指纹识别技术的研究与改进

中国科技信息２００７年第５期　ＣＨＩＮＡ　ｓｃＩ　Ｅ　ＡＮＤ　１１三ｃＨＮｏＩ　ｏＧＹ　Ｉ￣ＴＩＯＮ　Ｍ茸．２００７　绞　识别技术研究　郭川军哈尔滨金融高等专科学校　本文深入研究了人体手指指纹，分析了获取　指纹的方法。论述了指纹识别技术的四个步　骤，详细阐述了指纹识别技术的基本原理，　给出了指纹识别算法，深入的描述了Ｂ｛ｏｋｅＹ　算法。　计算机；手指指纹；指纹识别；图像处理　引言　所谓指纹，指手指的末端指肚表面　由有规律排列的突起线状皮肤组织结构　构成的图案，尽管指纹的图像千差万　别、人各不同，但按其组成结构的不同　可将其分为弓型纹、箕型纹、斗型纹和　混杂型纹等四种基本类型。进行指纹识　别可采用两种方法：图像识别法和特征　识别法。图像识别法是将得到的指纹图　像首先按照上述分类法给予分类，再根　据图像中具体的纹线细节特征进行比照　分析，比较该图像与指纹图像库中存档　的哪个指纹图像相符的方法。图像识别　法一般采用手工方式的指纹识别，主要　应用在公安、司法部门，使用起来具有　局限性。特征识别法将指纹图像的细节　特征加以提取，生成指纹特征数据　（包括特征点的类型、位置、方向、　与其他特征点之间的关系等信息），　与指纹特征数据库中存档的指纹模板进　行匹配。特征识别法能利用计算机进　行高速指纹特征数据处理，是目前指　纹自动识别广泛采用的方法。　指纹识别技术主要分四个步骤：读　取指纹图像、提取特征、保存数据和比　对。下面详细阐述。　２、图像增强　刚获得的图像有很多噪音。这主　要由于平时的工作和环境引起的，比　如，手指被弄脏，手指有刀伤、疤、　痕、干燥、湿润或撕破等。图像增　强是减弱噪音，增强脊和谷的对比　度。处理指纹图像的关键是设计一个适　合、匹配的滤镜和恰当的阀值。　１、取得指纹图像　３、指纹识别技术的基本原理　取像设备分成两类：光学、硅晶　体传感器和其他。光学取像设备依据　的是光的全反射原理（Ｆ　Ｔ　Ｉ　Ｒ）。光　线照到压有指纹的玻璃表面，反射光　线由Ｃ　ＣＤ去获得，反射光的数量依赖　于压在玻璃表面指纹的脊和谷的深度和　皮肤与玻璃间的油脂。光线经玻璃设到　谷后反射到ＣＣＤ，而设到脊后则不反射　到ＣＣＤ。晶体传感器是含有微型晶体的　平面通过多种技术来绘制指纹图像。电　容传感器通过电子度量来捕捉指纹。温　度感应传感器被设计为感应压在设备上　的脊和远离设备的谷温度的不同。超声　波扫描很像光学扫描的激光，超声波扫　描指纹的表面。接收设备获取其反射信　号，测量它的范围，得到脊的深度。　１０８　指纹其实是比较复杂的。指纹识别　技术最终归结为在指纹图像上找到并比　对指纹的特征。我们定义了指纹的两类　特征来进行指纹的识别：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：基本纹路　图案环型（１００ｐ），弓型（ａｒｃｈ），螺旋型　（ｗｈｏｒ１）。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。　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。　核心点（Ｃｏｒｅ　Ｐｏｉｎｔ）

第３Ｏ卷第１期　２０１３年１月　吉　林　化　工　学　院　学　报　ＪＯＵＲＮＡＬ　ＯＦ　ＪＩＬＩＮ　ＩＮＳＴＩＴＵＴＥ　ＯＦ　ＣＨＥＭＩＣＡＬ　ＴＥＣＨＮＯＬＯＧＹ　ＶｏＩ＿３Ｏ　Ｎｏ．１　Ｊａｎ．　２０１３　

文章编号：１００７－２８５３（２０１３）Ｏｌ－００７３－０４　

自动指纹识别系统中关于指纹特征算法的研究　

张志伟　

（陕西理工学院物理与电信工程学院，陕西汉中７２３０００）　

摘要：指纹图像的特征提取和匹配在计算机指纹自动识别系统（ＡＦ１Ｓ）中起着至关重要的作用，直接制　约着系统的识别率和识别速度．本文在指纹图像预处理的基础上，对指纹特性算法进行了改进，主要创　新点在于简略细化过程同时引入基于二值化图像的特征提取算法．非正向扫描特征提取算法根据指纹　的综合特征，沿脊线搜索匹配细节特征点，避免伪特征点的提取．改进后的算法在ＭＡＴＬＡＢ环境下成功　应用，实验结果表明，该算法能有效提高识别精度和速度，满足在线验证指纹的实时应用性．　关键词：指纹识别；预处理；特征提取；特征匹配；算法　中图分类号：ＴＰ　３９１．４　文献标志码：Ａ　

在众多的生物识别技术中，指纹识别是出现　

最早、应用最广、价格最为低廉的一种生物识别技　

术，它集传感器技术、生物技术、电子技术、数字图　

像处理、模式识别于一体¨Ｊ．基于指纹识别的身　

份认证已从传统的刑侦扩展到电子商务、考勤、门　

禁、信用卡、养老保险系统等越来越多的领域，现　

已成为主流生物识别技术　引．但是由于缺少高性　

能的指纹采集设备、缺少有效的指纹图像预处理　

方法和缺少高速、精确的指纹细节点提取、匹配方　

法等原因＿４ｊ，使得指纹自动识别在识别的精度和　

速度方面还远不能满足目前很多实际应用的要　

求，本文主要从指纹特征提取方面进行研究，通过　

简略细化过程同时引入新的基于二值化图像的特　

征提取算法，对指纹登录身份验证系统进行了性　

能优化．　

１　指纹图像的预处理　

在指纹识别中，作为指纹匹配的前提和基础，　

基于生物识别的支付安全技术

随着数字支付的普及和发展，支付安全成为人们关注的焦点之一。传统的支付方式，如密码、支付宝账号等，存在一定程度上的安全风险，因此有必要引入更加先进和可靠的支付安全技术。基于生物识别的支付安全技术由于其高度安全性和便捷性，成为了当前研究的热点。

一、生物识别技术概述

生物识别技术是通过感知人体特征，如指纹、声音、面部特征、虹膜等，将其转化为数字或模板，用于识别和验证个人身份的技术。这些生物特征是独一无二的，具有不可伪造性和高度安全性，是实现支付安全的理想选择。

二、指纹识别技术

指纹识别技术是最常见和成熟的生物识别技术之一。指纹是每个人独有的生物特征，其纹路复杂多样，不同于其他特征容易被伪造。基于指纹的支付安全技术，用户只需要将指纹与其关联的支付账户进行绑定，以后支付时只需将指纹进行验证即可完成支付过程。指纹识别技术的高精准度和快速响应时间，大大提高了支付的安全性和便捷性。

三、面部识别技术

面部识别技术是另一种常用的生物识别技术。它通过分析人脸的轮廓、线条、比例等特征，进行身份确认。面部识别技术的应用广泛且简单，用户只需将自己的面部信息录入系统，以后进行支付时，系统会自动进行面部识别，完成支付验证。然而，面部识别技术在一些特殊环境下，如光线情况不佳或戴着口罩等情况下，可能存在较高的误识别率。

四、虹膜识别技术

虹膜识别技术是目前被认为最为安全和准确的生物识别技术之一。虹膜是人眼中丰富的色彩斑点，其特征复杂性和独特性高于其他生物特征。虹膜识别技术在支付安全中的应用，通过采集和比对虹膜特征来验证用户身份。虹膜识别技术具有高度的准确率和安全性，但目前在应用中的成本和复杂性还较高，需要进一步的改进和普及。

五、声纹识别技术

声纹识别技术是通过分析个体说话时的声音特征，进行身份验证和识别的技术。与其他生物识别技术相比，声纹识别技术无需特殊设备，仅需要使用者进行声音录制即可。声纹识别技术在支付安全中的应用，使得用户仅通过说话即可完成支付验证，极大地提高了支付的便捷性。然而，声纹识别技术仍面临环境噪声、声音变化等问题，需要进一步的技术改进。

文章编号：１００７—１４２３（２０１４）０２—００２７—０３　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００７—１４２３．２０１４．０２．００７　

基于指纹识别特征选择的改进加权ＫＮＮ算法　

周奇　

（广东广播电视大学，广东理工，广州５１００９１）　

摘要：　

ＫＮＮ是最著名的模式识别统计学方法之一。它是一种无参数分类方法。由于其分类的简单有效性，因此得到较为广　

泛的应用。但是对ＫＮＮ分类系统的全面评价还有待进一步研究。提出的改进加权ＫＮＮ算法相比之下具有更高和更　加稳定的识别率。因为它在经典ＫＮＮ算法基础上增加加权距离和类间相似度信息．比经典ＫＮＮ这种单纯依靠投票　的分类方法更加可靠，在分类识别研究中更具有研究和应用价值。　

关键词：　

ＫＮＮ；改时加权；加权距离；类间相似度　

基金项目：　广州市高等学校第五批教育教项目（Ｎｏ．ＪＧ２０１３３７）、广东省高职教育教学管理委员会项目（Ｎｏ．ＪＧＷ２０１３０７０）　

１　基于加权的改进ＫＮＮ识别算法　

ＫＮＮ是最著名的模式识别统计学方法之一。它是　

一种无参数分类方法．由于其分类的简单有效性，因此　

得到了较为广泛的应用　但是对ＫＮＮ分类系统的全面　评价还有待进一步研究。在决定ＫＮＮ分类性能时，有　

三个重要的因素需要考虑：决策规则、ｋ的取值、特征集　的大小。我们重点讨论决策规则对分类性能的影响。　

ｋｎｎ的决策规则中一个显然的问题是．只按照前ｋ个近　邻样本的顺序而不考虑它们的距离差别是不适当的。　

尤其是当样本分布密度不均匀时．会造成分类器性能　

的下降。因此。根据各个近邻距待分类样本的距离不　同．对它们的作用进行加权．一直是人们研究的热点。　目前．这种分类通常采用的加权方案是以近邻与待分　

类样本之间的相似度作为加权因子．比经典的ＫＮＮ获　得了更高的分类精度　

２　决策规则的比较与改进【１】　

经典ＫＮＮ算法的决策规则很简单：取未知样本　的ｋ个近邻。看这ｋ个近邻中多数属于哪一类．就把