1、毕业论文文献综述 通信工程 指纹识别技术综述 摘要 : 本文介绍了指纹识别技术在国内外的研究背景和研究现状，对指纹预处理和特征提取、指纹分类、指纹匹配过程中 的方向图、滤波、神经网络等关键原理和技术作了详细的综述 , 并对指纹识别过程中所采用的各种方法作了进一步的分析和比较，最后指出了指纹识别技术的发展趋势。 关键词： 指纹识别 ; 特征提取 ; 预处理 ;指纹匹配 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
2、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 国内外技术现状 近年来，国内外学者对自动指纹识别技术进行了深入和广泛的研究，取得了较大的进展，研究的重点主要集中在如何提高识别的准确率和速度 1。目前， 已经有很多自动指纹识别的产品面市，并开始逐步在管理、门禁、金融、公安和网络安全等领域得到应用。以指纹为代表的生物识别技术的发展和应用，不
3、仅可以开发相关的系列产品，获得巨大的经济效益，还可以带动图像处理 2、模式识别、光学、电子、生理。学和计算机应用等相关学科的发展，具有很高的学术价值，会产生巨大的社会效益 3。文献 4和文献 5中阐述了以指纹为代表的生物识别技术的发展和应用已被公认将会给身份识别领域带来一场革命，并已经成为各国学术界和工业界研究的热点之一。目前，基于通用 PC 机进行指纹识别的技术已经很 成熟，并且已经开始大规模推广 6。讲述了许多大公司有专门的机构从事该项技术的研究、开发、应用，包括 IBM、 INTEL、 Microsoft、 Digitalpersona、 Identix、Motorola、韩国现代、朝鲜
4、培富士、法国 THOMSON CSF、台湾 Aetex 公司、 Veridicom、 BAC 等。在技术上，基于 WINDOWS 操作系统的指纹识别软件和通过 USB 接口与 PC 机相连的指纹采集器已经非常普遍。另一方面，基于嵌入式系统的指纹识别技术，无论是在硬件设计还是算法软件方面都才刚刚起步，在 PC 机上性能优秀 的算法并不一定就能简单的移植到嵌入式系统中。然而，便携式设备的推陈出新，指纹识别技术在今后将被更多的应用于嵌入式设备。因此，基于嵌入式平台实现指纹识别对于拓展嵌入式系统的应用领域，让指纹识别从依赖于 PC 机向脱机使用以及提高系统灵活性、实时性、性价比都具有重大意义 7。 2
5、 自动指纹识别系统构成 图 1是 AFIS（ Automated Fingerprint Identification System） 的流程简图， 先是对指纹进行读取，然后对提取的图像进行预处理，而后把预处理出来的图像的特征进行提取后送到数据 库搜索，找出相应的指纹图像。而指纹识别又是由 指纹分类与特征匹配构成。 2 1 指纹采集 所以，对于指纹识别的第一个步骤就是指纹的取像。要取像，需要借助取像设备，常用的取像设备有光学设备、晶体传感器和超声波。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
6、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 2 图像预处理与特征提取 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 Extraction) 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 8提出了基于脊线跟
7、踪的方法能够从灰度指纹图像中直接抽取细节点及其相关信息。 常用的方法： 常用的预处理和特征 提取的方法有： 指纹图像归一化，计算指纹图像方向场，脊线滤波，二值化和细化， 下面 简单 介绍 这些方法。 1. 指纹图像归一化：文献 9详细的阐述了图像归一法。图像归一化的方法主要是通过将灰度的方差限制到要求范围内来统一图的密度值，指纹图像归一化的主要目是降低沿脊线、谷线方向的灰度的变化程度而不改变脊线和谷线结构的清晰对比度，使图像具有预定的均值与方差。图像一化是像素层次的操作，它将图像的整体灰度均值和方差进行平移，把不同指图像的对比度调整到一个固定的级别。但是对整幅图像进行归一化并不改变图中各部分的
8、相对对比度。 2. 计算指纹图像方向场：文献 10详细的写了图像方向场的计算 (参见 图 2)。 这是一张 9*9的方向图，基准点位于图的正中心，从水平位置开始 , 每隔 pi/8 确定一个方向 , 分别在每一个方向计算该点的灰度和 Si ( slit sums, i = 0,1,7) , I ( i,j) 代表点 ( i ,j) 的灰度值。例如计算S3的公式如下 : S 3 = I ( i - 2, j - 4) + I ( i - 1, j - 2) + I ( i + 1, j + 2) + I ( i + 2, j + 4) (1) 设 Sp和 Sq分别代表 8个方向中最小的与最大的灰
9、度和。该点的方向一般只可能在 p 和 q 这两个方向上。用 C 代表该点的灰度值 , 那么可通过公式 (2) 得到该点的方向 d 。如果该点位于脊沟上 , 那么该 点 的 方 向 定 义 为 p 否 则 为 q 。 如 此 ， 可 以 得 到 每 一 个 像 素 点 的 方 向 。(2) 3.脊线滤波：基于脊线跟踪的方法 11 是直接从灰度及图像获取细节信息的新颖算法 , 试验结果表明这种直接从灰度图像提取细节特征的方法比传统的先二值化再细化的方法具有明显的优点。算法的基本思想是沿 纹线方向自适应地追踪指纹脊线 , 在追踪过程中 , 局部增强指纹图像 , 最后得到一幅细化后的指纹脊线骨架图和附
10、加在其上的细节点信息。由于该算法只在占全图比例很少的点上估算方向并滤波处理 ,计算量相对较少 , 在时间复杂度上具有一定的优势。 4. 二值化和细化：文献 12提出了二值化和细化的概念。二值化主要是根据原始的灰度图像来确定图像上的每一点应属于有效区域还是背景区域，从而产生对应的二值图像。它不仅可以大大减少储存量，而且对使得后面的判别过程少受干扰，大大简化其后的处理方法。二宽度会给后面的识别增添很多麻烦。因 而应先将指纹脊线的宽度采用逐渐剥离的方法，使得脊线成为只有一个象素宽的细线，这将非常有利于下一步的分析，这个过程叫细化。其目的是用一组细线来刻画一个连接成分，这不仅能达到压缩数据量的目的，而
11、且易于对连接成分的特征提取。因而，这一操作过程必然需要删除某些象素。 5特征提取： 在指纹图中出现频度较高的细节特征有 8 种 , 即点、纹线端点、分支、眼、枝叉、交叉、小桥和短线 , 其中纹线端点和分支是两种基本的特征 , 而其他的特征可看作由其组合而成。取纹线端点和分支作为指纹的细节特征。 指纹特征的提取采用链码搜索法对指纹 纹线进行搜索 , 提取出各种特征及其特征的坐标位置。最终形成指纹特征文件 , 文件中包含指纹特征点的种类、大小、坐标、方向等有用的识别信息。在有的系统中 ,还将细节特征与中心之间、或细节特征之间的纹线数提取并记录下来。扫描完整幅图像后 , 可得其全部的特征点 , 这些
12、特征点绝大部分是真实的 , 但其中也包括由噪音引入的伪特征点 , 因此 , 还需进一步根据以下规则去除伪特征点 :纹线断点删除 : 若具有同一方向的两个端点之间的距离小于某一阀值 , 则认为是伪特征点。 毛刺删除 : 若连接于分支上的端点且其到分支的距离小于某一阀值 , 则认为是伪特征点。位于前景区域边界的特征点应删除。 经以上步骤的处理 , 可删除大部分假特征点。 2. 3 指纹识别 下面详细介绍了指纹识别 的两个步骤： 指纹分类和指纹特征匹配 。 2.3.1 指纹分类 指纹分类就是按照指纹的宏观特征把指纹分到相应的类别，其目的是建立指纹数据库索引机制，一般来说是指纹分类要在大规模的数据库上
13、进行计算，这样减少了计算指纹的时间。 一般的指纹分为 5种类型，螺旋型 (Whorl)、右旋型 (Right Loop)、左旋型 (Left Loop)、弓型 (Arch)、帐型 (Tented Arch)。指纹分类的方法一般来说分为基于神经网络的分类方法、基于奇异点进行分类的方法等 。 2.3.1.1 基于神经网络的分类方法：神经网络的方法一般是基于多层感知器或 Kohonen自组织网络。由于人工神经网络具有与人脑相似的高度并行性和良好的容错性 ,特别是以改进型 BP网络为代表的神经网络具有良好的自学习能力、强大的分类能力和容错能力。运用 BP网络进行指纹分类是很可行的 ,但是在采用 BP算
14、法训练连接权值时 ,由于 BP算法存在易于陷入局部极值的缺点 ,因而可能使最终的分类结果达不到理想状态。遗传算法 (GA)是一种 自适应的启发式全局搜索算法 ,能从问题的解空间而不是单个解开始进行鲁棒性搜索 ,可以有效地防止寻优结果收敛于局部最优解。该算法不依赖于问题模型特性 ,没有解析寻优算法要求目标函数连续光滑的限制 ,具有较好的自适应性。文献 8提出了一种利用多个多层感知器来进行分类。每个感知器都试图将指纹图像分类到不同的类中 ,然后再通过感知器对前面的分类结果进行分析处理。 2.3.1.2 基于奇异点进行分类的方法：相对于指纹图像的其它区域而言、奇异点有许多特殊性质。比如对于给定指纹图
15、像的任意一点 ,在其邻域内作一条包围该点的闭合曲线 ,沿该闭合曲线旋转一周计算所得到的方向向量的旋转总和 ,对于不同性质的点 ,这个总和值是不同的 ,涡轮形 (whorl)对应的值为 360%,中心点 (core)对应的值为 180%,三角区 (delta)对应的值为 -180%,而一般 (ordinary)的图像区域对应值为 0%。利用这一特性 ,可找出图像中的奇异点 15。 基于奇异点的数量和位置的启发式规则被用来进行指纹分类。其他的一些诸如脊线形状和方向的细节特征被用来改善分类的性能。由于这些方法严重依赖奇异点 ,所以在一些噪声比较大和局部图像和残缺图像中 ,这种方法会出现比较 大误差。
16、在文献 10中提出了一种迭代方法来降低噪声以增强分类的准确性 ， 取得了一定的效果。 这两种方法相比较而言，基于奇异点的算法更为准确。 2.3.2 特征匹配 经过以上的指纹图像提取，预处理，特征提取，指纹分类后，最后一个步骤就是指纹的特征匹配。指纹匹配就是将待识别指纹的特征信息与指纹模板数据库中保存的指纹特征相比对，从而判断两个指纹是否来自同一个手指的过程。 E.Henry认为，只要两个指纹中有 12-13个特征点重合就可以判定为一个指纹。 指纹匹配的主要方法有 4个。速度较快的是图像相关匹 配 16和纹理编码匹配 17。但是这两种匹配对图像质量要求不严格，忽略了指纹的细节特征，匹配准确性不高
17、。纹线匹配 18的模板容量非常大，需要较多的匹配信息，造成了读取速度慢，一般不使用。目前使用最多的就是细节点匹配 19，这种匹配表达方式简单，能充分利用指纹图像在细节特征上的差异，因此得到了广泛应用。 3 指纹识别技术的趋势 指纹识别技术是一项综合性的高新技术 ,它涉及图像处理、模式识别、计算机、光学、电子和生理等领域 ,是一个学科交叉性很强的研究领域。迄今为止 ,该技术的研究已经取得了巨大的成就 ,但是 ,指纹识别的核心技术仍然存在许多尚未解决的难题 ,尤其是残缺、污损指纹图像的识别等。指纹识别系统将随着更小更廉价的指纹输入设备的出现 ,计算能力更强、更廉价的硬件以及互联网的广泛应用而进一步
18、拓宽其应用。在未来 ,指纹识别技术仍然是一个重要的、极具挑战性的研究课题 .指纹识别可以在以下的方面进行展开 13： (l)开展多种生物识别技术决策融合的系统实现研究。 (2)开展实现指纹识别技术标准化的研究。 (3)开展多分类器融合决策的研究。 (4)开展建立大型指纹数据库检索方法的后续研究。 (5)现有的算法有待从速度和准确 率上进行进一步优化。 (6)对指纹识别技术应用于现实生活中的研究。 参考文献： 1 曾建一指纹识别技术的研究 J自动化技术与应用， 2007， (8):74 76. 2 杨海军图像检测中若干低级处理问题及在指纹识别中应用的研究 D西安：西安交通大学博士论文， 2000
19、. 3 沈庭芝，方子文数字图像处理及模式识别 M北京：北京理工大学出版社， 1998. 4 R.Wildes.lris. recognition:Anemerging.biometrictechno1ogyJ. Proceeding of IEEE,1997,85(9):1348 1363. 5 A.K.Jain. Recent advances in fingerprint verificationJ.In Proceedingsof 3rd International Conference on Audio and Video Based Person Authentication,200
20、1,182 191. 6 柴晓光等民用指纹识别技术 M北京 :人民邮电出版社， 2004. 7 张成，周媛 媛，林嘉宇指纹采集技术及其产品发展趋势 J电子技术应用， 2004. 8 MAIO D,MALTON I D.Davide Matloni. Direct gray scale minutiae detection in finger printsJ.IEEE PAM I,1997,19(1):27-39. 9 罗希平，田捷 .自动指纹识别中的图像增强和细节匹配算法 .软件学报， 2002. 10 KALLE K,ANIL K J. Finger print classification
21、J.Pattern Recognition,1996,29(3):389-404. 11 简兵 ,庄镇泉 ,李海鹰 ,等 .基于脊线跟踪的指纹图细节提取算法 J. 电路与系统学报 ,2001,6(3):1-5. 12 潘雷 .自动指纹识别原型系统的研究与实现 J.北京交通大学 ,2008.10. 13 赵阳 . 基于嵌入式系统的指纹识别技术的研究 J,四川：西华大学， 2008:68 14 于秀霞 . 指纹识别技术及其应用 B, 吉林 : 长春大学 ,2007.30-32. 15 黄韧 ,陆亨立 ,张维新 .基 于方向角度变化的指纹奇异点提取的快速算法 J.华东师范大学学报 ,2002(1):
22、52-55. 16 M.Bazen,G Verwaaijen,S.H.Gerez and et a1.A Correlation.BasedFingerprint Verification SystemC.In:Proceedings of ProRISC2000,Veldhovert,TheNetherlands,2000 17 K.Jain,S.Prabhakar,L.Hong and et a1.Filterbank-Based Fingerprint MatchingJ,IEEE Transactions on Image Processing,2000,9(5):846- 859. 18 J.J.Feng， Z.Y Ouyang,A.N.Cai.Fingerprint Matching Using RidgesJ.Pattern Recognition,2006,39:2131-2140. 19N.Yager,A.Amin.Fingerprint Verification Based ON Minutiae FeaturesJ.A Review. Pattern Recognition and Applications,2004, 7:94 113.
