期末大作业-指纹识别技术概述

1、王华锋:指纹识别技术9概述模式识别期末考查学 号 姓 名 班 级 专 业 指纹识别技术概述Fingerprint Development Status and Application ProspectAbstract:Fingerprint, finger finger on the front end of the human skin produced uneven ridge, its has a lifelong invariance, uniqueness and convenience, has almost become synonymous with biometrics. F

2、ingerprint minutiae points by referring to compare fingerprints to identify, involving many disciplines of image processing, pattern recognition, computer vision, mathematical morphology, wavelet analysis. Since each person's fingerprint is the same person between the fingers, there was a marked

3、 difference between a fingerprint, so fingerprints can be used for identity verification. Because each stamped orientation is not exactly the same, the focus will bring different levels of different deformation, and there are a lot of fuzzy fingerprint, how to extract features properly and achieve t

4、he correct match is the key fingerprint recognition technology.Key words: Fingerprint;Uniqueness;Biometrics;Fuzzy fingerprint摘 要:指纹,指人的手指末端正面皮肤上凸凹不平产生的纹线,以其具有终身不变性,唯一性和方便性,已几乎成为生物特征识别的代名词.指纹识别即指通过比较不同指纹的细节特征点来进行鉴别,涉及图像处理,模式识,计算机视觉,数学形态学,小波分析等众多学科.由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定.由于每次捺印的方位不

5、完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键.关键词:指纹;唯一性;生物特征识别;模糊指纹1 指纹识别技术简介指纹识别技术把一个人同他的指纹对应起来,通过比较他的指纹和预先保存的指纹进行比较,就可以验证他的真实身份.每个人(包括指纹在内)皮肤纹路在图案,断点和交叉点上各不相同,也就是说,是唯一的,并且终生不变.依靠这种唯一性和稳定性,我们才能创造指纹识别技术.指纹识别技术涉及图像处理,模式识别,计算机视觉,数学形态学,小波分析等众多学科.由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定.由

6、于每次捺印的方位不完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键.2 指纹识别发展史很久很久以前,人们就认识到指纹的唯一性,早在我国古代,便有画押这一说法,指的便是通过指纹的唯一性来识别一个人,现在的许多古装剧中也常有出现,可见,指纹识别技术早在几百几千年前,便已经被投入实际运用之中了.然而现代指纹识别技术,则是在起源于16世纪末:11684年,英国人N.Grew就对指纹的脊线,谷线和毛孔结构进行了系统的研究.从此,大量的研究者开始致力于指纹识别技术的研究.1788年,Mayer对于指纹的解剖结构作了详细的描述,提出了大量的指

7、纹特征.1823年,Purkinje提出了第一个指纹分类方法,讲指纹按脊线结构分为九种类别.1880年,Henry Fauld首先科学地分析了指纹的唯一性和不变性,提出了用指纹识别罪犯,从而为现代指纹识别奠定了理论基础.1888年,Fracis Gallon对指纹进行了广泛研究后,在指纹的分类中收入了细节特征.1899年,Edward Henry在指纹识别的研究中做出了重大突破,简历了用于指纹分类的著名的“Herry系统”.20世纪初,指纹识别已被公安和法律机构广泛接受为一种有效的个人识别方法,指纹识别机构也在世界范围内建立起来,并建立了罪犯指纹数据库.近两年,指纹识别技术被运用到手机上,如i

8、phone5s,三星Galaxy S5,华为mate7以及魅族max4 pro中,都实现了指纹解锁,指纹支付功能,使指纹识别更好的接近大众人民的生活之中.3 指纹图像采集 获得良好的指纹图像是一个十分复杂的问题.因为用于测量的指纹仅是相当小的一片表皮,所以指纹采集设备应有足够好的分辨率以获得指纹的细节.目前所用的指纹图像采集设备,基本上基于三种技术基础:光学技术,半导体硅技术,超声波技术.3.1 光学技术2 借助光学技术采集指纹是历史最久远,使用最广泛的技术.将手指放在光学镜片上,手指在内置光源照射下,用棱镜将其投射在电荷耦合器件(CCD)上,进而形成脊线（指纹图像中具有一定宽度和走向的纹线）

9、呈黑色,谷线（纹线之间的凹陷部分）呈白色的数字化的,可被指纹设备算法处理的多灰度指纹图像. 光学的指纹采集设备有明显的优点:它已经过较长时间的应用考验,一定程度上适应温度的变异,较为廉价,可达到500DPI的较高分辨率等.缺点是:由于要求足够长的光程,因此要求足够大的尺寸,而且过分干燥和过分油腻的手指也将使光学指纹产品的效果变坏. 3.2 硅技术(CMOS技术)2 20世纪90年代后期,基于半导体硅电容效应的技术趋于成熟.硅传感器成为电容的一个极板,手指则是另一极板,利用手指纹线的脊和谷相对于平滑的硅传感器之间的电容差,形成8bit的灰度图像. 硅技术优点是可以在较小的表面上获得比光学技术更好

10、的图像质量,在1cm×1.5cm的表面上获得200300线的分辨率（较小的表面也导致成本的下降和能被集成到更小的设备中）.缺点是易受干扰,可靠性相对差. 3.3 超声波技术2 为克服光学技术设备和硅技术设备的不足,一种新型的超声波指纹采集设备已经出现.其原理是利用超声波具有穿透材料的能力,且随材料的不同产生大小不同的回波（超声波到达不同材质表面时,被吸收,穿透与反射的程度不同）,因此,利用皮肤与空气对于声波阻抗的差异,就可以区分指纹脊与谷所在的位置. 超声波技术所使用的超声波频率为1×104Hz1×109Hz,能量被控制在对人体无损的程度（与医学诊断的强度相同）.

11、超声波技术产品能够达到最好的精度,它对手指和平面的清洁程度要求较低,但其采集时间会明显地长于前述两类产品.4 指纹识别算法分析4.1 指纹图像预处理在指纹图象处理的流程中,预处理是第一个处理环节.它对原始灰度图像进行平滑,锐化,增强,二值化等处理,从而使细化,特征抽取等操作能够有效进行.在常见的图象处理技术中,通常按处理目的把预处理过程分为平滑,增强,二值化等步骤.每一步骤都有一些常用算法,如用于平滑的均值滤波法,中值滤波法,迭代加权法等,用于增强的规格化法,自适应算法,拉普拉斯法,Wdlis滤波,Lee滤波等3.4.1.1 平滑处理4.1.1.1 增强对比度 图像增强的方法分空域法和频域法4

12、,空域法是增强图像的像素,空域处理可用下式定义; g( X,Y)=T (F(X ,Y) 式中F(X ,Y)是输入的原始指纹图像,灰度范围是m,M ,g( X,Y)为处理后的图像,灰度变换增强可以用下式描述; 可以提高指纹图像脊与谷的对比度.4.1.1.2 指纹图像规格化和滤波 指纹图像经过规格化后,才能将该图的均值和方差控制在给定范围内.即对指纹的每个像素进行操作,采用公式如下; N(x,y)=式中;N( x,y)是规格化后的图像,G(x ,y)是原图像,表示第 x行第j列象素点对应的灰度值,Var和M是图像G的方差和均值,Var0和M0是期望方差和期望均值.通过观测很小局部邻域内脊的方向,可

13、以得出该脊的方向,设脊线的方向向量为f, (x ,y)为f,在( x,y)处的方向角,有Hy,Hx为梯度分量.由上式可以求得此像素点的指纹脊线方向,然后将此连续的方向在0180°范围内离散化成8个方向,各方向之间的夹角为,8,求出每一块的整体方向的平均作为此块中所有点的方向,如图4-1. (a)8个方向 (b)8邻块 图 4-1 方向的选取取N块的8邻块(图4-1(b)出现最多的方向为N块的主方向.在该小邻域内与脊方向不同的点往往正是附加了噪声的点.根据这一特性设计7 ×7自适应滤波器,对图像进行方向滤波.使在指纹脊线方向上的像素点得到加强,在其他方向受到不同的削弱,从而不

14、但使指纹图像的噪声得到抑制,也保留了指纹的细节特征.经过方向滤波后的指纹图像效果较好4.1.2 锐化处理为增强指纹纹线间的界线,突出边缘信息,以利于二值化,要对指纹图像进行锐化处理.用空间微分来完成锐化处理.由于微分算子的响应强度与图像在该点的突变程度有关,所以锐化可以增强指纹边缘并削弱灰度变换缓慢的区域.二阶微分形成增强细节的能力优于一阶微分,对灰度级阶梯变化产生双响应,因此用拉普拉斯单一掩模进行锐化5. 由二元图像的拉普拉斯变换离散形式的定义; 可推出单一掩模的系数 所用掩模拉普拉斯单-掩模锐化变换后使图像中小的脊线部分得到增强.4.1.3 二值化对于指纹识别系统,有用的信息包含在脊线(指

15、纹中突起的)和谷线(凹下的)的二值描述中.因而必须根据原始的灰度图像来确定图像上的每一个点应属于客体区域还是背景区域,从而产生对应的二值图像,它不仅可大大减少存储量,还可以根据指纹的形状(环型,弓型,螺旋型等信息)将指纹分类,这样可以大大提高指纹识别的速度.在基于模糊集理论的增强算法基础上提出广义度阈点的方法 .阈值的正确选择在二值化中是很重要的,直接影响着分割的精度及图像描述分析的正确性.在此采用动态自适应阈值进行二值化,并根据脊线扩散张量特点,分解扩散4n个方向的和.即位于(x,y)处的像素g( x,y)的阈值V( x,y)是由以(x,y)为中心的指纹图像窗口(2n+1)×(2n

16、+1)中所有点的灰度值来确定.即 由于当(2n+1)×(2n+1)窗口落在下面2种不同区域将会引起错误判别;1)当(2 +1)×(2n+1)窗口较多地落在谷线区,将会使一部分乃至大部分象素点被判为脊线;2)当(2 +1)×(2n+1)窗口较多地落在脊线区,将会使一部分乃至大部分象素点被判为谷线.借助于参数和参考阈值Vt可以得到修正.令为一个通过试验获得的正整数,即令>0,有; 则 其中Vt为参考阈值.令二值化后的图像为r（x,y）,则; 此算法有点事不改变脊线连续性和奇异点的前提下,可以有效连接断裂脊线.4.1.4 细化细化是在不改变图像像素拓扑连接关系的条

17、件下,连续擦除图像的边缘像素,把纹线粗细不均匀的指纹图像转化成线宽仅为一个像素的条纹中心线图像的过程.细化可以去除不必要的纹线粗细信息,使得指纹图像的数据量及连接结构更加突出,便于从指纹图像中提取细节特征,如图4-2从而在指纹特征提取和匹配环节上提高图像的处理速度和效率. 图(4-2)在此先在脊线的端点用二次曲线来拟合局部脊线,在沿该端点的方向延伸得到的拟合曲线,并根据端点附近的脊线信息建立不同的处理规则来处理不同的情况,如对简单的脊线结构,即明显的断线,脊线间明显的桥以及作为短纹存在的毛刺等做初步处理,去除图像的边缘像素.为了克服指纹形变,用图示模板进行细化处理;从而得到最终的细化的指纹图像

18、,这样提取出的指纹细节点,特征点和脊线才更为可靠和有效. 4.2 特征提取4.2.1 指纹图像特征提取的方法有两种:(1) 从指纹的原灰度图像上识别细节特征;(2)从指纹的细化图像上识别细节特征,提取的特征主要有两类: 奇异点指纹奇异点 有三种类型:核形(Core),三角形(Delta)和涡轮形(Whor1);结构特 .它包括端点(Endpoint),叉点(Bifurcation),歧点,孤立点(Dot),环点(Loop),短纹(short Ridge)等及其方向,曲率,位置等信息.端点及叉点(图4-3(b)是指纹细化图像的主要特征,本文采用这两种主要特征构造指纹特征向量.它的提取方法为:设C

19、 n(P)为交叉数,S n(P)为像素8-邻域(图(4-3(a)纹线点数: 图(4-3) 特征提取 对于一幅彻底细化的指纹图像来说,只有三种纹线点:(1)C n(P)=1,S n(P)=1,称为端点;(2)Cn(P)=2,Sn(P)=2,3,4,称为连续点;(3)C n(P)=3,S n(P)=3,称为叉点.设提取的特征点集用P(P1,P2,Pn )表示,其中n为所提取的特征点的个数,Pi=(Xi ,Yi ,Ti,Ai),Xi,Yi表示特征点的坐标;Ti表示特征点的类型,当特征点为端点时Ti=1,当特征点为端点时Ti =2;a 表示特征点的角度,端点的角度取从端点为起点的端线的角度,又点的角度

20、取图(4-3(b)中角度a,b,c中最小者相对的分支的角度.端线及分支的角度求法为:从特征点开始搜索连续点直到搜到另一个特征点或步长达到7,设搜索到的最后一点为(X,Y),有: 4.2.2 伪特征点的去除 造成伪特征的原因有很多,指纹提取,二值化及细化等过程均可能引入伪特征.伪特征的存在将影响指纹的比对,降低识别率.(1)伪特征的分析.对于取端点及叉点作为特征算法,伪特征主要指图4-2中的五种:(a)毛刺;(b)假桥;(c)岛屿;(d)断脊;(e)短脊.对于这些伪特征的消除,文献2提出了基于纹线跟踪的后处理方法,文献13提出了基于知识的指纹后处理方法,将指纹后处理与指纹原灰度图联系了起来,文献

21、5提出了基于统计与结构的指纹后处理方法.分析这五种伪特征,它们带来的伪特征点总是成对在近距离内出现而且除断脊外均有短脊线相连接.毛刺,短脊及岛屿均为从一个特征点出发经过很小的步长到达另一个特征点,可以采用沿脊线搜索特征点的方法去除伪特征对.假桥,断脊则要考虑伪特征的角度关系.图4-2为理想化的伪特征,各伪特征的角度关系非常明显,假桥连线与脊线垂直,断脊连线则与脊线平行,实际情况则有偏差.设Pi,Pj为假桥或断脊带来的特征点对,v为小的角度阈值,且设A为Pi,与Pj连接线的角度: 则对于假桥,A与Ai,及a 近于垂直,即90°-v<<90°+v或90°-

22、v<<90°+v;对于断脊,Pi与Pj之间没有脊线,而且A与Ai或Aj的差小于v,即<v或<v.对于图4-4(f)的双叉结构我们不将其当作伪特征,它与图4-4(c)的岛屿的区别是连接两叉点的脊线较长,这在现实中是可能存在的结构,所以被保留. 图4-4 五种伪特征(2)伪特征的去除6.由于提取的特征集合P(P1,P2.,P n)全为端点与叉点,端点的伪形态有毛刺端点,短脊端点与断脊端点;叉点的伪形态有毛刺叉点,假桥叉点与岛屿叉点.我们可以分别从端点与叉点出发搜索其邻域,判断其真伪,全部伪特征被分为伪端点与伪叉点予以去除.根据上面的分析,伪特征可按如下规则去除:去

23、除孤立点与边界点,边界点定义为掩膜值为0的任何区域的距离小于阈值的特征点; 对于各端点Pi,从该特征点出发沿脊线搜索,若经过很小的步长到达另一个特征点即搜索到一个脊线点满足C n(P)!=2或S n(P)!=2则分别当作短脊,毛刺所带来的伪特征点予以去除;若该端点不是毛刺,短脊引起的伪端点,则搜索其邻域是否有端点Pj满足Pi与P j之间没有脊线,A与Ai或Aj的差小于30°,即<30°或<30°,据此来判断该端点是否为断脊;对于各叉点Pi,从该特征点出发沿脊线搜索其中一个分支,若有两个分支经过很小的步长均到达同一个叉点则当作岛屿予以去除;若有一个分支经

24、过很小的步长到达另一个叉点P且满足70°<<110°或70°<<110°,则可当作假桥剔除;若有一个分支经过很小的步长到达另一个端点Pj则可当作毛刺剔除.4.3 特征匹配指纹识别是生物识别技术中最重要,应用最广泛的技术.它利用指纹特征的唯一性和终身不变性识别个人身份,其基本任务是判断两幅指纹图像是否来自同一个手指(是否匹配).在匹配特征的选择上现在通用的是美国FBI提出的端点一分叉点特征模.这样,指纹匹配问题就转化为点匹配问题.同一个手指的两幅样本图像,由于按压时手指位置,方向和力度的不同,可能造成指纹图像的平移,旋转和非线性形变

25、.如何在这些情况下对指纹进行正确识别,是匹配算法需要解决的核心问题.前人对此作了大量工作,如Sanjay R的松弛算法,Stockman的Hough变换法,Anil J的基于校准的算法以及罗希平等对Anil J算法的改进.基于校准的匹配算法理论简单有效,受到人们的极大关注.它包括两个阶段;1) 特征点集校准; 定位输入点集和模板点集间的匹配原点对,以之为极点分别在输入点集和模板点集中建立极坐标系,计算两特征点集问的旋转参数并校准输入点集;2)特征点匹配;在校准后的极坐标系中使用点匹配算法(克服图像非线性形变和校准误差的影响)对两特征点集尝试匹配,统计匹配的特征点数.基于脊线校准的匹配算法,以特

26、征点所在脊线的局部相似性为依据选择匹配原点对,并根据匹配原点对计算得到两个特征点集间的旋转(和平移)参数,进而实现点集校准和匹配。4.4 算法存在问题 经过很长时间的深入研究和反复实践,发现这些常用的算法应用在指纹图象处理中有下列的问题:(1)这些算法对于指纹图象处理的效果并不理想,尽管从视觉上有一定改善,但对于后续的细化和特征抽取处理效果来看,不能有效地提高特征的准确率.(2)不能较好地处理指纹的背景部分,严重影响特征抽取和识别.(3)不能根据指纹图象的质量差别进行特殊处理,通常获得的指纹图象,会有部分区域质量较差,无法抽取特征,在这些算法中,无法找到一个判别标准3.5 指纹识别的应用领域目

27、前来说指纹识别的技术应用最为广泛,我们不仅在门禁,考勤系统中可以看到指纹识别技术的身影,市场上有了更多指纹识别的应用：如笔记本电脑,手机,汽车,银行支付都可应用指纹识别的技术.计算机应用中,包括许多非常机密的文件保护,大都使用”用户ID+密码”的方法来进行用户的身份认证和访问控制.但是,如果一旦密码忘记,或被别人窃取,计算机系统以及文件的安全问题就受到了威胁.随着科技的进步,指纹识别技术已经开始慢慢进入计算机世界中.许多公司和研究机构都在指纹识别技术领域取得了很大突破性进展,推出许多指纹识别与传统IT技术完美结合的应用产品,这些产品已经被越来越多的用户所认可.指纹识别技术多用于对安全性要求比较

28、高的商务领域,而在商务移动办公领域颇具建树的富士通,三星及IBM等国际知名品牌都拥有技术与应用较为成熟的指纹识别系统.6 研究现状及存在的难题指纹识别技术虽然已日渐成熟,图像处理及模式识别界曾一度认为AFIS技术已经得到很好的解决,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,污损指纹图象的识别的鲁棒性,适应性方面不能令人满.指纹识别系统将随着更小更廉价的指纹输入设备的出现,计算能力更强更廉价的硬件以及互联网的广泛应用而进一步拓宽其应用.其中.能适应联网在线指纹自动识别系统的应用算法有待进一步改进,多种指纹识别方法的集成应用以及包括指纹识别的多种生物特征鉴定的集成应用

29、也将是今后研究发展的方向.近年来,国外指纹识别相关研究又有升温趋势。因此,AFIS现在是,未来几年仍然是一个重要的,极具挑战性的模式识别研究课题 自动指纹识别技术已经取得了非凡的进步,但它并不是完美的.相反,指纹识别一直是一个具有挑战性的模式识别问题.目前,仍然存在着一些研究课题4:1)指纹采集技术获取的指纹图像的质量对于自动指纹识别系统的性能是至关重要的.手指是一个柔性体,尤其在使用平板窗口的采集设备进行指纹采集时,每次采集用力的大小,方向和采集的位置都会有所不同,造成指纹的各种变形,使指纹特征点的相对位置发生较大偏移,从而很难对各特征点做到精确定位.另外,手指表面是三维曲面,而获取的指纹图像却是一个二维平面,这种从立体向平面转化的过程也会造成指纹的变形.更主要的是,以上因素造成的指纹变形往往是不确定的,随机的,很难用确定的数学模型去描述,这给后继的指纹比对造成了严重的干扰.再者,由于皮肤的湿度,汗,灰尘或活体指纹采集中传感器本身的噪声等等原因,导致指纹图像质量差.因此,研制出