1、毕业论文题 目 基于特征提取与匹配的指纹识别 学生姓名 蒋晨曦学 号 20111334041学 院 电子与信息工程学院专 业 通信工程指导教师 胡昭华 I基于特征提取与匹配的指纹识别蒋晨曦南京信息工程大学电子与信息工程学院，江苏 南京 210044摘要：由于指纹自身具有固有的稳定性与不重复性的生物特性，基于指纹的识别方式是各识别方式中最可靠，最安全的一种。但往往识别指纹的过程又会受到来自于皮肤湿度，皮肤残缺，皮肤弹性，灰尘等等的不良影响。本文提出一种基于特征提取与匹配的指纹识别算法，首先利用中值滤波对原始指纹图像进行去噪，然后通过高通滤波对去噪图像进行增强，接下来对指纹增强图像作二值化处理并依
2、据模板及查找表进行图像细化，最后针对端点与叉点进行特征采集与匹配从而实现指纹的识别，并利用实际实验证实了本文所提出的指纹识别的可行性。关键词：指纹图像；图像处理；特征提取；特征匹配；指纹识别IIFingerprint Identification Based on Feature Collection and Matching Jiang chenxiSchool of Electronic feature collection; feature matchingIII目 录1.绪论 .11.1 研究背景与意义 .11.2 指纹的基本概念 .11.3 指纹识别系统的简介 .21.4 指纹识别系
3、统的发展历史 .21.5 研究的主要内容 .32.指纹图像的预处理工作 .32.1 指纹图像的数值化表示 .42.2 指纹图像的裁剪 .42.3 指纹图像的平滑处理 .52.3.1 空间低通滤波法 .52.3.2 多幅图像平均法 .62.3.3 中值滤波法 .72.4 指纹图像的锐化 .82.5 指纹图像的二值化 .92.6 指纹图像的细化 .102.6.1 图像细化的含义 .112.6.2 细化过程 .133.指纹图像的特征提取 .143.1 图像的特征 .143.2 指纹图像的特征提取 .153.3 端点与叉点的提取方法 .164.指纹图像的特征匹配 .174.1 特征匹配的优势 .174
4、.2 指纹特征的匹配方法 .185. MATLAB 指纹识别仿真的实现 .185.1 实验运行 环境 .195.2 实验内容与分析 .196.总结 .31参考 文献 .31致谢 .3201.绪论1.1 研究背景与意义当前信息时代大环境下，有关于信息安全与个人身份鉴定的问题日益凸显出来。而简单的设置密码或者是磁卡等方法都会时不时的遇到忘记或是更有甚者被盗的情况，其安全性与可靠性着实堪忧。但是指纹凭借着自身固有的独立性与稳定性在身份识别的领域中独树一帜。作为目前身份认证中运用最广泛的方法，我们身边的指纹识别随处可见。我们手中的如苹果，魅族，华为等智能手机的指纹解锁功能就受到了来自广大用户的一致好评
5、；而各个企业中基于指纹识别原理的权限系统与考核记录也都得到了普及；目前驾照等考试也运用到了指纹识别，这就确保了学员身份的准确性，确保了驾照的质量。诸如此类的等等应用实例都表明指纹识别研究是目前不可否认的重要的信息安全问题。本文中将利用数字图像处理的相关知识来对指纹图像进行图像预处理，指纹特征点提取以及特征匹配，并最终通过实验来实现指纹图像的识别功能。1.2 指纹的基本概念手指上高低不平的线的集合叫做指纹 1。这些线不会随时间改变而改变，并且每个人的指纹都具有不重复性。指纹本身所具备的这两个固有特性使得它成为身份识别的不二之选。一般而言，指纹结构特征包含两个层次，分别是局部特征以及全局特征 2，
6、其中全局特征意思为通过人眼观察就可以发现的特征；反过来相应的将纹线上各种特征点称作局部特征。就这个层次而言，可能会出现两个人的指纹具备完全相同的全局特征的情况，但是任何两个人的指纹都是不可能具有相同的局部特征的，这也就是为什么指纹识别具有极高的可靠性的原因。具体而言，全局特征包含有五种特征，分别是三角点与纹形，核心点与纹数以及模型区。而全局特征中的纹形又可分为三种基本类型,而相应的分别称这三种基本类型为斗形，弓形以及箕形，具体的图形如下图所示:1(a)斗形 (b)弓形 (c)箕形图 1.1 纹形类型而局部特征的所包含的细节特征数量很多，这里只给出以下几种：1.叉点：单纹路分离变成多条纹路所对应
7、的具体位置；2.端点：纹路结束的位置；3.起点：纹路的起始位置；4.结合点：多条纹路互相结合最终汇成一条单纹路所对应的交汇位置；5.孤立点：短到变成一个点的纹路；1.3 指纹识别系统的简介此处本文给出指纹识别的经典过程 3，其中包含了指纹采集与图像预处理，特征提取与特征匹配，以及数据库五个模块，如图 1.2 所示:图 1.2 经典指纹图像识别过程用于采集指纹图像的硬件设施大约分为三种 4，分别依靠超声波扫描，传感器以及光学识别来实现获取图像的目的。而图像处理中一般包括图像的增强与图像的裁剪，锐化以及二值化，还有修饰与细化。而在特征选取的过程中，通过不断地实验经验积累，最终选取特征为端点以及分叉
8、点。1.4 指纹识别系统的发展历史20 世纪 90 年代末，图像采集的普及化与廉价化加上编程算法可靠性与简单化的演变趋势极大地促进了指纹识别系统的发展。而到了 21 世纪，指纹识别渐渐在民用领域普及开来，指纹识别技术自然而然也就成为国内外学术研究界的宠儿。目前最常见的苹果 Iphone 系列中就广泛应用了指纹解锁的功能。指纹采集 特征提取图像处理特征提取 数据库训练模块指纹采集 图像处理匹配鉴别模块鉴别结果2而在国内，目前已有的光学采集与传感器采集技术和嵌入式指纹自动识别技术，特征匹配识别都已经比较完善了。比如今年刚刚推出的魅族智能手机中就自带了 IFS 指纹识别方案的指纹解锁的功能，而华为的
9、按压式传感器识别技术也在其新推出的产品中得到了相应运用。众多的企业与个人都在指纹识别的道路上努力前行着。1.5 研究的主要内容在本次毕业设计的过程中，主要研究的内容是在数字图像处理基础上的指纹图像识别，其中包括了利用中值滤波与高通滤波实现的图像的增强，图像的二值化与细化表示以及针对于端点与叉点的指纹图像的特征采集与依照端点与叉点间的特征向量比较的特征匹配。并最终实现指纹识别功能。 在对给定的指纹图像完成定位之后，参照实际使用过程中所需求的识别精度与识别速度，来权衡适当的进行图像的分区方式。在依次完成了指纹图像的预处理工作之后，就开始寻找，提取指纹的局部特征，也就是端点与叉点。并依据端点与叉点的
10、相对位置建立特征向量，将此作为最终特征匹配的依据，比较两个图像是否属于同一个指纹，并反馈给用户，进而就实现了指纹识别的功能。2.指纹图像的预处理工作作为指纹识别过程中的第一步，预处理工作主要包括有为了方便程序掌控而进行的指纹图像的数值化，为了降低计算量而进行的指纹图像的分割，为了取出噪声干扰而进行的指纹图像的平滑处理，为了突出纹线特征而进行的指纹图像的锐化，为了进一步优化算法与存储而进行的指纹图像的二值化以及指纹图像的细化。这里就本次设计而言，以一个指纹图像的原始图像与每个实验步骤处理过后所得的图像为例来描述预处理工作的内容。原始指纹图像如下图 2.1:图 2.1 原始指纹图像32.1 指纹图
11、像的数值化表示在这里将图像数值化之前，需要以图像左上角位置的像素作为坐标系的原点建立起一个直角坐标系并且由原点往右方延伸为列，由原点往下方延伸为行，如此一来，就可以利用一个 mn 的矩阵 来表示数字化这个图像，例如式 2.1：(2.1) 式 2.1 中的任意一个元素与原图中相应位置的像素都是一一对应的。由此，系统就成功将普通的图片转化为了机器可识别可操作的数字图像。这就为接下来的通过计算机来对指纹图像就行识别打下了基础。其中灰度图像定义为以量化的灰度表示对应像素的图像，而二值图像定义为在灰度图像的基础上仅存在两种灰度级的 图像。一般来说实践中取“0”值或“1”值，如下图所示：（a）原始图像 (
12、b)二值化图像图 2.2 图像的二值化就本文中毕业设计要研究的指纹识别而言，由于指纹仅仅是纹路与间隔的结合，并不对每个像素的灰度大小进行很细的分类，而只存在这个像素内含有或是不含有纹线的情况。所以为了方便起见，本文在这里选择二值图像作为实验中所需要的目标数字图像，也就是说：(2.2)1,0),(yxf2.2 指纹图像的裁剪通常来讲，经由各种渠道所获取的图像尺寸是比较大的，这样的话计算机对于整张图片进行直接操作的话运算量就很大，而且计算时间会变长，此外实际上在得到一整张图片时，通常只关注图像中的某一个或者某几个部分，而并不注意其他部分。比如说本次的毕业设计在研究指纹识别的过程中仅对指纹图像中的纹
13、线，端点，分叉点等感兴趣，那么这时系统关注的部分就可以称之为对象。为了提高指纹图像的处理效率并节约资源，就需要将包含以上指纹对象的部分截取出来。这时就需要用到图像的裁剪来实现这个目的了。10 )1,(.)1,()0,1( . ,., )0()()( nmfmff fffF4图像的裁剪的含义是把图像按照均匀性的原则分为若干的独立的部分，其中任意一个单独的部分都满足某一类特性，而将任意两个互为临界的子部分结合起来的操作都会破坏这个特性。通常来讲，包围了一个连通性的区域的曲线称为边缘。在边缘的两侧分布着两种不同的区域，每个区域都具备自己的特性，但是这两个区域所具备的特性并不一致，也就是说在边缘的位置
14、，灰度会发生突变。通常来讲图像裁剪有两种方案，一种是点相关的图像裁剪方案，另一种是区域相关的图像裁剪方案。其中点相关的图像裁剪方案是依据各个像素点灰度不连续性实现的，比较常见的例子就是基于边界的裁剪方法；而区域相关的裁剪方案是凭借同一区域的灰度值相近从而寻求不同区域边界的特性实现的，这种方案比较常见的例子就是基于区域的裁剪方法。本文中，鉴于这里设计的系统所要处理的图像是简单的点与线组成的指纹图像，所以在此选取方差法作为指纹图像裁剪的方法。也就是说，首先要根据指纹的灰度值，将图像区分为背景与目标两类，而如果这两类灰度值的方差数值越大，那么就认为背景与目标的差异越明显。而不论是目标还是背景，如果被
15、错误的分到了另一类当中的话都会直接导致这两类的差异降低，也就是说方差变小。这也就认证了类间方差最大分割方法分割错误率极低的特性。考虑到以后的操作在进行指纹图像细化，特征提取以及特征匹配时所处理的都是二值化图像，方差法自然成为当前设计中进行图像裁剪的不二之选。2.3 指纹图像的平滑处理由于人们在进行图像采集或者是图像传输的过程中不可避免的会遭受到外界的干扰，所以通常情况下得到的原始数字图像都是包含大量噪声干扰的，比如说指纹图像中的皮肤水分，皮肤伤残，皮肤弹性，灰尘等等的影响，都会极大地降低指纹图像的质量，严重时甚至会导致指纹图像中的分叉点或是端点等等图像特征的丢失或者误增加，这就意味着指纹识别过
16、程面临着很大的误差风险。为了避免这种问题，就要对原始指纹图像实施除噪的处理，而降低噪声，提高数字图像质量的过程就叫做图像的平滑处理。平滑处理能够在保持图像原有线性特征的前提下对数字图像完成净化处理。图像平滑处理可以采用多种途径实现，例如说中值滤波法,空间低通滤波法，多幅图像平均法等等。就对于该设计中要研究的指纹原始图像而言，以上三类方法都可以被用来实现指纹图像的平滑处理。这里论文中针对指纹图像识别的要求仅对上述几种方法进行简单描述，有关的其他方法请参见 5。2.3.1 空间低通滤波法通常来讲通过对模版进行卷积从而对数字图像中的像素进行逐个处理的方法称作空间低通滤波法。在这种方法中是将模版本身当做滤波器来使用的。
