1、指紋的比照分析系統摘要：指紋識別技術作為生物識別技術中最為具有應用前景的技術之一，近年來取得了長足的開展，并廣泛應用于各種場合。由于指紋所具有的唯一性和不變性，以及指紋識別技術具有很高的可行性和實用性，指紋識別成為目前最流行、最可靠的個人身份認證技術之一。所以對指紋識別技術的研究具有重要的理論和實際意義。指紋識別的一般性過程分為三步：指紋圖像的預處理，指紋特征提取以及特征匹配。本設計采用Visual Studio 2021 MFC依照軟件開發自頂向下，逐步細化的經典模式，按上述步驟完成開發工作，成功實現了基于BMP格式指紋圖像的增強，二值化，細化，特征提取以及比照分析工作。完成了具有一般性的指

2、紋比照分析系統。關鍵詞：指紋識別；MFC；圖像增強The Fingerprint Contrast and Analysis SystemAbstract: The fingerprint identification technology act as the most promising application of biometric technologies, has made considerable development in recent years and is widely used in various occasions. Due to the uniqueness a

3、nd invariability of fingerprints，the fingerprint recognition becomes the most popular and reliable personal authentication technology. As a consequence, the study of fingerprint identification technology is of great theoretical and practical significance.Fingerprint identification can be divided int

4、o three periods: preprocessing of fingerprint images, feature extraction and feature matching In this design, we adopt the visual studio 2021 editions MFC, in accordance with software development which uses top-to-down process and the gradual refinement of the classic model , and successfully achiev

5、e enhancement ,binarization ,thinning of fingerprint image, based on the BMP format. Through the whole process, we finally complete a general fingerprint contrast and analysis systemKey words: Fingerprint identification; MFC; enhancement指紋的比照分析系統第一章 緒論指紋識別的開展歷史指紋識別學是一門古老的學科，它是基于人體指紋特征的相對穩定與唯一這一統計學結果

6、開展起來的。隨著計算機和網絡的迅速開展，人們對身份認證的準確性、平安性與實用性提出了更高的要求。在眾多的生物識別技術中，指紋識別技術是開展最早、應用最廣泛的一種。指紋識別技術充分利用了指紋的普遍性、唯一性和永久性的生物特征，已逐步取代了傳統的基于標志和數字的識別方式，目前在網絡、銀行、金融、醫療和安檢等行業均得到了廣泛應用。本文對指紋識別系統的原理和根本過程進行了分析研究，重點研究了指紋圖像預處理，細化，特征點比對等算法，并且設計實現了指紋比照分析系統，進行了模擬驗證等工作。隨著現代社會經濟的不斷開展，越來越多的場合需要身份確實認手段。生物識別技術(Biometric Identificati

7、on Technology)是利用人體生物特征進行身份認證的一種技術。而指紋識別是生物識別技術中最成熟也是最可靠的識別技術之一相關資料顯示，中國是世界上最早應用指紋識別技術的國家。在西安半坡出土的距今六千多年的陶器上已發現了指紋的痕跡。從有據可查的資料中顯示，我國對指紋的應用最早出現在中國古代秦朝以前，諸如南鄭春秋商城遺址出土的春秋戰國時代陶豆柄上的指印等。唐代時，以“按指為書為代表的“指紋捺印已經在文書、契約等民用場合被廣泛采用。著名學者海因德爾Heinai在其權威的?指紋鑒定?著作中斷定：“根據我國?周禮義疏?及?儀禮義疏?記載，中國第一個提到指紋鑒別個人的是唐代的作家賈公彥。他的作品大約

8、寫于公元650年，他是著重提到指紋是確定個人身份方法的世界上最早的作家。自宋朝起，指紋那么開始被用作刑事訴訟的物證。指紋在中國古代的借貸契約、買賣文憑、婚約休書、獄辭供狀等方面得到廣泛應用。我國在廣泛應用指、掌紋的漫長歷史中，隨著對外文化的交流，應用指紋的傳統習慣傳播到了世界上許多國家。中國也是世界公認的指紋發源地。公元1788年，梅耶(J. Mayer)首次著文指出了至今仍然被成認的指紋的兩個重要特性，一是沒有人的指紋是完全相同的(唯一性)，另外一個是指紋的式樣終身不會改變(穩定性)。公元1823年，珀金杰J. Purkinie首次把指紋紋形分成了9類。公元1880年，福爾茨Henry Fa

9、uld發表了指紋認證的論文，第一次科學地提出了指紋的個體性和唯一性。指紋唯一性的發現，使得指紋作為一種更為有效的鑒別方法而得到采用。 公元1889年，亨利E. R. Henry在總結前人研究成果的根底上，提出基于指紋細節特征識別Minutia-Based的理論，并提出了用指紋識別來進行確定罪犯身份的設想，從而奠定了現代指紋學的根底。直到一個世紀后的今天，采用基于Minutia- Based的指紋識別算法仍是主流。 公元1892年，英國的弗朗西斯蓋爾頓Francis Galton爵士對指紋進行了廣泛的研究，寫了?FingerPrint?一書，向世人介紹了用于單個指紋分類的細節特征，首次系統地闡述

10、了指紋學。完善地確立了一整套指紋識別的方法，并且用于刑事偵察中對犯罪嫌疑人的甄別和鑒定。到本世紀初，指紋學的研究根本成熟，這時的指紋鑒別，主要由指紋專家根據指紋知識憑經驗判斷。世界上許多國家都建立了指紋庫，僅美國聯邦調查局的指紋庫中就存有二億多張指紋卡。然而傳統的指紋識別方法面臨著從指紋庫中人工查找、比照指紋卡速度慢、效率低、對人員要求高等問題。從二十世紀六十年代開始，隨著計算機技術的開展，傳統的指紋識別技術發生了重大變化。人們開始利用計算機來建立指紋識別系統。目前有很多的生物測定技術可用于身份認證，包括虹膜識別技術、視網膜識別技術、面部識別、簽名識別、聲音識別技術、指紋識別等，具有平安、可靠

11、的特點，其中指紋識別系統是目前研究最多、最有應用前景的生物識別系統。指紋識別技術的應用十分廣泛，指紋因具有終生不變性及穩定性,而且不同人指紋相同的概率幾乎為零,因此指紋自動識別系統被廣泛應用于案例分析、商業活動中的身份鑒別等領域。指紋識別技術的開展得益于現代電子集成制造技術的進步和快速可靠的算法的研究。表1-1 識別技術比照表一類型鑒別可靠度可否運用一對一比照可否運用一對多比照傳感器價格尺寸虹膜很好是是高較大視網膜很好是是高較大面部一般是否低中等簽名一般是否低較小語音一般是否極低非常小基因最好是否極高很大指紋很好是是較低非常小表 1-2 識別技術比照表二可以看出，在眾多生物特征識別技術中，指紋

12、識別是一種比擬理想的基于生物特征的身份認證方式,隨著科技的進步指紋識別技術在實際應用中表現除了越來越大的作用。在美國，911以后，三個相關的法案(愛國者法案、邊境簽證法案、航空平安法案)都要求必須采用生物識別技術作為法律實施保證?？傮w上來說，應用己經進入了以政府級應用為主的階段，有著極其廣闊的應用前景，其主要應用領域包括：1)機場、旅客控制Airport STraye；2)政府部門Government；3)個人使用(門禁、考勤)Per Sonnel；4)執法機構Law EnforCement：5)消費者管理系統ConsumerRetail；6)金融管理效勞系統Fi nancial serriC

13、eS；7)計算機登陸系統Computer；8)醫療保健系統HIPAA。另外對生物識別(指紋識別)技術來說，被廣泛應用意味著它能在影響億萬人的日常生活的各個地方使用。通過取代個人識別碼和口令，生物識別指紋識別技術可以阻止非授權的“訪問，可以防止盜用ATM、蜂窩 、智能卡、桌面PC、工作站及其計算機網絡；在通過 、網絡進行的金融交易時進行身份認證；在建筑物或工作場所生物識別技術指紋識別可以取代鑰匙、證件、圖章等。生物識別(指紋識別)技術的飛速開展及其廣泛應用將開創個人身份鑒別的新時代。指紋所具有的唯一性、不變性、易于獲取、分類存儲有規律等特性使其成為生物鑒定學中最為成熟的方式。指紋識別算法的研究方

14、向主要分為：基于圖像的識別算法和基于特征的識別算法。基于圖像的識別算法認為，指紋圖像的頻域和空域信息可以用來唯一表示并識別不同的指紋。它是一種使用全局信息進行識別的方法，例如使用指紋圖像的Fourier頻譜來表示和識別指紋。這類算法的問題在于圖像特征難以定義和匹配，因此算法的拒識率和誤識率較高。基于特征的指紋識別算法是找到并比對指紋的特征。指紋特征的復雜度足以提供用于鑒別的足夠特征。目前大多數的自動指紋識別系統使用的都是這類算法。指紋特征多種多樣，有特征點、奇異點、域方向圖、脊線數目，甚至脊線線型等。對應的匹配方法可以分為：基于點模式的匹配，基于脊線的匹配，基于紋理的匹配以及多種細節特征混合的

15、匹配方法。大多數基于特征的識別算法專注于脊線上的末梢點和分叉點，該方法根據各個特征點的位置和方向來表示和區分指紋，從而使指紋識別問題轉化為判斷兩個特征點集間的最大相似度(最大重合度)的問題。提取該細節特征有多種方法：基于灰度指紋圖像直接提取，基于二值圖像的特征提取，基于細化圖像的特征提取。目前許多公司和研究所在指紋識別技術領域都取得了突破性的進展，推出許多指紋識別與傳統IT技術完美結合的應用產品，這些產品已經被越來越多的用戶所認可。1.3.1 國外研究現狀在歐洲，現代的指紋匹配技術主要是16世紀后期產生。Henry Faulds在1880年，第一次科學的提出了指紋的兩個重要特征：一是任何兩個不

16、同手指的指紋脊線的式樣ridge pattern不同，二是指紋脊線的式樣在人的一生中不會改變。這一發現奠定了現代指紋識別技術的理論根底，也使得指紋識別在罪犯鑒定中得到應用。Francis Galton對指紋進行深入研究，并于1888年引入了特征點的分類技術。1899年，Edward Henry學習了Galton的指紋科學，建立了著名的“Henry System用于指紋分類。使用精準的指紋索引給專家指紋識別帶來極大的便利。早在20世紀初期，司法部門己經正式采用指紋作為有效的身份標記，一些指紋識別機構建立了世界范圍的罪犯指紋檔案庫。1923年Purkinje首次對指紋進行了分類； 1960年，美國

17、聯邦調查局、英國內務部Home offiee in the UK和法國巴黎警察局聯合開始投巨資研發指紋識別系統，并于1975年成功推出了第一個商業化系統，隨后，各國研究機構和許多大公司開始指紋識別技術的研究和產品開發工作。國際上著名的指紋識別系統有：美國聯邦調查局的AFIS系統，日本NEC公司的指紋鑒定系統，北美英弗公司的指紋鑒別系統等。目前，隨著數字化、信息化社會對自動身份鑒別技術的要求的不斷提高和AFIS在司法領域取得了巨大成功，隨著計算機硬件性能的飛速提高和價格的不斷降低，隨著普通群眾對指紋識別了解的深入和接受，指紋識別技術已經突破了司法、偵探領域進入民用領域，并取得了快速的開展。傳統指

18、紋識別算法主要用于司法、刑偵領域主要考慮降低拒識率，一般需要人工協助處理，而且存在誤識率高、計算速度慢、資源消耗大等問題，并不適合于民用領域。同時，民用市場對指紋識別算法在自動化程度、拒識率和誤識率、響應時間、資源消耗等方面也提出了更高的要求。2006年初，澳大利亞成功發行世界上第一本生物識別護照。2007年11月，美國國土平安部宣布所有入境美國的非美國公民都要接受數字拍照及雙手十指指紋掃描。指紋識別即將迎來迅速普及的開展時期。2021年，美國成功對指紋識別系統進行了更新的研究2。1.3.2 國內研究現狀我國利用指紋識別身份的歷史最早可以追溯到秦朝， 1903年,中國青島市警察局首次應用漢堡式

19、指紋法。此后我國相繼開展了指紋的應用及研究,還曾建立過“指紋學會。劉紫宛編寫的?中華指紋法?一書是我國最早的指紋專著。全國解放后,我國對指紋研究一直比擬重視。1955年編制了?中華人民共和國十指紋分析法?。這可以說是我國指紋的科學時期。在國內，清華大學在80年代開始指紋識別的研究。中科院自動化所模式識別國家重點實驗室自90年代以來，一直致力于“基于生物特征的身份鑒別的研究，在指紋、虹膜、臉相識別等方面取得了很多的研究成果。北京大學視覺與聽覺信息處理國家重點實驗室先后承當了國家“七五和“八五，科技攻關工程，對指紋識別進行了長期的根底性研究，提出了一整套獨創的理論和高效實用的算法。另外，自九十年代

20、初以來，我國的北大方正集團、長春鴻達集團、西安青松集團等機構分別以所在地高校為技術依托，陸續開展了這方面的研究工作。總的來說，國內開展了很多研究，而且取得了很多成果。2002年，清華大學實現了在海量數據庫上的人臉和指紋綜合識別系統，在識別的過程采用的融合策略是先用人臉特征進行比對得到前n個候選，然后在這個范圍內用指紋特征再進行比對。迄今為止，還沒有綜合生物特征的識別系統的產品問世，綜合身份識別系統的研究有待于進一步開展。2021年中北大學信息與通信工程學院提出了一種基于傅立葉變換的指紋圖像增強技術，大大提高了圖像的清晰度。為后來的指紋識別技術作出了較大奉獻。與國外相比，我國在自動指紋識別技術的

21、研究水平上還存在一定的差距。主要表現在：(1)指紋錄入設備的質量還不太過關：(2)自動指紋識別算法研究水平還有待提高，在應用上的表現為產品適應性和易用性較差，對干、濕一些的指紋往往不能正確區別，對指紋錄入時的旋轉、平移比擬敏感。1.3.3研究現狀小結現在國內外指紋識別大都采用基于細節特征點的指紋識別技術，即采用基于圖像處理的指紋識別算法，其中比擬有代表性的有兩種。一種是基于方向濾波增強，并在指紋細化圖上提取特征點的算法，另一種是直接從指紋灰度圖上提取特征點的算法。指紋識別作為一種熱門的生物識別技術受到越來越多人的關注，國內外許多機構和學者都采用了很多不同的算法對指紋圖像進行預處理和匹配。但有些

22、算法會由于指紋圖像的噪音、皮膚彈性引起的非線性形變等多方面因素，導致在識別過程中出現誤差，影響識別率等。當下指紋識別技術已經越來越成熟，其應用日益普遍。除了刑事偵查以外，民用方面，如指紋門禁系統，指紋考勤系統，銀行指紋身份認證系統等。社會各個方面對指紋識別系統有很大的需求?，F代指紋識別源于16世紀后期。蘇格蘭醫生Henry Fauld于1880年首次在英國?Nature?發表論文稱，人的指紋各不相同且恒久不變，并可以利用現場指紋來鑒定罪犯。相當數量的研究者在長期科學研究中發現兩個人指紋相同的概率極小。單個手指指紋的概率小于七十億分之一。其次一個人指紋可以保持終生不變。美國最早于1963年首先開

23、始指紋識別技術相關軟件的研制。當然指紋識別是一個復雜的過程。與人工處理不同，自動指紋識別技術并不直接儲存指紋圖像。多年來各個公司及其研究機構產生了許多數字化算法。但指紋識別算法的本質問題都歸結為，在指紋圖像上找到并比照指紋的特征。通過計算機模糊比擬的方法，計算出它們的相似程度，并最終得到兩個指紋的匹配結果。實際應用中，人類指紋的紋形特征根據其形態的不同通?？梢苑譃椤肮?、箕型、斗型三大類型，以及“孤形、帳形、正箕形、反箕形、環形、螺形、囊形、雙箕形和雜形等9種形態。根據上述模型特征比在計算機中建立數學模型進行數字匹配便是指紋識別的一般性原理。本文以研究指紋識別中指紋圖像分割、細化、特征提取、匹

24、配等假設干問題為研究主體，針對指紋識別技術中分割、細化和匹配進行了仿真和修正。其中分割局部采用了方差均值的方法，細化選取了一種偽特征較少的模板，匹配時以分叉點和端點信息進行匹配。具體的章節和各章的內容安排如下：第一章：介紹了研究背景，對現在開展和應用的各種生物識別技術進行了概述，尤其重點闡述了其中指紋識別技術的開展、應用、研究概況、市場前景和存在的難題以及研究方向。同時，說明了本論文的研究目的及意義。第二章：為后續的研究工作奠定根底，本章介紹了指紋學根底知識：名詞解釋，指紋的分類，以及指紋識別的根本原理。第三章：指紋識別工作中最重要的工作，是對已經采集了的指紋圖片進行的一系列預處理工作，包括增

25、強，二值化，細化等。本章主要的介紹了指紋圖像預處理的流程和方法，并給出了仿真得到的結果。第四章：介紹了指紋圖像細化的方法并仿真得到結果。主要介紹了指紋圖像細化后的特征提取，需要哪些特征，去除哪些偽特征，以方便和正確地進行匹配工作。第五章：介紹了指紋圖像匹配的概念、匹配問題的困難所在和常用方法，給出了一種修改根底上驗證用的匹配方法。第六章：總結本文所取得的一些研究成果，并對課題開展進行了展望。第二章 指紋識別理論根底指紋：手指第一節(手指尖一節)指頭外表乳突紋線。指?。菏种傅谝还澣橥痪€與承受客體接觸時留下的印痕。脊線：是手指上的特殊的皮膚花紋的隆線。谷線：兩個脊線之間低陷的局部。細節特征：指紋中

26、出現的各種特征。而根據其出現的概率及在處理過程中的穩定性，我們最常采用的就是脊線端點和分叉點，如圖。圖2-1 兩種根本的指紋細節特征總體特征是指那些用人眼直接就可以觀察到的特征，包括根本紋路圖案：環型loop，弓型arch，螺旋型whorl。其他的指紋圖案都基于這三種根本圖案。指紋的脊紋形式是適應之間的球狀外表和半圓形頂端以及橫行的指間屈基線生長的，除少數弓形紋之外，絕大多數是箕、斗型紋約占95%，三種紋形的大致分布概率如表2-1表2-1 紋形的大致分布概率根本紋型弓型箕型斗型分布概率5%60%35%紋型是指紋的根本分類，是按中心花紋和三角的根本形態劃分的。紋形附屬于型，以中心線的形狀定名。按

27、我國是指紋分析法，指紋分三大類型如圖2-2，五大種形態。可見，型與形是類與種的關系?；?斗型 弓型圖2-2 指紋的紋形進一步的細化分類可將指紋分為六種主要的類型：拱形(arch)、帳型(tended arch)、左箕型(1eft loop)、右箕型(right loop)、雙箕型(double whorl)和斗型(whorl)。圖為上述六種類型的指紋圖示。圖2-3 指紋細化分類局部特征局部特征是指指紋上的節點的特征，這些具有某種特征的節點稱為特征點。兩枚指紋經常會具有相同的總體特征，但它們的局部特征特征點Minutia，卻不可能完全相同。指紋紋路并不是連續的、平滑筆直的，而是經常出現中斷、分

28、叉或打折。這些斷點、分叉點和轉折點就稱為特征點。就是這些特征點提供了指紋唯一性確實認信息。特征點的分類有以下幾種(如圖2-4),最典型的是端點和分叉點。圖2-4指紋特征示意圖很多研究者試圖解決指紋分類問題，其核心的問題就是指紋局部與整體特征的定義問題，至今分類算法的種類繁多，所以不同識別系統普遍存在誤識率較高的問題。如何提高指紋分類的準確率在指紋識別研究中是一個較關鍵的問題。2.4指紋的根本性質1)確定性：指紋紋線的輪廓(紋型)和細節特征是根本不變的。從胚胎學角度考察，胎兒34個月即產生了指紋，至6個月左右的胎兒就形成了完整的指紋，出生后隨著年齡的增長，紋線會變粗，花紋的面積會增大，但到了成年

29、以后，這些變化即無顯著表現，而花紋的類型結構、細節特征的總體布局、脊線的總數目等方面，自胚胎六個月到出生至死亡腐敗之前，始終是無明顯變化的，這就充分地說明了指紋確實定性2)唯一性：由于指紋脊線的連接關系千變萬化，因此，即使兩個不同的指紋有著相同的輪廓和相同數量的細節特征，它們的細節位置也是不可能完全相的。3)可分類性：指紋的紋型，中心點和三角點之間的脊線數，以及細節特征間的關系，都可作為分類的依據。4)觸物留痕：從嚴格定義上講，自動指紋識別應該為自動“指印識別。指紋接觸物體后留下的痕跡即為指印。正是因為這些性質，指紋被國內外許多專家、學者稱為“證據之首。一切指紋識別系統，都是基于以上這些性質，

30、從而進行身份的鑒別和確認的。2.5指紋識別的根本原理指紋識別技術主要涉及四個功能：讀取指紋圖像、提取特征、保存數據和比對。通過指紋讀取設備讀取到人體指紋的圖像，然后要對原始圖像進行初步的處理，使之更清晰，再通過指紋辨識軟件建立指紋的特征數據。軟件從指紋上找到被稱為“節點minutiae的數據點，即指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特征。通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。這些數據，通常稱為模板。通過計算機模糊比擬的方法，把兩個指紋的模板進行比擬，計算出它們的相似程度，最終得到兩個指紋的匹配結果。其一般性過程如以下圖所示：圖2-5

31、 指紋識別的一般性過程第三章 指紋識別預處理和增強方法在圖像形成，傳輸或變換的過程中，由于受到其它客觀因素諸如系統噪聲、曝光缺乏或過量、相對運動等影響，獲取圖像往往會與原始圖像之間產生某種差異(稱為降質或退化)。退化后的圖像通常模糊不清或者經過機器提取的信息量減少甚至錯誤，這些在實際應用中，具體表現有：1.指紋模糊不清造成指紋紋線間的粘連、模糊或斷裂,會導致產生虛假的指紋細節特征點。2.遺漏或忽略了正確的細節特征點。3.在有關描述細節特征點的位置和方向等屬性時產生嚴重失真。因此指紋圖像質量的上下直接關系到細節特征點提取的有效性和可信性影響系統在匹配時的拒認率和誤識率，從而最終影響整個系統識別的

32、結果。由此可知，在進行指紋分類和細節特征匹配之前一定要先對采集到的指紋圖像進行針對性的預處理。預處理是指紋自動識別系統中的最重要的一步,它的好壞直接影響著指紋識別的效果。圖像增強技術正是在此意義上提出的，目的就是為了改善圖像的質量。圖像增強尚沒有統一的理論方法，常用的圖像增強技術有直方圖修改、圖像平滑濾波、圖像銳化等。圖像增強技術主要分為兩類：頻域增強法和空域增強法頻域增強法就是在圖像的某種變換域中(通常是頻率域內)對圖像的變換值進行某種運算處理，然后變換回空間域?？沼蛟鰪姺ㄊ侵苯俞槍D像中的像素，對圖像的灰度進行處理?？沼蚍▽儆谥苯釉鰪姷姆椒?，它包括擴展比照度的灰度變換和直方圖變換、消除噪聲

33、的平滑法和增強邊緣的銳化法。指紋圖像與處理的主要流程如以下圖所示：灰度圖分割濾波二值化細化圖3-1 指紋圖像預處理的主要流程指紋圖像預處理的過程核心就是人們通常所說的圖像的濾波，既在圖像增強前使用一些簡單的圖像處理手段對圖像進行初加工。通常使用的預處理方法包括：1.感性區域的分割，計算出指紋圖像的邊界，進行感性區域ROI Region of Interest的分割。2.灰度均衡化：用以消除或減輕同一圖像不同區域之間或者不同圖像之間比照度的差異3.方向場的計算：計算出指紋圖像的方向場，這個步驟是指紋的濾波和增強所不可缺少的一個環節。4.低通濾波，利用簡單的低通濾波器去除圖像中存在的椒鹽，高斯等噪

34、聲。上述方法將在后續章節中逐一介紹。3.2指紋圖像分割概述在指紋識別系統中，指紋圖像分割是圖像預處理的一局部。指紋分割的最根本的依據是圖像某些特征和特征集合。圖像特征是指紋圖像的固有屬性,如灰度值,鄰域關系,紋線的扭曲程度等。特征集合那么是幾種的結合。通過提取圖像特征,可將原始圖像映射到特征空間,使圖像特征在特征空間中呈現一定的分布。因此根據以上的的灰度值領域關系，紋線的扭曲程度，指紋圖像分割大致分為三類：基于像素的圖像分割，基于塊特征的圖像分割以及基于全局的圖像分割。基于全局的圖像分割那么是根據情況特別是某些特殊場合的利用，如殘缺指紋。全局的圖像分割可以是人工選定幾個特定點后再根據全局的特點

35、來處理，此法也可運用于匹配?；谌值闹讣y識別仍處于實驗室探索階段,應用領域中尚不廣泛。3.3均值方差法增強比照度在圖像分割概述中，已經提到基于塊特征的指紋圖像分割。在這局部將重點介紹均值法差法的計算方法和在仿真中的運用。該算法基于背景區灰度方差小，而指紋區方差大的思想，將指紋圖像分成塊，計算每一塊的方差，如果該塊的方差小于閾值為背景，否那么為前景。具體步驟分以下三步：(1)將低頻圖分成MM大小的無重疊方塊，方塊的大小以一谷一脊為宜。(2)計算出每一塊的均值和方差。設指紋圖像I的大小為HL，I(i,j)為像素點(i,j)的灰度，AVE和VAR分別為原指紋圖像的均值和方差，AVE和VAR可以通過

36、公式()和()計算得到。 (3)如果計算得到的方差幾乎接近于0就認為是背景，對于方差不為零的區域在進行閾值分割算法，這種算法主要是根據計算得到的方差來決定其是否為背景區。在使用方差均值法之前還要使用歸一法將圖變為低頻圖。歸一化的目的是把不同原圖像的比照度和灰度調整到一個固定的級別上，為后續處理提供一個較為統一的圖像規格。指紋圖像的歸一化公式如式(3.3)所示，當大于平均值時為加。 3.3其中和為期望的灰度均值和方差。均衡化后效果如以下圖所示：圖3-2 增強比照度前后效果3.4 Gabor濾波增強眾所周知，Gabor濾波器是帶通濾波器，它以其在空域良好的方向選擇性在頻域有良好的頻率選擇性而在計算

37、機視覺領域尤其紋理分析方面得到了廣泛的應用。在指紋圖像中對于灰度指紋圖像，脊線和谷線在局部的小鄰域可以認為是正弦波形狀，具有一定的頻率和方向。利用Gabor濾波器良好的對方向和頻率的選擇性方向濾波是圖像增強的一個很好的方案，實驗說明，以Gabor函數的偶分量實部為模板，脊線于谷線形成的近似正弦波的頻率為濾波器的頻率，以指紋的局部方向構建的濾波器，去噪效果非常好，濾波后的指紋圖像的灰度直方圖以呈現明顯的雙峰性質。Gabor濾波器的形式如以下圖所示：圖3-3 Gabor濾波器濾波后的圖像灰度值為：圖3-4 灰度值計算式Gabor濾波增強后的效果圖如下所示：圖3-5 Gabor增強局部效果圖對指紋圖

38、像進行二值化處理由于分割后的圖像質量仍然不是很好，所以需要對其進行濾波、消除毛刺、空洞處理和二值化處理，以使指紋圖像清晰，消除不必要的噪聲，以利于進一步的辨識。指紋圖像二值化作為指紋預處理過程的一局部，是進行指紋圖像細化處理的根底。目前指紋細化方法都是基于二值指紋圖像進行的。對指紋圖像二值化的好處在于使得圖像的幾何性質只0和1的位置有關，不再涉及像素的灰度值，使處理變得簡單，這給存儲和處理帶來了很大的方便，同時也提高了系統的經濟實用。一個好的算法可以得到一個高質量的二值圖像。反之，如果該階段引入噪聲，就會直接降低圖像質量，影響識別精度。對指紋圖像進行二值化，其根本要求就是二值化后的圖像能真實地

39、再現原指紋。具體要求為：1脊線中不出現空白；2二值化后的脊線根本保持原來指紋的特征；3指紋的紋線不應有太多的間斷和相連；4指紋紋線間的間距應大致相同。指紋圖像首先要進行中值濾波處理，去除噪聲。然后進行二值化過程，變成二值圖像。由于原始指紋圖像不同區域深淺不一，如對整幅圖像用同一閾值進行二值分割，會造成大量有用信息的喪失。這里我們使用自適應閾值二值化的思想，對每塊指紋圖像，選取的閾值應盡量使該塊圖像內大于該閾值的像素點數等于小于該閾值的像素點數。一般灰度圖像二值化的變換函數用以下公式表示，見式： 公式()中為指定的閾值，為灰度值。自適應閾值算法9首先是利用固定閾值算法的思想，然后根據圖像中每一局

40、部的明暗度來調整閾值。本文首先把圖像分為假設干個的方塊，每一塊根據自己的閾值進行二值化。這種算法充分利用了指紋圖中脊線與谷線寬度大致相同的特點，即二值化后黑白像素的個數也應大致相同，首先利用固定閾值算法的特點對指紋圖像中的每塊確定一個大致的閾值，然后再利用自適應的思想對閾值進行準確的調整，即閾值的取值適宜時圖像是最光滑的，既沒有“黑洞閾值過大，也沒有“白點閾值過小，所以01之間的轉換次數最少。下面為塊區域閾值的選取算法：1將指紋圖像劃分為不重疊的大小為的塊，求取該區域內所有像素的灰度平均值。在綜合考慮算法速度和處理效果兩方面的條件下，本文分塊尺寸為88；為塊的灰度平均值見式： 2計算區域內的和

41、的值，=灰度值大于等于的像素點的個數。可得=灰度值小于的像素點的個數；3如果，那么為閾值；4假設，那么，否那么，返回第二步。自適應閾值二值化的流程圖如圖3-6所示：圖3-6 自適應閾值二值化流程圖圖36中為該塊指紋圖像的平均灰度值、分別為第塊指紋圖像中灰度值大于等于和小于的像素點數，是分塊尺寸像素。3.6 指紋圖像的細化細化是在不改變圖像像素拓撲連接關系的條件下，連續擦除圖像的邊緣像素，把紋線粗細不均勻的指紋圖像轉化成線寬僅為一個像素的條紋中心線圖像的過程。細化可以去除不必要的紋線粗細信息，使得指紋圖像的數據量及連接結構更加突出，便于從指紋圖像中提取細節特征，如圖3-7從而在指紋特征提取和匹配

42、環節上提高圖像的處理速度和效率。圖3-7 紋線特征指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識別只對紋線的走向感興趣，不關心它的粗細。為了進一步壓縮數據，得到更精確的細節特征，提高識別的準確性，對指紋圖像進行細化處理是不可忽略的。細化方法不同,細化結果就有差異。在指紋識別中要求在不改變原來指紋圖像的拓樸連通性的同時,細化的結果應為嚴格的八鄰域圖像骨架;紋線中除去特征點以外,每個像素均只與相鄰兩個像素為八鄰域,抹去任意一像素都將破壞紋線的連接性。概括起來說就是紋線細化處理要滿足收斂性、連接性、拓樸性、保持性、細化性、中軸性、快速性的要求。目前為止,關于細化方法的研究工作已有很多成果,所采用的

43、方法從使用的觀點來看,比擬多的是采用模板匹配的方法(如迭代法、OPTA單連通法等)。這種方法是根據某個像素的局部鄰域(如33,55等)的圖像特征對其進行處理,此外也有采用邊緣搜索編碼、外輪廓計算以及神經網絡等細化方法。從處理的過程來看,主要可以分為串行和并行兩類,前者對圖像中當前像素處理依據其鄰域內像素的即時化結果,且不同的細化階段采用不同的處理方法;后者對當前的像素處理該像素及其鄰域內各像素的前一輪迭代處理的結果,自始至終采用相同的細化準那么。對于任意形狀的區域，細化實質上是腐蝕操作的變體，細化過程中要根據每個像素點的八個相鄰點的情況來判斷該點是否可以剔除或保存。圖3-8 根據某點的八個相鄰

44、點的情況來判斷該點是否能刪除圖3-8給出了當前需要處理的像素點在不同的八鄰域條件下的情況，可以看出：(1)不能刪，因為它是個內部點，我們要求的是骨架，如果連內部點也刪了，骨架也會被掏空的；(2)不能刪，和(1)是同樣的道理；(3)可以刪，這樣的點不是骨架；(4)不能刪，因為刪掉后，原來相連的局部斷開了；(5)可以刪，這樣的點不是骨架；(6)不能刪，因為它是直線的端點，如果這樣的點刪了，那么最后整個直線也被刪了，剩不下什么；(7)不能刪，因為孤立點的骨架就是它自身?？偨Y上圖，有如下的判據：(1)內部點不能刪除；(2)孤立點不能刪除；(3)直線端點不能刪除；(4)如果P是邊界點，去掉P后，如果連通

45、分量不增加，那么P可以刪除。我們可以根據上述的判據，事先做出一張表，從0到255共有256個元素，每個元素要么是0，要么是1。我們根據某點的八個相鄰點的情況查表，假設表中的元素是1，那么表示該點可刪，否那么保存。查表的方法是，設白點為1，黑點為0；左上方點對應一個8位數的第一位最低位，正上方點對應第二位，右上方點對應的第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應的第八位，按這樣組成的8位數去查表即可?？紤]當前像素點的各種八鄰域的情況，我們可以得到一個細化操作查找表，該表在下面的細化算法中詳細介紹。為了防止分裂指紋圖像，細化的過程分為兩個步驟，

46、第一步是正常的腐蝕操作，但是它是有條件的，也就是說那些被標記的可除去的像素點并不立即消去；在第二步中，只將那些消除后并不破壞連通性的點消除，否那么的話保存這些邊界點。以上的步驟是在一個33鄰域內運算，可以通過查表實現細化的操作。算法的實現步驟如下：(1)定義一個33模板和一個查找表，模板和查找表分別如和所示：表3-1 細化模板1241282568643216圖3-9 細化查找表(2)對二值圖像從上到下、從左到右進行掃描；該過程結束后再對圖像進行從左到右，從上到下的掃描；如果圖像中當前像素點的灰度值為0，且其左右第一次掃描過程考慮左右像素點或上下第二次掃描過程考慮上下兩個像素點兩個像素點中有任意

47、一個為255那么轉至步驟(3)，否那么回轉到步驟(2)；(3)該像素點為中心的33區域內的各個像素值和定義的模板中的權值進行卷積求和，得到查找索引值k；(4)根據這個索引值k得到表里相應的數據，如果為1，那么該像素點的灰度值設為255，如果為0，那么該像素點的灰度值為0。(5)圖像從頭至尾掃描二遍后，如果該次掃描修改了圖像中的點，那么跳轉至步驟二，開始新的一輪掃描。否那么圖像細化結束。圖3-10 細化處理后的指紋圖像圖3-10是一幅經過細化處理后的指紋圖像，和原圖像比擬可知，細化后的指紋圖像脊線的寬度由5到8個像素被壓縮到一個像素，以便于后續特征提取的處理過程能夠對脊線的斷點和分叉點進行精確定

48、位。預處理實驗結果 原始圖像a1 原始圖像b1圖311 原始圖像 分割圖像a2 分割圖像b2圖3-12 分割后的圖像 二值化圖像a3 二值化圖像b3圖313 二值化后的圖像 細化圖像a4 細化圖像b4圖314細化后的圖像本章小結本章主要介紹了指紋圖像預處理各個步驟的原理及實現，對各步驟的算法進行研究與實現，給出了各個算法的結果。在指紋分割的處理中采用了灰度方差發進行分割運算，得到了很好的效果，在細化的處理中采用了查表的方法進行細化并且比以往的常規算法要優越一些。第四章 指紋特征的提取對于特征點提取的常用算法很多，如：(1)基于二值化的特征提取方法：這種算法對于預處理和增強后得指紋圖像進行二值化

49、，然后再提取特征點。(2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發，通過分析圖像的紋理屬性和拓撲結構提取特征點。(3)基于細化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細化圖像，通過細化圖像提取特征點。為了比擬兩個指紋是否相同，需要從指紋圖像中提取出能表示指紋唯一性的特征。Galton提出的指紋細節點是人工指紋匹配中最常用的特征。目前已定義的特征類型己達150多種，但是這些擴展的特征往往不易提取相互區分，并且它們都可以由端點和分叉點的組合進行描述，這使得端點和分叉點成為最常用的結構特征，也稱為細節特征，它被認為是最穩定、最容易檢查的，而且占全部特征點的80以上。提取出的特

50、征點還必須經過偽特征點的去除，盡可能地去除掉由于二值化、細化處理等過程引入的偽特征點。最后確定出特征點的類型、位置、方向。本章就是根據端點和分叉點是最常用的結構特征，提取滿足一定條件接近的點，再去除不是端點和分叉點的偽特征點，最終實現特征值的提取，有利于后面匹配的展開。4.1 特征點的提取特征提取一般是指提取指紋圖像的局部特征，也就是細節點特征。在基于細節點的指紋自動識別系統中，特征提取是在細化后的指紋圖像上進行的。特征提取的首要問題是確定細節點和它的位置，細節點的位置和細節點間的相對位置很重要，盡管每個指紋中包括將近80個細節，只要確定十幾個細節點就己經足夠用來識別了。探測細節點的算法很簡單， M是待檢測的點，是它的八鄰域，沿順時針方向排列。是細化后圖像在處的灰度。如果M是端點，那么它的八鄰域滿足：， 如果M是分叉點，那么它的八鄰域滿足：， 這樣我們就可以在細化后的圖像中找到細節點(端點和分叉點)，并記錄它們在圖中的相對位置。圖4-1 指紋圖像特征點提取結果假特征點的去除這樣得到的特征中存在由指紋質量、攝入噪聲等原因造成的很多假特征，如以下圖3-12