基於STFT濾波算法的指紋圖像識別系統的設計與實現

摘要：指紋識別系統是利用指紋識別技術對用戶身份進行驗證的系統，指紋識別系統包括指紋採集、指紋預處理、特徵提取、指紋匹配等模塊。本文在充分調研了目前的指紋預處理和特徵提取研究成果之後，分別針對指紋增強、指紋二值化和指紋特徵提取方面提出了三個新的算法，部分解決了目前指紋識別技術面臨的問題與挑戰，並且利用這些新的算法製作了一款指紋圖像識別系統。本文通過緒論、需求分析、系統設計、系統實現、系統測試一步步介紹指紋圖像識別技術在指紋識別系統中的應用情況。

關鍵詞：指紋增強；二值化；特徵提取；指紋圖像識別；圖像處理

引言

作為最重要的生物識別技術之一，指紋識別技術已經被廣泛應用與門禁、考勤、身份驗證等領域。指紋識別系統是由指紋圖像採集、指紋圖像增強、指紋圖像二值化、指紋圖像細化、指紋圖像特徵提取和指紋圖像匹配等模塊所構成的模式識別系統。指紋是由人類手指末端褶皺形成的紋路，指紋紋路包含許多重要的細節信息，比如：指紋紋路的起點、終點、交點和分支點。指紋具有相對唯一的性質，在目前已知的宇宙中，不存在兩個指紋完全相同的人類，基於上述特性，指紋圖像被廣泛用於身份認證領域。

1.1身份認證與生物測定技術

身份認證主要包括基於共享密鑰、生物學特徵和公開密鑰加密算法的身份驗證。

基於共享密鑰的身份驗證需要用戶向伺服器提交共享密鑰來進行身份驗證，伺服器會檢查該共享密鑰是否合法。目前幾乎所有的網絡接入服務、論壇以及維基百科等都是使用基於共享密鑰的身份驗證的服務。

基於生物學特徵的身份驗證一般是指通過指紋或虹膜等生物學特徵來進行身份驗證的驗證方式。

基於公開密鑰加密算法的身份驗證由驗證方通過私有密鑰對特定數據進行加密，待驗證方使用公開密鑰對數據進行解密。生活中常見的數字籤名和寬帶SSL等加密手段都是使用基於公開密鑰加密算法的身份驗證進行技術保障。

生物測定技術是目前熱門的研究方向。常見的生物測定技術包括虹膜識別、視網膜識別、面部識別、籤名識別、聲音識別和指紋識別技術等。因為指紋不會隨著人類的生長而發生巨大變化而且較為穩定，因此指紋識別是目前應用前景較好的生物測定技術之一.。

1.2 指紋識別技術

指紋圖像不同於其他類型的圖像，其圖像性質比較複雜，處理過程也相對繁瑣。常見的指紋識別系統由於需要考慮指紋匹配效率和存儲空間成本等問題，一般將從指紋原圖像中提取的特徵進行分類存儲，基於特徵的指紋識別算法本質上是在對兩幅指紋圖像上的特徵點進行相似度計算的算法。

1.2.1指紋的總體特徵

指紋的總體特徵是能夠通過人眼直接觀察到的特徵。指紋有五種基本紋路圖案:漩渦型、左環形、右環形、弓形和帳型。通過這五種基本圖案可以派生出所有的指紋圖像，但是僅僅依靠圖案類型這個粗略的方法進行分類會導致面對大量指紋數據時會產生效率問題，但是這種分類方法可以加快指紋在資料庫中的索引速度。指紋的總體特徵主要有模式區、核心點、三角點和紋數四個方面。

模式區：通過模式區不僅可以觀察出指紋圖像的總體特徵，還可以直接判斷出指紋的類型，基於以上特點，市面上的一些指紋識別系統僅僅使用模式區進行匹配。

核心點：核心點是指紋圖像的紋理中心點，也可以稱為中心點，通過中心點可以找到指紋的紋理中心，進而可以對指紋進行旋轉、縮放等處理。

三角點：三角點是指從核心點開始順著指紋紋路方向的第一個分叉點、斷點抑或是兩條脊線紋路的匯聚處、孤立點還可以是轉折點。

紋數：指紋模式區內部紋路的數量稱之為紋數。一般可以通過連接核心點和三角點構成線段並計算線段與指紋紋路相交的次數來計算紋數。

1.2.2指紋的局部特徵

指紋的全局特徵多數情況下用於分類，而指紋的另一特徵——指紋的局部特徵，能夠將兩個指紋進行完全區分。指紋局部特徵也被稱為是細節點，包括指紋紋路中的斷點、分叉點和轉折點，具有四種不同的屬性：

類型:包括末梢點、分叉點、環點、孤立點和紋路。

圖1-2 指紋細節點類型

方向：細節點所在的脊線的方向就是細節點的方向。

曲率：描述紋路方向的曲率（方向變化速率）。

位置：細節點的位置通常採用絕對坐標或者是以特徵點為參考系的坐標來描述。

1.3國內外研究現狀及分析

1.3.1國外研究現狀

早在上個世紀80年代，D.Marr的研究團隊就成功利用邊緣窗口來提取指紋的紋線輪廓進而分解指紋圖像。但是通過這種方法處理過的指紋圖像會產生缺損。特徵提取是圖像處理的步驟之一，前人已研究了通過例如Roberts算子、Prewitt算子和 Sobel算子等經典的匹配算子進行梯度處理進而進行特徵提取地算法。其中的一些算法是基於方向導數和邊緣特徵進行檢測的。雖然這些算法效率高，實現簡單．但僅僅適用於邊緣突變明顯、光照均勻的指紋圖像；美國J.S等人提出的用長碼提取指紋特徵的算法，J.O等人提出的基於簡單統計學的特徵提取算法都是已經被廣泛使用的算法。

美國S.P等人提出了包括三種基於細節特徵和一種基於濾波的聯合匹配的算法，實驗發現這種算法確實能夠提高指紋識別的精度；韓國 C.W等人提出了一種名為無參數密度估計快速匹配的算法，該算法首先利用parzen密度估計來篩選出候選指紋，接下來利用三個隨機特徵點間的三角型關係對指紋進行匹配；印度A.B等人提出了一種利用任意兩點間的距離和連線與坐標軸的夾角進行部分點模式序列匹配的名為基於脊線運動方向和脊線中像素點的序列模式的匹配算法。

1.3.2國內研究現狀

在指紋圖像二值化的研究方向上，江南大學信息工程學院的須文波和夏鴻斌提出了一種最優化閥值法，結合直方圖技術和高斯統計函數來求取指紋圖像二值化閥值；中科院長光研究所的宋建中等人提出了一種通過結合指紋圖像的特點和利用指紋圖像中像素灰度分布情況來分割指紋圖像的二值化方法等。

在特徵提取方面，上海大學通信與信息學院的羅劍等人提出了一種基於脊線跟蹤技術的指紋細節提取算法；武漢大學軟體工程重點實驗室的張雄等人提出了一種利用指紋的彎曲信息來提取指紋特徵的方法；天津大學電子信息學院張新榮等人提出了一種基於小波變換的視覺信號特徵提取算法；南京電子科學與工程系譚臺哲等人提出了一種多級分塊交錯切割的指紋特徵點檢測算法；安徽大學範羚等人提出了一種基於圖像模塊化獨立分量分析技術的圖像特徵提取算法等。

在指紋特徵匹配方面，陳紅等人提出了一種利用特徵點及相關脊線信息和區域方向進行匹配的算法；何餘良等人提出了一種在最大可能估計中引用蓋然論公式來計算最優形變參數並用於指紋匹配的算法；楊利敏等人提出了基於指紋分類技術的特殊圖像模式匹配算法等。

1.3.3研究現狀分析

雖然指紋識別技術已經被廣泛使用，但是指紋識別領域的諸多算法仍需要研究人員進一步探討與完善。

第一，部分違法人員通過從指紋採集終端上獲取他人的指紋來進行非法活動。因此需要一種指紋採集設備既能採集到清晰完整的指紋圖像，同時該指紋圖像又能在採集結束的瞬間消失。目前有一種使用熱成像技術來採集用戶的指紋的設備，可以在瞬間將指紋轉化為數字信息，並保存在機器內部，而其表面不會留下任何指紋痕跡，這樣就可以有效避免用戶指紋圖像被二次提取而造成指紋破解。

第二，如果指紋磨損嚴重或者由於手指意外受傷而導致指紋信息不完整會大大提高指紋識別的難度。目前亟待解決的問題是如何識別或增強低質量的指紋圖像信息。將只能識別方案和模糊識別理論相結合可以在一定程度上根據殘缺的指紋局部特徵還原出全局指紋特徵，但該方法目前仍處於研究階段，還有很多問題需要解決

第三，指紋分類技術不夠成熟，導致在進行大量指紋信息匹配時會產生效率問題。目前亟待解決的問題是如何縮短指紋的識別時間進而提高指紋的識別速度。目前的指紋分類方法將指紋分為5大類，指紋識別系統可以根據指紋的類別信息來在資料庫中進行檢索。目前主流的觀點認為將指紋類別進一步細分能加快指紋信息的檢索速度從而提高指紋匹配的效率。

第四，目前最常用的指紋匹配方法是指紋細節點匹配法，現有的細節點匹配算法確需要定基準點對，這導致指紋識別的速度大大下降。如何簡化匹配算法，是提高指紋識別速度的關鍵所在。目前一種可用的方法是採用指紋的中心點作為基準點，但要想將該類算法廣泛應用還必須進一步解決中心點提取的完整性和準確性的問題。

1.4本文主要研究方向與創新點

本文在充分研究了前人栽指紋增強和特徵提取領域的研究成果之後，分別針對指紋濾波、指紋二值化和指紋特徵提取等方面提出了創新的方法。

本文主要創新點如下：

1、針對目前指紋增強算法存在的問題，提出了經過改良的新一代指紋增強算法——基於STFT算法的指紋圖像迭代濾波增強算法。

2、為了解決區域自適應閾值法的不足之處，本文提出了一種基於前景和背景閾值迭代分析的二值化算法——雙重迭代二值化算法。

3、結合了細節特徵提取和紋理特徵提取兩種方法的長處，提出了基於細節和紋理特徵的細化指紋圖像特徵提取算法。

(責編：溫靜、趙光霞)