数字图像处理技术在指纹识别中的应用研究本科生毕业论文(编辑修改稿)

数字图像处理技术在指纹识别中的应用研究本科生毕业论文(编辑修改稿)内容摘要：

性并对指纹变形等不敏感。 人们通过观察已知，指纹主要包含两种类型的特征：①构成指纹中心区模式的全局脊线和沟线特征；②局部细节特征。 指纹分类仅依赖于第一种全局特征。 分类算法一般都是基于奇异点的分布形态，这种算法容易用计算机程序描述，比较容易实现。 奇异点有两种：中心点和三角区，用来标识指纹的宏特征。 基 于奇异点的分类算法本质是把指纹的宏特征用寻找指纹的奇异点的方法找出来，并用奇异点表示。 所谓“宏特征”，是指脊线的一种特定结构，如图 21 所示。 参考文献 [1] 中心点 三角区 图 21 奇异点的位置分部信息为分类提供了依据，图 22就是基于奇异点的分类算法的模型，理想情况下，只要能找准奇异点，就能准确分类。 福建农林大学东方学院计算机科学系毕业设计（论文） 5 图 22 奇异点的分布与指纹类别的关系 虽然一定程度上，指纹类别信息以及其他的全局模式结构如中心 点和三角区的数目、位置等都能够揭示指纹的特性，但指纹的唯一性是由局部脊线特征以及他们之间的相互关系所决定的。 指纹匹配通过对比局部的脊线特征和他们之间的关系来判断两个指纹是否来自同一个手指。 到目前为止，人们共发现了 150 多种不同的局部脊线特征。 这些局部脊线特征并非均匀分布，由于采集时手指的压力条件以及指纹图像的质量，有些特征很少出现。 人们最常注意到的是两种被称为细节的局部脊线特征：①脊末梢；②脊分叉，如图 23所示。 通常这两种特征非常稳定，并对指纹采集时的压力不敏感。 细节点的特征包括类型、位置坐标和方向，此 外还有一些辅助特征，如该点处的细节点密度，与该点相连的脊线曲率等。 图 23 指纹图像的细节 福建农林大学东方学院计算机科学系毕业设计（论文） 6 一般来说，要判断两个指纹图像是否来自同一个手指，必须经过下面三个阶段： 1）首先进行全局模式对比，即判断两枚指纹是否属于同一类别。 2）接着做模式校准，通过定义参考点找出两枚指纹的平移和旋转关系。 3）最后进行细节匹配，在两枚指纹的有效区域内，根据细节点的特征和相互关系找出 细节点的数目，计算匹配分数做出判决。 其细节点特征提取一般采用基于二值细化图像的方法，先将增强后指纹图像二值化提取出脊线轮廓，然后再用形态学方法将其细化，得到脊骨架，最后在细化后的图像上寻找脊末梢和脊分叉点。 算法步骤如下： （ 1） 方向场估计：将指纹纹理看做是一种有向的流场，即指纹的方向场，可以很容易的确定出有明确脊线结构的指纹图像区域。 （ 2） 脊线提取：指纹灰度图像中，在沿着垂直于局部方向场的方向，脊结构结构有局部极值，以此特性，相应的像素就可以标定为脊线或者沟线，进行二值化处理。 （ 3） 细节提取：二值指纹图像经细化后，得 到单像素的脊线骨架。 考察每个图像的 8邻域，如果满足一定的条件就可以判断是细节点。 （ 4） 伪特征点的去除：从上面步骤提取出的指纹细节特征往往含有很多伪特征点，还需要一定的后处理，对特征进行过滤和筛选。 事实上，指纹细节的出现往往遵循一定的规则，人们可以应用这些启发性的规则来纠正错误的细节。 得到指纹细节后，要进行特征匹配。 指纹特征匹配的目的是为了判断输入的指纹是否与数据库中指纹模板来自同一手指，从而识别查询者的身份。 基于细节点的匹配是指纹专家对比指纹时通常采用的方法。 参考文献 [2] 手指 末端的表面积比较小，在日常生活中指纹常常会受到不同程度不同类型的磨损，所以想要取得优质的指纹特征图像是一项复杂的工作。 当今所使用的指纹采集技术主要半导体指纹采集技术，有光学指纹采集技术和超声波指纹采集技术。 传统的指纹采集方法是将手指蘸上印油或墨水把指纹按压在纸上，而后用扫描仪摄取图像。 由于该方法存在严重的不可靠性，这种方法己不在被使用。 随着传感器，光学仪器和数字化技术的发展，各种准确，快速，紧凑，便捷的采集设备已被广泛使用。 目前，主要使用光学扫描仪和固态阵列传感器进行指纹采集。 前者先用激光扫描在手指上，然 后在 CCD 阵列上提取其反射光，因为反射光的强度是指纹的脊线和谷的深度的体现，因此可得到指纹图像。 后者则是由大量的敏感元件组成的固态阵列芯片，它主要采用电容触摸传感，热传感及其他传感技术，通过感受手指接触面的压力、热度等特征来提取指纹。 近年来，已经有其他一些新的指纹采集设备，如超声波指纹扫描仪，它是基于指纹的脊和谷的超声波反射原理而设计的。 在这些设备中，由于光学扫描技术比较成熟，性价比也相对较高，因而被广泛使用。 以下是指纹采集仪的分类： 1．光学的。 在早期一般都采用光学的采集仪。 2．半导体电容式的。 半导体电 容式指纹采集芯片。 3．超声波的。 它是基于超声波对脊和谷的深度的不同反射原理而工作的。 1).光学采集技术 光学采集设备有着许多优势 :它经历了长时间实际应用的考验，能承受一定程度温度变化，稳定性很好，成本相对较低，并能提供分辨率为 500DPI 的图像。 光学采集设备也存在不足之处，主要表现在指纹图像尺寸和潜在指印两个方面。 要求采集台板要足够大才能获得优质的图像。 潜在指印是手指在台板上按完后留下的，这种潜在的指印降低了后面指纹图像采集时图像的质量。 甚至会导致两个指印的重叠。 此外台板上的涂层和 CCD 阵列 会随着时间的推移而损耗，精确度会有所降低。 参考 [16] 福建农林大学东方学院计算机科学系毕业设计（论文） 7 如图 24 所示是简易的光学指纹采集仪 图 24 2).半导体指纹采集技术 半导体传感器指纹采集仪是 1998 年才出现的，主要通过如下几种技术来绘制指纹图像。 (1)硅电容指纹图像传感器 这是最常见的半导体指纹传感器通过电子度量来捕获指纹。 能够结合到约 100,000个电容式传感器在半导体金属阵列上，其表面是绝缘的。 传感器阵列的每个点的金属电极作为电容器的一个极，作为另一极的则是按在传感面上的手指头的对应点，感测的手指在感测表 面上相应点的磁极之间形成的电介质层。 指纹的脊和谷相对于另一极之间的距离的不同，导致在不同的电容值的电容阵列的硅表面，测量并记录每个点的电容值，可以得到具有灰度级的指纹图像。 (2)半导体压感式传感器 表层是由具有弹性的压感介质元件组成，它们把指纹的外表纹通过压感传感器理转化为对应的电信号，并进一步产生有灰度级的指纹图像。 (3)半导体温度感应传感器 在指纹采集过程中，因为脊和谷与传感器的距离不同，因此温度感应传感器感应到的温度就不相同，半导体温度感应传感器就是根据这个原理来获得指纹图 像的。 半导体温度感应传感器采用了自动控制技术，其能够自动调节所采集指纹图像像素行以及指纹部分区域的敏感度，在不同环境下结合反馈到的信息便可产生高质量的指纹图像。 例如，一个对比度差的图像，如干燥的指纹图像，都能够被感应到。 由于提供了局部调整的能力，图像对比度差（不清晰）的区域也能够被检测到 (如 :手指按压压力不足的地方 )，并且能够在捕捉的同时为这些像素提高灵敏度，过程只在瞬间。 半导体指纹采集设备，可以得到一 个相当精确的指纹图像分辨率高达 600dpi，而且在指纹图像采集过程中不需要像光学采集装置那样，需要一个较大面积的采集台板采集指纹。 由于半导体芯片体积小，功耗低，可以集成到许多现有的设备，这是许多指纹识别系统的研究和开发工作的光学采集设备所无法比拟的。 早期的半导体传感器的主要缺点是：容易受静电影响，从而使传感器有时会无法获取图像，甚至被损坏，手指汗盐或污垢，手指磨损会导致半导体传感器想要采集到优质的指纹图像变得非常像困难。 此外，它们不像玻璃耐磨损，从而影响使用寿命。 随着技术的不断发展，防静电芯片的性能和耐用性 有了很大的提高。 3).超声波指纹图像采集技术 为了克服光学技术和硅技术设备不足，已经出现一种新型超声波指纹采集设备。 它的原理是利用超声波的穿透能力，超声波到达不同的材料的表面时不同的材料产生不同福建农林大学东方学院计算机科学系毕业设计（论文） 8 大小的回声（吸收，渗透和反射型），因此，利用皮肤与空气的声阻抗的差异，它是可以区分的指纹的脊和谷的位置，从而生成指纹图像。 超声波技术使用超声波频率为 1 104Hz〜 1 109Hz，在频率控制带，对人体是无伤害的。 超声波技术来实现能够获得最准确的精度，其对手指平面完整程度和洁净程度的要求是比较低的，但采集时间将明 显比上述两类产品要来得长。 总之，这些类型的采集技术，它各有优点和缺点。 超声波指纹图像采集技术的精度最高，但成本也是最高的，应用于指纹识别系统显然不适合。 半导体传感器由大量敏感元件组成，它采用电容式感应，热传感器或其他传感器技术，通过按压的手指的压力，热和其它特征提取指纹，收集区域通常小于一平方英寸。 光学扫描指纹采集区一般是等于或大于一平方英寸，真实世界的应用程序可以结合载体的指纹采集技术的实际来做选择。 表 给出三种主要技术的比较。 比较项目 半导体采集技术 光学全反射技术 超声波扫描 耐 用性 容易损坏 非常耐用 一般 体积 较小 较大 中等 成像能力 干手指差，但汗多的和稍脏的手指不能成像 干手指好，但汗多的和稍脏的手指能成像模糊 非常好 成本 低 低 很高 耗电 较少 较多 较多 表 21 采集仪对照表 图像平滑 图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制 图像噪声 和干扰高频成分，使图像亮度平缓 渐变，减小突变梯度，改善图像质量的图像处理方法。 图像平滑主要有两个作用：一是消除或减少噪声，改善图像质量；另一个是模糊图像，使图像看起来柔和自然。 图像平滑可以在空域进行，也可以在频域进行，可以采用理想低通、巴特沃斯低通等各种形式的低通滤波器进行低通滤波，来实现平滑。 平滑处理的主要目的是去除噪声，而噪声有很多种，大体可分为两类：加性噪声和乘性噪声加性噪声一般表现为脉冲噪声（又称椒盐噪声）、高斯噪声等；乘性噪声的一个典型例子就是光照变化。 中值滤波是一种非线性处理技术，它在实际运算过程 中并不需要知道图像的统计特福建农林大学东方学院计算机科学系毕业设计（论文） 9 性，而且具有独特的滤波特性。 在数字信号处理技术中广泛使用，领域均值滤波在滤除噪声的同时模糊呢图像，而中值滤波在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，且对滤除脉冲干扰及图像扫描噪声非常的有效，能够在去除图像噪声的同时保持图像的边缘。 但是中值滤波对一些细节较多，特点是点、线、尖顶较多的图像则不宜采用中值滤波的方法。 在图像处理中，在进行如边缘检测这样的进一步处理之前，通常需要首先进行一定程度的降噪。 中值滤波作为一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪 声。 这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。 观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。 然后，丢弃最早的值，取得新的采样，重复上面的计算过程。 中值滤波对于斑点噪声（ speckle noise）和椒盐噪声（ saltandpepper noise）来说尤其有用。 保存边缘的特性使它在不希望出现边缘模糊的场合也很有用。 本文将采用中值滤波对原始图像进行预处理。 1).中值滤波的原理 中值滤波实际上就是用一个含有奇数个像素的滑动窗口，将窗口 正中点的灰度值用窗口内各点的中值代替。 设有一个一维序列 f0,f1,...， fn1,窗口长度 2m+1（即为奇数），在某个位置上，窗口内的 2m+1 个像素为 fim,fim+1,...,fi,fi+1,...,fi+m 则 fi=Med{fim,fim+1,...,fi+m} 用数学公式可表示为 },...,...,{i miimi fffMY  Zi 21 例如，若窗口长度为 5，窗口中像素的灰度值分别为 80、 90、 100、 60，则中间值为 90，如果按从小到大排列，结果为 60、 80、 90、 100，其中间位置上的值为80。 于是原来窗口正中的灰度值 90就由窗口中值 80 代替。 如果 90 是一个噪声的尖峰，则将被滤除；当然如果它是一个信号，那么用此方法处理将会。