自动指纹识别算法研究

自动指纹识别算法研究

学术研究

search

自动指纹识别算法研究

刘福元，王玲

（湖南大学电气与信息工程学院，湖南　长沙　４１００８２）

【摘　　要】论文对自动指纹识别系统（Ａｕｔｏｍａｔｅｄ　Ｆｉｎｇｅｒｐｒｉｎｔ　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　Ｓｙｓｔｅｍ，简称ＡＦＩＳ）的算法进行了研究，在指纹比对算法方面提出了一种新的方法，此方法不但解决了指纹匹配算法参考点寻找问题，而且不用考虑指纹采集时角度和位移的影响。算法通过了仿真，并给出了各过程指纹处理图片。【关键词】自动指纹识别；预处理；特征点；指纹匹配

【中图分类号】ＴＰ３９１　　　　【文献标识码】Ａ　　　　【文章编号】１００９－８０５４（２００７）　０２－００７０－０３

The study of automated fingerprint identification algorithm

LIU Fuyuan, WANG Ling

(College of Electrical and Information Engineering Hunan University, Changsha 410082, China)

【Abstract】The algorithm is studied in AFIS, and provided a novel algorithm in matching. This algorithm not only couldsolve the problem of finding the referenced point of matching algorithm, but also don't need to considerate the influenceangle and displacement when enrolling. The algorithm has been emulated and provided the processing pictures ofFingerprint.

【Keywords】Automated fingerprint identification; Preprocessing; Minutiae; Matching

匹配、纹理结构匹配、混合的匹配方法。点模式匹配算法很

１　　引言

生物识别技术是依据人的体貌、声音等生物特征进行身份验证的科学解决方案，现有的生物识别技术大致上包括指纹识别技术、掌纹识别技术、视网膜识别技术、虹膜识别技术、面相识别技术、声音识别技术、笔迹识别技术等。作为生物识别技术中最主要的一种技术—指纹识别技术将有着广泛的应用背景。由于受到指纹本身的因素和采集条件的影响，采集到的指纹会受到不同程度噪声的干扰，在指纹匹配之前都要对指纹图像做增强处理。指纹图像增强算法多数是基于方向场的图像滤波算法［１］［２］，本文采用一种基于方向场估计的图像Ｇａｂｏｒ滤波算法。指纹匹配算法是指纹识别系统的核心步骤，传统的匹配算法大致可以分为以下三类：点模式

多，主要有Ｓｈｉｌ－ｈｓｕ　Ｃｈａｎｇ等人［３］的基于二维聚类的快速算法、Ｘｕｄｏｎｇ　Ｊｉａｎｇ等人［４］的基于局部和全局的匹配算法；纹理结构匹配算法主要由Ａ．Ｋ．　Ｊａｉｎ等人［５］提出来的；混合匹配算法由Ａ．　Ｒｏｓｓ等人［６］提及。不管是点匹配算法还是结构匹配算法，点匹配算法［４］中的局部匹配算法，特征点发生了位移或者角度变化，将对匹配算法带来一定的影响；而结构匹配算法［５］中必须寻找指纹中心参考点，然后根据参考点得到指纹码进行匹配，如中心参考点发生了误差，将对指纹特征码带来误差。本文提到的匹配算法完全不考虑指纹的中心点和指纹的角度和位移的影响，只需要得到正确的分叉特征点的信息就可以对指纹进行匹配。

２　　指纹预处理

由传感器取得的灰度指纹图像（见图１）存在一定的噪声干

扰，为了使指纹识别更快、准确率更高，必须对指纹进行一定的预处理。

２．１　方向图估计

指纹的脊线方向已广泛应用于指纹图像增强、纹型的特征提取、指纹自动分类、方向模板的匹配、编码重构等许多

ｗｗｗ．ｃｉｓｍａｇ．ｃｏｍ．ｃｎ

自动指纹识别算法研究

学术研究

Acade关键处理环节。求取指纹方向图常用的方法主要有梯度法、切缝法、抽样法和投影法，而本文综合性能、去噪、计算复杂度等方面采用梯度法求方向场。算法基本思想：在每一个像素点上用梯度算子估计梯度的水平和垂直分量，然后分块最优化各个块中的方向。具体步骤如下：

逐步计算各个像素点上的梯度分量，可以采用３×３大小的Ｓｏｂｅｌ模板计算像素（i，j）的梯度幅值Gx（s，t）和Gy（s，t）。

Sobelx＝｛（－１，０，１）；（－２，０，２）；（－１，０，１）｝

j）为中心的局部方向θ（i，最优方向估计：计算每块以（i，j），取W＝１６，θ

可由下式得：

则取f （i，j）＝１，否则取f （i，j）＝０，可得到图４所示的二值化图。

２．５　细化

本文采用的算法是逐层迭代算法，本算法把一次迭代分为两次扫描，细化过程中由周边向中间逐层细化，细化后的脊线位于原图的中轴。令ＢＮ为３×３窗口内目标像素的个数：

。细化过程重复执行两个步骤：

第一步：从左到右，从上到下顺序扫描图像，对同时满足以上四个条件的像素，如果P１×P３×P７＝０，且P１×P５

×P７＝０，则将其作上标志。

第二步：从左到右，从上到下顺序扫描图像，对同时满足以上四个条件的像素，如果

图１　原始图像　　　图２　指纹方向图　　图３　滤波增强图

P１×P３×P５＝０，且P３×P５×P７＝０，则将其作上标记。

当扫描完整幅图像后，去掉作了标志的像素。重复一、二步骤直到得到单位宽

２．２　脊线频率估计图４　二值化图　　　　图５　 …… 此处隐藏：3798字，全部文档内容请下载后查看。喜欢就下载吧 ……