自动指纹识别系统的研究与设计毕业设计.docx
《自动指纹识别系统的研究与设计毕业设计.docx》由会员分享，可在线阅读，更多相关《自动指纹识别系统的研究与设计毕业设计.docx（108页珍藏版）》请在冰点文库上搜索。
自动指纹识别系统的研究与设计毕业设计
（此文档为word格式，下载后您可任意编辑修改！
）
自动指纹识别系统的研究与设计
摘要
指纹具有唯一性和稳定性，因此被人们用来当作鉴别个人身份的主要依据。
自动指纹识别系统是基于计算机来进行指纹识别的技术，具有方便、高效、安全、可靠等优点，在金融安全、数据加密、电子商务等各个领域都得到了广泛的应用，并将在我们的生产和生活中发挥越来越重要的作用。
本文的内容正是关于自动指纹识别系统的研究与开发，按照设计过程，本文主要包括三个大部分:
指纹图像的预处理、特征提取以及匹配。
指纹图像的预处理又可以分为灰度图滤波去噪、二值化、二值化图像去噪、细化和细化后去噪五个部分。
本文先基于指纹的方向图设计出方向滤波器对原图像进行滤波去噪，然后使用局部平滑闭值自适应二值化算法，将灰度图像进行二值化，并采用快速傅氏变换对所得到的二值化图像进行去噪处理。
接下来使用细化模板对二值化图像进行细化，并针对细化图中各种噪声的拓扑结构将它们一一滤除。
指纹图像的特征提取主要是提取指纹的细节特征及其位置。
本文先采用脊线跟踪法将指纹图中的细节特征全部找出来，再对每个细节特征进行验证，尽量去除伪特征点。
然后采用求PoincareIndex值的方法确定指纹的中心点，并作为参照点来确定每个特征点相对参照点的位置。
括了图像校准和细节匹配两个部分。
首先，找到输入图像和模板图像的参照点对，然后将两幅图像中的细节特征点相对于各自的参照点转化为极坐标形式，最后进行比对，确定两幅图像是否来自于同一手指。
经实验证明，本文所设计的自动指纹识别系统系统是可靠、有效的。
关键词:
自动指纹识别系统;预处理;特征提取;匹配;二值化;细化;细节特征
Abstract
Duetotheiruniquenessandpersistence,fingerprintsareusedasmainbasisofpersonalidentity.Automatedfingerprintidentificationsystem,atechnologyoffingerprintidentificationusingcomputer,isofconvenience，appliedinmanyfieldssuchasfinancialsecurity,dataencryption,electronicalbusinessandwillplayamoreandmoreimportantroleinourlife.
Thispaperisaboutthestudyanddesignofautomatedfingerprint
identificationsystem.Accordingtotheprocessofthedesign,thepapercanbedevidedintothreecomponents:
pre-processing,featureextraction,matchingoffingerprintimages.
Fingerprintimagepre-processingingray-scaleimage,binarization,filtrationinbinaryimage,thinningandfiltrationinthinningimage.Inthispaper,wefirstlydesignorientationfiltersbasedondirectionalimageoffingerprintandemploythemtodenoisegray-scaleimage.Then,webinarizethegray-scaleimagewithlocalself-adaptivebinarizationsmoothnessalgorithmandeliminatethenoisesfromthebinaryimagewithfastFouriertransformalgorithm.Afterwards,byusingthinningtemplates,wegettheskeletonfingerprintimage
fromthebinaryimage.Afterthinning,wegetridofthenoisesfromtheacquiredskeletonimageaccordingtotheirconfiguration.
Fingerprintimagefeatureextractionmainlyextractstheminutiaeandtheirpositions.Firstly,thispaperpresentsanalgorithmbasedonridgefollowingtoextractallminutiaefromthepre-processedimage.Secondly,wevalidatetheseminutiaeandeliminatepseudoones.Then,bycomputingthevalueofPoincareIndex,wecanfindthecoreofthefingerprint.Finally,wecanfixontherelativepositionsoftheminutiaeaccordingtothecore.
Fingerprintimagematchingwetransformtheminutiaepositionsintopolarcoordinates.Finally,wematchtheinputimagewiththetemplateonetojudgewhetherthesetwoimagesarecapturedfromthesamefinger.
Experimentsdoneandtheresultsshowthatthedevisedautomatedfingerprintidentificationsystemiseffectiveandreliable.
Keywords:
automatedfingerprintidentificationsystem;pre-processing;featureextraction;matching;binarization;thinning;minutiae
第1章绪论1
1.1生物特征识别技术1
1.2自动指纹识别系统的结构4
1.2.1指纹取像4
1.2.2预处理·5
1.2.3特征提取6
1.2.4比对g
1.2.5数据库管理·g
1.2.6系统管理g
1.2.7自动指纹识别系统的性能评价指标g
1.3自动指纹识别系统的分类及发展10
1.3.1自动指纹识别系统的分类·10
1.3.2自动指纹识别系统的发展·11
1.3.3自动指纹识别系统的应用·12
1.4本文的主要工作·13
第2章指纹图像的预处理14
2.1灰度图滤波去噪14
2.1.1点方向图的求取15
2.1.2块方向图的求取16
2.1.3基于方向图滤波21
2.2二值化·25
2.3二值化图像去噪·26
2.4细化·27
2.5细化后去噪·30
2.5.1消除毛刺31
2.5.2去掉短线31
2.5.3连接断点31
2.5.4消除小孔32
2.6本章小结33
第3章指纹图像的特征提取·34
3.1利用脊线跟踪提取所有的细节特征·34
3.2细节特征点的验证·36
3.2.1分叉点的验证·36
3.2.2端点的验证·38
3.2.3脊的收敛性·39
3.3奇异点的提取40
3.4细节特征点相对位置的确定42
3.4.1特征点与中心点之间纹线数的确定42
3.4.2特征点与中心点的连线与纹线方向之间的夹角提取45
3.5特征点的编码47
3.6本章小结49
第4章指纹图像的匹配·51
4.1文献综述52
4.2融合结构信息的指纹匹配算法·54
4.2.1图像校准55
4.2.2细节点匹配·58
4.3本章小结61
结论63
参考文献66
致谢.-71
第1章绪论
1.1生物特征识别技术
随着时代数字化的发展，人们对于身份鉴别的安全性和可靠性的要求越
来越高，传统的身份鉴别方法如钥匙、证件、用户名、密码等存在着易丢失、
易遗忘、易被他人伪造或盗用的缺点，己不能满足人们的需要，人们逐渐把
目光转向了生物特征识别技术（Biometric）.生物特征识别技术是利用人体的生理特征或行为特征来进行个人身份鉴定的技术。
人体的生理特征与生俱来，主要包括指纹、声音、面孔、虹膜、掌纹和DNA等。
人体的行为特征是后天形成的，主要包括笔迹、足态、步态等。
与传统的身份鉴别手段相比，基于生物特征的身份鉴别技术具有以下优点:
（1）不易遗忘或丢失;
（2）防伪性能好，不易伪造或被盗:
（3）随身携带，随时随地可用。
因此，基于生物特征的身份鉴别技术发展十分迅速。
以美国为例，基于这项技术的产业规模己经达到数十亿美元。
特别是在如今
的网络信息化时代，电子商务极为发达，单纯依靠口令和密码是不能将正确
的使用者与具有欺骗性的冒名顶替者（黑客）区分开来的。
而通过基于生物
特征的身份鉴别系统，在用户登录的同时验证用户的生物特征信息，由于生
物特征的唯一性，就很容易判断出用户的身份。
据统计，仅仅在2002年，全
球通过商务网站达成的贸易额就大约为5万亿美元。
电子商务的发展为生物
特征识别技术提供了广阔的应用市场。
能够用来鉴别身份的生物特征应该具有以下特点:
（1）广泛性。
每个人都应该具有这种特征;
（2）唯一性。
每个人拥有的特征应该各不相同;
（3）稳定性。
所选择的特征应该不随时间发生变化;
（4）可采集性。
所选择的特征应该便于测量。
实际应用还给基于生物特征的身份鉴别系统提出了更多的要求，包括:
（1）性能的要求。
所选择的生物统计特征能够达到多高的识别率，对于
资源的要求如何，识别的效率如何;
（2）可接受性。
使用者在多大程度上愿意接受基于所选择的生物统计特
征的系统;
（3）安全性能。
系统是否能够防止被攻击;
（4）可行性。
是否具有相关的、可信的研究背景作为技术支持;
（5）存储量。
提取的特征信息是否占用较小的存储空间;
（6）价格。
是否达到用户所接受的价格;
（7）速度。
是否具有较高的注册和识别速度;
（8）是否具有非侵犯性‘，，。
到目前为止，还没有任何一种单独的生物特征可以满足上述全部要求。
基于各种不同生物特征的身份鉴别系统都有各自的优缺点，适用于一定的范围。
表1.1给出了一些常见生物特征的简单比较。
表1.1各种生物特征的比较[2]
┌────┬───┬───┬───┬──┬───┬──┬───┐
│生物统计│普遍性│唯一性│稳定性│可采│准确性│可接│安全性│
│特征││││集性││受性││
├────┼───┼───┼───┼──┼───┼──┼───┤
│脸像│高│低│中│高│低│高│低│
├────┼───┼───┼───┼──┼───┼──┼───┤
│指纹│中│高│高│中│高│中│高│
├────┼───┼───┼───┼──┼───┼──┼───┤
│手形│中│中│中│高│中│中│中│
├────┼───┼───┼───┼──┼───┼──┼───┤
│敲键方式│低│低│低│中│低│中│中│
├────┼───┼───┼───┼──┼───┼──┼───┤
│手部血管│中│中│中│中│中│中│高│
├────┼───┼───┼───┼──┼───┼──┼───┤
│虹膜│高│高│高│中│高│低│高│
├────┼───┼───┼───┼──┼───┼──┼───┤
│视网膜│高│高│中│低│高│低│高│
├────┼───┼───┼───┼──┼───┼──┼───┤
│笔迹│低│低│低│高│低│高│低│
├────┼───┼───┼───┼──┼───┼──┼───┤
│声纹│中│低│低│中│低│高│低│
├────┼───┼───┼───┼──┼───┼──┼───┤
│红外温谱│高│高│低│高│中│高│高│
├────┼───┼───┼───┼──┼───┼──┼───┤
│气味│高│高│高│低│低│中│低│
├────┼───┼───┼───┼──┼───┼──┼───┤
│步态│中│低│低│高│低│高│中│
├────┼───┼───┼───┼──┼───┼──┼───┤
│耳形│中│中│高│中│中│高│中│
├────┼───┼───┼───┼──┼───┼──┼───┤
│DNA│高│高│高│低│高│低│低│
└────┴───┴───┴───┴──┴───┴──┴───┘
从表1.1中可以看出，相对于其他生物特征，指纹有如下两个突出的优
占.
（1）稳定性:
指纹具有很强的相对稳定性。
从胎儿六个月指纹形成到尸
体腐烂，指纹纹线类型、结构、统计特征的总体分布始终没有明显变化。
尽
管随着年龄的增大，指纹在外型大小、纹线粗细上会产生一些变化，局部纹
线上也可能出现新的特征，但从总体上看，指纹是相对稳定的。
即使手指皮
肤受伤，只要不伤及真皮层，伤愈后纹线仍能恢复原状;即便伤及真皮层，
伤愈后形成的伤疤虽然破坏了原有的纹线，但伤疤本身也形成了新的稳定特
征。
（2）唯一性:
指纹具有明显的唯一性，至今仍找不出两个指纹完全相同
的人。
由于皮肤表皮上的纹路是在胎儿六个月时形成的，所以即使是同卵双
胞胎的指纹也是不同的。
不仅是人与人之间，就是同一个人的十指指纹也有
明显的区别。
指纹的这两个特点，为指纹用于身份鉴定提供了客观的依据。
实际上，
指纹作为身份鉴定手段早己有着悠久的历史。
早在我国的秦汉时期，人们就
常在文契上“画指为信”了。
现代指纹技术出现在十六世纪的晚期，"".1648
年，英国英格兰警察部门的指纹形态学家N.Grew发表了一篇论文，阐述了
他对指纹中的脊、谷和孔的系统研究结果，这是关于指纹的最早的一篇科学
论文}」’。
从那时起，很多研究者都投入了大量的智慧致力于指纹和指纹识别的
研究。
1788年，一Mayer给出了指纹关于解剖学形式的详细报告，其中定义了
很多指纹中脊的特征。
1823年，Purkinje提出了最早的指纹分类方案，他按
照指纹中脊的外形将指纹分为九类川。
1880年，H.Fauld第一次提出指纹唯一
性的猜想，与此同时，Herschel声称，他将指纹作为身份验证的依据己经有
将近20年的历史了’习。
这些发现建立了现代指纹身份验证技术的基础。
在十
九世纪晚期，F.Glton开展了关于指纹的广泛研究，并引入指纹中的细节特性
作为指纹识别的依据‘”01899年，E.Henry建立了著名的指纹分类规则“Henry
体系”，极大的提高了指纹比对专家完成指纹身份验证时的效率，指纹识别技
术有了更为科学的鉴别标准".20世纪60年代，随着计算机图形处理技术的
发展，人们开始研究基于计算机来进行指纹识别的技术—自动指纹识别系
统（AutomatedFingerprintIdentificationSystem），简称AFISo20世纪80年代，由于个人电脑和光学扫描技术的发展，指纹识别技术开始应用于其他领
域，并逐渐向商业化方向发展。
90年代后期，廉价的取像设备以及指纹识别
算法的开发与研究，进一步为指纹识别技术的发展铺平道路，AFIS也大量应
用于人们的生产和生活，如门禁系统、指纹考勤机、网络用户身份注册和认
证系统、资料信息的加密、各种金融交易的身份鉴别等等，并逐渐在各个领
域中发挥更为重要的作用。
1.2自动指纹识别系统的结构
自动指纹识别系统主要是由指纹取像、预处理、特征提取、比对、系统
管理和数据库管理六大部分组成，如图1.1所示。
对于警用的指纹识别系统
还包括结果证实和图像数据压缩部分，主要是要将指纹图像保存下来以供指
纹专家观看，从而最终判断找到的指纹与输入的指纹是否匹配来确定罪犯的
身份。
指纹鉴别结果
图1.1自动指纹识别系统框图
1.2.1指纹取像
指纹取像设备可以分为三类:
光学取像设备、晶体传感器和超声波扫描。
光学取像设备依据指纹的生理特征及光的全反射原理（FTIR）设计。
从
生理上看，指纹的纹路是手指皮肤的凸起部分，称为脊，纹路之间是凹下的
部分，称为谷。
当光线照到压有指纹的玻璃表面时，射到谷的光线会在玻璃
与空气的界面上发生全反射，反射光线由CCD获得，而射向脊的光线不发生
全反射，而是被脊与玻璃的接触面吸收或者漫反射到别的地方，这样就在
CCD上形成了指纹的图像。
随着光学技术的发展，光学取像设备不断更新，
为了缩小体积，也可以用微型三棱镜代替玻璃。
即将含有一微型三棱镜矩阵
的表面安装在弹性的平面上，当手指压在此表面上时，由于脊和谷的压力不
同而改变微型三棱镜的表面，这些变化通过三棱镜的反射而反映出来。
常见的晶体传感器是硅电容传感器。
该传感器在其半导体金属阵列上能
结合大约100000个电容传感器，当手指放在半导体表面时，皮肤组成了电容
阵列的另一面。
由于指纹的脊和谷相对半导体的距离不同而造成电容值的不
同，将其转化为电压一记录下来就可以得到指纹的灰度图像。
另外还有压感式
晶体传感器和温度感应传感器，它们分别根据指纹的脊和谷在传感器表面的
压力不同和温度不同而设计，因此温度感应传感器可以区分真假手指。
晶体
传感器由于易受静电影响，易损坏，因而不如光学取像设备耐磨损。
超声波扫描得到的图像是指纹表面脊和谷的真实反映，不受皮肤上的脏
物和油脂的影响，成像效果非常好。
超声波先扫描指纹的表面，再由接受设
备获取其反射信号，由于指纹表面脊和谷的声阻抗不同从而造成接收到的超
声波的能量不同，测量后即可得到指纹的灰度图像。
这样的图像是实际指纹
凹凸表面的真实反映，应用起来更为方便。
缺点是设备的价格非常昂贵。
三种取像技术的优缺点可如表1.2所示。
由于硅晶体电容传感器的成本
最低，体积又小，因此得到了最为广泛的应用。
表1.2三种成像技术的比较l，，
1.2.2预处理
由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多
噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷
的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。
预处理过程
主要包括以下步骤:
灰度图滤波去噪、二值化、二值化去噪、细化及细化后
去噪，如图1.2所示。
图1.2指纹图像预处理过程
灰度滤波去噪的目的是对输入的噪音较多的灰度图像进行滤波，去除图
像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像。
由于二
值图像在处理时速度高、成本低，且能够用几何学中的概念进行分析和特征
描述，因此需要对灰度图像进行二值化处理。
二值化就是把灰度指纹图像变
成0-1取值的二值图像。
这样就使图像的灰度层次由原来的256级（8-bits）
降为2级（1-bits），从而大大减少了需要存储和处理的数据量，增强了脊和
谷的对比度，以便于后续的处理过程。
指纹图像经过二值化后会引入噪声，
图像会出现纹线边缘凹凸不齐和离散点，因此需要进行二值化图像去噪。
由
于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理速度和识别精
度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是进行图像的
细化。
细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。
细化时
应保持纹线的连接性、方向性、特征点不变，还应保持纹线的中心基本不变。
细化后的图像会出现无用的纹线搭桥及豁口，因此必须进行细化后的去噪。
1.2.3特征提取
特征，在模式识别系统中是指能够唯一反映输入对象本质的数据量，因
此特征提取是模式识别中的重要问题，对分类器的设计和性能具有深远的影
响，同时也将影响特征的提取过程。
为了使指纹能够用于身份鉴别系统，指
纹特征应具有如下性质
1）保持指纹的独特性;
2）易于进行匹配;
3）对噪声具有一定的鲁棒性，对旋转、平移和非线性形变具有不变性;
4）对不完整指纹具有鲁棒性。
指纹识别需要提取的特征主要分为两类:
全局特征和细节特征。
全局特
征描述了指纹的总体纹路结构，主要包括指纹的纹形和模式区（patternarea）.
指纹的纹形主要可以分为环型（loop）、弓型（arch）,螺旋型（whorl）三种
基本类型HII，如图1.3所示。
这只是一个粗略的分法，具体应用时每种还要继
续细分。
模式区包含中心点（corepoint）、三角点（deltapoint）和纹线数（ridge
count）。
中心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参
考点。
三角点提供了指纹纹线计数跟踪的开始之处，中心点和三角点的位置
如图1.4所示。
纹线数是指连接中心点和三角点之间的连线与指纹纹路相交
的数量。
两不同指纹的全局特征也许会相同，但它们的细节特征却不可能完
全相同。
细节特征是指指纹纹路上节点的特征，这些具有某种特征的节点称为特
征点。
Galton最初定义了四种细节特征:
纹路的起点（starting）与终点
（ending）、分叉点（bifurcation）、小桥（bridge）和环点（enclosure），它们
统称为Galton特征‘91，如图1.4所示。
后人在此基础上又进行了一些扩展，到
目前为止，已定义的指纹纹路结构大约有150余种，这些扩展的特征在提取
时不可能同时考虑。
根据各细节特征的结构，指纹鉴定常采用其中的12种特
征，而一般的指纹识别系统只使用其中的两种特征，即端点和分叉点。
实际
上许多典型的细节特征都都可由这两种特征的组合来描述。
‘
图1.4指纹的部分全局特征和细节特征
AFIS的特征提取过程就是通过相应的处理算法自动提取经预处理后的
指纹图像的全局特征和细节特征。
特征提取的最终目的是要方便实现指纹的
比对，因此必须在提取特征的同时确定各细节特征的位置。
为了给各个细节
特征定位，一般的做法是先找到中心点和三角点以确定参考点，然后各细节
特征的位置可由参考点确定。
经过特征提取所得到的细节特征并不能直接用于比对，因为其中含有不
少伪细节特征点。
这些伪细节特征点的产生源于输入的指纹图像畸变或含有
大量噪声，即使通过预处理也不可能将噪声完全消除，从而在进行特征提取
时被当成细节特征提取出来。
实验表明，一幅质量较差的图像在经过预处理
和特征提取后会产生多达一、二百个细节
升级会员 