1、圖像處理在指紋識別中的應用研究院（系）名稱信息工程學院專業班級12普本測控學號1201190012學生姓名吉鵬飛1緒論21.1指紋識別21.2指紋識別算法概述32設計過程35.%21平滑處理4.1增強對比度4.2指紋圖像規格化和濾波一42銳化處理53二值化6細化7特征值的提取7偽特征點的去除83圖像處理94小結11參考文獻121緒論指紋識別指紋識別技術源于19世紀初， 科學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人同他的指紋對應起來， 通過采集他的指紋并與預先保存的指紋進行比較來驗證其真實身份。隨著現代科技的不斷進步與廣泛應用，可靠高效的個人身份識別變得越來越需要，每個人的指紋具

2、有惟一性，終身不變,難以偽造，因此指紋識別是替代傳統身份識別手段的最安全、最可靠、最方便的方法5o指紋圖像本身的信息量和數據量是很大的因此直接基于指紋圖象的匹配識別是不可取的，而要采用專門高教的指紋識別與處理方法。指紋識別的一般過程是指紋圖象預處理、指紋特征提取和特征匹配。但由于采集設備噪聲干擾、指紋采集時手指皮膚的干燥程度、汗漬、污漬等原因使待分析的指紋圖像噪聲較多并對細節點有較強干擾，影響指紋的特征提取。指紋圖像是通過將模擬信號采樣量化后，以矩陣形式存入計算機，圖像平滑處理指紋圖像生成方向數組后，為了消除較強烈的局部噪聲干擾，需要對生成的方向數組圖像進行預處理。預處理是指紋識別的前提，也是

3、整個工作的基礎，因此指紋圖象預處理工作的好壞直接關系到指紋特征提取的可行性和準確性。指紋識別算法概述指紋是手指末端正面皮膚上凹凸不平產生的紋路，這些紋路就是通常所說的脊和谷3。指紋雖小，但它蘊涵了大量信息。其中，包括紋型在內的全局特征，為指紋的分類提供了基礎；同樣，指紋還有許多局部特征（根據美國國家標準局規定，包括脊末梢、分岔點、復合特征和未定義四種），稱為細節點（Minutia）。不同人的指紋的細節點是唯一的、穩定不變的，這為指紋識別提供了可能。目前，最常用的方法是用FBI提出的指紋細節點模型來做細節匹配2。而最常用的細節特征有脊末梢和分支點兩種。基于點模式匹配的自動指紋識別系統（AFIS）

4、的基本流程一般由圖像采集、圖像預處理、細節點提取和指紋匹配幾部分組成。首先，指紋要通過指紋采集設備（常見的有光學取像設備、超聲波掃描取像設備、晶體傳感器，現在廣泛使用的是晶體傳感器）轉化為計算機內的數字圖像（一般為灰度圖）。由于采集過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特征提取，必須對采集到的圖像進行增強和濾波，并進一步二值化、細化40之后，在細化后的點線圖上提取特征值，刪除偽特征值，最終得到用于匹配的細節點。采集到的圖像細節點與模板中的細節點進行比對，最終完成指紋匹配。各個環節環環相扣，對整個系統都起著十分重要的作用。本文著重研究了圖像預處理和細節

5、特征提取這兩個關鍵部分。2設計過程圖像預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特征點的準確率.分為平滑處理、二值化、細化、特征值提取、特征值去除等幾個步驟。2.1平滑處理.1增強對比度圖像增強的方法分空域法和頻域法3,空域法是增強圖像的像素，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比度.2.1.2指紋圖像規格化和濾波指紋圖像經過規格化

6、后，才能將該圖的均值和方差控制在給定范圍內。即對指紋的每個像素進行操作，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)是規格化后的圖像，G(x,y)是原圖像，表示第x行第j列象素點對應的灰度值，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。通過觀測很小局部鄰域內脊的方向，可以得出該脊的方向，設脊線的方向向量為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的指紋脊線方向， 然后將此連續的方向在0180

7、0范圍內離散化成8個方向，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的方向，如圖：公式(2.3)4(a)8個方向(b)8鄰塊取N塊白8鄰塊(圖(b)出現最多的方向為N塊的主方向。在該小鄰域內與脊方向不同的點往往正是附加了噪聲的點。根據這一特性設計7X7自適應濾波器，對圖像進行方向濾波。使在指紋脊線方向上的像素點得到加強，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，也保留了指紋的細節特征。經過方向濾波后的指紋圖像效果較好。2.2銳化處理為增強指紋紋線間的界線，突出邊緣信息，以利于二值化，要對指紋圖像進行銳化處理.用空間微分來完成銳化處理。由于微分算子的

8、響應強度與圖像在該點的突變程度有關，所以銳化可以增強指紋邊緣并削弱灰度變換緩慢的區域.二階微分形成增強細節的能力優于一階微分，對灰度級階梯變化產生雙響應，因此用拉普拉斯單一掩模進行銳化。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)此算法有點事不改變脊線連續性和奇異點的前提下，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。3二值化對于指紋識別系統，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.因而必須根據原始的灰度圖像來確定圖像上的每一個點應屬于客體區域還是背景區域，從而產生對應的二值圖像，它不僅可大大減少存儲量，還可以根據指紋的形狀(環

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別的速度。在基于模糊集理論的增強算法基礎上提出廣義度閾點的方法.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.在此采用動態自適應閾值進行二值化，并根據脊線擴散張量特點，分解擴散4n個方向的和.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)中所有點的灰度值來確定。即由于當(2n+1)x(2n+1)窗口落在下面2種不同區域將會引起錯誤判別：1)當(2+1)x(2n+1)窗口較多地落在谷線區， 將會使一部分乃至大部分象素點被判為脊線；2)當

11、(2+1)x(2n+1)窗口較多地落在脊線區， 將會使一部分乃至大部分象素點被判為谷線。借助于參數6和參考閾值Vt可以得到修正令6為一個通過試驗獲得的正整數，即令60,有:V(x,y)2(2n1)xnyng(x,y)公式(2.6)2.4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，如下圖從而在指紋特征提取和匹配環節上提高圖像的處理速度和效率。存端點分品點分誄點亞里坦邦點短粒在此先在脊線的端點用二

12、次曲線來擬合局部脊線，在沿該端點的方向延伸得到的擬合曲線，并根據端點附近的脊線信息建立不同的處理規則來處理不同的情況，如對簡單的脊線結構，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，用圖示模板進行細化處理：從而得到最終的細化的指紋圖像， 這樣提取出的指紋細節點、 特征點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別細節特征；(2)從指紋的細化圖像上識別細節特征。提取的特征主要有兩類：奇異點指紋奇異點有三種類型：核形(Core)、三角形(Delta)和渦輪形(Whor1)；結構

13、特。它包括端點(Endpoint)、叉點(Bifurcation)、歧點、孤立點(Dot)、環點(Loop)、短紋(shortRidge)等及其方向、曲率、位置等信息。端點及叉點(下圖(b)是指紋細化圖像的主要特征，本文采用這兩種主要特征構造指紋特征向量。它的提取方法為：設Cn(P)為交叉數，Sn(P)為像素8-鄰域(下圖(a)紋線點數：,、1Cn(P)2Pi1Pi(P9Pl)公式(2.10)8Sn（P）Pi（a）P點的8鄰域對于一幅徹底細化的指紋圖像來說，只有三種紋線點：（1）Cn（P）=1,Sn（P）=1,稱為端點；（2）Cn（P）=2,Sn（P）=2,3,4,稱為連續點；（3）Cn（P）

14、=3,Sn（P）=3,稱為叉點。設提取的特征點集用P（P1,P2,?,Pn）表示，其中n為所提取的特征點的個數，Pi= （Xi,Yi,Ti,Ai） ,Xi,Yi表示特征點的坐標；Ti表示特征點的類型，當特征點為端點時Ti=1,當特征點為端點時Ti=2； a表示特征點的角度， 端點的角度取從端點為起點的端線的角度，又點的角度取圖2.3（b）中角度a,b,c中最小者相對的分支的角度。端線及分支的角度求法為：從特征點開始搜索連續點直到搜到另一個特征點或步長達到7,設搜索到的最后偽特征點的去除造成偽特征的原因有很多，指紋提取、二值化及細化等過程均可能引入偽特征。偽特征的存在將影響指紋的比對，降低識別率

15、.（1）偽特征的分析。對于取端點及叉點作為特征算法，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。它們帶來的偽特征點總是成對在近距離內出現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特征點出發經過很小的步長到達另一個特征點， 可以采用沿脊線搜索特征點的方法去除偽特征對。假橋、斷脊則要考慮偽特征的角度關系。下圖為理想化的偽特征，各偽特征的角度關系非常明顯，假橋連線與脊線垂直，斷脊連線則與脊線平行，實際情況則有偏差。設Pi,Pj為假橋或斷脊帶來的特征點對，v為小的角度閾值，且設A為Pi,與Pj連接線的角度：YiYj公式（2.11）一點為（X,Y）

16、,有：Aiarctan上XXi公式（2.12）又點局端點Aarctan-1公式（2.13）XiYj則對于假橋，A與Ai,及a近于垂直，即90-vAAi90+v或90山絹*長北依第 9 頁-vAAj90+v;對于斷脊，Pi與Pj之間沒有脊線，而且A與Ai或Aj的差小于v,即AAv或AAjv。對于圖2.4(f)的雙叉結構我們不將其當作偽特征，它與下圖(c)的島嶼的區別是連接兩叉點的脊線較長，這在現實中是可能存在的結構，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)全為端點與叉點,端點的偽形態有毛刺端點、短脊端點與斷脊端點；叉點的偽形態有毛刺叉點、假橋叉點與島嶼叉點。我們

17、可以分別從端點與叉點出發搜索其鄰域，判斷其真偽，全部偽特征被分為偽端點與偽叉點予以去除。根據上面的分析，偽特征可按如下規則去除：去除孤立點與邊界點，邊界點定義為掩膜值為0的任何區域的距離小于閾值的特征點；對于各端點Pi,從該特征點出發沿脊線搜索， 若經過很小的步長到達另一個特征點即搜索到一個脊線點滿足Cn(P)!=2或Sn(P)!=2則分別當作短脊、毛刺所帶來的偽特征點予以去除；若該端點不是毛刺、短脊引起的偽端點，則搜索其鄰域是否有端點Pj滿足Pi與Pj之間沒有脊線，A與Ai或Aj的差小于30,即AA30或AAj30，據此來判斷該端點是否為斷脊；對于各叉點Pi,從該特征點出發沿脊線搜索其中一個

18、分支， 若有兩個分支經過很小的步長均到達同一個叉點則當作島嶼予以去除； 若有一個分支經過很小的步長到達另一個叉點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小結指紋識別技術雖然已日漸成熟，圖像處理及模式識別界曾一度認為；指紋識別技術已經得到很好的解決，但實際上，作為指紋識別的核心技術仍然存在許多尚未解決的難題，尤其是殘缺、污損指紋圖象的識別的魯棒性、適應性方面不能令人滿意！指紋識別系統將隨著更小更廉價的指紋輸入設備的出現、計算能力更強更廉價的硬件以及互聯網的廣泛應用而進一步拓寬其應用！其中！能適應聯網在線指紋自動識別系統的應用算法有待進一步改進，多種指紋識別方法的集成應用以及包括指紋識別的多種生物特征鑒定的集成應用也將是今后研究發展的方向！近年來，國外指紋識別相關研究又有升溫趨勢！因此，指紋識別現在是，未來幾年仍然是一個重要的、極具挑戰性的模式識別研究課題！參考文獻：1RCla