（计算机应用技术专业论文）指纹图像预处理研究.pdf

原创性声明 本入声明，所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了论文中特另jj j t l 以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获 得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的 同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：星丝堕起!日期：亘邑丝年三月坐日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校有权 保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学 位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以 采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息 研究所将本学位论文收录到中国学位论文全文数据库，并通过网络向 社会公众提供信息服务。 ，一土t ，f、 ，r-rul - i 摘要 ，一随着计算机技术和网络技术的快速发展，传统的身份识别方式已 经过时，在许多的行业，像银行，保险，网络等对信息的安全性提出 了更高的要求，社会亟需安全，便捷，高效的身份识别方式。指纹以 其永久性，唯一性和普遍性的优点，成为生物识别中可靠的方式之一。 因此对指纹识别系统中指纹图像的处理研究也成为一个重要的研究 课题，具有十分重要的意义。 本文对指纹图像预处理进行了研究，主要工作如下： 在指纹的二值化方面，针对分割阂值选取不准确导致二值化的效 果不是太理想的状况，将信息熵引入了二值化的处理中，提出了简单 信息熵的二值化算法和一维信息熵算法。针对纹线断裂的问题，利用 指纹图像的块方向信息和指纹图像局部的特点，采取新的方法，对纹 线进行了修复。针对纹线中的空洞，利用指纹空洞的局部的特点和纹 线的方向信息，对指纹中的空洞进行了填充 本文中的算法，在p c 机上用v c + + 反复实验，实验结果总体较 好。采用信息熵进行指纹二值化处理的算法具有很好鲁棒性，获得的 分割阂值更加的准确，能够对指纹图像进行很好的二值化。纹线修复 和指纹空洞的填充算法，对于中等质量的指纹图像也取得了较好的修 复效果。 关键词指纹图像处理，二值化，纹线修复，指纹自动识别，预处理 一 a b s t r a c t w i t h r a p i dd e v e l o p m e n t o fc o m p u t e rt e c h n o l o g ya n di n t e m e t t e c h n o l o g y , t h et r a d i t i o n a li d e n t i f i c a t i o nm e t h o dh a sb e e no u to ft i m e i n m a n yb u s i n e s s ，f o re x a m p l eb a n k ，i n s u r a n c e ，n e t w o r ka sw e l l ，t h en e e do f t h es e c u r i t yo fi n f o r m a t i o nr a i s eh i g h e rd e m a n d s o c i e t yi si nu r g e n tn e e d o f s a f e t y , e f f e c t i v ea n dc o n v e n i e n ti d e n t i f i c a t i o nm e t h o d f i n g e r p r i n tw i t h t h ea d v a n t a g eo fu n i q u e n e s s ，i n v a r i a n c e ，a n ds t a b i l i t yh a sb e c o m eo n eo f t h er e l i a b l eb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g i e s s ot h er e s e a r c ho ft h e p r o c e s s o f f i n g e r p r i n ti m a g ei nf i n g e r p r i n ti d e n t i f i c a t i o ns y s t e mh a s b e c o m ea ni m p o r t a n tr e s e a r c ht o p i c ，a n dt h es i g n i f i c a n c ei sg r e a t i nt h i sp a p e r , t h ep r e p r o c e s s i n go ff i n g e r p r i n ti m a g ew a ss t u d i e d ， a n dt h em a i nw o r ka sf o l l o w ： i nt e r m so ff i n g e r p r i n tb i n a r i z a t i o n ，f o ri n a c c u r a t et h r e s h o l dr e s u l t s i nl e a d i n gt ob i n a r yi sn o tv e r yi d e a ls i t u a t i o n ，t h ei n f o r m a t i o ne n t r o p yi s u s e di nb i n a r i z a t i o np r o c e s s i n g ，a n dp r o p o s eas i m p l ee n t r o p y b a s e d b i n a r ya l g o r i t h ma n do n e - d i m e n s i o n a le n t r o p ya l g o r i t h m f o rt h e p r o b l e mo fr i d g ef a u l t ，u s i n gt h el o c a lf e a t u r eo fr i d g ea n dt h eb l o c k d i r e c t i o ni n f o r m a t i o no ff i n g e ri m a g e ，t a k ean e wa p p r o a c ht ot h e r e s t o r a t i o no ft h er i d g e f o rt h ee m p t yh o l l o wi nt h er i d g e ，u s ep a r t i a l c h a r a c t e r i s t i c so ff i n g e r p r i n t r i d g ea n dd i r e c t i o ni n f o r m a t i o no nt h e f i n g e r p r i n tt of i l lt h eh o l e t h ea l g o r i t h m si nt h i sa r t i c l e ，o nt h ep e r s o n a lc o m p u t e r , u s i n gv c + + n i i i 目录 摘要i a b s t r a c t i i 第一章绪论1 1 1 研究的背景及意义。1 1 2 生物识别技术1 1 3 国内外研究发展历史和现状及分析2 1 - 3 1 国外研究现状2 1 3 2 国内研究现状：3 1 3 3 研究现状分析4 1 4 本文的组织安排5 第二章指纹识别系统简介。6 2 1 指纹概述6 2 2 指纹的基本特征6 2 2 1 全局特征6 2 2 2 局部特征7 2 2 3 指纹识别系统的处理流程8 2 3 自动指纹识别系统的工作模式9 2 3 1 指纹验证的过程9 2 3 2 指纹的识别过程1 0 2 4 指纹图像采集l o 2 4 1 指纹采集方式1 0 2 4 2 活体扫描采集方式分类1 2 2 5 自动指纹识别的预处理1 2 2 6 指纹分类1 3 2 7 指纹匹配1 3 2 8 指纹的特征提取1 4 2 9 自动指纹识别技术的性能评价1 4 2 1 0 本章小结1 6 第三章指纹图像的二值化。1 7 3 1 信息熵及其对阈值选择的意义1 7 3 1 1 信息熵理论1 7 3 1 2 指纹图像的信息熵及其意义1 8 h 。2 0 ：! l 2 2 2 3 ：! z i ：! z i 2 7 。2 7 ：1 8 3 2 3 4 ：；! ； ：；! ； 3 1 ； 3 7 4 0 4 1 1 1 研究的背景及意义 第一章绪论 随着科学的发展，技术的进步，现代社会对身份识别安全性和准确性不断提 高。传统的身份识别跟不上社会发展的步伐，已经不能满足国家和社会对个人身 份识别的高要求。过去的个人身份识别主要有两种方法【i 】：基于知识的 ( k n o w l e d g e b a s e d ) 方式和基于令牌( p o s s e s s i o n - b a s e d ) 的方式。基于知识的方 式通过“w h a ty o uk n o w 分，即通过身份认证者的事先掌握的知识如密码，1 3 令 等，使用这些已有的知识来确认身份。而基于令牌的身份识别，是通过“w h a ty o u h a v e ”的令牌包括开门用的钥匙，个人的身份证，以及个人的印章等。 过去的身份认证的方式有很多的缺点和不便。密码和口令容易忘记，容易被 不法之徒盗取，也存在着容易被人猜测出来的危险等。而基于信物的身份识别， 存在着信物容易弄丢，容易被冒用，容易被伪造等一系列的问题。另外，大量的 制造令牌也需要花费大笔的金钱和大量的物质，造成了不小浪费。尤为重要的， 在识别的过程中，机器不能确认信物的真正的拥有者，给那些拾到或者盗取到信 物的不法之徒干伤害信物拥有者利益的事情创造了条件【2 】。比如口令的盗取，当 你使用计算机输入密码的时候，别人通过秘密安装摄像头或者偷窥你按键的动 作，就可以得知你的密码。而且许多人为了使自己的密码容易记住，而使用自己 的出生年月，家庭的电话号码，自己的姓名等其他一些自己熟悉的信息作为自己 的密码，因而容易造成密码的泄露，使自己的隐私或财产受到侵害。随着仿制技 术的提高，我们有时认为安全的证件也被伪造，像我们常用的身份证，工作证等 就是很好的例子。而且令牌丢失，常花费时间和精力来补办，给人们的生活造成 的不便。可见，传统的身份认证方式正亟待被更准确，更高效，更方便的身份认 证方式取代。在这种情况下，生物识别作为新的身份认证的方式应运而生。 1 2 生物识别技术 生物识别是一种利用生物特征进行识别方式【3 1 ，生物特征有两种：先天特征 和后天特征。先天特征是生物与生俱来的特征，比如指纹，d n a 序列，耳型， 虹膜等。后天特征就是生物( 尤其人类) 在后天的学习生活中逐步形成的固定特 征，比如人们的笔迹，走路时的步态，说话时的腔调【4 】等。 生物识别系统具有以下一些特点： ( 1 ) 唯一性：任何两个人这种特征都是互异的； ( 2 ) 普遍性：人人都拥有该特征： ( 3 ) 永久性：该特征固定，不会轻易改变； ( 4 ) 可采集性：该特征能够被定量地测量出来； ( 5 ) 防伪性：即不易被伪造或被盗，识别效率高； ( 6 ) 方便性高：“如影随形，形影不离”： ( 7 ) 易实现性：易采集，实现容易： 目前，生物识别的先天特征有指纹、d n a ，虹膜、耳廓、面部、视网膜、 掌纹等【5 】；后天特征有声音、签字、按键力度等。利用这些特征，人们己经开发 了虹膜识别、d n a 识别，指纹识别、语音识别、视网膜识别、面部识别、签名 识别等多种生物识别技术。 指纹是生物识别最可靠的识别方式之一【6 1 ，指纹的应用已有很悠久的历史， 已经到社会生活的方方面面。比如古代作为凭证的指印，现代公安部门使用的指 纹库等。目前，许多的自动识别产品一经上市，已经开始逐步在金融，考勤，管 理、保险、公安和网络安全等领域使用。生物识别中指纹的开发和利用，不仅使 得相关的产品被开发，获得很大的经济利益，还使得模式识别技术、图像处理技 术、光学、电子技术，计算机应用技术、和生理学等相关技术的发展，具有很高 的学术价值，社会效益是巨大的。 1 3 国内外研究发展历史和现状及分析 1 3 1 国外研究现状 人们很早就对指纹识别进行研究和应用。在6 0 0 0 至7 0 0 0 年前，在中国和叙 利亚就使用指纹作为身份识别的方式，并得到广泛的应用。在那时，古陶瓷艺人 将自己的指纹作为标志留在陶器上。在中国的古籍上我们可以见到古代著述人的 指纹和签名。可见在那个年代人们已经对指纹的特征加以利用和研究1 7 - 9 。1 6 8 4 年英国的植物形态学者，发表了第一篇关于指纹的论文，主要介绍了谷线，脊线 以及汗腺孔的结构。1 8 2 3 年发明了显微镜后，德国的学者普克尼，依据指纹的 典型特征把指纹分为9 类【l o 】。1 8 8 0 年，英国的福尔茨提出了指纹理论，他在著 名杂志自然上发表了一篇论文，指出了每一个人的指纹都不同，且指纹不会 轻易的改变。 这奠定了指纹的研究基础，也使指纹在犯罪侦查中得到应用。 计算机图像处理技术和模式识别技术的发展源于计算机技术的发展。在2 0 世纪6 0 年代，一些先进的国家如美国，日本，法国，英国等国就开始致力于指纹 识别系统的开发【1 1 1 。在这一时期，美国联邦调查局开始着手致力于以指纹为主要 手段的生物识别系统的研究，其研究水平始终保持在世界的前列，在国外从事指 2 纹识别系统研究和开发的公司、科研机构、学校比比皆是，其中比较著名的有： 日本n e c ，法 雪m o r p h ，美国国家标准局视觉处理研究组，i b m 沃特森研究中心， 加州理工学院华盛顿大学圣路易斯分校，得克萨斯理工大学，圣琼斯州立大学等。 科研机构有：美国国家标准局视觉图像处理研究组，美国密歇根州立大学的模式 识别与图像处理研究室，新加坡南洋理工大学信号处理中心等。在2 0 0 6 年初，世 界上第一本生物识别护照在澳大利亚发行。由于社会对指纹识别系统需求的同益 迫切以及指纹识别领域很多难题没有解决，许多人投入到指纹识别系统的研究， 与指纹识别有关的国内外活动有国际生物认证会议i c b a 、国际指纹验证比赛 f v c 、国际模式识别会议i c p r 、中国的生物识别学术会议c c b r 等。 迈入上个世纪9 0 年代，指纹识别技术受到了前所未有的重视，加紧了开发和 应用的步伐，低成本、系列化和小型化的产品开始投入市场，国外利用自动指纹 识别技术产品现在已经有指纹保险柜指纹开关、指纹锁等。由于自动指纹化识别 鉴定技术的使用和推广【1 2 , 1 3 】，在一些技术成熟的国家，该项技术已经应用到：银 行，金库，门禁，考勤，安检等出入口的检查系统中。而且，该项技术也正在朝 着家庭安全领域发展已在家庭出入口控制系统有效的应用。 单个的生物特征就有狭隘的局限性，如有的指纹特征难提取，脸部特征的变 化( 表情的变化，化妆等) ，声音音色由于生病的变化等等，而且，各种生物识 别技术所能达到的准确率有限。所以，现在研究的重点是通过多生物特征相结合 的方法来提高生物识别系统的准确率，使其实用性根号【1 4 1 。j a i n 等人，在1 9 9 8 年提出将指纹识别技术与人脸识别识别技术的相结合的方法来提高识别的质量。 并在2 0 0 0 年提出：+ 用确定各个客户的特定参数的方式将指纹识别、人脸识别和手 形识别结果相结合，并在2 0 0 1 年，对多生物特征识别技术作了概述。因此，多个 特征结合的识别方式已经成为一种趋势。 1 3 2 国内研究现状 我国指纹自动识别技术的研究研究开始于2 0 世纪8 0 年代初期。经过“七五 和“八五 的十年坚持不懈的攻关，也取得了非凡的成就。较为出色的成果有 北京大学的d e l t a s 系统，清华大学的c a f i s 系统等。国内也出现了许多的研 究机构和学校，其中科研机构有：公安部二所、中科院自动化研究所，北京市刑 科所等，学校有：北京大学、清华大学，中国科技大学，北京邮电大学等。公司 有：中科院的汉王科技公司、北大高科有限公司、北京中科模识科技有限公司、 天津新通科技发展有限公司北京中控自动化系统有限公司、上海同济斯玛特识别 技术有限公司和方正指纹技术有限公司。中科院自动化研究所在国家重大基础研 究前期研究专项项目、国家杰出青年科学基金项目、国家自然利学基金项目和 8 6 3 高科技发展计划项目等众多项目的资助下，使得我国的指纹自动识别技术水 平接近世界一流水平。据统计，经过我国科研工作者的不懈追求，指纹自动识别 技术已经比较完善，其应用的领域也在不断的扩大，例如银行储蓄，高级宾馆， 安检，门禁，考勤等。目前，我国对于指纹识别的研究主要是一些实用的产品， 没有高水平的国际论文和期刊出版。 1 3 3 研究现状分析 基于细节特征点是目前国内外指纹识别技术的主要的方式，即使用基于图像 处理的指纹识别算法，其中比较典型的有两种：一种是直接从指纹图像上提取特 征点的算法，第二种是基于方向滤波增强的算法，在指纹细化环节提取特征点的 算法。指纹识别受到越来越多人的关注，已经成为一种热门的生物识别技术，国 内外许多研究机构和学者纷纷采用了很多新的算法对指纹灰度图像进行预处理 和匹配。但有些算法出现识别错误和识别准确率不够，原因很多，像指纹图像中 的噪声，指纹采集时指纹的形变等。尽管指纹识别的研究取得可喜的成果，但是 其准确度和识别率还没有达到人们预期的程度。现在，自动识别系统的研究存在 下列问题： ( 1 ) 指纹信息库不统一。在需要形成统一的指纹信息库的行业主要包括安保、 教育、身份证、电子商务，监狱等。这些部门要进行安全认证就需要统一的指纹 信息库。这方面的工作没有收到应有的重视。使得标准化制订滞后，统一的、可 行的国家标准没及时的出台。导致各个厂商的标准纷纷出炉，海量的产品低端产 品涌入市场，高级产品无法问世的局面。 ( 2 ) 指纹分类技术需要突破 自动指纹识别系统在验证模式下，指纹分类技术可以顺利的进行。但在辨识 模式下的自动识别系统，至关重要的是指纹分类技术【1 5 。1 7 】。指纹分类技术越成熟， 类型划分的越细，每个指纹样本库中指纹的样本就越少，识别一次需要比对的样 本的数目和时间花费就会越少。按照目前使用的分类标准，将指纹样本划分成四 种、五种或六种还是不够使用的【1 8 】。目前，较佳的指纹分类算法，将指纹样本分 为四种和五种的准确率分别也只能达到8 7 5 0 和9 2 3 0 ，而这样的分类算法 还不能满足应用的需要。 ( 3 ) 活体指纹采集仪产生图像误差。活体指纹采集的过程是用户将手指放 在指纹传感器的表面上，由于手指的皮肤具有弹性，使得在采集的过程中产生形 变，使采集到的指纹图像产生拉伸。由于用户按压指纹的方式不同，有时还会出 现扭曲的情况。而且活体指纹采集仪传感器受外界的干扰很大，例如强光，静电， 油脂，纹痕重叠等。导致采集到指纹图像具有强噪声，图像的采集质量差。 ( 4 ) 低质量指纹的研究目前还是一个亟待解决问题。目前的采集仪器对手指 的干湿度、清洁程度等要求很高，在实际采集的过程中很难保证采集到高质量的 指纹图像。在目前指纹识别系统的算法中，预处理是很关键的一步，而对于低质 量指纹图像的预处理存在很多的难题。因此在国际指纹大赛( f i n g e r p r i n t v e r i f i c a t i o nc o m p e t i t i o n ，f v c ) 的指纹库中l l9 ，低质量指纹图像的比重逐年增加， 是对指纹预处理苛刻的挑战，抗干扰能力已成为制约自动指纹识别发展的瓶颈。 就目前而言，还没有找到处理低质量指纹图像的有效的算法，目前算法对低质量 指纹图像处理的效果和人眼识别还有不小的差距。 ( 5 ) 缺乏高效准确识别和匹配算法【2 叩1 1 。平移，旋转和指纹弹性形变改变了点 群之间相对位置，另一方面，由于指纹图像不同的质量瞄】，所提取到的特征点数 目的不准确和伪特征点的干扰，使得点集的“对齐 过程很困难，进一步影响匹 配的精度，造成误识和拒识。特别是当指纹传感器面积较小【2 3 1 ，使得无法准确分 类的情况下，极大的影响了匹配的速度和准确性。而且，指纹图像还存在各种形 变，快速准确地进行细节点匹配已成为一项非常困难的任务【2 4 】。 综上所述，指纹特征点的匹配及指纹图像预处理已经成为自动指纹识别系统 的主要的难点。 1 4 本文的组织安排 第一章绪论 本章介绍一下指纹研究的背景意义，国内外指纹研究的现状，以及对现状进 行分析 第二章指纹识别系统简介 本章介绍一下指纹的基本特征和指纹识别系统以及指纹识别系统的性能评 价。 第三章指纹图像二值化 本章介绍两种信息熵处理指纹二值化的算法。 第四章基于方向信息的纹线修复和空洞填充 本章采用新的方法对指纹纹线进行修复和对指纹纹线中的空洞进行填充。 第五章总结和展望 2 1 指纹概述 第二章指纹识别系统简介 指纹作为人体的生理特征，从古至今一直作为身份认证的一种常用手段。指 纹之所以被广泛的使用是因为它一些特性【2 5 1 。主要包括以下几个方面： ( 1 ) 普遍性，几乎每个人都拥有指纹。 ( 2 ) 唯一性，每个人的指纹各不相同，相同的概率只有十几亿分之一。 ( 3 ) 不变性，每个人的指纹在不被损坏的情况下，终身不变。 ( 4 ) 防伪性，指纹很难被伪造。 ( 5 ) 可采集性。 ( 6 ) 可识别性：能被人或机器识别。 ( 7 ) 方便性。 正是因为这些特点，使其成为生物识别主要方式之一。 2 2 指纹的基本特征 指纹图像由脊线和谷线组成，脊线又称为纹脊，对应人手指皮肤的凸出部分， 在指纹图像中呈现为粗线条，灰度较深的；谷线则对应人手指皮肤凹进去的部分， 夹在两条纹线之间，在指纹图像中，相对纹脊的灰度较亮。指纹自身的特征使其 成为个人身份认证的方式。指纹特征大体上可以分为：局部特征和全局特征。 2 2 1 全局特征 全局特征是指那些人眼可以直接观察到的特征，包括以下几个方面。 ( 1 ) 纹脊图形 纹脊图形包括环形( l o o p ) 、弓形沁c h ) 和螺旋形( w h o r l ) 。其他的指纹图形都 基于这3 种基本图形。使用纹脊的图形可以对指纹进行粗略的分类，提高匹配的 效率。 ( 2 ) 模式区 模式区是指纹上包含了指纹总体特征的区域，即指纹的类型可以通过模式区 的类型来判断。 ( 3 ) 核心点 6 核心点位于指纹纹线的渐进中心。它用于读取指纹和匹配指纹时的参考点。 ( 4 ) - - - 角点 三角点位于从核心点起始的第一个断点或者分叉点、或者两条绞线转折处、 汇聚处，孤立点或指向这些奇异点。三角点用于指纹的纹数的计数和用于纹线跟 踪的开始处。 ( 5 ) 样式线 样式线指的是：包围模式区的纹线出现在开始平行的地方的纹线，样式线通 常很短就中断了，但它的外侧线开始继续延伸。 ( 6 ) 纹数 纹数是指模式区指纹线脊的数目。在计算指纹的纹数时，一般要先连接奇异 点( 核心点和三角点) ，这条连线与指纹纹脊相交的数目即可认为是指纹的纹数。 2 2 2 局部特征 局部特征指的是指纹上的节点。两枚指纹常常会具有相同的总体特征，但它 们的局部特征点，却不可能完全相同。节点( m i n u t i ap o i n t ) 指纹纹脊并不是连续 的、平滑笔直地，而是常常出现分叉、中断或者打折。这些点( 断点、分叉点和 转折点) 就称为特征点。就是这些特征点确定了指纹的结构和特征。指纹上的特 征点有四种不同的种类： ( 1 ) 特征点 有以下几种特征点，最常用的特征点是端点和分叉点。 a 分叉点( b i f u r c a t i o n ) ：一条纹线分成两条或者更多条的纹线的位置。 b 端点( e n d i n g ) ：一条纹线终结的位置。 c 孤立点( d o t o r l s l a n d ) ：短成一点的纹线。 d 分歧点( r i d g ed i v e r g e n c e ) ：两条平行的纹线在此分开的位置。 e 环点( e n c l o s u r e ) ：一条纹线岔分两条之后，没多远又合并成一条，这样 构成 一个小环称为环点。 f 短线( s h o r tr i d g e ) ：长度较短但不至于成为一点的纹线。 ( 2 ) 曲率( c u r v a t u r e ) 描述脊线方向改变的大小。 ( 3 ) 方向( o r i e n t a t i o n ) 描述特征点走向。 ( 4 ) 位置( p o s i t i o n ) 通过其坐标来描述特征点的位置，可以是相对的，也可以是绝对的，例如奇 7 图2 - 2 指纹的识别过程 8 2 3 自动指纹识别系统的工作模式 指纹识别系统有两种工作模式：验i 正( v e r i f i c a t i o n ) 模式和识蔓j u ( i d e n t i f i c a t i o n ) 模式。 验证模式，又称为l ：l 模式，即进行一对一比对( o n et oo n em a t c h i n g ) 。在这 种模式下，现场采集到的指纹特征与保存在指纹样本数据库中的一个指纹特征进 行对比。作为验证条件，在数据库中己经存储个体的生物特征数据，这些特征唯 一地联系着个人识别码。验证时，先输入识别码，然后将现场采集的指纹特征与 样本数据库中和这个识别码对应的指纹特征进行对比，从而对身份验证。验证模 式主要用于确定性识别，目的是为了用户身份的确认，防止他人冒用某一身份。 识另l j ( i d e n t i f i c a t i o n ) 模式，又称为i ：n 模式，即进行一对多比对( o n et om a n y m a t c h i n g ) 。在该模式下，利用现场采集到的指纹特征与样本数据库中的指纹特征 逐一对比，从数据库中找出相匹配的指纹特征信息，因而对身份进行验证。验证 模式和识别模式在系统设计和对比算法上技术特点是不同的。例如，验证系统主 要考虑对完整的指纹图像进行对比，而识别系统要考虑对残缺指纹图像的比对； 识别系统对比对算法的速度的要求比验证系统高，验证系统强调易用性：在识别 系统加快查询的速度的方法是使用指纹分类技术。 2 3 1 指纹验证的过程 图2 - 3 指纹验证的过程示意图 ( 1 ) 输入用户名 ( 2 ) 输入待验证的指纹图像 ( 3 ) 提取待验证的指纹特征 ( 4 ) 读取数据库中和用户名对应的指纹的特征 9 ( 5 ) 将两者的特征进行匹配，成功，就接受用户请求；否则，就拒绝。 图2 - 4 指纹识别过程示意图 2 3 2 指纹的识别过程 ( 1 ) 输入待识别的指纹图像 ( 2 ) 提取待识别的指纹图像的特征 ( 3 ) 逐一的读取数据库中指纹特征 ( 4 ) 逐一的对比两者的特征，成功，就接受用户请求；否则，就拒绝。 2 4 指纹图像采集 2 4 1 指纹采集方式 指纹采集使用指纹扫描仪器将指纹输入到计算机。指纹图像按采集方式可分 为脱机扫描( o f f l i n e ) 和活体扫描( 1 i v e s c a n ) 两种。脱机扫描：是事后将留在媒介上 指纹图像输入计算机的采集指纹图像。例如罪犯作案现场指纹的采集，纸上按下 的手指印的采集等。活体扫描指的是：将手指按压在联机的传感器上采集指纹图 案，活体扫描按传感器的类型可以分为三种：半导体传感器、光学传感器和超声 波传感器三种【z 6 j 。 ( 1 ) 半导体传感器：在1 9 9 8 年，半导体指纹传感设备开始投入市场，采用微型 晶体阵列制成，通过多种复杂技术绘制指纹图像，硅电容传感器是最常见的半导 体传感器，其中，电容一极在传感器单元中呈二维排列，手指皮肤是各个微电容 的另一级。当手指放在传感器上时，在电容器和手指之间产生电荷，其大小与两 1 0 者之间的距离有关。采集仪使用该原理敏感地感应脊线与谷线之间电荷的差异。 压电式传感器是另一种半导体传感器，压感介质材料固定在它的表面上，由于指 纹纹脊和纹谷的凹凸程度不同使得压在压感介质上的压力不同，因而产生互异的 电信号。由于电信号的大小和压力的大小相关，由于脊线和谷线产生的压力不同， 所以就可以利用该原理来进行指纹的采集。不足之处是：这些材料对压力的敏感 程度需要进一步的提高，且保护层的损坏可能影响指纹图像的采集。此外，该类 型的传感器只能得到信息量较小一值图像。半导体传感器的体积小、用电量低， 但受静电的影响大，易损坏，成本比光学传感器高。 ( 2 ) 光学传感器：采用光的全反射原理制成，当光线照到放有指纹的玻璃表 面，c c d ( c h a r g ec o u p l ed e v i c e ，电荷耦合元件) 获取反射光线绘制成指纹图像， 压在玻璃表面的指纹的纹脊和纹谷的深度及皮肤和玻璃片之间的油脂决定了反 射光的数目。光学传感器是当前指纹采集中用得最广泛的传感器，所采集的指纹 图像质量高、成本低、耐用性好；缺点是这种设备体积大，很难小型化，原因是 为了在保证图像边缘不发生严重光学形变的情况下无法缩短光路的长度采取一 些办法可以使设备体积适当地缩小，但很难把该种类型采集仪嵌入到微型设备 中另外，手指干、湿和灰度变化直接影响图像的采集质量 ( 3 ) 超声波传感器：将超声波投射指纹表面并捕获反射信号，根据反射信号 的不同绘制指纹图像。超声波传感器利用的是回波描写技术，其原理是根据发送 声学信号并捕获回声信号，利用该信号、计算指纹的行列图案和纹脊的结构。采 集器有两个主要部件：发射机和接收器。发射机发出短声波脉冲，接收器捕获从 指纹反射回来的声波信号。使用该方法使用可以使污渍、油脂带来的干扰可以被 忽略，取得到较理想的指纹图像。但该设备体积较大，价格高昂，比较耗时。 表2 - 1 三种指纹采集仪器的性能比较 性能半导体传感器 光学传感器超声波传感器 成像能力 干手指成像好，汗 干手指成像差。湿 非常好 多的手指难以成手指成像模糊。 像，容易受静电干 扰。 成本高低很高 体积小大中 耐用性容易损坏 1 # 常耐用 般 耗电较少多多 及模糊不清的部分，获得一副相对清晰的灰度指纹图像；指纹的二值化就是把指 纹灰度图像变成灰度值为0 或2 5 5 的二值图像，这样以来使得2 5 6 级( 8 位) 灰度图 像降为2 级( 1 位) 的二值图像，从而极大节约了存储空间和减少了处理的数据量。 由于形状结构是指纹的特征的根本，所以为了要提高识别系统处理速度和识别精 度，应该在删除多余的部分，这就是指纹图像的细化。图像细化是指在保留指纹 骨骼特征的情况下仅留一个像素宽的指纹图像，。细化时，应保持纹脊的连通性， 保留方向信息以及尽量保证特征点位置不改变，还要保证纹线中心的固定性。 1 2 2 6 指纹分类 当自动识别系统工作在识别模式下，或对于一些大型的指纹系统，输入的待 认证的指纹要与数以万计的指纹进行比对当这个时候，为了要避免逐一检索指 纹数据中的样本，降低处理的复杂性等，就需要事先将指纹数据库中的样本用一 种精确且一致的方式分类到各个指纹样本子库中型2 8 捌。指纹分类将复杂的识别 任务分解成较简单有效的任务、缩小特征匹配范围和对提高系统的识别效率具有 非常重大的意义【3 0 】。 因此，在通常的情况下指纹分类是自动识别系统不可缺少的环节。指纹分类 是在特征提取之后进行的，然后根据其将指纹存入指纹样本数据库。如果，识别 系统工作在验证模式下，或者指纹样本数据库中的样本较少时，可以对指纹不进 行分类。 2 7 指纹匹配 指纹匹配【3 l 】是对两幅指纹图像提取出来的指纹特征信息进行比对，以判断 是否是同一枚指纹图像。指纹匹配是一件很困难的事情，尤其是判断经过很长时 间采集到同一枚指纹是否相同，因此在编写匹配算法时，必须考虑下列情况： ( 1 ) 手指可能放在传感器窗口不同角度和位置，致使输入样本和参考样本间 的角度和位置发生偏移。 ( 2 ) 由于手指的弹性，使得每次按压传感器窗口便面的压力不同而产生形变。 ( 3 ) 手指可能在传感器窗口的表面产生切向的压力，使得特征点切向移动。 ( 4 ) 输入样本和参考样本中都可能存在伪特征点。 ( 5 ) 输入样本和参考样本都可能丢失真实的特征点。 在验证模式下，指纹匹配主要判断两个指纹的特征结构是否相同【3 2 】；在识 别模式下，首先要根据特征对指纹进行分类，然后找到与待识别指纹相同类的指 纹数据库，在该库中逐一的搜索和待识别指纹具有相同特征的指纹。其中，基于 细节点的匹配通常都是比较两幅指纹图像的特征点组成的结构模式。匹配的特征 点数目是衡量两个特征点模式的相似程度用的度量，匹配结果是通过与事先确立 的阈值比较得出的【”j 。 一般认为，匹配成功的最低标准是两枚指纹能有1 3 对特征点匹配成功【3 4 1 ， 就可以断定这两枚指纹是出自同一手指，即身份得到认证。另外，在实际的匹配 过程中，两枚指纹图像之间的对比不是一种硬性的、无偏差的比较，相反应该是 一种弹性的、允许存在一定程度上的位置偏差和方向偏差的对比 3 5 1 。因此，匹 1 3 配结果用“匹配度 来衡量。当匹配度大于某一阈值t 时，就认为两枚指纹匹配； 否则，就认为不匹配。匹配算法对应着不同的匹配度算法，而阈值的取值通常根 据经验和系统安全等级等因素人为设定。当阈值较大时，识别系统安全性增加， 但是错误拒绝率( f a l s er e j e c tr a t e ) 将提高。当阈值较小时，增加了识别系统通 用性，但系统的安全性降低。 2 8 指纹的特征提取 在指纹识别系统中一般用到的指纹特征是奇异点、节点和纹线等，其中，奇 异点特征包括：三角点和核心点，节点特征主要包括：端点和分叉点，指纹分类、 匹配和索引利用的是指纹特征。 ( 1 ) 脊线方向信息的计算是进行指纹识别研究的基础，在指纹识别中，大 多数的处理算法都以方向信息为基础，如纹路跟踪、频率计算、指纹增强、指纹 分割、三角点和核心点的检测、节点的对齐等【3 6 1 。大多数的脊线方向信息计算 是基于像素之间的灰度关系【3 | 7 1 ，用小模块和模板比较获得块的方向信息，然后 再求出大模块的方向信息，并作为小模块的方向信息可靠性的标准基于梯度的 方法是现在最通用计算脊线方向信息的方、法【3 8 】。该方法首先计算每一个像素的 梯度的矢量，其方向是灰度变化最快的方向，及纹脊的边缘点处灰度变化的方向， 大小表示指纹灰度变化的快慢【3 9 1 。纹脊梯度的方向垂直于纹脊的方向，而且纹 脊两边的梯度矢量的方向刚好相反，大小基本相等。块区域内纹脊的方向是该块 中所有像素点梯度矢量的方向，为了避免纹脊两边的梯度矢量相抵销，我们在求 取块区域的方向信息时使用平方和，所得到的将是两个方向上梯度矢量的和，所 以我们应将结果除以2 ，即和块中脊线的方向相垂直的方向【删。基于梯度的方法 存在的问题是：当指纹图像很模糊时，这时计算出来的梯度的方向将不是垂直与 块中脊线的方向。h o n g 用低通滤波器纠正错误的方向的方法是通过对方向场过 滤【3 7 】。低通滤波的方法只适用于纠正一片区域中只有少数方向错误的情况。对 于一片区大多数方向错误的情况，这种方法不仅不适用，反而将正确的方向信息 纠正成错误的。 ( 2 ) 另一种脊线方向信息的计算是指纹图像的各部分的方向估计是基于方向 场全局模型【4 1 1 3 1 。 2 9 自动指纹识别技术的性能评价 在自动识别系统中由于计算机只是利用指纹的特征信息对指纹进行匹配，而 有匹配算法的局限性使得其不能对指纹的特征进行完全的匹配，要达至t 1 0 0 的 1 4 准确识别是不现实的，因此就需要有一些标准来对指纹系统的好坏来进行评价， 例如识别率等。指纹识别的核心技术是指纹识别算法，指纹的识别算法决定着一 个系统的可行性。衡量一个指纹识别算法的好坏主要通过以下几个方面来考察： 1 拒真率与认假率他们是自动识别性能评价最重要的两个指标。从此人们 对识别别系统的性能描述更加的数字化，也更加的精确。 ( 1 ) 错误拒绝率( f a l s er e j e c tr a t e ) 又称拒真率，指将相同的指纹误认为 是不同的指纹，而加以拒绝的出错概率。 ， f r r 的定义为：f r r = = - f 1 0 0 烈 ，表示同一手指不匹配的指纹数目，n 表示考察的指纹总数目 ( 2 ) f a r ( f a l s ea c c e p tr a t e ) 又称认假率，指将不同的指纹误认为是相同的 指纹，而加以接收的出错概率。 r f a r 的定义为：f a r = i v _ _ _ a a ，x 1 0 0 n 。表示不同手指匹配的指纹数目，n 表示考察的指纹总数目。 从上述定义可以看出，f r r 和f a r 是成反比的。用o 1 或百分比来表达这个 数。图2 5 所示的r o c ( r e c e i v e ro p e r a t i n gc u r v e ) 曲线给出f a r 和f 眦间的关系。 0 0 0 10 日1 口1 1 10 ( 之) 图2 5p o c 曲线 2 拒识率( e r r o rr e g i s t r a t i o nr a t e ，e r r ) 指的是指纹识别系统出现不能登 录及处理的指纹的概率。 3 效率。指纹识别系统的效率主要包括 ( 1 ) 采集时间。 1 5 ( 2 ) 图像处理时间。 ( 3 ) 比对时间。 ( 4 ) 平均识别速度。 4 鲁棒性( r o b u s t ) 又称为：抗综合环境干扰能力，是评价自动指纹识别系统 应用效果好坏的重要指标，主要包括以下几个方面： ( 1 ) 抗图像形变能力 ( 2 ) 抗图像延展能力 ( 3 ) 抗图像噪音能力 ( 4 ) 抗图像移位能力 ( 5 ) 抗图像失真能力 2 1 0 本章小结 本章简单的介绍了指纹图像的特征，指纹识别系统的工作的流程，指纹自动 识别系统的工作的模式，并且简单的介绍了指纹图像的采集，指纹图像的预处理， 指纹的分类，指纹图像的特征提取，指纹图像的特征匹配以及自动指纹识别系统 的性能的评价标准。通过简单的介绍，使大家对指纹识别系统有一个总体的认识。 1 6 第三章指纹图像的二值化 目前，自动指纹识别技术多采用基于细节特征的匹配算法，而指纹的二值化 处理是获取准确、可靠的细节特征信息的关键步骤之l 4 4 j 。一般而言，指纹图 像二值化处理就是通过设定阈值，将灰度指纹图像变换为0 一l 表示的黑白图像。 二值化方法的实际处理效果直接受二值化阈值的影响，准确、可靠的阈值有助于 有效提高细节特征提取结果的准确度，提高自动指纹识别系统的准确率。由于指 纹图像的灰度并不均匀，且不同区域之间的分布形态并不完全一致，因此提出了 局部自适应动态阈值二值化算法。相比之下，该算法能够根据指纹图像局部区域 的灰度分布自动选择合适的阈值，在选择合适的分块大小的情况下( 与图像的分 辨率有关，本文的分辨率为( 5 0 0 d p i ) ，分块尺寸为8 x 8 ) ，能够取得比较理想的 二值化效果 4 5 - 4 6 】。 近年来，信息熵理论被引入图像的二值化处理过程中，用于指导对二值化阈 值的选取。由p u n 47 j 首先提出的基于最大熵原则选取阈值是常用的阈值选择方法 之一。张二虎【4 8 】等人提出一种基于熵的图像分割方法，用于图像的分割。吴谨【4 9 】 等人提出的基于最大熵的灰度阈值选取方法，用于对图像的二值化处理。周鲜成 等人提出了基于微粒群和最大模糊熵的图像分割方法【5 0 】，用于实现对图像的二 值化处理。这些方法可以很好的实现对相关图像的二值化处理，取得了较为理想 的处理效果。但是，在指纹图像处理领域，信息熵作为一种有效的二值化阈值判 断准则，仍未被有效的用于指纹图像的二