自动指纹识别系统第一章 指纹识别技术概述 1.1指纹识别的概念a.指纹识别就是利用人的指纹来识别、验证人的身份，指纹具有唯一性和终身不变性b.指纹识别是一种生物特征识别技术。生物特征识别技术就是采用自动技术测量人体固有的生理特性和行为特征，并将这些特征与数据库的模板数据进行比较来进行个人身份的鉴定。1.2 生物特征识别的需满足的条件a.普遍性：必须每个人都具备这种特征b.唯一性：即任何两个人的特征是不一样c. 可测量性：此特征可测量d. 稳定性：即此特征在一段时间内不改变e.可操作性：即是否可以达到识别的精度、速度和健壮性要求f.可接受性：即人们对这种特征识别的准确性是否接受目前的生物识别技术主要有手形识别、指纹识别、人脸识别、语音识别、视网膜识别、虹膜识别、签名识别等。1.3 数字指纹1）传统指纹学传统指纹学工作内容包括： a. 建立指纹模板卡片b. 采集指纹痕迹c.进行指纹对比2）数字指纹的工作内容 数字指纹的工作内容是研究如何使用计算机代替人工，包括： a. 自动化建立指纹电子模板（取代传统的指纹模板卡片）b. 自动化采集指纹电子样板（取代传统的指纹痕迹采集）c.自动化比较指纹电子样板和电子模板（取代传统的指纹比对）。自动化建立指纹电子模板指纹电子模板是指纹模板卡片的数字化、信息化和电子化，是指纹图像数据、指纹特征数据、指纹类型数据、指纹细节文字表述、指纹持有人身份、存储格式等信息的集合。自动化采集指纹电子样板自动化采集指纹样板的工作与自动化建立指纹电子模板的过程类似，主要是指纹图像数据、指纹特征数据以及指纹类型数据的采集自动化比较指纹电子样板和电子模板自动化比较指纹电子样板和电子模板是把指纹电子样板指纹特征拓扑数据结构与电子模板比较，从而获得指纹电子模板的指纹细节文字描述、指纹持有人身份、指纹图像数据的过程。这和传统指纹样板与模板的比对目的是一样的。第二章 自动指纹识别系统2.1指纹特征的定义及分类a.总体特征总体特征是指指纹纹理大体上的走势和方向，是我们肉眼就能分辨的指纹特征。包括：纹形、模式区、中心点、三角点、纹数等。b.局部特征局部特征是指指纹上的细节点特征。局部特征中具有代表性的就是端点、分叉点和折点，丰富多彩的细节点构成了我们每个人迥然不同的指纹信息。指纹局部特征：细节点类型除类型外，指纹局部特征还包括：方向：纹线的方向场所具有的特征曲率：曲率表示的是方向场中的各个像素点的一阶导数位置：是指在坐标系中指纹纹线像素点的相对坐标或绝对坐标2.2 指纹模式根据指纹图像的信息维度，指纹模式如下表。以彩色图像模式为例来解释信息维度，采集到的真实指纹图像像素点为256x360，而每个像素点都由三基色组成，每种颜色都需要256个字节来描述，而每个像素点又需要2.5个字节来标定位置。2.3 指纹模式的表示方法指纹模式有数据结构和数字图像文件两种表示方法。a.指纹模式的数据结构是指指纹特征模式的拓扑结构，通过将中心点或三角点、端点或交叉点以及方向场的数据集合起来，并将他们他们装配成指纹模式的多维拓扑结构，从而完整、精确的描述了该指纹对象。b.数字图像文件是一种适合指纹模式存储和传输的一维数据流表示方法，利用数字图像文件作为媒介载体，携带方便。2.4 自动指纹识别系统的结构登记模式一般完成三种工作：新指纹登记、已登记指纹更新、已登记指纹的删除。工作流程如下：将指纹特征提取出来之后，判断是否为登记模式，是的话讲指纹特征提取图保存；如果不是则为对比模式，则将采集的指纹特征与模板数据库中预先保存的模板进行比对，最后得出比对结果。Thank You ！第三章 指纹识别的预处理3.1预处理流程图 3.2 指纹图像分割GABOR滤波器指纹分割法二维GABOR滤波器空域表达式： 为XY上的高斯标准差，当其越大时图像的平滑性就会得到增强。设定采样点的坐标x,y同时将图像分为几个小块，每个小块的边长为w,则GABOR特征值的表达式为：其中I（X,Y）是采样点的灰度值。GABOR特征值的标准差为：标准差均值为: 脊线方向的特征值远远大于其他方向上的特征值，可以取均值的一个百分比作为衡量标准区分背景块、指纹块。3.3 GABOR滤波器增强法原理GABOR滤波器是一种带通滤波器，具有良好的方向和频率选择特性。0度方向的GABOR滤波器函数图形：GABOR滤波器的频率响应图： GABOR滤波器的参数 、f 、 、 分别决定了滤波器通带的中心方向、中心频率、频率通带大小和方向通带的大小。根据正弦函数傅立叶变换的性质，滤波器频域通带的中心方向与 垂直；中心频率等于正弦波的频率f；根据高斯函数傅立叶变换的性质；滤波器的频率通带大小等于1/ 方向通带大小为1/ 。 局部指纹纹线近似平面正弦波，其傅立叶频谱存在两个峰对应纹线信号，峰与频谱中心之间的距离对应纹线的频率两个峰之间的连线与纹线的方向垂直。采用与局部纹线方向和频率相同的GABOR滤波器对局部指纹图像进行滤波，因为滤波器的通带正好与两个峰重合，所以可以保留两个峰，而滤掉其他信号，从而实现纹线增强。Thank You ！ 指纹识别的最终目的是能够快速有效的对给出的指纹图像进行比对，一幅指纹源图所包含的信息量成千上亿，如果对每一个像素点都一一进行匹配，耗时太长且工作量巨大不可能在实际操作中运用。因此，图像的特征提取尤为重要。 第四章 指纹识别的特征提取 基于细化图像的处理方法 对二值图像进行细化处理，再在细化的基础上依据指纹的特征结构提取端点和分叉点。 依据指纹的分块纹理图像对其上的脊谷线进行分析，根据相关的判定规则获取细节点。直接灰度图像特征提取方法 指纹识别特征提取的主要方法有：4.1 细化算法v快速细化算法v改进的OPTA算法压缩图像的信息，突出指纹的主要特征，减少了对特征点判断的复杂度，缩短判断时间。常用的算法包括： 4.1.1 快速细化算法v1，遍历整幅指纹图像，找出图像的边界点。v2，对边界点P针对其3x3领域图,得到两个特征量。 如果P点满足NC(P)为2，且NZ(P)不等于1且小于6就剔除。v3，继续寻找下一个边界点，直到没有可删除的点为止。4.1.2 改进的OPTA算法 像素点取舍判断流程图 统一模板 消除模板 保留模板 4.2 基于细节图像的特征提取v拒真率=错误的判定两幅相同指纹为不同指纹的总和/识别图像总和。v认假率=错误的判定两幅不同指纹为相同指纹的总和/识别图像总和。 可以看出，端点和分叉点占据的百分比最大，也就是说这两种类的特征点是手指指纹特征点中最明显的两种特征。v端点提取：在纹线端点像素模型的九点图中，如果中心黑色方块是端点，那么去掉中心黑色方块后，纹线只剩下一个黑色方块，周围8个点两两相邻的两个点差的绝对值之和就是2*255，即为端点。v分叉点提取：在纹线端点像素模型的九点图中，如果中心黑色方块是分叉点，那么去掉中心黑色方块后，纹线只剩下3个黑色方块，端点周围8个点两两相邻的两个点差的绝对值之和就是6*255，即为分叉点。 4.3 改进的特征提取算法v第一步，选定全局特征点。v第二步，选定细节点。采用之前讲述的八邻域编码算法。v第三步，对选定好的特征点进行去伪存真处理。 4.3.1 选定特征点 全局特征点又叫奇异点，表示在方向场中有剧烈变化的点，一般分为中心点和三角点。其中中心点指的是纹线上具有最大曲率的点。 对中心点选定的算法有Poincare索引算法、点方向一致性度量法、分级中心点搜索法、局部轴对称法、方向一致性分级分析法。其中以Poincare索引法最为经典。 Poincare索引法 vPoincare反映的是所求奇异点附近方向场变化的程度，变化剧烈的方向场附近往往有奇异点的存在。vPoincare=0.5，中心点。vPoincare=-0.5，中心点。 Poincare公式 Poincare索引法 为了便于计算机实现，采用5*5的方格模板和3*3的方格模板。先求得Poincare值后得到备选奇异点，只有当PoincareD12D11.=Poincared1d2.d7d8时，才认定该备选奇异点为真正的奇异点。 在闭合曲线班上任取一点i(i)，(j)，曲线包围某点(i，j)，Poincare索引变形公式如下: 4.3.2 去伪存真处理 采集指纹时所使用的设备和环境影响干扰造成伪特征点。主要有以下几种:v(l)指纹纹线形态伪特征点v(2)指纹边缘区域伪特征点v(3)指纹方向场形态伪特征点v(4)指纹纹线间距数量阂值伪特征点 其中，第(2)种在改进后的分割算法中得到有效的去除；第(3)种在基于Gabor滤波增强算法的规格化过程中得到有效的清除；而(4)则在选取特征点的时候会酌情参考。针对第（1）中的伪特征点可以归为以下4类并加以清除。(l)间断点:两提取的特征端点之间距离小于一个特定范围的。(2)桥:两提取的特征分叉点之间距离小于一个特定范围的。(3)倾斜角度满足 的纹线上，如果有两特征点距离在一定范围内，类型相同且方向相差不大时，则任意去除一个点。(4)当两点距离在一定范围之内，且其中一点为端点而另一点为分叉点，则去除端点。Thank You ！第四章 指纹识别的匹配对比 指纹的匹配比对是指纹识别中的最后一步，也是很关键的一步，一个好的匹配比对算法要能做到快速、准确的识别出两幅指纹是否来自同一个手指。 4.1 指纹匹配对比的难点指纹匹配对比的难点 在实际情况中，从采集到比对的过程中，由于存在以下几种情况，常常降低匹配比对算法的准确度。 1、位移 在指纹采集过程中，基于随机性的考虑，手指接触采集器的面积不同，导致指纹采集到的图像不会每次都一模一样，从而引起图像之间的位移，这种位移不仅包括水平方向的位移，还包括旋转等变形。 2、形变 手指的皮肤是柔软的，同时手指接触采集器的时候按压的力度和方向也会不同，采集到的指纹由于各种原因会产生收缩、放大、扭曲等各种形变。 3、噪声 采集器表面的微小尘埃，指纹本身的不完整，手指的不洁净，都会不同程度的引入噪声，而这些噪声又会引入大量的伪特征点，其中有些较难在预处理和提取的过程中清除干净。 4、模板偏差 由于以上的原因从采集开始就可能存在影响，虽然我们为了消除这些影响作了很多工作，但依然会存在遗漏或者检测失败的可能，而其结果就是模板本身的不准确性，而这又给指纹匹配工作带来了直接的困难。4.2 匹配比对算法的分类匹配比对算法的分类 经过人们对指纹匹配比对算法长期细致的研究，取得了丰硕的成果，而大体看来匹配比对算法基本可以分成四类： 1、基于细节点的匹配算法 2、基于图像内容的匹配算法 3、基于相关性的匹配算法 4、基于拓扑结构的匹配算法4.3 基于拓扑结构的基于拓扑结构的“柔性柔性”匹配匹配 所谓“柔性”匹配，即对匹配的结果设定一个阈值，通过与阈值的比较得到比对的结果。具体步骤如下： 第一步：装配拓扑结构。基于对两种特征点的特征把握，先对奇异点进行配准，在此基础上依据指纹拓扑结构图中各节点的相互关系，只需少量的可靠细节点即能快速准确的制定出指纹模板。 第二步：匹配相似度。依据装配的指纹特征点拓扑结构，将节点坐标进行极变换，设定界限盒模型，计算相似度分数，从而得出匹配结果。4.4 拓扑结构算法的具体实现方法 1、特征点拓扑结构配准 以中心点O为圆心，一定的距离R为半径做圆，在圆上找到三点A、B、C使其恰好等分圆周，令OA连线为X轴，建立坐标系。记录O点的类型及其方向场、频率场，同时记录A、B、C三点的方向场及频率场。若任意的A与试图中A点为相同点，那么此两幅图像的O点必然相同，其他两点的方向场和频率场也必然相同。装配拓扑结构的流程 2、匹配相似度 两个模板要想一模一样是十分困难的，因此需要引入一个模糊量，设定一个阈值，这里采用的是界限盒模型。 从图中可以看出，极径和极角与极半径关系，极径与极半径呈正比，极角与极半径呈反比。 通过界限盒的使用，使得算法对非线性形变的适应性增加，从而拓宽了算法的使用范围。指纹图像比对流程图Thank You ！The end