指紋的特征提取與識別

1、指 紋 的 特 征 提 取 與 識 別 摘要 隨著社會的發(fā)展，計算機(jī)技術(shù)的進(jìn)步，人們對身份認(rèn)證技術(shù)提出了更高的要求。傳統(tǒng)的身份認(rèn)證方法存在的種種弊端讓人們將目光投向了生物特征識別這個嶄新的領(lǐng)域。而指紋識別技術(shù)憑借其獨有的優(yōu)勢在眾多生物特征識別技術(shù)中脫穎而出，得到了廣泛的關(guān)注和應(yīng)用?，F(xiàn)今，自動指紋識別技術(shù)已經(jīng)廣泛地應(yīng)用于公安、海關(guān)、銀行、網(wǎng)絡(luò)安全等需要進(jìn)行身份識別和鑒定的領(lǐng)域。因此，進(jìn)行指紋識別技術(shù)方面的研究，具有較高的現(xiàn)實意義和理論意義。 本文綜合運(yùn)用圖像處理和模式識別的技術(shù)，對自動指紋識別系統(tǒng)的若干問題進(jìn)行了探討和研究，實現(xiàn)了指紋圖像的預(yù)處理、特征提取和指紋匹配等算法，并在指紋分割、指紋增強(qiáng)

2、這兩個方面進(jìn)行了改進(jìn)和創(chuàng)新。關(guān)鍵詞:指紋識別，指紋分割，指紋增強(qiáng)，特征點提取，指紋匹配第1章 緒論1.1 指紋識別系統(tǒng)的結(jié)構(gòu)本文主要是對指紋識別系統(tǒng)中圖像處理方面的相關(guān)算法進(jìn)行研究，本文的指紋識別系統(tǒng)的基本框架如圖1-1所示。圖1-1指紋識別系統(tǒng)的基本結(jié)構(gòu)1.1.1指紋的預(yù)處理 由于各種原因的影響，指紋取像設(shè)備所獲得的原始圖像是一幅含有較多噪聲的灰度圖像，預(yù)處理的目的就是改善輸入指紋圖像的質(zhì)量，增強(qiáng)脊和谷的對比度，將它變成一幅清晰的點線圖，以便于進(jìn)行特征提取。本文預(yù)處理過程主要步驟如下:圖1-2指紋預(yù)處理的基本結(jié)構(gòu) 指紋分割是把指紋的背景區(qū)域從圖像中分離出去，減少對指紋圖像進(jìn)行處理時的計算量;

3、指紋增強(qiáng)的目的是對輸入的噪音較多的灰度圖像進(jìn)行濾波，去除圖像中的叉連、斷點及模糊不清的部分，得到一幅較清晰的灰度圖像;二值化就是把灰度指紋圖像變成0-1取值的二值圖像，這樣就使圖像的灰度層次由原來的256級(8-bits)降為2級(1-bits)，從而大大減少了需要存儲和處理的數(shù)據(jù)量。由于指紋的特征僅包含在紋線的形狀結(jié)構(gòu)中，所以為了提高處理速度和識別精度，應(yīng)該在不破壞圖像連通性的情況下去掉多余的信息，也就是進(jìn)行圖像的細(xì)化。細(xì)化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度。細(xì)化時應(yīng)保持紋線的連接性、方向性以及特征點位置不變，還應(yīng)保持紋線的中心基本不變。1.1.2特征提取 由于指紋通常是用按壓

4、的方式得到的，按壓位置和方向的不同、手指的狀況以及皮膚的形變等都會導(dǎo)致指紋圖像不理想。因此，采集到的指紋灰度圖像不宜直接用來匹配，有必要對其做進(jìn)一步的處理，再提取出其特征來進(jìn)行匹配。1.1.3 指紋圖像的匹配 兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征卻不可能完全相同。在只考慮局部特征的情況下，英國學(xué)者E. R. Henry認(rèn)為，只要比對13個特征點重合，就可以確認(rèn)為這兩枚指紋來自于同一個手指。這種利用指紋的局部特征來進(jìn)行匹配的方法，因為指紋的端點和分叉點較穩(wěn)定，并且容易檢測，因此在實際的指紋圖像匹配過程中獲得了廣泛的應(yīng)用。而對特征點進(jìn)行匹配，這就變成了點模式匹配的問題。在一對一模式下

5、，特征匹配是將實時在線提取的用戶指紋數(shù)據(jù)同系統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)模板進(jìn)行比較，對其判斷是否屬于同一指紋。在一對多模式下，由于用戶的特征模板未確定，還需進(jìn)行數(shù)據(jù)庫的查詢比較。對于身份識別系統(tǒng)來說，由于需要在大量數(shù)據(jù)中尋找匹配，因此速度將是一個值得考慮的因素。第2章 指紋圖像預(yù)處理 由于各種原因的影響，指紋取像設(shè)備所獲得的原始指紋圖像是一幅含有較多噪聲的灰度圖像，對指紋圖像進(jìn)行預(yù)處理的目的就是改善輸入指紋圖像的質(zhì)量，增強(qiáng)脊和谷的對比度，去除指紋的斷裂和叉連，并將原始指紋圖變成一幅清晰的點線圖，以便于下一步進(jìn)行特征提取。本文的預(yù)處理過程主要包括指紋分割、指紋增強(qiáng)、二值化、細(xì)化四個步驟，其流程圖如圖1-2

6、所示。2.1指紋圖像的規(guī)格化 指紋規(guī)格化(Fingerprint Normalization)是對指紋灰度圖的灰度均值和方差做一次調(diào)整操作，使不論什么設(shè)備采集到的指紋圖像都可以有預(yù)期的均值和方差，從而屏蔽不同采集設(shè)備的差異。指紋規(guī)格化并不會改變指紋的質(zhì)量，它只是為指紋處理后續(xù)的操作創(chuàng)造一個統(tǒng)一、良好的開端。指紋規(guī)格化的算法:如果指紋原圖為S(i,j), N(i,j)為規(guī)格化后的指紋圖，指紋圖像的寬為w，高為h，那么我們可以定義整個指紋圖像的均值Mean(i,j)和方差Var(i,j)如下: (2.1) (2.2) 由此我們可以計算出N(i,j)，其中的M0和Var0分別為我們所期望的均值和方差

7、，這兩個值可以根據(jù)經(jīng)驗值來選取。 (2.3) (2.4) 2.2 指紋圖像的分割 圖像分割是從一幅圖像中按一定規(guī)則將一些物體或區(qū)域加以分離，劃分出我們感興趣的部分或區(qū)域。經(jīng)過分割后的圖像更容易進(jìn)行進(jìn)一步的分類、分析和識別處理。 其步驟如下:1、把指紋圖像分成WxW大小的塊(一般為16X16);2、對指紋的塊求方差V (2.12) (2.13) 設(shè)定閾值T，若V>T，則該塊作為前景留下，并把該塊整塊標(biāo)示為一個存在矩陣A中;若V<T，則該塊作為背景去除，并把該塊整塊標(biāo)示為一個0，存在矩陣A中;3、以為結(jié)構(gòu)元素對二值矩陣A作閉運(yùn)算，得到矩陣B;4、以為結(jié)構(gòu)元素對B作開運(yùn)算，得到矩陣C，矩

8、陣C為一個二值矩陣，矩陣元素為I的，對應(yīng)的該塊就作為前景留下，矩陣元素為0的，對應(yīng)的塊就作為背景去除。由于采集到的指紋圖像不可避免的有污漬等，而有污漬的這些塊，其方差也就會較大，用閾值來分割時就會被錯誤的當(dāng)成前景，而真正屬于前景的有些塊，由于采集的質(zhì)量等原因，卻有可能被錯誤的當(dāng)成背景予以去除，所以上述算法的第三步，在指紋塊的基礎(chǔ)上，作閉運(yùn)算，以去除指紋前景中被誤當(dāng)成背景的塊，此時，再作開運(yùn)算，就能很好的去除被誤當(dāng)成前景的背景塊，從而分割出我們需要的指紋前景區(qū)域。2.3 指紋增強(qiáng) 指紋增強(qiáng)在指紋識別中是非常重要的一個環(huán)節(jié)，指紋增強(qiáng)的效果直接影響到指紋特征的提取、指紋匹配等各個環(huán)節(jié)。 我們可以對指

9、紋的不同區(qū)域采用不同的濾波方法。對指紋變化比較緩慢的一般區(qū)域可以選擇一個平滑能力較強(qiáng)的低通濾波器來平滑，這樣保證了對噪聲干擾比較強(qiáng)的低質(zhì)量指紋也能夠有效的平滑。2.4 指紋二值化 二值化的目的是把灰度指紋圖像變成0-1取值的二值圖。在數(shù)字圖像處理中，二值圖占有非常重要的地位，特別是在實用的圖像處理系統(tǒng)中，以二值圖處理為核心構(gòu)成的系統(tǒng)是很多的。對圖像進(jìn)行二值化處理的好處是:在經(jīng)過二值化處理后，再對圖像作進(jìn)一步處理時，圖像變成只與0和1有關(guān)了，不再涉及到像素的灰度值，使處理變得簡單，而且數(shù)據(jù)量也得到了很大的壓縮量，這給存儲和處理都帶來了很大的方便，同時也提高了系統(tǒng)的經(jīng)濟(jì)實用性。 圖像的二值化的具體

10、辦法是:通過設(shè)定閾值(Threshold)，把灰度圖像變換成僅用兩個值來分別表示圖像目標(biāo)和圖像背景的二值圖，其中目標(biāo)取值為1，背景取值為0。圖像二值化可根據(jù)下列的閾值(Threshold)處理來進(jìn)行:g(i，j)=1，當(dāng)f(i，J)>threshold時 (2.27)g(i，j)=0，當(dāng)f(i，J)threshold時 (2.28) 塊的大小不同，其二值化處理結(jié)果也不同，本文試驗了4x4, 8x8, 16x16,32x32大小的劃分塊的方案，發(fā)現(xiàn)采用16x16的取塊大小的局部閾值二值化方法取得的效果最佳。2.5 細(xì)化 指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識別只需在指紋的點線結(jié)構(gòu)

11、上提取特征點來匹配，故在二值化之后，細(xì)化就是必不可少的。指紋圖像細(xì)化后可以得到一個像素寬度的紋線，這樣就可以簡化并改善后續(xù)的指紋特征提取工作，并且進(jìn)一步壓縮了數(shù)據(jù)量，有利于指紋數(shù)據(jù)的存儲和提高指紋匹配的速度。細(xì)化的目的是:刪除指紋紋線的邊緣像素，使之只有一個像素寬度。一個好的指紋細(xì)化算法必須滿足收斂性、連接性、拓?fù)湫?、保持性、?xì)化性、中軸性、快速性的要求。Matlab中有直接用來細(xì)化的函數(shù)，因此我們可以直接采用。第3章 指紋特征點的提取3.1指紋特征概述 特征提取(feature extraction)就是對指紋圖像提取表示其特征的信息。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和

12、最終識別建立一個良好的基礎(chǔ)，以保證整個系統(tǒng)有較高的性能。3.2細(xì)節(jié)特征提取算法細(xì)節(jié)特征提取的方法分為兩種：一種是從灰度圖像中提取特征，另一種是從細(xì)化二值圖像中提取特征。直接從灰度圖像中提取特征的算法一般是對灰度指紋紋線進(jìn)行跟蹤，根據(jù)跟蹤結(jié)果尋找特征的位置和判斷特征的類型。這種方法省去了復(fù)雜的指紋圖像預(yù)處理過程，但是特征提取的算法卻十分復(fù)雜，而且由于噪聲等因素影響，特征信息(位置、方向等)也不夠準(zhǔn)確。目前大多數(shù)系統(tǒng)采用第二種方法，從細(xì)化二值圖像中提取特征，該方法比較簡單，在得到可靠的細(xì)化二值圖像后，只需要一個3×3的模板就可以將端點和分叉點提取出來。特征點提取的好壞將直接影響匹 配的結(jié)

13、果。現(xiàn)實中，指紋輸入時，由于汗?jié)n、干燥、按壓力度不同等影響，得到的指紋圖像大都含有斷紋、褶皺、模糊、灰度不均勻等質(zhì)量問題，雖然經(jīng)過預(yù)處理，圖像質(zhì)量會有所改觀，但預(yù)處理算法對各個指紋的適應(yīng)性和有效性也會不同，并且會引入新的噪聲，因此得到的細(xì)化二值圖像往往含有大量的偽特征點。偽特征點不僅會影響匹配的速度，嚴(yán)重的會影響整個識別的正確率。所以提取特征點后要進(jìn)行去偽處理，盡可能濾除偽特征點、保留真特征點。實踐中發(fā)現(xiàn)，偽特征點的數(shù)量一般占總特征數(shù)量的一半以上，所以去偽是必不可少的過程。去偽過程可以在兩個階段進(jìn)行：一是在特征提取之前對細(xì)化二值圖像進(jìn)行平滑、去除毛刺、連接斷紋等操作，然后提取特征作為真特征；另

14、一種是在特征提取之后，根據(jù)特征之間的相互關(guān)系，盡可能準(zhǔn)確的識別偽特征點并濾除它們。前者直接對圖像進(jìn)行修補(bǔ)，操作比較復(fù)雜，容易引入新的偽特征；后者對特征提取后的數(shù)據(jù)進(jìn)行判斷，識別比較麻煩，但是速度較快。本文采用第二種方法，即從已提取的特征點中濾除偽特征，保留真特征。3.3指紋圖像的細(xì)化后處理為便于算法描述，這里定義一個八鄰域模型，如圖2所示。即以當(dāng)前點為中心，與緊鄰中心點的八個點組成一個3×3的模板，各鄰點與中心點的位置關(guān)系組成八鄰域模型，P代表當(dāng)前中心點，P0P7分別代表中心點8個方向上的相鄰點，黑點取值0，白點取值1。圖2 八領(lǐng)域模型由于指紋特征提取是從細(xì)化指紋圖中得到特征點，在特

15、征提取之前，需把指紋細(xì)化二值圖像做進(jìn)一步處理，使之真正達(dá)到一個像素的寬度，即在不破壞紋線連續(xù)性的前提下，將鋸齒直角轉(zhuǎn)折處的點去掉。本文采用模板匹配法，標(biāo)準(zhǔn)模板如圖3所示。細(xì)化后處理主要算法描述：if(P=0)if(p2=0pO=0)I(p2=0p4：=0)I(p6=0p4=0)I(pO=0p6=0) P=1;Else P=0；endend33 特征點的提取端點和分叉點(如圖3-1)是指紋細(xì)化圖像的主要特征，本文采用這兩種主要特征構(gòu)造指紋特征向量，它的提取方法是模板匹配法 。模板匹配法有運(yùn)算量小、速度快的優(yōu)點。在八鄰域的所有狀態(tài)中，滿足端點特征條件的有8種，細(xì)節(jié)特征提取是指紋識別中相當(dāng)重要的一步

16、，細(xì)節(jié)特征提取的質(zhì)量直接影響到指紋匹配的準(zhǔn)確性。圖3-1指紋細(xì)節(jié)點:端點和分叉點e=p0+p1+p2+p3+p4+p5+p6+p7; if(e=7|e=5) t=t+1; x(t)=i;y(t)=j; type(i,j)=1; else type(i,j)=0; end end end3.4指紋特征的去偽 指紋特征去偽操作主要是將不符合指紋特征的特征濾除掉。為特征有以下特點：大部分處于圖像邊緣，在圖像內(nèi)部的為特征點距離較近，兩個或多個偽特征同時存在于較小的區(qū)域內(nèi)。本文根據(jù)這些特點提出了兩種去偽方法：首先對于圖像邊緣的點，采用指紋圖像切割的方法，及對邊緣點直接切除掉;然后利用距離閾值法去除距離較

17、近的特征點。主要算法描述如下：for i=1:t-1 for j=i+1:t d=sqrt(x(i)-x(j)2+(y(i)-y(j)2); if (d<2) type(i,j)=0; end end end 第4章 指紋匹配4.1指紋匹配概述 指紋匹配是通過對兩枚指紋的比較來確定它們是否同源的過程，即兩枚指紋是否來源于同一個手指。傳統(tǒng)的指紋匹配有兩種方式:一是基于紋理信息的匹配模式，通過紋理特征模型將圖像匹配轉(zhuǎn)化成模式識別的紋理匹配問題;二是基于點模式匹配，當(dāng)前所采用的指紋匹配算法大多采用點模式匹配的方法，這也是本文將要采用的方法。這種方法利用指紋脊線的端點和分叉點來鑒定指紋。通過細(xì)節(jié)

18、點表示為點模式，一個自動指紋識別問題就轉(zhuǎn)化為點模式的匹配問題。但是同一個手指的兩幅樣本圖像，由于按壓時手指位置、方向和力度的不同，可能造成指紋圖像的平移、旋轉(zhuǎn)和非線性形變。如何在這些情況下對指紋進(jìn)行正確識別，是匹配算法需要解決的核心問題。 本文采用的匹配算法為:對于提取到的特征點，和模板圖像中的特征點進(jìn)行比較，取他們之間相差絕對值最小值的圖像為匹配圖像。第5章 實驗結(jié)果及分析本文采用的算法都是采用Matlab語言在matlab7.0的平臺上實現(xiàn)的。5. 1指紋預(yù)處理的實驗結(jié)果及分析 指紋預(yù)處理是指紋識別的一個重要環(huán)節(jié)，對指紋圖像進(jìn)行預(yù)處理的目的就是改善輸入指紋圖像的質(zhì)量，增強(qiáng)脊和谷的對比度，去

19、除指紋的斷裂和叉連;并將指紋圖像變成一幅清晰的點線圖。指紋預(yù)處理的效果直接影響到指紋特征的提取和指紋的匹配。本文提出的基于方差和數(shù)學(xué)形態(tài)學(xué)的指紋分割算法能很好的區(qū)分指紋的前景和背景;在本文提出的基于區(qū)域的方向圖后處理算法得到的指紋方向圖的基礎(chǔ)上，我們能夠得到很好的指紋增強(qiáng)效果，從圖中可見，指紋的許多斷點和叉連被去除了。在此基礎(chǔ)上，我們就能得到效果較好的指紋二值化圖和細(xì)化圖. (a) (b) (c) (d) (e) (f) (g)圖5-1指紋預(yù)處理(a)指紋原圖(b)閾值化后的圖;(c)指紋分割;(d)規(guī)格化后的圖;(e)指紋增強(qiáng);(f)指紋二值化;(g)指紋細(xì)化;5. 2指紋特征提取實驗結(jié)果及分析經(jīng)過預(yù)處理環(huán)節(jié)，指紋圖像變成了一副點線圖，我們便可以在這個點線圖上提取匹配需要的指紋特征點:端點和分叉點。由于偽特征點的存在，我們還必須對提取到的特征點進(jìn)行后處理，去除假的特征點。指紋特征提取效果如圖5-2所示。從圖中可知，經(jīng)過后處理后特征點還是有誤差，可能是因為圖像預(yù)處理時含有太多的噪聲導(dǎo)致的。圖5-2指紋特征后處理5.3 指紋匹配實驗結(jié)果及分