展，另外数学形态学还用于数值函数的形态学算子开发等。 数学形态学是一种非线性的图像处理和分析工具，一般分为二值形 态学和灰度形态学。由于描述数学形态学的语言是集合论，可以提供一 个统一而强大的工具来处理图像分析中的问题。用数学形态学对物体几 何结构分析的过程就是主客体相互逼近的过程陆1 ，通过数学形态学的几个 基本概念和运算，可将结构元素灵活地组合、分解，并根据所得形态变 换序列达到分析的目的。 数学形态学方法比其他空域或频域图像处理方法有一些明显的优势， ( 1 ) 在图像恢复处理中，形态滤波可借助先验的几何特征信息，利用 形态学算子有效滤除