（通信与信息系统专业论文）指纹图像处理及匹配算法研究.pdf

武汉理工大学硕士学位论文 摘要 随着信息技术的和网络技术的发展，信息安全越来越引起人们的重视。为 了保护自身的信息、资料以及财产的安全，许多场合都需要对使用者、来访者 进行身份识别。基于指纹识别技术的身份识别系统以其独特的技术优势和成本 优势正广泛被应用到各个场合。 目前指纹识别系统不足表现在：特征匹配效率较低；容易受伪特征点的影 响导致匹配不准确；对模糊的图像无法准确识别等等问题。本文就指纹识别系 统的图像处理进行系统地研究，对现有算法进行对比、改进和创新。 指纹识别系统的图像处理按处理流程及目的大致可划分为：预处理、特征 提取和特征匹配三个阶段。 其中预处理包括指纹图像的归一化、图像增强、二值化和细化。其中，本 文重点对图像增强算法进行研究，采用基于方向滤波的图像增强算法。 在指纹特征提取阶段，本文先采用基于细化图像的邻域法提取特征点，然 后再进行去伪特征点。在剔除伪特征点时，先进行去边缘处理，再根据不同类 型伪特征点的特征，采用相应剔除算法。 在匹配阶段，本文采用基于特征点的二次匹配算法。初匹配阶段，通过构 建局部特征向量，并创新性地跟据各个特征量受形变等因素影响的不同，引入 权值不同的匹配分值体系，实现了基准特征点对以及待匹配点集的求取；二次 匹配阶段，利用基准特征点对，实现待匹配指纹的特征点与模板指纹的特征点 之间坐标校准。并通过引入可变限界盒，判别两个特征点是否匹配。最后求取 所有可匹配的特征点对的总数，将其与阈值比较，大于阈值则判定两幅指纹是 同一来源指纹，否则不是。 最后，本文使用f v c 2 0 0 2 d b1 和d b2 标准指纹库，分别对本文特征匹配 算法进行m a t l a b 仿真测试，得到测试结果：f a r l 0 分别为0 8 5 和5 5 ，f a r l 0 0 分别为1 8 和9 5 ，e e r 分别为1 7 和7 0 。通过与同类参考测试对比可知： 本文在反映匹配准确度的指标f a r l 0 和f a r l 0 0 上优子其他同类测试，在反映 综合性能的指标e e r 上还有待进一步提高，该测试结果达到了预期目标。 关键词：预处理，特征提取，二次匹配，匹配分值，坐标校准 武汉理工大学硕士学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g ya n dn e t w o r kt e c h n o l o g y , i n f o r m a t i o ns e c u r i t yh a sd r a w ni n c r e a s i n ga t t e n t i o n i no r d e rt op r o t e c tt h e i ro w n i n f o r m a t i o n , d a t aa n dp r o p e r t y , m a n yo c c a s i o n sn e e dt oi d e n t i f ym e i rv i s i t o r s t h e i d e n t i f i c a t i o ns y s t e m b a s e do nf i n g e r p r i n tr e c o g n i t i o nt e c h n o l o g y , w i t hi t su n i q u e t e c h n i c a la d v a n t a g e sa n dc o s tb e n e f i t s ，a r ew i d e l ya p p l i e dt ov a r i o u ss i t u a t i o n s h o w e v e r , t h ec u r r e n tf 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 mh a ss e v e r v a lp r o b l e m s ： s u c ha sf e a t u r em a t c h i n gl e s se f f i c i e n t ；e a s i l yb ec a u s e db yi n f l u e n c e db yf a l s ef e a t u r e p o i n t sm a t c h i n g , o nt h eb l u r r e di m a g e sc a l ln o tb ea c c u r a t e l ya n ds o0 1 1 t h i sp a p e r w i l ld oas y s t e m a t i cs t u d yo fm o s ta s p e c t so ft h ef i n g e r p r i n ti m a g ep r o c e s s i n g s y s t e m , b yc o m p a r e dt oe x i s t i n ga l g o r i t h m s ，i m p r o v e m e n ta n d i n n o v a t i o n f i n g e r p r i n tr e c o g n i t i o ns y s t e mb yp r o c e s s i n ga n di m a g ep r o c e s s i n gp u r p o s e s w a sr o u g h l yd i v i d e di n t o ：p r e p r o c e s s i n g , f e a t u r ee x t r a c t i o na n df e a t u r em a t c h i n g a 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 gi n c l u d i n gn o r m a l i z a t i o n ，i m a g es e g m e n t a t i o n ，i 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 g t h i sp a p e rf o c u s e so ni m a g ee n h a n c e m e n t a l g o r i t h mt os t u d yt h ed i r e c t i o n - b a s e df i l t e r i n go fi m a g ee n h a n c e m e n t i nt h ef i n g e r p r i n tf e a t u r ee x t r a c t i o ns t a g e ，t h i sp a p e r sa l g o r i t h mb a s e do n e x t r a c t e df e a t u r ep o i n t st h en e i g h b o r h o o do ft h et h i n e di m a g e ，a n dt h e nc a r r i e do u tt o d e a lw i t l lp s e u d o f e a t u r ep o i n t s b e f o r er e m o v i n gt h ep s e u d o - f e a t u r ep o i n t s ，t h ef i r s t c a r r i e do u tt ot h ee d g et r e a t m e n t ；r e m o v et h ef i n g e r p r i n ti m a g ea r o u n dt h ef e a t u r e p o i n t s t h e na c c o r d i n gt od i f f e r e n tt y p e so fc h a r a c t e r i s t i c so fp s e u d o f e a t u r ep o i n t s ， u s i n gt h ec o r r e s p o n d i n ga l g o r i t h mr e m o v e d i nt h em a t c h i n gp h a s e ，t h i sp a p e ru s e dt h et w i c ef e a t u r em a t c h i n ga l g o r i t h m w h i c hb a s e do nt h ef e a t u r ep o i n t i n i t i a lm a t c h i n gs t a g e ，b yb u i l d i n gl o c a lf e a t u r e v e c t o r , a n di n n o v a t i v em a n n e r , a c c o r d i n gt ov a 五o u sc h a r a c t e r i s t i c sw i t ht h ea m o u n t o fd e f o r m a t i o no fo t h e rf a c t o r sb yt h ed i f f e r e n tw e i g h t si n t oad i f f e r e n tm a t c h , s c o r i n g ”s y s t e m ，t oa c h i e v et h eb e n c h m a r kf e a t u r ep o i n t sa n dm a t c h i n gp o i n t st ob e s e ts t r i k e ；s e c o n dm a t c h i n gs t a g e ，t h eu s eo fr e f e r e n c ef e a t u r ep o i n t st oa c h i e v et h e c h a r a c t e r i s t i c so ff i n g e r p r i n t st ob em a t c h e dw i t l lt h et e m p l a t ef i n g e r p r i n tf e a t u r e 武汉理工大学硕士学位论文 p o i n t sb e t w e e nt h ec o o r d i n a t e so fc a l i b r a t i o np o i n t s a n dt h r o u g ht h ei n t r o d u c t i o no f v a r i a b l eb o u n d i n gb o x ，d i s c r i m i n a n tw h e t h e rt h et w of e a t u r ep o i n t sm a t c h l a s t o b t a i na l lt h ef e a t u r ep o i n t sm a t c h e dt h et o t a ln u m b e r , a n dc o m p a r ei tw i t ht h e t h r e s h o l d ，i fi t sm o r et h a nt h et h r e s h o l d ，t h e nt h e ya r et h es a m ef i n g e r p r i n t o rn o t f i n a l l y , t h i sp a p e rd i dt h o u s a n d st i m e so fm a t l a bs i m u l a t i o n , w h i c hi su s et h e f v c 2 0 0 2 d b _ ia n d d b 一2 s t a n d a r df i n g e r p r i n td a t a b a s e s ，t ot e s tt h ew h o l e f i n g e r p r i n tr e c o g n i t i o na l g o r i t h m t h er e s u l ts h o wt h a tt h ef a r l 0w e r e0 8 5 a n d 5 5 ，t h ef a r l0 0w e r e1 8 a n d9 5 ，t h ee e rw e r e1 7 a n d7 o s ow ef o u n d t h a tt h em a t c h i n gp r e c i s i o n ( r e f e rt ot h ef a r ioa n df a r l0 0 ) o ft h i sa l g o r i t h mi s b e t t e rt h a no t h e rs i m i l a rt e s tr e s u l t sa n dc o m p r e h e n s i v ep e r f o r m a n c e ( r e f e rt ot h ee e r ) s h o u l db ei m p r o v e dal i t t l em o r e t h i sr e s u l t sm e te x p e c t a t i o n s k e y w o r d s ：p r e - p 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 w i c em a t c h i n g ， m a t c h i n g s c o r e ，c o o r d i n a t ec a l i b r a t i o n i i i 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及 取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 武汉理工大学或其它教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 签名：瑾j 一一日期地皿王西 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即 学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可 以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段 保存论文。 ( 保密的论文在解密后应遵守此规定) 7 r 一7 ，坛 w 、， v日期：2 血孓2 y 武汉理工大学硕士学位论文 1 1 引言 第l 章绪论 随着社会经济的发展，人们的工作生活越来越依赖现代信息技术和网络技 术，越来越多的场合，小到个人的虚拟账户密码，大到一个公司甚至是国家机 密都需要对使用者、来访者进行身份识别，从而达到对自身的信息、资料以及 财产进行可控制的保护，努力避免被不法分子非法入侵或者占有。因此信息安 全对于现代社会来说已经变得越来越重要了，它涉及到人们生活的方方面面。 同时由于黑客技术借助互联网传播的十分泛滥，这类高科技犯罪活动追究起来 过程非常复杂，导致了现在黑客犯罪活动十分地猖獗。几乎每分每秒都有个人 或者公司被非法入侵，因此目前形势非常严峻。如何保护人们的信息安全已经 成为不得不面对的问题。如何准确识别个人身份信息是解决信息安全问题的一 个关键。 目前常见的身份识别方法主要是基于实物( 如证件、签名等等) 的识别技 术和基于电子技术的密钥或者密码的识别技术，而这些认证手段存在诸多缺陷。 首先，这些认证手段的安全性不高，极容易通过伪造、窃取或者破解获得。其 次，这些认证手段并不是随身携带的，都面临着证件丢失，密码遗忘等问题。 一旦这些凭证被不法分子获得，将直接给人们带来巨大的损失和潜在的风险， 因此这些手段的可靠性都比较低。目前，为了提高安全性、可靠性，一般采取 经常更换密钥、甚至是证件等方式。但是在这些措施只能暂时的缓解被破解、 伪造的紧迫性，并不能从根本上提高安全性，并且这些方式都给人们的生活带 来诸多不便和损失。因此可以说这两种身份识别技术已经无法满足现实的需要， 传统的身份识别技术己无法满足现代生活的需要，社会迫切的需要一种更高可 靠性的，更方便的保密验证手段。新的更高安全性的身份识别技术正吸引着越 来越多的机构学者的目光，身份识别技术正成为当今信息安全领域的热点【l 】。 1 2 生物识别技术 在传统的身份识别技术已经无法满足现代生活的需要，人们开始将目光转 武汉理工大学硕士学位论文 向利用现代电子信息技术，基于生物特征的识别认证技术。基于生物特征的识 别认证技术，以其方便，可靠、安全等优异的特性，吸引了越来越多的相关研 究人员的关注。所谓的基于生物特征的识别技术，主要是利用人体的与生俱来 的、固有的、具有唯一性的生理特征，通过现在电子信息技术进行特征的提取、 抽象，得到具有个体标识意义的特征，最后通过这些特征进行验证识别的一种 技术。 常用的生物特征包括指纹，人脸，虹膜，d n a 等，这些特征都具有个体的 广泛性，特异性，唯一性，并且一般情况不会随时间、外界环境等因素改变而 改变。因此，这些生物特征具有提取特征并进行身份识别的独特优势。一般来 说，学术界认为，基于身份识别的生物特征需具备以下特征【2 】： ( 1 ) 广泛性。一般要求所有人都具备这种生物特征，这样基于该生物特征 识别的系统就具备广泛的适用性。 ( 2 ) 唯一性。要求所有人的该生物特征都是不一样的，唯一的，这样就为 基于该生物特征识别的技术提供了可识别所有的前提条件。 ( 3 ) 稳定性。要求该生物特征不会随时间，外界环境等因素影响，能够持 久的保持其原有的特征。 ( 4 ) 可采集性。要求该生物特征能够快速方便的进行采集，测量。采集成 本尽量低，采集设备体积进行小，这样方便广泛应用。 常用的几种生物特征特性对比，如表1 1 所示。 表1 - 1 几种生物特征特性对比 类型可靠性唯一性广泛性采集成本采集设备体积 指纹很好因人而异 日 低很小刁e 人脸一般因人而异 日 低较小刁e 虹膜很好因人而异 目 较大 刁e 向 声音一般因人而异是 低较小 d n a很好因人丽异 日 大疋同 签名一般 易仿冒 自 低较小刁e 目前，基于各种生物特征的身份识别技术都在突飞猛进的发展，生物识别 技术在现实生活中得到了广泛的应用。国际生物识别集团( m g ) 发布的 2 0 0 7 2 0 1 2 年度全球生物识别市场报告预测3 】：未来5 年，全球生物识别市 场的规模将从2 0 0 7 年的3 0 亿美元的规模发展到2 0 0 8 年的3 8 亿美元，到2 0 1 2 2 武汉理工大学硕士学位论文 年将较2 0 0 7 年翻一倍，达到7 4 亿美元。国际上，西方各国政府都在大力推动 生物识别技术的发展及应用，尤其在“9 11 事件之后，各国安全面临更多挑 战。许多国家制定了新的国家安全战略，世界范围内对生物识别产品的需求量 剧增，产业前景十分看好。 作为生物特征识别的一种，指纹识别通过采集照相设备提取指纹图像，然 后经过一定的指纹图像处理，提取指纹的特性信息，最后通过进行匹配识别获 取识别的结果。在众多的生物识别技术中，指纹识别是出现最早、应用最广、 价格最为低廉的一种生物识别技术。指纹识别系统的综合性能优于其他生物识 别技术现已成为主流生物识别技术，正以其方便性，高安全性，高可靠性等独 特优势。因此基于指纹识别的身份认证系统具有巨大的市场价值和应用前景。 目前，指纹识别相关的研究一直十分活跃，它集光学传感器技术、电子技 术、数字图像处理、模式识别于一体，吸引了大量研究者的注意和参与。但是 就指纹识别系统的性能来看，目前指纹识别技术还存在许多问题需要进行研究 和解决，系统性能仍有继续提高的潜力。另外指纹识别研究涉及电子信息技术、 模式识别、图像处理等学科，对指纹识别的深入研究，有助于更深入地理解学 习这些相关学科，并能够推动其进一步发展，因此指纹识别研究还具有重要的 学术意义。 一般的指纹识别系统的处理流程如图1 2 所示。 预处理一一待匹配图像 1 指 归 图特 纹像细征 采 + 增 _ - 值_ - 化 提 匹配结果 集 化化 强取 ， 叫指纹模板 图1 - 2 指纹识别系统图像处理流程 1 3 指纹图像处理及匹配算法的研究现状 在国外，美国密歇根州立大学的l i nh o n g 等【5 】人长期从事指纹识别的相关 研究，他们从事指纹识别研究的时间非常早，提出了不少具有开创性的算法思 武汉理工大学硕士学位论文 想，对指纹识别理论研究起到过非常大的推动作用。另外，新加坡的南洋理工 大学的x u d o n gj i a n g 等【6 1 人也一直在从事这方面的工作，并取得了显著的成绩。 还有其他的一些机构和个人也在从事这方面的相关研究 7 1 。 在国内，目前处于清华大学、中国科学院自动化研究所、大连理工大学等 研究单位在指纹识别研究方面处于领先地位。另外，吉林大学、北京邮电大学、 重庆大学、上海交通大学等等院校也在从事这方面的研究。其中成立于1 9 9 6 年 的中国科学院自动化研究所f i n g e r p a s s 生物特征识别研究组在理论研究方面取 得了许多成果。该研究组已经在i e e e 国际主流学术期刊和重要国际会议上发表 了s c i 、e i 检索论文4 0 余篇，并在2 0 0 4 年荣获国家科学进步奖二等奖，并且 出版了专著生物特征识别理论与应用一书。目前他们已经研发出指纹安全 邮件系统，指纹交叉匹配数据掣引。 以上是指纹识别研究整体水平的研究现状，下面将重点介绍一下，在具体 的指纹图像处理环节上一些有代表性的学者及其算法。 ( 1 ) 特征提取环节有代表性的研究 f u 和m o a y e r 将l a p l a c i a n 变换和动态阈值引入到指纹图像处理中来，通过 反复的迭代运算成功地提取出脊线【9 1 。v e r m a 也提出了一种类似的算法，他先对 指纹图像进行图像增强处理，接着利用自适应阈值的方法对增强后的图像进行 处理，也成功的分离出脊线【l o 】。 m m e h t r e 提出了一种基于方向图进行细节特征提取的算法。该算法首先计 算在邻域内指纹图像脊线的局部方向，接着构造8 个方向模板分别与该子块图 像进行离散卷积运算，用以增强指纹图像的脊线，再使用局部自适应阈值来提 取脊线，并进行细化，最后使用基于“连接数目 的方法提取特征点【l 。 r a t h a 提出一种全新的提取特征的算法。将指纹图像视为具有方向性的纹理 图像，从而计算脊线流的方向，使用“波形投影的方法进行提取指纹图像的 脊线，然后使用形态滤波器对细化图像进行平滑，得到滤波后的图像，并从中 提取特征点，并进行剔除伪特征点操作。该算法通过波形投影和方向平滑算法 有效的降低了噪声的影响【1 2 】。 一 d m a l t o n i 和d m a i o 提出了一种利用脊线跟踪的特征点提取算法。该算法直 接从灰度图像中提取特征点【1 3 】。x u d o n gj i a n g 等对脊线跟踪提取特征点的算法进 行改进，在脊线跟踪阶段引入了自适应步长，有效的避免了固定步长有可能丢 失特征点的弊端。该算法取得了不错的效果【l 钔。 还有不少学者提出了其他的指纹特征点提取算法，比如有的学者将神经网 4 武汉理工大学硕士学位论文 络应用到特征点的提取和匹配中来，还有的将多层感知器应用到脊线的提取上 等等，这里就不一一列出川。 ( 2 ) 特征匹配阶段有代表性的研究 r o s e n f e l d 提出了一种基于特征点的松弛算法，该算法首先寻找一对相似程 度最大的匹配点，并将该特征点作为基准特征点对，然后根据相似变换计算的 结果变换校准待识别的指纹图像，最后统计匹配的特征点个数，并给出匹配结 果【1 6 】。j d l i u 等人对这一算法进行细节改进，比如引入了栅格处理，方便了指 纹图像的划分和特征点的定位，对特征点的分布采用了编码索引处理等。该算 法由于需要对特征点进行采用了反复的相似变换，计算量非常大【1 7 】。 r a t h a , s t o c k m a n 以及j a i n 等人采用h o u g h 变换的方法【l 引，将特征点匹配问 题转化为变换参数的h o u g h 空间的峰值检测问题。该算法通过将变换参数离散 化，再在离散化后的参数空间计算各自的置信度。该算法对特征点的数量非常 敏感，在特征点数量过少时无法保证其匹配结果的可靠性，这也就限制了该种 算法的应用。 l i nh o n g 等人【1 9 】提出了种动态串匹配的匹配算法。首先使用递归串匹配 的方法对两个待匹配的指纹特征点集进行匹配，求取两个特征点集的匹配近似 度的一个阈值。通常该闽值越小表示两个特征点集越匹配。该算法具有较好的 鲁棒性，能解决指纹匹配过程中的大部分问题。当对于两个特征点集的要求比 较高，要求特征点集中尽可能少的伪特征点，特征点的个数尽量相同，否则该 算法将几乎无法求取阈值。 在纹理的匹配算法方面，a k j a i n 等提出基于g a b o r 滤波的纹理匹配算法， 该算法首先对指纹图像进行网格处理，然后对指纹图像从8 个方向采用g a b o r 滤波进行处理，得到指纹图像全局和局部信息，并将这些信息进行编成一个固 定长度的代码，最后通过计算两幅待匹配的指纹图像的欧氏距离进行判定【2 0 1 。 在图匹配方面，d k i s e n o r 提出，他率先用图来作为指纹图像的特征，并应 用图匹配的方法进行匹配。图匹配主要是利用指纹图像的拓扑结构，允许指纹 图像出现一定的位移，特征点丢失以及伪特征点存在，因此适合应用于指纹图 像质量不高的情况下，另外图匹配最后匹配的效果很大程度上取决于指纹特征 信息的提取以及分类信息的准确性等方面f 2 n 。 然而，虽然已经有许多学者和机构就指纹识别领域作出了许多研究，但是 目前指纹识别研究还面临一些问题：目前的识别匹配算法容易受伪特征点和指 纹的形变影响，即系统的鲁棒性方面还有待提高；对于模糊的指纹图像匹配精 5 武汉理工大学硕士学位论文 度不高；匹配效率不高等等问题。本文针对这些方面，进行重点研究，力争取 得突破性进展。 1 4 主要内容和结构安排 1 4 1 主要内容 本文主要研究指纹图像的处理，包括指纹图像预处理、特征提取和特征匹 配三个部分工作。其中指纹图像预处理是指对采集头采集的指纹进行图像归一 化、图像增强、二值化和细化；特征提取而指纹匹配算法，包括指纹特征的提 取以及特征匹配。 本文研究的重难点： 1 、指纹特征向量的构建。如何构建一套有效的特征向量一直是特征提取的 核心工作。本文构建的特征向量是基于局部中心特征点和局部邻域特征点，综 合考虑了特征点的类型、方向、位置以及邻域内的拓扑关系。通过局部中心特 征点的特征和局部邻域特征点的特征共同构建一个充分反映指纹特征的特征向 喜 里0 2 、特征的匹配。本文采用的是二次匹配算法，采用局部匹配和全局匹配相 结合，分初匹配( 又叫粗匹配) 和二次匹配两个阶段进行。通过初匹配进行匹 配分值的求取，并根据匹配分值得到基准特征点对，并选取一定数量的匹配特 征点点集作为二次匹配的匹配对象。二次匹配则利用初匹配求取的基准细节点 对，通过坐标校准，将待测指纹特征点与模板特征点转换到同一个极坐标中， 通过引入可变的限界盒( 框) ，实现特征点的匹配。 本文的创新点：在初匹配阶段，根据各个特征量受指纹形变的影响程度以 及对匹配结果的影响程度，创新性地引入权重不同的匹配分值体系。这一措施 极大地方便了提取基准特征点对和待匹配特征点集，为后续的二次匹配提供了 关键条件。 1 4 2 结构安排 本文的总体结构安排大致遵循指纹图像识别的处理流程，即按照指纹图像 处理的先后顺序：先进行指纹图像的预处理、然后进行特征的提取，最后进行 指纹特征匹配。具体安排如下： 6 武汉理工大学硕士学位论文 第一章：绪论。概述了指纹识别技术，指纹图像处理，指纹图像匹配算法 的发展历程，研究现状。并简要说明了本课题研究的意义，主要研究内容。 第二章：指纹图像的预处理。按照指纹图像的预处理的流程，分别介绍了 图像归一化，图像增强，二值化，细化。并从各个步骤的目的，常用的方法等 方面具体的分析介绍，最后结合分析的这些常用的方法的优缺点，给出本文在 该步骤下采用的算法。在每个处理步骤的最后，均通过m a t l a b 对处理算法进行 仿真验证。 第三章：指纹特征的提取。首先介绍如何对指纹特征进行表征，即通过何 种特征来标识一个指纹，具体方法有全局特征和局部特征。接着介绍常用的特 征提取方法，以及它们的优缺点。最后给出了本文的指纹特征提取方法，并根 据各种伪特征点的形成原因、特点，采用了富有针对性的剔除伪特征点算法， 并通过m a t l a b 进行算法仿真验证。 第四章：特征的匹配。首先介绍了常用的指纹匹配算法，接着分析了它们 的优缺点。最后详细的介绍了本文采用的匹配算法，包括特征向量的构造，初 匹配，坐标系的校准，二次匹配等等。最后进行了匹配算法的仿真。通过 m a t l a b 2 0 0 6 b ，使用f v c 2 0 0 2 标准指纹库对本文采取的指纹匹配算法进行仿真测 试，并针对结果，分析本算法的优劣势，实现对本匹配算法进行评价。 第五章：结语。总结回顾指纹图像处理及匹配算法，对后续进一步研究的 进行合理的展望。 1 5 本章小结 本章的主要工作：首先叙述了生物识别技术以及指纹识别技术的发展现状、 本身优势，研究的现实意义。接着介绍了指纹识别技术的研究现状；最后简要 介绍本文的章节安排。 7 武汉理工大学硕士学位论文 第2 章指纹图像预处理 对于一幅指纹采集头采集的原始图像，为了使后续特征提取的操作能够正 常有效的进行，必须对原始指纹图像进行一定的处理。通常这样的处理过程包 括归一化、图像增强、二值化和细化等过程。下面将依次介绍预处理是如何实 现的。 2 1 归一化 2 1 1 归一化算法 由于在指纹采集的过程中，采集的指纹图像灰度不均，即有的指纹图像偏 暗，有的偏亮的现象。这给建立统一的、有效的后续指纹图像处理算法带来了 极大的不便。因此有必要将每幅指纹图像都通过归一化( 又叫“规格化，“均 一化 ) 处理，方便后续的处理。 指纹图像的归一化主要是通过求取指纹图像的灰度均值和方差，将灰度均 值和方差调整到一个期望的范围。从而在不改变图像的灰度特性( 指：灰度均 值和方差) 的前提下，实现所有指纹图像的灰度都分布在同一个期望的范围内， 实现指纹图像的归一化。归一化算法描述如下： ( 1 ) 把指纹图像划分为w * w 的子块，对每一个子块分别求其灰度均值 m ( k ，z ) 和方差v a r ( k ，) 。计算公式如式( 2 1 ) 、( 2 2 ) 所示。 m ( k ，驴丁1 g ( 切 ( 2 1 ) v a r ( k ，d = 吉【g ( f ，) 一m ( k ，矸 ( 2 - 2 ) 其中o ( i ，- ，) 为子块中像素( f ，歹) 的灰度值。 ( 2 ) 按式( 2 3 ) 将指纹图像的灰度均值和方差调整到期望的均值和方差范 围内。其中m o 和v a t o 分别是期望的均值和方差。 、1 + 4 v a r o ( 6 ( f ，) 一m ( k ，功2 v a r ( k ，d g ( f ，j ) m ( 尼，) 、 叫户1varo(g(i,j)-m(k g ( 力 z - - = o 。 武汉理工大学硕士学位论文 图2 2 平均滤波器图2 3 分离滤波器 经过平均滤波器过滤过的图像，其每一像素的灰度值，由它的领域内2 4 个 像素的灰度值共同决定。假若指纹图像中出现了断裂现象，断点处的灰度值经 过处理后将接近其邻近的灰度值，因此起到了连接断点的作用。具体的计算按 式( 2 1 2 ) 所示。 222 f ( i ，歹) = z f ( i - 2 ，j + 朋) + y f ( i - 1 ，j + 掰) + x f c i ，歹+ 研) + m 一- - - 2m = - - 2m = - - 2 22 y x f ( i + l ，+ 肌) + z f ( i + 2 ，+ m ) ( 2 1 2 ) m = - - 2m = - - 2 其中f ( i ，_ ，) 表示点o ，j ) 的灰度值。分离滤波器的权值如图2 3 所示，其中参 数p + 2 q + 2 r = 0 。由于若图像中相邻脊线出现叉连现象，叉连点同一列像素的灰 度值会比较大，但是其同一行上的相邻像素点的灰度值会较小。通过以上的分 离滤波器滤波后，叉连点的灰度值会明显的降低，因此分离滤波器具有除去叉 连点的功能。 本文需要的o g o r m a n 方向滤波器必须同时具备上述的平均滤波器和分离 滤波器两种功能，这样既能提高脊线的对比度，又能对叉连或者是近似叉连实 现分离，因此这里设计的方向滤波器必须同时满足平均滤波器和分离滤波器的 参数要求，即k l m - - = 0 。k - + 2 l + 2 m = 0 【2 2 1 。本文针对处理的指纹图像的具体情 况，设计了一个7 * 7 的的滤波器模板，如图2 4 、2 5 所示，( 此模板仅为脊线方 向为水平方向时，其他方向上的需要对这个模板进行旋转转换) 。 z 32 z 3 y 32 】，3 x | 32 x | 3 u 32 【，3 x1 32 xf 3 y 32 y 3 z 32 z ，3 zz z 】，y y xxx 【，u 【， xxx y 】， y z z z 2 zf 3zn 2 y 3z 3 2 x 3z 3 2 u 3u 3 2 x 3z 3 2 y 3y 3 2 z 3z 3 图2 47 * 7 滤波器模板图2 57 * 7 滤波器实例 其他方向的滤波模板通过旋转水平方向的滤波模板得到，设旋转后的滤波 1 4 足q p q 足露q尸q足 足q p q r 足q p q 足 足q p q 足 z y x y z z y 疋y z z y x y z z y z y z z y y z 0 0 枷2 4 8 4 2 枷 粕4 8 8 4 啦瑚6 屹m 圪6 瑚枷6 屹m 屹6 瑚 瑚6 j m 他6 瑚 埘4 8 m 8 4 啦 o o o 2 4 8 4 2 o 武汉理工大学硕士学位论文 模板上的坐标( f ，) 与水平方向滤波模板上的坐标( i ，j ) 对应，如图2 - 6 所示， 经过转换后它们的系数相等。变换公式如式( 2 1 3 ) 所示。 ：，s 0 s i n o ( 、1 ( 2 - 1 3 ) i 歹jl s i n oc o s 其中0 ( 4 、2 7 1 4 ) 。由于上式得到的i 。和，一般不是整数，这 样就无法再方向滤波器中找到对应的系数值，因此需要对f 和，。进行近似处理。 这里采用线性插值的方法求取i 和，。的近似整数值，具体算法如下1 2 3 1 ： 设a ( k ，k ) 、b ( 墨，x ) 、c ( x o ，r o ) 、d ( 五，r o ) 为( i ，) 周围的四 个值。如图2 7 所示： r r 零# - ，”一一7 ：， 二：f x 一 r 。| 譬 图2 - 6 系数转换示意图图2 7 线性插值示意图 首先，按式( 2 1 4 ) 通过点a 、点b 得到点e 的系数。 f ( x ，咒) = f ( x o ，m ) + ( 厂( 五，m ) 一f ( x o ，m ) ) o x o ) ( 而- x o ) 然后按式( 2 1 5 ) 通过点c 、点d 得到点f 的系数。 f ( x ，y o ) = f ( x o ，) + ( ( ，y o ) 一f ( x o ，y 0 ) ) ( x x o ) ( 而一x o ) 最后按式( 2 1 6 ) 通过e 、f 两点得到( f ，歹) 的近似系数值。 厂( 五力= f ( x ，) + ( 厂( x ，咒) 一厂( 毛”( y 一懿) ( 咒一) ( 2 1 4 ) ( 2 - 1 5 ) ( 2 - 1 6 ) 于是得到厂一( x ，y 。) = f ( x ，y ) 。经过以上变换，上文给出的7 * 7 水平方向模板， 在e = 瓢4 方向的方向模板如图2 8 所示。 01 25 61 3 41 0 l 6 - 1 9 一1 5 2- 1 0 5 2 0 76 1 51 2 1 9 2 4 l o1 2 - 26 - 2 4 _ 2 0 _ 3 5 - 4 9 - 2- 1 5 1 0 1 9 1 5 7 - 5 6 l o 1 3 5 1 - 4 9 - 1 9 l 图2 - 8 。= 丌4 方向的方向模板 武汉理上大学硕士学位论文 其他方向的滤波器模板都可以通过以上的变换处理得到，这里就不一一列 出。存滤波处理时，根据每个像素点的方向，选用对应方向上的滤波模板，对 指纹图像进行处理。 | | 。l 厘f 2 3 二值化 23 1 二值化算法 所谓的二值化就是将狄度图像转化为耿度值为0 、2 5 5 组成的黑白图像，它 是指纹图像处理中重要的一步。由于指纹图像的方向特征、细节点位置等特征 的提取以及匹配都跟像素点灰度值的多少没关系，只跟指纹图像的脊线的形状、 走向有关系，因此二值化处理不会丢失指纹图像的特征信息另外二值化还可 以方便图像信息的存储，节约存储空间，并且方便了后续的计算处理。常用的 二值化方法有：固定闽值法、局部自适应阈值法等。 固定闽值法就是整幅指纹图像采用一个固定的闽值，对于灰度值大于这个 6 鳗值的像素点的灰度值置为l ，小于等于这个阈值的像素点其灰度值置为0 。这 武汉理工火学硕士学位论文 种算法非常简单、处理起来非常快，但是具有非常大的缺陷。由于指纹图像在 采集时的环境( 光线、压力、湿度等) ，整幅指纹图像的明暗分布并不是均匀的， 往往存在某一部分局部过暗( 即灰度值偏小) ，而另外一部分局部过亮( 偏大) 。 这样若采用固定阈值进行处理，将导致过暗和过亮部分的特征信息丢失，因此 一般不采用这种算法。 局部自适应阈值法，它是针对固定阙值法的缺陷提出的，该算法将指纹图 像划分为大小合适的子块，对每一个子块进行球取闶值，然后进行分块二值化。 该算法在没明显增大运算量的情况下，有效的克服了固定闽值法的不足。因此 本文二值化采用局部自适应闺值法。具体的算法如下： 首先，将指纹图像按w w 的大小于块进行划分，分别求取各个子块的灰度 平均值7 二，。 咖) ：k 九! ：= 拇乙( 2 - 1 7 ) o l , 2 e r w t s e 其中g p , ) l 蓖示t - 块中第i 个像素的二值化后的灰度值，( 表示该像素点 的二值化之前的灰度值。若该像素点的灰度值小于该像素点所在予块的平均灰 度值，则判定该像素点的灰度值为0 ( 白色) ，否则判定为2 5 5 ( 黑色) ，如式( 2 1 7 ) 。 2 3 2 二值化算法m a t l a b 仿真 通过m a t l a b 进行算法实现，二值化处理后的效果如图2 一1 1 所示，m 语言程 序详见附录c 。 2 - 1l 二值化后的指纹图像 武汉理工大学硕士学位论文 2 4 细化 2 4 1 细化算法 细化又称骨骼化，是指在不影响图像的拓扑关系的情况下，将图像中宽度 大于一个像素的线条转变为只有一个像素宽度的图像的处理过程。由于在指纹 识别的图像处理过程中，指纹的特征，包括方向特征和位置特征，只跟指纹图 像的拓扑结构有关系，而跟脊线和脊谷的宽度无关，同时通过细化可以极大地 便于后续的提取特征点操作，因此在指纹图像的处理过程中需要对指纹图像进 行细化操作。细化的效果好坏直接关系到指纹特征点是否能够高效的提取。若 细化处理效果不好的话，后续的特征点提取将有可能出现大量的伪特征点，导 致最后的匹配无法进行，因此细化操作非常重要。 由于指纹识别与一般其他的图像识别有很大的不同，指纹识别的匹配直接 与细化后的指纹的端点( 含分叉点、端点) 相关，因此细化操作不能对指纹图 像的端点位置、方向等产生影响，否则就改变了指纹图像的特征信息。 本文采用优化改进的指纹图像单连通细化算法o p t a ( o n e p a s st h i n n i n g a l g o r i t h m ) 。该算法是目前指纹识别领域细化处理过程中最常用的算法之一。具 体算法如下【2 4 j ： ( 1 ) 首先，针对指纹图像脊线的特点，构建了一套消除模板和一套保留模 板。这两套模板涵盖了细化过程的所有可能出现的像素点之间的拓扑情况。具 体模板如图2 1 2 、2 1 3 所示。 o00 l ll1 00 x o l1 l 1 0 1l0 1 0 ( c ) 1 0l1 00 ( f ) ( g ) 图2 - 1 2 消除模板 1 8 ll l l 000 武汉理工大学硕士学位论文 ( d )( e )( f ) 图2 1 3 保留模板 ( 2 ) 对待判定的像素点p 5 进行取其4 * 4 邻域，如图2 1 4 所示，其中p 1 、 p 2 、p 3 、p 4 、p 6 、p 7 、p 8 、p 9 为其8 邻域。从指纹图像的左上角元素开始，先 对其8 领域与8 个消除模板进行匹配，若不能与任意一个消除模板匹配，则p 5 保留；若能与8 个消除模