1、圖像處理在指紋識(shí)別中的應(yīng)用研究院（系）名稱信息工程學(xué)院專業(yè)班級(jí)12普本測(cè)控學(xué)號(hào)1201190012學(xué)生姓名吉鵬飛1緒論21.1指紋識(shí)別21.2指紋識(shí)別算法概述32設(shè)計(jì)過(guò)程35.%21平滑處理4.1增強(qiáng)對(duì)比度4.2指紋圖像規(guī)格化和濾波一42銳化處理53二值化6細(xì)化7特征值的提取7偽特征點(diǎn)的去除83圖像處理94小結(jié)11參考文獻(xiàn)121緒論指紋識(shí)別指紋識(shí)別技術(shù)源于19世紀(jì)初， 科學(xué)家依靠指紋紋脊式樣的唯一性和式樣終生不改變的特性把某個(gè)人同他的指紋對(duì)應(yīng)起來(lái)， 通過(guò)采集他的指紋并與預(yù)先保存的指紋進(jìn)行比較來(lái)驗(yàn)證其真實(shí)身份。隨著現(xiàn)代科技的不斷進(jìn)步與廣泛應(yīng)用，可靠高效的個(gè)人身份識(shí)別變得越來(lái)越需要，每個(gè)人的指紋具

2、有惟一性，終身不變,難以偽造，因此指紋識(shí)別是替代傳統(tǒng)身份識(shí)別手段的最安全、最可靠、最方便的方法5o指紋圖像本身的信息量和數(shù)據(jù)量是很大的因此直接基于指紋圖象的匹配識(shí)別是不可取的，而要采用專門(mén)高教的指紋識(shí)別與處理方法。指紋識(shí)別的一般過(guò)程是指紋圖象預(yù)處理、指紋特征提取和特征匹配。但由于采集設(shè)備噪聲干擾、指紋采集時(shí)手指皮膚的干燥程度、汗?jié)n、污漬等原因使待分析的指紋圖像噪聲較多并對(duì)細(xì)節(jié)點(diǎn)有較強(qiáng)干擾，影響指紋的特征提取。指紋圖像是通過(guò)將模擬信號(hào)采樣量化后，以矩陣形式存入計(jì)算機(jī)，圖像平滑處理指紋圖像生成方向數(shù)組后，為了消除較強(qiáng)烈的局部噪聲干擾，需要對(duì)生成的方向數(shù)組圖像進(jìn)行預(yù)處理。預(yù)處理是指紋識(shí)別的前提，也是

3、整個(gè)工作的基礎(chǔ)，因此指紋圖象預(yù)處理工作的好壞直接關(guān)系到指紋特征提取的可行性和準(zhǔn)確性。指紋識(shí)別算法概述指紋是手指末端正面皮膚上凹凸不平產(chǎn)生的紋路，這些紋路就是通常所說(shuō)的脊和谷3。指紋雖小，但它蘊(yùn)涵了大量信息。其中，包括紋型在內(nèi)的全局特征，為指紋的分類提供了基礎(chǔ)；同樣，指紋還有許多局部特征（根據(jù)美國(guó)國(guó)家標(biāo)準(zhǔn)局規(guī)定，包括脊末梢、分岔點(diǎn)、復(fù)合特征和未定義四種），稱為細(xì)節(jié)點(diǎn)（Minutia）。不同人的指紋的細(xì)節(jié)點(diǎn)是唯一的、穩(wěn)定不變的，這為指紋識(shí)別提供了可能。目前，最常用的方法是用FBI提出的指紋細(xì)節(jié)點(diǎn)模型來(lái)做細(xì)節(jié)匹配2。而最常用的細(xì)節(jié)特征有脊末梢和分支點(diǎn)兩種。基于點(diǎn)模式匹配的自動(dòng)指紋識(shí)別系統(tǒng)（AFIS）

4、的基本流程一般由圖像采集、圖像預(yù)處理、細(xì)節(jié)點(diǎn)提取和指紋匹配幾部分組成。首先，指紋要通過(guò)指紋采集設(shè)備（常見(jiàn)的有光學(xué)取像設(shè)備、超聲波掃描取像設(shè)備、晶體傳感器，現(xiàn)在廣泛使用的是晶體傳感器）轉(zhuǎn)化為計(jì)算機(jī)內(nèi)的數(shù)字圖像（一般為灰度圖）。由于采集過(guò)程中難免因手指或儀器的原因而使圖像存在較多的噪聲，所以為了使圖像更清晰以便于后續(xù)特征提取，必須對(duì)采集到的圖像進(jìn)行增強(qiáng)和濾波，并進(jìn)一步二值化、細(xì)化40之后，在細(xì)化后的點(diǎn)線圖上提取特征值，刪除偽特征值，最終得到用于匹配的細(xì)節(jié)點(diǎn)。采集到的圖像細(xì)節(jié)點(diǎn)與模板中的細(xì)節(jié)點(diǎn)進(jìn)行比對(duì)，最終完成指紋匹配。各個(gè)環(huán)節(jié)環(huán)環(huán)相扣，對(duì)整個(gè)系統(tǒng)都起著十分重要的作用。本文著重研究了圖像預(yù)處理和細(xì)節(jié)

5、特征提取這兩個(gè)關(guān)鍵部分。2設(shè)計(jì)過(guò)程圖像預(yù)處理的目的是去除圖像中的噪聲，使指紋圖像清晰、邊緣明顯，以便于提高提取和存儲(chǔ)特征點(diǎn)的準(zhǔn)確率.分為平滑處理、二值化、細(xì)化、特征值提取、特征值去除等幾個(gè)步驟。2.1平滑處理.1增強(qiáng)對(duì)比度圖像增強(qiáng)的方法分空域法和頻域法3,空域法是增強(qiáng)圖像的像素，空域處理可用下式定義：g(X,Y)=T(F(X,Y)公式(2.1)式中F(X,Y)是輸入的原始指紋圖像， 灰度范圍是m,M,g(X,Y)為處理后的圖像， 灰度變換增強(qiáng)可以用下式描述：g(X,Y)(Nn)F(X,Y)一mn 公式(2.2)Mn可以提高指紋圖像脊與谷的對(duì)比度.2.1.2指紋圖像規(guī)格化和濾波指紋圖像經(jīng)過(guò)規(guī)格化

6、后，才能將該圖的均值和方差控制在給定范圍內(nèi)。即對(duì)指紋的每個(gè)像素進(jìn)行操作，采用公式如下:2Var0(G(X,y)MMoVM-dWM；N(x,y)=Varo2M01Var0(G(Xy)M，其他MVar式中：N(x,y)是規(guī)格化后的圖像，G(x,y)是原圖像，表示第x行第j列象素點(diǎn)對(duì)應(yīng)的灰度值，M和M是圖像G的方差和均值，k。和M是期望方差和期望均值。通過(guò)觀測(cè)很小局部鄰域內(nèi)脊的方向，可以得出該脊的方向，設(shè)脊線的方向向量為f,a(x,y)為Vf,在(x,y)處的方向角，有(x,y)arctan(-H)19,HxHy、Hx為梯度分量。 由上式可以求得此像素點(diǎn)的指紋脊線方向， 然后將此連續(xù)的方向在0180

7、0范圍內(nèi)離散化成8個(gè)方向，各方向之間的夾角為，兀/8,求出每一塊的整體方向的平均作為此塊中所有點(diǎn)的方向，如圖：公式(2.3)4(a)8個(gè)方向(b)8鄰塊取N塊白8鄰塊(圖(b)出現(xiàn)最多的方向?yàn)镹塊的主方向。在該小鄰域內(nèi)與脊方向不同的點(diǎn)往往正是附加了噪聲的點(diǎn)。根據(jù)這一特性設(shè)計(jì)7X7自適應(yīng)濾波器，對(duì)圖像進(jìn)行方向?yàn)V波。使在指紋脊線方向上的像素點(diǎn)得到加強(qiáng)，在其他方向受到不同的削弱，從而不但使指紋圖像的噪聲得到抑制，也保留了指紋的細(xì)節(jié)特征。經(jīng)過(guò)方向?yàn)V波后的指紋圖像效果較好。2.2銳化處理為增強(qiáng)指紋紋線間的界線，突出邊緣信息，以利于二值化，要對(duì)指紋圖像進(jìn)行銳化處理.用空間微分來(lái)完成銳化處理。由于微分算子的

8、響應(yīng)強(qiáng)度與圖像在該點(diǎn)的突變程度有關(guān)，所以銳化可以增強(qiáng)指紋邊緣并削弱灰度變換緩慢的區(qū)域.二階微分形成增強(qiáng)細(xì)節(jié)的能力優(yōu)于一階微分，對(duì)灰度級(jí)階梯變化產(chǎn)生雙響應(yīng)，因此用拉普拉斯單一掩模進(jìn)行銳化。由二元圖像的拉普拉斯變換離散形式的定義：2ff(x1y)f(X1,y)f(x,y1)公式(2.4)f(x,y1)4f(x,y)可推出單一掩模的系數(shù)g(x,y)f(x,y)f(x1,y)f(x1,y)f(x,y1)f(x,y1)4f(x,y)5f(x,y)f(x1,y)f(x1,y)f(x,y1)f(x,y1)公式(2.5)N4NS0N5N6N7所用掩模0-10-15-1V(x,y)2(2n1)xnyg(x,y)

9、n公式(2.7)V(x,y)V1(x,y)VGy)VtVxy)V-x,y)Vt公式(2.8)其中V為參考閾值。令二值化后的圖像為r(x,y),則:r(x,y)1,g(x,y)V(x,y)0,g(x,y)V(x,y)公式(2.9)此算法有點(diǎn)事不改變脊線連續(xù)性和奇異點(diǎn)的前提下，可以有效連接斷裂脊線。0-10拉普拉斯單一掩模銳化變換后使圖像中小的脊線部分得到增強(qiáng)。3二值化對(duì)于指紋識(shí)別系統(tǒng)，有用的信息包含在脊線(指紋中突起的)和谷線(凹下的)的二值描述中.因而必須根據(jù)原始的灰度圖像來(lái)確定圖像上的每一個(gè)點(diǎn)應(yīng)屬于客體區(qū)域還是背景區(qū)域，從而產(chǎn)生對(duì)應(yīng)的二值圖像，它不僅可大大減少存儲(chǔ)量，還可以根據(jù)指紋的形狀(環(huán)

10、型、弓型、螺旋型等信息)將指紋分類，這樣可以大大提高指紋識(shí)別的速度。在基于模糊集理論的增強(qiáng)算法基礎(chǔ)上提出廣義度閾點(diǎn)的方法.閾值的正確選擇在二值化中是很重要的，直接影響著分割的精度及圖像描述分析的正確性.在此采用動(dòng)態(tài)自適應(yīng)閾值進(jìn)行二值化，并根據(jù)脊線擴(kuò)散張量特點(diǎn)，分解擴(kuò)散4n個(gè)方向的和.即位于(x,y)處的像素g(x,y)的閾值V(x,y)是由以(x,y)為中心的指紋圖像窗口(2n+1)x(2n+1)中所有點(diǎn)的灰度值來(lái)確定。即由于當(dāng)(2n+1)x(2n+1)窗口落在下面2種不同區(qū)域?qū)?huì)引起錯(cuò)誤判別：1)當(dāng)(2+1)x(2n+1)窗口較多地落在谷線區(qū)， 將會(huì)使一部分乃至大部分象素點(diǎn)被判為脊線；2)當(dāng)

11、(2+1)x(2n+1)窗口較多地落在脊線區(qū)， 將會(huì)使一部分乃至大部分象素點(diǎn)被判為谷線。借助于參數(shù)6和參考閾值Vt可以得到修正令6為一個(gè)通過(guò)試驗(yàn)獲得的正整數(shù)，即令60,有:V(x,y)2(2n1)xnyng(x,y)公式(2.6)2.4細(xì)化細(xì)化是在不改變圖像像素拓?fù)溥B接關(guān)系的條件下，連續(xù)擦除圖像的邊緣像素，把紋線粗細(xì)不均勻的指紋圖像轉(zhuǎn)化成線寬僅為一個(gè)像素的條紋中心線圖像的過(guò)程。細(xì)化可以去除不必要的紋線粗細(xì)信息，使得指紋圖像的數(shù)據(jù)量及連接結(jié)構(gòu)更加突出，便于從指紋圖像中提取細(xì)節(jié)特征，如下圖從而在指紋特征提取和匹配環(huán)節(jié)上提高圖像的處理速度和效率。存端點(diǎn)分品點(diǎn)分誄點(diǎn)亞里坦邦點(diǎn)短粒在此先在脊線的端點(diǎn)用二

12、次曲線來(lái)擬合局部脊線，在沿該端點(diǎn)的方向延伸得到的擬合曲線，并根據(jù)端點(diǎn)附近的脊線信息建立不同的處理規(guī)則來(lái)處理不同的情況，如對(duì)簡(jiǎn)單的脊線結(jié)構(gòu)，即明顯的斷線、脊線間明顯的橋以及作為短紋存在的毛刺等做初步處理，去除圖像的邊緣像素。為了克服指紋形變，用圖示模板進(jìn)行細(xì)化處理：從而得到最終的細(xì)化的指紋圖像， 這樣提取出的指紋細(xì)節(jié)點(diǎn)、 特征點(diǎn)和脊線才更為可靠和有效。*00GO*特征值的提取指紋圖像特征提取的方法有兩種：(1)從指紋的原灰度圖像上識(shí)別細(xì)節(jié)特征；(2)從指紋的細(xì)化圖像上識(shí)別細(xì)節(jié)特征。提取的特征主要有兩類：奇異點(diǎn)指紋奇異點(diǎn)有三種類型：核形(Core)、三角形(Delta)和渦輪形(Whor1)；結(jié)構(gòu)

13、特。它包括端點(diǎn)(Endpoint)、叉點(diǎn)(Bifurcation)、歧點(diǎn)、孤立點(diǎn)(Dot)、環(huán)點(diǎn)(Loop)、短紋(shortRidge)等及其方向、曲率、位置等信息。端點(diǎn)及叉點(diǎn)(下圖(b)是指紋細(xì)化圖像的主要特征，本文采用這兩種主要特征構(gòu)造指紋特征向量。它的提取方法為：設(shè)Cn(P)為交叉數(shù)，Sn(P)為像素8-鄰域(下圖(a)紋線點(diǎn)數(shù)：,、1Cn(P)2Pi1Pi(P9Pl)公式(2.10)8Sn（P）Pi（a）P點(diǎn)的8鄰域?qū)τ谝环鶑氐准?xì)化的指紋圖像來(lái)說(shuō)，只有三種紋線點(diǎn)：（1）Cn（P）=1,Sn（P）=1,稱為端點(diǎn)；（2）Cn（P）=2,Sn（P）=2,3,4,稱為連續(xù)點(diǎn)；（3）Cn（P）

14、=3,Sn（P）=3,稱為叉點(diǎn)。設(shè)提取的特征點(diǎn)集用P（P1,P2,?,Pn）表示，其中n為所提取的特征點(diǎn)的個(gè)數(shù)，Pi= （Xi,Yi,Ti,Ai） ,Xi,Yi表示特征點(diǎn)的坐標(biāo)；Ti表示特征點(diǎn)的類型，當(dāng)特征點(diǎn)為端點(diǎn)時(shí)Ti=1,當(dāng)特征點(diǎn)為端點(diǎn)時(shí)Ti=2； a表示特征點(diǎn)的角度， 端點(diǎn)的角度取從端點(diǎn)為起點(diǎn)的端線的角度，又點(diǎn)的角度取圖2.3（b）中角度a,b,c中最小者相對(duì)的分支的角度。端線及分支的角度求法為：從特征點(diǎn)開(kāi)始搜索連續(xù)點(diǎn)直到搜到另一個(gè)特征點(diǎn)或步長(zhǎng)達(dá)到7,設(shè)搜索到的最后偽特征點(diǎn)的去除造成偽特征的原因有很多，指紋提取、二值化及細(xì)化等過(guò)程均可能引入偽特征。偽特征的存在將影響指紋的比對(duì)，降低識(shí)別率

15、.（1）偽特征的分析。對(duì)于取端點(diǎn)及叉點(diǎn)作為特征算法，偽特征主要指圖4中的五種：（a）毛刺；（b）假橋；（c）島嶼；（d）斷脊；（e）短脊。它們帶來(lái)的偽特征點(diǎn)總是成對(duì)在近距離內(nèi)出現(xiàn)而且除斷脊外均有短脊線相連接。毛刺、短脊及島嶼均為從一個(gè)特征點(diǎn)出發(fā)經(jīng)過(guò)很小的步長(zhǎng)到達(dá)另一個(gè)特征點(diǎn)， 可以采用沿脊線搜索特征點(diǎn)的方法去除偽特征對(duì)。假橋、斷脊則要考慮偽特征的角度關(guān)系。下圖為理想化的偽特征，各偽特征的角度關(guān)系非常明顯，假橋連線與脊線垂直，斷脊連線則與脊線平行，實(shí)際情況則有偏差。設(shè)Pi,Pj為假橋或斷脊帶來(lái)的特征點(diǎn)對(duì)，v為小的角度閾值，且設(shè)A為Pi,與Pj連接線的角度：YiYj公式（2.11）一點(diǎn)為（X,Y）

16、,有：Aiarctan上XXi公式（2.12）又點(diǎn)局端點(diǎn)Aarctan-1公式（2.13）XiYj則對(duì)于假橋，A與Ai,及a近于垂直，即90-vAAi90+v或90山絹*長(zhǎng)北依第 9 頁(yè)-vAAj90+v;對(duì)于斷脊，Pi與Pj之間沒(méi)有脊線，而且A與Ai或Aj的差小于v,即AAv或AAjv。對(duì)于圖2.4(f)的雙叉結(jié)構(gòu)我們不將其當(dāng)作偽特征，它與下圖(c)的島嶼的區(qū)別是連接兩叉點(diǎn)的脊線較長(zhǎng)，這在現(xiàn)實(shí)中是可能存在的結(jié)構(gòu)，所以被保留。(2)偽特征的去除。由于提取的特征集合P(P1,P2.,Pn)全為端點(diǎn)與叉點(diǎn),端點(diǎn)的偽形態(tài)有毛刺端點(diǎn)、短脊端點(diǎn)與斷脊端點(diǎn)；叉點(diǎn)的偽形態(tài)有毛刺叉點(diǎn)、假橋叉點(diǎn)與島嶼叉點(diǎn)。我們

17、可以分別從端點(diǎn)與叉點(diǎn)出發(fā)搜索其鄰域，判斷其真?zhèn)危總翁卣鞅环譃閭味它c(diǎn)與偽叉點(diǎn)予以去除。根據(jù)上面的分析，偽特征可按如下規(guī)則去除：去除孤立點(diǎn)與邊界點(diǎn)，邊界點(diǎn)定義為掩膜值為0的任何區(qū)域的距離小于閾值的特征點(diǎn)；對(duì)于各端點(diǎn)Pi,從該特征點(diǎn)出發(fā)沿脊線搜索， 若經(jīng)過(guò)很小的步長(zhǎng)到達(dá)另一個(gè)特征點(diǎn)即搜索到一個(gè)脊線點(diǎn)滿足Cn(P)!=2或Sn(P)!=2則分別當(dāng)作短脊、毛刺所帶來(lái)的偽特征點(diǎn)予以去除；若該端點(diǎn)不是毛刺、短脊引起的偽端點(diǎn)，則搜索其鄰域是否有端點(diǎn)Pj滿足Pi與Pj之間沒(méi)有脊線，A與Ai或Aj的差小于30,即AA30或AAj30，據(jù)此來(lái)判斷該端點(diǎn)是否為斷脊；對(duì)于各叉點(diǎn)Pi,從該特征點(diǎn)出發(fā)沿脊線搜索其中一個(gè)

18、分支， 若有兩個(gè)分支經(jīng)過(guò)很小的步長(zhǎng)均到達(dá)同一個(gè)叉點(diǎn)則當(dāng)作島嶼予以去除； 若有一個(gè)分支經(jīng)過(guò)很小的步長(zhǎng)到達(dá)另一個(gè)叉點(diǎn)P且滿足70。 AA110或70AAj160;subplot(222);imshow(J)set(gcf,position,11600600)K=bwmorph(J,thin,inf);subplot(223);imshow(K)set(gcf,position,11600600);L=nlfilter(K,33,fun);4小結(jié)指紋識(shí)別技術(shù)雖然已日漸成熟，圖像處理及模式識(shí)別界曾一度認(rèn)為；指紋識(shí)別技術(shù)已經(jīng)得到很好的解決，但實(shí)際上，作為指紋識(shí)別的核心技術(shù)仍然存在許多尚未解決的難題，尤其是殘缺、污損指紋圖象的識(shí)別的魯棒性、適應(yīng)性方面不能令人滿意！指紋識(shí)別系統(tǒng)將隨著更小更廉價(jià)的指紋輸入設(shè)備的出現(xiàn)、計(jì)算能力更強(qiáng)更廉價(jià)的硬件以及互聯(lián)網(wǎng)的廣泛應(yīng)用而進(jìn)一步拓寬其應(yīng)用！其中！能適應(yīng)聯(lián)網(wǎng)在線指紋自動(dòng)識(shí)別系統(tǒng)的應(yīng)用算法有待進(jìn)一步改進(jìn)，多種指紋識(shí)別方法的集成應(yīng)用以及包括指紋識(shí)別的多種生物特征鑒定的集成應(yīng)用也將是今后研究發(fā)展的方向！近年來(lái)，國(guó)外指紋識(shí)別相關(guān)研究又有升溫趨勢(shì)！因此，指紋識(shí)別現(xiàn)在是，未來(lái)幾年仍然是一個(gè)重要的、極具挑戰(zhàn)性的模式識(shí)別研究課題！參考文獻(xiàn)：1RCla