指纹识别技术的研究.pdf

指纹识别技术的研究指纹自动识别系统1 指纹识别技术的研究【摘要】 由于指纹的唯一性和不变性，指纹识别己成为当前最流行、最方便、最可靠的个人身份认证技术之一本文以自动指纹识别系统的处理流程为线索，介绍了系统的三个部分：指纹预处理、特征提取和指纹匹配在前人工作的基础上， 我们在各个环节都提出了自己的方法，结合那些经典的算法，在很大程度上提高了图像的处理效果与匹配结果在指纹增强阶段，我们结合方向图与频率图修改了Gabor 滤波器；在细化阶段，我们对传统的OPTA 算法进行了一些改进；在指纹匹配阶段，我们着重研究了基于点模式的细节匹配此外，我们还成功的实现了各个算法，完成该指纹识别系统，经实验证明，该系统能够快速准确的识别指纹，达到了预期目的关键字】 图像分割，图像增强，二值化，细化，特征提取，特征匹配一 课题研究背景（一）指纹识别的发展历史最早记载的人的手印和脚印大约在4000 年前古埃及建造金字塔的年代在那个年代一些粘土陶器上留有陶艺匠人的指纹，中国人曾经在官方文件上按自己的指纹，公元前 300 年前的按有指纹的文件现在还存在，直到现在这种签名方式仍然被采用早在 1880 年英国人亨利·福兹就提出了用指纹识别系统识别犯罪。

到20 世纪 70 年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别目前世界各国都在争先研究和开发实用指纹识别系统二）指纹识别的研究现状指纹识别是生物识别技术中最早应用、价格最低廉的分支目前的指纹自动识别系统采用了先进的光电识别办法，采集一个指纹信息，然后经相关的识别算法进行判断根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点：(1) 可靠性：采用独特的容错技术，既使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别2) 快捷性：大多数系统鉴别时间仅需1-3s ，登录注册一个新客户只需1 分钟的时间3) 灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC 卡上4) 安全性：所有个人代码都经过了特殊加密通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用因此既使证卡丢失，也不存在安全问题5) 方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式8) 实时性：可实现完整的跟踪、实时报警功能迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难: (1) 指纹采集技术有待提高就实际应用来讲，目前的指纹采集设备还不能很好地满足需要，这己经成为制约自动指纹识别技术指纹自动识别系统2 发展的一个瓶颈。

2) 指纹预处理及匹配算法有待加强目前存在的指纹增强算法主要存在以下几个问题: 分割算法过于武断，一般分割算法不考虑上下文问题， 只是根据实际图像分块后得到的参数直接进行图像分割，这样很容易造成在前景图像中由于小部分不清晰而被判断为背景的情况，这样将对后续处理产生严重影响；细节点编码彼此互不兼容，目前，在细节点编码过中，除了编码过程中都需要的坐标等小部分公共信息，其余信息往往根据自己系统的需要来进行提取，如周围细节点数，与中心点的夹角等，这样非常不利于系统的升级和扩展，对数据库的扩展也有很大的限制，不利于整个指纹识别研究的发展三）指纹识别的应用前景指纹识别技术是当今应用最为广泛的生物特征识别技术，有着广阔的应用前景在刑侦司法领域，刑侦用指纹识别系统可以用来鉴别罪犯在民用领域，指纹识别技术可以通过多种方法应用到各个方面通过使用指纹验证来取代各个计算机应用程序的密码就是最为典型的实例把指纹识别技术同IC 卡结合起来是目前最有前景的研究方向之一由于指纹识别技术的诸多优点，可以预料， 一方面指纹识别系统将会在一切需要验证身份的场所发挥越来越重要的作用，其应用领域将会进一步拓宽; 另一方面，由于市场的推动，指纹识别技术也会不断提高，在其识别可靠性、速度、成本等方面进一步朝实用化迈进。

四）指纹识别的基本原理指纹识别是一种利用人体固有的生物特征进行个人身份识别的技术，具有唯一性和不变性等重要特征，因而在信息安全领域、个人身份识别领域等许多方面得到广泛应用随着计算机图像处理和模式识别技术的发展，使自动指纹识别成为可能自动指纹识别系统(Automatic Fingerprint Recognition System，AFRS) 一般有 4个主要过程：指纹图像采集，指纹图像预处理、特征提取，特征匹配在一开始，通过指纹采集设备读取到人体指纹的图像，取到指纹图像后，要对原始图像进行初步的处理，这样使指纹图像更加清晰接下来，自动指纹识别系统从指纹图像中找寻细节点，包括端点、分歧点和交叉点等，进而提取这些细节点的特征数据，有的算法把细节点与方向信息组合起来产生更多的数据这些数据， 通常称为模板最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果五）论文的主要研究内容本论文中， 我们就国内外指纹研究工作进行比较，提出了一套指纹识别算法，能在较短的时间内较准确地识别指纹指纹识别过程一般分为指纹图像采集、图像预处理、特征提取和特征匹配四大部分，如图1-1 。

本论文研究后面三部分，对已采集的指纹图像进行处理和匹配指纹预处理部分包括图像分割、图像增强、二值化和细化四部分，如图1-2 图像分割是将要处理的有效图像部分从整个指纹图像中分离出来，这样一方面减少了后续处理的步骤的数据量，另一方面也避免了因为部分图像区域不可靠而导致伪特征的指纹自动识别系统3 产生 图像增强包括两个部分，首先是对原始图像上模糊但有可能恢复的部分进行增强，然后再对整幅图像滤波，消除指纹脊线间的断裂和粘连图像二值化是提取经增强处理的指纹图像的脊线，用”1”表示脊线上的点，”0”表示背景和谷线，从而把原始灰度图像转化为二值图像图像细化是进一步把二值指纹脊线细化为单像素宽度的骨架线，这是为了方便以后的特征提取本文是在前人工作的基础上摸索并设计了这套指纹的自动识别系统，如图1-3 所示，该系统对前人的某些工作做了改进，并提出了自己的一些思想和算法，经实验验证，效果较好，达到了预期目的图 1-1 指纹识别框架图图 1-2 预处理流程图指纹自动识别系统4 图 1-3 指纹识别系统图二 算法分析与设计（一）图像分割算法分析与设计1 算法分析指纹图像的分割通常位于预处理的前端，其目的是去掉图像中不含纹路的区域和由于噪音太大而无法恢复的低质量纹路区域，使后续处理能够集中于有效区域。

分割处理不仅能提高特征提取的精确度，而且还能大大减少指纹预处理的时间，因此是指纹图像处理中的重要组成部分指纹分割的一般方法是将图像分割成许多互不重叠的小块，并计算每块的特征向量，根据特征向量来判断某块为前景还是背景指纹分割中常用的主要特征包括灰度方差、方向图、频率图和纹线峰平均灰度值与谷平均灰度值之差（对比度）等2 算法设计较好的指纹的图像分割算法应在分割的过程中保护有效的指纹的纹理特征，从而提高指纹特征的精确度，优化了整个识别系统得处理速度和效率有效区域的分割的意义非常明显首先，可以为以后的操作缩小范围，节省计算时间；其次，可以排除背景区域的干扰，提高算法的精度和效率有些文献的算法采用的canny 算子，该方法使得分割后图像的效果有了明显提高，但是需要很大的计算代价，对于有限的系统资源是不允许的我们采用的是一种更简洁的算法，虽然在精度上稍有降低，但是在速度上可以提高80％算法步骤如下：(1) 用边缘提取算子提取灰度图像的边缘得到二值边缘图零值表示背景，非零值表示边缘(2) 用半径为n像素的圆形结构元，对二值边缘图做一次数值形态学的闭运算，平滑边界并对有效区域的内部的孔洞进行填充(3) 用半径为m像素的圆形结构元，对步骤（2）的结果进行一次开运算。

去除毛刺和小目标噪声最后得到非零区域就是指纹的有效区域(a) 指纹原始图像(b) 指纹图像分割区域图 2-1 指纹图像处理及分割区域仿真结果如图2-1 所示，其中（a）为指纹原始图像， （b）为原始图像的分割区域二）图像增强算法的分析与设计1 算法分析数字图像处理中采用的通用的图像增强方法如均值滤波、低通滤波、边缘增强等对指纹这种具有一指纹自动识别系统5 定特性脊线和谷线交替的图像的增强效果并不理想，这是因为这些方法都是针对图像中存在的随机噪声，然而模糊的指纹图像主要存在纹线缺陷的结构性噪声理想的指纹图像是脊线和谷线交替构成，脊线和谷线粗细均匀，在大部分区域，脊线之间和谷线之间近似平行，且呈现连续的、方向平缓的曲线形态由于指纹图像存在这些特性，指纹图像可以近似的看成具有特定方向和频率的平面正弦波，如图 2-2 所示 基于这一特性， 利用具有方向和频率选择特性的带通滤波器可以实现很好的增强效果采用这种方法关键是滤波器选择和设计、求取指纹的方向图和指纹频率图 2-2 Gabor 滤波坐标旋转图在指纹的增强算法中，常用的算法大致上可以分为两种：一类是从空域上进行滤波去噪处理；另一类是从频域上进行细节增强。

但这两中方法各有缺点：空域滤波器往往设计复杂并且过多依赖精确方向场的求取，频域滤波器则是从整幅图像的频域空间进行全局的增强，因此又造成对细节信息的忽视Gabor 滤波器是带通滤波器，它以其在空域良好的方向选择性，在频域有良好的频域选择性，因而在计算机视觉领域得到了广泛的应用利用 Gabor 滤波器在这种在两个域内的良好性质来进行指纹图像的增强，取得了很好的效果2 算法设计Gabor 滤波器实际上是一种Gauss 窗的加窗Fourier 变换 Gabor 变换是英国物理学家Gabor 提出来的，1980 年 Daugman 首先将一维Gabor 小波推广到二维， 并用于视觉简单神经元的视野感受模型Gabor 在空间的时域和频域视图如图2-3 和 2-4 所示指纹自动识别系统6 图 2-3 Gabor 滤波器空间函数形式图 2-4 Gabor 滤波器频率响应一个平滑对称的Gabor 滤波器有以下的一般形式：'2'2,221G( ,)expcos(2')2f xyxyx yfx2-1 其中x'=xsin+ycos ,y'=xcossin,y在式（ 2-1 ）中， f 为从 x 轴上的 θ 方向的正弦的频率，x和y分别为高斯包络的在轴方向和y轴方向的空间常量。

本文所提出的基于Gabor 滤波器的增强算法其主要步骤为：（1）灰度规格化：可使输入的指纹灰度图达到到预先规定的均值和方差（2）方向图估计：从规格化后的指纹灰度图中求得指纹方向图（3）计算指纹的平均频率：从规格化后的指纹灰度图中求得指纹的平均频率（4）滤波处理：对规格化后的指纹灰度图进行Gabor 滤波用以得到增强的指纹图像下面就这四步骤进行逐步分析：（1）灰度规格化在对指纹图像 Gabor 滤波之前，需要对指纹图像进行规格化处理，其目的是将指纹图像的灰度值的均值和方差调整到所期望的均值和方差，以消除传感器本身的噪声和手指对传感器表面的压力不均而带来的灰度差异假设指纹图象I 为 M × N 大小，令 I(i,j)表示象素点 (i,j)的灰度级数， Av和σ分别表示指纹图象的均值和方差， G(i,j)表示象素点 (i,j)规格化后的级数， 见式 2-4 Av和σ分别可由公式2-2 和 2-3得到11v 001A ( )( , )MNMNxyII i j2-2 指纹自动识别系统7 11 2 v 001( )( ( , )A ( ))MNMNxyII i jI2-3 22( ( , ))( , )( ) G(i,j)= ( ( , ))( , )( )v vvv vvI i jAAI i jA II i jAAI i jA I2-4 其中，vA和分别表示假设的均值和方差，由实验确定， 其值大小根据图像采。