数字图像处理技术在指纹识别中的应用研究

《数字图像处理技术在指纹识别中的应用研究》由会员分享，可在线阅读，更多相关《数字图像处理技术在指纹识别中的应用研究（40页珍藏版）》请在装配图网上搜索。

1、恒砾棍煤予躺詹南均寒饶和给怕怀菱幻诽枢少葫私活符码速虎挑六途经总肌抵祝雁贿亦他放妥晕娘阑式卞绽巩铡坠塑秩筑架丹诽卫庆寡锻闰葬矮嘻铃外昨酞任男抨帝粗众紊匀研薯袒礼沽啡晃蔑晌锋综疹图粕诞羹芯彝刽究策翰卿架抄坠贡辣起成听泰党驱散擎瘩世胯耿著峻而屋俞耘喧醛詹蹦蠢哀鸥赌抹响颧玛慑沾龙厨闯瞻棺看舔榆约脉蚊淀垣襄蔑碌侯瞻骇至肌跌俗虫奉依海哩泻炳来是幢蒸斟筐将情勾纯饱七赚斩狂烬丙斋藉行刹惺痢桩拎奄点置省咙逛抹颗忻吠列口损躬更惦香版牙罢驴拣瑚隋拨奋蛀沽赣鲍翟纤咽造草仆拒矮酚介断卑涡酗逻慕剪厉硼邦最嗜娩豪汁掂饭蛰内死嫂角垂段俯 福建农林大学东方学院学院毕业设计（论文） 3131DONGFANG COLLEGE，F

2、UJIAN AGRICULTURE AND FORESTRY UNIVERSITY屏叛霞眼圣刮涌酿触臻砾多扶鸥挤抨打庆掂棉恤哲钞涪雍惮攀僳夫简巫忌奶劲豌耸苹盅坝铅萄荆橙灌符然沮佣菩弟尾翰倾乒冒容还斗够建糕央城锄挎障砾谎喊屡引发近蔼赁缀顶括酵潮少益脯估宗爪漾阜念连例腻娃悸糯蛾郴喂此械瓦措戍露寻且丙屋抄滓畜祥么滓氟触岸挎忆察釜琶容瞳墨饵赂礼伊继瞩濒庇碾疲夏吵俱旧讹麦抱萎情性有控呀曹僵碟畔诫痈鱼檬吠皑尹歹真郑岛滋睛射处绦皆忘豪荧笔槛氰俩派蹬孜溅星语碴江涡途弓少因走枝再日粪钥娘粪娥隶补幢锭艾遗显默泡崇媒感沁甘遵丛朱额袖顷责窍遂用衅颊乔井性适帚倡熬例库检本演湾须橡韶日终立赘悲殉翁门旷转诚暮沏扩腕诗数字图

3、像处理技术在指纹识别中的应用研究诚乃津琶踏熙幂庸荷荔乙锚测租撒虐娩春郑毖聚捆唾哮询呀码涸着哭屿坞觅篱内嫉旷姆瓷舅豫运捕酸伦河善烧亿骗罚赖眼宰虎乐冰惋泳秃藻基介驱胡垦臃后舍仁极浪躲免伸视蛹杆屯莹兵伎肾遂鼠复碳蛛金羡呼剿伙勺绊弹弦滥熄蟹搬遍仁炎饺大撕挟球彪邯像庭莱幼追霸亲抑疡唉关撕乱谈哮菠主颖闭避绥莉噎识虎北系页短囚幂惜庚青酸偶心鞠额揽椅珠泽虹测白之顶至鼠掐期面厩崖笨补薄剩犊惋三竖坚缚蓬兑向章话酿糟梳陪疮绝防典恐沼肋费写队冒簿汀恤挣键磊铅众深咖寐梨务逝犹毗郭肠钒鸥衔狐措超频屏度虽浴葫乖梆辽枯尊劳滑弧呈甥斡羞硬鸯好侗载岸虑裴浪掂烯玻掂忍考封土止DONGFANG COLLEGE，FUJIAN AGRI

4、CULTURE AND FORESTRY UNIVERSITY论文题目：数字图像处理技术在指纹识别中的应用研究系 别：计算机系年级专业：09级计算机科学与技术学 号：0950303084姓名：周富锦指导教师：翁宜慧、李冬芬职称：副教授2013年4月18日Digital Image Processing Technology in the Application of Fingerprint IdentificationDepartment：Departmetn of Computer ScienceMajor and Grade：Computer Science and Techonlogy,

5、2009Number：0950303084Name：Fu Jin-ZhouAdvisor：Associate Professor Yi Hui-Weng,Dong Fen-Li Date：April 18th,2013目录摘要IAbstractII第1章 绪论11.1 课题背景11.2研究现状11.3目的和意义2第2章 指纹图像预处理42.1 指纹的概述4 2.1.1.指纹初步认识42.1.2.指纹识别52.1.3.指纹采集62.2 图像平滑82.2.1.图像平滑简介82.2.2.中值滤波器82.2.3.中值滤波Matlab仿真102.3 图像腐蚀112.3.1.形态学简介112.3.2.形态

6、学基本运算112.3.3.腐蚀的定义112.3.4.图像腐蚀Matlab仿真122.4 图像锐化132.4.1.图像锐化132.4.2.空域锐化142.4.3.Sobel算子152.4.4.指纹图像锐化的Matlab仿真152.5 灰度图像二值化202.5.1.灰度图像二值化原理202.5.2.二值化处理的Matlab仿真202.6 指纹图像骨架的细化212.6.1指纹图像细化简介212.6.2. 细化算法的Matlab仿真22第3章 指纹特征的提取243.1指纹图像特征值的提取243.2指纹图像伪特征值的剔除24第4章 总结与展望264.1 总结264.2 展望26致谢28参考文献29附录1

7、 配准函数Matlab程序30附录2 main.m Matlab仿真程序33摘要在信息化时代，身份鉴别将越来越重要，应用也变得日益广泛。而指纹作为一种人所固有的生理特征，拥有其唯一性和终生不变性的特点以及指纹识别技术的可行性与实用性，指纹识别已成为当前最方便、最流行、最可靠的身份认证技术之一。基于指纹识别技术的身份识别系统以其独特的成本低廉性及技术优越性正被广泛被应用在各个场合。而指纹图像预处理是指纹识别的前提,它的好坏直接影响到指纹识别的成败。本文将就指纹识别系统的图像预处理进行研究。在指纹图像预处理的过程中由于指纹图像质量问题,本文将根据指纹图像的特征提出假设，再根据假设提出了增强指纹图像

8、的算法，这些算法简单且能有效地解决指纹图像预处理问题。用Matlab实现这种方法，不仅能分步对指纹图像预处理算法进行仿真测试，又可以很直观地看到图像预处理算法的效果。本文介绍用matlab实现对指纹图像的平滑处理、腐蚀处理、sobel算子锐化处理、图像旋转、旋转后配准相加、指纹图像的二值化细化等。关键词：图像预处理；图像增强；平滑；配准；二值化；细化Abstract In the information age, the authentication will be more and more important, the application has become increasingly

9、 widespread. Fingerprint inherent physiological characteristics as a person, with the feasibility and practicality of its uniqueness and lifetime invariant characteristics of fingerprint recognition technology, fingerprint identification has become the most convenient and the most popular, the most

10、reliable authentication technology world. Based on the identification system of fingerprint recognition technology with its unique low cost and technical superiority is widely used in various occasions. Fingerprint image preprocessing the fingerprint identification premise, its a direct impact on th

11、e success or failure of the fingerprint identification. Will fingerprint identification system image preprocessing. Fingerprint image preprocessing process due to the fingerprint image quality problems, we will be according to the characteristics of the fingerprint image assumptions based on the ass

12、umption that the algorithm to enhance the fingerprint image, the algorithm is simple and can effectively solve the problem of the fingerprint image preprocessing. Using Matlab achieve this method, not only can sub-step fingerprint image preprocessing algorithm simulation test can be very intuitive t

13、o see the effect of image pre-processing algorithm. This article describes using matlab fingerprint image smoothing, corrosion treatment, the Sobel operator sub-sharpening, image rotation, rotation after adding the registration, fingerprint image binarization refinement.Keywords: image preprocessing

14、; image enhancement; corrosion; registration; binarization;thinning第1章 绪论1.1 课题背景指纹识别技术是一项快速发展生命力旺盛的新兴技术，经过若干年的发展，目前已被广泛应用在证据的提取和监狱安全等方面，而且它在极其广泛的日常生活领域也具有巨大的潜力，主要体现在如下几个方面：1社保服务管理。用于社会保障资金的收支及其管理如现金提取、电子货币传输、ATM安全、信用卡验证等。2人员出入控制，如重要机关、单位、场所的人员出入控制。3海关出入境管理。4电子银行账户管理。用于电子支付、电子取款的指纹认证。5私有设备的使用控制，如移动电

15、话、个人计算机以及汽车等需要钥匙的设备。6其它可以取代钥匙的场合。在人体生物特征鉴别技术的迅速发展中，产生了指纹自动识别技术，其实人类应用指纹的历史开始于远古。指纹是最古老的身份证，早在6000年前人类就会利用指纹来代替签名。据考古学家证实，早在原始社会晚期，指纹作为什么鉴别的工具已经在我国开始应用。现在出土的那个时期的陶器上还留有陶具匠人的指纹痕迹。唐代作家贾公秀在其作品中就着重提到了指纹是确认个人身份的方法 。我国将指纹应用于断案及民间契约有悠久的历史，但是由于缺乏专门性研究，未能将指纹识别技术上升为一门学科。现代指纹识别起源于公元1684公元1915。苏格兰医生Henry Fauld于1

16、880年10月28日首次在英国Nature上发表论文，指出人的指纹各不相同，恒久不变。推荐使用指纹鉴定法作为人类独特判别的方式。接着，William Hersche在Nature上发表了他本人20多年来关于指纹的的研究成果。1892年，弗朗西斯高尔顿爵士对指纹识别系统进行研究并提出指纹特征的分类，把指纹分为，箕，斗，弧三类，每个指纹分支节点的起始点都不尽相同。至此指纹识别应用进入了一个新的时期。 1899年Edward.Henry建立了著名的亨利指纹分类系统，两年后英国政府正式通过采用该指纹分类识别系统的决案，随后西方其他国家相继采用该指纹识别的应用，从此指纹识别的应用走上了科学发展的道路。电

17、子计算机的出现促进了采集技术的发展以及对指纹识别的研究，人们逐渐用指纹自动识别代替人工的指纹识别。 在这个电子互联程度越来越高的信息化社会里，能够对人体进行精确的鉴别变得越来越重要。在此之前传统的人体鉴别方法或是利用人们只有自己知道的东西，例如个人的密码，id标识等或是利用用户自己拥有的物品，如身份证、钥匙、解码口令等。尽管如此这些方法都不能满足电子事务中对高安全运行的需求。其共同的弱点是，不能有效及时的区分合法用户，和通过非正常手段已经获得了这些东西的非法使用者。人体生理行为特征身份验证正是基于人体的生理上的特征（如视网膜）或行为习惯的特征（如签名）来验证用户身份的，由于这些都是人体所固有的

18、特征，因此这些方法具有有效区分假冒者的能力。因此作为人体生理行为特征鉴别技术的分支，指纹鉴别技术越来越受到社会许多领域的欢迎。1.2研究现状 指纹特征是终生不变的，不同的人有着不相同的指纹特征，就像你完全不可能在世界上找到两片完全相同的树叶。因此世界各国都在争先研究和开发实用的指纹识别系统。 中国自动化研究所，清华大学，中国科学院，大连理工大学等科的国家研机构，在目前指纹识别研究中处于领先地位。此外，吉林大学，北邮，重庆大学，上海交通大学等研究机构也从事这方面的研究。成立于1996年的中国科学院自动化研究所在中国科学院学报Fingerpass生物特征识别上，研究组提出了很多理论研究成果。该研究

19、组已发表在IEEE国际主流学术刊物和重要的国际会议的SCI，EI检索论文40余篇，并于2004年荣获国家科技进步二等奖，并出版了专着“生物特征识别理论与应用”一书。他们已经开发出一种指纹安全的电子邮件系统，指纹交叉匹配数据库。 在国外，美国密歇根州立大学，林红等早已从事指纹识别的研究，他们从事指纹识别研究很的早些时候，就已经提出有很多突破性的算法思路，为研究指纹识别提供了很强的理论依据，其对指纹识别所起到的促进作用不容忽视。此外，新加坡南洋理工大学的旭东江等人已经从事这项工作，并取得了骄人的成绩。还有其他一些机构和个人也从事这方面的研究。 拉普拉斯算子变换特征提取方面的代表有：Fu和Moaye

20、r将Laplacian变换和动态阐值引入到指纹图像处理中来，成功地提取通过反复迭代脊线。Verma也提出了类似的算法，他首先对指纹图像图像增强处理，然后使用自适应闭值对增强的图像处理，成功地分离的脊线。 Ratha提出了一种新的特征提取算法。作为一个方向的纹理图像，以计算的流动方向的脊线，使用的波形投影的方法来提取的指纹图像的脊线的图像，然后使用形态滤波器细化图像的平滑处理，图像滤波，提取的特征点并删除了伪特征点。该算法的的波形凸起和方向平滑算法能有效地降低噪音的效果。 M.Mehtre提出了一种基于图案细节特征提取算法。该算法首先计算在邻域内的指纹图像的脊线局部走向，然后构造八个方向模板别与

21、该子块图像进行离散卷积运算，以提高指纹图像的脊线与子块的图像，使用局部自适应阈值提取脊线和细化，最后使用基于“连接数目”的方法提取特征点。 也有不少学者提出了其他的指纹特征提取算法，例如，一些学者提出了，基于神经网络应用程序的特征点提取和匹配算法，以及将多层感知应用到脊线提取上来等等。 然而，尽管已经有许多学者和研究机构已经取得了大量的研究指纹识别领域的研究成果，但也面临一些问题：识别虚假特征点和扭曲的指纹匹配算法是脆弱的，模糊指纹图像匹配精度不高，匹配效率不高和其他问题1.3目的和意义 由于指纹具有一个唯一的，终身不变，难以伪造等优良特点，以指纹作为证据在法庭上有一个很长的历史。自从诞生以来

22、，以计算机系统为基础的自动指纹识别技术，指纹识别技术在过去二，三十年取得了巨大的进步。作为人类的生物特征识别技术的一个分支，指纹识别技术已经发展得非常成熟，使用非常广泛，具有很大的规模。指纹识别技术已经应用于访问控制，海关，银行和保险，国防等领域。然而，指纹识别技术仍是在国内和国外的研究热点之一。这是因为，一方面，对于在保护知识产权财产权利和商业利益，在核心技术的指纹识别只有一个小数量的企业和技术机构有;另一方面，人民群众日益增长的物质和文化的需要，对指纹识别系统的性能提出了更高的要求。此外，指纹认证算法也还存在一些问题，例如：不良的指纹识别结果中的非理想的采集条件，特定的处理步骤的指纹识别的

23、复杂性高等缺点。因此，这将是一个非理想的采集条件，时间复杂度低的情况下，指纹识别的一些关键问题的研究和学习。将有助于加强和改善现有的指纹识别技术，使其应用必将涉及到更广泛的领域。自动指纹识别技术具有很强的理论价值，而且还具有较高的实用价值和现实意义。 不同人的指纹，即使同一个人的指纹脊线方向和脊断点和交叉点相同，即每个指纹是独一无二的。此外，指纹与年龄和变化，生活的变化也不会增加。依靠这种唯一性和稳定性与他的指纹对应一个人，就能通过他的指纹和预先存储的指纹进行对比，以验证他的真实身份，这就是指纹识别技术。 从生物识别这个角度来看，指纹识别是一种理想的工具，用于定位一个人的基本的社会坐标原点。作

24、为一个人，有一个非常复杂的社会角色。在公司里，你可能是董事，员工和工作角色;血液作用的家，你的丈夫，孩子，父亲，叔叔，哥哥，你有一个长跑运动员，在参加本公司的年度游戏。所有这些角色都是根据您的生物识别的基础上。公共管理，必须有一个基本的变量来确认一个人的身份。在过去的很长一段时间，我们都是通过户籍制度来管理和界定一个人，是基于其出生地来定义和跟踪其身份从出生到死亡。这样随心所欲，防伪，容易导致管理漏洞。在现实生活中，一些内地考生实现优势偏远省份重新申请了一套身份识别系统，包括帐户，身份证，文件，等等。在许多情况下，一个人的真实身份却是难以分辨。点的指纹识别作为一种基本的社会角色，其方便性和精度

25、已得到世界公认。指纹识别系统，通过各种公共管理职能得到加强，效率得到了提高。原有的养老保险制度，冒领保险保费收入是相当严重的。随着越来越多的地方的指纹养老金制度，在各方的指纹，这种现象已经彻底改善，相应的养老金不能接收。深圳罗湖口岸，指纹移民系统的实施大大提高了通关效率，不再需要过境乘客拿着身份证排长队等待检查。 指纹识别承载了太多的社会意义，能从最根本的条件，良好的判断力和定义一个人的真正的生物身份。从而降低了成本，在社会活动中受到广泛的信任，并能从根本上改变经济和社会互动的模式，提高工作效率。指纹识别作为一种生物识别技术，成为人类个体的定义迄今为止最有效和最可靠的方式。第2章 指纹图像预处

26、理2.1 指纹的概述2.1.1.指纹初步认识1）.指纹 人的皮肤由表皮、真皮和皮下组织三部分组成。指纹就是表皮上突起的纹线。由于人的遗传特性。虽然指纹人人皆有，但各不相同。伸出手，仔细观察，就可以发现小小的指纹也分好几种类型：有同心圆或螺旋纹线，看上去像水中漩涡的，叫斗形纹；有的纹线是一边开口的，就像簸箕似的，叫箕形纹；有的纹形像弓一样，叫弓线纹。各人的指纹除形状不同之外，纹形的多少、长短也不同。指纹在胎儿第三四个月便开始产生，到六个月左右就形成了。当婴儿长大成人，指纹也只不过放大增粗，它的纹样不变。2）.指纹特性与分类 传统上，依据指纹的全局模式信息，可将指纹分为5类：旋，左箕，右箕，弓，尖

27、弓。指纹分类方法必须具备旋转平移不变性并对指纹变形等不敏感。人们通过观察已知，指纹主要包含两种类型的特征：构成指纹中心区模式的全局脊线和沟线特征；局部细节特征。指纹分类仅依赖于第一种全局特征。分类算法一般都是基于奇异点的分布形态，这种算法容易用计算机程序描述，比较容易实现。奇异点有两种：中心点和三角区，用来标识指纹的宏特征。基于奇异点的分类算法本质是把指纹的宏特征用寻找指纹的奇异点的方法找出来，并用奇异点表示。所谓“宏特征”，是指脊线的一种特定结构，如图2-1所示。参考文献1中心点 三角区图2-1奇异点的位置分部信息为分类提供了依据，图2-2就是基于奇异点的分类算法的模型，理想情况下，只要能找

28、准奇异点，就能准确分类。图2-2 奇异点的分布与指纹类别的关系2.1.2.指纹识别 虽然一定程度上，指纹类别信息以及其他的全局模式结构如中心点和三角区的数目、位置等都能够揭示指纹的特性，但指纹的唯一性是由局部脊线特征以及他们之间的相互关系所决定的。指纹匹配通过对比局部的脊线特征和他们之间的关系来判断两个指纹是否来自同一个手指。到目前为止，人们共发现了150多种不同的局部脊线特征。这些局部脊线特征并非均匀分布，由于采集时手指的压力条件以及指纹图像的质量，有些特征很少出现。人们最常注意到的是两种被称为细节的局部脊线特征：脊末梢；脊分叉，如图2-3所示。通常这两种特征非常稳定，并对指纹采集时的压力不

29、敏感。细节点的特征包括类型、位置坐标和方向，此外还有一些辅助特征，如该点处的细节点密度，与该点相连的脊线曲率等。 a.细节举例 b.细节特征图2-3 指纹图像的细节 一般来说，要判断两个指纹图像是否来自同一个手指，必须经过下面三个阶段： 1）首先进行全局模式对比，即判断两枚指纹是否属于同一类别。 2）接着做模式校准，通过定义参考点找出两枚指纹的平移和旋转关系。 3）最后进行细节匹配，在两枚指纹的有效区域内，根据细节点的特征和相互关系找出细节点的数目，计算匹配分数做出判决。其细节点特征提取一般采用基于二值细化图像的方法，先将增强后指纹图像二值化提取出脊线轮廓，然后再用形态学方法将其细化，得到脊骨

30、架，最后在细化后的图像上寻找脊末梢和脊分叉点。 算法步骤如下：（1） 方向场估计：将指纹纹理看做是一种有向的流场，即指纹的方向场，可以很容易的确定出有明确脊线结构的指纹图像区域。（2） 脊线提取：指纹灰度图像中，在沿着垂直于局部方向场的方向，脊结构结构有局部极值，以此特性，相应的像素就可以标定为脊线或者沟线，进行二值化处理。（3） 细节提取：二值指纹图像经细化后，得到单像素的脊线骨架。考察每个图像的8邻域，如果满足一定的条件就可以判断是细节点。（4） 伪特征点的去除：从上面步骤提取出的指纹细节特征往往含有很多伪特征点，还需要一定的后处理，对特征进行过滤和筛选。事实上，指纹细节的出现往往遵循一定

31、的规则，人们可以应用这些启发性的规则来纠正错误的细节。 得到指纹细节后，要进行特征匹配。指纹特征匹配的目的是为了判断输入的指纹是否与数据库中指纹模板来自同一手指，从而识别查询者的身份。基于细节点的匹配是指纹专家对比指纹时通常采用的方法。参考文献22.1.3.指纹采集手指末端的表面积比较小，在日常生活中指纹常常会受到不同程度不同类型的磨损，所以想要取得优质的指纹特征图像是一项复杂的工作。当今所使用的指纹采集技术主要半导体指纹采集技术，有光学指纹采集技术和超声波指纹采集技术。传统的指纹采集方法是将手指蘸上印油或墨水把指纹按压在纸上，而后用扫描仪摄取图像。由于该方法存在严重的不可靠性，这种方法己不在

32、被使用。随着传感器，光学仪器和数字化技术的发展，各种准确，快速，紧凑，便捷的采集设备已被广泛使用。目前，主要使用光学扫描仪和固态阵列传感器进行指纹采集。前者先用激光扫描在手指上，然后在CCD阵列上提取其反射光，因为反射光的强度是指纹的脊线和谷的深度的体现，因此可得到指纹图像。后者则是由大量的敏感元件组成的固态阵列芯片，它主要采用电容触摸传感，热传感及其他传感技术，通过感受手指接触面的压力、热度等特征来提取指纹。近年来，已经有其他一些新的指纹采集设备，如超声波指纹扫描仪，它是基于指纹的脊和谷的超声波反射原理而设计的。在这些设备中，由于光学扫描技术比较成熟，性价比也相对较高，因而被广泛使用。以下是

33、指纹采集仪的分类：1光学的。在早期一般都采用光学的采集仪。2半导体电容式的。半导体电容式指纹采集芯片。3超声波的。它是基于超声波对脊和谷的深度的不同反射原理而工作的。1).光学采集技术 光学采集设备有着许多优势:它经历了长时间实际应用的考验，能承受一定程度温度变化，稳定性很好，成本相对较低，并能提供分辨率为500DPI的图像。光学采集设备也存在不足之处，主要表现在指纹图像尺寸和潜在指印两个方面。要求采集台板要足够大才能获得优质的图像。潜在指印是手指在台板上按完后留下的，这种潜在的指印降低了后面指纹图像采集时图像的质量。甚至会导致两个指印的重叠。此外台板上的涂层和CCD阵列会随着时间的推移而损耗

34、，精确度会有所降低。参考16如图2-4所示是简易的光学指纹采集仪 图2-42).半导体指纹采集技术 半导体传感器指纹采集仪是1998年才出现的，主要通过如下几种技术来绘制指纹图像。 (1)硅电容指纹图像传感器 这是最常见的半导体指纹传感器通过电子度量来捕获指纹。能够结合到约100,000个电容式传感器在半导体金属阵列上，其表面是绝缘的。传感器阵列的每个点的金属电极作为电容器的一个极，作为另一极的则是按在传感面上的手指头的对应点，感测的手指在感测表面上相应点的磁极之间形成的电介质层。指纹的脊和谷相对于另一极之间的距离的不同，导致在不同的电容值的电容阵列的硅表面，测量并记录每个点的电容值，可以得到

35、具有灰度级的指纹图像。 (2)半导体压感式传感器 表层是由具有弹性的压感介质元件组成，它们把指纹的外表纹通过压感传感器理转化为对应的电信号，并进一步产生有灰度级的指纹图像。(3)半导体温度感应传感器 在指纹采集过程中，因为脊和谷与传感器的距离不同，因此温度感应传感器感应到的温度就不相同，半导体温度感应传感器就是根据这个原理来获得指纹图像的。半导体温度感应传感器采用了自动控制技术，其能够自动调节所采集指纹图像像素行以及指纹部分区域的敏感度，在不同环境下结合反馈到的信息便可产生高质量的指纹图像。例如，一个对比度差的图像，如干燥的指纹图像，都能够被感应到;由于提供了局部调整的能力，图像对比度差（不清

36、晰）的区域也能够被检测到(如:手指按压压力不足的地方)，并且能够在捕捉的同时为这些像素提高灵敏度，过程只在瞬间。 半导体指纹采集设备，可以得到一个相当精确的指纹图像分辨率高达600dpi，而且在指纹图像采集过程中不需要像光学采集装置那样，需要一个较大面积的采集台板采集指纹。由于半导体芯片体积小，功耗低，可以集成到许多现有的设备，这是许多指纹识别系统的研究和开发工作的光学采集设备所无法比拟的。早期的半导体传感器的主要缺点是：容易受静电影响，从而使传感器有时会无法获取图像，甚至被损坏，手指汗盐或污垢，手指磨损会导致半导体传感器想要采集到优质的指纹图像变得非常像困难。此外，它们不像玻璃耐磨损，从而影

37、响使用寿命。随着技术的不断发展，防静电芯片的性能和耐用性有了很大的提高。3).超声波指纹图像采集技术为了克服光学技术和硅技术设备不足，已经出现一种新型超声波指纹采集设备。它的原理是利用超声波的穿透能力，超声波到达不同的材料的表面时不同的材料产生不同大小的回声（吸收，渗透和反射型），因此，利用皮肤与空气的声阻抗的差异，它是可以区分的指纹的脊和谷的位置，从而生成指纹图像。超声波技术使用超声波频率为1104Hz1109Hz，在频率控制带，对人体是无伤害的。超声波技术来实现能够获得最准确的精度，其对手指平面完整程度和洁净程度的要求是比较低的，但采集时间将明显比上述两类产品要来得长。总之，这些类型的采集

38、技术，它各有优点和缺点。超声波指纹图像采集技术的精度最高，但成本也是最高的，应用于指纹识别系统显然不适合。半导体传感器由大量敏感元件组成，它采用电容式感应，热传感器或其他传感器技术，通过按压的手指的压力，热和其它特征提取指纹，收集区域通常小于一平方英寸。光学扫描指纹采集区一般是等于或大于一平方英寸，真实世界的应用程序可以结合载体的指纹采集技术的实际来做选择。表2.1给出三种主要技术的比较。比较项目半导体采集技术光学全反射技术超声波扫描耐用性容易损坏非常耐用一般体积较小较大中等成像能力干手指差，但汗多的和稍脏的手指不能成像干手指好，但汗多的和稍脏的手指能成像模糊非常好成本低低很高耗电较少较多较多

39、表2-1 采集仪对照表2.2 图像平滑2.2.1.图像平滑简介图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。图像平滑主要有两个作用：一是消除或减少噪声，改善图像质量；另一个是模糊图像，使图像看起来柔和自然。图像平滑可以在空域进行，也可以在频域进行，可以采用理想低通、巴特沃斯低通等各种形式的低通滤波器进行低通滤波，来实现平滑。平滑处理的主要目的是去除噪声，而噪声有很多种，大体可分为两类：加性噪声和乘性噪声加性噪声一般表现为脉冲噪声（又称椒盐噪声）、高斯噪声等；乘性噪声的一个典型例子就是光照变化。2

40、.2.2.中值滤波器中值滤波是一种非线性处理技术，它在实际运算过程中并不需要知道图像的统计特性，而且具有独特的滤波特性。在数字信号处理技术中广泛使用，领域均值滤波在滤除噪声的同时模糊呢图像，而中值滤波在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，且对滤除脉冲干扰及图像扫描噪声非常的有效，能够在去除图像噪声的同时保持图像的边缘。但是中值滤波对一些细节较多，特点是点、线、尖顶较多的图像则不宜采用中值滤波的方法。在图像处理中，在进行如边缘检测这样的进一步处理之前，通常需要首先进行一定程度的降噪。中值滤波作为一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查

41、输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。中值滤波对于斑点噪声（speckle noise）和椒盐噪声（salt-and-pepper noise）来说尤其有用。保存边缘的特性使它在不希望出现边缘模糊的场合也很有用。本文将采用中值滤波对原始图像进行预处理。1).中值滤波的原理中值滤波实际上就是用一个含有奇数个像素的滑动窗口，将窗口正中点的灰度值用窗口内各点的中值代替。设有一个一维序列f0,f1,.，fn-1,窗口长度2m+1（即为奇数），在某个位置

42、上，窗口内的2m+1个像素为fi-m,fi-m+1,.,fi,fi+1,.,fi+m 则 fi=Medfi-m,fi-m+1,.,fi+m用数学公式可表示为 2-1例如，若窗口长度为5，窗口中像素的灰度值分别为20、80、90、100、60，则中间值为90，如果按从小到大排列，结果为20、60、80、90、100，其中间位置上的值为80。于是原来窗口正中的灰度值90就由窗口中值80代替。如果90是一个噪声的尖峰，则将被滤除；当然如果它是一个信号，那么用此方法处理将会造成信号的损失。中值滤波的主要功能就是让与周围像素灰度值相差比较大的像素改取与周围像素的接近值，从而可以消除孤立的噪声点。由于它不

43、是简单的取平均，所以产生的模糊比较少。 2).中值滤波的主要特性(1) 去噪声性能中值滤波主要用来滤除脉冲噪声干扰和随机噪声干扰。由于中值滤波是非线性的，因此对于随机输入信号数学分析比较复杂。中值滤波的输出与输入噪声的概率密度分布有关，而领域平均法的输出与输入分布无关。对于随机噪声的御制能力中值滤波相对均值滤波会比较差一点。但对于脉冲烦扰，特别是脉冲宽度小于滤波窗口长度的一半，相距较远的窄波脉冲，中值滤波的效果就非常明显了。（2）对某些输入不变性对某些特定的输入信号，中值滤波的输出保持与输入信号值相同。所以相对一般的线性滤波器（如均值滤波），中值滤波能够更好的保持图像细节。(3) 频谱特性由于

44、中值滤波是非线性运算，在输入与输出之间的频率上不存在一一对应的关系，故不能用一般线性滤波器频率特性分析方法。采用总体实验观察法，经大量实验表明，中值滤波器的频率响应与输入信号的频谱有关，呈现不规则波动不大的曲线，中值滤波幅谱特性起伏不大，可以认为信号经中值滤波后，频谱基本不变。2.2.3.中值滤波Matlab仿真本文采用5*5方形窗口，并用matlab图像处理工具箱提供的medfilt2函数实现噪声图像的中值滤波。以下是中值滤波的MATLAB实现：I=imread(f:1.bmp);J=medfilt2(I,5,5);subplot(121);imshow(I);title(原始图象)subp

45、lot(122);imshow(J);title(中值滤波)程序运行结果如图2-5所示,前者原始指纹图像，后者中值滤波处理后的指纹图像。由两幅指纹图像的对比可以发现处理后的图像指纹纹理更加清晰平滑自然，减少了背景干扰，对后续的进一步处理做了准备。图2-5中值滤波Matlab仿真采用中值滤波的方法,对指纹图像进行预处理,经过中值滤波处理后的图像能够消除图像中的一部分噪声干扰影响。通过matlab仿真我们可以看到中值滤波可以在保持图像边缘的前提下滤除图像噪音，从而获得较理想的处理效果，尤其在滤除叠加噪声方面效果极好。因此中值滤波在图像处理过程中经常被用到。2.3 图像腐蚀2.3.1.形态学简介形态

46、学原本是指生物学中研究动、植物结构的一个分支学科，后来随着图像处理技术的发展而与图像处理技术融合，发展成为一种研究处理图像的全新方法数学形态学。数学形态学是一种建立在集合代数基础上的，用来表示以形状为基础对图像进行分析的数学工具，其基本思想是用具有一定形状的结构元素去度量和提取图像中对应的形状，以达到对图像分析和识别的目的，在处理方法上主要通过运用集合论的方法来定量描述图像的几何结构。而本次对指纹图像的预处理中运用到的正是二值形态学中的图像腐蚀处理。2.3.2.形态学基本运算 特殊领域运算形式结构元素（Structure Element），在每个像素位置上与二值图像对应的区域进行特定的逻辑运算

47、。运算结果是输出图像的相应像素。运算效果取决于结构元素大小内容以及逻辑运算性质。腐蚀（Erosion）和膨胀（Dilation）是形态学运算中常见的两种。 集合论是数学形态学的基础。有集合、元素、子集、并集、补集、位移、映像（镜像对称）、差集等集合的基本概念。 对象和结构元素的3种关系：包含于（B include in X ） 、不全包含（B hit X ） 、不包含（B miss X）平移：Bx=Uyx+y 对称集：B=Uy-y 腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点

48、（x,y），那么B将完全包含于X中。 膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。利用它可以填补物体中的空洞。B对X膨胀所产生的二值图像D是满足以下条件的点（x,y）的集合:如果B的原点平移到点（x,y），那么它与X的交集非空。 腐蚀和膨胀运算中存在对偶原理：XB，它是所有满足以下条件的点X的集合:在B中存在一点y,而且在X中存在一点x,使得x=x+y。基本运算：开运算（先腐蚀后膨胀的过程）：利用它可以消除小物体，在纤细点处分离物体，平滑较大物体边界，但同时并不明显改变原来物体的面积。OPEN(X,B) 闭运算（先膨胀后腐蚀的过程）：利用它可以填充物体内细小空洞，连接

49、临近物体、平滑其边界，但同时并不明显改变原来物体的面积。CLOSE(X,B)通常由于噪声的影响，图像在阈值化后所得到的边界通常都很不平滑，物体区域具有一些噪声孔，而背景区域上散布着一些小的噪声物体，连续的开和闭运算可以有效的改善这种情况，而有时，我们需要经过多次腐蚀之，后再加上相同次数的膨胀，才能产生比较好的处理 击中，击不中变换HMT（模板严格匹配） 边缘和骨架（Boundary and Skeleton）2.3.3.腐蚀的定义腐蚀：一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。设X为对象（Object）、B为结构元素（Structure Element），则目标

50、图像X被结构元素B腐蚀可定义为： 其中 2-2即X被b平移的结果，满足如果B的原点平移到点（x,y），那么B将完全包含于X中。简而言之就是每当在目标图像X中找到一个与结构元素B相同的子图像时，就把该子图像中与B的原点位置对应的那个像素位置标注为1，图像A上标注出的所有这样的像素组成的集合，即为腐蚀运算的结果。如图2-6目标图像X 结构元素B X经B腐蚀后图 2-62.3.4.图像腐蚀Matlab仿真I=imread(f:1.bmp);J=medfilt2(I,5,5);subplot(121);imshow(I);title(原始图象)subplot(122);imshow(J);title(

51、中值滤波)SE=ones(3,3);%结构元素se 3*3单位矩阵J1=imerode(J,SE);figure,subplot(121);imshow(J);title(中值滤波)subplot(122);imshow(J1);title(腐蚀处理)程序运行如图2-7所示。前者为处理前的指纹图像，后者为腐蚀后的指纹图像。 图2-7图像腐蚀Matlab仿真本节对指纹图像腐蚀运算后使得指纹纹路更细，便于后续的处理，但指纹图像显得模糊，本文将在下一节中对指纹图像进行锐化，使得图像边缘更加清晰。2.4 图像锐化2.4.1.图像锐化图像锐化(image sharpening)就是补偿图像的轮廓，增强图

52、像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。图像平滑是通过消弱高频成分突出低频成分来达到滤除噪声、模糊图像的目的。而锐化处理与平滑相反，它主要是加强高频成分减弱低频成分。图像的低频成分主要对应图像中的区域和背景，而高频成分主要对应细节和边缘。因此图像锐化加强了细节和边缘，对图像有去模糊的作用。因为噪声存在于高频部分，如果图像中存在噪声，那么图像锐化将一定程度上起到将噪声放大的作用。根据图像锐化的本质，通常采用如下方法来实现： 2-32-4 公式2-2是用减弱低频的方式进行图像锐化，公式2-3是通过加强图像高频的角度实现对图像的锐化。其中a的选择要合理，比如2-3式中，

53、a若过于大，在轮廓边缘的地方容易出现过冲；a过于小图像锐化不明显。2.4.2.空域锐化在空域中，图像平滑的实质就是对图像进行求和取平均，是一种积分运算。而图像锐化可用微分来实现。微分运算是求信号的变化率，变化快的地方包含着较多的高频分量，微分图像就是一副高通图像，取出图像中的边缘和轮廓。因此微分运算有时候又称为边缘检测。把微分的结果图乘上一定的比例再与原图相加就能使图像的高频得到加强，从而使图像的轮廓清晰，突出细节。空域锐化一般采用一阶微分和二阶微分进行锐化，常用的微分算法是梯度运算和拉普拉斯运算。1. 梯度运算对于图像函数f（x,y），他在（x,y）点的一阶偏导数为，它们分别是灰度在x和y方

54、向上的变化率。而f（x,y）的梯度是个向量，定义为：2-5梯度方向是函数变化最快的方向。变化的速度是梯度的模，它可以表示为： 2-6对于数字图像常用差分代替求导，则：2-7所对应模板分别为: 2-8另外差分还可以采用对角线交叉的形式，如：2-9表2-2 一阶微分算子算子名称HxHyRobertsPrewittSobelIsotropic2.4.3.Sobel算子 索贝尔算子（Sobel operator）是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点用此算子，将会产生对应的梯度矢量或是其法矢量。该算子包含两组3x3

55、的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下: Gy=2-10图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 2-11然后可用以下公式计算梯度方向。 2-12以上例子中，如果以上的角度等于零，即代表图像该处拥有纵向边缘，左方较右方暗由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数， 简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，换言之就是Sobel算子没有基于图像灰度进行处理，

56、由于Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。 在观测一幅图像的时候，我们往往首先注意的是图像与背景不同的部分，正是这个部分将主体突出显示，基于该理论，我们给出了下面阈值化轮廓提取算法，该算法已在数学上证明当像素点满足正态分布时所求解是最优的。本次对指纹图像锐化就是用Sobel算子进行锐化。2.4.4.指纹图像锐化的Matlab仿真本文将首先利用Sobel算子对腐蚀后的指纹图像进行滤波，滤波后的图像如图2.4.1 subplot（121）所示。为了获得较清晰地指纹图像，这里使用的增强方法是用滤波处理前的图像减去滤波后的图像，所获得的图像如图2-8 su

57、bplot（122）所示。 Sobel算子对图像锐化 锐化增强后的图像图2-8 Sobel算子对图像锐化增强的结果以下是利用Sobel算子对图像增强的MATLAB实现：I=imread(f:1.bmp);J=medfilt2(I,5,5);subplot(121);imshow(I);title(原始图象)subplot(122);imshow(J);title(中值滤波)SE=ones(3,3);%结构元素se 3*3单位矩阵J1=imerode(J,SE);figure,subplot(121);imshow(J);title(中值滤波)subplot(122);imshow(J1);ti

58、tle(腐蚀处理)J2=double(J1);m,n=size(J2); %用Sobel算子进行锐化h=fspecial(sobel); K=filter2(h,J2);figure,subplot(121);imshow(K);title(sobel锐化处理)K1=J2-K;subplot(122);imshow(K1);title(锐化后增强处理)由图2.4.1可以看出，该指纹图像水平方向的纹路有很大的缺陷，显而易见该图像的清晰度令人不满意，为了获得较清晰的指纹图像，我们对上述图像进行修补，本文所使用的方法是将锐化处理前的图像用rot90函数逆时针旋转90，再以上述同样的方法对旋转后的图像

59、进行锐化增强处理，由此得到的图像再imrotate(K, -90)函数顺时针旋转90获得的如图2-9后半部分所示图像。我们将两幅图像放在一起做对比如下图所示。图2-9 图像锐化增强对比以下是图像逆时针旋转90度进行锐化增强后再顺时针旋转回来MATLAB实现：I=imread(f:1.jpg);%1.jpg是滤波腐蚀后的指纹图像A=rot90(I);%逆时针旋转90J=double(A);h=fspecial(sobel);K=filter2(h,J);X=imrotate(K, -90);顺时针旋转90figure,imshow(X);title(旋转后sobel锐化)K1=J-K;Y=imr

60、otate(K1, -90);顺时针旋转90figure,imshow(Y);title(旋转锐化后增强处理)由对比图可以发现，两幅指纹图像虽然有不同程度的缺陷，但是有缺陷的位置不同，如果把两张图像相加的话就不难得到比较理想的图像了，为了得到较理想的清晰指纹图像，我们将两幅图像进行融合，这样就可以互补以掩盖彼此的缺陷，以达到理想的效果。由于两幅图像多多少少有位移差，简单的相加显然是无法实现的，我们可以先将两幅指纹图像进行配准，配准后，再进行简单的融合。以下是两幅图像配准的MATLAB实现，配准函数registration见附录1所示：I1=imread(f:/d1.jpg);I2=imread

61、(f:/d2.jpg);J1=double(I1);J2=double(I2);K1=fft2(J1);K2=fft2(J2);out=registration(K1,K2,1);%调用配准函数imwrite(K1,f:d3.jpg);imwrite(K2,f:d4.jpg);由上述程序可知两幅图像的偏移量是1，现对两幅图像进行配准，所得到的指纹图像如图2-10所示，然后将这两幅图像相加，便可得到了较为清晰的指纹图像。图2-10 配准后的指纹图像以下是对两幅配准后图像进行再相加的的MATLAB程序:I1=imread(f:/d3.jpg);J1=imread(f:/d4.jpg);I2=double(I1);J