毕业设计论文(南通大学)毕.doc

本科毕业设计（论文） 题 目 指纹增强算法的研究 第一章 绪 论 1.1本课题研究的意义 一个多世纪以来，指纹在生物识别应用中的形式最为广泛。比如：法医学通常采用指纹识别技术来辅佐刑事调查，同时指纹也更多地应用在民用识别装置和商业识别装置这类生物系统中。指纹识别技术承载了很多社会意义。根本上说，指纹识别可以良好地判断和定义一个人的真实生物身份，同时还可以降低社会活动中的信任成本，从一定程度上改变社会和经济的交往模式，并且提高在交往模式中的工作效率。这不仅体现了该技术乐观的市场前景，更对其提出了更高的要求。在激烈的市场竞争中，能否研发出高效、健壮的指纹增强算法显得尤为重要[1]。所以对指纹增强算法的研究是指纹识别强有力的技术支持，因此指纹图像的增强对指纹识别具有基础且深远的意义。 人的指纹是唯一的且终身稳定不变的。由于各异的皮肤状态和采集设备所处的不同环境，指纹图片中的各种噪声仍然存在，比如伤疤、汗渍、污迹、扭曲等等，这将直接影响到指纹识别的效率[2]。在这样的条件下，指纹图像很有可能会被噪声成份破坏，质量会有所下降。这种破坏会导致在采集的过程中创建出大量虚假的细节点，而正确的细节点被忽略。研究指纹细节点统计的关键步骤是可靠地提取指纹图像中的细节。因此，在细节点提取之前有必要采用指纹图像增强技术，从而能更可靠地估计细节点所在的方位。 指纹增强的主要任务是恢复指纹脊线的结构缺陷，如分离粘连的脊线、连接断裂的脊线、平滑脊线的边缘等等，这些缺陷属于结构性噪声，而不是随机噪声，因此不能用图像增强理论中的信噪比来衡量指纹增强算法的性能。指纹增强的最终目标是通过改善指纹脊线质量来提高指纹特征提取的精度，进而提高指纹识别的精度。 1.2研究领域现状 在指纹识别技术中，图像增强技术是其中一个非常重要的步骤。如果指纹图像得不到准确、显著的增强，指纹特征就难以被准确提取。许多学者对指纹图像增强方法进行了探讨，其中，Coetzee[3]等使用Marr-Hildreth边缘算子得到指纹灰度图的脊边缘图，提出了采用卷积模板来进行增强的方法，Randolph[4]等提出了一种使用方向滤波器组来对二值图像来进行增强的方法，Sherlock[5]等提出了采用傅立叶滤波器来增强指纹图像的方法，Hong[6]提出了使用Gabor滤波器的方法来增强指纹图像的方法。事实证明，这些方法用于金融安全、数字加密、电子商务等安保领域都取得了较好的效果。 上面说到了图像增强效果的好坏对特征提取及指纹鉴别的识别率具有决定性的影响。那么运用正确的指纹增强技术就是关键。对于指纹增强技术，基本的两个方向是空间域法和频率域法。 空间域算法主要是均值滤波（局部求平均值）法和中值滤波（取局部邻域中的中间像素值）法等，这些方法可用于去除和减弱指纹图像中噪声。但是这些方法对指纹图像的增强效果并不理想，这是因为这些方法主要针对图像中的随机噪声，而模糊指纹图像中的指纹脊线缺陷属于结构性噪声。频率域法主要将指纹图像视为一种二维信号，然后对其进行基于二维傅里叶变换的信号增强。 除了上面说到的这些基本的方法以外，目前用的较多的是Gabor滤波法，这种方法根据指纹图像具有方向和频率的特点，把Gabor 滤波器应用在指纹图像增强处理中。此方法的重点是构造Gabor滤波器，并从指纹图像中求出Gabor滤波器所需要的参数，通过滤波后得出质量较好的指纹图像。 Gabor滤波法使用脊线方向和脊线频率作为参数对指纹图像进行增强。该算法基于指纹的数学模型[7]，表现为：指纹在局部小的区域内可以认为是一组平行且具有一定频率的直线，就可以沿着脊线方向使用Gabor窗函数来过滤图像，增强脊线的信息。由于是沿着脊线方向滤波，在沿脊线方向上有平滑的作用，因此能将一些断裂的脊线修复到原状态，同时由于Gabor滤波器具有良好的频率选择性，既能有效地去除脊线上噪声，又能保持脊线的结构。利用Gabor 滤波器的方向和频率选择特性，把指纹图像的局部方向和脊线频率作为Gabor 滤波函数的参数，然后将Gabor 函数与纹理图像两者进行卷积，从而去除了噪声，达到了增强图像的目的[8]。 1.3发展趋势 本课题研究的发展趋势是在Gabor滤波的方法上不断改进，实现改进的Gabor滤波法运用于指纹图像的增强。如运用小波变换结合Gabor滤波法，Log-Gabor滤波法以及基于扇形分区的Gabor滤波法增强等等。对于小波变换结合Gabor滤波这种方法来说，能充分利用小波变换对指纹图像进行去噪，并且利用映射功能提高了脊线和背景间小波系数的对比度，接下来再用Gabor滤波法就可以进一步利用方向和频率信息使脊线得到增强。对于Log-Gabor滤波法，此滤波器与传统的Gabor 滤波器相比，Log-Gabor 滤波器可以在取得最佳空间定位的同时