图像处理在指纹识别中的应用研究.doc

图像处理在指纹识别中的应用研究 院（系）名称 信 息 工 程 学 院 专 业 班 级 12普本测控 学 号 1201190012 学 生 姓 名 吉 鹏 飞  1 绪论 2 1.1 指纹识别 2 1.2 指纹识别算法概述 3 2 设计过程 3 2．1 平滑处理 4 2.1．1 增强对比度 4 2．1．2 指纹图像规格化和滤波 4 2．2 锐化处理 5 2．3 二值化 6 2.4 细化 7 2.5 特征值的提取 7 2.6 伪特征点的去除 8 3图像处理 9 4小结 11 参考文献 12 1 绪论 1.1 指纹识别 指纹识别技术源于19世纪初，科学家依靠指纹纹脊式样的唯一性和式样终生不改变的特性[5]，把某个人同他的指纹对应起来，通过采集他的指纹并与预先保存的指纹进行比较来验证其真实身份。随着现代科技的不断进步与广泛应用，可靠高效的个人身份识别变得越来越需要，每个人的指纹具有惟一性，终身不变，难以伪造，因此指纹识别是替代传统身份识别手段的最安全、最可靠、最方便的方法[1]。指纹图像本身的信息量和数据量是很大的因此直接基于指纹图象的匹配识别是不可取的，而要采用专门高教的指纹识别与处理方法。 指纹识别的一般过程是指纹图象预处理、指纹特征提取和特征匹配。但由于采集设备噪声干扰、指纹采集时手指皮肤的干燥程度、汗渍、污渍等原因使待分析的指纹图像噪声较多并对细节点有较强干扰，影响指纹的特征提取。指纹图像是通过将模拟信号采样量化后，以矩阵形式存入计算机，图像平滑处理指纹图像生成方向数组后，为了消除较强烈的局部噪声干扰，需要对生成的方向数组图像进行预处理。预处理是指纹识别的前提，也是整个工作的基础，因此指纹图象预处理工作的好坏直接关系到指纹特征提取的可行性和准确性。 1.2 指纹识别算法概述 指纹是手指末端正面皮肤上凹凸不平产生的纹路，这些纹路就是通常所说的脊和谷[3]。指纹虽小，但它蕴涵了大量信息。其中，包括纹型在内的全局特征，为指纹的分类提供了基础；同样，指纹还有许多局部特征(根据美国国家标准局规定，包括脊末梢、分岔点、复合特征和未定义四种)，称为细节点(Minutia)。不同人的指纹的细节点是唯一的、稳定不变的，这为指纹识别提供了可能。目前，最常用的方法是用FBI提出的指纹细节点模型来做细节匹配[2]。而最常用的细节特征有脊末梢和分支点两种。 基于点模式匹配的自动指纹识别系统(AFIS)的基本流程一般由图像采集、图像预处理、细节点提取和指纹匹配几部分组成。 首先，指纹要通过指纹采集设备(常见的有光学取像设备、超声波扫描取像设备、晶体传感器，现在广泛使用的是晶体传感器)转化为计算机内的数字图像(一般为灰度图)。由于采集过程中难免因手指或仪器的原因而使图像存在较多的噪声，所以为了使图像更清晰以便于后续特征提取，必须对采集到的图像进行增强和滤波，并进一步二值化、细化[4]。 之后，在细化后的点线图上提取特征值，删除伪特征值，最终得到用于匹配的细节点。采集到的图像细节点与模板中的细节点进行比对，最终完成指纹匹配。各个环节环环相扣，对整个系统都起着十分重要的作用。本文着重研究了图像预处理和细节特征提取这两个关键部分。 2 设计过程 图像预处理的目的是去除图像中的噪声，使指纹图像清晰、边缘明显，以便于提高提取和存储特征点的准确率．分为平滑处理、二值化、细化、特征值提取、特征值去除等几个步骤。 2．1 平滑处理 2.1．1 增强对比度 图像增强的方法分空域法和频域法[3]，空域法是增强图像的像素，空域处理可用下式定义： g( X，Y)=T (F(X ，Y)) 公式(2.1) 式中F(X ，Y)是输入的原始指纹图像，灰度范围是[m，M ]，g( X，Y)为处理后的图像，灰度变换增强可以用下式描述： 公式(2.2) 可以提高指纹图像脊与谷的对比度． 2．1．2 指纹图像规格化和滤波 指纹图像经过规格化后，才能将该图的均值和方差控制在给定范围内。即对指纹的每个像素进行操作，采用公式如下： N(x,y)= 公式（2.3） 式中：N( x，y)是规格化后的图像，G(x ，y)是原图像，表示第 x行第j列象素点对应的灰度值，Var和M是图像G的方差和均值，Var0和M0是期望方差和期望均值。 通过观测很小局部邻域内脊的方向，可以得出该脊的方向，设脊线的方向向量为▽f，α (x ，y)为▽f，在( x，y)处的方向角，有[19]， Hy、Hx为梯度分量。由上式可以求得此像素