指紋圖像識別技術的研究

倪　偉（1江西科技師范大學,　南昌　330013；2　桐城望溪高級職業技術學校,安徽　桐城　231400）

指紋圖像識別技術的研究

倪偉1,2
（1江西科技師范大學,南昌330013；2桐城望溪高級職業技術學校,安徽桐城231400）

指紋具有無法冒用、不怕遺失的特點，有著個體特征不變性和唯一性。指紋識別技術一直處在不斷的研究和改進之中。

指紋預處理;特征提取;特征匹配

隨著現代社會的發展，安全已成為一個主要的考慮。指紋因其不可復制的特點，是一種不可替代的身份識別手段。近年來，指紋的自動識別和認證已成為當下熱門的模式識別方向。指紋信息的處理及其在身份識別上的應用，已廣泛應用于銀行，保險，公安，門禁，考勤等方面。

1　系統概述

指紋識別系統包括指紋圖像的采集，預處理，特征提取以及特征匹配等。其中，預處理在指紋識別中起著非常重要的作用，由于壓力，變形，在場的污漬和其他噪音的影響，導致預處理上的指紋識別系統的準確性和可行性直接受到影響。空間區域中的圖像預處理，也可以在頻域實現。有很多成熟的前處理方法。特征提取是則是通過合適的算法提取出能夠體現圖像明顯特征的參數和數據。特征匹配則通過將采集數據和數據庫中的指紋信息進行比較，從而進行確認。

2　指紋圖像的預處理

2.1指紋圖像預處理概述

指紋識別的預處理過程由分割、二值化、細化這幾步組成。分割就是把原始灰度圖像的感興趣區域和背景區域分離開，感興趣部分包含著脊線和谷線的清晰區域分割操作能有效地去除部分噪聲，使后續處理更加簡便,所以分割是預處理的第一步。現有的指紋圖像分割方法大都是根據指紋圖像灰度的統計特征（如方差、均值）設計算法的。

2.2分割

指紋圖像，往往不是完全充滿指紋，常混有一定的背景噪音，所有有必要進行圖像的分割，從而減少預處理的區域，提高圖像信息的抗干擾性。圖像分割的質量直接關系到后續特征的提取和識別的精確度。

2.3二值化

圖像分割后需要對圖像進行二值化處理，按照某個設定的閥值，將圖像像素值轉換成“1”或“0”。通常采用局部閾值自適應二值化算法。該算法利用指紋的脊線和谷線寬度的特點大致是二元化的黑色和白色像素相同數目應該大致相同的特點，來進行二值化處理。

2.4細化

二值化后的指紋圖像，脊線仍具有一定的寬度。而指紋識別只和紋線的方向有關，無需考慮其厚度。所以從減少數據量和提高識別精度的角度考慮，有必要對指紋圖像進行細化處理。細化的原則就是要保持紋線連接性、方向性以及中心位置等特征的不變。

傳統的圖像細化算法，會帶來明顯的脊吞噬現象或骨骼位置偏移現象，效果不是很好，因此需要進行算法改進。本文在OPTA細化算法的基礎上進行改進。改進后的算法應用于細化時，與原始圖像對比，顯示了叉脊線的特征信息，并連接基本上保留了點，但它也帶來了一些偽特征點，而這些偽特征點，大多在噪音區。可以分開處理，以減少偽特征點后去噪。

3　指紋圖像的特征提取

指紋圖像的提取關鍵在于偽特征的過濾。因此需要對空洞、毛刺、絞線、斷脊等偽特征能夠進行較好的判斷及濾除。

偽特征點的濾除步驟如下：

（1）選取半徑為R的領域，假設領域內包含M個特征點。比較這M個特征點的關系是否和真特征點的標準相一致。一致則為真特征點，予以存儲，否則作為待濾除的特征點進行下一步分析。

（2）對交叉點和端點進行分析。在端點分析時，考慮領域內的M個特征點時候存在斷脊及短線等偽特征（真特征是沒有的）。如果檢測到存在斷脊或短線，則先進行短線的刪除，然后接著刪除掉斷脊，從而實現偽特征的刪除；在進行分叉點分析時，則是分析M個點中，是否包含有孔洞和毛刺等結構特征。如果存在其中一種，則為偽特征。要先進行毛刺的刪除，其次刪除孔洞，最后是濾除叉連。

（3）經過前面兩步驟的處理后，如果還存在較多數量的特征，并且數量在50個以上，則表明指紋圖像中存在較多的干擾信息，從而導致偽特征過多，難以濾除。在這種情況下，則需要采用遍歷各特征點的辦法，對距離很近的特征點予以刪除，值得達到標準為止。

4　指紋圖像的匹配

基于特征點的模式被認為是普遍采用的一種特征匹配方式。通過提取指紋圖像的特征點，將指紋圖像轉換成一系列的點集。再將指紋圖像匹配轉換為兩組點集的一致性問題。考慮到指紋信息在采集的時候是按某一方向和力量錄入的，對應的數據存入了指紋識別系統中的存儲區域。而當再次驗證指紋時，由于指紋按下的方位和力度往往和指紋圖像錄入時不一樣。因此，在進行指紋圖像信息匹配時，需要將采集到的指紋的特征點集進行旋轉、展縮等各種變化，以便和數據庫中的原始指紋信息進行良好的匹配，而避免誤動作。這一點當然是圖像匹配的難點所在。

因此在圖像匹配時，需要對每一個細節點信息進行處理和配比，包括方向特征（一般考慮脊線方向），端點特征以及分叉點特征等。然后結合奇異點、脊線等表征出來的信息綜合考慮。在進行具體的細節點匹配時，要通過選用的算法，對各細節點之間的幾何關系進行計算，從而對細節點之間的等同關系進行判斷。有點圖像匹配算法，在進行細節點匹配時，會計算出一個最大似然概率P，當P的值較大，說明匹配度高，匹配雙方更為接近。然后找出P值最大的進行最終的成功匹配；還有一種算法是采用閥值來實現指紋信息的匹配。只要細節點之間的差異程度在預設的閥值范圍內，則認為配對成功，否則配對失敗。

這種細節匹配的核心在于引入了限界盒的概念，傳統的匹配中的限界盒是固定大小的。為了提升匹配的精確度，本文采用了可變大小的限界盒。這樣就可以擴大細枝末節的匹配準確度。可以說由于指紋圖像呈現的非線性，導致了細節匹配也應該采用這種非線性的限界盒方式，從而確保匹配的準確度。另外，指紋特征匹配的過程中，如何選擇一個可靠的參考點也是非常重要的。如果將所有可能的點都分別作為參考點，勢必會加大計算量。

5　總結

信息社會的發展和技術的進步，更加高安全性的身份識別技術已經變的越來越重要，指紋識別正以其處理高速、采集方便和準確性高的優點，被廣泛的應用于各類場合。

[1]吳建明，施鵬飛，周洋.指紋特征匹配方法測量和控制技術[Z].2002，21(05).

倪偉，中教一級職稱，信號與信息處理專業碩士在讀，從事制冷與空調調試、信號處理相關教學及科研工作。