（计算机应用技术专业论文）指纹图像预处理算法研究.pdf

硕士论文 指纹图像预处理算法研究 摘要 指纹识别技术是计算机模式识别领域一个很热门的研究课题 有着很广阔的 应用前景 指纹图像预处理是指纹识别过程的第一步 预处理效果的好坏直接影 响着识别系统的效果 而指纹图像的增强 二值化和细化则是预处理过程的核心 本文重点对指纹图像的增强 二值化与细化算法进行研究 同时对这些方法中所 要使用的方向图算法进行了深入研究 在归纳和吸收国内外学者研究成果的基础 上 实现了多种方向图 图像增强 二值化与细化算法 同时对部分算法进行了 改进 改进后的算法在运算处理质量方面都有了不同程度的提高 这些改进算法主要包括 1 在指纹图像的增强方面 首先实现并分析了指纹滤波中以及后面工作必 须用到的方向图的几种算法 然后在分析并实现了主要的两种指纹增强方法之 后 将偏微分方程去噪方法引入到了指纹的滤波中 主要对j w e i c k e r t 的非线性 扩散方程进行了改进 采用了基于迹的扩散模型 并提出了一种基于p m 模型 的非线性结构张量 以此为基础重构扩散张量与扩散模型 解决了原方法在图像 边缘变化比较剧烈的区域会出现虚假边缘 以及无法很好的沿边缘扩散的问题 2 在指纹图像的二值化方面 分析并实现了已有的二值化方法 并且提出 了一种结合频率信息和方向信息的二值化方法 该方法对于图像质量较差的指纹 图像具有着很好的二值化效果 3 在指纹图像细化方面 对于快速细化算法和改进的o p t a 算法进行了改 进 分别解决了快速细化算法细化不够彻底和改进o p t a 算法分叉点处细化不彻 底和毛刺过多的问题 并对这些细化算法进行了比较 关键词 方向图 图像增强 滤波 二值化 细化 a b s t r a c t 硕士论文 a b s t r a c t t h et e c h n o l o g yo ff i n g e r p r i n tr e c o g n i t i o ni sa i la c t i v es u b je c ti nt h ea r e ao f p a t t e r nr e c o g n i t i o n i th a sb r o a da p p l i c a t i o n t h ef 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 s t h ef i r s ts t e po ff m 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 t h eq u a l i t yo ft h ef 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 f f e c t sd i r e c t l yt h er e s u l to fi d e n t i f i c a t i o ns y s t e m a n dt h ec o r eo ft h e w h o l es y s t e mi si m a g e se 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 st h e s i sm a i n l y f o c u s e so nt h ea l g o r i t h m so fe n h a 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 w h i l ei n d e p t h r e s e a r c hi sc a r r i e do u ti n t ot h ea l g o r i t h m so fd i r e c t i o n a li m a g ew h i c hw i l lb eu s e di n t h ep r o c e s so fe n h a n c e m e n t b i n a r i z a t i o na n d t h i n n i n g b ys u m m a r i z i n ga n dd i g e s t i n g t h er e s e a r c h i n gf i n d i n g sb ys c h o l a r sf r o mb o t hh o m ea n da b r o a d t h i st h e s i sr e a l i z e d m a n yk i n d so fd i r e c t i o n a li 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 l g o r i t h m s b yp r o g r a m m i n g a tt h es a m et i m e i nt h et h e s i ss o m ea l g o r i t h m sa r ei m p r o v e di n s o m ea s p e c t ss oa st oo b t a i nab e t t e rq u a l i t yo fo p e r a t i o n t h ei m p r o v e da l g o r i t h m si n c l u d i n g 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 a tf i r s t t h i st h e s i si n t r o d u c es o m ea l g o r i t h m s a b o u tt h eo r i e n t a t i o nf i e l da l g o r i t h mw h i c hi su s e di nt h en e x tp r o c e d u r e s a n dr e a l i z e t h eo r i e n t a t i o nf i e l db a s e do nl i n e a rs t r u c t u r et e n s o r a f t e rt h ea n a l y s i sa n dr e a l i z a t i o n o ft w oc o m m o mm e t h o do ff i n g e r p r i n ti m a g ee n h a c e m e n t t h i st h e s i st a k et h em e t h o d o fp d e si nt h ef i n g e r p r i n ti m a g ee n h a c e m e n t i m p r o v et h ea l g o r i t h mo fj w e i c k e r t s n o n l i n e a rd i f f u s i o np d em o d e l r e b u i l dt h ed i f f u s i o nt e n s o r a n dm a k et h ed i f f u s i o n i nt h ec o m p l e xa r e am u c hb e t t e r 2 f i n g e r p r i n ti m a g eb i n a r i z a t i o n w ed i ds o m er e s e a r c ho nt h ea l g o r i t h mo n i m a g eb i a n d z a t i o n a n da d v a n c e dan e wm e t h o do fi m a g eb i n a r i z a t i o nb a s e do n o r i e n t a t i o nf i e l da n df r e q u e n c yi n f o r m a t i o n a st h ee x p e r i m e n tr e s u l t t h en e w a l g o r i t h mo u t p e r f o r m st h eo t h e rm e t h o di nn o i s i n gi m a g e 3 f i n g e r p r i n tt h i n n i n g t h i st h e s i si m p r o v et h ea l g o r i t h m so nf a s tt h i n n i n g m e t h o da n di m p r o v e do p t at h i n n i n gm e t h o d s o l v et h ep r o b l e mo fi n c o m p l e t e t h i n n i n gi n t h ef a s tt h i n n i n gm e t h o d a n da l s os o l v et h ep r o b l e mo fi n c o m p l e t e t h i n n i n ga n dt h i n n i n gn o ts m o o t h l ye n o u g hi nt h ei m p r o v e do p t at h i n n i n gm e t h o d k e yw o r d s o r i e n t a t i o nf i e l d i m a g ee n h a n c e m e n t f i l t e r b i n a r i z a t i o n t h i n n i n g 声明 尸l 刃 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 研究生躲擀加矿年多月哆日 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 汐夕脾多月乙多日 硕士论文指纹图像预处理算法研究 1 绪论 1 1 生物识别技术概述 日常生活的许多场合都需要进行身份认证 传统的身份认证方式包括基于知识 如密码 口令 的身份认证和基于令牌 如钥匙 身份证 的身份认证 传统的身 份认证方式存在着很多的缺点 口令和密码存在着容易忘记 容易攻击 容易泄露等 问题 钥匙和身份证等存在容易被盗 容易丢失 容易伪造 容易冒用等问题 传统 身份认证方式的缺点给我们的生活带来了诸多不便 因此 必须寻找更加方便安全可 靠的身份认证方式 基于生物识别技术的认证方式可以克服传统的认证方式的许多缺点 生物识别是 利用人体生物特征进行身份认证的一种技术 l j 每个人都具有多种生物特征 生物特 征包括生理特征和行为特征 生理特征是指与生俱来的特征 如指纹 虹膜 d n a 等 行为特征是指后天习惯形成的特征 如步态一笔迹等 并非所有的生物特征都可用于个人的身份鉴别 身份鉴别可利用的生物特征必须 满足以下几个条件 1 2 第一 普遍性 即必须每个人都具备这种特征 第二 唯一性 即任何两个人的特征都是不一样的 第三 可测量性 即特征可测量 第四 稳定性 即特征在一段时间内不改变 当然 在应用过程中 还要考虑其他的实际因素 比如 识别精度 识别速度 对人体有无伤害 被识别者的接受性等等 现在常用的生物特征有 人脸识别 虹膜 识别 3 指纹识别 掌纹识别 签名识别 声音识别 手型识别 声音识别 脸部热 量 敲键方式等其他的生物特征识别技术 表1 1 1 给出了一些常见生物特征的简单比较 7 8 1 绪论硕士论文 表1 1 1 各种生物特征的比较 生物特征普遍性唯一性稳定性可采集性准确性可接受性防伪性 指纹 由 高高中高中高 掌纹 由 中中高中 中 由 虹膜 古 高高中 高低高闻 视网膜 高高中低高低高 面部高低中高低高低 签名低低低高低高低 声音 中 低低中低商低 基因高高高低高低低 耳型 由 中 高 中中 高 中 脸部热量高高低高中高高 步态 中低低高低高中 敲键方式低低 低中低中中 气味高高高低低中低 从表1 1 1 中可以看出相对于其他生物特征 指纹有如下两个突出的优点 9 1 1 稳定性 指纹具有很强的相对稳定性 从胎儿六个月指纹形成封尸体腐烂 指纹纹线类型 结构 统计特征的总体分布等始终没有明显变化 尽管随着年龄的增 长 指纹在外型大小 纹线粗细上会产生一些变化 局部纹线上也可能出现新的特征 但从总体上看 指纹是相对稳定的 即使手指皮肤受伤 只要不伤及真皮层 伤愈后 纹线仍能恢复原状 即便伤及真皮 伤愈后形成的伤疤虽然破坏了原有的纹线 但伤 疤本身也形成了新的稳定特征 2 唯一性 指纹具有明显的唯一性 全世界至今仍找不出两个指纹完全相同的 人 由于皮肤表皮上的纹路是在胎儿六个月的时候形成的 因此即使是同卵双胞胎的 指纹也是不同的 不仅是人与人之间 同一个人的十指指纹也有明显的区别 1 2 指纹识别技术现状和发展前景 计算机的出现使指纹识别进入了自动化阶段 近年来 国内外自动指纹识别技术 已经取得了许多进展 l 刎 早期的指纹识别由人工来完成 由有经验的指纹专家对指纹 逐个进行比对 辨别 这种方法耗时长 效率低 准确率也低 随着人口数量的急剧 增长和应用范围的扩大 这种方法越来越不能满足社会应用的要求 随着电子计算机 的出现 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5 l j a f i s 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 ns y s t e m 转变 1 9 6 0 年 为了解决人 工鉴别指纹工作量大 效率低下的问题 美国f b i 英国家庭办公室 h o m eo f f i c ei nt h e u k 和法国巴黎警察局 p a r i sp o l i c ed e p a r t m e n t 系统 开始研发自动指纹识别系统 并取得了显著的效果 并于1 9 7 5 年在美国率先推出了第一个商业化系统p r i n t r a k 2 5 0 2 硕士论文 指纹图像预处理算法研究 日本则在1 9 7 5 年开始进行相关的识别软件的研究 并于1 9 8 2 年将n e c a f s i 投入使用 目前 随着许多指纹识别产品的问世 指纹识别技术已经开始广泛应用到民用市 场 包括 在金融证券业 可以应用到删指纹终端机 指纹保险箱 指纹储蓄卡 大额取款客户身份确认 公司提现确认 交易终端客户身份确认 远程交易身份确认 等 在i t 业 应用范围有个人计算机系统密码 信息安全防范 网络安全防范 网上 银行及电子商务的安全交易 在安防业 有指纹门禁系统 个人指纹证件等 在医疗 业 有献血输血管理 个人医疗档案管理 在社会福利方面 可以用在公费医疗确认 保险受益人确认 各种社会福利受益人身份确认等方面 另外 指纹考勤 海关及民 航快速通关认证等也可以用到指纹识别技术 从指纹识别系统的发展趋势来看 1 1 1 当今蓬勃发展的民用指纹识别市场以普通公 司和大众为目标 着眼于实现方便 快捷 高效 安全的个人身份认证功能 为了满 足人们对易用性 方便性和舒适性等多方面的追求 指纹识别设备正朝着小型化 嵌 入式和全自动方向发展 特别是小型化和嵌入式是指纹识别设备发展的主流方向 同 时指纹识别仍然有着不小的发展空间 现在许多人存在着一个错误的观念 认为自动 指纹识别技术中的问题已经得到彻底的解决 然而 事实恰恰相反 国际指纹验证竞 赛f v c 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 1 1 2 j l 习的测试结果表明 自动指纹识别仍 有许多问题等待解决 仍然是一个具有挑战性的重要的研究课题 f v c 从2 0 0 0 年开始 每两年举行一次 参赛的算法中许多都代表着世界领先的算法 从比赛结果来看 指 纹识别算法的正确率远远低于市场上所宣传的指纹识别产品的正确率 正确率高的算 法所需的运算时间也相对较长 消耗的存储空间较多 有些算法虽然能得到较高的正 确率 但消耗的系统时间 存储空间在实际应用中是难以让人接受的 低质量指纹图 像的匹配 扭曲指纹的识别还是挑战性的难题 所以 自动指纹识别技术的研究仍然 是具有挑战性的研究课题 1 3 本论文章节安排 第一章绪论 介绍了目前常见的生物特征识别技术 指出了指纹相对其他生物 特征的优势所在 及其在国内外的发展现状 第二章给出了自动指纹识别系统的结构框图 对本系统预处理部分各个步骤做 了简要介绍 第三章首先实现了三种生成方向图的算法 包括切片法 梯度法和基于线性结 构张量的方法 并且对这三种方向图的生成算法进行了分析与比较 然后介绍了几种 常见的指纹图像的增强方法 实现了g a b o r 滤波增强算法和方向滤波 并对基于偏微 分方程的指纹图像增强方法进行了研究 针对基于散度的非线性扩散方程滤波后会出 现虚假边缘的情况进行了改进 提出了基于p m 模型的非线性结构张量 并以此为 3 1 绪论硕士论文 基础对原扩散模型的扩散张量进行了重构 采用基于迹的扩散方程 有效地解决了这 个问题 第五章实现了几种常见的二值化方法 在分析了前几种二值化算法的基础上 提出了一种结合了频率信息与方向信息的二值化算法 使得二值化可以有效地去除指 纹平滑区域的纹线的断裂 和纹线中的气泡 该算法具有很好的鲁棒性 二值化效果 较好 第六章介绍并实现了两种细化算法 快速细化算法和改进的o p t a 算法 针对 快速细化算法中的细化不够彻底的现象进行了改进 针对改进o p t a 算法毛刺较多和 分叉点处细化不彻底的现象进行了改进 改进后均有较好的效果 第七章对全文进行了总结 4 硕士论文 指纹图像预处理算法研究 2 指纹识别的基本原理 2 1 指纹识别的基本概念 因为指纹图像属于个人隐私 自动指纹识别系统一般不直接存储指纹的图像 指 纹识别算法一般都是从指纹图像中提取并比对指纹特征 1 4 1 5 指纹图像由脊线和谷 线组成 脊线对应于手指皮肤的凸起部分 在指纹图像中呈现为灰度较深的粗线条 谷线对应于手指皮肤的凹起部分 夹在两条纹路之间 相对纹路的灰度较亮 我们定义了指纹的两类特征来进行指纹的验证 总体特征和局部特征 总体特征是指那些用人眼直接就可以观察到的特征 包括 基本纹路图案 1 6 1 7 1 基本纹路图案通常分为环型 1 0 0 p 拱型 a r c h 漩涡型 w h o r l 其他的指纹图案都基于这三种基本图案 仅仅依靠图案类型来分辨指纹是远 远不够的 这只是一个粗略的分类 但通过分类使得在大型数据库中搜寻指纹更为方 便 模式区 p a t t e r n 模式区是指纹上包含了总体特征的区域 从模式区能够分辨出 指纹属于哪种类型 核心点 核心点位于指纹纹路的渐近中心 它常用作读取指纹和对比指纹的参考 点 三角点 三角点是指纹图像中三角形纹路区域的中心点 离该点最近的三条指纹 纹线构成一个近似的等边三角形 三角点提供了指纹纹路计数和跟踪的起始位置 核 心点和三角点统称为奇异点 纹数 作为全局特征 纹数一般是指模式区内指纹纹路的数量 也有些算法用两 点之间的纹路数作为指纹特征 比如两个节点之间的纹路数 局部特征是指指纹上的细节点 两枚指纹经常会具有相同的总体特征 但它们的 局部特征 细节点 却不可能完全相同 局部特征包括 端点 一条纹路在此终结 分叉点 一条纹路在此分成两条或多条纹路 分歧点 两条平行的纹路在此分开 孤立点 一条特别短的纹路以至于成为一点 短纹 一条较短但是不至于成为一点的纹路 环点 一条纹路分成两条后又立即合成一条 这样的一个小环称为环点 桥 两条并行的纹路再次被搭接起来 曲率 纹路方向改变的速度 另外 除了局部特征外 从高分辨率的传感器采集的高质量的指纹图像中还可以 2 指 识别的基本原 硕 论文 提取比局部特征更细微的特征 毛孔 毛孔位于纹路上 在指纹图像上表现为纹路上 灰度较亮的点 但是提取毛孔特征对传感器的分辨率和手指皮肤质量的要求较高 一 般情况下难以满足 所以实际的系统中一般不使用毛孔特征 2 2 指纹识别的基本流程 图2 1 1 局部特征举例 指纹识别系统的流程分为四个部分口 1 指纹图像采集 2 图像预处理 3 特征提取 4 特征匹配 从逻辑上分 自动指纹识别系统分为两个阶段 注册阶 段和识别阶段 在注册阶段 用户需要输入用户名 同时输入指纹 自动指纹识别 系统的特征提取模块会从输入的指纹中提取特征 最后 系统将用户名和提取的指 纹特征一起保存到指纹数据库中 保存到数据库中的指纹特征会在识别阶段被系统 读取 用来与输入的指纹进行比对 指纹注册过程如图2 2l 所示 用p g 二 f 数据库f z u 图22 1 指纹识别基本流程 自动指纹识别系统的识别阶段又分为两种类型i l q 指纹验证和指纹辨别 对于 指纹验证 用户需要输入用户名和指纹 指纹提取模块提取输入指纹的特征 同时系 统从数据库中调出指纹特征 然后同输入的指纹特征进行特征匹配 判断指纹的合法 性 如果匹配成功 则该用户是合法的 否则是非法的 指纹验证过程只需进行一次 匹配 如图2 22 所示 对于指纹辨别 用户只需输入指纹 特征提取模块提取指纹 特征 系统则根据某种策略反复的从数据库中读取指纹特征和输入指纹的特征进行匹 6 硕士论文指纹图像预处理算法研究 配 直到找到能匹配的指纹 接受该指纹 或者没能找到和输入指纹匹配的指纹 拒 绝该指纹 所以指纹辨别过程要进行一次或多次的匹配 过程如图2 2 3 所示 图2 2 2 指纹验证过程 失败 但未匹配数据库中所有指纹 厂数据库厂 特征 l 7 广 妊杯叱jg 1 u f b m i 指纹采集i 预处理与 燎褥 未找到匹配指纹 特征提取 图2 2 3 指纹辨别过程 其中图像预处理又可以分为图像分割 增强 二值化和细化等几个步骤 但是根 据具体的情况 预处理的步骤也不尽相同 在整个指纹自动识别系统中 指纹图像识 别最终归结到指纹图像细节特征的比对 因此 匹配算法的好坏直接影响识别的性能 速度和效率 2 2 1 指纹图像的采集 指纹图像的采集方式分为脱机扫描 o f f l i n e 和活体扫描 l i v e s c a n 两种 脱机扫 描如采集犯罪现场的指纹 采集在纸上按的手指印 活体扫描指手指放在联机的感应 器上采集指纹 活体扫描中使用的传感器今年来已经有了许多技术革新 主要的传感 器有光学传感器 固态传感器和超声波传感器三种 1 9 1 光学传感器利用光的全反射原理 即光线照射到压有指纹的玻璃表面时 由 光电耦合器件 c c d 获得反射光线 反射光的数量依赖于压在玻璃表面的手指指纹的 脊和谷的深度以及皮肤与玻璃间的油脂和水分 光线经玻璃照射到指纹谷的地方后 在玻璃和空气的界面全反射 光线被反射到c c d 照射向指纹脊的光线不发生全反 射 而是被脊与玻璃的接触面吸收或者漫反射到别的地方 因此谷和脊的不同反射光 7 2 指纹识别的基本原理硕士论文 强由c c d 获得并被数字化器件转换为灰度图像于是就生成了指纹图像 光学技术的 优点是成本低 耐性好 缺点是体积大 成像质量一般 图2 2 4 给出了光学活体指 纹摄入装置的构造 可 数拿钇处理 t l 照葙机 线 图2 2 4 光学指纹采集装置 2 固态传感器采用微型晶体阵列通过多种技术绘制指纹图像 最常见的固态传 感器是硅电容传感器 其表面是电容阵列 手指放在上面时 皮肤组成电容阵列的另 一极 电容的电量随着纹脊和纹谷相对于传感器表面的距离而变化 另一种传感器是 压感式传感器 其表面的顶层为弹性的压感介质材料 当用户将手指按压在该半导体 表面上时 这些压感介质将指纹脊和谷的不同压力转化为相应的不同信号 并进一步 产生具有灰度级的指纹图像 第三种固态传感器是温度感应传感器 通过感应指纹谷 线和纹线的不同温度来获得指纹图像 固态传感器体积小 耗电量低 但易受静电影 响 易损坏 成本比较高 3 超声波感应器用超声波扫描指纹表面并获得反射信号 由于指纹的脊和谷的 声阻抗不同 导致反射回接收器的超声波能量不同 测量它的大小 从而产生指纹灰 度图像 超声波扫描不像光学扫描 积累在手指上的脏物和油脂对超声波影响不大 可以得到高品质的指纹图像 这样获取的图像是实际指纹纹路凹凸的真实反映 但是 由于成本高 限制了该技术的推广应用 表2 2 1 给出了分别利用三种主要技术生产的指纹采集仪的体积 耐用性 成像 能力 耗电及成本的比较结果 l 7 1 0 1 8 硕士论文指纹图像预处理算法研究 体积耐用性成像能力 耗电成本 干手指差 但汗多的和稍脏 光学全反射技术大非常耐用较多低 的手指成像模糊 硅晶体电容传感技 小容易损坏 干手指好 但汗多的和稍脏 较少低 术的手指不能成像 超声波扫描技术 中一般非常好较多很高 2 2 2 指纹图像的预处理 指纹预处理是指纹特征提取前的一个非常重要的环节 主要用于突出指纹图像中 的纹理 方向信息 消除或者减弱噪声等无用信息 指纹图像预处理包括指纹图像分 割 图像增强 滤波 二值化 细化等 本系统工作过程如图2 2 5 所示 指 巫 三 至 正巫卜p 指纹图 图2 2 5 指纹图预处理过程 1 方向图 指纹的纹理走向是指纹所提供的重要信息 基于指纹的身份鉴别技 术应该结合纹线的方向对图像进行处理 这种方法无疑是最适合指纹的 对图像上每 个区域的方向进行估计能够为后续的处理提供有效的信息 如在指纹滤波的过程中 需要根据方向图调整滤波器的方向模板以实现定向平滑或锐化 由于方向反映了局部 区域内纹路的信息 也可以作为细节特征的一个属性 在指纹分类中 往往将方向图 或其变换 如k l 变换 作为分类器的输入 2 0 j 由于指纹的方向性只有在适当大小的区域内才能观察出来 并且方向在相邻区域 表现出了很好的连续性 因此 常见的方向图估计方法都是基于区域或分块的 而不 是基于像素的 2 分割口1 2 3 i 在指纹图中手指与采集器接触到的部分成像结果是人们感兴趣的 区域 称为前景 其他部分称为背景 由于背景中包含的都是无用信息 且含有噪声 为了消除噪声对有效区域的干扰 方便对前景区域的处理 需要进行前景与背景的分 割 3 增强 2 4 2 5 由于采集指纹时光线明暗程度的影响 图像有时脊和谷灰度对比 不明显 这对后续处理如分割 二值化中局部阈值的选取带来了难度 为了使阈值的 调节范围扩大 方便选取准确的阈值并增强图像的视觉效果 必须对指纹图像进行增 强 4 二值化 2 6 二值化是将灰度图像转化为黑白两种颜色的二值化图像 二值化 后的图像中往往存在毛孔形成的空洞 这些是不稳定的特征信息 应当去除 选取半 径阈值确定是气泡并进行填充 9 2 指纹识别的基本原理 硕士论文 5 细化 2 7 也称为骨架化 就是抽取二值化图像中每一个连通区域的骨架 从 而得到一系列单像素宽的曲线段 在指纹图像中 指纹纹路的宽度不提供任何有用信 息并且特征点的寻找和虚假特征点的去除在细化图像上更容易进行 因此需要对二值 化图像进行细化 2 2 3 指纹图像特征提取 在指纹识别中常用的指纹特征是节点 奇异点和纹线等 其中节点主要包括端点 和分叉点 奇异点包括核心点和三角点 提取的指纹特征用来进行指纹的匹配 分类 和检索等 指纹特征的提取涉及的关键技术主要包括纹路方向的计算 纹路频率的计 算 核心点和三角点检测 目前对特征点的提取也存在多种方法 a l e s s a n d r o 从二值 化图中提取特征点 2 引 而d a r i om a i o 甚至直接从灰度图中提取特征点的 2 9 文献 3 0 3 1 也提出了结合利用指纹脊和谷提取特征点的方法 但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 指纹图像经预处理后形成细化后的指纹点线图 在此基础上提取特征点信息 由 于各种原因 会产生数以百计的特征 对于一幅完整的指纹图像而言 真正的细节特 征 端点和分叉点 一般不会超过1 0 0 个 但在实际的a f i s 中 图像预处理后产生 的细节特征往往有5 0 0 个以上 3 2 这些伪特征一般是由于图像的边缘效应 原始图像 不清晰或图像预处理带来的噪声而产生的 需要进行细节点的后处理将这些伪特征点 尽可能地消除 否则它们将极大地干扰指纹匹配 降低整个系统的识别能力 2 2 4 指纹的匹配 指纹匹配是自动指纹识别研究的核心内容之一 由于以下客观问题的存在 使 得指纹匹配技术的实现存在很大的技术难度 3 3 1 由于指纹采集姿势的随机性 使 待识图像相对于模板图像在姿势上存在着旋转 平移 2 指纹采集时存在不规则的 变形 而这种变形又是随机性的 很难用数学模型定量描述 3 手指较干 较湿 磨损严重等情况下图像质量下降 使伪细节点的出现 真正细节点的缺失和细节点的 定位存在偏差的情况普遍存在 这就证明了指纹匹配问题应该是一个弹性匹配和模糊 匹配问题 现有的指纹匹配方法大致可以归结为两类 第一类是图形匹配的方式 3 4 其实质 是基于纹线结构或者细节点拓扑结构的匹配 这类方法对于指纹图像的旋转 平移不 敏感 对于少量细节点的缺失 少量伪细节点的存在和轻微的细节点定位偏差 具有 一定的容错性 既然将指纹匹配转化成了一般的图形匹配问题 除了细节点本身的类 型 数量和位置信息以外 指纹奇异点 s i n g u l a r i t y 的类型和位置 细节点连线穿过的 纹线数等所有关于指纹结构的信息在这类方法中都可以得到应用 迄今为止 绝大多 1 0 硕士论文指纹图像预处理算法研究 纹线数等所有关于指纹结构的信息在这类方法中都可以得到应用 迄今为止 绝大多 数自动指纹识别系统中都是使用的这类指纹匹配方法 总体上讲 这类指纹匹配方法 的效果还是不错的 从实际应用的效果看 不足之处主要存在于两个方面 主要通 过统计手段实现指纹匹配 故匹配速度比较慢 对指纹图像的质量比较敏感 对于 低质量的指纹图像 由于提取到的特征结构信息本身的可靠性下降 匹配效果会受到 较大影响 第二类是人工神经网络的方法 3 5 3 6 1 由于人工神经网络具有解决模糊问 题的优势 这类算法的容错性比较好 但事先要经过足够数量样本的训练 系统才能 正确地进行工作 显然 这类匹配方法不适合于实时的在线的自动指纹识别系统 2 3 本章小结 本章首先介绍了指纹识别中的一些基本概念 是后面几章的理论基础 首先介绍 了指纹的特征 包括指纹的总体特征和局部特征 其次简要介绍了指纹识别系统的总 体流程以及预处理过程的具体流程 并对目前的一些主流算法作了简要评价 3 指纹图像的增强硕士论文 3 指纹图像的增强 由于指纹采集设备的不完善和采集环境的影响 对于干 湿 脏 老化 磨损的 指纹往往难以得到清晰的图像 图像增强去除图像中指纹脊线间的断裂 粘连及模糊 不清的部分 对有可能恢复的部分进行增强 增加指纹图像中脊线和谷的对比度 对 脊线进行平滑 经过增强处理后的指纹图像 纹线结构更加清晰 利于后续的处理 本章在分析比较已有的较成功的指纹增强算法后引入了偏微分方程的在指纹增 强方面的应用 并对已有的基于偏微分算法进行改进 使其更加适用于指纹图像的增 强 3 1 方向图的计算 指纹图像的纹理走向是指纹图像中的 个重要信息 是后续处理中的一个很重要 的参考依据 从目前的论文来看 基于指纹的身份鉴别技术应该结合纹线的方向对图 像进行处理 例如 指纹图像的增强滤波处理一般采用沿着指纹图像上纹线的方向进 行滤波处理 在指纹图像二值化方面依赖于方向信息可以大幅度的提高二值化效果 去除一些噪声对于二值化效果的影响 结合方向信息对图像进行处理的好处在于这种 方法不会破坏指纹图像的结构信息 而方向滤波和指纹图像的二值化的效果依赖于在 图像上估计得到的局部方向信息的准确性 因此指纹图像的方向图计算要求具有很高 的可靠性和准确性 一个好的指纹方向图算法首先应该能够准确的计算指纹图像清晰 区域的方向信息 同时应该能够有效地计算或者估计可恢复区域甚至不可恢复区域的 方向信息 目前关于二值化的方法有很多例如有切片法哗j 梯度法 j 投影法 抽 样法等 本文介绍了切片法 梯度法 基于结构张量的方法三种常用的方向图计算方 法 为后续的指纹图像增强 二值化 细化等作准备 3 1 1 切片法求取方向图 把指纹脊线的走向分为8 个方向畔 如图3 1 1 所示 每隔万 8 确定一个方向i 其 取值可为0 1 2 7 以图像中每个像素点为中心的8 个方向的9 x 9 方向模板 如图3 1 2 所示 1 2 硕士论文指纹图像预处理算法研究 1 辽钐 刁孓 0 图3 1 1 方向图的8 个方向表示 65432 7 654321 71 ooooo 17 1234567 23456 图3 1 28 个方向的9 x 9 方向模板 具体计算步骤如下 1 对指纹图像中的每一点p x y 在以该点为中心的9 x 9 大小的窗口内 分 别计算8 个方向上的灰度平均值 即对图3 1 2 中标有数字i i 0 1 2 7 分别代表 8 个方向 位置的像素灰度值求平均 首先得到8 个方向的灰度平均值ji 2 这8 个平均值按两两垂直的方向 o 和4 1 和5 2 和6 3 和7 分别组成一 组 分成4 组 再分别计算每组中两个灰度平均值差的绝对值 xf l xf x j 4i 3 1 1 其中 i 为脊线方向 滓o 1 2 3 3 取灰度平均值差的绝对值最大的一组中的两个方向作为可能的脊线方向 4 取k 和k 4 两个方向中像素灰度平均值与像素p x y 的灰度值x 比较接近 1 3 3 指纹图像的增强 硕士论文 的方向 作为像素点p x y 的脊线方向 以此方法分别对指纹图像中每一个像素点进行处理 便可得到指纹的点方向图 d x y 为了减少噪声的影响 保证方向场估计的准确性 可以采用将图像分成1 5 1 5 的小块 以小块内所有像素的方向的平均值作为该小块的纹路方向 该小块内每个像 素的纹路方向都取为该小块的纹路方向 图3 1 3 d 描述了使用本节切片法算法求取方向图的实验结果 3 1 2 基于梯度的方向图 该方法计算简单 保留细节能力较强 去噪能力较强 基于梯度的方法计算指纹 图像在每个像素处的梯度 梯度矢量的方向代表了指纹图像在该像素处沿着该方向灰 度变化最快的方向 而梯度矢量的大小代表了灰度变化的快慢 该方法计算出的纹路 方向基本由纹路边缘处的梯度较大的像素决定 纹路边缘处的像素的梯度垂直于纹路 方向 每个区域的纹路方向基于该区域内的所有像素的梯度矢量计算 具体的算法如 下 1 首先将原图像分成大小为w w 的块 这里的w 8 2 以块为单位 计算每一像素点的梯度大小 对于梯度的计算可以使用ss o b e l 算子或较为复杂的的m a r r h i l d r e t h 算子 这里采用较为简单的s o b e l 算子 a x v 为x 方向上的梯度 a y 甜 1 为y 方向上的梯度 r 一1 o 1 r 一1 2 1 i 以o 2 ii o00 i l 一1 o 1 jl l 21j x 轴方向 y 轴方向 3 利用下式 3 1 2 计算像素点的方向 f n 2 n 2 圪 f 歹 2 a zu v ay v i n 2v j n 2 f n 2 十n 2 v y i j a 工2 甜 v a y 2 1 秒 f 丁1 arctan 矿工 i vy i j 万 一 2 3 1 2 由于采集到的指纹图像有噪声 并且有损坏的脊线和谷线 因此由上述算法计算 得到的方向可能有所误差 因此许多算法被提出来进行纹线方向的平滑修正 以提高 方向计算的准确性 又由于脊线的方向在局部邻域成渐变性 故本文采用j 血 1 q 等人 提出的方法 使用低通滤波器进行平滑滤波来对方向图进行修正 其具体的修正过程 1 4 硕士论文指纹图像预处理算法研究 描述为 1 首先将方向图转换为连续的矢量图 即将各个小分块的方向描述为x 方向与 y 方向的分量的矢量和 分解的过程为 西 f c o s 2 宰护 f 川和 y i j s i n 2 奉秒 f 川 3 1 3 1 其中 啦 f 和 y f 歹 就是当前分块的方向在x 方向与y 方向的分量 2 将西 i 歹 和 y i 分别与一个低通滤波器进行滤波运算 西x 力书日g j f j y f 歹 h i j f 3 1 4 其中 h i 力是一个低通滤波器 3 滤波后的方向图计算公式与式 3 1 2 类似 州 号t a n l 4 一v 一 2 2 2 甜 v 一 2 铭 y 2 2 2 2 2 0 y 加j 甜 v 2 2 万 一 2 3 1 5 经过上述步骤 能够得到一幅较为平滑的指纹方向图 使得在指纹方向变化比较 剧烈的区域中求得的方向可以得到较好的平滑 从而较为准确的获得指纹的方向信 息 图3 1 3 c 描述了使用本节介绍的指纹方向图估计算法及方向图平滑算法的实 验结果 3 1 3 基于线性结构张量的求法 在早期的计算机视觉领域 常使用梯度来估计纹理及边缘的方向 图像梯度易于 实现 但对于噪声比较敏感 一种改进方法是对于梯度场中的每一个点在一个范围之 内求其平均值 但是又会引起消除效应m 1 c a n c e l l a t i o ne f f e c t s 难以根除 文献 4 4 1 提 出了线性结构张量的方法使得这一缺点可以有效地解决 线性结构张量法是在结构张 量基础上演化出来的指纹方向图计算方法 结构张量g 是反映局部方向信息和灰度变化信息的2 x 2 的正定矩阵 它消除了 消除效应 满足了物体 走势 唯一的要求 并发现s t 可以描述图像的局部几何结 1 5 3 指纹图像的增强硕士论文 构 结构张量是图像一阶偏微分信息l i 的另一种表达形式 它提供了一种矩阵场 m a t r i xf i e l d 信息 使得图像中的每个像素点都对应一个2 2 二维图像情况下 的对称的半正定矩阵 通过谱分解该矩阵得到两个特征值及其对应的特征向量 由此 对图像进行方向估计和结构分析 为了减少噪声对矩阵数据的干扰 传统的结构张量 采用了线性滤波技术 一般用高斯滤波 即在窗口内进行高斯加权平均 虽然线性滤 波能很好的消除噪声 但其容易模糊间断信息 如图像的边缘 可以定义为 g 一r 医弛l j 3 1 6 在上式中 表示连续的指纹图像l 和 分别为指纹图像在x 方向和y 方向的导 数 它的特征值毛 也可以通过以下公式计算得至 如如 瓜乏f 可 毛 乞 3 1 7 矩阵的特征向量m w 2 可以通过以下公式得到 圳 意丽砑 上 3 1 8 很容易得到以下事实 矩阵g 的特征向量分别对应梯度方向和垂直于梯度方向 特征值刚好分别是梯度模值和零 因此结构张量反映了局部方向信息和灰度变化信 息 但是直接从矩阵g 得到的这些信息和指纹图像的纹路方向并不相同 采用线性结构张量来估计指纹图像局部方向信息可以取得较好的效果 定义线性 结构张量t 为 q 训g 隆兹g u 丁 l u l l 甜1 1 恐1 2 3 1 9 式中的 为尺度为o r 的高斯核 也就是方差为 均值为0 的高斯函数 驴去唧 一矧跖2 面铽p r l 尹j 1 6 硕士论文指纹图像预处理算法研究 经过高斯函数模糊后的结构张量q 的特征向量不再是梯度方向和垂直于梯度方 向了 而是指纹纹路方向 以上模糊函数岛的方差要根据指纹脊线之间的距离来确 定 一般为脊线之间的距离的1 到1 5 倍 a 原图 c o 结构张量法结果 c 梯度法结果 d 切片法结果 图3 1 3 方向图计算结果对比 为了在实际的指纹增强中采用更加有效的方向图计算方法 论文将上面介绍的三 种方法进行了比较 基于梯度求取方向图的方法是最简单的 但是因为它只考虑水平 和垂直两个方向上的梯度分量 就不能兼顾其余方向上的准确性 因而其结果在原图 1 7 3 指纹图像的增强硕士论文 像中方向变化较快的区域并不能精确反映出方向的变化 图3 1 3 c 给出了梯度法的 结果 从图上可以发现在原图中上位置处的方向几乎是水平的 没有能够准确地反映 实际的方向信息 切片法考虑了八个方向上的分量 和梯度法相比较应该更加精确一些 但是这种 方法在指纹图中噪声污染较大时 容易将噪声造成的伪方向当成指纹纹路的方向反映 出来 图3 1 3 d 给出了切片法的结果 从图上可以发现在原图中上位置处的方向计 算相对于梯度法有所改善 但是方向图中还有较多的奇异点信息 相对以上两种方法 线性结构张量法对噪声的敏感度相对较小 方向的估计也比较准确 而且在指纹图像 右上角纹路完全被破坏的区域 能够比较准确估计出方向信息 这一点其它两种方法 是不可能达到的 在计算复杂度方面由于梯度法和线性结构张量法存在卷积运算 计算复杂度为 d g l o g g 而切片法的时间复杂度为d 嚣 表3 1 三种方向图计算方法的性能比较 切片法 梯度法线性结构张量法 平均计算时间 0 1 秒 0 2 秒0 2 秒 计算复杂性很简单简单简单 细节保留能力较强较强 很强 抗噪能力较差一般较强 3 2 方向滤波增强算法 方向滤波增强算法 2 5 j 的主要思想是 利用指纹图像的局部方向特性 在纹线的切 线方向上进行平滑 以起到连接纹线中断裂的作用 在其法线方向上进行边缘锐化 以去除纹线间的叉连现象 如此便可得到最接近指纹实际构型的处理结果 指纹图像增强算法包括两个关键步骤 指纹局部方向的计算和方向滤波器的设 计 由于指纹纹线方向是缓慢变化的 所以要涉及多个方向的滤波器 不同的方向选 用不同的滤波器 一个基本的方向滤波器1 2 5 j 由平均滤波器和分离滤波器组成 平均滤波器如图 3 2 1 中所示 用来连接纹线上的断点 其系数满足a 1 a 2 a 3 0 a 1 a 2 a 3 分别是平均滤波器中的系数 使断点处的灰度值接近周围像素点 也就是起到了连 接断点的作用 分离滤波器如图3 2 1 中所示 它的作用是用来去除两条纹线之间的 叉连 其系数满足召1 2 8 2 2 8 3 0 其中b 1 b 2 b 3 分别是分离滤波器的系数 因为叉连点表现为同一行上的其他像素点灰度值很小 而上下两行的像素点灰度值 较大 所以经过处理