1387.指纹识别系统最终定稿1(改)

1、自动指纹识别系统设计与实现摘要指纹识别是生物识别技术中的一种。指纹具有唯一性和不变性。这个特点使得指纹在生物特征识别技术中得以正式应用。指纹识别技术飞速发展及其广泛应用开创个人身份鉴别的新时代！本文根据指纹的相关理论和算法，用vc+设计并实现了一个自动指纹识别系统。基于这个系统的特点，本文主要包括三部分：一、指纹图像的预处理；二、特征的提取；三、特征的匹配。指纹图像预处理主要包括五部分(1)图像质量评估；(2)图像分割；(3)图像增强；(4)图像二值化；(5)图像的细化。确定两枚指纹是否相同，主要依靠细节特征(即纹线的终结点和分叉点)的匹配。细节点特征的提取是整个系统的核心部分。特征的匹配是判

2、别不同指纹图像特征点数据的匹配程度。经实验测试，本文所设计的指纹自动识别系统是比较可靠的。关键字指纹自动识别系统预处理特征提取匹配design and implementation of an automated fingerprint identification systemabstract: fingerprint identification is one technology of biologic character identification. fingerprint is unique and invariable. so fingerprint identification

3、 has been applied formally in biologic character identification technology. rapid development and extensive application about the technology of fingerprint identification have initiated a new times of individual identification.based on theories and algorithms of fingerprint identification, the paper

4、 designs and implements an automated fingerprint identification system with vc+. according to the character of system, the paper is divided into three components: pre-processing, feature extraction, matching of fingerprint image. fingerprint image pre-processing has mainly five parts: image quality

5、evaluation, image segmentation, image enhancement, binarization and thinning. to judge whether two images are captured from the same finger its based on the result of fingerprint minutiae matching, terminative point and crotch. its the core of the system to get the minutiae. in image minutia matchin

6、g, we get the matching level according to the sum of matching minutiae data.experiments have been done and the results show that the devised automated fingerprint identification system is effective.keywords: automated fingerprint identification system pre-processing feature extraction matching 目录文摘1

7、英文文摘2目录3引言4第一章 指纹识别技术概述41.1指纹识别的历史发展和现状 41.2 指纹识别系统的构成 5第二章指纹识别系统62.1 指纹的录入 62.2 指纹识别的基本原理 72.3 指纹的总体结构和类型 92.4 系统性能评估 10第三章预处理 113.1 预处理概述 113.2 指纹质量评估 123.3 指纹图像分割 143.4 指纹图像增强 163.5 指纹图像二值化 163.6 指纹图像细化 173.7 指纹细化后处理 18第四章指纹特征提取204.1 指纹图像细节特征的表述 204.2 指纹图像中心点的确定 204.3 距离和角度的确定及出现的问题 22第五章指纹特征匹配23

8、5.1 指纹特征区配的概述 235.2 指纹特征匹配的算法 23第六章程序实现过程及结果分析246.1预处理 246.2 细节特征的提取 346.3 指纹的匹配 36总结38致谢语39参考文献39附录40引言论文的背景生物识别技术（biometric identification technology）是指通过计算机利用人类自身的生理或行为特征进行身份认定的一种技术7。生物特征的特点是人各有异、终生不变(几乎)、随身携带8。这些身体特征包括指纹、虹膜、掌纹、面相、声音、视网膜和dna等人体的生理特征，以及签名的动作、行走的步态、击打键盘的力度等行为特征。之所以能够作为个人身份鉴别的物证，是因为

9、它们具有人人都有的普遍性、每人不同的唯一性以及不随年龄而变化的稳定性5。这项技术的发展为身份识别开辟了新的时代。指纹识别作为其中的一种，由于历史经验积累及新技术的支持与发展，指纹识别得到了优先的发展，并已发展成熟并得到了广泛的应用。可以说，指纹识别的“大厦”已经构筑完毕，余下的只是某些算法的改进，即修补工作。论文的对象和预期的目标本文主要研究的对象是自动指纹识别系统，在前人研究的基础上，在收集相关研究报告、专业材料的基础上，对指纹识别中所涉及的常见算法，比如预处理、特征的提取、特征匹配等相关算法在visual c+上用程序得以实现。本文作者就是希望在对指纹识别这种研究较为成功的系统了解的基础上

10、并在vc实现中加深对现今生物识别技术的理解及学习其间的研究方法，为将来进一步进修打下一定的基础。 论文结构 本文第一章对指纹识别技术进行了概述；第二章着重阐述了指纹识别系统的构成和基本原理；第三章是预处理，第四章是特征的提取，第五章是特征的匹配，这三部分是集合了几乎本文指纹识别技术的所有算法；第六章是程序的实现及结果分析，作者对系统进行了测试，并得出最后的结论。第一章 指纹识别技术概述在欧洲，1788年，梅耶(j. mayer)首次提出没有两个人的指纹会完全相同13；1889年，亨利(e. r. henry)在总结前人研究成果的基础上，提出了指纹细节特征识别理论，奠定了现代指纹学的基础13。随

11、着计算机图像处理和模式识别理论以及大规模集成电路技术的不断发展与成熟，指纹自动识别系统的体积不断缩小，其价格也不断降低，因而被应用到民用领域。第一节 指纹识别的历史发展和现状1.1.1历史发展据考古学家证实：公元前7000年到6000年以前，指纹作为身份鉴别的工具已经在古叙利亚和中国开始应用。在那个时代，一些粘士陶器上留有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指纹，在jercho的古城市的房屋留有砖匠的指纹等。由此可见，指纹的一些特征在当时已经被人们认识和接受8。19世纪初，科学研究发现了至今仍然承认的指纹的两个重要特征，一是两个不同手指的指纹纹脊的式样不同，另外一个是指纹纹脊的式

12、样终生不变13。（即指纹的唯一性和不变性）这个研究成果使得指纹得以正式应用。（主要代表性的事件有：1896年阿根迁首次应用，然后是1901年的苏格兰，20世纪初其他国家也相继应用到犯罪事情的鉴别中3。）20世纪60年代，由于计算机可以有效地处理图形，人们开始着手研究利用计算机来处理指纹。从那时起，自动指纹识别系统afis在法律实施方面的研究和应用在世界许多国家得以展开13。1.1.2现状20世纪80年代，个人电脑、光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用，比如代替ic卡。现在(90年代后期)，低价位取像设备的引入及其飞速发展，可靠的比

13、对算法的发现为个人身份识别应用的增长提供了舞台13。 第二节指纹识别系统的构成指纹识别技术主要涉及4个功能：读取指纹图像、提取特征、保存数据和匹配3，其系统结构如图11所示：图1-1fig1-1 an overview of a fingerprint identification system从一开始，通过指纹读取设备读取到人体指纹的图像，取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。软件从指纹上找到被称为（minutia

14、e）的数据点，也就是那些指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。因为通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1k大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准，也没有一种公布的抽象算法，而是各个厂商自行其是。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。第二章指纹识别系统按材料分类，系统基本分为硬件和软件两大部

15、分。硬件部分主要完成指纹图像的录入（包括防止复制指纹的出现），软件部分主要完成指纹图像的处理、特征提取及最后的匹配算法。基本流程如图21所示5：指纹的匹配图像的录入 特征的登记图21指纹识别系统fig 2-1 fingerprint identification system特征提取图像的预处理第一节 指纹的录入2.1.1录入光学取像设备有最悠久的历史，可以追溯到20世纪70年代。依据的是光的全反射原理(ftir)。光线照到压有指纹的玻璃表面，反射光线由ccd去获得，反射光的数量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃间的油脂。光线经玻璃射到谷后反射到ccd，而射到脊后则不反射到ccd

16、（确切的是脊上的液体反光的）5。应用晶体传感器是最近在市场上才出现的。这些含有微型晶体的平面通过多种技术来绘制指纹图像。比如电容传感器通过电子度量被设计来捕捉指纹。电容设备能结合大约100,000导体金属阵列的传感器，其外面是绝缘的表面，当用户的手指放在上面时，皮肤组成了电容阵列的另一面。电容器的电容值根据金属间的距离而变化，这里指的是脊（近的）和谷（远的）之间的距离。再如压感式表面的顶层是具有弹性的压感介质材料，它们依照指纹的外表地形（凹凸）转化为相应的电子信号。温度感应传感器被设计为感应压在设备上的脊和远离设备的谷温度的不同3。超声波扫描被认为是指纹取像技术中非常好的一类。如同光学扫描的激

17、光，超声波扫描指纹的表面。紧接着，接收设备获取了其反射信号，测量它的范围，得到谷的深度。不象光学扫描，积累在皮肤上的脏物和油脂对超声波获得的图象影响不大，所以这样的图象是实际脊地形（凹凸）的真实反映13。各种技术都具有它们各自的优势，也有各自的缺点。我们在下面给出三种主要技术的比较。表21 三种采集技术的比较table 2-1 comparison of three collection technologies比较项目光学全反射技术硅晶体电容传感技术超声波扫描体积大小中耐用性非常耐用容易损坏一般成像能力干手指差，但汗多的和稍脏的手指成像模糊干手指好，但汗多的和稍脏的手指不能成像非常好耗电较多

18、较少较多成本低低很高2.1.2 关于指纹是否可以复制敏感问题的解决通过指纹确认个人身份的技术已很常见，但指纹也不是不可复制的，比如：在一张纸上复印出一个人手指的指纹或者制造一个一模一样的指模等等，这些复制手段给指纹识别带来了新的问题和新的挑战。现今问题基本都相应得到了解决，主要是采用了活体指纹采集器。不同的活体指纹采集器，采用的原理也不同，有的可以感应到人体的温度和手指的湿度，这种方法有效地解决了用纸复制指纹的问题；有的可以感应人体血液循环系统。例如：日立的安全技术之一，就是使用手指静脉的特征来确认本人7。通过超小型ic对静脉进行认证时，根据光透过手指形成的图像来辨别静脉特征。由于不可能从外观

19、进行识别，因此很难复制。正因为如此才有望确保安全。再如：采用世界领先技术的嵌入式光学指纹采集器dfz，它利用微型三棱镜(ccd)的全反射原理，光源从棱镜反射按在一个采集器的手指5。当人的手指按压在玻璃表面上，由于指纹的脊和谷的压力不同而改变了ccd的表面；反射光线由ccd获得，反射光的数量依赖于压在玻璃表面指纹的脊和谷的深度和皮肤与玻璃间的油脂。经过处理就形成指纹图像。由指纹的形成原理我们可以得出两个基本特点：一是获取的指纹是三维的而非平面的；二是获取的指纹是活体的，非含有油脂的手指弹性按压是取不到指纹图像的。第二节 指纹识别的基本原理指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司

20、并不直接存储指纹的图像。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像）。但指纹识别算法最终都归结为在指纹图像上找到并比对指纹的特征。主要定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征7。2.2.1 总体特征总体特征是指那些用人眼直接就可以观察到的特征，包括： (1) 基本纹路图案:基本纹路图案包括环型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。 环型弓型螺旋型

21、图2-2 指纹基本纹路图案fig 2-2 the pattern of fingerprint basal lines(2) 模式区（pattern area） 模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。 aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。 (3) 核心点（core point） 核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。图2-6 纹数fig2-6 the vein number图2-5 式样线fig2-5 the pattern line图2-4

22、 三角点fig2-4 the trig point图2-3 核心点fig2-3 the core point (4) 三角点（delta） 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。 (5) 式样线（type lines） 式样线是指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。 (6) 纹数（ridge count） 纹数指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹

23、的纹数。2.2.2 局部特征局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征细节点，却不可能完全相同 节点（minutia points）： 指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为节点。就是这些节点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特性：(1)分类 - 节点有以下几种类型，最典型的是终结点和分叉点 图2-7 局部特征fig2-7 the local charactera. 终结点（ending）条纹路在此终结。b. 分叉点（bifurcation）一条纹路在此分开成为两条或更多的纹路。 c. 分

24、歧点（ridge divergence）两条平行的纹路在此分开。 d. 孤立点（dot or island）一条特别短的纹路, 成为一点。e. 短纹（short ridge）一端较短但不至于成为一点的纹路。 f. 环点（enclosure）一条纹路分开成为两条之后， 立即有合并成为一条，这样形成的一个小环称为环点。(2) 方向（orientation）节点可以朝着一定的方向。(3) 曲率（curvature） 描述纹路方向改变的速度。 (4) 位置（position） 节点的位置通过（x,y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。 第三节指纹的总体结构和类型2.3.1指纹的

25、结构 除少数弓形纹之外，绝大多数的箕、斗型纹（约占97%）是由中心花纹系统、外围线系统和根基线系统组成。 中心花纹系统：指中心部分的花纹，又叫内部花纹。由箕形线、环形线、螺形线、曲形线和几种混合纹线组成。 外围线系统：从上面和侧面包围着中心花纹的弓形线称之为外围线系统。 根基线系统：中心花纹的下部与指间根基纹并行的横线谓之根基线系统。 三角区：是三方面指纹汇合的区域。指纹鉴定中心称为三角，位于指纹的两侧；靠近中心花纹并与之相对的一角为外角。外角上支线以外的纹线即指纹的外围线；下支线以下的纹线即指纹的根基线。外角以内的为指纹的中心花纹。 2.3.2指纹的纹型与纹形的定义 纹型是指纹的基本分类，是

26、按中心花纹和三角的基本形态划分的。纹形从属于型，以中心线的形状定名。按我国是指纹分析法，指纹分三大类型，九种形态。可见，型与形是类与种的关系5。 （一） 弓型纹 由弓形线组成，中心花纹与上下包围线无明显界限，因此也没有真正的三角区。分为弧形纹和帐形纹两种。 弧形纹：是有平缓的或略微突起的弧形线组成的一种结构简单的花纹形式。 帐形纹：由平行的和突起的弧形线组成。花纹中部有直立的或倾斜的纹线，将弧形线撑起形成帐蓬状。 （二） 箕型纹 有一条以上完整的箕形线组成中心的花纹。箕形线的对侧有一对三角的上下线包围着中心花纹。按箕线的流向分为桡侧箕形纹（反箕）和尺侧箕形纹（正箕）两种。按中心花纹的结构形态又

27、可分为普通箕、闭口箕、叶形箕、横箕和类似斗的箕。箕形纹中心和三角之间的距离和纹线数量多少不一，有的只有12条线，多数为十条线左右，个别的可达30余条。 （三） 斗型纹 中心花纹呈环、螺、曲状，由内向外扩展同时上下包围线汇合形成两个以上的三角区，列为斗型纹。分为环形、螺形、囊形、双箕形、杂形五种。 在有一条环、螺、曲等纹线构成时，斗型纹的中心花纹，与两侧三角相对的弧形线凸面，必须是不折、不断的，并且不与来自三角区的其它纹线相接。 指纹类型的三类九种，是按我国现行的十指指纹分析法划分的。这是一种基本分类，也叫两极分类法。实际上指纹种类远不只这些。总体特征一般只用于对于指纹库的搜索，它可以大大减少指

28、纹匹配中搜索的范围。第四节系统性能评估生物识别系统因其方便性和可靠性而得到广泛应用，那么它的准确率到底是多少？可靠性是如何？这是人们关心的问题。对于指纹系统评价的四个重要的指标是：拒识率(false rejection rate，frr) 、误识率(false accept rate，far)、拒登率(error registration rate，err)、识别速度6。2.4.1 拒识率frrfrr拒识率又称拒真率，是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。其定义为：frr=拒识的指纹数目/考察的指纹总数目100%。2.4.2 误识率farfar又称认假率，指将不同的指纹误认

29、为是相同的指纹，而加以接收的出错概率。其定义为：frr=错判的指纹数目/考察的指纹总数目100%。2.4.3 拒登率err拒登率(err)是用来描述指纹设备的适应性。err指的是指纹设备出现不能登录及处理指纹的概率，拒登率err过高将会严重影响设备的使用范围。2.4.4 速度指纹识别系统的工作速度主要由采集时间、图像处理时间、比对时间和平均识别速度几项指标构成。采集时间通常包含了采集的操作时间和图像的传输时间；图像处理时间，指的是从计算机处理指纹图像到提取出所有特征、输出特征模板所耗费的时间；比对时间，指计算机对两组指纹特征模板进行比对并给出结果所耗费的时间；平均识别速度，指计算机从指纹特征模

30、板库中搜索出特定指纹特征模板的速度，通常是一个统计平均值，其速度的快慢与指纹特征模板库的分类方法有很大关系。第三章预处理无论是指纹匹配还是指纹分类，都需要提取指纹的有效特征，为了保证提取的可靠性，必须对获取的指纹图像进行预处理，以减少噪声或其他干扰。指纹图像预处理的基本步骤:(1)指纹图像质量评估：考察是否合格；(2)指纹图像分割；(3)指纹图像增强，针对图像的模糊部分进行图像增强；(4)指纹图像二值化；(5)对二值化的指纹图像的细化，产生单像素的骨型图像。第一节预处理概述整个指纹图像预处理的流程如图3-1：指纹图像输入图像质量评估否图3-1 指纹预处理流程图fig3-1 the flow c

31、hart of fingerprint pre-processingflow ch是图像细化图像二值化图像增强图像分割合格指纹图像经传感器获取后，首先要对其质量评估，通过检查其有效面积及图像的清晰程度，决定是否对该图像进行下一步处理。若图像质量合格，则将其送入图像分割子模块，否则要求重新采集，同时给出提示：是指纹太干还是太湿，或者是手指放得太偏等。图像分割是指把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恢复，然后再对整幅图像滤波

32、，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，这是方便以后的特征提取14。第二节 指纹质量评估指纹图像评估是指纹识别中的一个图像预处理子模块。现在流行的多种指纹采集器，其采集面积都比较小，图像质量易受外界环境影响。为了保证整个系统的可靠性和稳定性，需要一种方法排除质量不能满足要求的指纹，特别是在指纹登记过程中，一定要保证指纹模板的可靠性。如图3-2所示为指纹图像质量评估的流程。 图像方向计算图像前景背景分离是前景面积是否过小否拒绝该

33、图像标注各块的方向连续区域分析计算质量评估参数not okokok分析是否是干/湿手指分析是否是部分手指图3-2指纹图像质量评估流程fig3-2 the flow chart of fingerprint quality evaluation3.2.1 计算质量评估参数一方面指纹图像跟其它图像一样，有前景点和背景点；另一方面，根据指纹图像的特点，指纹图像在一定区域内还存在一个优势方向的问题。若把图像（本文采取的的是256*256指纹图像）分为互不重叠的块，指纹有一定的方向，那么相应地体现在块中就会有一个方向，我们称之为优势方向。而含有优势方向的块占总前景块的多少，我们用此定义为指纹图像质量评估

34、参数。它从某种意义上说，判别了指纹图像的清晰程度。公式如下所示3-13（3-1）具体求解步骤如下：(1)把整个图像分为互不重叠的块，如88大小的图像块(2)计算各个像素点的方向，如图3-3所示，采用77模板，基准点位于模板的中心，从水平位置开始，每隔/4确定一个方向，按公式3-218计算各个方向的di(0i4，比较di，找到最小值min(di)，则i就代表该点的方向。 (3-2)其中为各个方向上各点的灰度均值，为各点灰度，k为第i方向上点的个数。321321321000(x,y)000123123123图3-3方向图的模板fig3-3 the template of direction cha

35、rt(3)判断该点是背景点还是前景点，根据指纹图像灰度一般较集中在两个点，一个是白色（灰度为255），一个是黑色（灰度接近0）。本文实验证明：只要把每点的灰度值乘以6，与255*3*1.3进行比较，若比之大，则判定为背景点，否则判断为前景点。(4)以各个图像块为单位判断各图像块为背景块，还是前景块。判断依据是该小块内背景点的比例。若超过一定的比例阈值（本文设为0.625），则认为该图像块为背景块，否则为前景块。(5)因为第4步分别独立判断各图像块的属性，会引入一些误差，因此有必要对块的属性进行下一步的确认。本文采用33模板，若当前块四周8个邻域都是背景块时，则中间这块也定为背景块。这样就消除了

36、孤立的背景块或前景块。(6)计算图像前景块占整幅图像的比例。如果比例小于一定值（tp），则表明该图像的有效图像部分太小，应要求重新采集指纹图像，否则进行下一步处理。(7)由块中各个方向的像素总数，来确定该块的优势方向。找出其中总数最大的并且应该大于一个阈值t1的那个方向来作为该块的优势方向d1。由于考虑到指纹图像分叉点处可能出现相对集中在两个方向的情况，本文再判断总数排第二的方向的像素总数，若大于另一个阈值t2，则认为该块存在第二优势方向d2。很显然，t1t2。(8)根据公式3-1求出图像质量评估参数。如果图像质量评估参数q小于阈值tq(本文设为0.6)，则该认为该指纹图像不合格，进一步判断是

37、干手指，还是湿手指。否则认为其是合格的，可以进行下一步的操作。3.2.2 判断干/湿手指一般来说，对于干手指，它的很多图像块的对比度比较大，而对于湿手指，它图像块的对比度比较小，这就是用于判断手指干湿的依据。详细操作如下：(1) 对于每一个前景图像块，计算它的灰度均值m。(2) 对每个图像块，计算它所有像素的标准差以及块内小于均值m的所有像素的灰度均值。实际上，小于均值m的所有像素，可以认为是脊线上的点。(3) 对于一幅质量良好的指纹图像，各图像块的比较小而比较大，但是如果一幅对比度较大的干手指图像，比较大而比较小，因此我们用与的比值来表征图像块的对比度，如公式3-318所示，cd即为图像块的

38、对比度。 (3-3)如果某一图像块的对比度小于阈值dth1，则该图像块被标注为干图像块。(4) 统计所有干图像块占前景块的比较，如果该比例超过阈值dth3，则认为该图像太干，否则转向下一步湿手指图像判断。(5) 为了判断图像块的湿度，引入一个特征量cs, 如公式3-418所示。 (3-4)如果cs小于阈值sth1则认为为湿手指块。(6) 统计所有湿图像块占前景块的比例，如果该比例超过阈值sth3，则认为该图像太湿，否则转向下一步偏手指图像判断。3.2.2 判断偏手指有时如果用户不注意，把手指放得太偏，就会导致只有很少一部分指纹信息与模板重合，因此需要检查手指是否放置过偏。一般来说，无论何种类型

39、的指纹，其脊线从左到右都是呈抛物线型，因此可以通过检查图像中心区域是否存在这样一条较为完整的脊线来确定手指是否放偏3。本文采取方向图的简单跟踪算法。(1) 以前景图像的质心为原点，构建坐标系，其x轴和y轴与图像本身的行和列平行，目的就是寻找一条抛物线型的脊线，其两端分别与x的正负半轴相交。(2) 在x轴的左半轴，选择一个图像块(x1,0)作为起始块，注意其方向不能为0,也就是不能为水平方向。(3) 根据当前图像块的方向，向右搜索下一个图像块。(4) 检查该图像块与前一个图像块的方向变化，如果变化超过90度，则表明当前图像块方向发生了突变，根据脊线本身的连续性，修改当前图像块的方向为前一个图像块

40、的方向，在此基础上搜索下一个图像块。(5) 判断脊线是否搜索完毕，如果当前图像块（x2,y2）满足下列所有条件：(a) 图像块为前景图像块(b) x2大于0(c) y2小于3(表明图像块足够靠近x轴)表明完整的脊线已经搜索到，该图像可以被接受。否则，如果当前图像块为前景块但没有足够靠近x的正半轴，则继续搜索下一个图像块；而如果当前块为背景块，则重新选择起始块，开始另一轮搜索。(6) 如果对于x的左半轴上的任一图像块都不存在一条完整的脊线，则在x的正半轴选择起始块，使用类似的方法，搜索一条脊线与x的负半轴相交。(7) 如果从x的正负半轴都无法确定一条完整的脊线，则表明该图像过偏。第三节指纹图像分

41、割指纹图像分割通常位于预处理的前端，其目的是把指纹图像中质量很差、在后续处理中很难恢复的图像区域与有效区域分开来，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。16对于一幅指纹图像，本文把它分为4类图像区域：(1) 背景区：指不包含纹线的白边界区。(2) 不可恢复区：包含指纹纹线，但受噪声干扰严重，纹线走向无法辨认，峰谷混杂不清，在后续处理中很难恢复的区域。(3) 清晰区：纹线连续，峰谷清晰，几乎没有噪声干扰的区域。(4) 可恢复区：受到噪声干扰，纹线断续或者峰谷界限不清晰的区域。指纹分割的目的就是保留后

42、两类区域，而去除前两类区域。所谓多级分割，就是把分割的过程分为3级，使各级的搜索范围逐级递减，第一级背景分割，第二级从前景中分割出模糊区域，第三级从模糊区中分割出不可恢复区。其中第一级分割已经在前面的质量评估中得以实现。以下为第二级分割和第三级分割3。3.3.1 二级分割本文采取计算特征量的方法来实现分割。(1) 特征量d如公式3-514所示，其中sumi表示块中方向为第i个量化方向的点数。d可看作是块中方向一致性的度量。当各点方向全部为某量化方向时，d达到最大值；当块中方向均匀分布于各个方向时，d达到最小值。(3-5)(2) 特征量zz=con/mean其中mean为块灰度均值，con=t1

43、/n1-t2/n2。n1为块中灰度大于或等于块灰度均值的点数，n2为块中灰度值小于块灰度均值的点数，t1为块中灰度值大于或等于块灰度均值的所有点灰度值之和，t2为块中灰度值小于块灰度均值的所有点灰度值之和。特征量z可以有效地去除峰和谷粘连混淆的区域。第二级分割的判据为：当d小于阈值t3且z小于阈值t4时，该块为模糊块。3.3.2三级分割第三级分割的判决区域为第二级分割中判决为模糊块的所有块组成的区域，其目的是从中分离出不可恢复的区域，保留可恢复区。这级要求的精度比较高。本文采用以下几种特征量：(1) 各块中点方向与块方向一致的点数r1。(2) 考察某块及其8个领域块，使用该块及其领域块的方向图

44、构成组合判据，判据如公式3-614所示： (3-6)其中d表示待判决块的方向，di表示第i个相邻块的方向，函数f(x)定义14为： (3-7)第三级分割的判据为：当r1小于阈值t5且y大于阈值t6时，该块为不可恢复块。第四节指纹图像增强刚获得的图象有很多噪音。这主要由于平时的工作和环境引起的，比如，手指被弄脏，手指有刀伤、疤、痕、干燥、湿润或撕破等。图象增强是减弱噪音，增强脊和谷的对比度，改善这些区域的质量，以保证后续处理的可靠性。下图3-4为增强处理前后的效果图：图3-4 增强前和增强后的指纹图像fig3-4 the original and enhanced fingerprints im

45、age本文所采用的是灰度直方图均衡化处理方法。直方图表示的是图像中每一灰度级与其出现频数之间的统计关系，用横坐标表示灰度级，纵坐标表示频数。直方图能反映出图像的灰度范围、每个灰度级的频数、灰度分布情况、整幅图像的亮度等，它是对图像进行处理的重要依据。如对直方图进行均衡化修正，可使图像的灰度间距增大或灰度均匀分布、增大反差，使图像的细节变得清晰。均衡化修正的基本思想是将出现频数较少的灰度级并入邻近的灰度级中，从而减少图像的灰度等级，增加其对比度。第五节指纹图像二值化二值化的目的是把灰度指纹图像变成0、1取值的二值图像。对一幅图像进行二值化，传统的方法是采用阈值法。阈值法又分为固定阈值和浮动阈值。

46、很明显，由于不同图像的灰度差异变化很大，甚至同一幅图像中各部分的明暗也大不相同，所以用固定阈值方法并不可取。这里介绍一种基于脊线方向分析的对指纹图像进行二值化的方法，并在二值化后进一步使用方向滤波器滤噪。具体步骤如下：(1) 把前面分割出来的所有背景和不可恢复部分置为“0”。(2) 对任一前景图像块中像素，使用如图3-5所示的79模板，考察其应该置“1”还是置“0”。97图3-5用于图像二值化的可旋转模板fig3-5 the revolving template used to binarizate image(3) 模板以待处理为中心，放置方向平行于该图像块的方向，统计与块方向平行的各行所有

47、像素的灰度和，因采用79模板，应能得到9个和的矢量。(4) 以包含待处理点的中间一行的像素灰度和乘以9，将积cm与所有9个行的和aa进行比较。如果cm大于aa，则置该点为“0”，否则，否则置该点为“1”。(5) 因二值化的图像仍带有因灰度滤波不完整及二值化时引入的噪声，所以需要进一步滤波处理。在这里采用一种方向加权中值滤波的方法。该算法充分运用了指纹方向图和模糊理论的思想来构造滤波模板，根据前景点方向的不同选择不同权值的模板，如图3-6所示展示了几种不同方向的滤波模板。2145度方向0度方向233321212323232123135度方向90度方向2131232321232123图3-6 加权

48、滤波窗口fig3-6 the filter windows with different coefficient指纹图像经方向加权滤波后，纹线上的孔洞、缺口和突出物基本被消除，且纹线流畅清晰，为下一步的细化奠定了良好的基础3。第六节指纹图像细化细化就是将二值图像变化为单像素宽度的骨架图像。图像细化算法的种类很多，代表性的有hildtch、deutsch等方法，细化的方法不同，细化的结果就有差异。指纹自动识别系统中的纹线细化要求满足收敛性、保持性、连接性、拓扑性、中轴性和快速性 17,18,19,20。本文所采取的是hildtch细化算法4。hildtch细化算法适合于输入图像为0和1的二值图像

49、。像素值为1的区域是需要细化的部分。像素值为0的区域是背景。hildtch细化算法可描述如下：设p为被检测的像素，f(p)为像素p的灰度值，ni(i=1,2,.8)为p的8领域像素，ni位置如下：n4n3n2n5pn1n6n7n8设集合i=1表示需要细化的像素子集，集合n=g|g-m=0表示背景像素子集，集合r=-m表示在第m次减薄时，i中被减掉的像素.图像细化的减薄条件为：(1) (3-8) (2),其中，这里的ai为 (3-9) (3)v,其中 (3-10)(4),其中,这里的ci为 (3-11) (5),其中，这里的bi定义为 (3-12) (6)或,(i=3,5),其中xi(p)表示对

50、p的第i个领域像素的x(p)。经实验证明，上述细化算法是可靠有效的。只要对图像多次调用该算法，则可得到非常理想的效果。但细化过程中也会产生一些噪声，需要进一步处理才可用于后期的细化特征提取，即去除一些伪特征。第七节指纹细化后处理细化指纹图像后处理主要指为了减少伪特征点而对细化指纹的一些处理工作。细化图中的噪声一般可分为以下5类：(1) 毛刺：由于二值图中的纹线不平滑引起的、从毛刺的端点开始跟踪，一般7个点内遇上叉点。(2) 短线：由于二值图中的孤立黑块引起的、其特点是从一个端点跟踪一个较短的距离时会遇上另一端点。(3) 断点：采集指纹时由于用力不均，使得纹线断开，其特点是两个端点距离很近、且方

51、向一般相同。(4) 岛屿：由于二值图像中纹线模糊或纹线中有空洞引起的，其特点是两个叉点距离很近，且方向相对。(5) 假小桥：按捺时由于用力不均，使得相邻两纹线连接起来，其特点是假小桥和相邻两纹线近乎垂直。分析图3-7五种伪特征，可以看出如果直接用特征提取算法进行处理，则提取出的伪特征点一般距离只有几个像素，如毛刺，毛刺产生的分叉点和端点距离一般不超过7个像素(经验阈值)且有连接两个伪特征点的脊线；短线产生两个伪端点，存在一条连接两个伪端点的脊线；断点产生两个伪端点，虽然不存在两个伪端点间的脊线，但一般两个端点方向相同；岛屿产生两个距离很近的分叉点且存在至少一条连接两个分叉点的脊线；假小桥造成的结果与岛屿类似，但两个伪特征点之间只有一条脊线连接且与分叉点近乎垂直。图3-7