关于指纹识别 研究和经验表明，人的指纹、掌纹、人脸、声纹、虹膜.doc

关于指纹识别 研究和经验表明，人的指纹、掌纹、人脸、声纹、虹膜、视网膜、骨架等都具有唯一性和稳定性的特征，基于这些特征，人们发展了指纹识别、面部识别、声纹识别等多种生物识别技术，其中指纹识别技术更是生物识别技术的热点。 指纹识别也属于模式识别范畴，都可以用来判别人的身份，与其他生物识别相比指纹识别有以下几个方面的优点： 指纹识别的平均准确率高 指纹采集设备成本较低 使用者的接受程度高 能够适应的应用场合更加广泛 产业化程度高 指纹识别系统几乎适用于所有需要进行安全性防范的场合，遍及诸多领域，在包括金融证券、IT、安防、公安、医疗、福利等行业的许多应用系统中都具有广阔的应用前景。 指纹识别的原理和一般方法 指纹识别系统主要有以下几个环节：指纹图像采集、指纹图像预处理、特征提取、指纹特征匹配，指纹识别流程图如下： 指纹一般通过指纹采集器来提取，目前常用的指纹采集设备有三种：光学式、硅芯片式和超声波式指纹采集器。 在指纹识别系统中，指纹图像的预处理是正确的进行特征提取、匹配等操作的基础。预处理的目的就是利用信号处理技术去除图像中的各种噪声干扰，把它变成一副清晰的指纹图像，恢复指纹脊线结构，以便可靠提取正确的指纹特征；指纹预处理一般包括这样几个过程：首先对指纹图像进行归一化，接着提取指纹的方向图，然后基于此方向图进行灰度图像的滤波再进行二值化、细化。 细节特征的坐标直接表征该指纹，因此特征提取的好坏直接影响到以后的指纹匹配记过，所以特征提取是指纹识别系统的关键部分之一。 指纹识别的一般方法是在两幅图像中采用一定的方法提取特征点，对特征点进行匹配，这就是点模式匹配问题。 在整个指纹识别系统中，预处理和特征提取是两个关键步骤，直接关系到结果的好坏。 指纹预处理 图像归一化 图像归一化的目的是为了消除传感器本身噪声或手指压力不同以及其它原因造成的灰度差异，把图像的平均灰度和方差调整到预定的级别上，方便后续处理。公式如下： 这种传统的归一化方法存在一些缺点：首先它的平均灰度和平均方差是基于整个指纹图像，与实际指纹有效区域的平均灰度和方差有一定的偏差；其次它采用的期望灰度值和方差是个固定值，一些采集不好的指纹图像，局部区域的平均灰度和方差可能与整体的相差比较大，效果不好。 可以采用基于块的动态归一化方法来克服这些问题：首先进行直方图均衡，选择感兴趣的区域ROI，再对该区域进行归一化处理。使用ROI的均值和方差，并根据局部块的均值和方差动态调整： 其中α、β是权值系数。 指纹有效区域分割 指纹图像分割是指纹图像预处理的重要组成部分，其目的是从指纹图像中分离出清晰的指纹区域和有噪声但可以恢复的指纹区域，使后续处理能够集中于这些有效区域进行。 目前已经有很多关于有效区域的分割算法，本文采用的分割算法是基于像素的，使用了以下两个特性： 指纹图像梯度矢量的模值M：每个点的梯度矢量的模值代表了该点附近的灰度变化强弱，可以表征属于指纹区的可能性的大小 ，其中Im为方向图的虚部，Re为方向图的实部 指纹方向图的方向一致性Coherence：由下列公式可以看出，在领域W内的每个点的梯度方向越一致，得到的值Coherence就越接近1；因此，每个点的方向一致性可以表征该处指纹区的质量好坏程度，是属于可以恢复的指纹区还是不可恢复的无效区域 算法的主要步骤如下： 如果点领域W内平均模值小于阈值，则把该点判为背景点，公式如下： 如果点领域W内一致性系数Coherence平均值小于阈值，则把该点判为无效区域，公式如下： 填充区域面积较小的空洞、去除区域面积较小的额孤立区域 实验的效果图如下所示： 指纹方向图 指纹图像是由局部平行的脊线和谷线构成的一种方向性很强的纹理图像，纹线的走向是指纹图像的内在属性，获得准确的方向图是指纹预处理的重要一步，是指纹增强、二值化、细化、指纹分类和指纹匹配等后续处理的重要基础。 求方向图的算法很多，基于梯度的方向图估计算法就是其中一种，由于计算简单，所获得的方向图比较准确，因而获得了广泛的应用。 该算法的主要步骤如下： 首先计算每个点的水平方向梯度和垂直方向梯度，梯度算子可以是简单的Sobel算子或是较为复杂的Marr-Hildreth算子，通常采用Sobel算子来计算和 Sobel算子如下： 则，的极坐标形式为： ，式中为梯度矢量的模，为相角。 由于和两个方向角对纹线的走向来说是无差别的，可以把角度加倍使所表示的方向一致，方向场可转换为一个连续的矢量场：相应的极坐标形式为： 对方向图进行平滑：实部和虚部分别进行邻域平均式中W是的邻域模板。如果是计算块方向图，通常使用的块低通滤波器做进一步的平滑，减小块间的方向不连续性 最后指纹的方向图有公式求得，同时可以求得指纹方向