一種光學(xué)指紋識別系統的設計方案

軟件算法中對于指紋處理中的求取圖像方向場(chǎng)問(wèn)題，采用了基于原Sobel 算子改進(jìn)后的Sobel 算子。

原Sobel 算子如下：

?

?

改進(jìn)后的Sobel 算子為：

?

?

改進(jìn)的Sobel 算子能增加方向場(chǎng)的準確性，實(shí)測通過(guò)率從采用標準Sobel 算子的93.3% 提高到95.8%.圖5 所示為其變化情況。

?

?

如圖5 可見(jiàn)，改進(jìn)的Sobel 算子在原Sobel 算子的基礎上，能顯著(zhù)地分割出正確圖像的面積，幾乎能在整個(gè)畫(huà)面區域提取出正確的方向來(lái)。系統對圖像進(jìn)行了Gabor 濾波和圖像數據二值化。指紋圖像屬于紋理圖像，紋理圖像采用Gabor 濾波器，利用每一點(diǎn)的點(diǎn)方向沿方向指向增強，沿方向的法線(xiàn)方向減弱。Gabor 濾波器能很好地拼接斷紋，濾除環(huán)境噪聲，最后將Gabor 濾波后的圖像做雙窗口均值門(mén)限二值化：

門(mén)限1 :均值化算子矩陣： 7×7 的單位矩陣。

門(mén)限2 :均值化算子矩陣： 3×3 的單位矩陣。

具體運算表達式如下：

?

?

當每一點(diǎn)的值g(x,y)>p(x,y) 時(shí)，則賦值g(x,y)=1,否則賦值為0,以此得到二值化最終的結果，提取圖像進(jìn)行實(shí)測效果的比對如圖6 所示。

?

?

圖7 是最后根據圖像紋理的粗細二值化圖像，并根據端點(diǎn)和交叉點(diǎn)提取特征點(diǎn)。

?

?

經(jīng)過(guò)上面的步驟，即可從原始圖像里面提取出有效的特征信息。特征信息描述了特征點(diǎn)的位置、方向等信息，最終形成一個(gè)大小不超過(guò)512 字節的特征模板。指紋的比對就是在特征模板的基礎上，構建兩個(gè)點(diǎn)形成的桿對集，而桿對所包含的桿長(cháng)度、端點(diǎn)方向與桿的夾角等信息已經(jīng)是相對量，與位置無(wú)關(guān)。理想狀況下，同一枚指紋，采集的兩幅圖像能找到的桿對的每一個(gè)量(長(cháng)度、夾角)在數學(xué)上是完全相等的。以此為基本數學(xué)模型，構建整個(gè)比對算法。

4 結語(yǔ)

本文的基于ARM的光學(xué)指紋識別系統的設計方案，經(jīng)過(guò)實(shí)物測試， 模塊錄入用戶(hù)指紋圖像時(shí)間為500 ~ 800 ms,拒真率小于等于1%,平均4.2 ms 即可比對一枚指紋，支持1∶1 指紋驗證和1∶N 指紋搜索。在硬件設計中引出了通信端子，系統支持3.3V TTL 串口通信，可以通過(guò)串口對模塊進(jìn)行用戶(hù)注冊、刪除特定用戶(hù)、刪除所有用戶(hù)、復位模塊、獲取用戶(hù)總數、獲取用戶(hù)權限、1∶1 比對、1∶N 比對、設置串口波特率、讀取圖像并提取特征值、獲取圖像等30 個(gè)常規或擴展功能命令，能滿(mǎn)足大多數的指紋應用場(chǎng)合，可以很好地運用于嵌入式領(lǐng)域，從而證實(shí)了本方案的可行性。