（计算机应用技术专业论文）基于多模式的指纹自动识别系统研究.pdf

iylultllllllllll7llllll4lillllollltl8illll6lllttll6llul 长春理- i 大学硕士学位论文原创性声明 本人郑重声明：所呈交的硕士学位论文，基于多模式的指纹自动识别系统 研究是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已 经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作 品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 夕 作者签名：茎叁纽迎年互月工期 长春理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版 权使用规定”，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕 士学位论文全文数据库和c m q 系列数据库及其它国家有关部门或机构送交学 位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以 将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印 或扫描等复制手段保存和汇编学位论文。 作者签名：勉逊年j 臼业日 导师签名： 年一月一日 摘要 指纹识别技术虽然已日渐成熟，但实际上，作为指纹识别的核心技术仍然存在许 多尚未解决的难题，尤其是残缺，污损指纹图像的识别不能令人满意。因此，针对目 前国内外研究现状和应用水平，研究对指纹的图像预处理，模式识别，特征参数及基 于多模式的指纹识别分类器的设计，不仅具有较高的理论价值，而且也具有实际意义。 本文首先对采集到的指纹图像进行预处理，指纹图像的预处理是指指纹的规格化、 增强和二值化等的一系列对指纹图像进行匹配前操作。目的是为了更好的细化，提取 到真实的特征点。算法包括使用g a b o r 滤波器对指纹图像进行去噪处理、图像的二值 化与修正、图像的细化与修正。接下来是指纹图像特征提取，特征提取主要采用8 邻 域对二值化图遍历后进行提取。提取之后，根据有可能出现的多重伪特征进行修复和 去除。最后的步骤是进行指纹的匹配，本文采用了流行的点模式匹配和结构匹配相结 合的算法进行指纹特征点匹配，本系统在对指纹特征点进行存储时，获取了指纹和中 心点之间的关系和纹线的数量，简化了之后指纹匹配复杂度。 关键词：去噪处理二值化图像细化奇异点特征提取 a b s t r a c t f i n g e r p r i n t - b a s e di d e n t i f i c a t i o n s ( e g ：a f i s ) ，t h o u g h a r et h em o s tc o m m o nu s ei n b i o m e t r i c sf i e l d s ，s t i l ln o wh a v ed i f f i c u l t p r o b l e m s i 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 sc o r e t e c h n o l o g i e s p a r t i c u l a r l yo ft h ef i n g e r p r i n tw h i c hi sp o o ro rd a m a g e d w i t ht h ed e v e l o p m e n t o fe l e c t r o n i cc o m p u t e ra n di n f o r m a t i o nt e c h n o l o g y , t h ei d e n t i f i c a t i o nt e c h n o l o g yu s i n g b i o m e t r i ch a v ed r a w nm o r ea t t e n t i o n t h ep a p e rd e s c r i b e st h ef o l l o w i n ga l g o r i t h m sb a s e do nt h ep r e d e c e s s o r sf r u i t ：f i r s ti s t h ep r e t r e a t m e n t so nt h eg a t h e r e df i n g e r p r i n t s ，t h ef i n g e r p r i n tp r e t r e a t m e n t sa r er e f e r st ot h e f i n g e r p r i n tr e g u l a r i z a t i o n ，t h ee n h a n c e m e n t ，t h eb i n a r i z a t i o nw h i c ha r eav e r yi m p o r t a n t i n t e r m e d i a t es t e pi nt h ee x t r a c t i o no fm i n u t i a e s w eu s ea ne f f e c t i v ew a yt oe n h a n c et h ep o o r q u a l i t yf i n g e r p r i n t sb a s e do ng a b o rf i l t e r t h ef o l l o w i n ga l g o r i t h m si n c l u d et h ef i n g e r p r i n t s b i n a r i z a t i o na n dt h e f i n g e r p r i n t st h i n n i n g t h e m i n u t i a e se x t r a c t i o n m a i n l y u s e s 8 - n e i g h b o r h o o do fp o i n t sa f t e rt h ef i n g e r p r i n tb i n a r i z a t i o n d u r i n gt h em a t c h i n gt h i sp a p e r u s e st h ea l g o r i t h mw i t ht h em i n u t i a e sm a t c h i n gm e t h o da n dt h es t r u c t u r em a t c h i n gm e t h o d t h ea d d i t i o ni n f o r m a t i o nw eu s et ot h em i n u t i a e sa r ee v i d e n t l ys i m p l i f i e dt h em a t c h i n go f t h ef i n g e r p r i n t sa c c o r d i n gt ot h ee x p e r i m e n t a lr e s u l t k e yw o r d s ：d e n o i s i n gp r o c e s s i n g ，b i n a r i z a t i o n ，t h i n n i n g ，s i n g u l a rp o i n t ，m i n u t i a e e x t r a c t i o n 录 1 1 ： 4 7 7 1 ：! 1 4 1 8 ：1 2 2 2 2 3 2 几种细化算法的实现和比较2 2 3 3 实验结果及分析2 8 第四章指纹的分类和特征点提取3 0 4 1 概述3 0 4 2 指纹的分类3 0 4 3 指纹特征3 6 4 4 指纹图像的存储4 2 4 5 本章小结4 2 第五章指纹的匹配4 3 5 1 引言4 3 5 2 几种模式匹配算法比较4 5 5 3 本文采用的方法4 6 5 4 本章小结4 7 第六章实验结果与分析4 8 第七章论文总结及未来展望5 2 7 1 总结5 2 7 2 未来展望5 2 致谢5 3 参考文献5 4 第一章绪论 1 1 课题背景分析 考虑一个带有安全锁的设施，通常情况下，更坚固的锁，安全的水平认为越高。 然而，即使设施配备了强有力的锁，仍有可能打入设施。例如，不是试图打破锁，而 是防盗门可以打破，使墙上出现大洞，打碎窗户。因此，一个更强的锁并不一定意味 着更好的安全性。其实，任何系统都不是绝对安全或万无一失，给予足够的时间和资 源，任何安全体系可以打破的。 这并不是说，系统设计人员不应该尽力防止一切可能的安全威胁。他所意味的是， 所需要的安全性高低取决于应用程序的需要。一个应用程序威胁模型( t h r e a tm o d e l ) 可以定义基于什么需要和保护谁。威胁模型总是试图去预见一些可能的攻击( 例如可 能的资源，意图和攻击者的专业知识) 。除非威胁模型是在系统中明确要求定义的，否 则很难决定提出的安全解决方案是否足够。根据应用程序的威胁模型，入侵者可能会 在不同时间和资源，再发动攻击。例如，在一个遥远和无人看管的应用程序需要从远 程服务器获得许可，黑客可能有机会和足够的时间来作出攻击。 a n d e r s o n ( 1 9 9 4 ) 阐述了一般认证和加密系统的脆弱性。他在研究了使用a t m 自动 柜员机时，发现其中涉及到的技术问题大部分的失败都是由于设计不当和系统管理漏 洞造成的。s c h n e i e r ( 1 9 9 8 ) 列举了由于系统设计、执行错误和安装失误导致的系统 的漏洞的存在。他评论说，“加密技术在处理正确的时候是非常强大的，但它不是万能 的。把重点放在了加密技术上，而忽略通过在你房子周围建立围栏等其他方面安全保 卫，就像是把运行它的权利赋予了你的对手。这对于任何安全系统来说都是，包括生 物识别和指纹。 以上纵多问题表明，现行的系统安全性问题已经面临了严峻的挑战! 生物识别，或者简单的生物特征，经常被用于行为特征学或者识别器( 例如指纹， 脸，虹膜，声音，掌纹的几何形状) 来鉴别某个人体。问题例如“这个人是否被授权 进入此车间? ，“这个人是否被赋予查看这些详细信息的特权”，“此人是否之前申请 过签证? 经常在我们日常生活中不管是公共还是私人场所发生，基于传统证件的验 证系统已经不能够满足来验证一个人的身份。由于生物特征的特性( 不易丢失，忘记 或者共用) ，所以比起传统的方法( 例如钥匙，i d 卡，密码或者是p i n ：p e r s o ni d e n t i f l e d n u m b e r ) 基于生物特征的系统被看作是用于鉴别一个人的更可靠的方式。生物识别更 加的安全，有效，更大的一个原因是它给人们带来了方便。正是由于以上的各种原因， 基于生物特征的识别系统正在被大量的用于政府部门( 如出入境，国际i d 卡，电子密 码等) ，早期的指纹识别技术都是用于刑侦或者情报部门，渐渐地，民用市场中( 如远 程登录计算机，手机，网页登陆，优盘等) 的运用也越来越普遍了【1 1 。 其中一些生物特征技术已经发展地很好，有很大一部分被广泛应用。指纹，脸， 如此。每种生物特征都有它的长处和缺点，至于选 。各种不同的生物特征从下列方面来比较：通用性， 防伪性，精确性，接受度和采集性。研究表明每个人的特征并不随着年龄的变化产生 巨大变化，因此就可以把这些特征作为辨别人的依据。特别由于指纹的高度的稳定性 和唯一性( 人一辈子除了手指受伤等客观条件，指纹纹路几乎不会发生明显的改变) ， 指纹识别技术是生物识别技术的热点，应用也最为广泛。一般认为每个手指都是唯一 的。假设地球上有6 5 亿的人类，并且假设每个人都有十个手指，则将有6 5 0 亿个不一 样的手指。事实上，一般说的生物特征指的就是指纹。指纹识别是最早的用于鉴别一 个人的生物特征。 指纹识别可以被看做是一种模式识别，设计出一种能从粗糙图像中提取特征点， 并且匹配它们不是一个很简单的事情。特别是由于用户的不配合，手指表面不干净或 者有伤疤，这都会造成采集到的指纹图像的质量不高。由于计算机处理速度的和图像 处理的飞速发展，指纹识别技术的应用更加广泛。虽然十个手指只是人的身体的一小 部分，但是通过图像处理算法处理过的指纹却可以提取出大量的信息用于指纹识别。 生物特征有着各自的优点和缺点，表1 - 1 列出了几种常见的生物特征比较【2 1 。 表卜1 不同生物特征( b i o m e t r i ct r a i t s ) 的比较 生物特征通用性独特性持久性采集性精确度接受度防伪性 脸型 h i g h l o wm e d i u m h i g h l o w h i g h l o w 一 指纹 m e d i u m h i g hh i g h m e d i u m h i g h m e d i u m h i g h 手型 m e d i u mm e d i u m m e d i u m h i g h m e d i u m m e d i u mm e d i u m 掌纹 m e d i u mm e d i u mm e d i u mm e d i u mm e d i u mm e d i u m h i g h 虹膜h i g hh i g h h i g h m e d i u m h i g h l o w h i g h 视网膜 h i g hh i g h m e d i u ml o w h i g h l o w h i g h 笔迹 l o wl o wl o w h i g h l o w h i g h l o w 声音 m e d i u ml o w l o wm e d i u m l o w h i g h l o w 脸部温谱h i g hh i g h l o w h i g h m e d i u m h i g hh i g h 1 2 指纹识别技术研究现状 指纹识别自1 0 0 多年前正式应用以来，已经走过了漫长的道路。那个最原始的康奈 尔( c o r n e l1 ) 航空实验室设计的现场扫描仪，相对与现在的小巧，价廉和紧凑型扫描 仪相比，已经显得非常的笨拙。在过去的几十年里，研究和积极地利用指纹匹配，也 增加了我们理解到了指纹识别的方便和局限性。电脑处理速度的快速发展，低价位的 大内存容量价格，以及便宜的指纹扫描仪和对于日益增长的日常生活安全需求使得指 纹识别得到飞速发展。 人们有一个误解：指纹识别是不是全能的，可以解决所有的问题。但是至今对于设 2 一 一 郭黼二蒹 一 i 。1 。1 一 计一个完全自动并且可靠的指纹识别算法，特别是低质量指纹图像，仍然有这许许多 多的挑战。尽管现在的自动指纹识别技术已经有了骄人的成绩，但是对于处理低质量 指纹图像跟指纹识别专家还是有一定的差距的。从另一方面来看，自动指纹识别系统 由于其相对可靠，快速，有效解决问题，在一些传统的和新兴的需要身份识别的应用 中得到推广。 1 9 世纪初，科学家研究发现了指纹图像的两个重要特征：两个不同手指的指纹嵴 线不同和指纹嵴线的样式除了在小孩到成年时候会有所膨胀，但是整体的样式不会改 变，这两个研究发现至今还没有被推翻【2 1 。这个发现使得指纹鉴别在刑侦领域中得以 正式应用，一些国家也相继把该研究应用到法律身份鉴别中。 2 0 世纪8 0 年代以来，由于个人电脑的普及以及光学技术的发展，使得人们利用这 两个工具作为指纹图像采集和处理成为了现实。指纹识别技术之所以发展如此快速， 是因为其有着巨大的市场做后盾。鉴于自动指纹识别技术的商业利益和知识产权利益， 一般情况下，技术内核都是各公司或研究机构的高度机密，所以，想了解各公司的自 动指纹识别产品的技术实现几乎是不可能的，只能通过其产品的性能和外部进行了解。 国外很多国家都有公司或专门机构在从事自动指纹识别技术的研究，美国在这一 领域的研究水平居于世界最前沿。在美国的i d e n t i x 、e a s ts h o r e 、d i g i t a l p e r s o n a 、 v e r i d i c o m 、n e u r o t e c h n o l o g i j a 等公司都有自动指纹识别产品面世，而且很多大型的 i t 公司，如：i b m ，c o m p a q 等也推出了自己指纹产品。b i l lg a t e s 曾断言生物识别技 术，即将成为今后几年i t 产业的重要革新1 3 l ，图1 1 给出了2 0 0 9 年度生物识别技术 市场财政创收报告，由国际生物专家组( i n t e r n a t i o n a lb i o m e t r i cg r o u p ) 提供。从 图1 1 中可以看出生物识别市场中，基于指纹识别的应用占了一半以上。 由于我国古代至今大部分的指纹方面的研究导向的不正确，很多是用于算命之类 的，导致了指纹识别在技术方面在我国发展缓慢。但是在二十世纪以来，我国的指纹 识别技术得到了比较快速的发展，比如中国科学院自动化研究所人工智能实验室、国 内多家企业如杭州中正生物认证技术、北京s m a c k b i o 技术、广州c o m e t 技术发展、北 京石油学院邓国强、北京邮电等都参加了f v c 2 0 0 6 的比赛，获得了不错的成绩。 有关专家预测：“通过指纹识别系统，我们扩展了家庭和商业计算机用户在安全性 方面的需求，不久的将来，无论是在局域网还是在i n t e r n e t ，无论是注册登录还是访 问安全性数据，都将不再需要密码，这一切只需要你使用手指头触摸一下”。 3 a f i s 现场 扫描 3 9 图1 12 0 0 9 年生物识别技术市场财政创收报告【4 l 当前的指纹识别研究主要往两个方向发展：基于指纹结构的研究和基于特征点的 研究。 基于指纹结构研究者认为，未经过数字图像处理的指纹图像可以用频域和空域来 区分。它是一种使用全局信息进行识别的方法，例如使用指纹图像的f o u r i e r 频谱来 区分指纹就是利用全局信息来进行识别。但是该算法难于定义，匹配的难度也较大， 因此系统的拒识率与误识率还是比较高的 3 1 。 基于特征点的研究，就是经过一系列的指纹图像处理，最终从细化的图像中提取出 该指纹的特征信息，并与数据库中的模板特征点进行匹配比对。指纹的特征信息有很 多种，包括特征点，奇异点( 中心点和三角点) ，块方向图，嵴线相关信息等 3 j 。对应 于提取的特征点的不同，匹配比对算法可以分为：基于点模式的匹配，基于嵴线方向 图的匹配以及基于多种特征相结合的匹配。 1 3 本文研究内容及结构安排 1 3 1 论文的任务 目前，自动指纹识别主要的技术难点如下： 1 指纹采集器的采集质量还是有很大的提升空间的。由于我们要对采集到的指纹进 行一系列的处理，采集到的指纹质量越高，对于我们的后续处理越有利，因此采集器 的技术也是至关重要的，所以指纹采集器的研究也是今后的方向之一。 2 指纹的细节特征提取和伪特征的修复。对于当今的技术来看，处理低质量的指纹 图像还是不能够满足现在的安全需求，大多的技术还没有指纹识别专家识别的可靠( 犯 罪现场的采集及侦查) 。 3 指纹匹配。指纹匹配算法的性能主要取决于所提取到的特征点的数目、位置和 4 相互关系的可靠性。目前虽然有很多指纹匹配算法结合了局部特征和总体特征，但要 想真正设计出来一套模拟人工识别的匹配算法是很困难的。 4 指纹匹配的计算复杂性。实际应用要求自动指纹识别系统最好能对识别任务实 时做出响应，而算法越准确一般运行时间越长，如何协调好两者之间的关系，是一个 值得研究的问题。 指纹识别技术和其它的几种生物特征识别技术相比有一定的优势，因此成为人们 研究的热点，但是迄今为止，还没有一种统一有效的指纹图像处理、识别的标准算法。 多数的公司也都是根据不同的应用目的，来研究一些实用的工程应用的算法。本文在 研究了大量的文献后，实现了一整套指纹图像处理和特征点匹配的算法流程。 1 3 2 本文的研究内容 为了给自动指纹识别系统的后续处理如指纹特征提取、指纹识别提供可靠的依据。 本文通过参阅大量的文献资料，在他人的基础上对指纹识别的整体过程进行了详细研 究，主要内容如下： 1 总结了在指纹图像预处理中涉及到的一些常用算法，如图像规格化，方向图的 计算，传统的指纹图像增强方法，指纹图像二值化，细化算法等，为后面的工作提供 可靠的理论基础。 2 主要对几种二值化算法做了比较、对几种细化算法做了比较，在h i i d i t c h 细 化算法的基础上，在原来的判断条件上在加上本文提出的这个判断条件，保证了在细 化效果比较好的基础上，又保证了4 5 度斜横线不被吞噬。 3 指纹的细节特征提取、伪特征点的去除以及对所提取的特征点的标记和编码， 本论文在对指纹的特征进行了详细信息的提取，对于后期的匹配工作提高了效率。提 出了结合了点模式匹配和结构匹配方法进行指纹匹配。 1 3 3 论文结构 第一章绪论。介绍了生物识别技术的发展和优势以及几种主要生物识别技术及其 比较。研究了指纹识别技术的发展历史与现状、指纹识别系统的国内外进展和指纹识 别技术的发展趋势与面临的问题，并概要介绍了本文研究的主要内容及意义。 第二章指纹图像预处理。系统比较了前人在指纹预处理方面的大量研究工作，详 细阐述了本文所使用的指纹图像预处理的过程、步骤、算法，并给出仿真结果。 第三章指纹图像的细化。本文研究比较了在指纹细化方面所采用的各种方法，并 提出了基于h i l d i t c h 细化的改进。该算法经过试验验证，效果比h i i d i t c h 细化算法 有效。 第四章指纹的分类和特征点提取。研究了指纹图像中心点提取的过程并进行指纹 分类和特征点提取，并研究了消除伪特征点的算法，并分析了实验结果，总结优缺点。 第五章特征点的匹配。本文详细述说了基于点模式匹配的详细过程和本文提出的 基于点模式匹配和结构匹配相结合的匹配算法。 第六章实验结果与分析。详细给出了本系统模拟实现的全部步骤，并分析了本流 5 程的优缺点。 第七章论文总结与未来展望。总结了本系统的总体特点和本论文所做的工作，并 提出后续的工作方向与内容。 说明：本文所述系统采用v i s u a l s t u d i oc # n e t2 0 0 5 软件编程环境，c p u 为i n t e l c o r e i it 5 5 0 0 ( 1 6 6 g h z ) ，内存为1 g b ，文中给出的所有实验数据均是在此p c 机上运行 得到的，指纹图像均来自f v c 2 0 0 6 的数据库。 6 验证 ( v e r i f i c a t i o n ) 模块和鉴别( i d e n t i f i c a t i o n ) 模块1 5 u6 1 。 登记模块( e n r o ll m e n t ) 就是通过指纹采集器终端，采集到被登记的用户指纹， 通过指纹图像的预处理和特征点的提取，在数据库存入该用户的指纹特征点相应信息 并与数据库中主键一一对应即完成登记。 验证模块( v e r i f i c a t i o n ) 就是通过指纹终端采集器将采集到的指纹图像跟指纹 数据库表中的指纹特征数据库进行匹配比对来确定被验证者是否合法，即专业的一对 一的比对说法。在验证终端，我们先根据系统输入的姓名或者主键跟数据库表中主键 进行比对，先确认其( 姓名) 记录是否存在，如果存在则接着进行指纹特征的比对， 如果没有，则返回该对象在数据库中不存在，为非法用户。否则为合法用户。验证模 块得到的结果是匹配或者不匹配。 鉴别模块( i d e n t i f i c a t i o n ) 则是将采集器终端采集到的指纹图像经过一系列的 图像处理后，将提取得到的指纹特征与数据库表中的所有存在的指纹特征进行逐一匹 配，从而来鉴别该被鉴别者的身份。即专业的一对多的比对说法，鉴别的结果是存在 或不存在。 由于此模块比对的是数据库中的所有指纹特征，所以鉴别模块对于算法的处理速 度要求比较高。在鉴别模块中，我们一般先根据指纹的总体特征对指纹进行分类，再 在同一类别指纹特征数据库中进行比对，这样就可以减少比对的规模，从而提高指纹 匹配速度。本文就是采用了指纹分类技术，即后面提到的p o i n c a r 6i n d e x 定位中心点， 对指纹首先进行分类，来减少比对的数量，从而加快查询的速度。 图2 1 是举出了指纹识别技术的三类模式： 7 登记模式 验证模式 匹配不匹配 鉴别模式存在不存在 图2 1 应用指纹系统的分类 8 自动指纹识别系统的基本原理框图【7 1 如图2 2 所示。 图2 2 指纹识别的基本原理框图 2 1 1 指纹图像采集 指纹图像的采集有两种采集模式，一种是主动式模式，即被采集者知情的情况下 进行采集的。另一种是被采集者未知的情况下采集到的，如刑侦现场，经常通过各种 化学和物理手段显现指纹并采集，这其中还涉及到指纹分离技术。下面我们简单介绍 一下主动式采集模式。 对于指纹识别系统来说，指纹传感器( 又称指纹s e n s o r ) 是实现指纹自动采集的关键 器件，因为只有正确的采集，才能够保证整个识别系统的准确性。指纹采集器，由传感 器类别可分为三种：光学传感器设备、硅芯片式和超声波式。 最早的指纹识别技术，是以光学传感器为基础的光学识别系统，识别范围仅限于 皮肤的表层，通常把它叫做第一代指纹识别技术；而采用了电容传感器技术的第二代 指纹识别系统实现了识别范围从表皮到真皮的转换，从而大大提高了识别的准确率和 系统的安全性，也是目前市场大部分指纹识别设备的基础。 光学传感器由于耐用性好、价格低，所以自动指纹识别系统大都是采用光学传感 9 器来作为指纹采集器，它的原理是：它使用一种高感光的材料制成，能把光线转换成 电荷，并转换成数字信号，来得到需要采集的指纹信息的 8 1 。光学传感器是使用最为 普遍的，它具有使用时间长；对温度等环境因素的适应能力强；分辨率较高的优点。 但是由于受光路限制，无畸变型采集器尺寸较大。通常有较严重的光学畸变；采集窗 口表面往往有痕迹遗留现象。c c d 器件可能因寿命老化，有降低图像质量等缺陷。 硅芯片式指纹采集器出现于9 0 年代末，其优点是图像质量较好；尺寸较小，容易 集成到其他设备中去。其缺点是耐用性和环境适应性差，尤其在一些较恶劣的环境下， 抗静电能力、抗腐蚀能力、抗压力等方面的不足；图像面积小，可能降低识别的准确 性，并导致用户使用的不方便。总之，硅芯片采集器现在尚不成熟，但可能是未来的 方向。 超声波式指纹采集器从理论上来看，可能是最准确的指纹采集器。它发射超声波， 根据经过手指表面，采集器表面和空气的回波来测量反射距离，从而可以得到手指表面 凹凸不平的图像。超声波可以穿透灰尘和汗渍等，从而得到优质的图像。不过这种产 品还处于试验阶段。 在理想情况下，得到的指纹图像应该是干净的，真实的。而现实的情况是，由于 手指表面脱皮，污渍或者指纹采集其表面不干净等不干净，所以为了提高特征提取的 效率，还必须对图像进行预处理。 2 1 2 指纹图像预处理 指纹图像预处理就是在指纹进行匹配之前对指纹图像所采取的数字化处理，一般 主要包括指纹图像分割、图像增强、二值化以及细化等过程，一般流程如图2 3 所示。 指纹图像分割表示将指纹图像区域( 即前景区) 从整张采集到的图像中分离出来，把 背景区分离出来是为了避免在噪点区域提取到伪特征点，而噪点区域经常包含在背景 区中。指纹图像的二值化即遍历图像中的每个像素点通过对与阈值的比对来确定什么 点留下( 置为0 ) ，什么点消除( 置为1 ) ，从而把一个灰度图像转换成只含有0 和1 的 二值化图像。指纹图像的细化是在二值化图像的基础上，把二值化图像系华为单个像 素宽的骨架型图像。细化后的图像，大大减少了图像所占内存的大小和对于我们后期 的指纹特征提取带来了方便。 指纹图像预处理在整个识别系统流程中所占用的时间比例比较大，所以就有了直接 从指纹采集到的图像提取特征点的方法，但是，这方面的算法还是相对不成熟，对于 质量较差的指纹图的识别率是较低的。 广1 广1 广 广1 l 图像分割吲 图像增强 纠图像二值化b i 图像细化 i 【- j i一1一【一 图2 3 指纹图像的预处理流程 2 1 3 指纹图像特征提取 指纹的特征提取是指纹识别系统关键的一步，提取算法的好坏，提取的特征点的准 1 0 确性和数量，关系到最终的匹配结果。指纹的特征一般我们可以分为总体特征和局部 特征两类特征，总体特征就是我们用肉眼就可以观察到的指纹总体形状( 如螺旋状， 环型或者弓型等) ，而局部特征则是指纹纹线上节点的特征，需要进一步的分析。 特征提取就是把指纹图像中我们所关心的能够区分指纹的特征信息放入集合中，用 之与现存的特征信息进行匹配。单一的特征点并不能区分出指纹来，必须结合其余特 征点的信息，建立特征点之间的联系以区分指纹。因此特征点应该尽可能多和准确。 目前常用的是基于预处理的细节点特征提取1 9 l ，【1 0 m 1 1 1 ，当中应用最多的就是8 邻域 法，通过特征点模板匹配来确定当前的像素点是否是特征点，特征点的位置、类型及 其他详细信息。基于直接灰度的指纹细节特征提取方法 x 2 - 1 8 】，该方法为了省去图像预 处理所带来的时间消耗，能够直接的从采集到的那些指纹信息图像中出发，用分析指 纹的细节的特征点的变化，以达到信息特征的提取。 2 1 4 指纹图像处理性能指标 为了采用量化的方法研究识别系统的性能，指纹识别技术引入了两个指标一f r r 和f a r 以描述指纹识别系统的识别能力1 1 9 。f r r 和f a r 是指纹识别技术中的两个重要 的性能指标。本文对f r r 和f a r 作了简单介绍。 定义：拒识率( f a l s er e j e c t i o nr a t e ，f r r ) 是指将相同的指纹误认为是不同的 指纹而加以拒绝的出错概率，其计算公式为： f r r = ( 拒识的指纹数目考察的指纹总数目) * 1 0 0 定义：误识率( f a l s ea c c e p tr a t e ，f a r ) 是指将不同的指纹误认为是相同指纹的 出错概率，其计算公式为： f a r = ( 误识的指纹数目考察的指纹总数目) * 1 0 0 对于一个已有的系统而言，通过设定不同的系统阈值，就可以看出这两个指标是相 互关联的，f r r 与f a r 成反向相关。这很容易理解“把关越严，误识的可能性就 越低，但是拒识的可能性就越高。不同的应用对于误识与拒识的要求是不一样的。 衡量指纹识别系统性能的指标还包括l 驯： 1 登记错误率：即在普通人群中，一枚指头由于采集质量、磨损程度、特征点多少 等原因不能够登记入库的概率。如果对于这类指纹进行勉强的自动识别，将得不到起 码的f r r 和f a r 性能要求。登记错误率的值越低越好。应该尽量在这个环节禁止质量 不好的指纹图像进行注册登记。 2 验证时间( v e r i f i c a t i o nt i m e ) ：比较判断两枚指纹是不是来自同一手指所耗 费的时间，在p c 上一般用毫秒来表示，时间越短越好。 3 识别速度( i d e n t i f ys p e e d ) ：对一枚指纹在指纹数据库中查找与之相对应的指 纹时的判断速度，在p c 上一般用毫秒来表示，时间越短越好。 4 特征长度( m i n u t i a es i z e ) ：即平均每一枚指纹经过系统处理后，特征数据的 长度，用字节表示，其值越短越好，所占用的空间越少。 错误拒绝军f n 图2 4 性能指标f a r 和f r r 2 2 边缘检测 在进行图像分割，图像边缘检测或抽出图像轮廓是最常用的操作。迄今为止已经开 发了很多成熟的算法。例如，微分算法，掩模算法等，r o b e r t s 算子就是一种微分算法。 2 2 1r o b e r t s 算子 在微分算法中，常使用n x n 的像素块，图2 5 为8 邻域块即3 3 的像素块。图中 像素点p i ，j 表示当前待处理的像素点，g i ，j 表示该像素点经变换后的输出值。 图2 58 邻域不恿图 算法说明： r o b e r t s 算子是一种微分算子。设当前像素点为p i ，j ， 则r o b e r t s 算子的表达式如下： 乳一 哪，j l 一砟+ 1 ，脚2 g y 一 尸【f + 1 ，j 】一p 【f ，j * 1 1 2 g 鲫= k + g y ) ； 或者简单的表示为差分形式： g ，= 尸p ，_ 】- p i + 1 j 】 g ，zp 【i + l _ 】一e l i ，+ 1 】 g 【f ，】= a b s ( g ，) + a b s ( g ，) 算子输出值为g i ，j ， ( 2 1 ) ( 2 2 ) ( 2 3 ) ( 2 4 ) ( 2 5 ) ( 2 6 ) r o b e r t s 算子边缘定位准确，但是对质量较低的图像比较敏感。 2 2 2s o b e i 算子 s o b e l 算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有 效，因此应用广泛。美中不足的是，s o b e l 算子并没有将图像的前景区与背景严格地区 分开来，换言之就是s o b e l 算子没有基于图像灰度进行处理。该算子是利用p i ，j 的 8 邻域来求得x 和y 的偏微分。 s o b e l 算子定义如下： 己一p 【f l j f 一1 】+ 2 p i - i , j + p i - l , j + 1 卜p i + 1 , j - 1 - 2 t i + l , j - p i + l , j + 1 】( 2 7 ) 0 = 耶一1 ，一1 】+ 2 邛，j 一1 】+ p 【f + l j 一1 卜p i - i , j + 1 一2 p i ，j + 1 - p i + l , j + 1 ( 2 8 ) 用图像处理模板来表示，则如下： r 一1 01 l 己= i - 2 02 i 一101 l 卜1 i 易一l0 【1 2 1 1 0 0l l 21l j 算法说明： 对指纹图像的每个像素点pe i ，j ，考察它的上下左右邻域灰度的加权值，把各方 向上( 0 度，4 5 度，9 0 度，1 3 5 度) 的灰度值加权之和作为输出，可以达到提取图像 边缘的效果。设当前像素点为pe i ，j ，转换后输出值为g i ，j 。则 g f ，j 】= 己+ ，0 ( 2 9 ) s o b e l 算子具有平滑噪声的作用，对于边缘信息的提取比较准确，应用较为广泛。 经实验验证，模板尺寸为3 3 即可以满足实际应用的要求。简单的s o b e l 算子即可比 较快速、准确、理想地提取出方向图。 ( a ) 质量较差指纹源图 ( b ) 由s o b e l 算子得剑的指纹图像边缘 ( c ) 质量较好指纹源图 ( d ) 由s o b e l 算子得剑的指纹图像边缘 图2 6 指纹图像边缘图 基于指纹 的图像的好坏。在一幅理想的指纹图像中，嵴线和峪线总是沿着一定的方向循环交替 出现。在这种情况下，嵴线可以清楚地被跟踪提取出来，然而由于手指皮肤的各种情 况( 比如说太干了，潮，刀伤或者烧伤等) ，采集器表面的噪声，手指按压力度不适中 等，采集到的指纹图像往往质量较差。 严重影响指纹图像质量的主要有以下三种情况： 2 平行嵴线之间没有很好的分开，这是由于被采集者按压采集器的力度过大所致 3 刀伤，烧伤或者由于长期从事重的手工操作。 上面三种情况就导致了多方面的结果，如大量的伪特征( s p u r i o u sm i n u t i a e ) 被 提取、大量的真实特征丢失和中心点定位错误等。 图像规格化是指遍历图像所有的像素点，把图像平均灰度和对比度调整到一个规 格，接近于设置的期望值m 。和期望方差v a t o ，使后续操作具有统一的基准。灰度图像 规格化并不改变指纹纹理的清晰度。 原始指纹图像的灰度均值和方差： m ( ，) 。面音善。蒌。p ( f ，j ) ，( f ，j f ) ， ( 2 1 0 ) ( j ) 2 - - 篆善。( p ( f 一m ( 2 川， ( 2 11 ) 用g ( i ，j ) 表示规格化后位置( i ，j ) 处的灰度值，则规格化后表示如下【2 l 】： gc z，=：!孑薹三一：三二“)m(i)c22， 这里的m 。和v a r o 是预先给定的灰度值和方差值，同文献2 2 1 一样，可以取m 。= 1 0 0 ，v a r o = 1 0 0 。规格化处理后的结果如图2 7 所示。 1 4 ( a ) 指纹原图片( b ) 规格化后图片 图2 7 指纹图像规格化前后比较 从图中可以看出，规格化后的指纹图像的对比度比原先的高。原来指纹图像的灰 度分布不均、背景复杂，经过规格化处理后，指纹图像变得结构清晰、背景也变得相 对简单，有利于后续的处理过程。同时对获取的图像进行规格化处理也有利于指纹图 像目标区域的提取和提高整个指纹识别系统对光照的抗干扰能力。 2 3 2 方向图信息的提取 方向图是用图像中的纹线上的点的方向来表示指纹图像。方向图信息可以看出指 纹的纹线结构，画出指纹纹线的大致走向，是进行图像增强之前非常重要的一个步骤。 目前，求取方向图信息一般有两种：点方向图和块方向图。点方向图指的是用指 纹纹线上的各点的方向来表示指纹图像。该算法运算量比较大，速度比较慢，但是其 精度相对比较高。另外一种是块方向图，块方向图是把指纹图像平均分割成n 个区域， 然后求取每一个区域的纹线大致方向，用其来表示该区域中点的方向，该算法速度较 快。以下是两个比较典型的方向图算法： 1 点方向图的计算 点方向图，指的是用指纹纹线上的各点的方向来表示指纹图像。b m m e h t r e 等人 提出了一种基于邻域内方向模块上灰度统计特性来求取方向图的方法瞄1 ，有较好的去 除噪声的作用，该方法简单，时效性好。具体算法如下： 如图2 8 所示，我们把指纹纹线的方向在f 0 ，刀】内平均分为8 个方向。实验证明， 分为8 个方向就可以得到非常满意的结果，取值太大就会耗费大量的运算时间。 1 5 8 6 5 4 7 1 彭i 划 1 刁r 2 图2 8 指纹纹线的方向在【0 ，石】上的划分 在将指纹图像进行规格化后得到的每一个像素点p e i ，j ，其沿8 个方向的狄度变 化假设为，k 的公式如下： 圪= 三i p ( f ，j ) 一只( 乓，矗) i ，其中df f i 0 , ，一1 ( 2 1 3 ) 其中，只瓴一丘) 是点p i ，j 沿方向d 上的第k 点的灰度值，n 是所取的邻点数， 本系统中选取n = 8 。 点pe i ，j 的方向是k 取值最小的方向d ，即灰度变化最小的方向。 文献【2 l i 对b m m e h t r e 算法做了如下改进： 用沿某一个方向上的灰度方差代替上面的灰度变化巧，用下述公式对规格化后的 指纹图计算点p i ，j 沿每个方向的灰度均值和方差。 m 。一三罗q 瓴，丘 n o e d = o ，7 ( 2 1 4 ) n 履 玩屹= 三( q ( ，丘) 一m d ) 2 ，舅；o e d = o ，7 ( 2 1 5 ) n 蜀 虼取值最小的方向d 就是点p i ，j 所指的方向。比较上面两式可以看出，下式使 用的不是点p i ，j 的灰度值，而是在该方向上取n 个点的灰度平均值m 。来求差，相 当于先进行了一次均值滤波操作，再求改点方向图，这种方法使求出的方向图更