指紋識別的方法

　　由指紋識別的基本原理可知，指紋識別技術主要經過以下4個步驟：指紋圖像的獲取、指紋圖像的預處理、指紋特徵的提取和指紋特徵匹配。下面將對指紋識別技術的每個步驟做詳細論述。

本文引用地址：http://www.eepw.com.cn/article/201707/361927.htm

1.指紋圖像的獲取

　　獲取指紋圖像的設備可分成三類：光學、矽晶體傳感器和其他。光學取像設備應用的歷史最久，它依據的是光的全反射原理。

　　應用晶體傳感器是最近市場上才出現的，這些含有微型晶體的平面通過多種技術來繪製指紋圖像。

　　電容傳感器就是其中的一種，它通過電子度量來捕獲指紋圖像。電容設各能結合大約1 00 000導體金屬陣列的傳感器，其外面是絕緣的表面，當用戶的手指放在上面時，皮膚組成了電容陣列的另一面。電容器的電容值由於金屬間的距離而變化，這裡指的是脊(近的)和谷(遠的)之間的距離。除了以上兩類，超聲波掃描被認為是指紋取像技術中非常好的一類，但價格太高、體積偏大。一般採集到的指紋圖像都是存成256級灰度的圖像。

2，指紋圖像預處理

　　為了得到比較準確的指紋特徵點，指紋圖像預處理一般要經過圖像增強(濾波去掉噪聲)、計算方向圖，二值化和細化等過程。整個過程如圖1所示。

　　圖1 指紋預處理過程

　　(1)圖像增強

　　一般來說，剛獲得的指紋圖像都有很多噪音，比如，手指被弄髒、手指有疤痕、太幹、太溼或撕破等，所以如何在獲取指紋圖像之後，有效地過濾圖像噪音是指紋識別技術中的難題之一。

　　通過圖像增強可以過濾噪音，增強脊和谷的對比度。圖像增強的方法有很多，但大多數是通過過濾圖像與脊局部方向相匹配。圖像首先被分成幾個小區域(窗口)，並在每個區域上計算出脊的局部方向來決定方向圖，可以由空間域處理，或經過快速二維傅立葉變換後的頻域處理來得到每個小窗口上的局部方向。然後設計合適的、相匹配的濾鏡，使之適用於圖像上所有的像素(空間場是其中的一個)。依據每個像素處脊的局部走向，濾鏡應增強在同一方向脊的走向，並且在同一位置，減弱任何不同於脊的方向。後者含有橫跨脊的噪音，所以其垂真於脊的局部方向上的那些不正確的「橋」會被濾鏡過濾掉。

　　(2)計算方向圖

　　方向圖描述了指紋圖像中每一像素點所在脊線或谷線在該點的切線方向，作為一種可直接從源灰度圖像中得到的有用信息，它的計算一直是指紋識別技術中必不可少的一步。

　　方向圖也可以看作是原始指紋源圖像的一種變換表示方法，即用紋線上某點的方向來表示該紋線的方向。一般有兩種方向圖：一種是點方向圖，表示原始指紋圖像中每一像素點脊線的方向;另一種是塊方向圖，表示原始指紋圖像中某點區域所有元素的平均方向。

　　計算方向圖的基本思想是：在原始灰度指紋圖像中計算每一點(或每一塊)在各個方向上的某個統計量(如灰度差、梯度等)，根據這些統計量在各個方向上的差異，確定該點(該塊)的方向。

　　在實際處理中，我們往往採用塊方向圖，因為塊方向圖常常比點方向圖有更強的抗噪性，而且塊方向圖可以減少計算量，有利於模塊化處理。塊方向圖可以由點方向圖得到，也可以用最小均方估計算法求得。

　　(3)二值化

　　第一，根據指紋的脊線和谷線等寬的假設，再結合局部灰度分布的考察，可以得到具有自適應性的自動門限。自適應閾值的選取方法是先找到該點的法向方向，在理想情況下，法向上的平均值即可作為閾值。然而考慮到噪聲的影響，故應該去掉最大、最小值後點的平均值再加上一修正值作為閾值。計算公式如下：

　　TT=R-(T-R)/2

　　其中：R為法向上去掉最大、最小點後的平均值;T為最大、最小點的平均值;(T-R)/2為修正值;W為閾值。閾值選定後，即可對該點進行二值化，逐點依次處理即可。

　　第二，在指紋圖像中，考慮同一區域的像元應具有相近的連續變化的灰度，根據「灰度變化平穩」這一假設鄰元灰度的變化來進一步確認像元素隸屬前景和背景的程度，可以很好地排除不清晰指紋在自動門限附近的分割不一致性。

　　第三，為解決二值化在分割圖像中視野太小的局限，並同時對模糊區域和孤立噪聲進行處理，採用廣義的拉普拉斯算法對圖像進行濾波。

　　實驗表明，該算法不但可使紋路突出，而且較好地保留了指紋的細節特徵，並且在很大程度上減少了指紋的斷縫和粘連等錯誤信息。

　　二值操作使一個灰度圖像變成二值圖像，圖像在強度層次上從原始的256色降為2色。圖像二值化後，隨後的處理就會比較容易。

　　二值化的困難在於，並不是所有的指紋圖像都有相同的閾值，所以一般不能從單純的強度入手。而且單一圖像的對照物是變化的，比如，手在中心地帶按的比較緊，因此一個叫「局部自適應的閾值」的方法被用來決定局部圖像強度的閾值。

　　(4)細化

　　在提取指紋特徵點之前的最後一道工序是「細化」。細化是在不影響原圖的拓撲連接關係下，將脊的寬度降為單個像素寬度的處理過程。一個好的細化方法是保持原有脊的連續性，降低由於人為因素所造成的影響。人為因素主要有毛刺和短脊線2這些都造成提取出來的特徵中有很多的偽特徵。

　　細化方法的優點是減少內存空間，它只需要存儲圖像中必需的結構信息Q這樣，在對圖像的處理中能簡化數據結構。

　　根據細化的定義易知細化的關鍵是如何找到原圖像的骨架，通常採用模板匹配方法，這種方法是根據某個像素局部鄰域的圖像特徵對其進行處理.當然也有外輪廓計算)神經網絡等細化方法。

3.提取指紋特徵點

　　如表1所示，特徵提取用一個3*3的模板來檢測特徵點的位置與類型，M是被檢測的指紋特徵點，N0,…，N7是特徵點M的按逆時針方向排列的鄰近點。

　　表1 特徵點的位置與類型

如果

其中N8=N0，則M是終結點，如圖2(a)所示;

如果

其中N8=N0，則M是分叉點，如圖2(b)所示。

　　圖2 典型的指紋特徵點

　　由於圖像噪聲等因素的影響，從上述算法提取出來∷的特徵點申有許多偽特徵點有待刪除，偽特徵點的刪除可以分為兩個步驟。

　　(1)如果脊圖中的一段與局部脊方向完全正交，而且其長度小於定值T，那麼這段脊就會被消除。如果脊中的一個間斷很短，沒有其他脊穿過，那麼缺的這段脊就應該補上。

　　(2)如果一個小區域中的細節形成一簇，那麼只留下最靠近中心點的一個;如果兩個細節非常接近，而且中間沒有脊，那麼消除這兩個細節。

　　進行特徵提取後，對於每個特徵應該保留以下的參數：特徵點的X坐標和y坐標、特徵點的方向即與特徵點相連的局部脊方向、特徵點的類型即是終結點還是分叉點，以及與特徵點相連的脊。與特徵點相連的脊是通過沿著脊線方向以脊間距採樣來表示。對於分叉的脊線，與特徵點相連的脊線是與特徵點方向最接近的脊線。

4.比對特徵點

　　在指紋錄入時，即使是同一個手指，兩次錄入的指紋圖像也不完全相同，會產生各種變形，比如平移、旋轉等。要進行有效的匹配必須儘量減小各種變形，考慮到指紋的各種

　　非線性變形通常是放射性的，可以在極坐標系中進行指紋匹配。另外，由於非線性變形的存在，很難找到與指紋模板中特徵點位置完全一致的特徵點，因此匹配的算法應該是彈性的，即允許在某個範圍內由於非線性變形引起的誤差。

　　指紋特徵匹配採用允許框來實現彈性，允許框是一個在特徵點周圍的框，如圖3所示。

　　算法描述如下：

　　(1)將特徵點坐標轉換為極坐標;

　　(2)在模板指紋和輸入指紋中找兩個類型相同的點分別作為參考點;

　　(3)將模板和極坐標中輸入點作為符號串，按極角遞增的順序連接每個點;

　　(4)如果對於模板特徵點，輸入的特徵點在相應的允許框內，則匹配指數加1;

　　(5)重複(2)、(3)、(4)步，直到每個可能都被測試;

　　(6)對於一個指紋圖，如果匹配指數大於定值T，則認為匹配成功，否則失敗。