指紋識別系統本科畢業(yè)論文-資料下載頁

【導讀】指紋的唯一性和不變性決定了它在身份認證中的重要地位。別領域中使用最早，也是應用最廣的生物鑒定技術。隨著低價位指紋采集儀。另一方面，由于數字信號處理器的迅猛發(fā)展，已經可以。滿足圖像處理中的運算量要求。點和發(fā)展方向，分析了三種指紋采集技術的優(yōu)劣，完成了指紋芯片的選型。帶的特征，并以此為指紋識別的特征進行匹配。該算法的優(yōu)點在于:預處理。近似于現階段“ID+密碼”方式的數據量)，適合實際應用。做為上位機實現指紋識別系統的設計。

　　

【正文】 后兩幅指紋水平細節(jié)子帶的 KLD 距離為 (D1＋ D2)/2； （ 5） 對步驟（ 4）中的三個小波細節(jié)子帶 KLD 距離取平均值 D，即為兩幅指紋圖像的 KLD 距離 ； （ 6） 設定閾值 Dth，判斷結果。 如 果 DDth，兩個指紋不是同源指紋；否則，是同源指紋。 算法的優(yōu)點 本文采取的算法是一種新的指紋識別方法，針對基于特征點的常規(guī)算法具有以下幾個優(yōu)點： 預處理簡單，對指紋圖像進行特征提取和匹配，在提取特征前幾乎不改變原圖像，且處理過程中對原始圖像的影響很小，同時也極大提高了圖像處理速度。 存儲量小，我們的算法只需要存儲三對小波系數（包括 6 個數），單指紋數據量不超過 24 字節(jié)（接近于“客戶 ID+密 碼”的存儲量）。相當于點匹配方法中一個特征點的存儲容量，從而極大減小存儲容量，使得指紋識別技術的廣泛應用成為可能。 對指紋質量要求不高 。 指紋奇異點檢測算法 指紋的奇異點包括核點和三角點。關于指紋核點和三角的定義 見 。指紋的奇 異 點 作為指紋的特征點在指紋識別過程中可有多種用途，例如： (1) 可將奇異點作為指紋的參考點，在利用圖像方法進行指紋識別時可糾正 24 比對指紋與模板指紋的旋轉和平移問題，而在利用特征點方法進行指紋識別時可作為其他特征點的中心參考點，從而可提高指紋識別的可靠性； (2) 可利用奇異點對指紋圖 像進匹配，如可以利用奇異點的數目，奇異點間的距離以及奇異點間的夾角等來判斷比對指紋和模板指紋是否為同源指紋； (3) 還可利用奇異點對指紋進行分類，根據這些奇異點的數目和位置可將指紋分為五類：拱形（沒有奇異點），尖拱形（一個核點，一個三角點，并且距離很近），左環(huán)形（一個核點、一個三角點，三角點在核點右邊），右環(huán)形（一個核點，一個三角點，三角點在核點左邊），渦形（一個核點，兩個三角點）。對指紋奇異點的提以首先要將指紋圖像看作是一個方向場。所以提取指紋奇異點首先要計算指紋的方向圖。為了準確的看到指紋的方向圖，我們在計算 指紋圖像是地用公式而不用八方向場的方法。我們這里作一簡單介紹。 指紋主向圖的求取 方向圖是原始指紋圖像的一種變換，即用紋線上某點的方向來表示該紋線的方向，一般有兩種方向圖，一種是點方向圖，表示原始指紋圖像中每一像素點紋線的方向；另一種是塊主向圖，表示原始指紋圖像中某點區(qū)域所有像素點的平均方向。 點方向圖 有多種方法可以提取指紋的點方向，如 等人提出一種利用鄰域內不同方向上灰度值的變化我來求取點方向，進而統計出聲方向的方法； Rao 提出了一種利用梯度算子求取點方向圖的方 向，利用脊線方向弧度變化最緩 的原理，來求取指紋方向。前一種方法只能提取出有限的幾個方向（比如 4， 8或 16），這種方法的弊病是存在量化誤碼率差，而用梯度算子來尋找連續(xù)方向的方法，可抑制量化誤差，因而本文采用的是這種方法。 容易觀察到，指紋中的紋線方向是灰度值變化最慢的方向，而梯度方向則正好相反，它是灰度值變化最快的方向。梯度的計算公式如下： arctan( )yx?? ?? (210) tan yx?? ?? (211) 指紋紋線方向與梯度方向的關系為 ：α＝θ π /2 (212) 25 其中 ， ,xy??分別是 x 方向和 y 方向上指紋灰度值的變化值。 塊方向圖 對于某一個點來講，由于受到各種噪聲的景響，可能會產生較大的隨機誤差，然而，對于某一個具體的指紋圖像來講，某一個小區(qū)域的方向總是近似一致的，因此，用塊方向代替某一點的方向是一個可行的辦法，并且可以有效地消除點方向圖中出現的隨機誤差。 計算方向的平均方向可以采用中值 法、加權平均值法和直方圖法等。 中值法就是將點方向圖分塊以后，將其中的所有方向用排序算法排序后，選出其中位于中間位置的方向，以此作為塊方向圖的方向。對于方向圖受均勻噪聲影響的情況下，使用中值法是較為合理的。 加權平均法就是把點方向圖分塊以后，統計子塊中每一方向的頻率，再除以子塊的總的像素數目，可以得到相應方向的權系數。用所有的方向去乘以相應的權系數，然后求和便可得到塊方向。 直方圖法就是把點方向圖分成 w179。 w 大小的塊，然后對每一子塊計算其方向直方圖，將方向直方圖中的峰值方向作為該子塊的方向，由此可以得到塊方向 圖。本文采用的是直方圖法。 指紋方向圖 計算指紋方向圖的具體算法描述如下； （ 1） 把指紋圖象分成大小為 w179。 w 的方塊，對于本文中的指紋圖象， w選為 5； （ 2） 計算每一點 (i,j)的梯度 ( , ) ( , )xyi j i j??和 ， 在這里，梯度算子選為Sobel 算子。模板尺寸為 3179。 3，水平模板和垂直模板分別為： 1 0 12 0 21 0 1???和1 2 10001 2 1? ? ? ，將原始圖像分別與兩個模板進行離散卷積，即可求得一階偏導。經實驗驗證，使用 Sobel算子已經可以滿足實際要求； （ 3）計算以 (i,j)為中心的每一塊的方向，如下： 26 2222( , ) 2 ( , ) ( , ) )WWijy x yWWu i v ji j u v u v???? ? ? ?? ? ??? （ 213） 22 2222( , ) ( , ) ( , ) )WWijx x yWWu i v ji j u v u v???? ? ? ?? ? ? ??? （ 214） ( , )1( , ) a r c ta n ( )2 ( , )yxijij ij?? ?? （ 215） 這里θ (i,j)是局部脊線方向的最小平方估計。數學上，它表示這個方向垂直于 w179。 w 窗的傅立葉頻率的主方向。 式中 (, )x ij? 是點 (, )y ij? 的 x,y 向一階偏導； θ (i,j)的范圍在 π /4～ π/4 之間，為滿足后繼算法的需要，將所求角度調整至 0～ π之間，作如下處理： 如果 ( , ) 0x ij? ? ，表明該塊的紋線方向為 0～ π /4之間 或 3π /4～ π， 則 θ (i,j)=θ (i,j)+π /2； 如果 ( , ) 0x ij? ? ，且 ( , ) 0y ij? ? ，表明該塊的紋線方向為π /4～ π /2 之間，則 θ (i,j)=θ (i,j)+π； 如果 ( , ) 0x ij? ? ，且 ( , ) 0y ij? ? ，表明該塊的紋線方向為π /～ 3π /4 之間，則 θ (i,j)無需調整。 經以上處理計算出的的 θ (i,j)為該塊的局部切線方向，將被用于后繼圖像處理算法。 （ 4）由于噪聲、斷裂的脊線和谷線的存在，估計的脊線方向 θ (i,j)可能不是總正確。在沒有奇異點的鄰域內，局部脊線方向是緩慢變化的，可以用一個低通濾波器來修改不正確的脊線方向。為了做這件事情，方向場子需要轉化到一個連續(xù)的向量場中 ： ( , ) c os( 2 ( , ))x i j i j??? (216) ( , ) sin(2 ( , ))y i j i j??? (217) 27 x? ， y? 是向量場的 x,y 分量，低通濾波可以如下表示： / 2 / 239。/ 2 / 2( , ) ( , ) ( , )wwxxu w v wi j h u v i u w j v w??????? ? ? ?? ? ??? (218) / 2 / 239。/ 2 / 2( , ) ( , ) ( , )wwyyu w v wi j h u v i u w j v w??????? ? ? ?? ? ??? (219) 其中， h 是一個二維低通濾波器其積分為 1， ww??? 是濾波器的大小。這個平滑操作是在塊上執(zhí)行的。本文中該濾波器大小為 5179。 5。這里該平滑操作是基于塊水平而基于象素水平進行的。 （ 5）計算在 (i,j)局部方向場： 39。39。( , )1( , ) a r c ta n ( )2 ( , )yxijij ij?? ?? （ 220） 這樣我們就得到了指紋圖像的方向場。 指紋奇異點的提取 奇異 點檢測 奇異點檢測算法有許多，這里使用 Poincareindex 方法 [29][30]確定指紋中三角點和核心點的位置和數目，它是計算每點周圍一圈紋線的方向變化，即 Poincare 值。這里作一簡單敘述，設 O是方向場子，在給定點 (i,j)索引如下計算： 01( , ) ( )2 wkP o in a ca re i j k???? (221) ( ) ( ) / 2( ) ( ) ( ) / 2()d k d kk d k d kdk? ? ?? ? ? ??????? ? ? ? ????? 其 它 (222) 其中 ( ) ( ( ( 1 ) ) , ( ( 1 ) ) ) ( ( ) , ( ) )x y x yd k O i M O D i M O D O i j? ? ? ? ? ? ?? ? ? ? (223) 由 Poincare 值判斷，為 0176。 時，該點是一般點；為 180176。 時，該點是三角點；為 180176。 時，該點是核點； 具體算法主要步驟描述如下： 28 （ 1）將指紋圖像分為 5179。 5 的小塊； （ 2）對分塊指紋圖像提取方向信息； （ 3）采用 5179。 5的模板基于塊水平平滑方向信息； （ 4）利用分塊指紋圖像方向檢測 core 點和 delta 點； 在我們的算法中，閉曲線是在一個 5179。 5 方格中取。如圖 212： D12 D11 D10 D1 D9 D2 (i,j) D8 D3 D7 D4 D5 D6 圖 212 方向場計算的閉曲線 則在曲線 D1D2...D12D1上其 Poincare 的值如下： 12( 1 ) m o d1 21( , ) ( )iiiP o in a c a r e i j D D ????? (224) 其中 Di(i=1,2...12)表示圖 212中曲線 D1D2...D12D1經過的每一塊的方向，這里每塊的方向由 。同時 ( 1 ) m o d 1 2( , ) ( )iid i j D D? ??? (i=1,2...12)還需作如下調整： ( , ) ( , ) / 2( , ) ( , ) ( , ) / 2( , )d i j d i jd i j d i j d i jd i j? ? ?? ? ? ? ??????? ? ? ????? 其 它 (225) 由 Poincare(i,j)值判斷，等于 0176。 時，該 (i,j)是一般點；等于 180176。時， (i,j)是三角點；等于 180176。 時， (i,j)是核點；這樣得到相鄰的幾個候選奇異點。 去除偽奇異點 在指紋圖象中，由于噪聲等因素的影響，可能存在偽奇異點。為了消除偽奇異點，我們利用方向會聚性測度和灰度方差的乘積函數 [31]，對候選奇異點進行篩選。 （ 1）區(qū)域方向會聚性測度 指紋的奇異點是指紋中各種方向的會聚點，雖然在某一個徑向上的方向 29 場比較接近，但不同徑向上的方向場就相差甚遠。相反，噪聲點只是在較小的領域內方向變化比較 劇烈，從整個方向場來看噪聲點所在的局部，其方向還是基本一致的，也即不同的徑向上的平均方向相差不大。由此，我們提出用如下定義的方向會聚性測度函數來衡量方向會聚的程度： 這里 (i,j)是當前考察的奇異點， D(i,j)為 (i,j)所在的方向子塊，令 βi (i=1,2...8)為 D(i,j)在其領域中沿 8 個主方向的發(fā)散角（如圖 213），在領域內沿每一發(fā)散角徑向長度為 L，這里 L 值選為 3。則定義區(qū)域方向會聚性測度 為： 811( , ) 8iiC i j ??????? (226) 其中， 8118ii ????? ?,i??為領域內沿 β i方向的方向場平均值。 圖 213 八方向角發(fā)散角 C(i,j)越大，各個不同徑向上的方向場之間就相差越大， (i,j)會聚程度就越大，為奇異點的可信度也就是越高。 （ 2） 指紋灰度方差 在指紋的前、背景的交界處以及前景模糊區(qū)，方向不規(guī)則，易產生偽奇異點。這此區(qū)域在灰度圖像中往往表現出灰度級別相近、統計意義上灰度變化較弱的 特點，而指紋紋路較清晰的前景區(qū)域恰恰相反?；叶确讲羁梢院芎玫姆从持讣y的前、背景特征。將指紋圖像分成互不重疊的 w179。 w大小的子塊，按下式計算各塊的