指纹的总体特征-myqcloudcom.PPT

A:③P2×P4×P6=0; B:③P2×P4×P8=0; ④P4×P6×P8=0； ④P2×P6×P8=0； 目的： 使得从两边向中间细化而不是靠向其中的一边。 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 1 1 1 0 在这里A组使得右边的删掉，B组使得左边的删掉 A:③P2×P4×P6=0;B:③P2×P4×P8=0; ④P4×P6×P8=0； ④P2×P6×P8=0； 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 1 1 1 1 1 0 0 1 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 1 1 1 0 二值化后图像 细化后图像 指纹识别技术主要包括指纹图像读取、指纹图像预处理、特征点的提取与匹配, 在这四个过程中,最核心的关键技术是指纹特征提取。指纹特征提取是指指纹细节特征点的提取, 纹线端点和纹线分叉点是最主要的指纹细节点。 纹线端点指的是纹线突然结束的位置, 纹线分叉点指的是纹线一分为二的位置。经实验统计结果表明 , 使用这两类特征点就足以描述指纹的唯一性, 诸如基本纹型、纹线频率等宏观特征, 主要用作指纹的分类和检索, 指纹的唯一性最重要, 靠细节特征来判别。细节特征提取是整个自动指纹识别系统中非常重要的一个环节。不仅是指纹图像预处理的检验, 而且是后续指纹匹配的基础。 特征提取算法 设P0点为一目标像素点，则其周围相邻的8点P1，······，P8被称为P0点的8点邻点。 指纹细节特征点提取算法是建立在对其8领域点的统计基础上的。 定义： 其中，P9=P1 公式（1） 公式（2） 这种细节特征提取算法是在图像细化的基础上，采用上两式提取细节特征点的。 假定脊线上的点用“1”来表示，背景用“0”来表示，P0是待检测点。 对图像中任一目标点P0: 如果公式1的值等于1，则该点为纹线端点； 如果公式1等于的值等于3，则该点为纹线的分叉点； 如果公式2的值等于2，则该点为纹线的端点； 如果公式2的值等于6，则该点为纹线的分叉点。 对于这两个公式，公式2更具有鲁棒性。因此本文主要依据公式2进行判断，同时也要满足公式1的要求，进行特征点提取。 特征提取图 其中, 式（1） 必须在指纹纹线被严格地细化成单像素宽的条件下才可以正确工作, 而式 （2）对于未完全细化的指纹图像也可以正确地提取细节特征信息。虽然指纹纹线进行比较理想的修复后, 一般算法也可以很好地完成细节特征的提取工作, 但当指纹图像质量不好、噪声干扰比较严重时, 对指纹纹线进行很好的修复是一件很困难的事情, 一般算法的特征效果也会受到严重的影响。 伪细节特征点去除 指纹图像进行预处理时, 往往会生成伪细节特征, 除了指纹本身所具有的伪特征, 并且还会丢失图像本身所具有的细节特征。 下图为一幅经过预处理细化之后的指纹图, 可以看出其中有较多的伪特征点, 如: 毛刺、终结点、短