指紋識別的方法

　　由指紋識別的基本原理可知，指紋識別技術(shù)主要經(jīng)過(guò)以下4個(gè)步驟：指紋圖像的獲取、指紋圖像的預處理、指紋特征的提取和指紋特征匹配。下面將對指紋識別技術(shù)的每個(gè)步驟做詳細論述。

1.指紋圖像的獲取

　　獲取指紋圖像的設備可分成三類(lèi)：光學(xué)、硅晶體傳感器和其他。光學(xué)取像設備應用的歷史最久，它依據的是光的全反射原理。

　　應用晶體傳感器是最近市場(chǎng)上才出現的，這些含有微型晶體的平面通過(guò)多種技術(shù)來(lái)繪制指紋圖像。

　　電容傳感器就是其中的一種，它通過(guò)電子度量來(lái)捕獲指紋圖像。電容設各能結合大約1 00 000導體金屬陣列的傳感器，其外面是絕緣的表面，當用戶(hù)的手指放在上面時(shí)，皮膚組成了電容陣列的另一面。電容器的電容值由于金屬間的距離而變化，這里指的是脊(近的)和谷(遠的)之間的距離。除了以上兩類(lèi)，超聲波掃描被認為是指紋取像技術(shù)中非常好的一類(lèi)，但價(jià)格太高、體積偏大。一般采集到的指紋圖像都是存成256級灰度的圖像。

2，指紋圖像預處理

　　為了得到比較準確的指紋特征點(diǎn)，指紋圖像預處理一般要經(jīng)過(guò)圖像增強(濾波去掉噪聲)、計算方向圖，二值化和細化等過(guò)程。整個(gè)過(guò)程如圖1所示。

　　圖1 指紋預處理過(guò)程

　　(1)圖像增強

　　一般來(lái)說(shuō)，剛獲得的指紋圖像都有很多噪音，比如，手指被弄臟、手指有疤痕、太干、太濕或撕破等，所以如何在獲取指紋圖像之后，有效地過(guò)濾圖像噪音是指紋識別技術(shù)中的難題之一。

　　通過(guò)圖像增強可以過(guò)濾噪音，增強脊和谷的對比度。圖像增強的方法有很多，但大多數是通過(guò)過(guò)濾圖像與脊局部方向相匹配。圖像首先被分成幾個(gè)小區域(窗口)，并在每個(gè)區域上計算出脊的局部方向來(lái)決定方向圖，可以由空間域處理，或經(jīng)過(guò)快速二維傅里葉變換后的頻域處理來(lái)得到每個(gè)小窗口上的局部方向。然后設計合適的、相匹配的濾鏡，使之適用于圖像上所有的像素(空間場(chǎng)是其中的一個(gè))。依據每個(gè)像素處脊的局部走向，濾鏡應增強在同一方向脊的走向，并且在同一位置，減弱任何不同于脊的方向。后者含有橫跨脊的噪音，所以其垂真于脊的局部方向上的那些不正確的“橋”會(huì )被濾鏡過(guò)濾掉。

　　(2)計算方向圖

　　方向圖描述了指紋圖像中每一像素點(diǎn)所在脊線(xiàn)或谷線(xiàn)在該點(diǎn)的切線(xiàn)方向，作為一種可直接從源灰度圖像中得到的有用信息，它的計算一直是指紋識別技術(shù)中必不可少的一步。

　　方向圖也可以看作是原始指紋源圖像的一種變換表示方法，即用紋線(xiàn)上某點(diǎn)的方向來(lái)表示該紋線(xiàn)的方向。一般有兩種方向圖：一種是點(diǎn)方向圖，表示原始指紋圖像中每一像素點(diǎn)脊線(xiàn)的方向;另一種是塊方向圖，表示原始指紋圖像中某點(diǎn)區域所有元素的平均方向。

　　計算方向圖的基本思想是：在原始灰度指紋圖像中計算每一點(diǎn)(或每一塊)在各個(gè)方向上的某個(gè)統計量(如灰度差、梯度等)，根據這些統計量在各個(gè)方向上的差異，確定該點(diǎn)(該塊)的方向。

　　在實(shí)際處理中，我們往往采用塊方向圖，因為塊方向圖常常比點(diǎn)方向圖有更強的抗噪性，而且塊方向圖可以減少計算量，有利于模塊化處理。塊方向圖可以由點(diǎn)方向圖得到，也可以用最小均方估計算法求得。

　　(3)二值化

　　第一，根據指紋的脊線(xiàn)和谷線(xiàn)等寬的假設，再結合局部灰度分布的考察，可以得到具有自適應性的自動(dòng)門(mén)限。自適應閾值的選取方法是先找到該點(diǎn)的法向方向，在理想情況下，法向上的平均值即可作為閾值。然而考慮到噪聲的影響，故應該去掉最大、最小值后點(diǎn)的平均值再加上一修正值作為閾值。計算公式如下：

　　TT=R-(T-R)/2

　　其中：R為法向上去掉最大、最小點(diǎn)后的平均值;T為最大、最小點(diǎn)的平均值;(T-R)/2為修正值;W為閾值。閾值選定后，即可對該點(diǎn)進(jìn)行二值化，逐點(diǎn)依次處理即可。

　　第二，在指紋圖像中，考慮同一區域的像元應具有相近的連續變化的灰度，根據“灰度變化平穩”這一假設鄰元灰度的變化來(lái)進(jìn)一步確認像元素隸屬前景和背景的程度，可以很好地排除不清晰指紋在自動(dòng)門(mén)限附近的分割不一致性。

　　第三，為解決二值化在分割圖像中視野太小的局限，并同時(shí)對模糊區域和孤立噪聲進(jìn)行處理，采用廣義的拉普拉斯算法對圖像進(jìn)行濾波。

　　實(shí)驗表明，該算法不但可使紋路突出，而且較好地保留了指紋的細節特征，并且在很大程度上減少了指紋的斷縫和粘連等錯誤信息。

　　二值操作使一個(gè)灰度圖像變成二值圖像，圖像在強度層次上從原始的256色降為2色。圖像二值化后，隨后的處理就會(huì )比較容易。

　　二值化的困難在于，并不是所有的指紋圖像都有相同的閾值，所以一般不能從單純的強度入手。而且單一圖像的對照物是變化的，比如，手在中心地帶按的比較緊，因此一個(gè)叫“局部自適應的閾值”的方法被用來(lái)決定局部圖像強度的閾值。

　　(4)細化

　　在提取指紋特征點(diǎn)之前的最后一道工序是“細化”。細化是在不影響原圖的拓撲連接關(guān)系下，將脊的寬度降為單個(gè)像素寬度的處理過(guò)程。一個(gè)好的細化方法是保持原有脊的連續性，降低由于人為因素所造成的影響。人為因素主要有毛刺和短脊線(xiàn)2這些都造成提取出來(lái)的特征中有很多的偽特征。

　　細化方法的優(yōu)點(diǎn)是減少內存空間，它只需要存儲圖像中必需的結構信息Q這樣，在對圖像的處理中能簡(jiǎn)化數據結構。

　　根據細化的定義易知細化的關(guān)鍵是如何找到原圖像的骨架，通常采用模板匹配方法，這種方法是根據某個(gè)像素局部鄰域的圖像特征對其進(jìn)行處理.當然也有外輪廓計算)神經(jīng)網(wǎng)絡(luò )等細化方法。

3.提取指紋特征點(diǎn)

　　如表1所示，特征提取用一個(gè)3*3的模板來(lái)檢測特征點(diǎn)的位置與類(lèi)型，M是被檢測的指紋特征點(diǎn)，N0,…，N7是特征點(diǎn)M的按逆時(shí)針?lè )较蚺帕械泥徑c(diǎn)。

　　表1 特征點(diǎn)的位置與類(lèi)型

其中N8=N0，則M是終結點(diǎn)，如圖2(a)所示;

如果

　　圖2 典型的指紋特征點(diǎn)

　　由于圖像噪聲等因素的影響，從上述算法提取出來(lái)∷的特征點(diǎn)申有許多偽特征點(diǎn)有待刪除，偽特征點(diǎn)的刪除可以分為兩個(gè)步驟。

　　(1)如果脊圖中的一段與局部脊方向完全正交，而且其長(cháng)度小于定值T，那么這段脊就會(huì )被消除。如果脊中的一個(gè)間斷很短，沒(méi)有其他脊穿過(guò)，那么缺的這段脊就應該補上。

　　(2)如果一個(gè)小區域中的細節形成一簇，那么只留下最靠近中心點(diǎn)的一個(gè);如果兩個(gè)細節非常接近，而且中間沒(méi)有脊，那么消除這兩個(gè)細節。

4.比對特征點(diǎn)

　　在指紋錄入時(shí)，即使是同一個(gè)手指，兩次錄入的指紋圖像也不完全相同，會(huì )產(chǎn)生各種變形，比如平移、旋轉等。要進(jìn)行有效的匹配必須盡量減小各種變形，考慮到指紋的各種

　　非線(xiàn)性變形通常是放射性的，可以在極坐標系中進(jìn)行指紋匹配。另外，由于非線(xiàn)性變形的存在，很難找到與指紋模板中特征點(diǎn)位置完全一致的特征點(diǎn)，因此匹配的算法應該是彈性的，即允許在某個(gè)范圍內由于非線(xiàn)性變形引起的誤差。

　　指紋特征匹配采用允許框來(lái)實(shí)現彈性，允許框是一個(gè)在特征點(diǎn)周?chē)目?，如圖3所示。

　　算法描述如下：

　　(1)將特征點(diǎn)坐標轉換為極坐標;

　　(2)在模板指紋和輸入指紋中找兩個(gè)類(lèi)型相同的點(diǎn)分別作為參考點(diǎn);

　　(3)將模板和極坐標中輸入點(diǎn)作為符號串，按極角遞增的順序連接每個(gè)點(diǎn);

　　(4)如果對于模板特征點(diǎn)，輸入的特征點(diǎn)在相應的允許框內，則匹配指數加1;

　　(5)重復(2)、(3)、(4)步，直到每個(gè)可能都被測試;

　　(6)對于一個(gè)指紋圖，如果匹配指數大于定值T，則認為匹配成功，否則失敗。