摘要：指纹识别系统是利用指纹识别技术对用户身份进行验证的系统，指纹识别系统包括指纹采集、指纹预处理、特征提取、指纹匹配等模块。本文在充分调研了目前的指纹预处理和特征提取研究成果之后，分别针对指纹增强、指纹二值化和指纹特征提取方面提出了三个新的算法，部分解决了目前指纹识别技术面临的问题与挑战，并且利用这些新的算法制作了一款指纹图像识别系统。本文通过绪论、需求分析、系统设计、系统实现、系统测试一步步介绍指纹图像识别技术在指纹识别系统中的应用情况。

关键词：指纹增强；二值化；特征提取；指纹图像识别；图像处理

引言

作为最重要的生物识别技术之一，指纹识别技术已经被广泛应用与门禁、考勤、身份验证等领域。指纹识别系统是由指纹图像采集、指纹图像增强、指纹图像二值化、指纹图像细化、指纹图像特征提取和指纹图像匹配等模块所构成的模式识别系统。指纹是由人类手指末端褶皱形成的纹路，指纹纹路包含许多重要的细节信息，比如：指纹纹路的起点、终点、交点和分支点。指纹具有相对唯一的性质，在目前已知的宇宙中，不存在两个指纹完全相同的人类，基于上述特性，指纹图像被广泛用于身份认证领域。

1.1身份认证与生物测定技术

身份认证主要包括基于共享密钥、生物学特征和公开密钥加密算法的身份验证。

基于共享密钥的身份验证需要用户向服务器提交共享密钥来进行身份验证，服务器会检查该共享密钥是否合法。目前几乎所有的网络接入服务、论坛以及维基百科等都是使用基于共享密钥的身份验证的服务。

基于生物学特征的身份验证一般是指通过指纹或虹膜等生物学特征来进行身份验证的验证方式。

基于公开密钥加密算法的身份验证由验证方通过私有密钥对特定数据进行加密，待验证方使用公开密钥对数据进行解密。生活中常见的数字签名和宽带SSL等加密手段都是使用基于公开密钥加密算法的身份验证进行技术保障。

生物测定技术是目前热门的研究方向。常见的生物测定技术包括虹膜识别、视网膜识别、面部识别、签名识别、声音识别和指纹识别技术等。因为指纹不会随着人类的生长而发生巨大变化而且较为稳定，因此指纹识别是目前应用前景较好的生物测定技术之一.。

1.2 指纹识别技术

指纹图像不同于其他类型的图像，其图像性质比较复杂，处理过程也相对繁琐。常见的指纹识别系统由于需要考虑指纹匹配效率和存储空间成本等问题，一般将从指纹原图像中提取的特征进行分类存储，基于特征的指纹识别算法本质上是在对两幅指纹图像上的特征点进行相似度计算的算法。

1.2.1指纹的总体特征

指纹的总体特征是能够通过人眼直接观察到的特征。指纹有五种基本纹路图案:漩涡型、左环形、右环形、弓形和帐型。通过这五种基本图案可以派生出所有的指纹图像，但是仅仅依靠图案类型这个粗略的方法进行分类会导致面对大量指纹数据时会产生效率问题，但是这种分类方法可以加快指纹在数据库中的索引速度。指纹的总体特征主要有模式区、核心点、三角点和纹数四个方面。

模式区：通过模式区不仅可以观察出指纹图像的总体特征，还可以直接判断出指纹的类型，基于以上特点，市面上的一些指纹识别系统仅仅使用模式区进行匹配。

核心点：核心点是指纹图像的纹理中心点，也可以称为中心点，通过中心点可以找到指纹的纹理中心，进而可以对指纹进行旋转、缩放等处理。

三角点：三角点是指从核心点开始顺着指纹纹路方向的第一个分叉点、断点抑或是两条脊线纹路的汇聚处、孤立点还可以是转折点。

纹数：指纹模式区内部纹路的数量称之为纹数。一般可以通过连接核心点和三角点构成线段并计算线段与指纹纹路相交的次数来计算纹数。

1.2.2指纹的局部特征

指纹的全局特征多数情况下用于分类，而指纹的另一特征——指纹的局部特征，能够将两个指纹进行完全区分。指纹局部特征也被称为是细节点，包括指纹纹路中的断点、分叉点和转折点，具有四种不同的属性：

类型:包括末梢点、分叉点、环点、孤立点和纹路。

图1-2 指纹细节点类型

方向：细节点所在的脊线的方向就是细节点的方向。

曲率：描述纹路方向的曲率（方向变化速率）。

位置：细节点的位置通常采用绝对坐标或者是以特征点为参考系的坐标来描述。

1.3国内外研究现状及分析

1.3.1国外研究现状

早在上个世纪80年代，D.Marr的研究团队就成功利用边缘窗口来提取指纹的纹线轮廓进而分解指纹图像。但是通过这种方法处理过的指纹图像会产生缺损。特征提取是图像处理的步骤之一，前人已研究了通过例如Roberts算子、Prewitt算子和 Sobel算子等经典的匹配算子进行梯度处理进而进行特征提取地算法。其中的一些算法是基于方向导数和边缘特征进行检测的。虽然这些算法效率高，实现简单．但仅仅适用于边缘突变明显、光照均匀的指纹图像；美国J.S等人提出的用长码提取指纹特征的算法，J.O等人提出的基于简单统计学的特征提取算法都是已经被广泛使用的算法。

美国S.P等人提出了包括三种基于细节特征和一种基于滤波的联合匹配的算法，实验发现这种算法确实能够提高指纹识别的精度；韩国 C.W等人提出了一种名为无参数密度估计快速匹配的算法，该算法首先利用parzen密度估计来筛选出候选指纹，接下来利用三个随机特征点间的三角型关系对指纹进行匹配；印度A.B等人提出了一种利用任意两点间的距离和连线与坐标轴的夹角进行部分点模式序列匹配的名为基于脊线运动方向和脊线中像素点的序列模式的匹配算法。

1.3.2国内研究现状

在指纹图像二值化的研究方向上，江南大学信息工程学院的须文波和夏鸿斌提出了一种最优化阀值法，结合直方图技术和高斯统计函数来求取指纹图像二值化阀值；中科院长光研究所的宋建中等人提出了一种通过结合指纹图像的特点和利用指纹图像中像素灰度分布情况来分割指纹图像的二值化方法等。

在特征提取方面，上海大学通信与信息学院的罗剑等人提出了一种基于脊线跟踪技术的指纹细节提取算法；武汉大学软件工程重点实验室的张雄等人提出了一种利用指纹的弯曲信息来提取指纹特征的方法；天津大学电子信息学院张新荣等人提出了一种基于小波变换的视觉信号特征提取算法；南京电子科学与工程系谭台哲等人提出了一种多级分块交错切割的指纹特征点检测算法；安徽大学范羚等人提出了一种基于图像模块化独立分量分析技术的图像特征提取算法等。

在指纹特征匹配方面，陈红等人提出了一种利用特征点及相关脊线信息和区域方向进行匹配的算法；何余良等人提出了一种在最大可能估计中引用盖然论公式来计算最优形变参数并用于指纹匹配的算法；杨利敏等人提出了基于指纹分类技术的特殊图像模式匹配算法等。

1.3.3研究现状分析

虽然指纹识别技术已经被广泛使用，但是指纹识别领域的诸多算法仍需要研究人员进一步探讨与完善。

第一，部分违法人员通过从指纹采集终端上获取他人的指纹来进行非法活动。因此需要一种指纹采集设备既能采集到清晰完整的指纹图像，同时该指纹图像又能在采集结束的瞬间消失。目前有一种使用热成像技术来采集用户的指纹的设备，可以在瞬间将指纹转化为数字信息，并保存在机器内部，而其表面不会留下任何指纹痕迹，这样就可以有效避免用户指纹图像被二次提取而造成指纹破解。

第二，如果指纹磨损严重或者由于手指意外受伤而导致指纹信息不完整会大大提高指纹识别的难度。目前亟待解决的问题是如何识别或增强低质量的指纹图像信息。将只能识别方案和模糊识别理论相结合可以在一定程度上根据残缺的指纹局部特征还原出全局指纹特征，但该方法目前仍处于研究阶段，还有很多问题需要解决

第三，指纹分类技术不够成熟，导致在进行大量指纹信息匹配时会产生效率问题。目前亟待解决的问题是如何缩短指纹的识别时间进而提高指纹的识别速度。目前的指纹分类方法将指纹分为5大类，指纹识别系统可以根据指纹的类别信息来在数据库中进行检索。目前主流的观点认为将指纹类别进一步细分能加快指纹信息的检索速度从而提高指纹匹配的效率。

第四，目前最常用的指纹匹配方法是指纹细节点匹配法，现有的细节点匹配算法确需要定基准点对，这导致指纹识别的速度大大下降。如何简化匹配算法，是提高指纹识别速度的关键所在。目前一种可用的方法是采用指纹的中心点作为基准点，但要想将该类算法广泛应用还必须进一步解决中心点提取的完整性和准确性的问题。

1.4本文主要研究方向与创新点

本文在充分研究了前人栽指纹增强和特征提取领域的研究成果之后，分别针对指纹滤波、指纹二值化和指纹特征提取等方面提出了创新的方法。

本文主要创新点如下：

1、针对目前指纹增强算法存在的问题，提出了经过改良的新一代指纹增强算法——基于STFT算法的指纹图像迭代滤波增强算法。

2、为了解决区域自适应阈值法的不足之处，本文提出了一种基于前景和背景阈值迭代分析的二值化算法——双重迭代二值化算法。

3、结合了细节特征提取和纹理特征提取两种方法的长处，提出了基于细节和纹理特征的细化指纹图像特征提取算法。

分享让更多人看到