基于matlab的指纹图像特征提取毕业设计(论文)(编辑修改稿)

基于matlab的指纹图像特征提取毕业设计(论文)(编辑修改稿)内容摘要：

指纹识别系统，下面就对指纹识别系统在笔记本电脑中的应用进行简单介绍。 （ 1） 第一 代指纹识别系统 众所周知，在两年前就有部分品牌的笔记本采用指纹识别技术用于用户登录时的身份鉴定 ，但是，当时推出的指纹系统属于光学识别系统，按照现在的说法，应该属于第一代指纹识别技术。 光学指纹识别系统由于光不能穿透皮肤表层（死性皮肤层），所以只能够扫描手指皮肤的表面，或者扫描到死性皮肤层，但不能深入真皮层。 在这种情况下，手指表面的干净程度，直接影响到识别的效果。 如果，用户手指上粘了较多的灰尘，可能就会出现识别出错的情况。 并且，如果人们按照手指，做一个指纹手模，也可能通过识别系统，对于用户而言，使用起来不 是很安全和稳定。 （ 2） 第二代电容式传感器 后来出现了第二代电容式传感器，电容传感器技术是采用了交替命令的并排列和传感器电板，交替板的形式是两个电容板，以及指纹的山谷和山脊成为板之间的电介质。 两者之间的恒量电介质的传感器检测变化来生成指纹图像。 但是由于传感器表面是使用硅材料 ， 容易损坏 ， 导致使用寿命降低，还有它是通过指纹的山谷和山脊之间的凹凸来形成指纹图像的 ， 所以对脏手指 、 湿手指等困难手指识别率低。 （ 3） 射频指纹识别技术 发展到今天，出现第三代生物射频指纹识别技术（射频原理真皮指纹核心技术（线型采集器）） ，射频传感器技术是通过传感器本身发射出微量射频信号，穿透手指的表皮层去控测里层的纹路，来获得最佳的指纹图像。 因此对干手指 、 汗手指等困难手指通过可高达 99%，防伪指纹能力强，指纹敏感器的识别原理只对人的真皮皮肤有反应，从根本上杜绝了人造指纹的问题。 因为射频传感器产生高质量的图像，因此射频技术是最可靠，最有力的解决方案。 除此之外，高质量图像还允许减小传感器，无需牺牲认证的可靠性，从而降低成本并使得射频传感器 的思想 应用到可移动和大小不受拘束的任何领域中。 第 5 页 指纹识别的优缺点 优点： （ 1） 指纹是人体独一无 二的特征，并且它们的复杂度足以提供用于鉴别的足够特征； （ 2） 如果要增加可靠性，只需登记更多的指纹、鉴别更多的手指，最多可以多达十个，而每一个指纹都是独一无二的； （ 3） 扫描指纹的速度很快，使用非常方便； （ 4） 读取指纹时，用户必需将手指与指纹采集头相互接触，与指纹采集头直接接触是读取人体生物特征最可靠的方法； （ 5） 指纹采集头可以更加小型化，并且价格会更加的低廉； 缺点： （ 1） 某些人或某些群体的指纹特征少，难成像； （ 2） 过去因为在犯罪记录中使用指纹，使得某些人害怕 “ 将指纹记录在案 ”。 （ 3） 实际上现在的指纹鉴别技术都可以不存储任何含有指纹图像的数据，而只是存储从指纹中得到的加密的指纹特征数据； （ 4） 每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性 指纹识别系统 指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。 目前的自动指纹识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库等技术于一体的综合高端技术。 自动指纹识别技术主要包括四个方面：指纹图像的录入、图像预处理、特征提取和特征匹配。 下面就以 上各部分做简要的介绍。 （ 1）指纹采集 最早的指纹采集方法是用手指蘸上墨水或印油在纸上用扫描仪摄取，由于其严重的不可靠性，该方法早已经被淘汰。 随着光学仪器、传感器及数字技术的发展，各种快速精确、方便小巧的采集设备都得到了应用。 目前主要使用光学扫描仪和固态阵列传感器进行采集。 前者用激光照在手指上，然后用 CCD 阵列摄取其反射光，由于反射光随着 第 6 页 指纹的脊线和谷线的深度不同而不同，因此可以得到指纹图像。 后者是用大量的敏感元件组成的固态阵列芯片，它们采用电容传感、热敏传感或其他传感技术，通过感受按压指纹的压力、热度等特 征来摄取指纹。 （ 2）指纹图像预处理 预处理在整个自动指纹识别系统中是很关键的一步。 通常直接输入计算机的图像有一定的噪声，我们需要去除这些噪声才能进行下面的细化、特征提取和特征匹配等操作。 然而在实际应用中，由于采集条件 (手指太湿、太干或太脏 )和采集设备等因素的制约，采集到的指纹图像质量比较差，含有大量的噪音，容易导致很多问题，影响后续的处理效果。 因此，在对图像进行特征提取前，必须经过一系列的预处理消去大量的噪声信号，以便得到清晰的纹线。 （ 3）特征提取 传统的特征提取方法主要有两种：第一种是直接从原始指纹图 像上进行细节特征提取，另一种是从细化后的指纹图像上进行特征提取。 第一种算法比较复杂，受噪声干扰影响较大，特征点定位不精确，大多数系统都采用了第二种方法。 指纹图像存在两种待提取的特征：全局特征和局部特征。 全局特征用于指纹的分类，一个重要的全局特征是中心区的形状；局部特征是指纹中的细节，它可以通过细化后的指纹图求得。 目前最常用的细节特征是美国联邦调查局 (FBI)提出的细节点坐标模型，它利用端点和分叉点这两种特征，只需要一个 33 模板便可将端点和分叉点提取出来。 （ 4）特征匹配 特征匹配是将输入指纹的特征与指纹模 板库中所存储的指纹特征进行比较，找出最相似的指纹作为识别的输出结果。 这个过程也就是我们所说的指纹识别 /认证的过程，它是指纹识别系统的核心。 其中指纹识别用于判断指纹是属于哪个人的，而指纹认证则是用来判断两个指纹是否属于同一个人。 指纹图像特征提取 指纹特征提取包括纹线细化、特征点（交叉点、断点、中心点、三角点等）检测与分类、伪特征点消除、特征点特性参数计算、特征参数压缩编码、全局特征（ “ 斗 ” 、“ 箕 ” 、“ 旋向 ” 等）检测等步骤 ， 特征提取算法应能适应噪声、畸变、位移、旋转、缺损、变 第 7 页 形等常见的实际情况。 细节特 征的提取就是在指纹图像中找到 脊 终点和脊分叉两个细节特征，一般说来，如果指纹图像能够很好地分割，那么对于细节特征提取来说，就仅仅是对细化的指纹图像进行沿脊线的点的判断。 然而，在实 际 中由于指纹图像本身存在噪声或在提取特征时，滤波和细化引入了噪声，我们无法得到完美的指纹图像细化图，在提取特征时会产生一些虚假细节特征。 虚假细节特征的存在会同时提高指纹图像匹配时的误识率和拒识率。 因此，在特征提取时 ， 往往需要进行虚假细节特征删除 ，一 般采用启发式算法对虚假特征进行删除。 对于一个分叉点的分支如果小于某个给定阈值，就将其当 作毛刺删除；如果脊线的两个端点很近，那么该脊线有可能是噪声引起的，应删除；在指纹图像边缘的脊终点也应删除。 特征提取的结果一般保存为特征模板，它包括脊终点或分叉类型、位置坐标以及该特征的方向。 一般的指纹图像提取的特征在 10— 100 之间。 主要内容和结构安排 主要内容 指纹图像的处理，包括指纹图像预处理、特征提取和特征匹配三个部分工作。 其中指纹图像预处理是指对采集头采集的指纹进行图像归一化、图像增强、二值化和细化；特征提取，包括指纹特征的提取以及伪特征的剔除；特征匹配主要分为初匹配和二次匹配两个阶段。 本文主要研究指纹图像的特征提取，介绍了特征点的提取以及伪特征点剔除的算法。 结构安排 本文共分为 4 章，结构安排大致遵循指纹图像识别的处理流程，即按照指纹图像处理的先后顺序：先进行指纹图像的预处理、然后进行特征的提取，省去了指纹特征匹配阶段。 具体安排如下： 1．介绍了生物识别技术所包含的内容，指纹识别技术的优缺点与发展现状，以及指纹识别系统的结构，简要介绍了本文研究的主要内容。 第 8 页。 3．指纹特征的提取。 首先介绍如何对指纹特征进行表征，即通过何种特 征来标识一个指纹，具体方法有全局特征和局部特征。 接着介绍常用的特征提取方法，以及它们的优缺点。 最后给出了本文的指纹特征提取方法，并根据各种伪特征点的形成原因、特点，采用了富有针对性的剔除伪特征点算法，并通过 Matlab 进行算法仿真验证。 总结回顾指纹图像特征提取的方法，对后续进一步研究的进行合理的展望。 第 9 页 2 指纹图像的预处理 对于一幅指纹采集头采集的原始图像，为了使后续特征提取的操作能够正常有效的进行，必须对原始指纹图像进行一定的处理。 通常这样的处理过程包括归一化、图像增强、二值化和细化等过程。 下面将依次介绍预处理是如何实现的。 归一化 由于在指纹采集的过程中，采集的指纹图像灰度不均，即有的指纹图像偏暗，有的偏亮。 这给建立统一的、有效的后续指纹图像处理算法带来了极大的不便。 因此有必要将每幅指纹图像都通过归一化 (又叫“规格化”，“均一化” )处理，方便后续的处理。 指纹图像的归一化主要是通过求取指纹图像的灰度均值和方差，将灰度均值和方差调整到一个期望的范围。 从而在不改变图像的灰度特性 (指：灰度均值和方差 )的前提下，实现所有指纹图像的灰度都分布在同一个期望的范围内，实现指纹图像的归一化。 图 像增强 指纹图像增强，就是对指纹图像采用一定的算法进行处理，使其纹理结构清晰化，尽量突出和保留固有的指纹特征信息，并消除噪声，避免产生虚假特征。 其目的是保持特征信息提取的准确性和可靠性。 从目前的研究情况和各种算法的综合比较来看，空域滤波和频域滤波仍然是指纹图像增强中比较有效且占据主流地位的方法。 空域滤波法通过对滤波算子和原始图像作卷积来实现图像增强，具有简单直观，易于分析的优点。 O’Gorman 和 Nickerson 较早提出采用方向滤波器进行指纹图像增强。 他们利用指纹独特的方向性设计出相应的方向滤波器模 板，这种滤波器能够沿指纹纹线方向对图像进行平滑处理，具有一定的消除噪声和弥合裂纹的能力，同时能提高指纹脊线和谷线在图像中的对比度。 但是，该方法没有使用指纹的频率信息，主要依据经验来确定滤波器模板，对低质量指纹图像的处理效果较差，具有一定的局限性 [5]。 Greenberg 等使用具 第 10页 有结构自适应能力的各向异性滤波器对指纹图像进行滤波，能够在滤除噪声的同时保护指纹纹线结构，但是同样没有结合指纹的频率信息，对指纹纹线变化的适应能力有限。 Hong 等提出采用具有方向和频率选择性的二维 Gabor 滤波器来增强指纹图像。 他们 根据指纹的方向性将二维 Gabor 滤波器调制到各个方向，并根据指纹的频率信息来确定滤波器的中心频率，然后使用所得 的 Gabor 滤波器组对图像进行滤波。 该方法较好地结合了指纹的方向信息和频率信息，对指纹图像的增强效果比较显著。 其不足之处在于，容易破坏纹线方向变化剧烈的模式区域，会在一定程度上改变脊线和谷线的位置及比例关系，对细节特征的保护能力有限 [6]。 频域滤波法通过直接改善图像的频谱来实现图像增强。 由于指纹纹线具有较强的等周期性，因此从频谱上看，指纹图像的能量通常集中在某个频率附近，这为在频域进行指纹图像增 强带来方便。 Sherlock 等提出了基于频域的方向滤波算法。 首先在频域定义出一组方向滤波器对指纹图像的频谱进行滤波处理，每一个方向滤波器在提取出对应方向的频谱信息的同时削弱其它方向的频谱信息，然后在空域将滤波结果按指纹图像的方向信息进行融合，从而得到完整的增强图像。 该方法利用了图像的全局信息，对低质量指纹图像也能取得较好的增强效果，但是仅以常数作为指纹的脊线频率，没有考虑频率的空间变化性，对指纹的纹线结构和细节特征具有一定的破坏性。 另外，该方法需要对整幅图像进行多次傅立叶变换，存在较多的运算，计算效率还有 待提高 [7]。 Kamei 和 Mizoguchi 在频域对图像作方向滤波时进一步考虑了指纹的局部频率信息，并使用贪婪算法以能量最小化的方式对滤波图像进行融合。 该方法的最大问题是计算量和存储量均较大，不利于实际应用。 Willis 和 Myers 提出了一种快速的频域增强算法。 首先将指纹图像分成一系列小方块，并对各图像子块分别作傅立叶变换以得到相应的频谱，然后采用求幂的方法直接修改幅度谱值，最后通过傅立叶逆变换得到增强图像。 该方法不需要计算原始指纹图像的方向和频率，因此简单易行，计算量较小，但是在噪声的影响下会对图像造成较 大的破坏，其合理性还有待进一步研究。 二值化 所谓二值化就是将灰度图像转化为灰度值为 0、 1 组成的黑白图像， 0 为背景点灰 第 11。