基于指纹识别技术

华北水利水电大学研究生结课论文基于指纹的识别技术姓名学号专业分数2摘要：随着信息时代的发展,自动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。本文概述了自动指纹识别系统的研究现状和指纹识别系统的算法流程，并在此基础上重点研究了指纹图像的分割算法和指纹图像细化算法。针对在指纹采集过程中存在着大量的低质量指纹图像，影响指纹识别系统的识别率的问题，本文对指纹图像的分割等预处理作了较为深入的研究，采用了均值方差的指纹图像分割算法，仿真结果表明，该方法有效的改善了指纹图像的质量。关键词：指纹识别；均值方差；指纹细化ABSTRACT：Withthedevelopmentsoftheinformationage,automatedfingerprintidentificationtechnologyhasbeenwidelyusedinpublicsecurity,customs,banking.ThisarticleoutlinesboththestudystatusandalgorithmprocessofaAutomatedFingerprintRecognitionSystem,andonthisbasis,focusesonthesegmentationoffingerprintimageandfingerprintimagethinningalgorithmtodothestudy.inthefingerprintcollectionprocess,thereareexistencesofalargenumberoflow-qualityfingerprintimages,affectingtheidentificationrateoffingerprintrecognitionsystemproblems.Thepaperfocusesonfingerprintimagesegmentationwhichbelongstopre-researchmakesamorethoroughstudy,puttingforwardafingerprintimagesegmentationalgorithmbyusedthemeanandvarianceoftheimage.Calculatingthemeanandvarianceofeachpiece,andthenifthisresultisalmostcloseto0thatitisregardedasthebackground.Theareavarianceisnotzerowillusethresholdsegmentationalgorithm.Keywords:fingerprintrecognition;meanandvariance;fingerprintrefinement1引言1.1研究的意义科学技术的迅猛发展为人类的生产生活带来了极大的便利，大大地推动了现在社会的进步和发展。在网络化时代的今天，我们每个人都拥有大量的认证密码，比如开机密码、邮箱密码、银行密码、论坛登陆密码等等；并配备了各种钥匙，如门锁钥匙，汽车钥匙，保险柜钥匙等。这些都是传统的安全系统所采用的方式，随着社会的发展，其安全性越来越脆弱。而我们的生活随时都需要进行个人身份的确认和权限的认定。指纹特征是人终生不变的特征之一，而且不同人的指纹特征相同的可能性几乎为零。人体指纹含有天然的密码信息，其具有作为密码信息必须具备的三个重要性质：①广泛性，指每一个正常人都有指纹。②唯一性，指每一个人的指纹都不同。③终生不变性，指非意外事故指纹终身不变。因此，指纹识别技术，作为一种可靠的生物识别技术[1]，受到了人们的重视。尽管人们已经对自动指纹识别技术作了深入广泛的研究，指纹识别技术也获得了不少应用，但是指纹识别的应用在目前并没有获得普及，这主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的要求。这就要求研究指纹识别环节中若干问题，这对于问题的解决很有意义。1.2指纹识别技术相对于其它生物识别认证技术而言，自动指纹识别是一种更为理想的身份确认技术，因为指纹相对于其它几种生物特征具有以下一些独特的性质：(1)互异性；世界上两个指纹完全相同的概率小于10-9，几乎为零。(2)不变性；人的指纹特征不随年龄的增长和胖瘦或其他情况的改变而改变。(3)具有和主体永不分离性；这样对主体身份的识别更具真实性。(4)指纹的使用比起其它证卡来说更快捷、安全准确、无干扰，可实现快速登录注册。2指纹图像的分割2.1指纹图像分割概述在指纹识别系统中，指纹图像分割是图像预处理的一部分。指纹分割的最基本的依据是图像某些特征和特征集合。图像特征是指纹图像的固有属性,如灰度值,邻域关4系,纹线的扭曲程度等。特征集合则是几种的结合。通过提取图像特征,可将原始图像映射到特征空间,使图像特征在特征空间中呈现一定的分布[6]。因此根据以上的的灰度值领域关系，纹线的扭曲程度，指纹图像分割大致分为三类：基于像素的图像分割，基于块特征的图像分割以及基于全局的图像分割。基于像素的指纹图像分割中目前流行多尺度小波变换和阈值法。小波变换和傅里叶变换的出发点都是将信号表示成基函数的线性组合。所不同的是傅里叶变换采用时间属于(一∞，+∞)的谐波函数)exp(inx作为基函数，而小波变换的基函数是具有紧支集的母函数(t)，通过对母函数(t)进行伸缩和平移得到一个小波序列：abtatba1,Rba,；0a式中a为伸缩因子，b为平移因子。对于任意函数RL2tf的连续小波变换[7]：公式（1）为变换公式，公式（2）为重构公式。dtabttfafbaRbaf*21,,,W（1）dadbabtbaWaf),(1C12--（2）计算机中的图像信息是以离散信号形式存放的，在信号处理中，特别是在数字信号处理和数值计算等方面，为了计算机实现的方便，连续小波必须进行离散化，而最基本的离散化方法就是二进制离散，一般将这种经过离散化的小波及其变换叫做二进小波和二进变换。小波变换的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰。在指纹识别识别中使用小波变换有助于噪声的滤除以及有利于检测奇异点。但是小波变换的明显缺点是它计算复杂，计算效果也取决于函数的选择。另一种阈值分割就是简单地用一个或几个阈值将图像的灰度直方图分成几个类，认为图像中灰度在同一个灰度类内的像素属同一物体。它是图像分割中最基本的方法。其原理是先定一个阈值，大于此值为1，小于则认为为0；多阀值则可以利用多维函数。此原理在匹配中也可以运用。其优点是计算简单，仅需比较灰度值即可；运算效率较高，速度快；它的缺陷在于仅考虑图像的灰度信息，而忽略了图像的空间信息，对于图像中不存在明显灰度差异或各物体的灰度值范围有较大熏叠的图像分割问题难以得到准确的结果[8]。代表块特征的指纹图像分割目前研究趋势为多种块基本特征如灰度均值、块灰度方差[9]、块方向图等综合运用和重新定义块特征。其中块指的是将图像分个成一个个小的图像块。图像均值就是对每一个单位块的灰度值取均值，方差则反映该块中各点与均值的偏差性，方向[10]这可以很好的反映纹理的变化趋势。一般来说，常见的方向场的计算分为掩模法和公式法两大类。人类开发的基于最小均方估计算法，即公式法。),(,2),(2/2/2/2/vuvujirwiwiwjwjx（3）22/2/2/2/2),(,),(vuvujirwiwiwjwjy（4）它是利用正交坐标系下，原点到它们组成的坐标点的有向线段与X的正半轴的夹角可来表示该子块的块方向。这种方法最大的优点是易实现，很好体现出纹理，但缺点是对于变化太快的部分出错。此方法的实现是利用方向滤波器。基于全局的图像分割则是根据情况特别是某些特殊场合的利用，如残缺指纹。全局的图像分割可以是人工选定几个特定点后再根据全局的特点来处理，此法也可运用于匹配。基于全局的指纹识别仍处于实验室探索阶段,应用领域中尚不广泛。2.2均值方差法在图像分割概述中，已经提到基于块特征的指纹图像分割。在这部分将重点介绍均值法差法的计算方法和在仿真中的运用。该算法基于背景区灰度方差小，而指纹区方差大的思想，将指纹图像分成块，计算每一块的方差，如果该块的方差小于阈值为背景，否则为前景。具体步骤分以下三步：(1)将低频图分成MM大小的无重叠方块，方块的大小以一谷一脊为宜。(2)计算出每一块的均值和方差。设指纹图像I的大小为LH，AVE和VAR分别为原指纹图像的均值和方差，AVE和VAR可以通过公式(5)和(6)计算得到。61-H010),(LH1AVEiLjjiI（5）21-H010AVE-),(LH1VAR）（iLjjiI（6）(3)如果计算得到的方差几乎接近于0就认为是背景，对于方差不为零的区域在进行阈值分割算法，这种算法主要是根据计算得到的方差来决定其是否为背景区。在使用方差均值法之前还要使用归一法将图变为低频图。归一化的目的是把不同原图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一的图像规格[11]。指纹图像的归一化公式如式(7)所示，当大于平均值时为加。VARAVEyxIVARVARAVEyxIVARyx200200)),((AVE)),((AVE),I（（7）其中0AVE和0VAR为期望的灰度均值和方差。2.3仿真结果和结论本实验基于2.0GHz的Pc机，Window7操作系统，MATLAB7.0的仿真软件环境下。指纹来自于指纹数据库，为了验证这种分割方法的适用性，从数据库中挑选了2幅差异较大的指纹图像。仿真中归一化的参数0AVE取了150，0VAR取了100，分割的区域大小M取了10。下面的图像为指纹图像归一化和分割结果。图a指纹原始图像图b归一化处理图像图c分割后图像图1指纹1的处理结果图a指纹原始图像图b归一化处理图像图c分割后图像图2指纹2的处理结果从图中可以看到用方差均值法分割既适用于比较圆滑的指纹，又适用纹线变化很大的指纹图像。在归一化处理降频和通过区域均值方差的后得到的图像条纹清晰，轮廓分明，对于后面的细化和匹配有很大的帮助。该方法快捷，损坏程度低，缺点是计算有一定的复杂度，要通过2次方差均值来处理。3指纹图像的细化3.1指纹图像细化的预处理这部分预处理主要为二值化。由于指纹图像脊、谷相间，因此指纹图像的处理常是将指纹图像二值化。灰度图像二值化是将灰度图变换为只有黑和白两种灰度的图像。这样不仅可以压缩原指纹图像的数据量，而且也方便后面的细节特征的提取。灰度图二值化的基本思想是选取适当的灰度阂值，将灰度图像转化为二值图像，阈值的选择是关键，对于阈值的选择，有多种方法，如熵法等。根据是否将图像分块处理，又分全局阈值算法和局部阈值算法两种，全局阈值算法是将整幅图像以一个阈值处理，而局部阈值算法则把原图分成若干个子图，在每个子图中确定闽值，在进行二值化，由于指纹图像在不同区域的亮度和对比度是有差别的，因而全局阈值算法不适用。灰度图二值化的基本思路是选取适当的灰度阈值，将灰度图像转化为二值图像。一般的图像处理中的二值化算法主要是计算整幅图像的灰度平均值，然后将该值作为门限，高于该门限的像素点就置1，反之置0。我们通过研究发现，这种方法虽然简单，但是对噪声较大，图像质量不好的指纹会产生较大的二值化噪声。所以最好选用局部阈值法作为二值化算法。8论文中采用了一种动态局部阈值，满足这种条件下的灰度值为128，不满足则灰度值为255。再根据前面判断的是否为背景即ICC值的来修正ICC值：灰度值为128且ICC为1时（非背景指纹纹线时），ICC值为0，像素值置为0。背景和灰度值为255的纹线像素置为1，这做法的目的是去除不确切的点。此时背景为白，纹线为黑。二值化后的图像中的