（计算机应用技术专业论文）指纹图像增强及分类.pdf

硕士论文指纹图 像增强及分类 ab s t r a c t a ccordingtothe 丘 招 t i m p ro v e m e n t ofc o m p u t er招 c hoo l o gy， au t o m a t e d fi n g e 甲 r i ni l d e n t l fi c ation sy stemisthe re se arch t o p i c ofbi o m e 州c g n l t ion. howev e r，t h e 沐 而rmanceoffi ng erpri nii d e n t i fi c a t i 0 n sy s t e n 场 ish m i 喇 bythe q u a l i tyoffi n g e 甲 血t 助a g esw hi ch毗 。 ft eni n fl ueneed bydi 且 七 r e n t fa c t o r s . soit isnec es s a rytol m p r o vethe 助g e 印 rint 1 m a g e q ualityand tom ak e th e mfitfor the 叫u i r e m e ntof茂 ala p p l i c a t l ons . t h e p 此 p r oces s i n g ofthe 五 n g e rp n nii m a g e s was di sc usse d in面s p a per and muc h m 毗 a t t e ntionw a 名 paid tofing e rp ri n t l m age e nhancem ent 衍thorie n ta t i onfi 】 t e ri n g and g a bor filt e ri n g ， s o ln e i 功 p ro v e 们 。 阳招w a s m a d e tol h e g a bor fi l t e r at石 r st ， we di sc usse d the t r a d iti o n a 1 m e t h ods offi n g e rp ri ntp r e p r oce s s l n g s u c bas 加a g e n o n n al i za t i 叽 五 n g e rp ri n t l m ag e se gme n ta l i 0 n and the c 0 m p u ta t i 0 n oforie n ta t i on fi el 己声 刀 dt h e nwe i n tr odu ce ac o ni i n u o u s o ri e n l a t i o nfi eld al g o ri t 玩 叮从 七 i c hismo化 p r e c l seand s r 0 0 0 thth anfo n 力 e r al g o ri t h m s ， 朗d p r 0 v l des t h e re li ableb asis for th e w o rk . 户 刀 d th e n orie n 以i onfi l t e r and g a bor fi l t e r al gori t h m s for fi n g c rp ri n t 油age e n h anc eme ni werei n t r o d u c 曰阳d s to d i edinthis p al 犯 r. spec i fi c a l lyfor orie n ta t 1 o n fil t e ri n g we ado p t t h econ t i n u o us orie n 砚 i on fi el d . o nth e比 s e ar c hof g al 沁 r万 】 t er， 幻 即 om e t h odsof 伪m p u t i n g t e x tu refr e q u e n c y an d 此 l m p 叭 ofa fe wp ar aj 旧 e t 曰 rs g a bor fil ter p r e se n t e d . s inceto w di m e nsi o n alg a bor fi 】 t e r can be se p ar a t ed i n t oone 刁 l m ens in nal g a ussi an b 如dp as sfilter andone 刁 i m e n s i o n a 1g a ussi an l ow p as s石 l t e rw l l j ch is 伴卿n d ic u 】 ar l y，幻 胃 。 刁 l m e ns i o na】 g a bor fil t e rsisl m p l e m e n t e d 妙t w o o n e -d linensi o na】 fi l t e rs . 了 b 璐 the com p l exity is传 d u ce d . e x peri m e n ta l re sultsi n d i c at eth 成the new al g o n t h n i h ashi g h e r abi1 itytore si stnoi se s and toe nhanc e q 诩】 i tyoffi n g e rpri n t 而age. t 七 efing e rp ri nt cl as si fi c a t i o nis an li n p 0 到 力 n tl i n kof a ut o m at l on 石 n g e rp ri n t identifi c a t i o ns y s t e m .1 1 l l sp a p 叮功u g 川 yl n t r o d u c e ssome 细g e rp n nt d ass ifi c ation al g o ri t 址 nsn o w a d a y s ， e s ， 沈 iallythe cl as si fication c o m b i n e dby bi n 山 了七 “助ds v m (s u p port、 飞 c for ma c h i d e) . t h i s al g o n t 知 muse sb 1 n ary tr e eth co rytodec o m pose the p r o bl em i n t o th 此 e z -c 】 as s cl as si fi c at l onp r o b l e m s ， 山 e n uses s u p port、 乞 c t o r m ac hi neto 卯石 m l z 亡 the d 止 eeh yl 姆 rp l ane s ， t b e com b in a t 1 0 nofthe 幻 刀 oexe rt e d the s u pen 丽钾for 2 心 l as s d as si fication ofs v m。 t h e r al gori t hr nscom p 1 etely. e x peri m e n ta 1 re s u 1 ts s h o wt hat this al g o ri t h ml m p ro v e s th e e ffici e n c y offi n g e rp n nid as si 反atio n. 孟 吮 护环 乞 月 红 二 fi n gerp ri n t lina g e ， 加昭e e nbanc e m e n l ， iina g e ， 伽i e n tatl on fi l t e r，g a borfi lter， s u p portvec l o r n 声明 本学位论文是我在导师的指导下取得的研究成果， 尽我所知， 在 本学位论文中， 除了加以标注和致谢的部分外， 不包含其他人已 经发 表或公布过的研究成果， 也不包含我为获得任何教育机构的 学位或学 历而使用过的材料。 与我一同工作的同事对本学位论文做出的贡献均 已 在论文中作了明确的说明。 研 究 生 签 名 :三反沙刀 年了 月1 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档， 可以借阅 或上网公布本学位论文的全部或部分内容， 可以向有关部门 或机构送 交并授权其保存、 借阅或上网公布本学位论文的全部或部分内 容。 对 于保密论文，按保密的有关规定和程序处理。 研究 生 签名 :又 爪未 四 年 ) 月 日 硕士论文指纹图像增强及分类 第一章 绪 论 1 . 1 生物识别技术 信息时代的到来给人类社会带来了极大的变革， 网络信息化的一大特征就是个人 身 份 的 数 字 化 和 隐 性 化 l . 如 何 准 确 鉴 定 一 个 人 的 身 份 ， 保 护 信 息 安 全 是 当 今 信 息 化 时 代必须解决的 一个关键性社会问 题。 因 此身份认证在信息时 代也有了 新的内 涵。 传 统的身份认证方法主要借助体外物来实现身份的 鉴定，主要有两种: 基于标记的和基 于知识的。 基于标记的方法是指以 拥有特定的 标志来获得身份认证。 例如身份证、 信 用卡、 护照、 钥匙等。 基于知识的方法主要是密 码( pass钓rd) 或个人认证数字( pin) 等. 这些传统识别方法的主要优点是: 简单、 成本低。但是，它们不是基于任何个人 特征的， 因此隐 含着一些问 题: 容易被盗用或遗忘。 基于对传统身份认证缺陷的考虑， 人们迫切需要新的个人身份认证技术来保护自 身的利益不受侵犯. 由 于人体的生物特 征具有唯一性和不可复制的特点， 人们把目 光转向了生物识别技术， 希望可以 借此来 解决现行安全系统的弊端。 所谓生物特征识别技术， 就是通过计算机与各种传感器和 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和行为特征， 来进 行个人身份的鉴定。生理特征与生俱来，多为先天性的，主要有指纹、掌纹、虹膜、 骨架等; 行为特征则是习惯使然， 多为后天性的， 包括签字、声音等。 生理和行为特 征统称为生物特征。 利用生物特征的身份认证由 于利用了人体固有的生理和行为特征 而展现出极大的优越性。 一 般 而 言 ， 能 够 用 来 认 证 身 份的 生 物 特 征 应 该 具 有以 下 特点 闭 : ( 1)广 泛 性 : 每 个人都应该具有这种特征; (2) 唯一性: 每个人拥有的特征应该各不相同; (3) 稳定 性: 所选择的特征应该不随时间变化而发生变化; (4) 可采集性: 所选择的特征应该 便于获取。 然而， 在实际的应用中， 并不是所有能够满足上述四个特点的生物特征就 可以用来进行身份认证的。 通常， 还需考虑如下几个主要指标: 性能指标， 所选择的 生物统计特征能够达到多高的识别率; 效率指标， 对于资源的要求， 包括时间复杂度 和空间复杂度两个方面: 安全性指标， 系统是否能够防止被攻击; 可接受性及非侵犯 性指标， 用户是否愿意接受所选择的生物特征; 同时还要考虑具体应用领域的特点等 等。 基于 对这些指标的考虑，目 前诸多应用中， 声音、 人脸、 指纹、 笔迹等生物特征 被广泛选择采用。 ( 1) 基于 声 纹的 身 份 认 证 11 人的 语音， 包含了 语义信息和说话人的 信息， 其中 包含说话人信息的 成份被称作 为 “ 声纹，利用声纹进行身份认证的方式被称为声纹识别( v oicepri nt r e c o g n i t i o n ， v p r ) 或说话人识别( s p e a k e r r e c o g n i t i o n ) . 一般有两类，即 说话人辨 硕士论文指纹图像增强及分类 认( s p e a k e r l d e n t i f i c a t i o n ) 和说话人确认( s p e a k e r v e r i f i c a t i o n ) 。 前者用以 判断 某段语音是若干人中的哪一个所说的， 是 “ 多 选一”问 题; 而后者用以 确认某段语音 是否是指定的 某个人所说的， 是“ 一对一判别”问题。 不同的 任务和应用会使用不同 的声纹识别技术， 如缩小刑侦范围时可能需要辨认技术， 而银行交易时则需要确认技 术。 基于声纹的身份认证又可分为与文本有关和与文本无关两种情形， 前者是指在进 行身份认证时， 输入语音必须按指定文本内 容进行发音并被用来构建系统模型: 而后 者在进行身份认证时， 输入语音与训练时所采用的语音无关。 国际上开展基于声纹的身份认证研究已 经有近40年的历史， 研究单位包括大学、 专门的研究机构以及大公司等， 如: 德克萨斯仪器公司、 麻省理工学院、 贝尔实验室 等。 国内 开展相关研究较早的单位有北京大学、 中 科院声学所、 清华大学、 中 科院自 动化所等。一些基于声纹的身份认证系统产品也相继推出，如:i tt 公司开发的 s p e ake r k e y系列产品，k e 钾a r e公司开发的 v o i c e g u ard i an，s e n s o r y公司开发的 v o i c ed i r e c t 3 6 4 及d s p 芯片， t 一 n e t i x 公司开发的s p e ake z 产品等等。 基 于 声 纹 的 身 份 认 证 方 法 主 要 有以 下 几 种 2 : 动 态 时 间 规 整 : 动 态 时间 规 整 是一种谱模式匹配方法，它可以 解决语速变化问 题。 长时平均法:该方法对说话 人身份的表征是通过将语音特征在长时间上进行平均来实现。 但是这种方法缺乏对短 时特征的描述。 矢量量化法:矢量量化通过某种聚类规则对说话人的特征建立模 型，该模型通常为一系列包含若干码字的码本，对每一个特定的说话人有一个码本。 该方法对短时语音特征能够进行很好的描述。 人工神经网络: 对说话人特征的提 取还难以形成公认的规则，因此利用善于从大量数据中寻找规律的人工神经网络方 法， 也是一类可取且有效的方法。 隐含马尔可夫模型:隐含马尔可夫模型能够有 效地捕捉谱特征中的统计变化， 同时也很好地描述了短时语音特征以 及语音中的时间 变化，因此具有很好的性能，成为一种被广泛采用的与文本有关的说话人识别方法。 高斯混和模型:高斯混和模型可被认为是隐含马尔可夫模型的单一状态的特殊情 形，对于与文本无关的身份认证，该方法能够达到很好的效果。 (2)基 于 人 脸的 身 份 认 证 111 基于人脸的身份认证就是利用计算机对给定的静止图 像或者动态图像序列进行 分析， 从中提取出 有效的识别信息， 基于已有的人脸数据库来“ 辨认”或者 “ 确认” 一个或多个人身份的一项技术。 人的 面孔各异， 世界上没有长得一模一样的两个人， 即使是双胞胎， 用人类学方 法测量也可发现差异。 因 而， 基于 人脸的身份认证技术是一项具有潜力的身份认证技 术. 基于 一系列评价指标如抗干扰性、 精确度、 代价、 性能等， 研究人员对6 种主要 的身份认证技术: 人脸、 声纹、 指纹、 手掌、 虹膜、 签名进行了 综合比 较， 基于人脸 的身份认证技术具有最高的得分，比较结果见图1 . 1 . 1 。 硕士论文指纹图 像增强及分类 . 二_ 油 喃 综合加权得分 人脸 指纹 手掌 声纹 虹膜 签名 图 1 . 1 . 1身份认证技术比 较 基于人脸的身份认证技术研究始于20世纪60年代末期。 到了20世纪90年代后 期以 来， 一些商业性的基于人脸的身份认证系统逐渐进入市场。 作为一种非接触式的、 容易隐蔽使用的识别技术， 基于人脸的身份认证技术成为当今国际反恐和安全防范最 重要的手段之一。 基于人脸的身份认证研究经历了几十年， 研究者也提出了诸多经典算法以 提高系 统 的 性 能 ， 然 而 ， 它 仍 然 是 一 个 存 在 诸 多 挑 战 的 课 题 。 主 要 存 在 如 下 的 问 题 11， 刀 : 姿 态: 人脸的图 像会随着相机和人脸的相对姿式的不同而改变( 正面，45度， 侧面，俯 视) 。 结构成份的有或无: 一些脸部特征比如胡子和眼镜不会在所有的人脸中出现， 而且这些构成部分本身在尺寸外形颜色上也具有很大的不确定性。 面部表情: 人 脸的外观常常受到其表情的直接影响。 遮蔽:人脸有可能部分的被其它物体所遮 蔽。在一张多人的图像中，一些脸可能部分的被其它的脸所遮蔽。 图像旋转:人 脸图像会随着相机光轴的旋转而不同。 成像条件:拍摄照片的时候，光线( 谱段， 光源分布和光强) 和相机特性( 传感器性能，镜头) 都会影响一张脸的外观。其中姿态 变化 ( 包括姿势、表情、遮挡物等) 和不同光照条件是基于人脸身份认证技术的两大 主要挑战问题。 近年来该领域的诸多研究致力于解决这些问题。 比如: 在解决光照影 响的研究中， 主要形成了三类方法: 不变特征法、 光照变化建模和人脸图像归一化方 法。 总而言之， 尽管基于人脸身份认证技术取得了长足的进展， 其性能仍然不够令人 满意。 (3) 基于 指 纹的 身 份 认 证 l 朋 基于指纹的身份认证技术是20世纪60年代兴起的、 利用计算机来进行自 动指纹 识别的一种方法。 作为生物特征身份认证技术的一种， 它具有其它特征识别所不可比 拟的 优点: 指纹具有唯一性: 每个人的指纹基本上是独一无二的，两人之间 就算 他们是双胞胎也不可能存在着相同的指纹。在60亿人中不会找到一对特征完全相同 的 指纹. 指纹具有稳定性: 每个人的 指纹是相当固定的， 很难发生变化。 指纹 3 硕士论文指纹图 像增强及分类 具有携带方便性: 它是每个人天生具有的，所以 获取指纹样本较方便. 一个人的十 指指纹皆不相同， 这样， 可以方便地利用多个指纹构成多重口 令， 提高系统的安全性。 所以，自 动指纹识别是一种更为理想的身份确认技术。 基于指纹的身份认证技术历史悠久， 发展成熟， 其应用领域也非常广泛， 主要包 括: 刑事侦破: 这是指纹身份认证技术最早的 应用领域。 门 禁系统: 指纹身份 认证技术和产品较多应用于门 禁系统。 金融证券:由 于金融业务涉及资金以 及客 户的经济机密， 为保证资金安全， 保护银行客户及银行自 身的利益， 在业务管理和经 营过程中， 利用指纹身份认证技术越发显现出 其必要性。 户籍管理:可以为加强 政府行政准确度和行政管理力度提供可靠的质量保证。 员工考勤:员工考勤的公 正、 合理、 科学、 有效逐步成为企业或公司面临的 现实课题， 这首要强调的是身份认 证的准确性。 其它如计算机及网络， 社会保险， 移动通信等等领域。 (4) 基 于 笔 迹 的 身 份 认 证 111 每个人的笔迹具有很强的唯一性。 利用笔迹鉴定身份在日 常生活中己获得普遍使 用， 如信用卡交易。因此， 该技术很容易被用户接受。 尽管每个人的笔迹易受个体的 身体状况和情绪的影响， 目 前仍研制出了较成功的笔迹识别系统，其准确度在较小 识别范围内尚好， 但在大范围识别中， 仍难以获得足够高的准确度。 笔迹识别系统通 常有静态和动态两种。 静态系统仅利用笔迹的几何形状特征进行识别。 动态系统同时 利用几何形状和运动特征， 如书写时的速度、 加速度、 运动轨迹等。 运动特征具有较 强的防伪性，因为其无法由写好的笔迹中获得。 每种生物测定技术均有各自的优缺点， 其可应用性与其应用的领域密切相关。 没 有一种技术在任何工作环境中均优于其他技术。例如: 指纹和虹膜识别不论在速度和 精确度上均优于语音识别。 但在电话账号的保密应用中， 语音识别则更具优势， 因为 它可被无缝集成到现有的电话系统中。 因此可以预计未来的生物特征监测系统会集成 多种生物识别技术以获得最优的性能。生物识别系统有两种工作模式:验证和辨识。 验证就是通过把现场采集到的生物特征与一个己 经登记的模板进行“ 一对一的比对， 来确认身份的 过程。 作为验证的 前提条件， 他或她的 特征必须在模板数据库中已 经注 册，以 一定的压缩格式存贮， 并与其姓名或其标识联系起来。 随后在比 对现场， 先验 证其标识，然后，利用系统模板与现场采集的 特征比 对来证明 其标识是否是合法的。 验证其实是回 答了 这样一个问 题: “ 他是他自 称的 这个人吗? ” 。 辨识其实是回答了 这 样一个问 题: “ 他是谁? ” 。 验证和辨识在比 对算法和系统设计上各具技术特点。 例如: 验证系统对比 对算法的 速度要求不如辨识系统高， 但更强调易用性; 另外， 在辨识系 统中， 一般要使用分类技术来加快检索速度。 在生 物识别系统的实际应用中， 刑侦、 警用领域等常采用辨识模式， 而一 般民 用领域常 采用验证模式。 至今为止，自 动指纹 识别技术是最可接受的、可自 动化的和成熟的生物识别技术。 硕士论文指纹图像增强及分类 下， 指纹图像局部区域中的指纹纹线形成一个具有固定频率和方向的平面正弦波， 基 于指纹的上述特性， 人们提出了 采用具有方向和频率选择特性的带通滤波器进行指纹 增强处理的思想。 经适当调节的 带通滤波器能 滤掉图像中的噪声信号， 而保留指纹纹 线信号。 与基于细化纹线增强 方法相比， 这类方法具有较好的效果。 下面对采用这种 思想的几种方法进行简要介绍。 sh er lo ck等 2的 方 法 利 用b u t t e 砰 or th带 通 滤 波 器 和 一 种 角 度 选 择 滤 波 器 的 组 合来构造滤波器， 滤波器的主要参数有中心频率、 中心方向、 频率通带大小和方向通 带大小。滤波处理在频域进行。 该方法首先选择16个均匀分布的中心方向， 用以 它 们所确定的16个滤波器分别对原始图像进行滤波，得到若干幅滤波后指纹图像。由 于这些滤波器的频率通带设置较大， 从而不必构造不同中心频率的滤波器。 然后采用 方向 灰度投影法估计每个象素点处的纹线方向， 并根据方向图求出奇异点位置。 对每 个象素点， 选择若干滤波方向与该象素点方向 接近的滤波后图像， 以 这些图像中对应 象素点的加权平均值作为该象素点最终增强结果。 所选滤波后图像的数目 与该象素点 与奇异点的距离有关， 与奇异点越近， 其方向性越差， 需选用较多滤波后图像， 反之， 距奇异点越远， 其方向性越好， 故只需选用较少的滤波后图像进行组合， 这样做的实 质是根据象素点处方向性强弱调整滤波器的方向 通带大小。 k 二 ei等 125 方 法 的 滤 波 处 理 也 是 在 频 域 进 行 。 滤 波 器 形 式 上 为 两 个 高 斯 带 通 滤 波 器的乘积， 它们分别对方向 和频率进行选择。 该方法首先用若干不同中心频率和中心 方向的滤波器对原始图像进行滤波， 得到若干滤波后图像。 然后从这些滤波后图 像确 定每个象素点增强后的值，与s h erl o ck等根据象素点方向 进行滤波后图像选择的方 法不同，该方法搜索一种使增强后图像的方向连续性最好的增强象素点选取组合方 法， 增强图像中象素点的方向为它所来自 的滤波后图像所对应的滤波器的方向。 方向 连续性通过准则函数度量，利用贪婪算法搜索使准则函数最小化的组合方式。 ho ng等 111 1 的 方 法 采 用g ab or滤 波 器 在空 间 域 进 行 滤 波， ga b or滤 波 器 具 有良 好 的方向和频率选择特性。 该方法首先求出局部区域中纹线的主导方向， 每个象素点处 的方向取为其所在局部区域的方向， 然后用投影分析法求局部区域的纹线频率， 最后 用中心频率和中心方向与象素点的方向和频率相同的 gabor滤波器对每个象素点进 行滤波处理。 上述各种方法之间的不同 之处主要体现在以下几个方面: ( 1) 所采用的滤波器形式不同。 (2 )滤波处理所采用的方式不同。 有的在空域通过卷积实现， 有的在傅立叶频谱 空间进行。 (3 )采用不同的估计方向图方法， 以 及使用不同分辨率的方向图。 有的求出个象 素点处的方向， 有的求局部区域内的主导方向; 有的将方向量化为少数几个均匀分布 硕士论文指纹图像增强及分类 的方向，有的采用连续方向值。 (4 )采用不同的 增强策略。 有的对每个象素点使用不同 参数的滤波器进行逐点滤 波， 有的先用若干固定特性的滤波器对整幅图 像进行滤波， 然后根据象素点的特征从 不同滤波后图像中选择该象素点增强后的值. 1 . 4论文的任务 作者因所在的教研室与江苏某科技有限公司联合开发家庭指纹门锁项目 ， 阅读了 大量指纹自 动识别方面的论文， 对指纹图 像增强的算法作了 一定的研究， 包括基于方 向 滤波的指纹图 像增强和基于 g abor 滤波的 指纹图 像增强， 并在g a b o r 滤波的 基础 上提出和应用了新的方法做了改进。论文的主要工作和章节安排如下: 第一章 首先介绍了生物特征识别技术，指纹特征和指纹识别技术的研究现状。 接着介绍了指纹图像增强的研究现状及本文的任务。 第二章 介绍了在指纹图像预处理中涉及到的一些常用算法，如图像规定化，方 向图的计算， 传统的指纹图像增强方法， 分割图像的背景及不可恢复区域等， 为后面 的工作提供可靠的理论基础。 然后介绍了 几种方向图算法， 分析和比较了 各种方法的 优缺点， 并给出了快速实现方法。 该方法描述的指纹纹线各方向过渡自 然，同时对噪 声亦具有很好的鲁棒性。 第三章 介绍并研究了几种常用的图像增强算法。针对方向滤波，采用连续方向 图， 通过比较8 个方向和 12个方向的方向图对于滤波结果的影响， 最终确定12个滤 波方向。 介绍并研究了g a bor 滤波算法，以 及两种纹线频率估计算法。 然后比较了一 些参数对g a bor 滤波结果的影响， 并分别针对g a bor 滤波的效果和速度提出纹线频率 选择的改进和g 公 ” r 滤波分解的改进，通过实验证明均取得了良 好的效果。 第四章介绍了指纹分类的概况， 在基于奇异点分类算法中， 介绍了基于核心点 的指纹分类算法和基于三角点的指纹分类算法，使对质量较差的指纹分类成为可能。 同时介绍了一种新的基于二叉树和s v m 的指纹分类算法。 第五章 总结了本文所做的工作， 讨论了指纹身份鉴别系统的未来发展趋势以 及 对现有系统进行完善的几个可行方向。 1 . 5本章小结 本章首先介绍了常用的生物识别技术， 着重介绍了自 动指纹识别技术和指纹的 相 关知识， 然后分析了目 前指纹图 像增强的研究现状， 对指纹图像增强方面前人的一 些 工作做了简要介绍，明确了本文所要做的工作和研究重点。 硕士论文指纹图像增强及分类 第二章 指纹图像预处理和方向图 指纹识别系统的最终目 的是指纹分类和指纹匹配， 对方向 场的估计和细节点的抽 取是对指纹分类和比 对性能有决定性影响的因素 之一， 而方向 场的 估计和细节点的提 取的准确性和可靠性都依赖于输入指纹的质量。 在指纹图像的采集过程中， 由于受采 集设备工作环境及参数设置的影响， 或受其它一些人为因素的影响， 采集到的指纹图 像总体对比 度可能比 较低， 脊线断开或桥接， 纹线结构不够清晰， 同时也会存在亮度 不均匀的情况。为了消除或减轻同一图像不同区域之间或者不同图像间对比 度的差 异， 需要采用图 像规一化技术减轻图像这方面的不足。 同时 指纹图 像的 背景区域一般 也对指纹处理过程具有较大的 影响， 我们希望只对指纹目 标进行处理， 因 此还要进行 目 标和背景的分割。 对采集到的指纹图像进行预处理， 为指纹识别的下一步工作奠定 良好的基础。 2 . 1规一化处理 指纹图像的归一化处理是对原始指纹图像上每一象素点的一种操作， 目的是降低 指纹脊线和谷线间的灰度偏差， 使图像中纹线灰度均值和方差接近于给定的期望均值 mo和 期望 方 差以凡， 使 后续 操 作 具 有 统 一 的 基 准。 灰 度图 像归 一 化 并不 改 变 指纹 纹 理的清晰度。记灰度指纹图像1 为m x n 的矩阵，1 ( 1 ， j)表示第1 行第j 列象素点对 应的灰度值，计算原始指纹图像的灰度均值和方差公式如下: 材。 a ， =一2一 mx n 孟f 一1万 一1 艺 艺1 (i ， j) ( 2 . 1 . 1 ) 诊 =o j =0 犷 a ; = 一 卫 一 刀 了 x n 月r 一1 万 一1 艺艺( 1 ( 1 ， 了 ) 一 m e a n ) ( 2 . 1 . 2 ) 诊 = o j . 0 用 g(ij ) 表示规格化后位置(i j ) 位置处的灰度值，则规格化表示如下: 卜人 抢 。 ” ) 2 va凡+ ( 1 ( 1 ，j f 汤 r 刚凡+ ( 1 ( 1 ，j ( 2 . 1 . 3 ) 卜 乞护 当 i(i ， j ) m e an 其它 +- 玛妈 矛.lsej、eet - 、.产 g ( 1 ， j 这 里 的 mo和va 凡是 预 先 给 定 的 指 纹 图 像 的 灰 度 平 均 值 和 方 差 值 ， 同 文 献 4l 1 一 样 ， 一 般可以 取mo= 1 00， 州凡二 1 00， 具 体 取 值由 实 验 环 境确 定。 由 图2 . 1 . 1 中 可以 看出 ， 归一化处理是基于像素的 操作， 并没有改变指纹图像脊线和谷线的结构， 只是改变了 整幅图像的对比度。 硕士论文指纹图 像增强及分类 表 示9 0 “ 方向 ， 5 ， 6 ， 7 依 次 类 推。 当 垂 直 平面 与 峰 和 谷 走向 相同 时， 相 交曲 线的曲 率变化小， 即曲 率的绝对值小。 当 垂直平面的走向 与峰和谷的 走向 垂直时， 相交曲 线 的曲率变化较大， 即曲 率的绝对值较大。 由于事先并不知道峰和谷的走向， 对于给定 的点， 可取4 个或8 个方向( 垂直平面的 走向 ) ， 进行各方向 上相交曲 线曲率的计算. 比 较各方向 上相交曲 线曲 率绝对值的大小，曲 率绝对值最小的方向即为该点的方向. 如图 2 . 3 . 2 所 示， 对于 a 方向 相 交曲 线 上的 指 定 点x 。 . ， ， 该 点 对 应的 灰度值为 q 。 ， . 取 间 隔 相 同 的 前 点x 。 ， + ， ， 后 点x 。 ，卜 1 x 。 ，卜 ， ， x “ ， ，x 。 ，1 + ; 对 应 的 灰 度 值 为q 。 ，卜 ; ，q 。 ， ，q 。 ， ，十 1 。 按 4 方向 或 8 方 向 计 算 a 方向 的 曲 率的 差 分公 式 推 导如下: x “ ， 卜1 x “ ， 1+1 -一 + 一 斗 一 斗 一 x “ ， 公 a 方向 图 2 . 3 . za 方向上的点 由 前 点xa.i+ 1 和点xa，i 决 定的 斜 率为 : d q j，= dx qo. ， + 1一 q。 ， h 。 ( 2 . 3 . 1 ) 式中 幼2 =xa，+ 1 一xa， 二 xa.t 一xa.1- 1( 2 . 3 . 2 ) 由 后点 xa.i- 1 和点xa， 决定的 斜率 为 d q 奋 ， ，二 d x qo. 1一 qa. ， 一 1 h 。 ( 2 . 3 . 3 ) 由 点xa.i ， 和 前 点xa.i +l， 后点xa.i- 1 决 定 的 相 交曲 线曲 率 为 d q 之 _d q j ， d x _d x _ 人 _ = 一= h 。 q 。 ， ， 1 一q 。 ， ，q 。 ， ， 一q 。 ，卜 1 h 。 h 。 h 。 qo . 1 十 1+ q“卜 1 一z q 。 绍 二 二-. . . . . . . 一 一一-一. . . .州 叫 . . . . - 目 - . ， ， 门 . . - ( h 。 ) 2 ( 2 . 3 . 4 ) 式中，a=0，1 ， m。 对于4 方向， f3 ; 8 方向， m:7。对于指定点， 首先按式 硕士论文指纹图像增强及分类 (2 . 3 . 4) 计 算 各 个 方向 的曲 率气( 。= 0 ， 1 ， ， m ) ， 然 后找出 各方向 曲 率 绝 对 值中 的 最 小 值 k . 1。 = k 。 。 二 a 。 : 与端 对 应 的 方 向 ao 即 为 该 点 的 方 向 。 对 于 灰 度 图 上 每 一点重复 这一过程， 即可得到灰度图上每一点的 初始方向。 由 于曲 率是不变量， 这种 计算方向的方法对于脊线区与谷线区均适用。 由 于噪声的存在， 以 上所得到的点方向 在指纹区不能 保证每一点都是正确的。 利 用指纹方向的 局部一致性和背景区方向的局部随 机性， 点方向 可以 按块的统计结果进 行修正。 划定一个以 这一点为中心的方块区域， 对于块中所有的点， 按各自 的初始方 向统计各方向的数目， 找到使方向数目最大的方向为该点的待选方向。 在指纹区， 方 向的一致性较高， 最大方向 数目 较大. 在背景区， 方向的一致性较低， 最大方向 数目 较小。 所以， 可以将最大方向数目设定为评价一致性的指标。 设定一个阐值， 若最大 方向 数目大于该阐值， 则认为该点位于指纹区， 并将待选点方向作为该点的方向; 若 最大方向数目 小于或等于该闽值，则认为该点位于背景区。 z j .2 切片法 点 方向 必 j 图 是 用 每 一 个 象 素 点 的 方向 来 表 示 指 纹 图 像， 如 上 面的 图 2 . 3 . 1 所示 。 基准点位于方向坐标的中心， 从水平位置开始， 按逆时针方向， 每隔汀 /8确定一个方 向， 用数字。 ， 2 ，二， 7 来表示，此方法计算的 方向角范围是0 ，万 。对指纹图像中 的 每一 点 (x ， y) ， 在以 该点为中 心的 n x n 的 领域窗口 中 得到每 个象 素点上 方向 值的 判 定。试验中取n=9，9 x9的领域窗口如图2 . 33 所示。 君 ，几 .君 1几 。君 ， 几 ，凡几凡凡凡凡 ， 凡几 凡君 3p ( i j )君 2月 ， 名 ，几 凡凡几只 ， 几凡易 乙凡气毛凡 图 2 . 3 . 3 9 x 9 邻域窗口 硕士论文指纹图像增强及分类 将这8 个方向 按两两垂直的 方向分成4 组: 0 和4 为一组， 1 和5 为一组， 2 和6 为一组， 3 和7 为一组， 分别求沿各个方向的灰度变化: 5 = 艺; ( ， 力一 。 ， ( 几 万 * ) ( 2 . 3 . 5 ) s j 一艺1、 ( ， ， 力一 ; j ，* ( 红 ， 人 ) 1 ( 2 . 3 . 6 ) 其中d 拍7 ， d 代表 与d 垂 直的 方向 ， 即d =( d+ 4)mod s ; q( i j ) 是 点川j ) 的 灰 度 值; 沿 着d 方 向 分 别 取k 个 点 ， 几表 示d 方向 上 的 第k 个 点 ; q dk ( 1 ， j ) ， 务k (i， 力 分别是点几 和点几，k 的 灰 度值. 点p( i j ) 的 方向 应该是s d 取 值最小，凡， 取值最大的 方向 。 这不 仅考虑了 指纹 纹 线的切线方向灰度变化最小，同时也考虑了它的法线方向应是灰度变化最大的方向。 当 d = *: 时 . 分 别 求 出 / . ， 进 一 步 得 到 其 最 小 值 5 = m in ( s d / : j . ) ， p( ij ) 的 方 向取与5 对应的方向d。 对指纹图中的每一象素点，都按照如上算法进行操作，可得到指纹的点方向图 伊 ni ntd i re c t i o nal l m a g e / fi el d ) d (x ， y) ， 但由 于 噪 声的 影响 点 方向 图 并 不 能 很 好的 描 述纹线的真实走向， 并且它对噪声的鲁棒性很差， 所以通常的做法是在点方向图的基 础上取一个大小为nx n的块，然后以该块内出现最多的方向作为该块的方向。 2 j 3 梯度法 基于梯度的方向图算法通过对邻域的梯度平滑获得方向图。 该方法计算简单、 保 留细节能力较强、 去噪能力比 基于邻域方向模板算法强。 因为计算简单， 所得方向图 比较准确，因而获得了广泛的应用。 首 先 计 算 每 个 点 的 水 平 方 向 梯 度q和 垂 直 方 向 梯 度味， 梯 度 算 子 可以 是 简 单 的sob el算子， 也可以 是较为复杂的 m a r r eeh i l dreth 算子， 通常采用s obel算子来计算 乓和q l0一 1 20-2 l0一 1 l2l 000 1-2一 1 x轴方向y 轴方向 图 2 . 3 . 4 5 o bel 算子 则 q， 味的 极 坐 标 形 式 为 : q = p co s 出 乓二 p sin6 ( 2 . 3 . 7 ) 硕士论文指纹图像增强及分类 式中p 为 梯度 矢 量的 模，夕 为 相角。 由 于0 和0 十 二 两个方向 角对纹线的走向 来说是无差别的， 可以 把角度加倍， 使二 者所表示的方向一致，方向 场也可以转换为一个连续的矢量场: re= 讨一 讨，im= z q q(2.3. 8) 相应的极坐标形式为: re= 户 z c o s z 夕 ， re= 夕 2 5 访 2 夕( 2 . 3 . 9 ) 接下来对方向图的实部和虚部分别进行邻域平均: 。 r 。 一 工 艺 r 。 n v lm= 工 艺im n石 ( 2 . 3 . 1 0 ) 公式(2 . 3 . 10) 中 w 是w x w ( 通常是8 x8或1 6 xl6)的邻域模板。最后指纹的方向图由 下式(2. 3 . 1 1)求得: ，1_ ， r v l m 、万 仃 = 一 t a n( ) +一 2 r re2 ( 2 . 3 . 1 1 ) 2. 3. 4 基于梯度的方向图算法的改进 基于梯度的方向图估计算法也存在不足的地方。 首先， 它只考虑水平和垂直两个 方向上的梯度分量， 求得的方向往往偏向于水平和垂直方向， 不能兼顾其他方向上的 精确性， 因此不能很好地跟踪纹线走向。 其次， 每个点的方向是局部方向的最小均方 估 计 5 01 ， 对 于 均 匀 分 布 的 噪 声 平 滑 效 果 较 好 ， 但 从 式(2 . 3 . 9) 、 式(2 . 3 . 1 0) 可 知 ， 在 邻域平滑时每个点方向的权值其实是该点的梯度的模的平方， 往往少数梯度大的点起 了主导作用， 而指纹的断痕、 畸变等区域的梯度往往比较大， 对方向的估计影响较大。 再次， 式(2 . 3 . 1 0)中的邻域模板是大小固定的 均值模板， 不能动态适应指纹方向图平 滑需要。平滑模板过大则不能准确反映纹线方向 细节变化，反之则方向图平滑不够， 不 足以 克 服 噪 声 和 形 变 等 因 素 带 来的 影 响 。 本 文 在 原 梯 度 算 法的 基 础 上 做了 改 进 53 1， 采用0 度、 90度、45度和1 35度方向的梯度分量来计算方向。其中0 度和90度方向的梯 度分 量邮ob e l 算 子 求 得， 记为吼，几 ， 则 有: go= plc o s 只， 气 = pls i n 风( 2 . 3 . 1 2 ) 式 中pi = 寸 心十 吸 而45度和13 5 度方向的 梯度分量分别由 下面的 模板求得: 硕士论文指纹图像增强及分类 10 20l 一 102 0l 0一 l l0-2 20一 1 l0 4 5度1 3 5度 图 2 . 3 . 5 梯度分量模板 记为g4 ， ，q 3 ， ， 则 有: 乓 = 八姗典 ， q 3 5 = 式 中 几 司叱+ 疏 ， ， 八s i n 凡 氏 为旋转 45度 后的 坐 标系中的 相角。 ( 2 . 3 . 1 3 ) 把角度加倍，根据公式(2 . 3 . 1 2)、式(2. 3 . 1 3)，则方向图的实部和虚部分别由 下式求得: 称= pi哪 明一 无 八sin叽 ， iin“ pls inz 只 十 k 八c osz 风(2 . 3 . 14 ) 式中k 是因为模板的不同而设置的加权调整系数。 公式中每个点方向的权值改为梯度的模，而不是原来的模的平方，在直角坐标 系中上式可以表示为: re = (嗡 一 砌/ 橱丁 可一 2 叽几 5 球万 万 石 畜 im z q / 何不 万 十 k( 此一 咪 ， )/ 概不 疏 ; ( 2 . 3 . 1 5 ) ( 2 . 3 . 1 6 ) 这种方法计算出来的方向图是连续变化的， 较好的更正了由于噪声断裂等原因造 成的方向角不准确。 2 . 4连续分布方向图 点方向图 是连续变化的， 但不经平滑的 点方向图 含有很多噪声， 不能完全反映指 纹纹线的真实走向: 而块方向图虽然能很好的去除噪声， 但它的变化是分块的， 在脊 线方向 弯曲的临界区域， 块方向图的误差很大， 造成块方向图的整体过渡性差， 精确 度不高。 在计算出指纹的点方向图d (x ， y ) 后， 再采用连续滑动的， x ， 大小的窗口( 模 板) 来对点方向图d (x ， y ) 进行平滑处理， 本文分别取1 7 x 1 7 和9 x9的平滑窗口 来对 点方向图中每一点p (x ， y ) 进行平滑，即在以 此点为中心的， x 贾 大小的窗口范围内进 行方向 直方图 统计. 统计该， x ， 大小的窗口 内 方向 值为1 ( 1 = 0 ， 1 ， 2 ， 一 ， 7) 的象素个 数n ; :把方向 直方图中峰值所对应的 方向( 即贾 姗窗口内出 现频率最高的方向) 作 为点p (x ， y ) 的方向，即: 硕士论文指纹图像增强及分类 2 . 5本章小结 本章介绍了 在指纹识别系统预处理阶段常用到的一些算法: 指纹图像的规一化， 指纹图 像背景与目 标的分离， 方向图的计算， 为后面的章节提供了 必要的理论基础和