指纹识别 - 图文

1． 关于指纹识别

研究和经验表明，人的指纹、掌纹、人脸、声纹、虹膜、视网膜、骨架等都具有唯一性和稳定性的特征，基于这些特征，人们发展了指纹识别、面部识别、声纹识别等多种生物识别技术，其中指纹识别技术更是生物识别技术的热点。

指纹识别也属于模式识别范畴，都可以用来判别人的身份，与其他生物识别相比指纹识别有以下几个方面的优点：

? 指纹识别的平均准确率高 ? 指纹采集设备成本较低 ? 使用者的接受程度高

? 能够适应的应用场合更加广泛 ? 产业化程度高

指纹识别系统几乎适用于所有需要进行安全性防范的场合，遍及诸多领域，在包括金融证券、IT、安防、公安、医疗、福利等行业的许多应用系统中都具有广阔的应用前景。 2． 指纹识别的原理和一般方法 指纹识别系统主要有以下几个环节：指纹图像采集、指纹图像预处理、特征提取、指纹特征匹配，指纹识别流程图如下：

指纹一般通过指纹采集器来提取，目前常用的指纹采集设备有三种：光学式、硅芯片式和超声波式指纹采集器。 在指纹识别系统中，指纹图像的预处理是正确的进行特征提取、匹配等操作的基础。预处理的目的就是利用信号处理技术去除图像中的各种噪声干扰，把它变成一副清晰的指纹图像，恢复指纹脊线结构，以便可靠提取正确的指纹特征；指纹预处理一般包括这样几个过程：首先对指纹图像进行归一化，接着提取指纹的方向图，然后基于此方向图进行灰度图像的滤波再进行二值化、细化。 细节特征的坐标直接表征该指纹，因此特征提取的好坏直接影响到以后的指纹匹配记过，所以特征提取是指纹识别系统的关键部分之一。 指纹识别的一般方法是在两幅图像中采用一定的方法提取特征点，对特征点进行匹配，这就是点模式匹配问题。 在整个指纹识别系统中，预处理和特征提取是两个关键步骤，直接关系到结果的好坏。

3． 指纹预处理

（1） 图像归一化

图像归一化的目的是为了消除传感器本身噪声或手指压力不同以及其它原因造成的灰度差异，把图像的平均灰度和方差调整到预定的级别上，方便后续处理。公式如下：

这种传统的归一化方法存在一些缺点：首先它的平均灰度和平均方差是基于整个指纹图像，与实际指纹有效区域的平均灰度和方差有一定的偏差；其次它采用的期望灰度值和方差是个固定值，一些采集不好的指纹图像，局部区域的平均灰度和方差可能与整体的相差比较大，效果不好。

可以采用基于块的动态归一化方法来克服这些问题：首先进行直方图均衡，选择感兴

dd趣的区域ROI，再对该区域进行归一化处理。使用ROI的均值M0和方差VAR0，并根

据局部块的均值和方差动态调整：

其中α、β是权值系数。 （2） 指纹有效区域分割

指纹图像分割是指纹图像预处理的重要组成部分，其目的是从指纹图像中分离出清晰的指纹区域和有噪声但可以恢复的指纹区域，使后续处理能够集中于这些有效区域进行。 目前已经有很多关于有效区域的分割算法，本文采用的分割算法是基于像素的，使用了以下两个特性：

? 指纹图像梯度矢量的模值M：每个点的梯度矢量的模值代表了该点附近的灰度变

化强弱，可以表征属于指纹区的可能性的大小

M?Im2?Re2，其中Im为方向图的虚部，Re为方向图的实部

? 指纹方向图的方向一致性Coherence：由下列公式可以看出，在领域W内的每个点

的梯度方向越一致，得到的值Coherence就越接近1；因此，每个点的方向一致性可以表征该处指纹区的质量好坏程度，是属于可以恢复的指纹区还是不可恢复的无效区域

Coh?(?Re)2?(?Im)2WW?(ReW2?Im)2

算法的主要步骤如下：

? 如果点(i0,j0)领域W内平均模值小于阈值Mth，则把该点判为背景点，公式如下：

? 如果点(i0,j0)领域W内一致性系数Coherence平均值小于阈值Cohth，则把该点

判为无效区域，公式如下：

? 填充区域面积较小的空洞、去除区域面积较小的额孤立区域 实验的效果图如下所示：

（3） 指纹方向图

指纹图像是由局部平行的脊线和谷线构成的一种方向性很强的纹理图像，纹线的走向是指纹图像的内在属性，获得准确的方向图是指纹预处理的重要一步，是指纹增强、二值化、细化、指纹分类和指纹匹配等后续处理的重要基础。

求方向图的算法很多，基于梯度的方向图估计算法就是其中一种，由于计算简单，所获得的方向图比较准确，因而获得了广泛的应用。 该算法的主要步骤如下： ? 首先计算每个点的水平方向梯度Gx和垂直方向梯度Gy，梯度算子可以是简单的

Sobel算子或是较为复杂的Marr-Hildreth算子，通常采用Sobel算子来计算Gx和Gy

Sobel算子如下：

则Gx，Gy的极坐标形式为：

Gx??cos?,Gy??sin?，式中?为梯度矢量的模，?为相角。

? 由于?和???两个方向角对纹线的走向来说是无差别的，可以把角度加倍使所表

22示的方向一致，方向场可转换为一个连续的矢量场：Re?Gx?Gy,Im?2GxGy相应的极坐标形式为：Re??2cos2?,Im??2sin2? ? 对方向图进行平滑：实部和虚部分别进行邻域平均Vre?1N?Re,Vim?W1N?ImW8?8或16?16）式中W是w?w（通常是的邻域模板。如果是计算块方向图，通

常使用5?5的块低通滤波器做进一步的平滑，减小块间的方向不连续性 ? 最后指纹的方向图有公式??V1?同时可以求得指纹方向图的tan?1(im?)求得，

2Vre2(?Re)2?(?Im)2方向一致性系数Coh??(Re2?Im)2，方向一致性系数反映了邻域内点方

向的一致性程度，可以用来分割指纹背景和无效区域

基于梯度的方向图算法性能分析： ? 如果采用Sobel算子来求方向，因为它只考虑水平和垂直两个方向上的梯度分量，

不能兼顾其余方向上的精确性，而采用Marr-Hildreth算子则复杂度更高 ? 每个点的方向是局部方向的最小均方估计，对于均匀分布的噪声平滑效果较好，但

在邻域平滑时每个点方向的权值其实是该点的梯度的模的平方，往往少数梯度大的点起来主导作用，而指纹的断痕、畸变等区域的梯度往往比较大，对方向的估计影响较大

? 邻域模板是大小固定的均值模板，不能动态适应指纹方向图平滑需要。首先，如果

平滑模板过大则不能准确反映纹线方向细节变化，反之则方向图平滑不够，不足以克服噪声和形变等因素带来的影响；其次，模板的系数是相等的，但实际上邻点距离中心点越远，邻点方向对中心点方向影响越小

? 基于梯度求取方向图的方法假设指纹是由变化缓慢的并行纹线构成，在一定大小的

邻域内指纹方向大概一致，但在指纹纹线变化比较剧烈的地方，例如中心点、三角点附近，该假设不满足

基于以上分析，对基于梯度的方向图估计算法做了一下改进。为了兼顾其他方向上的精确性，采用0度、90度、45度和135度方向的梯度分量来计算方向，对比图如下:

其中0度和90度方向的梯度分量由Sobel算子求得，记为G0,G90，则有：

22G0??1cos?1,G90??1sin?1，式中?1?G0?G90

而45度和135度方向的梯度分量分别由下面的模板求得：

记为G45,G135，则有：G45??2cos?2，G135??2sin?2 式中?2?22G45?G135，?2为旋转45度后的坐标系中的相角；

把角度加倍，则方向图的实部和虚部分别由下式求得：

式中k是因为模板不同而设置的加权调整系数。公式中每个点方向的权值改为梯度的模，

而不是原来的模的平方，在直角坐标系中上式可表示为：

方向图的平滑：方向图的平滑是在邻域上进行的，这是在一定大小的邻域内指纹方向大概一致的假设上进行的，但在指纹纹线变化比较剧烈的中心点、三角点附近不满足这个条件。针对这种情况采用不同的平滑方法，奇异点附近区域采用以奇异点为圆心的扇形邻域平滑，其他区域采用方形邻域平滑。（具体见参考文献）

本文来源：https://www.bwwdw.com/article/xtzd.html