论文：指纹识别过程的探究

论文：指纹识别过程的探究临沂大学理学院2012届本科毕业论文（设计）PAGE12届分类号:单位代码:10452临沂大学理学院毕业论文指纹识别过程的探究姓名刘冉学号200807690230年级2008专业电子信息工程系（院）理学院摘要本文的主要工作是对指纹识别系统的基本流程进行了简单总结.首先概述了指纹识别的研究意义及现状,并对指纹识别的技术特点和基本原理进行了论述.其次把指纹识别过程的四个模块分成四节进行介绍,模块一主要讲的是指纹采集设备的分类并对其进行了对比,模块二是把图像预处理的详细过程分小节进行了论述,这一步也是指纹识别过程中关键的一步,因为指纹图像处理的好坏关系到最后的匹配,模块三介绍了指纹的特征以及提取的步骤,模块四主要介绍了特征匹配的方法.最后对指纹识别技术进行了简单的总结.关键词：身份识别；指纹识别；图像处理；特征匹配

ABSTRACTThepaperbrieflysummarizesthebasicprocessoffingerprintidentificationsystem.First,thereisanoverviewoftheresearchsignificanceandthecurrentsituationoffingerprintrecognition,thenthe

technologicalcharacteristicsoffingerprintidentificationsand

itsbasicprincipleisdiscussed.Second,foursectionsisusedtointroducethefourmodulesofthefingerprintidentification:Moduleoneismainlyabouttheclassificationsfingerprint

collecting

device

and

the

contrastsbetweenthem.Module

two

wediscussthe

image

preprocessing

indetails,this

step

is

asignificantoneintheprocessof

fingerprintidentification

,asthestandorfallofthefingerprintimageprocessing

is

crucialto

the

lastmatch.Modulethreeintroducethecharacteristicsoffingerprintandthestepstoextract.Modulefourismainlyintroducedthemethodsoffeaturematching.Andthereisasummarizationofthefingerprintrecognitiontechnologyattheendofthepaper.Keywords:Identification,fingerprintidentification.Imageprocessing,featurematching目录1引言 12指纹识别 22.1研究的背景及意义 22.2指纹识别技术发展现状 22.3指纹识别的基本原理 33指纹图像的获取 43.1光学取像设备 43.2晶体传感器 43.3超声波扫描 54指纹图像的预处理 54.1图像分割 64.2图像平滑 64.3图像锐化 64.4二值化处理 74.5图像修饰 74.6细化处理 85指纹图像的特征提取 85.1指纹的基本特征 85.2特征提取 116指纹图像匹配 126.1两级比对方法 126.2点模式匹配方法 137总结 13参考文献 14致谢 15PAGE151引言指纹是指人类手指上出现的条状纹路,这些纹路的存在增加了皮肤表面的摩擦力,使得我们能够用手来抓起重物.同时人们也很早就意识到,指纹具有唯一性和稳定性,世上没有两个完全相同的指纹,而且人的指纹终生不变.据此,可以把一个人同他的指纹对应起来,通过对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,这样依靠指纹进行身份验证的技术称为指纹识别.指纹识别的历史可以追溯到公元前7000年到6000年以前,在古叙利亚和中国,指纹作为身份鉴别己经开始应用.考古发现,在这个时代,一些粘土陶器上留有陶艺匠人的指纹,中国的一些文件上印有起草者的大拇指指纹.19世纪初,科学研究发现了至今仍然承认的指纹的两个重要特征,一是两个不同手指的指纹纹脊的样式不同,另外一个是指纹纹脊的式样终生不变.这个研究成果使得指纹在刑事侦察中得以正式应用.20世纪60年代,由于计算机可以有效的处理图形图像,人们开始着手研究利用计算机来处理指纹.从那时起,自动指纹识别系统的研究和应用在许多国家展开.20世纪80年代,个人电脑和光学扫描这两项技术的革新与发展,使得它们作为指纹取像的工具成为现实,从而使指纹识别可以在其他领域中得以应用,比如代替钥匙、证件等传统身份识别.90年代后期,随着低价位取像设备的引入及其飞速发展,以及可靠地比对算法的研究发展,个人身份识别应用技术取得了长足发展.推动指纹识别技术快速发展的另一动力来自于各个领域对身份识别日益增长的需求,尤其是网络信息、安全领域对身份识别的需求.网络信息化时代的一大特色就是身份的数字化和隐性化,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社会问题.现行的许多计算机系统中,包括许多非常机密的系统,都是使用“用户ID+密码”的方法来进行用户的身份认证和访问控制的.实际上,这种方案隐含着一些问题,例如,密码容易被忘记,也容易被人窃取.由于人体的指纹等身体特征具有不可复制的特点,人们把目光转向了指纹识别等生物识别技术,希望可以借此技术来应付现行系统安全所面临的挑战.研究表明,每个人的指纹、面像、虹膜等特征都与他人不同且终生不变,因此就可以据此识别出人的真实身份.基于这些特征,人们发展了指纹识别、面像识别、虹膜识别等多种生物识别技术,其中的指纹识别技术已经达到实用化、商品化的程度.所谓的生物特征识别是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定的识别技术.生物特征与生俱来,多为先天的,主要的生理特征有指纹、虹膜和DNA等特征.行为特征则是习惯使然,多为后天的,包括笔迹、足迹和步态等特征.生物特征识别与传统的身份鉴定手段相比,具有不易遗忘或丢失、防伪性能好和随身携带,随时随地可用的优点.因此指纹识别技术是主要的生物识别技术之一.2指纹识别2.1研究的背景及意义科学技术的迅猛发展为人类的生产生活带来了极大的便利,大大地推动了现在社会的进步和发展.在网络化时代的今天,我们每个人都拥有大量的认证密码,比如开机密码、邮箱密码、银行密码、论坛登录密码等等：并配备了各种钥匙,如门锁钥匙、汽车钥匙,保险柜钥匙等.这些都是传统的安全系统所采用的方式,但是这种传统的安全系统存在易遗忘、易丢失、易盗用等不方便和不安全因素,在现实生活中经常需要对人的身份进行识别,例如登飞机时需要识别登机者的身份,在银行取钱时需要核实取钱者是否是指定账户的合法拥有者等等,但是这些方式存在易遗忘、易丢失、被破译或者是仿制等缺点,因此迫切需要一种准确、方便、安全的识别技术来代替现有的身份识别.指纹特征是人终生不变的特征之一,其具有作为密码信息必须具备的三个重要性质；广泛性、唯一性、终生不变性.因此,指纹识别技术,作为一种可靠的生物识别技术[1],受到了人们的重视.尽管人们已经对自动指纹识别技术作了深入广泛的研究,指纹识别技术也获得了不少应用,但是指纹识别的应用在目前还并没有获得普及,这主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的要求.相对于其它生物识别认证技术而言,自动指纹识别是一种更为理想的身份确认技术,因为指纹相对于其它几种生物特征具有以下一些独特的性质：(1)互异性；世界上两个指纹完全相同的概率小于10-9,几乎为零.(2)不变性；人的指纹特征不随年龄的增长和胖瘦或其他情况的改变而改变.(3)具有和主体永不分离性；这样对主体身份的识别更具真实性.(4)指纹的使用比起其它证卡来说更快捷、安全准确、无干扰,可实现快速登录注册.(5)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.(6)指纹识别中使用的模板并非最初的指纹图,而是由指纹图中提取的关键特征,这样使系统对模板库的存储量较小.另外,对输入的指纹图提取关键特征后,可以大大减少网络传输的负担,便于实现异地确认,支持计算机的网络功能.2.2指纹识别技术发展现状指纹识别算法的研究方向主要分为：基于图像的识别算法和基于特征的识别算法.基于图像的识别算法认为指纹图像的频域和空域信息可以用来唯一表示并识别不同的指纹[2].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Fourier频谱来表示和识别指纹.这类算法的问题在于图像特征难以定义和匹配,因此算法的拒识率和误识率较高.基于特征的指纹识别算法是找到并比对指纹的特征[3].指纹特征的复杂度足以提供用于鉴别的足够特征.目前大多数的自动指纹识别系统使用的都是这类算法.指纹特征多种多样,有特征点、奇异点、域方向图、脊线数目,甚至脊线线型等.对应的匹配方法可以分为：基于点模式的匹配,基于脊线的匹配,基于纹理的匹配以及多种细节特征混合的匹配方法.大多数基于特征的识别算法专注于脊线上的末梢点和分叉点,该方法根据各个特征点的位置和方向来表示和区分指纹,从而使指纹识别问题转化为判断两个特征点集间的最大相似度(最大重合度)的问题.提取该细节特征有多种方法：基于灰度指纹图像直接提取,基于二值图像的特征提取,基于细化图像的特征提取.目前许多公司和研究组在指纹识别技术领域中都取得了突破性的进展,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.中科院自动化所智能生物信息系统研究组和北京数字指通软件技术有限公司对自动指纹识别技术进行了长期的理论研究和应用系统开发,指纹图像的识别准确率和识别速度已达到国际先进水平.另外,一些公司和机构结合社会应用的实际需求,开发了各种类型的具有独立知识产权的嵌入式指纹识别模块、指纹应用系统软件等,用户反映良好.指纹识别技术多用于对安全性要求比较高的领域,而在商务移动办公领域颇具建树的富士通、三星及lBM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[4].与国外相比,我国在自动指纹识别技术的研究水平上还存在一定的差距.主要表现在：(1)指纹录入设备的质量还不太过关：(2)自动指纹识别算法研究水平还有待提高,在应用上的表现为产品适应性和易用性较差,对干、湿一些的指纹往往不能正确区别,对指纹录入时的旋转、平移比较敏感.2.3指纹识别的基本原理指纹识别技术与其它模式识别技术一样,并不是直接对指纹图像进行识别,而是要从图像中提取关键特征,对特征图像进行识别匹配.从生理上看,纹路是手指皮肤的凸起的部分(脊),纹路之间是凹下的部分(谷).因此,理想的指纹图像是一幅黑白相间的二值图像.但是,由于指纹通常是用按压的方式得到的,因此油墨不均匀、纸张不均匀、按压的压力不均匀、按压的位置和方向不同、手指的状况以及皮肤的变形等因素都会导致指纹图像不理想.通过扫描仪或者摄像机进行数字化的时候,由于光照、环境等因素的影响,也会引入各种噪声.这些因素都使得原始的指纹灰度图像不能直接用来进行匹配与识别,因此有必要选择合适的特征来描述指纹.实际应用中,一般使用指纹鉴定模块完成对指纹的验证与识别,训练模块(指纹数据库的建立)属于前期性的准备工作,图（1）是指纹识别过程示意图,包括指纹采集、图像处理、特征提取和匹配[5]四个模块.图1指纹识别的流程3指纹图像的获取所谓指纹图像的获取是通过指纹图像获取设备采集指纹图像（指纹的原始图像）.指纹图像获取设备分为如下三类:光学取像设备、晶体传感器和超声波扫描.3.1光学取像设备光学取像[6]设备具有悠久的历史,它的使用可以追溯到20世纪70年代.光学取像设备依据的是光的全反射原理(FTIR).光线照到压有指纹的玻璃表面,反射光线由CCD（一种半导体器件,能够把光学影像转化为数字信号）获得,反射光的量依赖于压在玻璃表面上指纹的脊和谷的深度和皮肤与玻璃间的油脂和水份.光线经玻璃射到谷的地方后在玻璃与空气的界面发生全发射,光线被反射到CCD,而射向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,这样就在CCD上形成了指纹的图像.由于光学设备的革新,其体积不断变小,在90年代中期,传感器可以装在6x3x6英寸的盒子里,在不久的将来其体积可以减至3x1x1英寸.这些进展取决于多种光学技术的发展.例如可以把含有一微型三棱镜矩阵的表面安装在弹性的平面上,当手指压在此表面上时,由于脊和谷的压力不同将原始指纹图像应用一定的算法进行剪切分割,在基本不损失有用的指纹信息的基础上产生一个比原始图像小的指纹图像,这样可以减少以后各步骤中所要处理的图像的数据量.3.2晶体传感器晶体传感器[7]有多种类型,最常见的硅电容传感器通过电子度量计来捕捉指纹.在半导体金属阵列上能结合大约100000个电容传感器,其外面是绝缘的表面,当用户的手指放在上面时,皮肤组成了电容阵列的另一面.电容器的电容值由于导体间的距离不同而随之发生变化,这里指的是脊(近的)和谷(远的)相对于另一极之间的距离.另一种晶体传感器是压感式的,其表面的顶层是具有弹性的压感介质材料,它们依照指纹的外表形状(凹凸)转化为相应的电子信号.其他的晶体传感器还有温度感应传感器,它通过感应压在设备上的脊和远离设备的谷的温度的不同就可以获得指纹图像.晶体传感器技术最重要的弱点在于,它容易受到静电的影响,这使得晶体传感器有时可能取不到图像,甚至会被损坏,另外,它并不像玻璃一样耐磨损,从而影响了使用寿命.3.3超声波扫描超声波[6]扫描被认为是指纹取像技术中非常好的一种技术.超声波首先扫描指纹的表面,紧接着,接收设备获取了其反射信号,测量它的范围,得到谷的深度.与光学扫描不同,积累在皮肤上的脏物和油脂对超声波获得的图像影响不大,所以这样的图像是实际指纹凹凸表面的真实反映,应用起来更为方便.总之,三种取像技术都具有它们各自的优势,也有各自的缺点,下面给出三种主要技术的比较如（表1）表1三种主要技术的比较比较项目光成像技术硅晶体电容传感技术超声波扫描体积大小中耐用性非常耐用容易损坏一般成像能力许多和稍脏的手指成像模糊干手指好,但汗多的和稍脏的手指不成像非常好耗电较多较少较多成本低低很高4指纹图像的预处理指纹图像的预处理[8]：指纹采集设备所获得的原始图像有很多噪声,比如手指被弄脏,手指有刀伤、疤痕,手指干燥、湿润或撕破等都会影响图像的质量.图像预处理的目的是消除噪声,增强脊和谷的对比度,以便实现指纹图像特征提取和匹配[9],处理部分包括以下步骤：图像分割、平滑处理、锐化处理、图像二值化、图像修饰和细化,如图（2）所示图2图像预处理步骤4.1图像分割在采集到指纹图像后,首先要进行指纹图像分割[10],即把图像分割为指纹区与非指纹区,目的是割处白背景区和背景区,保留前景区,尽可能保留模糊区中能恢复的部分,以便后续处理能够集中于有效区域,这不仅能提高特征提取的精确度,还能大大减少指纹预处理的时间.目前常用的指纹图像分割的一般方法是：（1）基于图像灰度特性的灰度均值分割,这种分割容易把有效部分割除掉,而把用力重的模糊不清的区域保留；（2）基于灰度方差的阀值分割,这种单一分割方法不适合低对比度的图像；（3）基于指纹纹理方向性,利用方向图对指纹进行分割.这种方法的分割效果依赖于所求点方向图及块方向图的可靠性,对图像灰度的对比度的高低并不敏感.但对于指纹不连续、单一灰度等难以正确估计区域及中心、三角附近,方向变化剧烈的区域,方向图分割难以取得令人满意的效果.4.2图像平滑平滑的目的是消除原始图像中的噪声,应用均值滤波器、中值滤波器等技术都可以达到平滑的目的.实践中要根据具体的图像选择合适的滤波算子,滤波窗口的大小也要合适.图（3）为原始图像和平滑后的图像.图3平滑图像4.3图像锐化锐化的目的是突出图像中的边缘信息,增加脊和谷之间的对比度,以利于对图像进行二值化处理.锐化处理的关键是选择或设计合适的、相匹配的滤波算子,使之适用于图像上所有的像元.依据每个像元所处的脊的局部走向,滤波算子应增强在同一的走向,并且在同一位置,减弱任何不同于脊的方向,尤其是垂直于脊的方向.因为后者含有横跨脊的噪声,所以其垂直于脊的局部方向上的那些不正确的“桥”会被滤波算子过滤掉.因此,合适的滤波算子可以恰到好处地确定并增强脊的局部走向.图（4）为原始图像和锐化后的图像.图4锐化图像4.4二值化处理图像经锐化处理后,其中的纹线(脊)部分得到了增强,不过脊的强度并不完全相同,表现为灰度值的差异.二值化[13]的目的就是使脊的灰度值趋向一致,使整幅图像简化为二元信息:脊(0)和背景(1).由于锐化后图像的直方图己呈现双峰特征,因此可以应用闽值法对其进行二值化处理,使一幅灰度图像变成一幅二值图像,图像在灰度层次上从原始的256级(8一bits)降为2级(1一bits).图像二值化后,随后的处理就会比较容易.图5为二值化后的图像.图5二值化图像由于指纹的纹线具有一定的方向性,就局部而言,脊线和谷线有一定的平行关系,脊线内的点灰度变化较小,而脊线与谷线之间的灰度变化较大,因此最好可以结合其方向性及灰度阀值进行二值化处理.4.5图像修饰指纹图像经过二值化后,由于量化等原因,纹线(脊)边缘凹凸不齐,受锐化的影响,画面出现离散点【13】,为使图像整洁,边缘圆滑,需要进行修饰处理.首先,定义八方向加权系数,按逆时针八方向跟踪原则,对纹线边缘出现的“毛刺”及“凹沟”可分别从实验中找出其存在的全部可能情况,并定义前一步走通时方向数为P,后一步走通时的方向数为Q,那么P-Q,即由P与Q的关系可分出是“毛刺”还是“凹沟”.同理对于纹线边缘出现的“小枪”,则由{Q-P}=3来判断之,且依方向数的前后顺序判别出是哪一种情况,并分别进行处理.用这种方法还可处理纹线边缘的其他缺陷.另外,用适宜的高通和低通滤波模板还可以消除纹谷中的离散黑点和填补纹线中的空白点,以保持脊的连续性.如令3X3模板中待处理的像素为X,若其邻域的所有像素都为1(白),则X=1;若其邻域的所有像素都为0(黑),则X=0.修饰后的指纹图像如（图6）所示图6修饰图像4.6细化处理细化是将脊的宽度降为一个像元的宽度,因为我们所关心的不是脊的粗细,而是脊的有无,因此在不破坏图像连通性的情况下必须去掉多余的信息.一个好的细化方法是保持原有脊的连续性,降低由于人为因素所造成的影响.一般可以采用半旋转式的细化方法,抽取纹线骨架.每次分别从图像的一角开始,沿上下左右四个方向扫描,去掉响应脊的边缘多余点,保留左、右、上、下的边缘点.图（7）为细化[7]后的图像.指纹图像细化后,还可根据指纹的一般纹理规律,进行加工处理,如去掉无效的纹脊间的小桥及连接豁口等,还可采用人机交互方式,对残缺指纹进行人工修补.图7细化图像5指纹图像的特征提取所谓的指纹图像的特征提取是对特征信息（总体和局部的）进行选择、编码,形成二进制数据的过程.5.1指纹的基本特征指纹识别系统中,通常采用全局和局部两种层次的结构特征.全局特征是指那些用肉眼直接就可以观察到的特征,局部特征是指指纹纹路上的节点的特征,因为指纹纹路经常出现中断、分叉或打折,所以形成了许多节点.两枚指纹可能具有相同的全局特征,但它们的局部特征却不可能完全相同.在考虑局部特征的情况下,英国学者巨.R.Herry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.1、全局特征全局特征描述的是指纹的总体纹路结构,具体包括纹形、模式区、核心点、三角点和纹数五个特征.(l)纹形纹形可以分为箕型(loop)、弓型(arch)、斗型(whorl)三种基本类型,如图（8）所示,其他的指纹图案都基于这三种基本图案.仅仅依靠纹形来分辨指纹是远远不够的,这只是一个粗略的分类,通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷.图8指纹图案(2)模式区(patternarea)模式区（如图9所示）是指指纹上包括了总体特征的区域,即从模式区就能够分辨出指纹是属于那一种类型的.有的指纹识别算法只使用模式区的数据,而有的指纹识别算法则使用了所取得的完整指纹而不仅仅是模式区进行分析和识别.图9模式区(3)核心点(eorepoint)核心点（如图10所示）位于指纹纹路的渐进中心,它在读取指纹和比对指纹时作为参考点.许多算法是基于核心点的,既只能处理和识别具有核心点的指纹.图10核心点(4)三角点(deltaPoint)三角点（如图11所示）位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处,或者指向这些奇异点.三角点提供了指纹纹路的计数跟踪的开始之处.图11三角点(5)纹数(ridgeeount)纹数（如图12所示）指模式区内指纹纹路的数量.在计算指纹的纹数时,一般先连接核心点和三角点,这条连线与指纹纹路相交的数量即可认为是指纹的纹数.图12纹数2、局部特征局部特征是指指纹上的节点的特征,这些具有某种特征的节点称为特征点.两枚指纹经常会具有相同的全局特征,但它们的局部特征—特征点,却不可能完全相同.指纹纹路并不是连续的、平滑笔直的,而是经常出现中断、分叉或打折.这些断点、分叉点和转折点就称为“特征点”.就是这些特征点提供了指纹唯一性的确认信息.指纹上的节点有四种不同特性(l)特征点的分类有以下几种类型,最典型的是终结点和分叉点.终结点(Ending)：一条纹路在此终结.分叉点(Bifurcation)：一条纹路在此分开成为两条或更多的纹路.分歧点(RidgeDivergence)：两条平行的纹路在此分开.孤立点(DotorIsland)：一条特别短的纹路,以至于成为一点.环点(Enclosure)：一条纹路分开成为两条之后,立即又合并成为一条,这样形成的一个小环称为环点.短纹(ShortRidge)：一端较短但不至于成为一点的纹路.(2)方向(orientation)节点可以朝着一定的方向.(3)曲率(eurvature)描述纹路方向改变的速度.(4)位置(Position)节点的位置通过(x,y)坐标来描述,可以是绝对的,也可以是相对于三角点或特征点的.5.2特征提取原始指纹图像经预处理后得到的是一幅细化的二值图像,下一步要做的工作就是对细化后的图像进行特征提取,得到可以识别不同指纹的关键特征.特征提取可分为以下三个步骤:（1）、指纹定位指纹定位是正确识别指纹的必要措施,任何的扭摆、错位都会造成误判和错判.常用的两种指纹定位方法是人工定位和自动定位法.这里采用人工查对指纹所遵循的一套规则(例如三角点的确定)进行人工定位.实际上,这项工作在指纹摄入时就己经进行了.按所输入指纹三角点的个数进行定位,有三种情况:指纹有一个三角点、一个以上的三角点或没有.它们分别与人工分类所定义的箕、斗和弓型指纹相对应.通过输入监视器,操作者按照某种规则与输入指纹的三角点及点中心点相匹配,就可以迅速、准确的定位给定指纹,并由输入程序把该指纹图像送到计算机中.自动定位则由计算机确定相应的三角点及中心点,并经过适当的平移与旋转,达到匹配定位的目的.（2）特征选取模式识别指的是对图形中关键特征的识别与匹配,我们知道指纹的局部特征共有12种,直接对所有特征进行识别是相当困难的,经过分析最终把端点、分叉和方向数作为识别的特征.（3）特征提取指纹图像的特征提取是按区进行的,即先将图像划分为若干个区,每个区确定若干个特征,然后就可以对每个区直接进行特征提取.区的数量视定位的精确度及处理的效果而定,一方面,区的数量不宜过多,否则一旦定位误差较大,就会引起各区参数混乱,造成误判;当然,也不宜过少,它可造成整个系统的识别率下降.例如,假定划分为8个区,每个区平均有12个特征,则可分出12个单一确定的指纹.若划分32个区,尽管每区的平均特征个数减少,如4个特征,但仍能分出4个单一确定的指纹,而432>>128.区域确定后(如划分为32个区),每区的端点和分叉的特征数之和约为三个,据此,在理论上可分出3个单一确定的指纹,若再加上每区的累加方向数,就足以满足一般指纹识别的要求.把各区的特征量按序构成“指纹字”,用以表征给定指纹、并以此作为对指纹库进行检索的基本单位.6指纹图像匹配指纹图像的特征匹配[11]是把新输入的指纹特征与指纹库中所存储的指纹特征相比较,计算他们的匹配程度,输出比对结果,从而判断这两枚指纹是否来自同一个人同一手指.指纹图像匹配主要有基于图像、脊线结构和特征点的方法.基于特征点的匹配算法具有简单、快速、鲁棒性等优点.特征比对的方法即是模式识别中的匹配算法.6.1两级比对方法人工比对是特征比对中最基本的比对方法,它一般是将指纹分成弓型、箕型和斗型三种基本类型,然后对每一类再进行细分比对.由于计算机难以根据指纹的这种全局特征进行分类与比对,指纹自动识别系统一般采用两级比对法进行指纹比对.（l）、全局比对由操作者通过人机会话告诉计算机待识别指纹是何种纹型,例如是弓型、箕型还是斗型.这实际上是根据指纹的这种全局特征进行分类与比对,指纹自动识别系统一般采用两级比对法进行指纹比对.(l)弓型:平弓型(plainareh),帐弓型(tentedareh);(2)箕型:放射性箕型(radialloop),尺骨状箕(ulnarloop)型;(3)斗型:平斗型(plainwhorl),中心对称箕型(eentralpoeketloop),双脊型(doublelooP).（2）、局部比对利用指纹的端点、分叉点和方向等局部特征对不同纹型的指纹应用模式识别匹配算法作进一步的比对,以确定是否匹配.6.2点模式匹配方法目前最为常用的方法是FBI（美国联邦调查局）提出的细节点坐标模型来做细节匹配[12].它利用脊线上的端点和分叉点这两种关键点来鉴定指纹.通过将细节点表示为点模式,一个指纹识别问题可以转化为一个点模式匹配问题.点匹配算法是通过某些变换,如平移变换、旋转变化、伸缩变换,可以把两个点集中的对应点匹配起来.对于基于细节点的匹配思路大体分两种：基于直角坐标系的特征识别和基于极坐标系的特征识别[15].点模式匹配将注册指纹和待识指纹的特征点定义为两个点集和P和Q通过平移和旋转使得两个点集重合点数最多.点模式匹配是著名的数学难题.目前的指纹识别系统主要采用基于节点的匹配方法,即点模式匹配.从模板指纹和输入指纹中选取一个节点作为参考节点,在进行节点匹配时先利用基准点将指纹对齐,然后再评估其它节点的匹配程度.很多情况下选用图片的中心点.当然,他所带来的难题有：(1)如何快速找到基准点把两幅指纹对齐.(2)图片A中有图片B中不存在的点,集合B中也有图片A中不存在的点,匹配的时候如何处理这些点.(3)由于指纹存在变形位移,任何一对匹配点之间都不是绝对相等,而是存在一定的差距.设计算法的时候,必须要有一定的容错能力.(4)最终得到的是两幅指纹的相似度,怎么确定相似度的计算方式.另外,计算匹配的时间即效率性也很重要.参考点在指纹图像的识别中是也至关重要的.能获得参考点表明从被识别图像中获得的任意比特流与登记图像中获得的比特流相近,则有可能得出两图像相同的结果；没有参考点表明被识别图像完全是另一不同图像.7总结指纹识别技术作为一种可靠的生物识别技术,受到了广泛关注,开发高效可靠的指纹图像识别算法不但具有重要的理论意义,而且具有很高的实用价值.本文简单的概述了指纹识别的研究意义及现状,并对指纹识别的技术特点和基本原理进行了论述.通过查阅资料对指纹识别过程的指纹采集、图像处理、特征提取和匹配四个模块进行了详细的介绍.鉴于生物识别的可靠性,未来人们可以在上网购物或者交易时,首先在生物识别仪上进行一下身份认证,可以保证网络管理机构有效监督网络交易的参与者,大大降低不法分子对网络交易的破坏活动.更重要的是中国正成为继美国、日本之后最具潜力的发展中市场，预计未来5年内，