1、i本科毕业论文（20 届）指纹识别系统的设计与实现所在学院专业班级 电子信息工程学生姓名指导教师完成日期i指纹识别系统的设计与实现目 录前言 .1第 1 章 绪论 .2第 1.1 节 指纹学历史 .2第 1.2 节 指纹识别技术的优越性 .2第 1.3 节 指纹识别系统的应用前景 .2第 1.4 节 指纹识别系统的结构 .3第 2 章 指纹图像处理 .4第 2.1 节 图像分割 .4第 2.2 节 图像增强 .5第 2.3 节 图像二值化 .5第 2.4 节 图像细化 .5第 2.5 节 指纹的细节特征提取 .6第 2.6 节 指纹图像的匹配 .6第 3 章 算法研究 .8第 3.1 节 Ga
2、bor 滤波增强 .8第 3.2 节 二值化的算法 .8第 3.3 节 细化算法 .10第 3.4 节 匹配算法 .10第 3.5 节 新算法 .10第 4 章 指纹图像仿真 .12第 4.1 节 指纹图像仿真 .12第 4.2 节 指纹图像仿真结果分析 .13结论 .14参考文献 .14致谢 .15附录 .16源程序 .16第 1 页指纹识别系统的设计与实现【摘要】：文章主要介绍了指纹识别系统的传统算法以及它的改进算法。传统灰度图二值化的基本思路是选取适当的灰度阈值，将灰度图像转化为二值图像。算法主要是计算整幅图像的灰度平均值，然后将该值作为门限，高于该门限的像素点就置 1，反之置0。但是这
3、种算法得到的指纹噪声比较大，质量也不高。因此，文章提出了动态局部阈值法，通过灰度值判断是否为背景来修正 Icc 的值，再确定像素值，得到连续圆滑的指纹图像。在细化部分提出了简化模板的算法，更加快速。仿真结果表明，文章提出的俩部分算法能得到黑白的二值图像和很细的以像素为单位的线，图像清晰。【关键词】：二值化；细化；算法；仿真；Abstract: The article introduces the traditional method of fingerprint recognition system and its improvement.Traditional grayscale binar
4、y basic idea is to select the appropriate threshold gray, gray image into a binary image. This algorithm is to calculate the average of the whole image of the gray, then this value as the threshold, the threshold is higher than the pixels on the set, otherwise set to 0. However, this algorithm is th
5、e relatively large noise fingerprint, is not high quality. Therefore, the article presents a dynamic local threshold method, by the gray value to determine whether the background correction value Icc, and then determine the pixel values to obtain a continuous smooth fingerprint image. In the refinem
6、ent algorithm is proposed to simplify the template part, more quickly. Simulation results show that the two parts of the article proposed algorithm can be black and white binary image and a very fine line of pixels, the image is clear.Key words: binarization; thinning; algorithm; simulation第 1 页前言随着
7、计算机的广泛使用，人类已经进入了飞速发展的信息时代，指纹识别已经逐渐形成了一个新的身份验证技术。传统使用的密码，证书作为身份证明的方式是容易忘记，容易丢失，容易伪造的，所以不再满足现代数字化社会的需要。指纹，是人体特有的生理特性，虽然是人体皮肤的一小部分，但它的纹理复杂度足以有识别的功能，并且还具有非侵入性，唯一性和不变性等特性，具有极高的安全性，因此成为生物识别技术的重点。本论文通过对指纹识别系统各方面的介绍，让人们更加详细的了解指纹识别，进而推动指纹识别普及应用。本论文的指纹来自于 FVC2004 指纹库，采用的是 MATLAB 软件对其进行相关处理。本论文分为五章，主要内容如下：第一章介
8、绍了指纹学的历史，指纹识别技术的优越性，说明指纹识别技术的应用前景和指纹识别系统的组成。第二章对指纹图像处理各个环节做具体阐述说明。第三章在原来算法基础上提出新的算法，并对所提出的算法加以阐明并对其进行仿真，检验是否能达到预期的效果。第四章对指纹图像进行仿真并分析结果是否达到识别效果。第 2 页第 1 章 绪论第 1.1 节 指纹学历史指纹识别技术非常古老，早在 6000 多年前就被人类使用。据考古学家证实，早在原始社会末期，作为一种身份识别工具，指纹识别在我们的国家已有所运用。芝加哥菲尔特博物馆还收藏了一枚我国周朝的印章，反面印有印章主人的拇指指纹。秦汉公私简牍封泥上甚至盖有指纹。因此，指纹
9、的特性在不同时代就已被认识和接受。尽管我们的指纹被广泛应用于在远古时代，但这个应用是一种感性的应用，而没有全面的分析和在感性应用的基础上归纳推理，更加没有提高科学认识并且理性地进行应用。公元 1684 年公元 1915 年，指纹科学逐步发展起来。推动指纹识别大规模使用的真正动力是不断增长的司法的认证要求。20 世纪初，指纹识别作为一种有效的个人身份验证方法正式公开被公众接受，并成为法庭庭辩中的标准过程。指纹认证机构和犯罪指纹数据库在世界建立。指纹学进入我国是在 20 世纪初。孙中山先生当时对指纹的认识是“预防假伪，当以指模为证据,盖指模人人不同，终身不变，无论如何巧诈，终不能作伪也” ，他说：
10、“亦档以指模为识别，以防假伪，此至良之法也” 。第 1.2 节 指纹识别技术的优越性生物识别技术是利用人体的生理特征进行身份验证的技术。因为每个人都有不同的生物特征，所以不易伪造和假冒，所有利用生物识别技术进行身份识别都是安全，可靠和准确的。 常见的生物识别技术包括指纹，掌纹，人脸，签名和声音。下面简单介绍指纹识别技术的优点。 （1）和脸部识别，声纹识别，掌形识别，签名识别，走路的姿势步态识别的生物识别技术相比，指纹识别具有信息量大，不易出现识别错误的优势。（2）和虹膜识别，视网膜识别的生物识别技术相比，指纹识别具有特征信息采集方便、操作容易等优势。（3）而 DNA 鉴定技术的 DNA 采集过
11、程复杂、识别设备昂贵、识别时间长且使用不方便，因而缺乏商业价值。在文献检索、证据事实识别中，自动指纹识别系统识别正确、快速，具有很大的优势。因此，在生物识别技术中，指纹识别技术已经成为主角。第 3 页第 1.3 节 指纹识别系统的应用前景指纹具有唯一性和不变性的特点。相比于传统的身份鉴别方法，指纹无法丢失、被盗，也不用担心被遗忘。因此在身份认证和身份识别中，指纹认证成为重要的手段。随着指纹模式识别技术的发展和提高，指纹认证为网络和信息安全认证提供了非常好的手段，它可应用于社保服务管理、医保服务管理、电子护照、电子身份证、电子驾驶证、电子银行账户、网络化指纹门锁和指纹门禁等。第 1.4 节 指纹
12、识别系统的结构一个良好的生物识别系统要求能实时快速并且有效地完成识别过程。所有的生物识别系统都包括以下几个处理过程：采集、图像处理和匹配。指纹识别处理也一样，它包括指纹图像采集、指纹图像预处理、特征提取与匹配等过程。指纹识别系统的结构如下图 1-1 所示：图像采集预处理输出结果特征提取比对/匹配 指纹库图 1-1 指纹识别的结构系统第 4 页第 2 章 指纹图像处理第 2.1 节 图像分割前一章已经介绍了指纹识别系统主要由指纹图像采集、指纹图像预处理、特征值提取与匹配这四个部分组成。而指纹图像预处理的第一步就是指纹分割。目前，在已提出的分割算法中，主要可划分为三种类型：边缘检测型、阈值型和区域
13、跟踪型。2.1.1. 边缘检测型图像边缘是图像分析的重要部分。因此，在图像边缘的图像处理和图像检测是非常重要的，因此，产生了大量的边缘检测方法。常用的边缘检测方法有Roberts、Sobel、Prewitt、Laplace 和 Ganny 等算子，但特点有所差异，比较如下：Roberts 算子是一种利用局部差分方法寻找边缘的算子，在低噪音的图像响应最好；Sobel 算子对图像边缘进行检测采用的是两个卷积核，测水平边缘是前核，测垂直边缘后核。若要比较两个卷积结果，则将其中大值作为该点的输出值，以得到最后的结果；Prewitt 算子和 Sobel 算子非常类似，它采用的也是两个卷积核；Laplac
14、e 是一种比较“另类”的方法，其特点是各向同性，即边缘检测的结果与边缘的方向没有任何关系； Canny 法检测强边缘和弱边缘使用的是两个阈值，并且只有在弱强边缘相连时，弱边缘才会包含在输出中，可以看出，此方法能检测到真正的弱边缘并且不易受噪声干扰。由上面的比较可以看出，Canny 算子的检测结果最好，能够检测出所有边缘，第二是Laplace 算子，但边缘可以看出有缺失。接着就是 Sobel 和 Prewitt 算子，最差的是 Roberts算子。2.1.2. 阈值型阈值分割就是使用一个或多个阈值将图像的灰度直方图分成几类，同一灰度类的像素则是同一物体。它的优点是计算简单，高操作效率，高速；缺陷
15、是只考虑了图像的灰度信息，而忽略了图像的空间信息。其原理如下：设 f(x,y) 是原始灰度图像,以一定的标准在 f(x,y)中找到一个灰度值作为阈值，将图像分割为两部分，则分割后的二值图像 g(x,y)见公式（2-1 ）：（2-tyxfyx),(,01),(g1） 阈值分割法的关键是如何选择合适的阈值。如果阈值选取的过高，则过多的点会被错误的归为背景；反之，阈值选得过低，结果也会相反。2.1.3. 区域跟踪型没有或很少考虑空间关系的阈值分割法，有着限制多阈值的缺陷，而区域分割法可第 5 页以弥补这一不足。该方法是对图像的空间性质进行利用，分割出的属于同一个区域的像素应具有相似的性质。传统的区域
16、分割方法有区域生长法和区域分裂合并法。该类方法对一些先验知识不足的含有复杂场景或自然景物等图像进行分割，也可以取得较好的性能。第 2.2 节 图像增强从采集头往往得到的是带有大量噪声的指纹图像。这些噪声有：采集头的污渍、指纹上的疤痕、指纹粘连、纹线断裂等。这些噪声不利于准确提取指纹原本的特征信息，所以有必要增强采集到的指纹图像。归一化处理可以消除传感器的噪声和手指压力不均造成的灰度差异，将该指纹图像的对比度和灰度调整成一个固定的级别，从而提供一个较为统一的图像规格，为后续工作提供方便。设指纹图像 G 的大小为 M*N，G（i,j）为像素点（i,j）的灰度，M 和 VAR分别为原指纹图像的均值和
17、方差，NOR（i,j）为归一化后的像素点（i,j）的灰度，M 和VAR 由公式（2-2）和（2-3）计算得到：（2-10),(*)(NijiII2）（2-102)(,()(Nij IMjiIIVar3）第 2.3 节 图像二值化指纹图像不只是一个简单的灰度纹理图像,它也有一定的复杂性。首先,指纹图像具有纹理走向,接近指节的地方纹线粗大,中心部位纹线结构复杂,纹线中有可能还存在褶皱纹或伤疤。再者,指纹的纹线并不流畅。每一条脊线中包含有若干个汗孔；每一条谷线中含有细点线,这些细点线的增长会使脊线发生偏移。并且在采集物体表面手指的压力分布是不均匀的,从而使纹线密度和纹线粗细发生变化，而这就需要对指纹
18、图像进行二值化处理。指纹的二值化处理过程是比较难突破的一个不可缺少的环节。它是将含有噪声的灰度图像处理成适于特征提取的二值图像。其好坏直接影响着整个识别系统的性能。二值化的目的是为了后期细化图像,从而减少提取特征和比对计算的复杂程度。第 2.4 节 图像细化指纹图像预处理是一个很重要的部分，它的处理效果直接影响后续的特征提取与指纹匹配，而指纹细化又是预处理中的一个重要环节，因为一般的特征提取都是在细化的第 6 页基础上进行的，如果细化不好，将无法使用常规的特征提取算法提取细节特征信息。细化处理是指在指纹图像二值化以后，在不影响纹线连通性的基础上，删除纹线的边缘像素，直到纹线为单像素宽为止。理想
19、细化后的纹线骨架应该是原始纹线的中间位置，并保持纹线的连接性、拓扑结构和细节特征。一种好的细化算法应该满足下列条件：(1)、 收敛性：迭代必须是收敛的。(2)、 连接性：不破环纹线的连接性。(3)、 拓扑性：不引起纹线的逐步吞食，保持原图像的基本结构特征。(4)、 保持性：保护指纹的细节特征。(5)、 细化性：骨架纹线的宽度为 1 个像素，即单像素宽。(6)、 中轴性：骨架尽可能接近条纹中心线。(7)、 快速性：算法简单，速度快。第 2.5 节 指纹的细节特征提取细节特征提取是为了找到指纹图像中能够提供唯一性的确认信息，细节特征提取的好坏直接影响匹配的结果。细节特征提取的方法分为两种：一种是从
20、灰度图像中提取特征，另一种是从细化二值图像中提取特征。直接从灰度图像中提取特征的算法一般是对灰度指纹纹线进行跟踪，根据跟踪结果寻找特征的位置和判断特征的类型。这种方法省去了复杂的指纹图像预处理过程，但是特征提取的算法却十分复杂，而且由于噪声等因素影响，特征信息（位置、方向等）也不够准确。目前大多数系统采用第二种方法，从细化二值图像中提取特征，此方法比较简单，在得到可靠的细化二值图像后，只需要一个 33 的模板就可以将端点和分叉点提取出来。现实中，指纹输入时，由于很多影响，得到的指纹图像大都含有断纹、褶皱、模糊、灰度不均匀等质量问题，虽然经过预处理，图像质量会有所改观，但预处理算法对各个指纹的适
21、应性和有效性也会不同，并且会引入新的噪声，因此得到的细化二值图像往往含有大量的伪特征点。伪特征点不仅会影响匹配的速度，严重的会影响整个识别的正确率。所以提取特征点后要进行去伪处理，尽可能滤除伪特征点、保留真特征点。实践中发现，伪特征点的数量一般占总特征数量的一半以上，所以去伪是必不可少的过程。去伪过程可以在两个阶段进行：一是在特征提取之前对细化二值图像进行平滑、去除毛刺、连接断纹等操作，然后提取特征作为真特征；另一种是在特征提取之后，根据特征之间的相互关系，尽可能准确的识别伪特点并滤除他们。前者直接对图像进行修补，操作比较复杂，容易引入新的伪特征；后者对特征提取后的数据进行判断，识别比较麻烦，但是速度较快。第 7 页第 2.6 节 指纹图像的匹配指纹匹配是指从已有的指纹集合中找出与待识别指纹图像匹配的过程。指纹匹配是自动指纹识别系统中最关键的一步。目前指纹匹配方法可以分成两类，即验证(Verifi-cation)模式和识别(Identification)模式。验证模式即一对一比对，在这种模式通过将采集的指纹特征与已经保存在模板数据库中的一个生物特征进行比对，并与一个唯一的个人识别码建立联系，从而达到身份确认的目的，防止多人用同一个身份。而识别模式是 1:N 的比对，通过将采集到的指纹特征与模板数据库中的指纹特征逐一对比，找到与之相匹配的指纹特征信息，从而达到身份验证的目的。
