指纹的特征提取与识别..docVIP

指 纹 的 特 征 提 取 与 识 别　　 摘要 随着社会的发展，计算机技术的进步，人们对身份认证技术提出了更高的要 求。传统的身份认证方法存在的种种弊端让人们将目光投向了生物特征识别这个 崭新的领域。而指纹识别技术凭借其独有的优势在众多生物特征识别技术中脱颖 而出，得到了广泛的关注和应用。现今，自动指纹识别技术已经广泛地应用于公 安、海关、银行、网络安全等需要进行身份识别和鉴定的领域。因此，进行指纹 识别技术方面的研究，具有较高的现实意义和理论意义。 本文综合运用图像处理和模式识别的技术，对自动指纹识别系统的若干问题 进行了探讨和研究，实现了指纹图像的预处理、特征提取和指纹匹配等算法，并 在指纹分割、指纹增强这两个方面进行了改进和创新。 关键词:指纹识别，指纹分割，指纹增强，特征点提取，指纹匹配 第1章 绪论 1.1 指纹识别系统的结构 　　本文主要是对指纹识别系统中图像处理方面的相关算法进行研究，本文的指纹识别系统的基本框架如图1-1所示。 　　 图1-1指纹识别系统的基本结构 1.1.1指纹的预处理 由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。本文预处理过程主要步骤如下: 图1-2指纹预处理的基本结构 指纹分割是把指纹的背景区域从图像中分离出去，减少对指纹图像进行处理时的计算量;指纹增强的目的是对输入的噪音较多的灰度图像进行滤波，去除图像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像;二值化就是把灰度指纹图像变成0-1取值的二值图像，这样就使图像的灰度层次由原来的256级(8-bits)降为2级(1-bits)，从而大大减少了需要存储和处理的数据量。由于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理速度和识别精度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是进行图像的细化。细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。细化时应保持纹线的连接性、方向性以及特征点位置不变，还应保持纹线的中心基本不变。 1.1.2特征提取 由于指纹通常是用按压的方式得到的，按压位置和方向的不同、手指的状况以及皮肤的形变等都会导致指纹图像不理想。因此，采集到的指纹灰度图像不宜直接用来匹配，有必要对其做进一步的处理，再提取出其特征来进行匹配。 1.1.3 指纹图像的匹配 两枚指纹经常会具有相同的总体特征，但它们的局部特征却不可能完全相同。在只考虑局部特征的情况下，英国学者E. R. Henry认为，只要比对13个特征点重合，就可以确认为这两枚指纹来自于同一个手指。这种利用指纹的局部特征来进行匹配的方法，因为指纹的端点和分叉点较稳定，并且容易检测，因此在实际的指纹图像匹配过程中获得了广泛的应用。而对特征点进行匹配，这就变成了点模式匹配的问题。 　　在一对一模式下，特征匹配是将实时在线提取的用户指纹数据同系统数据库中的数据模板进行比较，对其判断是否属于同一指纹。在一对多模式下，由于用户的特征模板未确定，还需进行数据库的查询比较。对于身份识别系统来说，由于需要在大量数据中寻找匹配，因此速度将是一个值得考虑的因素。 　　 　　 第2章 指纹图像预处理 由于各种原因的影响，指纹取像设备所获得的原始指纹图像是一幅含有较多噪声的灰度图像，对指纹图像进行预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，去除指纹的断裂和叉连，并将原始指纹图变成一幅清晰的点线图，以便于下一步进行特征提取。本文的预处理过程主要包括指纹分割、指纹增强、二值化、细化四个步骤，其流程图如图1-2所示。 2.1指纹图像的规格化 指纹规格化(Fingerprint Normalization)是对指纹灰度图的灰度均值和方差做一次调整操作，使不论什么设备采集到的指纹图像都可以有预期的均值和方差，从而屏蔽不同采集设备的差异。指纹规格化并不会改变指纹的质量，它只是为指纹处理后续的操作创造一个统一、良好的开端。 指纹规格化的算法: 　　如果指纹原图为S(i,j), N(i,j)为规格化后的指纹图，指纹图像的宽为w，高为h，那么我们可以定义整个指纹图像的均值Mean(i,j)和方差Var(i,j)如下: 　　 (2.1) 　　 (2.2) 　　由此我们可以计算出N(i,j)，其中的M0和Var0分别为我们所期望的均值和方差，这两个值可以根据经验值来选取。 (2.3) (2.4)