《指纹密码3》由会员分享，可在线阅读，更多相关《指纹密码3（29页珍藏版）》请在金锄头文库上搜索。
1、指纹密码识别问题摘要本文针对指纹图像的获取、指纹图像预处理、指纹图像特征提取以及对指纹图像的特征进行对比，通过快速细化算法和模式识别匹配算法模型来解决指纹密码识别问题。问题一，考虑到要以第一个指纹图像确定一个与之唯一对应的指纹密码，故要区别出“弓型、弧型、螺旋型”等纹形轮廓和“平均纹密度、纹密度分布、平均纹曲率、纹曲率分布“等纹理特征，然后读取指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像，再对原始图像进行初步的处理，使之更清晰，再通过指纹辨识软件建立指纹的特征数据。问题二，通过图像归一化先计算出图像灰度的平均值和方差，指定经过处理后期望的图像方差和平均值后，算出归一
2、化后的图像G(i,j)，然后运用方向法对图像分割使目标区域分割出来后二值化产生人工动态阀值，经平滑处理滤除空洞、毛刺，再采用快速细化算法细化指纹图像找到特征点后匹配其脊线长度、三角形边长和点类型，保留匹配对比后相似的值作为指纹特征密码。问题三，考虑到指纹具有终身不变性、个体唯一性、可分类性这三个显著的特点，结合这三个显著特点再遵从一定的分类规则可以进行分类。其中指纹的分类原理是根据纹线的全局模式形态来进行的，可通过以指纹各区域信息作为分类特征、以指纹纹线编码作为分类特征和以指纹结构信息作为分类特征这三类现有的指纹自动分类算法来实现。为了提高对模型求解准确性和明了性，本文采用Matlab算法对指
3、纹图像一步一步动态处理。本文的优点在于运用以现有的算法并采用不断优化的方式，针对指纹图像密码识别问题分别从指纹图像预处理、指纹特征提取、指纹匹配分步建模处理。预处理后将得到一幅宽度为一个像素的细化二值图像，然后通过特定的端点和交叉点的特征进行指纹匹配。结果表明，该方法效果良好。1问题重述1.1背景人的指纹各不相同，里面藏着很多秘密。指纹可以用来确定人的身份，广泛用于刑侦、加密、考勤等领域，最近还出现了用指纹进行手机解锁等应用。还有一些人声称指纹与人的健康、性格、命运等都有一定的联系。指纹传统上以图像格式存储，一般占用较多的空间，且图像里面的像素信息并不易用来进行分析或比对。为发现指纹中隐藏的秘
4、密，我们需要有一种方法来描述指纹的内在结构、具体形态和其它特征并将其用最少的字节数来存储于计算机中。试根据下图中的指纹例子，不借助现有的指纹相关算法及软件，来尝试进行一次“指纹密码”发现之旅。1.2所需要解决的问题问题1：以第一个指纹为例，给出一种用不超过200字节（下面称为“指纹密码”）来刻画描述指纹基本特征的表示方法，介绍其数学原理。你能否进一步压缩表示指纹特征的字节数？对可能性予以讨论。你给出的“指纹密码”能否由指纹唯一确定？问题2：将你的方法编程实现，对每一幅指纹都给出其“指纹密码”的表示。基于你找到的这些指纹表示，你能否给出一种方法比较不同指纹间的异同及相似程度？问题3：你能否对以下
5、16个指纹进行对比和归类？请给出你对比及分类的依据和结果。问题4（选作）：尝试用你的方法来分析是否可将你自己的指纹与队友的指纹予以明显区分。2.问题分析指纹识别技术从早期的人工比对到现在采用计算机技术实现自动指纹识别，指纹对比更加准确，识别效率得到极大提高。自动指纹识别过程通常由指纹图像滤波增强、二值化、细化、特征提取以及指纹匹配等几个环节构成。指纹图像滤波增强的目的是将有噪声干扰的指纹图像变得更加清晰，使得指纹图像的脊线更黑，谷线更白，当前在实际指纹图像增强算法的应用中一般是几种滤波增强方式结合起来使用，主要的方案是基于傅里叶变换结合滤波和指纹图像点方向场的下上下滤波器；指纹图像二值化，是将
6、指纹图像变成灰度值只有0和255两种颜色的图像，当前，在自动指纹识别中常采用的是根据指纹图像的点方向场在指纹纹线方向和指纹纹线垂直方向上对指纹图像进行二值化处理；指纹图像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，目前在自动指纹识别技术中常用的是OPTA算法的改进的图像模板细化算法；指纹特征提取，是将细化后使用计算机数字图像处理技术采集指纹图像中奇异点、端点、叉点等指纹特征数据，目前常用的特征提取算法是先对细化后的指纹图像进行初步去噪，然后提取特征点，再根据阈值去除伪特征点；指纹匹配，是指纹预留模板图像与输入样板图像中的所有特征点的匹配，目前在自动指纹识别系统中常采用可变大小的界限盒
7、的指纹特征匹配算法。目前指纹识别技术还有很多困难，例如当三维的指纹被指纹录入设备扫描成二维的数字图像时，会丢失一部分信息、，手指划破、割伤、弄脏、不同干湿程度以及不同的按压方式，还会导致指纹图像的变化，这给可靠的特征提取带来了相当地困难；例如传统的基于细节点的识别方法，是依靠提取指纹脊线上的细节点，然后对其位置和类型进行匹配，来识别指纹的，而噪声会影响特征提取准确度，增加错误的特征点或丢失真正的特征点。当噪声很大时，就要增加图像增强算法来改善图像的质量，但很难找到一种增强算法能够适应所用的噪声，多种增强算法又会大幅增加算法运行时间，不好的增强算法又会增加人为特征。当噪声增大时，提取了许多虚假细
8、节点，还有可能丢失细节点，这就是传统的基于细节点识别算法的不足之处之一，因为它只利用了指纹图像中的一小部分信息（细节点位置和方向）作为特征进行匹配，丢失了蕴涵在图像中的其他丰富的结构信息。不难想象，基于这种方法的识别算法，很难全面适应指纹的变化。鉴于题目所的是以第一个指纹为例，给出一种用不超过200字节（下面称为“指纹密码”）来刻画描述指纹基本特征的表示方法，介绍其数学原理。故要区别出“弓型、弧型、螺旋型”等纹形轮廓和“平均纹密度、纹密度分布、平均纹曲率、纹曲率分布“等纹理特征，然后读取指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像，再对原始图像进行初步的处理，使之更
9、清晰，再通过指纹辨识软件建立指纹的特征数据。3.模型假设1、鉴于附件中指纹的分辨率较低，会有图像读取过程数据的不明确，故假设指纹图像分辨率已达到指纹图像识别技术的要求。2、鉴于三维的指纹被指纹录入设备扫描成二维的数字图像时，会丢失一部分信息，故只对二维指纹图像处理，不考虑三维指纹。4.符号说明符号定义图像灰度值向量场x方向上的分量向量场y方向上的分量当前像素点的加权平均灰度值W大小为的二维低通滤波器PQ模板图像中的细节点数输入图像中的细节点数5.模型的建立与求解5.1问题一的建模与求解5.1.1指纹的特征与分类通指纹识别学是一门古老的学科，它是基于人体指纹特征的相对稳定与唯一这一统计学结果发展
10、起来的。实际应用中，根据需求的不同，可以将人体的指纹特征分为：永久性特征、非永久性特征和生命特征。永久性特征包括细节特征（中心点、三角点、端点、叉点、桥接点等）和辅助特征（纹型、纹密度、纹曲率等元素），在人的一生中永不会改变，在手指前端的典型区域中最为明显，分布也最均匀。细节特征是实现指纹精确比对的基础，而纹形特征、纹理特征等则是指纹分类及检索的重要依据。人类指纹的纹形特征根据其形态的不同通常可以分为“弓型、箕型、斗型”三大类型，以及“孤形、帐形、正箕形、反箕形、环形、螺形、囊形、双箕形和杂形”等9种形态。纹理特征则是由平均纹密度、纹密度分布、平均纹曲率、纹曲率分布等纹理参数构成。纹理特征多用
11、于计算机指纹识别算法的多维分类及检索。非永久性特征由孤立点、短线、褶皱、疤痕以及由此造成的断点、叉点等元素构成的指纹特征，这类指纹有可能产生、愈合、发展甚至消失。指纹的生命特征与被测对象的生命存在与否密切相关。但它与人体生命现象的关系和规律仍有待进一步认识。目前它已经成为现代民用指纹识别应用中越来越受关注的热点之一。 图一.弓形 图二.环形 图三.螺旋5.1.2指纹密码识别方法指纹识别技术主要涉及四个功能：读取指纹图像、提取特征、保存数据和比对。通过指纹读取设备读取到人体指纹的图像，然后要对原始图像进行初步的处理，使之更清晰，再通过指纹辨识软件建立指纹的特征数据。软件从指纹上找到被称为“节点”
12、（minutiae）的数据点，即指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。这些数据，通常称为模板。通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。图四.特征点5.1.3问题一的结果分析由上述可知问题一中的第一个指纹的基本特征表现为带端点的曲形线指纹类型，经已改进后的方差法求得其脊线基于方向场二值化后的动态阀值，借以列表之后找其规律来发现清晰目标区和可恢复区的数据来显示密码，而把不可恢复区和背景区的数据忽略来压缩表示指纹特征的密码字节数。5.2
13、问题二的建模与求解5.2.1指纹图像预处理预处理是将输入的（直接采集进来的）低质量、有噪音的指纹源图象处理成已细化了的清晰的二值图像3。它的目的是减少低质量的图像对分类识别结果的影响，预处理中一般包括图像增强、滤波、二值化、细化等步骤。预处理的方法通常有两种：方法一：先求方向图，后求频率图，最后由此得到的Gabor滤波器对图像进行滤波。这种方法计算量比较大，在求频率图容易产生偏差，不利于单片机的实现。方法二：结合指纹图像自身的特点以及其源图像像素来确定该点是否为脊，直接准确地得到黑白二值的指纹脊图像。这 种方法对于从不同渠道获得的图像均有不错的效果。在以上两种方法都要用到方向图，方向图是一种可
14、直接从原灰度图像中得到的有用信息，在预处理、特征提取、指纹分类中有着重要意义。我们总是在准确求得方向图的基础上运用各种滤波方法或直接找脊的方法来进行预处理。方向图描述了指纹图像中每一像素点所在脊线或谷线在该点的切线方向，也可看作是指纹源图像的一种变化表示方法，既用纹线的方向来表示该纹线。方向图分为两种：一种是点方向图，表示源指纹图像中每一点脊线的方向：另一种是块方向图，表示源指纹图像中每一块脊线的大致方向。计算方向图的基本思想是：在原灰度图像中每一点（或每一块在各个方向上的某个统计量（如灰度差、梯度等），根据这些统计量在各个方向上的差异，确定该点（块）的方向。基于细节点特征的指纹自动识别技术是
15、目前这方面研究中的主流，这种系统的实现有以下一些步骤如下图：图五5.2.2指纹图像方向图的计算 设是指纹图像中点的灰度值，要计算该点的方向，需要先求出（该点临域沿d方向的灰度变化）。=， d=1，2，N图六.点方向示意图其中：是方向d上的第k个点；是该点的灰度值，N是所取的方向数，n为每个方向上所取的邻点数。这两个数的具体取值与图像的分辨率有关，一般取N=16，即取16个方向，n=8，即一个方向上取8个邻点。 点的方向为取值最小的方向。对图像中的每一点求取点方向，这样便形成了指纹点方向图。此方向求得的方向特点：1方向取值不是02中的任意值，而是有限的几个数。2这种方向计算出的方向范围是02，有利于求取指纹的走势。（与认为是不同方向）由点方向图求块方向图的计算算法：把点方向图分成大小的块，对每一块计算方向直方图（横坐标的方向取到的N个值，纵坐标为取这些方向的象素个数），方向直方图中的峰值所对应的方向，即该块的方向。最小均方估计块方向算法：代表指纹图像在处的灰度值步骤：1将图像分成大小为的块。这里M的大小以包含一脊一谷（即一周期）为宜；2计
