《指纹识别系统案例》由会员分享，可在线阅读，更多相关《指纹识别系统案例（25页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理原理与实践,案例分析 指纹识别系统,一.指纹识别系统的应用背景,当今社会，电子设备和保密机构对更安全、更方便的身份认证和访问控制的需求变得越来越紧迫。 传统的机械钥匙、“口令密码”以及智能卡等的保护措施存在着丢失、遗忘、复制及被盗用的隐患 以电子商务、电子银行的安全认证为例，他人假冒当事人上网采购所造成的欺诈案越来越多，并有孩子冒充家长上网采购的案例。,指纹特征的优点,指纹特征是“随身携带”的；具有惟一性和不可复制性，不用担心会丢失，可以不必携带大串的钥匙，也不用费心去记或更换密码。,有学者推论： 以全球60亿人口计算，300年内都不会有两个相同的指纹出现。指纹被称为“物证之首”，
2、安全可靠。,指纹识别的应用背景,网络、数据库和关键文件等的安全控制机密计算机的登录认证银行ATM, POS终端等的安全认证蜂窝电话、PDA的使用认证等其它,指纹等生物识别技术可拟补传统的安全认证方法，提供了一个很好的解决方案。可用指纹等生物特征提高安全性的领域举例：,二 指纹识别的应用历史,公元前7000年6000年，指纹作为身份鉴别的工具己经在古叙利亚和中国开始应用。在那个时代，一些粘土陶器上留有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指纹，在Jercho的古城市的房屋上留有砖匠的指纹等。 1896年阿根廷首先在犯罪事件的鉴别中正式应用指纹。20世纪60年代，随数字图像处理技术的出
3、现，人们开始着手研究利用计算机来处理指纹。20世纪80年代，个人计算机、光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用。,三 指纹识别研究的现状,指纹识别是生物识别技术中最早应用、技术最为成熟、价格最低廉的分枝。尽管各个指纹识别系统的生产厂家都报出极高的识别率，但是他们都是在自己的实验室的指纹库上做测试，而不是在一个统一的标准指纹库上测试，结果的可比性不大。在指纹识别的算法研究上，还存在着许多需要改进的地方，这使得指纹识别算法的研究还在继续。,影响指纹识别的因素,有噪声、变形等，例如脏手指、干手指、疤痕导致的不同时期、不同季节间的指纹差异；
4、芯片表面残留物带来的噪声；手指按压过程中的扭转、拉伸和按压位置不同，导致同一指纹的重叠区域有时会很小。,四. 指纹识别系统的构成,指纹识别主要涉及4个功能：读取指纹图像、提取特征、保存数据和比对,指纹识别的基本过程,通过指纹读取设备读取到人体指纹的图像 要对原始图像进行预处理，使之更清晰。提取指纹特征，建立指纹的数字表示特征数据 。验证端采集指纹，提取特征。与数据库指纹匹配，计算相似度，给出匹配结果。,4.1指纹的采集设备,光学硅晶体传感器超声波其他类型,4.2指纹识别的基本原理,指纹是比较复杂的。指纹识别算法最终归结为在指纹图像上找到并比对指纹的特征。指纹的特征定义了指纹的两类特征以进行指纹
5、的验证：总体特征和局部特征。,指纹的总体特征,（1)基本纹路图案： 包括环型(Loop),弓型(Arch)和螺旋型(Whorl).其他的指纹图案都基于这3种基本图案。仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。 (2）模式区（Pattern Area)： 是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。Aetex的指纹识别算法使用了所取得的完整指纹而不仅是模式区进行分析和识别。 （3）核心点（Core Point）： 位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的
6、参考点，如图3-6（a）所示。,指纹局部特征,(4)三角点(Delta): 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处，如图3-6（b)所示。（5）式样线（Type Lines）: 式样线是指在包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸，如图3-6 (c)所示。（6）纹数（Ridge Count）: 纹数是指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。,指纹的局部
7、特征,局部特征是指指纹上的节点所具有的特征。两枚指纹经常会具有相同的总体特征，但它们的局部特征节点却不可能完全相同。节点（Minutia Points）指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为特征点。就是这些节点提供了指纹惟一性的确认信息。,节点分类,A.终结点（Ending）：一条纹路在此终结。 B.分叉点（Bifurcation):一条纹路在此分开成为两条或更多的纹路。 C.分歧点（Ridge Divergence）：两条平行的纹路在此分开。 D.孤立点（Dot or Island）：一条特别短的纹路，以至于成为一点。 E.环点（Enc
8、losure):一条纹路分开成为两条之后，立即又合并成为一条，这样形成的一个小环称为环点。 F.短纹（Short Ridge):一端较短但不至于成为一点的纹路。,指纹的四类局部特征,（1）局部分类（2）方向（Orientation） 每个节点都有一定的方向。 (3）曲率（Curvature) 描述纹路方向改变的速度。 (4)位置（Position）,指纹匹配的过程,指纹图像采集,图像预处理,特征提取,指纹匹配,指纹登记,指纹图像预处理流程,指纹预处理,指纹质量评估,排除不能满足要求的指纹：,评估的过程,图像重新采样,图像方向计算,计算前背景比例,前景过小,拒绝图像,是,标注各块方向,连续区域分析,计算评估参数,合格？,分析干湿手指,是,分析是否部分手指,否,否,4.3指纹图像处理,去噪: 手指被弄脏，手指有刀伤、疤、痕、干燥、湿润或撕破等 如何去噪？增强对比度 如何增强？二值化 分割为目标和其相对的背景。问题：并不是有图像的直方图门限值是相同。如何正确的区分脊和背景?。细化 将脊的宽度降为单个像素的宽度。一个好的细化方法是保持原有脊的连续性，降低由于人为因素所造成的影响。人为因素造成的主要是毛刺，使纹路带有非常短的分支而被误认为是分叉。需认识到合法的和不合法的节点后，在特征提取阶段排除这些节点。 如何细化？,
