論文題目指紋辨識.docVIP

論文題目：指紋辨識 指導老師：吳家麟 教授 學生：林韋成、呂立偉 劉書維、黃闞立 科系：國立台灣大學資訊工程學系 摘要 本篇論文主要在討論，以凸紋線（ridge）做指紋辨識的根據時，如何從一個指紋圖形中，分離出每條凸紋線，並找出它的終端點（end point）和分叉點（bifurcation）這兩樣特徵，以及如何根據這兩樣特徵做指紋的比對。本篇論文介紹了一個以凸紋線為基礎的指紋辨識系統所需經過的流程，並對每個步驟找出一個演算法來實作，組成一套指紋辨識系統。 簡介（INTRODUCTION） 指紋辨識是使用在個人自動辨識上很熱門的生物特徵科技。在法律案件中，也是常常被利用在罪犯的辨認上。目前它也會被用在具有高安全性的系統上，好比信用卡的使用和員工的認証等。其主要是根據生物統計學的研究，認為不同的人具有相同指紋的機率低到幾乎是不可能。同時指紋不會因年齡的增加而有所改變。因此在個人辨識上，指紋一直有其重要地位。 指紋辨識的方法可分為兩大類：一是以手指毛細孔的位置，二是以手指表皮上的凸紋和凹紋所形成的紋路為辨識的基準。利用毛細孔來做辨識，最主要的困難是必須以雷射光來掃瞄毛細孔的位置，設備裝置不易取得，然而毛細孔的位置是永遠固定不變的，而且毛細孔的位置不容易受外力而破壞，判斷成功率較高。凹凸紋所形成的紋路，可經由油墨的按捺在紙上，經由掃瞄器掃瞄進電腦後取得影像檔，藉此來做判斷，所以取得非常容易，可是此種方法取得的指紋，會經過多次失真，提高比對的錯誤率。 指紋的紋路常見可分為六類1，而這些只是大略的分類。若要精確地對指紋做比對，單靠大略分類是不夠的。這時候就必須依據更精細的指紋特徵──指紋終端點（Minutiae Ending）和指紋分叉點（Minutiae Bifurcation）。如Fig. 1分別表示指紋終端（Fig. 1(a)）和指紋分叉點（Fig. 1(b)）： (a) (b) Fig. 1 (a) 指紋終端點 (b) 指紋分叉點 仔細觀察這兩個指紋特徵是互為對偶（dual）。因此在指紋辨識時，大都將此兩特徵視為相依，稱為指紋特徵（minutiae）。 我們是以指紋特徵（minutiae）為主，來做指紋的辨識。指紋圖檔的規格是以F.B.I.的標準512*512 Pixel、500dpi1。我們是以特殊的油墨來按捺指紋，經由掃瞄器以灰階格式輸入電腦，如Fig. 2。存在電腦中原始的指紋影像檔，經由一些前景和背景的區分、雜點消除等前置處理，目的在於提供良好的影像檔案，以便能夠在指紋特徵取得的步驟中，取得較正確的指紋特徵，增加比對的準確率。在取得指紋特徵之後，利用指紋特徵相對的空間與方向關係，將一些可能錯誤的指紋特徵移除。取得最後的指紋特徵之後，將欲比對的指紋特徵和先前已註冊的指紋特徵做比較，計算相似分數，若分數大於某一定值，則認定找到相對應的指紋。 Fig.2 掃瞄器掃入的影像 我們的系統為一個半自動半手動的指紋辨識系統，除了指紋資料的取得必須手動外，還有就是在取的指紋特徵的過程中參數的設定，也必須手動的調整，除了上述之外，其餘皆可自動完成。我們的系統架構大致上分為兩個部份，第一個部份是指紋特徵的取得（Minutiae Extraction），而第二個部份，則是指紋特徵的比對（Minutiae Matching）。 指紋特徵的取得（MINUTIAE EXACTION） 2-1.方向場的計算（Orientation Field Estimation） 因為指紋紋線有很好的方向性，所以指紋可以視為一種具有高度方向性的影像，我們會先計算指紋影像每一點的方向，形成指紋影像的方向場（Orientation Field)，如Fig. 3，並做為取得指紋特徵演算法的基礎 。 Fig. 3 指紋影像的方向場 在計算方向場時所有關於角度的計算全部都換為弳度為單位，而計算指紋影像方向場的步驟如下23： 先計算影像每一點的梯度 ( Gradient) 向量，利用影像處理中的 3x3 Sobel Operator來計算每個點（i , j）梯度的X分量 Gx （i , j）與Y分量 Gy（i , j）。 2 . 再計算影像每一點（i , j）梯度（Gradient）向量的方向 (（i , j），其計算方程式如下： 其中W是點（i , j）鄰近區域的大小，可以依影像的大小做調整。 為了要使每一點梯度（Gradient）向量的方向計算比較精確，所以要利用每一點鄰近點的梯度向量一起來決定其梯度向量的方向，而不能只單純的用每一個點自己的梯度向量來決定。 因為每一點梯度向量的方向都與每一點的