指纹识别技术的研究
指纹识别技术的研究
【摘要】由于指纹的唯一性和不变性，指纹识别己成为当前最流行、最方便、最可靠的个人身份认证技术之一。本文以自动指纹识别系统的处理流程为线索，介绍了系统的三个部分：指纹预处理、特征提取和指纹匹配。在前人工作的基础上，我们在各个环节都提出了自己的方法，结合那些经典的算法，在很大程度上提高了图像的处理效果与匹配结果。在指纹增强阶段，我们结合方向图与频率图修改了Gabor滤波器；在细化阶段，我们对传统的OPTA算法进行了一些改进；在指纹匹配阶段，我们着重研究了基于点模式的细节匹配。此外，我们还成功的实现了各个算法，完成该指纹识别系统，经实验证明，该系统能够快速准确的识别指纹，达到了预期目的。
【关键字】图像分割，图像增强，二值化，细化，特征提取，特征匹配
一课题研究背景
（一）指纹识别的发展历史
最早记载的人的手印和脚印大约在4000年前古埃及建造金字塔的年代。在那个年代。一些粘土陶器上留有陶艺匠人的指纹，中国人曾经在官方文件上按自己的指纹，公元前300年前的按有指纹的文件现在还存在，直到现在这种签名方式仍然被采用。
早在1880年英国人亨利·福兹就提出了用指纹识别系统识别犯罪。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。
（二）指纹识别的研究现状
指纹识别是生物识别技术中最早应用、价格最低廉的分支。目前的指纹自动识别系统采用了先进的光电识别办法，采集一个指纹信息，然后经相关的识别算法进行判断。
根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点：
(1)可靠性：采用独特的容错技术，既使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别。
(2)快捷性：大多数系统鉴别时间仅需1-3s，登录注册一个新客户只需1分钟的时间。
(3)灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC卡上。
(4)安全性：所有个人代码都经过了特殊加密。通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用。因此既使证卡丢失，也不存在安全问题。
(5)方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式。
(8)实时性：可实现完整的跟踪、实时报警功能。
迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难:
(1)指纹采集技术有待提高
就实际应用来讲，目前的指纹采集设备还不能很好地满足需要，这己经成为制约自动指纹识别技术
发展的一个瓶颈。
(2)指纹预处理及匹配算法有待加强
目前存在的指纹增强算法主要存在以下几个问题:分割算法过于武断，一般分割算法不考虑上下文问题，只是根据实际图像分块后得到的参数直接进行图像分割，这样很容易造成在前景图像中由于小部分不清晰而被判断为背景的情况，这样将对后续处理产生严重影响；细节点编码彼此互不兼容，目前，在细节点编码过中，除了编码过程中都需要的坐标等小部分公共信息，其余信息往往根据自己系统的需要来进行提取，如周围细节点数，与中心点的夹角等，这样非常不利于系统的升级和扩展，对数据库的扩展也有很大的限制，不利于整个指纹识别研究的发展。
（三）指纹识别的应用前景
指纹识别技术是当今应用最为广泛的生物特征识别技术，有着广阔的应用前景。
在刑侦司法领域，刑侦用指纹识别系统可以用来鉴别罪犯。
在民用领域，指纹识别技术可以通过多种方法应用到各个方面。通过使用指纹验证来取代各个计算机应用程序的密码就是最为典型的实例。把指纹识别技术同IC卡结合起来是目前最有前景的研究方向之一。
由于指纹识别技术的诸多优点，可以预料，一方面指纹识别系统将会在一切需要验证身份的场所发挥越来越重要的作用，其应用领域将会进一步拓宽;另一方面，由于市场的推动，指纹识别技术也会不断提高，在其识别可靠性、速度、成本等方面进一步朝实用化迈进。
（四）指纹识别的基本原理
指纹识别是一种利用人体固有的生物特征进行个人身份识别的技术，具有唯一性和不变性等重要特征，因而在信息安全领域、个人身份识别领域等许多方面得到广泛应用。随着计算机图像处理和模式识别技术的发展，使自动指纹识别成为可能。自动指纹识别系统(Automatic Fingerprint Recognition System，AFRS)一般有4个主要过程：指纹图像采集，指纹图像预处理、特征提取，特征匹配。
在一开始，通过指纹采集设备读取到人体指纹的图像，取到指纹图像后，要对原始图像进行初步的处理，这样使指纹图像更加清晰。
接下来，自动指纹识别系统从指纹图像中找寻细节点，包括端点、分歧点和交叉点等，进而提取这些细节点的特征数据，有的算法把细节点与方向信息组合起来产生更多的数据。这些数据，通常称为模板。
最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。
（五）论文的主要研究内容
本论文中，我们就国内外指纹研究工作进行比较，提出了一套指纹识别算法，能在较短的时间内较准确地识别指纹。
指纹识别过程一般分为指纹图像采集、图像预处理、特征提取和特征匹配四大部分，如图1-1。本论文研究后面三部分，对已采集的指纹图像进行处理和匹配。指纹预处理部分包括图像分割、图像增强、二值化和细化四部分，如图1-2。图像分割是将要处理的有效图像部分从整个指纹图像中分离出来，这样一方面减少了后续处理的步骤的数据量，另一方面也避免了因为部分图像区域不可靠而导致伪特征的
产生。图像增强包括两个部分，首先是对原始图像上模糊但有可能恢复的部分进行增强，然后再对整幅图像滤波，消除指纹脊线间的断裂和粘连。图像二值化是提取经增强处理的指纹图像的脊线，用”1”表示脊线上的点，”0”表示背景和谷线，从而把原始灰度图像转化为二值图像。图像细化是进一步把二值指纹脊线细化为单像素宽度的骨架线，这是为了方便以后的特征提取。
本文是在前人工作的基础上摸索并设计了这套指纹的自动识别系统，如图1-3所示，该系统对前人的某些工作做了改进，并提出了自己的一些思想和算法，经实验验证，效果较好，达到了预期目的。
图1-1 指纹识别框架图图1-2 预处理流程图
图1-3 指纹识别系统图
二算法分析与设计
（一）图像分割算法分析与设计
1 算法分析
指纹图像的分割通常位于预处理的前端，其目的是去掉图像中不含纹路的区域和由于噪音太大而无法恢复的低质量纹路区域，使后续处理能够集中于有效区域。分割处理不仅能提高特征提取的精确度，而且还能大大减少指纹预处理的时间，因此是指纹图像处理中的重要组成部分。
指纹分割的一般方法是将图像分割成许多互不重叠的小块，并计算每块的特征向量，根据特征向量来判断某块为前景还是背景。指纹分割中常用的主要特征包括灰度方差、方向图、频率图和纹线峰平均灰度值与谷平均灰度值之差（对比度）等。
2 算法设计
较好的指纹的图像分割算法应在分割的过程中保护有效的指纹的纹理特征，从而提高指纹特征的精确度，优化了整个识别系统得处理速度和效率。有效区域的分割的意义非常明显。首先，可以为以后的操作缩小范围，节省计算时间；其次，可以排除背景区域的干扰，提高算法的精度和效率。有些文献的算法采用的canny算子，该方法使得分割后图像的效果有了明显提高，但是需要很大的计算代价，对于有限的系统资源是不允许的。我们采用的是一种更简洁的算法，虽然在精度上稍有降低，但是在速度上可以提高80％。算法步骤如下：
(1) 用边缘提取算子提取灰度图像的边缘。得到二值边缘图。零值表示背景，非零值表示边缘
(2) 用半径为n像素的圆形结构元，对二值边缘图做一次数值形态学的闭运算，平滑边界并对有效区域的内部的孔洞进行填充
(3) 用半径为m像素的圆形结构元，对步骤（2）的结果进行一次开运算。去除毛刺和小目标噪声。最后得到非零区域就是指纹的有效区域
(a) 指纹原始图像(b) 指纹图像分割区域
图2-1 指纹图像处理及分割区域
仿真结果如图2-1所示，其中（a）为指纹原始图像，（b）为原始图像的分割区域。
（二）图像增强算法的分析与设计
1 算法分析
数字图像处理中采用的通用的图像增强方法如均值滤波、低通滤波、边缘增强等对指纹这种具有一
定特性脊线和谷线交替的图像的增强效果并不理想，这是因为这些方法都是针对图像中存在的随机噪声，然而模糊的指纹图像主要存在纹线缺陷的结构性噪声。
理想的指纹图像是脊线和谷线交替构成，脊线和谷线粗细均匀，在大部分区域，脊线之间和谷线之间近似平行，且呈现连续的、方向平缓的曲线形态。由于指纹图像存在这些特性，指纹图像可以近似的看成具有特定方向和频率的平面正弦波，如图2-2所示。基于这一特性，利用具有方向和频率选择特性的带通滤波器可以实现很好的增强效果。采用这种方法关键是滤波器选择和设计、求取指纹的方向图和指纹频率。
图2-2 Gabor滤波坐标旋转图
在指纹的增强算法中，常用的算法大致上可以分为两种：一类是从空域上进行滤波去噪处理；另一类是从频域上进行细节增强。但这两中方法各有缺点：空域滤波器往往设计复杂并且过多依赖精确方向场的求取，频域滤波器则是从整幅图像的频域空间进行全局的增强，因此又造成对细节信息的忽视。
Gabor滤波器是带通滤波器，它以其在空域良好的方向选择性，在频域有良好的频域选择性，因而在计算机视觉领域得到了广泛的应用。利用Gabor滤波器在这种在两个域内的良好性质来进行指纹图像的增强，取得了很好的效果。
2 算法设计
Gabor 滤波器实际上是一种Gauss 窗的加窗Fourier 变换。Gabor 变换是英国物理学家Gabor 提出来的，1980 年Daugman 首先将一维Gabor 小波推广到二维，并用于视觉简单神经元的视野感受模型。Gabor 在空间的时域和频域视图如图2-3和2-4 所示。
图2-3 Gabor 滤波器空间函数形式
图2-4 Gabor 滤波器频率响应
一个平滑对称的Gabor 滤波器有以下的一般形式： '2'2,221G (,)exp cos(2')2f x y x y x y fx θπδδ??????=-+????????????
2-1
其中x'=xsin +ycos ,θθ
y'=xcos sin ,y θθ-
在式（2-1）中，f 为从x 轴上的θ方向的正弦的频率，x δ和y δ分别为高斯包络的在轴方向和y
轴方向的空间常量。
本文所提出的基于Gabor 滤波器的增强算法。其主要步骤为：
（1）灰度规格化：可使输入的指纹灰度图达到到预先规定的均值和方差
（2）方向图估计：从规格化后的指纹灰度图中求得指纹方向图
（3）计算指纹的平均频率：从规格化后的指纹灰度图中求得指纹的平均频率
（4）滤波处理：对规格化后的指纹灰度图进行Gabor 滤波用以得到增强的指纹图像
下面就这四步骤进行逐步分析：
（1）灰度规格化
在对指纹图像 Gabor 滤波之前，需要对指纹图像进行规格化处理，其目的是将指纹图像的灰度值
的均值和方差调整到所期望的均值和方差，以消除传感器本身的噪声和手指对传感器表面的压力不均而带来的灰度差异。
假设指纹图象I 为M × N 大小，令I(i,j)表示象素点(i,j)的灰度级数，A v 和σ分别表示指纹图
象的均值和方差，G(i,j)表示象素点(i,j)规格化后的级数，见式2-4。A v 和σ分别可由公式2-2 和2-3得到。 11
v 00
1A ()(,)M N M N x y I I i j --===?∑∑ 2-2
11
2v 00
1()((,)A ())M N M N x y I I i j I σ--===-?∑∑ 2-3
(,)()G(i,j)=(,)()
v v v v A I i j A I A I i j A I ??+>???
规格化后的图像如图2-5所示。
(a) 指纹原始图像 (b) 指纹规格化后图像
图2-5 指纹原始图像与规格化后的图像 （2）方向图估计
指纹的脊线方向已给广泛的应用于指纹图象增强、纹型的特征的提取、指纹自动分类、方向模板的
匹配、编码重构等许多关键处理环节。就方向图的形式可以分为两种，一种是点方向图，即求出每个方向点的方向，另一种是区域方向图，即求取图像中每个局部区域中的主导方向，以该方向代表该区域中所有像素的方向。相比而言，点方向图精度较高，但计算量较大，耗时较长，对于一个实际系统来说我们采用速度快又能达到系统要求的算法，所以我们选用区域方向图算法。求取指纹方向图常用的方法主要有梯度法、切缝法、抽样法和投影法，而本文综合性能、去噪、计算复杂度等方面采用梯度法求方向场。
基于脊线区域梯度方向图的算法流程如下：
(1) 将规格化后的指纹图像进行分块，分成大小为W ×W （17×17）像素的子块
(2) 计算子块中每个像素点的水平梯度向量G x (s,t)和垂直梯度分量G y (s,t)，此处采用Sobel 算子
求取水平梯度和垂直梯度分量。算子采用如下模版
x y 101121Sobel 202Sobel 000101100----????????=-=????????-????
(3)计算每块以(i,j)为中心的局部方向(,)x y ?, ?见式2-7
/2
/2x /2/2
V (,)2(,)(,)i W i W x y s i W t j W i j G s t G s t ++=-=-=
∑∑ 2-5
/2/222x /2/2V (,)((,)(,))i W i W x y s i W t j W i j G s t G s t ++=-=-=
-∑∑ 2-6 1x V (,)1(,)tan ()2V (,)
y i j i j i j ?-= 2-7 (4) 通过上式求得指纹每个子块的区域方向，但是由于噪声的影响，其方向并不一定完全正确。
由于局部脊线除奇异点除外，相邻子块之间变化都是比较缓慢，因此我们可以采用一个低通滤波器，此处采用一个5×5 的模版做低通平滑滤波。为了进行低通滤波，子块的方向必须转换为连续的矢量场
x (,)cos(2(,))i j i j ?Φ= 2-8
y (,)sin(2(,))i j i j ?Φ= 2-9
x Φ和y Φ 分别表示矢量场x 和y 的分量，分别见式2-8和2-9。x Φ和y Φ 平滑滤波由公式2-10
和2-11 得到
/2
/2'
x /2/2
(,)(,)(,)W W x s W t W i j W s t i sW j tW ΦΦΦΦΦΦ=-=-Φ=Φ--∑∑ 2-10
/2/2'
/2/2(,)(,)(,)W W y
y s W t W i j W s t i sW j tW ΦΦΦΦΦΦ=-=-Φ=Φ--∑∑ 2-11
W Φ为滤波器窗口宽度，即为5，W(s,t)为滤波器各点权值，此处全为1
(5) 求得以中心点处(i,j)的脊线方向见式2-12 '1'(,)1'(,)tan ()2(,)
y x i j i j i j ?-Φ=Φ 2-12
(a) 指纹原始图像 (b) 指纹方向图
图2-6 指纹原始图像与指纹方向图 图2-6给出了指纹原始图像和图像的方向图。
（3）计算指纹的平均频率
指纹纹理除了具有稳定的方向性的特点外，还具有稳定的频率性特点。在指纹图像的一个局部区域
内，脊线和谷线的纹理走向近似平行，同时沿脊线和谷线方向的灰度分布近似正弦包络。
脊线频率定义为两条相邻脊线之间间距的倒数，通过定义该包络线中的极大值和极小值，就能计算
出相应的脊线和谷线的间距，进而得到脊线的频率。在子块中以中心象素(i,j)处画一个长为m ，宽为n 的矩形方向窗口，如图2-2 所示。其中m 为预先估计的脊线间距均值，与该块脊线方向一致，n 可取指纹预先估计的脊线间距三倍左右。然后计算沿n 方向上各象素的平均灰度值，每个平均灰度值为沿m 方向上m 象素的统计平均，具体如下式： 1
1[](,),0,1,2,,1n d X k I x y k m n -===-∑ 2-13 ()cos ()sin 22
m n x i d k θθ=+-+- 2-14 ()sin ()cos 22
m n y j d k θθ=+-+- 2-15 式中d=0,…,n -1。取m=32，n=16。其中I (x,y)是象素点(x,y)的灰度值，θ 是子块的域方向。由
式2-13 得到X[k]后，就能定位脊线和谷线的中心点，对局部子块的平均脊线或者谷线间距取导数，即求出子块的脊线频率Ω(i,j)。
（4）滤波处理
通过上面的计算，我们已经得到了指纹图像的频率F 0、梯度方向θ，下面我们就是要确定Gaussian
包络的标准偏差x δ和y δ。x δ和y δ的值将决定指纹增强的效果，如果它们的值越大，去噪效果越明显，同时也会带来一些伪脊线和伪谷线；如果该值越小，虽然不会带来伪脊线和伪谷线，但是去噪能力将大大减弱。所以在进行程序设计它们必须合理，才能达到最佳效果，通过试验数据得到，把它们都舍为4.0。前面我们对Gabor 滤波器进行了详尽的分析，令灰度规格化的图像为G ，增强后的图像为E （式2-17），利用离散卷积求出子块中每个像素增强后的值。
2200221(,:,)Re((,))exp(())cos(2)2x y
x y h x y F g x y F x ???θπδδ==-+ 2-16 888
8/2/20/2/2255(,)0(,)(,:(,),(,))(,)n n W W n n n n n n n n x W y W R i j E i j h x y i j F i j G i x j y otherwise θ=-=-=??=?++??∑∑ 2-17 其中g W 是Gabor 滤波器模板的大小，(,)n n R i j 表示分割出的背景图像。
增强后的指纹图像如图2-7所示。
(a) 指纹原始图像 (b) 指纹Gabor 增强图像
图2-7 指纹原始图像与Gabor 增强后的图像 （三） 图像二值化算法分析与设计
1算法分析
指纹图像是由不同灰度的两类区域组成的，所谓二值化就是通过设定阈值，把它变为仅用两个灰度
值分别表示图像的前景和背景颜色的二值图像。
我们对局部自适应阈值法进行了研究并有所改进，现介绍如下：
局部自适应阈值法对原始指纹图像要求较低，处理效果也较好，算法的复杂度一般，容易编程实现，
是一种比较好的二值化算法。但是当W ×W 分块落在两种区域会引起误判：
（1）当落在谷线较多的区域时，会使得一部分甚至大部分的像素点被判定为脊线
（2）当落在脊线较多的区域时，会使得一部分甚至大部分的像素点被判定为谷线
基于以上原因，需要对传统的局部自适应阈值法进行改进。首先利用传统的局部自适应阈值法的思
想，根据指纹图像中每一部分的明暗度来确定阈值。在求取指纹图每一块大致的阈值的基础上，对可能的误判进行矫正，即对谷线较多和脊线较多的区域的阈值进行调整。
算法对阈值进行调整的思想是这样的：设定一个谷线门限T g ，当区域阈值小于T g 时，说明窗口内谷
线较多，当前阈值偏小，可适当增大；同样设定一个脊线门限T j ，当区域阈值大于T j 时，进行减小调整。小于T g 和大于T j 范围称之为调整范围。
2 算法设计
算法相当于在二值化的过程中进行了一次平滑操作，因此取得了较好的二值化效果，其描述如下：
（1）将经过滤波的图像划分为W ×W 的分块
（2）计算第k 块的灰度平均值和方差，并将方差设为初始阈值 k i j 1M G(i,j)=T W W =?∑∑，[]2i j
1VAR G(i,j)M W W =-?∑∑ 2-18 （3）如果方差低于设定的T var 值，且均值低于T m 值，那么本块内所有点灰度为0，并返回第（2）
步；否则进行第（4）步
（4）借助参数ε，进行以下调整，ε为通过实验获得的经验值
k k j
k k k g
T T >T T T T （5）对k 块的每个像素点，进行以下处理 j j 255G(i,j)T G(i,j)=0G(i,j) 算法的流程图如图2-8所示 图2-8 指纹图像二值化流程图 二值化后的图像如图2-9所示。 (a) 指纹原始图像(b) 指纹二值化图像 图2-9 指纹原始图像及其二值化后所得图像 （四）图像细化算法分析与设计 1 算法分析 细化又称为骨架化，是图像分析、特征提取及模式识别中的常用技术。细化的主要作用是去除不必要的纹线粗细信息，节省内存，便于从指纹图像中提取细节特征，从而提高指纹图像的处理速度和效率。 我们对传统的OPTA算法进行了研究与改进，具体介绍如下： OPTA算法是较为典型的图像模板细化算法。该算法从图像的左上角元素开始，按照从左到右，从上到下的顺序对图像进行扫描，每个像素点均抽取如图2-10所示的10个相邻像素，然后将其与事先规定的模板进行比较。如果和图2-11所示的8个消除模板中的任意一个匹配（模板中非“×”值的所有点与该位置对应的领域中的像素点的值都相等）时，则准备去除点P（即P=0），否则保留P。 图2-10 OPTA算法抽取的邻域 图2-11 OPTA算法消除模板 图2-12 OPTA算法保留模板 为了保持连通性，准备去除的点再和图2-12所示的两个保留模板进行比较，如果匹配，则P仍保留，否则P才真正删去。处理完整图像的过程为一次迭代，这种迭代反复进行，直到没有一个像素的值被改变为止，迭代的次数依赖于图像的大小和纹线的形状。 OPTA算法能满足收敛性、连接性、拓扑性和保持性，对指纹图像的细化能达到较好效果。但该算法在三叉点处往往细化不全；细化后的指纹脊线不光滑，有许多毛刺，且纹线扭曲，不在纹线中心，因此不能满足细化性和中轴性，会给以后的指纹提取带来困难。另外，采用两个大小不同模板分两次进行运算，其快速性受到影响。 2 算法设计 对OPTA算法进行研究会发现： 细化不全是保留模板造成的，保留模板本意是避免同一行（列）中两个“1”同时被删除，已保证连通性。但该条件包含过大，并非所有这种情况下的中心点都应保留，保留与否还应取决于同行（列）中另一个“1”值周围的情况。若另一个“1”周围点与消除模板匹配而应删除时，中心点“1”值才应保留，都则中心点“1”值应该删除。 细化后指纹脊线毛刺多、纹线扭曲在一定程度上是由消除模板造成。消除模板4个中，当“×”为0时，这时与它们匹配的方窗中心“1”值被去掉后，纹线出现凹凸不平，导致纹线扭曲，迭代中也容易形成毛刺。 通过对OPTA算法的分析，我们提出了一种新的细化算法，对消除模板进行改造，并重新构造保留模板。该算法采用统一的4×4模板，如图2-13所示。左上角的3×3方窗为消除模板区域。 图2-13 改进的OPTA算法的统一模板 构造消除模板时，算法采用图2-14所示的8个模板，其中前4个模板能有效的去除边缘化的凸出物，保证了细化后的指纹骨架处于指纹脊线中心，避免了细化后的指纹骨架出现毛刺。 构造保留模板时，按前面所分析的结果来实现，即当前中心点的去留考虑到另一个“1”值周围点的情况，构造的保留模板如图2-14所示。 图2-14 改进的OPTA算法的消除模板 图2-15 改进的OPTA算法的保留模板 集体算法是从左上角开始，对每个像素（模板中为P5）均抽取出如图2-15所示的15个相邻像素，先将其中的8个邻域像素与8个消除模板比较，如果与所有消除都不匹配，P5保留；否则，再和6个保留模板进行比较，如果与任意一个匹配则保留P5，否则删去。重复上述过程，直到没有像素值被改变为止。 改进的OPTA算法能够对指纹图像充分细化，纹线光滑无毛刺，骨架处于纹线中心线，细化后的图像扭曲小，能最大程度的保留指纹的细节特征，因此是一种较好的模板细化算法。 指纹图像经细化后，由于脊线上有可能存在小的突起，在细化后的骨架线上呈现出小的短枝，这样就会产生伪端点和伪分歧点，所以在细化后必须加入打毛刺的程序，删除那些长度小于阈值T的短枝。（1）毛刺的删除 毛刺的一端是端点，另一端表现为分叉点。一般毛刺的长度是很短的，根据这一特点，如果从任一端点出发，沿着沿线跟踪，若在很短的距离内遇到了分叉点，则有理由认为跟踪过的指纹纹线部分为毛刺，应予以删除。 （2）短线的删除 短线是长度小于给定阈值的一小段孤立纹线。一般来说，那些小于指纹纹线（脊线或谷线）宽度的纹线大多属于短线，应予以删除。 实验证明以上介绍的细化图像后处理算法的确能有效地提高图像质量。细化图像及其后处理所得图 像如图2-16所示。 (a) 指纹细化图像 (b) 细化图像后处理所得图像 图2-16 指纹细化图像及其后处理所得图像 （五） 特征提取算法分析与设计 1 算法分析 二值化细化后的图像对于图像的特征提取非常有利。但是，二值图像总存在某些缺陷（存在伪特征）。 在指纹的特征提取中，一般都会选取细化指纹上的两种特征：纹线的端点和纹线的分歧点。如图2-17所示。 图2-17 脊线端点和分歧点 在提取的过程中，我们就选取了上述两种特征：脊线的分歧点和端点。在得到可靠的二值图像后， 只需要一个3×3的模板便可将端点和分歧点提取出来。3×3的模板如图2-18所示，P 是待检测的点，P 1、 P 2、…、 P 8是它的8个邻域点，沿顺时针方向排列，R(1)、R(2)、…、R(8)分别是点 P 1、 P 2、…、 P 8的灰度值。如果P 是端点，则它的8个邻域点满足： 81(1)()2N k C R k R k ==+-=∑， (9)(1)R R = 2-21 如果P 是分歧点，则它的8各邻域点满足： 8 1(1)()6N k C R k R k ==+-=∑， (9)(1)R R = 2-22 这样就可以找到特征点，并记录它们的类型和位置。为了提取特征点的属性，就需要对特征点所在 纹线的情况进行了解，因此引入纹线跟踪技术。顾名思义，纹线跟踪就是从纹线的一端出发，沿着纹线的走向，到达该纹线的另一端。 传统的算法是直接对灰度纹线进行跟踪，这种算法实现起来过于复杂，本文采用了一种新的快速纹 线跟踪算法—8邻域编码纹线跟踪算法：用8邻域编码来同时表示当前点的类型和8邻域像素的状态，然后通过查表的方法来判断所要跟踪的下一点。该算法避免了8邻域信息的重复计算，速度得到了显著提高。 图2-18 特征提取模板 2 算法设计 8邻域编码是图像处理中一种常用的技术。由于细化二值图像中每个像素点只需1比特的数据（0或 1）就可以表示，那么，如果把P 点8邻域像素数据按一定顺序放入一个字节（8比特）中，就可以用该字节数据来表示P 点的8邻域信息，称之为点P 的8邻域编码。对于图2-2所示的8邻域点，我们定义8邻域编码顺序如图2-19所示： 图2-19 P 点的8邻域编码 则P 点的8邻域编码公式为： 8 11P 2()k c k N R k -==?∑（） 2-23 虽然8比特的8邻域编码在理论上有256种可能值，但对于8邻域的细化二值指纹图像，由分析可 知，只有60种数值，而且对应于某种特定的类型，则仅对应几个数值。根据该数据，就可以准确识别该中心点的类型和8邻域状态，然后用查表的方法判断下一个待跟踪点。 分析细化二值指纹图像可以发现，虽然某点的8邻域灰度值有各种组合，但是一幅8邻域最简的细 化图像上的纹线点只有如下3种情况，而且每种情况也只有有限的若干种组合。其中，端点和分歧点就是我们在特征提取中要提取的特征点。 (1)Cn(P)=1、Sn(P)=1称为端点，即1各中心点的8邻域中只有1个黑点 (2) Cn(P)=3、Sn(P)=3称为分歧点，即1个中心点的8邻域中共有3各黑点 (3) Cn(P)=2、Sn(P)=2或者Sn(P)=3称为连续点，即1各中心点的8邻域中有2个或3个黑点 下面简要给出8邻域编码纹线跟踪算法的步骤： (1)对细化二值指纹图像的各像素点进行8邻域编码，并保存 (2)当前点为指定起始点（x ，y ），指定起始方向D c ，设初步步长L=0 (3)判断是否达到规定步长，是则终止；否则根据D c 方向与坐标增量表更新当前点（x ，y ） (4)由当前点8邻域编码查编码与类型表，判断是否为端点或分歧点，是则终止，否则继续 (5)求D c 的补码，从连续点方向表中选与该补码不同的方向编码作为新的D c ，且步长为L=L+1，返 回（3） 具体流程图如图2-20。 图2-20 8邻域编码纹线跟踪算法流程图 这样就将一幅指纹图像转换为了一个由细节点组成的平面点集。在细节匹配中，对应脊线将被用来对需要进行匹配的两个平面集进行校准，而且校准的参数，也就是两个点集中任意一对脊线间的旋转角度，将被用作为判断它们所对应的细节点能否看做是匹配的细节点的条件。 指纹所提取的特征点图像如图2-21所示。 (a) 指纹细化图像(b) 指纹图像特征点 图2-21 指纹细化图像与指纹特征点图像 （六） 特征匹配算法分析与设计 1 算法分析 指纹匹配是指纹识别中的一个重要问题。目前的指纹识别系统主要采用基于节点的匹配方法，我们 研究的也是基于点模式的细节匹配。该方法通过某种策略分别从两枚指纹中选取一个节点作为参照节点对，在进行节点匹配时先将参照节点对齐，然后再评估其他节点的匹配程度。 令p p p T p p p T 111m m m P=(x ,,), ,(x ,,)y y θθ表示第一幅图像中的m 个细节点，我们将第一幅图像称为模板图像，q q q T q q q T 111n n n Q=(x ,,),,(x ,,)y y θθ表示第二幅图像中的n 个细节点，我们把第二幅图像称为输 入图像。为了把细节点转换到极坐标系中去，要在模板细节点集和输入细节点集中各选一个参照点作为相应的极坐标系中的原点，并算出其他细节点相对于参照点的极坐标。对模板点集中的每一点P i (i ≤m)和输入点集中的每一点Q j (j ≤n)，定义rotate[i][j]为将 P i 和Q j 当作参照点对时，从输入图像到模板图像的旋转角度。 如果P i 和Q j 可以被当成一对对应点，即它们分别对应的脊线相似性到一定程度，则rotate[i][j]将取 0～360间的一个值，否则我们定义rotate[i][j]取值为400，以表示P i 和Q j 不能作为一对对应点。注意rotate[i][j]<400表示P i 和Q j 对应的脊线相似性到了一定程度。则它们（P i 和Q j ）是不是对应点对及rotate[i][j]的取值将由如下算法决定。用R 表示细节点P i 对应的脊线，r 表示细节点Q j 对应的脊线。匹配r 与R ，用式(2-24)计算这两条脊线间的差异： L i 0 L i 01Diff_dist= R()r()L 1Diff_ang=R()r()L di di i i αα==?-????-??∑∑ 2-24 其中L 是记录的脊线中的点个数，R(di)和r(di)分别表示从脊线R 与r 上的点i 到对应的细节点的距 离di ，R(ai)和r(ai)约分别表示连接脊线R 与r 上的点i 与对应的细节点的直线间的夹角ai 。 2 算法设计 我们的细节匹配算法步骤如下： （1）对每一个i(i ≤m)和每一个j(1≤n)，如果rotate[i][j]=400，即细节点P i 和Q j 不能被当作对应细 节点对，则重复此步并选择另一对P i 和Q j ，否则转向步骤（2）。如果所有的细节点对都已考虑过了，则转向步骤（5） （2）将Pi 和Qj 当作参照细节点，将输入点集和模板点集中的细节点都转换成极坐标 （3）将极坐标中的模板细节点和输入细节点按极角递增方向排序，并连接成串，表示如下： s p p p T p p p T s q q q T q q q T i 111m m m j 111n n n P =((r ,e ,), ,(r ,e ,))Q =((r ,e ,),,(r ,e ,))θθθθ， 2-25 其中p p p i i i (r ,e ,)θ和q q q j j j (r ,e ,)θ表示对应的极半径、极角和相对于参照点的细节点方向 （4）用后面将要介绍的方法匹配串s i P 和s i Q ，找出匹配分数，记录为m_score[i][j]。然后转回步骤（1） （5）找出m_score[i][j]中的最大值，把它当作输入细节点集与模板点集的匹配分数。如果匹配分数高于一个预先设定的阈值，则认为输入图像与模板图像来自一个指纹，否则认为它们来自不同指纹 在介绍匹配串s i P 和s i Q 的方法之前，我们先介绍一下限界盒及其大小，如图2-22所示。 图2-22 限界盒示意图 一个限界盒是放在模板细节点上的一个盒子，限界盒的大小用angle_size 和radius_size 来表示，这个盒子的一对边的极角为常数，另一对边的极半径为常数。用angle_size 表示极半径为常数的那对的极角差异： angle_size=angle_high-angle_low 2-26 用表示极角为常数的那对边的极半径的差异： radius_size=radius_high-radius_low 2-27 有的文献中使用了一个固定大小的限界盒，即在所有的模板细节点处，angle_size 和radius_size 取同样的值。在本文介绍的方法中，它们的值将随细节点的极半径人小而改变，使用可变大小的限界盒是为了使算法对非线性形变更为鲁棒。 匹配s i P 和s i Q 的算法描述如下： （1）用式（2-26）和式（2-27）决定每一个模板细节点的限界盒的大小。置m_score[i][j]=0。 （2）进行如下循环： for(int k = 1; k < m; k++) { for(int l = 1; l <= N && (P L e < angle_high[k]); l++) { if(template_point[k]和input_point[l]满足condition1 { m_score[i][j]++; 调整限界盒； } } } 自动指纹识别技术的发展及应用 随着计算机技术的发展，人们对计算机的安全问题方面的要求也在不断提高。计算机安全问题直接关系到了我国当代社会的稳定发展，而自动指纹识别技术作为一种较为先进的应用技术，有着较高的可行性和应用型性，在计算机中利用自动指纹识别技术可以有效地提高计算机的安全性，文章就自动指纹识别技术的发展及应用进行了相关的分析。 标签：自动指纹识别技术；发展；应用 引言 随着现代科技的进步与发展，自动指纹识别技术在当前社会得到了广泛应用，它不仅为公安机关案件的侦破提供了帮助，同时也满足了社会发展的需要。在这个网络化的时代下，以计算机为核心技术的网络系统已经得到了广泛的应用，利用自动指纹识别技术可以提高计算机网络的安全性，为计算机网络用户的利益提供保障。 1 指纹识别技术概述 自动指纹识别技术是集计算机、网络、光电技术、图像处理、数据库技术等于一体的综合指纹认证技术。指纹作为一个人特有的一种特征，每个人的指纹在图案、断点和交叉点上各不相同，根据指纹的唯一性和特定性可以对一个人的身份进行验证。而指纹识别技术就是把一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，进而确定他的身份。自动指纹识别包括了指纹图像获取、处理、特征提取以及对比等多个环节，通过现金的指纹采集仪器可以获得较为清晰的活体指纹图像。在自动指纹识别系统中，采用了独特的容错技术，既是指纹识别系统获取的指纹是不完整的指纹，它也可以提高指纹认证的可靠性。伴随着现代科技的不断发展，指纹识别技术已经进入到我们的日常生活中并产生了较大影响。 2 自动指纹识别技术发展现状 在以往的指纹识别中，指纹识别很容易受多种因素的影响，如脏手指、疤痕等，进而影响到指纹质量，给指纹识别带来一定的困难。自动指纹识别技术是通过计算机实现的身份识别手段，也是当今应用最为广泛的生物特征识别技术[1]。伴随着计算机技术的发展，指纹识别技术逐渐进入到计算机世界中。许多公司和研究机构也在自动指纹识别技术领域中取得了较为可观的成就，推出了一系列以自动指纹识别技术为核心的应用产品，且这些产品深受大众的认可，为公安机关案件的侦破、为企业的发展、为个人的隐私都提供了极大的保障。近年来，随着晶体半导体指纹录入芯片的诞生，使得指纹识别技术从单一的司法应用扩展到民用。在这个科技不断创新的时代，自动指纹识别技术也越来越先进，以硅技术、超声波技术、光学技术为载体的指纹识别系统的应用也越来越广泛了。 《MATLAB语言》课程论文 Matlab指纹识别系统 姓名：江帅璋 学号：12013241957 专业：通信工程 班级：通信2班 指导老师：朱瑜红 学院：物理电气信息学院 完成日期：2014.11.11 Matlab指纹识别系统 （姓名江帅璋2013级2班） 摘要 本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。 关键字：指纹识别；算法；matlab仿真 目录 第一章绪论 (4) 1.1 引言 (4) 1.2指纹识别技术的发展和研究现状 (5) 1.3 指纹识别研究的目的和意义 (7) 1.4 本论文结构 (8) 第二章指纹识别的理论和方法 (9) 2.1指纹识别的基本原理 (9) 2.2指纹识别系统工作流程 (9) 2.3指纹识别技术的方法 (10) 2.3.1神经网络指纹识别算法 (10) 2.3.2 滤波特征和不变矩指纹识别算法 (11) 2.3.3指纹匹配算法 (13) 第三章matlab仿真实验结果与分析 (16) 3.1 算法matlab仿真结果 (16) 3.2 结果分析 (17) 第四章总结与展望 (18) 参考文献 (19) 附录 (20) 致谢............................................................................................ 错误！未定义书签。 指纹识别系统 1.1 指纹识别系统原理 指纹识别系统的组成原理。如图1-1所示。图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取这些指纹的特征，作为将来的比对模板存人数据库。而识别模块则负责采集和处理指纹图像，在提取特征后与数据库中的指纹模板进行比对，然后判断是否匹配．得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。 图1-1 1.2 指纹采集与指纹图像处理方法 目前，主要的指纹采集方法有两种：一种是光学采集器；另一种是用半导体传感器。光学采集器采集指纹是通过把手指沾上油墨后按在白纸上，然后用摄像机把图像转换为电信号。光学采集受外界干扰小、采集精度较高，但是数据量较大，因此处理时问较长。而对于半导体传感器来说，手指的温度、湿度对其测量结果有影响，但是数据量不大，处理比较方便。随着半导体技术的发展，半导体传感器的成本低、体积小、方便集成等优点逐步体现，它已逐步代替光学采集器。指纹鉴定过程的第一个阶段是指纹图像的采集阶段，也就是指纹模板的录A阶段。为了初步确定图像预处理方法，我们必须首先了解指纹传感器获得的图像的尺寸和质量。根据不同的指纹传感器，我们设计不同的方案进行图像采集，并将从各个图中提出特征点储存到数据库中，来产生“活模板”，为后面的指纹鉴定做准备。 指纹图像处理是整个指纹识别过程的核心。常见的指纹图像处理包括滤波增强、二值化、细化、提取特征点四个步骤。在采集指纹图像的过程中，由于采集环境，皮肤表面的性质，采集设备的差异等各种因素的影响，采集的图像会不同程度的受到各种噪声的干扰，从而影响了采集图像的质量。所以实际的指纹图像首先通过一个滤波增强来改善图像的质量，恢复 指纹识别技术的研究 指纹识别技术的研究 【摘要】由于指纹的唯一性和不变性，指纹识别己成为当前最流行、最方便、最可靠的个人身份认证技术之一。本文以自动指纹识别系统的处理流程为线索，介绍了系统的三个部分：指纹预处理、特征提取和指纹匹配。在前人工作的基础上，我们在各个环节都提出了自己的方法，结合那些经典的算法，在很大程度上提高了图像的处理效果与匹配结果。在指纹增强阶段，我们结合方向图与频率图修改了Gabor滤波器；在细化阶段，我们对传统的OPTA算法进行了一些改进；在指纹匹配阶段，我们着重研究了基于点模式的细节匹配。此外，我们还成功的实现了各个算法，完成该指纹识别系统，经实验证明，该系统能够快速准确的识别指纹，达到了预期目的。 【关键字】图像分割，图像增强，二值化，细化，特征提取，特征匹配 一课题研究背景 （一）指纹识别的发展历史 最早记载的人的手印和脚印大约在4000年前古埃及建造金字塔的年代。在那个年代。一些粘土陶器上留有陶艺匠人的指纹，中国人曾经在官方文件上按自己的指纹，公元前300年前的按有指纹的文件现在还存在，直到现在这种签名方式仍然被采用。 早在1880年英国人亨利·福兹就提出了用指纹识别系统识别犯罪。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。 （二）指纹识别的研究现状 指纹识别是生物识别技术中最早应用、价格最低廉的分支。目前的指纹自动识别系统采用了先进的光电识别办法，采集一个指纹信息，然后经相关的识别算法进行判断。 根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点： (1)可靠性：采用独特的容错技术，既使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别。 (2)快捷性：大多数系统鉴别时间仅需1-3s，登录注册一个新客户只需1分钟的时间。 (3)灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC卡上。 (4)安全性：所有个人代码都经过了特殊加密。通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用。因此既使证卡丢失，也不存在安全问题。 (5)方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式。 (8)实时性：可实现完整的跟踪、实时报警功能。 迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难: (1)指纹采集技术有待提高 就实际应用来讲，目前的指纹采集设备还不能很好地满足需要，这己经成为制约自动指纹识别技术 分类号: 单位代码:10452 临沂大学理学院 毕业论文 指纹识别过程的探究 姓名刘冉 学号 200807690230 年级 2008 专业电子信息工程 系（院）理学院 指导教师樊三强 2012年03月15日 摘要 本文的主要工作是对指纹识别系统的基本流程进行了简单总结.首先概述了指纹识别的研究意义及现状,并对指纹识别的技术特点和基本原理进行了论述.其次把指纹识别过程的四个模块分成四节进行介绍,模块一主要讲的是指纹采集设备的分类并对其进行了对比,模块二是把图像预处理的详细过程分小节进行了论述,这一步也是指纹识别过程中关键的一步,因为指纹图像处理的好坏关系到最后的匹配,模块三介绍了指纹的特征以及提取的步骤,模块四主要介绍了特征匹配的方法.最后对指纹识别技术进行了简单的总结. 关键词：身份识别；指纹识别；图像处理；特征匹配 ABSTRACT The paper briefly summarizes the basic process of fingerprint identification system.First,there is an overview of theresearch significance and the current situation of fingerprint recognition, then the technological characteristics of fingerprint identifications and its basic principle is discussed. Second, four sections is used to introduce the four modules of the fingerprint identification: Module one is mainly about the classifications fingerprint collecting device and the contrasts between them. Module two we discuss the image preprocessing in details, this step is a significant one in the process of fingerprint identification ,as the stand or fall of the fingerprint image processing is crucial to the last match.Module three introduce the characteristics of fingerprint and the steps to extract.Module four is mainly introduced the methods of feature matching.And there is a summarization of the fingerprint recognition technology at the end of the paper. Key words: Identification, fingerprint identification. Image processing, feature matching 第二章指纹识别的原理和方法 指纹识别的采集及其参数[15] 指纹具有惟一性（随身携带、难以复制、人人不同、指指相异）。根据指纹学理论，将两人指纹分别匹配上12个特征时的相同几率仅为1/1050。指纹还具有终身基本不变的相对稳定性。指纹在胎儿六个月时已完全形成，随着年龄的增长，尽管人的指纹在外形大小、纹线粗细上会有变化，局部纹线之间也可能出现新细线特征，但从总体上看，同一手指的指纹纹线类型、细节特征的总体布局等无明显变化。指纹的这些特点为身份鉴定提供了客观依据。 指纹识别过程可以分为4个步骤：采集指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像,取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。指纹辨识软件建立指纹的数字表示特征数据，软件从指纹上找到被称为“节点”（minutiae）的特征点，这些数据(通常称为模板)，保存为1K大小的记录。最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。 2.2.1指纹图像的采集[16][17][18] 指纹采集模式主要分为“离线式”和“在线式”两种。所谓“离线式”就是指在指纹采集时，利用某些中间介质（如油墨和纸张）来获取指纹图像，在通过一定的技术手段将图像数字化输入计算机，它属于非实时采集。目前“离线式”采集方式在大多数场合已经消失。所谓“在线式”是通过与计算机联机的先进指纹传感器的专用指纹采集设备，将真实的人体指纹直接变成数字图像数据，实时传输给计算机。 基于指纹传感器的“在线式”实时采集设备以其操作简单、实时性强、采集效率高、图像质量好等优点，广泛应用于自动指纹识别领域。 指纹传感器是采集指纹的装置,是一切自动指纹识别系统的必备设备,从原理上,目前见到的指纹传感器分下面3类： (1)光学录入 目录 1绪论 (1) 1.1指纹识别技术的研究背景及意义 (1) 1.2指纹识别技术的国内外研究现状 (3) 1.3本文主要的研究内容和章节安排 (4) 1.3.1研究内容 (4) 1.3.2章节安排 (5) 2指纹图像预处理 (7) 2.1图像规格化 (7) 2.2方向图 (8) 2.2.1点方向图 (9) 2.2.2块方向图 (9) 2.3图像分割 (12) 2.3.1基于灰度分割算法 (12) 2.3.2基于方向图的分割算法 (13) 2.4Gabor滤波 (14) 2.5二值化 (18) 2.6图像细化 (21) 2.61快速并行细化算法 (21) 2.62改进的OPTA细化算法 (22) 2.63合成细化算法 (24) 3特征点提取及匹配 (26) 3.1特征点提取 (26) 3.1.1端点和分叉点的提取 (26) 3.1.2伪特征点的去除 (27) 3.1.3实验结果及其分析 (29) 3.2特征点匹配 (32) 3.2.1图像校准 (32) 3.2.2细节点的匹配 (35) 3.3本章小结 (38) 4指纹识别技术在PC端和Android端的实现 (39) 4.1指纹识别技术在PC端的实现 (39) 4.1.1指纹图像处理模块 (40) 4.1.2指纹匹配模块 (43) 4.2指纹识别技术在Android端的实现 (45) 4.2.1搭建开发环境 (46) 4.2.2Android指纹识别系统的架构设计和实现 (46) 4.2.3指纹匹配测试 (53) 4.3本章小结 (56) 5总结与展望 (57) 5.1总结 (57) 5.2展望 (58) 参考文献 (59) 致谢 (63) V 指纹识别方法的综述 摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 0 引 言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年 来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到 的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分 广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → → → ↓ ↑ ———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪 音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步, 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理 科学技术创新2019.22 (4)实现对监测数据的保存、 提取和打印功能,以备分析。4.2控制供电节能的子系统 供电节能具体包含照度、智能开关、 人体传感器、通讯设施、计算机管理、网络控制等众多部件。其中,智能开关包括控制命 令接收板块、通讯板块、系统供电与照明控制、 开关与状态型号的发送,以此构成有效的现场控制网络;红外传感器与照度负责收集人体探测信息与室内照度并且传递。而计算机管理部门整合管理要求,拟定软件管理过程,同时结合实时数据与信息对其发放控制要求,同时标注照明系统的整个工作状态。另外,控制系统需要整合光照度、课程时间与人体在教室内部是否需要远程控制进行综合处理。 需要系统落实的功能:(1)对于正常上课时间,需要整合光照信息与标准点,确定是否需要对教室照明供电,若系统不对照明系统提供电源,那么将无法使用照明系统。(2)针对特殊光照强度的教室,需要结合教室光照强度与相关参数判别是否需要单独供电,若系统不供电,那么将无法正常使用该系统。(3)下课时间系统可以断开照明系统的供电,手动开关将无法照明。(4)对于上课时间需要立即恢复照明与供电,部分教室会考虑手动开关,以恢复教室内部照明,虽然无人教室有电,但是依然不会使用。(5)整合校内规定,对于自习时间自动恢复一些教室的内部供电,不存在供电的教室将难以控制供电与断电。(6)系统应该整合管理要求,对每个照明系统进行设计。(7)结合作息制度与相关要求设置开关灯,结合作息要求对灯光灵活的控制,或者借助该平台对 于照明实施手动的远方为控制。 也可以整合校园内部网络,与平台进行衔接,将设备能够检测到的开灯数量、 教室内部人数等相关信息传递给平台。(8)对节电控制参数进行远程安排,具体包含 空调、人数、照明设备与作息时间等各个方面。 4.3校园节水方案 加强用水设备的日常维护和管理,及时维修损坏的供水管网和设施,定期检查更换水龙头、管道阀门、冲水阀等排、给水器具, 防止“跑、冒、滴、漏”等各种浪费情况。杜绝“长流水”现象。 绿化浇灌坚持使用节能设施浇灌,加强水资源的循环使用,倡导二次用水、多次用水,提高水资源的利用率。对于本次系统的相关要求,需要将红外感应器安装到卫生间,借助人体感应区的判断,让 控制器自动打开防水阀门,水流出一定时间后再关闭阀门。 放水的延时时间必须整合现场状态调节,这样才能达到控水与节能的目的。另外,阀门还具备手动开关的效果,它能快速解决无法冲水与停电等问题。 参考文献 [1]陈锦勇.校园智能视频监控系统的研究与设计[D].广州： 广东技术师范学院,2014. [2]齐岳,汪小婷,张喻姝.引入绿色基金参与高校绿色校园建设的探索研究[J].未来与发展,2019,4. [3]栾笛.高校建筑电气照明节能设计[J].电子技术与软件工程,2018(22). [4]许立冬,赵满成,吕启元.加强节水管理,建设可持续发展的节水型校园———清华大学建设节水型校园的实践[J].高校后勤研究,2010,6. [5]李杨.北京高校节水管理工作探析———以北京农学院为视角[J].科技经济导刊,2017,20. 作者简介:倪国英(1963-),汉,男,籍贯:山东济南市,大专学历,研究方向:节能减排。 论指纹识别技术的发展现状及发展方向 梁晓菊 （成都理工大学， 四川成都610000）1指纹识别技术简介 指纹识别技术是通过计算机来实现的身份识别手段，也是 当今应用最为广泛的生物特征识别技术， 在过去主要应用于刑侦系统，近几年来已逐渐地走向了民用市场。在具体的使用流程中用户首先需要将手指按压在传感器上来扫描读取采集与储存个人的指纹，然后再将指纹与其已采集的指纹进行指纹识别对比最后鉴定结果，以此来验证身份的真实性，是一项集计算机、网络、光电技术、图像处理、智能卡、数据库技术于一体的 综合高技术。每个人指纹的断点与交叉点都是不一样的， 指纹作为人体特征之一，因其重复率极小，被称为“人体身份证”，具 有唯一与终生不变的特点。所以建立在指纹基础上的指纹识别 技术同时也就具有着很高的可靠性及稳定性， 而且具有随时随地可以使用的特征，方便快捷。这些特征使得指纹识别技术在指纹解锁、指纹支付等方面都得到了大范围的应用。关于指纹 识别技术的发展要追溯到19世纪80年代。早在1880年，英国 人亨利就提出用指纹识别技术来识别犯罪系统， 直到二十世纪七十年代，随着计算机的不断发展及应用， 科学家们就逐步开始使用计算机进行指纹识别技术的相关研究。自二十世纪七十年代末开始，一些有关于指纹识别技术的实用系统就开始出现，相继的其他的有关指纹识别技术的科技产品也就逐步的开始被研究开发与应用。 2智能手机中的指纹识别技术 现目前，智能手机市场差不多已经达到了饱和的状态， 急需寻找一个新的创新点来增强智能手机各自的竞争力，指纹识别技术对于智能手机来说就是这样的一个创新点。每个人的手机中几乎都储存了大量的个人信息及隐私，对于摘要：据相关记载，指纹识别技术最早是应用在刑事鉴定方面，通过指纹来鉴定罪犯的身份， 后来随着指纹识别技术的不断成熟，指纹识别技术就被逐渐的运用到指纹解锁、指纹支付等其他生活领域。首先对指纹识别技术及指纹识别技术的发展进行简单的介绍，再对指纹识别技术在智能手机中及门禁控制系统中的应用来简介指纹识别技术的发展现状以及探讨其未来的发展方向。 关键词：指纹识别；指纹； 技术；应用中图分类号:TP391.4文献标识码:A 文章编号:2096-4390(2019)22-0076-02（转下页）76-- 指纹识别的原理和方法 一、概述 指纹识别的背景知识 我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认。 最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正快速的应用于民用市场。 指纹识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以迅速、准确地鉴别出个人身份。 系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀的指纹处理和比对算法保证了识别结果的准确性。 指纹自动识别技术正在从科幻小说和好莱坞电影中走入我们实际生活中，就在今天，您不必随身携带那一串钥匙，只需手指一按，门就会打开；也不必记住那烦人的密码，利用指纹就可以提款、计算机登录等等。 指纹识别技术主要涉及四个功能：读取指纹图像、提取特征、保存数据和比对。 在一开始，通过指纹读取设备读取到人体指纹的图像，取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。 接下来，指纹辨识软件建立指纹的数字表示——特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。软件从指纹上找到被称为―节点‖（minutiae）的数据点，也就是那些指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。因为通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。 有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没一流种模板的标准，也没一流种公布的抽象算法，而是各个厂商自行其是。 最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。 指纹识别的原理和方法 二. 取得指纹图象 1.取象设备原理 取像设备分成两类：光学、硅晶体传感器和其他。 数字图像处理报告 题目指纹识别算法研究学院信息学院 专业通信工程 班级通信ZY1101 姓名郑涛、江代民 摘要 随着计算机和网络的迅速发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。基于生物特征识别的智能身份认证技术也逐渐受到广泛的关注。在众多的生物识别技术中，指纹识别技术是发展最早、应用最广泛的一种。指纹识别技术充分利用了指纹的普遍性、唯一性和永久性的生物特征，已逐步取代了传统的基于标志和数字的识别方式，目前在网络、银行、金融、医疗和安检等行业均得到了广泛应用。本文对指纹识别系统的原理和基本过程进行了分析研究，重点研究了指纹图像预处理算法，并且进行了验证。 在指纹图像预处理部分，论文对预处理的各个步骤包括规格化、图像分割、中值滤波、二值化、细化等以及各个步骤的方法进行了深入的分析和研究，选择了一种图像预处理方案。 在指纹特征提取部分，采用基于Matlab实现的指纹细节特征提取方法，并给出了去伪算法。指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响匹配精度。采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹匹配。 在指纹匹配部分，本文采用基于细节点的指纹匹配算法，并进行研究。 关键词指纹识别、预处理、特征提取、匹配 Fingerprint Recognition Algorithm Abstract With the rapid Progress of computer science and network technique，An accurate，secure and practical techno1ogy of Personal identification becomes more and more important. Technology of Personal identification based on Biometrics has received extensive attention. Technology of Fingerprint recognition is the earliest one and is app1ied widely in the all techniques of biometrics recognition, then is taking full advantage of the universality, uniqueness and permanency of the fingerprint, and gradually has taken place of traditional identification method that is based on symbol and number. Nowadays the technology of fingerprint identification is fully used in network, bank, finance, insurance and security. This paper research the basic principles and process of the fingerprint identification system，and focus on the pre-processing algorithms of fingerprint image and finally verify. In the fingerprint image processing section, thesis on preprocessing steps including specifications, image segmentation, median filtering, binarization, refinement, and so on, and each step of the way to in-depth analysis and research, is an image processing program. Part of the fingerprint feature extraction, fingerprint-based Matlab implementation details of feature extraction methods, and gives to the pseudo-algorithm. Fingerprint feature extraction is refined to get the details of fingerprint feature points (the endpoint and bifurcation points), this feature points contain a large number of false features, time-consuming and will affect the matching accuracy. Used and the distance to the edge of the false and counterfeit, makes the feature points to reduce the false front of nearly 1 / 3, and then extract a reliable feature point information, in order to achieve the fingerprint match. Part of the fingerprint match, the paper-based fingerprint minutiae matching algorithm, and conduct research. Keywords Fingerprint recognition、Pretreatment、Feature extraction、Matching 指纹识别技术的基本原理 指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。 指纹的特征 我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。总体特征是指那些用人眼直接就可以观察到的特征，包括： 环型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便 1、模式区（Pattern Area） 模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。Aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。 2、核心点（Core Point） 核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。 3、三角点（Delta） 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。 4、式样线（Type Lines） 式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。 5、纹数（Ridge Count） 指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征——节点，却不可能完全相同。 6、节点（Minutia Points） 指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“节点”。就是这些节点提供了指纹唯一性的确认信息。 指纹上的节点有四种不同特性： 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 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：With the developments of the information age, automated fingerprint identification technology has been widely used in public security, customs, banking. This article outlines both the study status and algorithm process of a Automated Fingerprint Recognition System, and on this basis, focuses on the segmentation of fingerprint image and fingerprint image thinning algorithm to do the study. in the fingerprint collection process, there are existences of a large number of low-quality fingerprint images, affecting the identification rate of fingerprint recognition system problems. The paper focuses on fingerprint image segmentation which belongs to pre-research makes a more thorough study, putting forward a fingerprint image segmentation algorithm by used the mean and variance of the image. Calculating the mean and variance of each piece, and then if this result is almost close to 0 that it is regarded as the background. The area variance is not zero will use threshold segmentation algorithm. Keywords:fingerprint recognition; mean and variance; fingerprint refinement 1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 指纹识别的研究目的意义及国内外 研究现状 指纹识别的研究目的意义及国内外研究现状1研究的目的和意义2指纹识别技术简介指纹识别的一般工作模式基于图像匹配的指纹识别系统的研究内容目前指纹识别的应用3国内外指纹识别系统的发展状况指纹识别的起源指纹识别的研究与发展历程1研究的目的和意义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，尤其是在信息社会，人们对于安全性的 要求越来越高，同时希望认证的方式简单快速。为了解决这一问题，人们把目光转向了生物识别技术，希望能借助人体的生理特征或行为动作来进行身份识别。这样您可以不必携带大串钥匙，也不用费心去记各种密码。另外，生物特征具有唯一性，不可复制性，例如指纹，有学者推论：以全球60 亿人口计算，300 年内都不会有两个相同的指纹出现。以电子商务、电子银行的安全认证为例，目前在电子商务中他人会假冒当事人的身份，如果通过生物特征进行论证，就可有效防止此类事件的发生。另外，网络、数据库和关键文件等的安全控制，机密计算机的登陆认证，银行ATM、POS 终端等的安全认证，蜂窝电话，PDA 的使用认证等等，都离不开可靠安全的生物特征识别。可见，生物特征识别不但有可观的经济效益，还有不可估量的国家信息安全效益。长期以来，验证身份的方法是验证该人是否持有有效的信物，如照片、密码、钥匙、 磁卡和IC卡等。从本质上来说，这种方法验证的是该人持有的某种“物”，而不是验证该人本身。只要“物”的有效性得到确认，则持有该“物”的人的身份也就随之得到确认。这种以“物”认人的办法存在的漏洞是显而易见的：“物”的丢失会导致合法的人无法被认证，以及各种信物容易被伪造、破译。网络环境下，密码作为身份识别的标志已被广泛采用。但是密码容易被遗忘，也有被人窃取的可能，已不能满足人们的需要。人们逐渐把目光转向了生物特征识别技术。生物特征识别技术是为了进行身份验证而采用自动化技术测量其身体特征或个人行为特点，并将这些特征或特点与数据库的模板数据进行比较，完成认证的一种解决方案，被评为21世纪十大高科技之一。生物特征识别是目前最为方便和安全的识别技术，并且生物特征识别产品均借助于计算机技术实现，容易与安全、监控、管理系统整合，实现自动化管理。1997年比尔·盖茨曾这 指纹识别 指纹锁的定义 指纹锁属于新一代门锁安防的代表，是一种以人体指纹为识别载体的锁具，是指纹识别技术、电子技术及机械技术的完善结晶。一般来说，能够用指纹、密码、各种功能卡及备用的机械钥匙打开门的锁都可以称为指纹密码锁。 指纹密码锁与传统机械锁最大的区别在于：指纹密码锁利用生物类指纹识别技术于锁具之中，用“指纹”替代了过往用“钥匙”开门的方式。况且，由于人体指纹的唯一性与不可复制性，指纹锁成为目前最为安全与高档的锁具。 1、生物类指纹 狭义的生物类指纹是指我们手指末梢关节指面的凹凸纹路；广义的生物类指纹则包括了手掌纹、脚趾纹以及脚底纹在内。尽管指纹只是人体皮肤的一小部分。但是，它蕴涵大量的信息，这些纹路在图案、断点和交点上是各不相同的，在信息处理中将它们称作“特征”。 医学上已经证明这些特征对于每个手指都是不同的，而且这些特征具有唯一性和永久性，因此我们可以把一个人同他的指纹对应起来，通过比较他的指纹特征和预先保存的指纹特征，就可以验证他的真实身份。 2、生物类指纹识别技术 生物类指纹具有唯一性和稳定性的特点，根据这一特点，我们可以将人的生物类指纹预先保存起来，通过比较他（她）的生物类指纹和预先保存的生物类指纹，可以验证他（她）的真实身份，这就是生物类指纹识别技术。 3、自动指纹识别系统 自动指纹识别系统（Automatic Fingerprint Identification System，简称AFIS）通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以自动、迅速、准确地鉴别出个人身份。 一般可以分成“离线部分”和“在线部分”两个部分。其中离线部分包括用指纹采集仪采集指纹、提取出细节点、将细节点保存到数据库中形成指纹模板库等主要步骤。在线部分包括用指纹采集仪采集指纹、提取出细节点、然后将这些细节点与保存在数据库中模板细节点进行匹配，判断输入细节点与模板细节点是否来自同一个手指的指纹。 采用先进的光电识别办法采集一个生物类指纹信息后，把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理，然后经独特的相关算法进行识别判断，在算法上有的采用的是一个生物类指纹的全部图案，而有的是生物类指纹的特殊细节。 4、生物类指纹门禁控制系统 生物类指纹门禁控制系统是用生物类指纹代替机械之类的传统门禁出入授权方式控制门禁通道人员出入的门禁安全控制系统。 5、指纹锁 指纹锁是利用生物类指纹自动识别原理，集光学、机械、电子及生物类指纹核心算法技术为一身的高科技产品。自动指纹识别技术的发展及应用
基于matlab指纹识别论文详解
指纹识别系统
指纹识别技术的研究
论文：指纹识别过程的探究
(完整版)第二章指纹识别的原理和方法
指纹识别技术的研究与实现
指纹识别系统(文献综述)
论指纹识别技术的发展现状及发展方向
指纹识别的原理和方法
指纹识别报告
指纹识别技术原理及发展
基于指纹识别技术
(完整版)指纹识别的研究目的意义及国内外研究现状
指纹识别技术的应用现状分析
相关主题
文本预览