基于matlab指纹图像预处理技术研究

1、别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。指纹图MATLAB 实现了指纹图像的对比度增强、有效区域的选关键指纹图像预处理；二值化；对比度；特征点提Fingerprintimagepreprocessingtechnology research based on MATLABWith the development of the information age, computer has already been to replace artificial to personal identity.Due to the uniqueness and invariability o

2、f fingerprints, and the feasibility and practicability of the fingerprint identification technology, fingerprint identification has become the most popular, the most technologies.Fingerprint image pre-processing is a prerequisite of fingerprint recognition, it will havea direct impact on the success

3、 of fingerprint recognition. By comparing the various pretreatment algorithm, the paper choice and realized fingerprint image segmentation, and direction plans, the value of the algorithms.in the fingerprint collection process, there are existences of a large number of low-quality fingerprint images

4、, affecting the identification rate of fingerprint recognition system problems. The paper focuses on fingerprint image segmentation which belongs to pre-research makes a more thorough study, putting forward a fingerprint image segmentation algorithm by used the mean and variance of the image. For no

5、 clear image filtering algorithm using directed graphs segmented fingerprint image filtering.n addition, the fingerprint image thinning is studied deeply, although the number of templates to use is a lot, calculation time is longer, the deal is in place for the pixels, making relatively few glitches

6、 and maintain the basic structural characteristics of the original image, retaining the details of the biggest features too. Of course, given the slow speed of this method, there are still shortcomings of burr can be used for makingagreatWe introduce the use of MATLAB to achieve a fingerprint image

7、contrast enhancement, the effective selection of the region, the fingerprint binarization in this text. And to select the best of processing steps and algorithm parameters to solve the fingerprint image pre-processing problems.Key wordsfingerprintimagepreprocessing;binarization;contrast;featurepoint

8、 目摘 HYPERLINK l _TOC_250034 HYPERLINK l _TOC_250033 第1 章 绪 HYPERLINK l _TOC_250032 课题背 HYPERLINK l _TOC_250031 研究目的和意 HYPERLINK l _TOC_250030 指纹预处理技术发展现 HYPERLINK l _TOC_250029 指纹识别预处理技术特 HYPERLINK l _TOC_250028 主要内 HYPERLINK l _TOC_250027 第2 章 指纹识别系 HYPERLINK l _TOC_250026 指纹识别系统原 HYPERLINK l _TOC_

9、250025 指纹识别系统的工作流 HYPERLINK l _TOC_250024 指纹识别算法概 HYPERLINK l _TOC_250023 采集指纹图像的技 HYPERLINK l _TOC_250022 指纹图像预处 HYPERLINK l _TOC_250021 指纹图像预处理过 HYPERLINK l _TOC_250020 特征提 HYPERLINK l _TOC_250019 指纹匹 HYPERLINK l _TOC_250018 第3 章 设计方 HYPERLINK l _TOC_250017 系统算法描 HYPERLINK l _TOC_250016 归一 HYPERLI

10、NK l _TOC_250015 产生方向 HYPERLINK l _TOC_250014 方案过 HYPERLINK l _TOC_250013 指纹图像的分 HYPERLINK l _TOC_250012 指纹图像的增 HYPERLINK l _TOC_250011 指纹图像的二值 HYPERLINK l _TOC_250010 指纹图像的细 HYPERLINK l _TOC_250009 第4 章 软件仿 HYPERLINK l _TOC_250008 软件简 HYPERLINK l _TOC_250007 程序调 HYPERLINK l _TOC_250006 设计思 HYPERLIN

11、K l _TOC_250005 图像处 HYPERLINK l _TOC_250004 结 HYPERLINK l _TOC_250003 致 HYPERLINK l _TOC_250002 参考文 HYPERLINK l _TOC_250001 附录A 外文文献原 HYPERLINK l _TOC_250000 附录B外文文献译第1若干年的发展与推广已经被广泛应用在犯罪证据的提取和监狱的安全等方16HenryFauld 1880 10 28 日首次用现场指纹来鉴定罪犯。接着，William Hersche 也在Nature上发表了他本人关于指纹的 20 多年来的研究成果，从此揭开了现代指纹识

12、别的序幕。1892SirFrancis Galton对指纹进行了系统地研究，并提出了指纹细节特征分类，将指纹分为斗、箕、弧三大类2，使指纹识别应用进入了一个崭新的时期。1899 年，英国 Edward.Henry 建立了著名的 henry指纹分类系统并于 1901 年被英国政府正式采用，随后西方各国亦相继采密码，ID标识等或是利用用户自己拥有的物品，如身份证、钥匙、解码口理上的特征（如视网膜）或行为习惯的特征（如签名）来验证用户身份指纹特征是人终生不变的特征之一3，而且不同人的指纹特征相同的可能性几乎为零。人体指纹含有天然的密码信息，进行指纹识别的过程中，由于常常由于手指产生的噪声（旋转移动、

13、压力不均、干湿程度、表理是指纹识别的前提，它的好坏直接影响到指纹识别的成败。而使用 地看到图像预处理算法的效果。实验证明，用 MATLAB 实现的处理结果用指纹图像的 Fourier 频谱来表示和识别指纹。这类算法的问题在于图像出许多指纹识别与传统 IT 技术完美结合的应用产品，这些产品已经被越立知识产权的嵌入式指纹识别模块、指纹应用系统软件等，用户反映良领域颇其建树的富圭通、三星及 IBM 等国际知名品牌都拥有技术与应用距。主要表现在：1.指纹录入设备的质量还不太过关；2.自动指纹识别算4 意。要想使设计的细节特征提取算法能够对低质量指纹图像也能可靠工本次设计，主要为了学习图像处理的相关知识

14、，弄懂指纹图像的格将通过 MATLAB 平台进行对指纹图像的预处理，并得到指纹特征点的图第2储指纹图像。但指纹识别算法最终都归结为在指纹图像上找到并比对指指纹的特征：指纹有两类特征来进行指纹的验证：总体特征和局部特征。在考虑局部特征的情况下，英国学者 E.R.erry 认为，只要比对 13 个特征点重合，就可以确认为是同一个指纹。总体特征：总体特征是指那些用人眼直接就可以观察到的特征，包（whorl上的唯一性特征。因为通常手指上平均具有 70 产生大约 490 纹图像。总之，这些数据，通常称为模板，保存为 1K 大小的记录。无论2-1 所示。2-1 据美国国家标准局规定，包括脊末梢、分岔点、复

15、合特征和未定义四种，称为细节点(Minutia)。不同人的指纹的细节点是唯一的、稳定不变FBI 提出的指纹首先，指纹要通过指纹采集设备转化为计算机内的数字图像（一般为灰度图。由于采集过程中难免因手指或仪器的原因而使图像存在较多的噪声，所以为了使图像更清晰以便于后续特征提取，必须对采集到的图像进行增强和滤波，并进一步二值化、细化。激光照在手指上，然后用 CCD 阵列摄取其反射光，由于反射光强随着指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。 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1

16、104Hz1109Hz对人体无损的程度（与医学诊断的强度相同。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。2-1 2-1 大小中干手指差，但汗多的和稍低低声，使指纹图像清晰、边缘明显，以便于提高提取和存储特征点的准确面捺印指纹，公安行业普遍采用滚动捺印指纹。另外，也可以通过扫描指纹图像的二值化。目前指纹的二值化不外乎两种方法， 一种是固定门限法，另一种是动态门限法。固定门限法是对整幅图像用一个灰度门限值，它对输入图像要求高， 要求整幅图像灰度分布均匀。因此我们把均动态门限法是根据不同区域取不同门限值，一般采用平均域值法。它对输入图

17、像照射要求不高。因此我们把方向性滤波后图像作为输入图像。指纹图像的细化是找出指纹纹线的轴心线来代替纹线的过程。目前采用的细化方法就是迭代一一轮廓剥离法。每次垒图像扫描迭代一次，就剥掉边界像素中不影响连通性的像素，直至纹线宽度为 1样一来，如果被细化的纹线宽度越厚，迭代次数就越多，细化时间就越长，这是我们不希望的。指纹形态特征包括中心（上、下）和三角点（左、右）等，指纹的细节特征点主要包括纹线的起点、终点、结合点和分叉点。将这些点进行自动选择从而完成指纹形态和细节特征提取的工作。指纹比对是将可以根据指纹的纹形进行粗匹配，进而利用指纹形态和细节特征进行精确匹配，给出两枚指纹的相似性得分。根据应用的

18、不同，对指纹的相似性得分进行排序或给出是否为同一指纹的判决结果。算法、拉普拉斯法、Wdlis 滤波、Lee 滤波等。不能根据指纹图像的质量差别进行特殊处理，通常获得的指纹图方向图算法正是基于以上特点在 80 年代初期，就已经开始有把方向1987年开始，B MMehtre 等人成功地得到了在灰度图上直接获于方向图的算法成为指纹图像处理方法研究中的一个热点 在以后的研究中，出现了很多改进和发展，如 Kallen Karu 等提出的把方向图用于纹型分类。Linghong 等提出的基于方向图的纹线增强等都取得了较好的效果。合的模板中，这个过程被称为特征提取过程10，它是手指扫描技术的核58 个被缩细到

19、一个像素，这样就能精确定位脊断点划分细节。这种方法的好处在于检索的速度有了较大的提高，一个显著指纹匹配就是指纹特征值对比的过程。它是把当前取得的指纹特征值集合事先储存的指纹特征值摸板进行匹配的过程。指纹匹配是一个模式识别过程，判定的标准不是相等或不等，而是相似的程度。这个程度判定依赖于事先设定的阈值，以及与判定是比较的特征点的个数。阈值取得合第3当对质量差的图像进行二值化后往往不能取得令人满意的结果。从数学上的观点来看，脊线可以看作是沿着一个方向上，灰度取得极3-1 灰度脊线图所示。按照3-1 3 归一大量的实验证实，指纹图像的灰度级大致分布在20，80的范围内，考虑到其它组织以及噪声等因素，

20、我们在进行归一化处理时，将指纹图像的灰度级映射到0，255的灰度区间上，映射函数如下： x (3-gmax 在（3-1）gmin gmaxgorig x 产生方向3-2 到图像增强的效果并最终影响到准确提取特征点。产生方向图有两类方对于图像上每一个点i, j，在八个方向上画一条直线，直线的长度大nd=S | f *(i, j) dddkddd, jk )(3-ddkkf*(i, j) 1 f (i , j ddkkn k(3-是点ijikjkdk 个点，N 是所取方向的方向数，n N=88 个方向，n=4个邻点。将记录的方差Sd d定为该点ij此，要想得到较精确的处理结果，可以在此基础上再做

21、1616 的中值滤3-4 指纹图像的灰度梯度图所示，在指纹的灰度图像上每一像素点处有确定的梯度值向量，一般在某 1616x（i ， j)y (i ， j)Sobel Sobel 1,2,1 1,0,1 0,0,0 和 （3-采用了将方向角变为二倍的方法，原来方向角相差 的两个向量经方向角变为二倍后,2 从而具有相同的方向角。公式如（3-5（3-6）G (i, j) iw/ jw/2(u,v)2(u,（3-uiw/ 2v jw/ Gy (i, j) iw/ jw/2*y (u,v)*x (u,（3-uiw/ 2v jw/ (i,j) 1atan1(Gy (i, j)由公式（3-5）与（3-6）(

22、i, ( （3-x cos(2*(i, y sin(2*(i, （3-（3-为了得到更准确的方向，通常还要对x 与y 做低通滤波，这样便可得到8 指纹图像的分在指纹识别系统中，指纹图像分割是图像预处理的一部分。指纹分割的最基本的依据是图像某些特征和特征集合。图像特征是指纹图像的固有属性,如灰度值,邻域关系,纹线的扭曲程度等。特征集合则是几种的结合。通过提取图像特征,可将原始图像映射到特征空间,使图像特征在特征空间中呈现一定的分布。因此根据以上的的灰度值领域关系，纹线的扭曲程度，指纹图像分割大致分为三类：基于像素的图像分割，基于块特征的图像分割以及基于全局的图像分割13。基于像素的指纹图像分割中

23、目前流行多尺度小波变换和阈值法。小波变换和傅里叶变换的出发点都是将信号表示成基函数的线性组合。所不同的是傅里叶变换采用时间属于(-，+)的谐波函数exp(inx作为基函数，而小波变换的基函数是母函数 (t)，通过对母函数 (t)进行伸缩和平移得到一个小波序列：1 tbabRa aaaaa为伸缩因子，b 为平移因子。对于任意函数 ftL2R的连续小波*tbWf a,b a 2 R ft aa（3- 1 （3-a- - aa计算机中的图像信息是以离散信号形式存放的，在信号处理中，特别是在数字信号处理和数值计算等方面，为了计算机实现的方便，连续小波必须进行离散化，而最基本的离散化方法就是二进制离散，

24、一般将小波变换的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递中可以抗干扰。在指纹识别中使用小波变换有助于噪声的滤除以及有利于检测奇异点。但是小波变换的明显缺点是它另一种阈值分割就是简单地用一个或几个阈值将图像的灰度直方图分成几个类，认为图像中灰度在同一个灰度类内的像素属同一物体。它是图像分割中最基本的方法。其原理是先定一个阈值，大于此值为 1，小于则认为为 0；多阀值则可以利用多维函数。此原理在匹配中也可以运用。其优点是计算简单，仅需比较灰度值即可。运算效率较高，速度快；它的缺陷在于仅考虑图像的灰度信息，而忽略了图像的空间信息，对于图像中不存在明显灰度差异或各物体的灰

25、度值范围有较大重叠的图像分割问题难以得到准确的结果。代表块特征的指纹图像分割目前研究趋势为多种块基本特征如灰度均值、块灰度方差、块方向图等综合运用和重新定义块特征。其中块指的是将图像分个成一个个小的图像块。图像均值就是对每一个单位块的灰度值取均值，方差则反映该块中各点与均值的偏差性，这可以很好的反映纹理的变化趋势。一般来说，常见的方向场的计算分为掩模法和公式法两大类。LinHong 等人开发的基于最小均方估计算法，即公式法。xi,jGi1,j12Gi, j1Gi1, j1Gi1, j12G(i, j1)G(i1, jyi,jGi1,j12Gi,j1Gi1,j1Gi1,j12G(i1,j)G(i

26、1,jiw/2 jw/rx (i, j) 2u,v(u,iw/2 jw/iw/2 jw/（3-ry (i, j) iw/2 jw/u,v2 (u,（3-它是利用正交坐标系下，原点到它们组成的坐标点的有向线段与 X的正半轴的夹角可来表示该子块的块方向。这种方法最大的优点是易实现，很好体现出纹理，但缺点是对于变化太快的部分出错。此方法的实该算法基于背景区灰度方差小，而指纹区方差大的思想，将指纹图像分成块，计算每一块的方差，如果该块的方差小于阈值为背景，否则将低频图分成 MM 大小的无重叠方块，方块的大小以一谷一脊设指纹图像I的大小为HL ，I(i,j)为像素点(i,j)的灰度，AVE和VARAVE

27、 H-1 L1 I(i, j)HL i0 （3- H-1 L1HiHI(i, j)-E2（3-在使用方差均值法之前还要使用归一法将图变为低频图。归一化的目的是把不同原图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一的图像规格。指纹图像的归一化公式如式(3-16)VAR VAR (I(x,y) AVE0VAR (I(x,y)VAR (I(x,y) AVE （3-AVE0 和VAR0 3-5 为进行分割处理后指纹图像的增3-5 进行滤波，其实现方法如下：先求水平方向的滤波器(d=1), 一般 77 最为使处理后的图像总体灰度值不变,必须要求 7a+14b+14d+14c=1，条

28、件 a2b2c2d,使像素点由水平方向的滤波器按式（3-17）旋转相应的角i, j,i,j。ddddddddcccccbbbbbaaaaabbbbbcccccdddddcccc3-6 isin i-cos （3-=(d1)/8为滤波器旋转的角度，d为方向代码，在新方向的滤波器上,(i, j)g i , j )相当于水平滤波器上(i, j) 位置的系数 g0(i, j) 。此时点(i, j)g i , j需要用周围点的系数进行内插(i, j) g0 iL , jL g0 iL , jU g0 iU , jL g0 iU , jU )则内插表达式为（3-iL i iU jL j AVf (i, j

29、) = 1f (i, j) AVf (i, j) =0。3-8 由于灰度去噪的不完全及二值化过程又可能引入噪音，所以对二值化后的指纹图像还需要进行一次二值滤波去噪，目的是去除或减弱图像中的噪音，增强图像中有意义的部分。这一过程可以填补二值化后纹线上的孔洞或者删除模式上的“毛刺”和孤立的值为1的像素，即包括填充和删除两个算法。填充：填充算法把同时满足以下条件的像素P值取为P为0像素删除：删除算法把同时满足以下条件的像素P值取为P为1像素p1 p2 p3p5 p6 p7p3 p4 p5p7 p8 p10P不是端点1111010001111110011110100011111100011101001

30、11010000111000000图3-10 p指纹图像的细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 12 脊端分叉分歧点 孤立环短3-12细化过程中，在判断是否删除一个前景像素点时，需要考虑其33邻说明删除当前像素点不会改变原图的连通性；若大于1，则改变了原图的NC 为P的8邻域中的连接成分数，则其由序列p1p2p3p4p5p6p7p 88令BN为33BN pi1.2BN6（排除P为端点和内部像点的情况若已标记pi视为1NC =1（保证删除当前像素不会改变原图的P的值是1（保证p为前景点当p3或p5已标记时，若视p3、p5为0NC=1（保证宽度为2的当扫描完整幅图像后，

31、去掉作了标记的像素。重复一、二步过程，3-10 8 连通的指纹图像。经上述处理后得到最终的细化的指纹图像，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。有利3-13 第4MATLAB是矩阵实验室（Matrix Laboratory） 的简称是美国 MathWorks 公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包MATLABSimulink 两大部分17。MTLB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MTLB 函数集）

32、扩展了 MTLAB 环境，以解决这些应用领域内特定类型的问题。他具有以下诸多的优点应用软件开发（包括用户界面MATLAB7.6，功能强大，有利于对实验进行简易设计思采集到的指纹图像受各种原因的影响，是一幅含较多噪声的灰度图像。预处理的目的就是去除图像中的噪声，把它变成一幅清晰的点线图，这样才能提取正确的指纹特征，从而达到后边的正确匹配。预处理过程主要包括指纹规格化，平滑滤波处理，方向增强处理，二值化，细化等，它是指纹自动识别系统中极为关键的一步，它的好坏将直接影响着指纹识别的效果。在此基础上，提取指纹特征信息，得到输入指纹特征模板，然后用输入指纹特征模板与已登记的指纹特征模板进行匹配，最后显示

33、识别结果。4-1其整体结构如上图（4-1）所示，对此，我们将通过 MATLAB 进行以读入图像：通过MATLAB 指令imread 将图像读入MATLAB指令将图像进行灰度化，同时将其保存bmp 的图像格式。显示图像：将指纹图像进行初步处理，二值化，细化等基本步骤，并且在应用程序中将指纹图像显示出来。BMP文件：把修改过的指纹图像存人原来的文件，或者把处理BMP 文件。图像增强：主要有两种增强方法，一是直方图均衡算法，一是对比度的增强算法。有效区域选取：由于原始指纹图像中指纹的脊线和谷线的边界可能达不到对比度的要求，并且指纹图像边缘的指纹不是那么清楚，所以要对整个图像进行有效区域的选取，对比度

34、达到要求的图像区域才能进行后期处理。特征值的提取：将指纹图像中出现的纹线的起点、终点、结合点和分叉点选择出来，并用小圆圈将其圈出。首先，先将选择的指纹图像进行灰度化处理，在此过程中，只要求我们将选好的图像输入到已经完成的程序中即可。下图中为图像得到的灰度化图像。4-24-3将选择的灰度化指纹图像读入，通过 MTLB 的指令将其进行二值化和细化，我们进行二值化以后，指纹图形的脊线将变成黑色，而指纹皱褶将由白色代替。指纹细化消除了多余的指纹脊线，直至像素脊线只是一个像素宽。其图如下图 4-4，左上角的图像是指纹图像，右边的为二值化图像，下面的为指纹细化图像。4-4 4-4-5 为此，我们选择了一块

35、有效区域，同时将进行以下操作来去除伪特征点，1（D 为自己设定的参数值）我们会删除这个细节。过程 2：如果两个交叉点距离比 D 较小，我们会删除这个细节。4-5 3：如果两个终止点之间的距离比 D 较小，我们会删除这个细枝4-6 所示。4-64-8MTLB 理技术中的图像分割算法、图像增强算法，图像二值化算法，图像细化算法，通过对各种算法以及结果的比较和分析，可以得出如下结论：MATLAB语言来对指纹图像进行分割。分割前还对图像进使用方向图滤波法对图像进行增强，在得到指纹的方向图后，根据每个像素点的方向值，利用方向滤波器对指纹进行滤波，以消除噪音、增强纹线、提高脊和谷之间的反差。方向滤波器是一

36、系列与像素点方向有关的滤波器，使用时根据某一块区域的方向特征，从一系列滤波器中选择一个相应的滤波器来对这一块进行滤波0 1 的点的位置有关，不再涉及像素的多级值，使处理变得简单。并且在二值化指纹图像后还需通过进 “毛刺”1 的像素。通过逐层迭代算法对二值化的图像进行细化处理。选用了一种比较精确的模板细化，得到了指纹细化后比较清晰的图像。经过图像分割、增强及二值化对图像的处理后，可以有效去除噪声等干扰对图像的影响。为后期的识别奠定了基础。尽管本文对所选取的分割和增强等测算法进行了一定的研究，但限于本人能力和时间所限，使得本文中所研究的一些算法仍存在许多不足之处，如对图像的分割和增强程度有限等不足

37、，还有其他许多考虑还不够全面，存在一些问题，这些都有待于进一步完善。经过半年的材料准备、开题、论文写作及修改，我的毕业论文终于定稿。在论文完成前后，我的心情波动较大。从论文的选题、资料的收集到论文的撰写编排整个过程中，我有来自各方面的帮助。在这个写作过程中，才发现要感谢的人真的很多。首先，我要感谢我的毕业设计指导老师董老师。我在选题及研究过程中，得到董老师的悉心指导。董老师多次开会讨论研究进程，帮助我开拓研究思路，精心点拨。对论文中出现的许多问题及时当面沟通，悉心地指导我在论文问题的解决思路，经过反复修改，论文终于得以定稿。董老师一丝不苟的作风，严谨求实的态度，踏踏实实的精神，热情宽容的态度让

38、我时刻想着要尽快完成自己的论文早日毕业。四年寒窗，所收获的不仅仅是愈加丰厚的知识，更重要的是在阅读、实践中所培养的思维方式、表达能力和广阔视野。很庆幸这些年来我遇到了许多恩师益友，无论在学习上、生活上都给予了我无私的帮助和热心的照顾。在此，衷心的感谢他们。在论文的撰写和资料搜集期间，前人的资料对我提供了莫大的帮助，这里感谢设计中被我引用或参考的论著的作者。感谢对我论文进行评审的各位老师，感谢对论文的指导和提出的宝贵意见。最后，再次感谢所有关心我、帮助过我的老师、同学、朋友和亲人。他们也在我写作期间或多或少的帮过我的忙。于秀霞.Kalle Kava Fingerprint Classificat

39、ionPattern Recognition，2006，29(3): HONGL,WANGY,JAINAKFingerprintimageenhancement: Algorithm and performance evaluation1EEE Transactions onPattern Analysis and Machine Intelligence，2002.85(9): 777789刘灵丽，李丽娟指纹图像预处理和特征提取计算机工程，2006 (16)Smeulders A W M , Worring M , Santini S , et al . Content -based ima

40、ge retrieval at the end of the early years. IEEE Trans on Pattern analysis and Machine Intelligence, 2000, 22 (12): 1349 1380林国清指纹图像预处理方法的研究.光电工程，2002,29 简兵基于脊线跟踪的指纹图细节提取算法电路与系统马笑潇，黄席樾，周欣，等指纹自动识别系统中的关键技术方向图重庆大学学报，2001 ,24（3）:9194.郭文鹃杨公平董晋利指纹图像分割方法综述. 山东大学学Sanpachai Huvanandana，Settapong Malisuwan. A

41、 Hybrid System for Automatic fingerprint Identification:Fingerprint Enhancement.Department of Electrical and Computer Engineering，2005.13(2):112.李徐周,于飞. 有效的指纹纹线细化算法计算机工程与设计,2006 (4)刘文星，王肇圻，母国光纹线跟踪及其在细化指纹后处理中的应缪绍纲数字图像处理活用 MATLAB成都：西南交通大学出版附录A 外文文献原AHYBRIDSYSTEMFORAUTOMITICFINGERPRINT IDENFICICATION:

42、FINGERPRINT ENHANCEMENTSanpachaiHuvanandana，SettapongDepartmentofElectricalandComputerA hybrid fingerprint identification system is presented in this paper. The system consists of several steps: fingerprint enhancement, minutiae extraction, texture feature extraction, fast texture matching, and minu

43、tiae matching. The enhancement algorithm consists of several steps: local ridge orientation estimation, filter design,enhancement, intensitystretching,binarization,thinning, minutiae extraction, andfalse minutiae elimination. Our approach has been tested in term of both objective and subjective eval

44、uation. The experimental results show an accurate minutiae extraction and effective performance in fingerprint matching system. The proposed hybrid matching system needs fewer steps to identify individuality than traditional methods. The proposed hybrid matching system has been tested on a reasonabl

45、y large fingerprint database and the experimental results show an effective performance without matching every fingerprint in database.Among various fingerprint identification systems, the traditional methods based on minutiae have been widely used 1.2.3 because the topological structureofminutiaeof

46、afingerprintisuniqueandinvariantwithaging.Jainet.al. proposed an novel alignment-based matching algorithm in 2 where the authors used ridges associated with minutiae to obtain transformation parameters and elastic matching had been used for matching. The result was accurate but thesystem required a

47、large storage because all ridges information must be saved. Another fingerprint identification approach, called a filterbank-based fingerprint matching 4, used a bank of Gabor filters to capture the details in fingerprint as a compact fixed length FingerCode. The matching is based on Euclidean dista

48、nce between twoFingerCode, hence, itisfaster thantraditional method but reported a lower performance. In the filterbank-based approach, convolution with Gabor filters is the major computation to the overall feature extraction time. In this paper, we focus on a framework of an automatic fingerprint i

49、dentification using a hybrid system with a fast filters-based searching and a minutiae matching. The flow chart of our proposed hybrid fingerprint identification system is shown in Figure 1.In Section 2, the fingerprint enhancement and minutiae extraction framework are explained. Section 3 discusses

50、 a proposed fast fingerprint matching system using a filterbank. A hybrid fingerprint identification system is proposed in Section 4.EnhancementandMinutiaeLocalRidgeOrientation(LRO)The optimal ridge direction is defined as the directional field that shows the dominant local structure orientation. We

51、 propose an orientation angle approximation via Wavelet Transform. Level-1 of a 2-D wavelet represents 4 sub-bands, called LL, HL, LH, and HH, which correspond to low frequency, horizontal detail, vertical detail, and diagonal detail coefficients, respectively.The advantage of using wavelet coeffici

52、ents for orientation angle estimation is that the LH and HL wavelet coefficients, which can be viewed as smoothed gradient information, can be directly calculated and treated as partial derivative results. Hence, smoothing is not required after orientation estimation. In our experiment, the proposed

53、 LRO estimation outperforms other gradient filters such as Sobel, Robert, DoG, and LoG.np/2 rp/2JxJ0.5tan-1 in-p/2 jr-p/ np/2 rp/22 Jx -Jy in-p/2 j-p/ImplementationofSpatial22xxGL xexp-x2/22 GH yexp-y2/22 exp-y2/22 2222y1y2yHence, from the separable product property, 2-D filters can be realized by t

54、he multiplication of Eqs. (2) and (3). Take for example, without loss of generality, let us assume that the ridges are perfectly horizontal. The 2-D (mxm)filter that enhances horizontal ridges is given by.G(x,y)=G(x)G(y),(-m+1)/2x,y(m-1)/2, (andmisThe same analysis can be applied for enhancing other

55、 ridge directions with different orientation filters. By applying the appropriate filters, each directional ridge can be enhanced. By rotating this horizontal Gaussian filter mask, G(x,y), with appropriate direction, enhancement filters for different fingerprint orientations can be found. More speci

56、fically, let N be the number of ridge directions, the directional filter can be written as G(x,y), rotation angle, and i=1,2,.,N.From Section 2.1, the estimation of the ridge is quantized into eight different directions, hence, eight directional filters are needed in order to enhance the whole finge

57、rprint images.Inthis section, the proposed enhancement techniques areexplained, including local ridge orientation estimation, spatial filtering implementation, enhancement, intensitystretching,binarization,thinning,minutiaeextraction,andfalseminutiae elimination (see Fig. 3). Experimental results an

58、d evaluation for various kinds of fingerprint images are shown in next subsectionsThe enhanced fingerprint image,Fen (x,y) , is determined by filtering fingerprint image, I(x,y), with an appropriate directional filter mask,Gi,(x,y) where i depends on the quantized ridge directions of the fingerprint

59、 image,.In order to obtain the enhanced image, the following parameters must be specified:Thesizeofthesmoothingfilter (m).Inoursimulations,m=11isusedforthe size of the filters.Three standard deviations, 1，2 , 3In our simulations, we used a constant value of . Based on our observations, the thickness

60、 of ridge line in our fingerprint database is between 8 to 16 pixels in the resolution of 72 pixel per inchyieldingtheminimumandmaximumfrequencyas1/8and1/16respectively. From the observed frequency and 1/2 ，the approximate standard deviations for the high-frequency filter are calculated as 2=2.5，3=1