基于NIOS II的高速嵌入式指纹识别系统.docVIP

基于NIOS II的高速嵌入式指纹识别系统 1 引言??? 指纹识别作为生物特征识别的一种，在身份识别上有着其他识别方法不可比拟的优越性：指纹具有唯一性、不可复制且便于采集等优点；随着指纹传感器性价比的提高。指纹的采集也相对容易。指纹识别技术是通过分析指纹局部特征，从中抽取详尽的特征点来可靠地确认个人身份。指纹的复杂度能提供用于鉴别的足够特征。具有极高的安全性。相对于其他身份认证技术。指纹识别不仅具有许多独特的信息安全性．重要的是具有很高的实用性、可行性。已经广泛应用于刑事侦察、电子商务、金融以及安全性能要求较高的行业。??? 传统的PC机+算法的指纹识别系统存在设计结构体积大、成本高、处理速度慢等缺点；采用DSP组成的识别系统外围电路复杂、设计与调试周期长且系统的可扩展性差；而嵌入式指纹识别系统则具有体积小、外围电路简单、处理速度快、能移植到PC机开发的程序上实现片上系统等优点。本文给出一种基于NIOS II的高速嵌入式指纹识别系统。利用Altera公司的SOPC Builder创建配置NIOS II，添加自定义指令与系统逻辑结合构成功能强大的SOPC系统。硬件实现部分算法，在保证实时性的同时提高了数据的处理速度。在不改变外围电路，更新FPGA内部的电路设计可使系统功能升级。 2 指纹识别算法??? 指纹识别算法包括指纹图像预处理、指纹特征提取和指纹匹配3部分组成，主要算法流程如图1所示。?图1 系统指纹识别算法流程图??? 将指纹图像分成许多小块，根据Ratha等提出的“沿着和横穿过指纹脊线流的灰度级方差大小有明显的不同”这一原理进行背景分离，目的是避免在没有有效信息区域进行特征提取、加快NIOS II处理速度、提高指纹特征提取和匹配精度等操作。??? 指纹图像中脊线的变化较慢．采用低通滤波器滤除方向中的噪声和错误：由式(1)归一化成G(i,j)；把G(i,j)分成(W×W)块，根据Sobel算子对每块按式(2)分别计算每个像素点(i,j)的梯度dx(i,j)和dy(i,j)。根据梯度值按式(3)计算每块的主方向，再由式(4)得到像素(i,j)处的主方向θ(i,j)。???? 式中，Mo、VarO是预先设定的指纹图像平均灰度和均方差；Var是指纹图像的平均灰度值；C(i,j)是指纹图像的灰度矩阵；G(i,j)是归一化图像，目的是把不同源指纹图像的对比度和灰度调整一个固定的级别，为后续处理提供一个统一的图像规格。???? 其中，Sx，Sy为Sobel算子，dx(i,j)和dy(i,j)是像素点(i,j)的梯度。?这样可计算出每块的主方向(Vx,Vy)的值，θ(i,j)代表是以像素点(i,j)为中心的方块的局部方向，此方向将用于计算纹线的频率，并且作为特征点的信息,记为θ。??? 图像增强采用归一化、计算方向图、计算频率、计算区域掩码、滤波等改善图像的质量、恢复脊线原来的结构。计算频率的目的是在不含特征值的小区域中(特别是中心点和三角点)，把这一小块指纹图像在垂直于脊线方向的灰度值看成一个正弦状波形图，根据式(5)计算出波形的正弦函数的频率来表示脊线分布。???? 把式(5)代入 中计算特征值，其中，k=0，1，…，l-1，l,w。X[k]中所有极大值的平均距离T(i,j)称为原图像的频率图，则波形频率为F(i,j)=1/T(i,j)。计算区域掩码的目的是为了防止在指纹灰度图中部分质量较差的区域出现大量的伪特征．对前面得到的(W×W)块按式(6)计算脊线方向灰度方差来进行分割。???? 其中，m表示已得到的该块的方向数，c(imk,jmk表示像素(i,j)沿m方向上的第k点灰度，由公式?得出块方向灰度方差掩码，Th是预先设定的分割阈值，然后再进行Gobel滤波，G(i,j)与滤波函数卷积得到增强图像E(i,j)如公式(7)输出。???? 滤波针对R(i,j)=1区域，wg为高斯滤波器窗口的大小。??? 对FPS200指纹传感器采集图像的特性，采用3x3的模板从得到可靠的细化二值图像中根据公式?(其中R(1)=R(9)，R(i)分别对应模板M检测点的相邻8个点。CN=2时M为末梢点，CN=6时M为分支点)将末梢点和分支点提取出来。记录其特征点的位置(x,y)、方向(θ)和类型(s)，从而得到指纹的特征点集。考虑到指纹扫描和预处理阶段会引入噪声而产生大量伪特征点，根据特征点之间的关系识别伪特征点并去除。处理后．将特征点集于特征模板保存到非接触IC卡中。根据FBI提出的细节点坐标模型的细节匹配．即采用分支点和末梢点鉴定指纹．具有简单、快速、鲁棒性等优点。为了解决指纹采集时指纹图像的旋转和平移问题。采用指纹局部特征的多边形方法确定参照点的细节点匹配算法。实验表明，这种匹配算法能解决指纹