基于MATLAB图像处理的指纹特征点提取[权威资料]

基于MATLAB图像处理的指纹特征点提取[权威资料] 基于MATLAB图像处理的指纹特征点提取

摘要:伴随着信息科学技术飞速发展的步伐，非常多的系统更加关注安全的问题，因此，可靠的、安全的身份识别技术成为了众多系统安全应用的首选。指纹图像特征提取作为指纹识别领域非常重要的研究部分，自然而然的引起了广大学者的关注。本课题研究的主要内容便是指纹图像特征点提取以及伪特征点的剔除。

关键词:MATLAB;特征点;指纹识别;分叉点

TP391.41

随着科学技术以及社会的不断进步，基于口令、信物、数字等的传统的安全认证模式正在变得越来越脆弱[1]，现代化的安全系统必须寻求全新的安全认证方法才能满足现代化的社会需求。指纹识别技术是到目前为止应用最为广泛的个人身份认证技术，指纹所具备的稳定性以及唯一性更加的确定了指纹识别技术的应用地位，在计算机不断进步的同时，指纹识别技术以及算法也在不断的提升，甚至指纹传感器的性能也得到了大幅度的提升，所以，较高质量的指纹图像信息采集技术成为了安防领域以及身份认证领域研究的重点课题。

1 指纹图像特征

1.1 指纹图像全局特征

指纹的全局特征通常指的是常人通过肉眼就可以辨认出的特征，全局特征的基本纹路图案通常分为三种:环型(loop)，弓型(arch)以及螺旋型(whorl)[2]，这三个指纹图案是其余的指纹图案的基础，但是三种类型的分类相对比较粗略，并不能完全比对出采集到的指纹图像，但是对指纹进行分类却能够为指纹图案的比对查询提供方便。

通常情况下，指纹图像中的用于描述全局特征的区域称之为模式区，即通过指纹图像的模式区便可以将指纹图像进行分类划分，有的指纹算法提取的只是模式区的指纹数据，而有的指纹算法则仅仅提取模式区的一部分指纹数据。

指纹图像的核心点具体指的是指纹图像纹路的渐进中心，这个点的数据信息非常重要，通常被用作读取指纹时以及比对指纹时候的参考点，指纹图像的核心点被很多的指纹识别算法采用，但是局限是仅仅能够识别具备核心点的指纹图像。

指纹图像数据也存在三角点，具体指的是以核心点为标准，开始之后的第一个断点或者分叉点，亦或者相交纹路的汇聚点、折转点、孤立点，或者指向这些点的怪异点。三角点是指纹识别算法的关键点之一，为指纹图像纹路的计数跟踪提供了基准参考点。

指纹纹数具体指的是模式区内所有指纹纹路的数量。指纹纹数在计算的时候，通常会将核心点与三角点连接起来[3]，这条连线与指纹纹路交接点的数量便可以确定指纹图像的纹数。

1.2 指纹图像局部特征

指纹图像的局部特征具体指的是指纹上节点的详细特征，具备一些特征的指纹图像节点被称之为特征点。不同的指纹可能会出现总体特征相同的情况，但是绝对不会出现特征点相同的不同指纹。

1.2.1 指纹图像的特征点

指纹图像的纹路并不是笔直的、平滑的、连续的，伴随着指纹纹路的经常是分叉、打折亦或者中断，指纹纹路的这些分叉点、断点以及转折点便被称之为“特征点”，众多的“特征点”的集合便构成了确定指纹图像唯一的信息数据。

1.2.2 指纹图像特征点的分类

指纹的特征点通常被分为终结点、分叉点、分歧点、孤立点、环点、短纹、方向、曲率以及位置。终结点以及分叉点是特征点最为典型的两类。

(1)终结点(Ending):终结点类型具体指的是一条指纹纹路在此处断开终结;(2)分叉点(Bifurcation):分叉点类型具体指的是指纹纹路在该点处分开拓宽成两条甚至两条以上的纹路;(3)分歧点(Ridge Divergence):分歧点类型具体指的是两条相对平行的线路的分开点;(4)孤立点(Dot or Island):孤立点类型具体指的是指纹纹路非常短，以至于成为一点;(5)环点(Enclosure):环点类型具体指的是一条指纹纹路在分开成为两条纹路之后又立即合并成为一条指纹纹路，这样分开点与合并点形成的小环变成只为环点;(6)短纹(Short Ridge):短纹类型具体指的是指纹的一端相对比较短，但是又不会形成一个点的指纹纹路;(7)方向(Orientation):方向具体指的是节点的方向比较固定;(8)曲率(Curvature):曲率具体指的是用来描述指纹纹路沿着方向改变的行进速度;(9)位置(Position):位置具体指的是借助坐标去描述指纹纹路中节点的位置，可以用绝对位置描述，也可以用基于三角点或者特征点的相对位置进行描述。

2 指纹图像特征提取算法

指纹图像特征点的提取通常包括两个步骤，第一步骤便是对图像特征进行提取，第二步骤则是将提取的特征点中的伪特征点剔除。指纹图像特征点的提取一直是众多学者深入研究的方向。最早提出相关算法的是FBI(Federal Bureau of Investigation，美国联邦调查局)科研人员，他们提出了一种二级算法，对于图像的二值化处理采用了自适应的算法，二值化之后的指纹图像便是特征点提取的对象。该算法的出现为指纹图像认证领域的发展奠定了基础，从一出现，便获得了非常广泛的应用。

通常有两个方法用于指纹图像特征的提取，第一种便是从整体的灰度图像中提取算法，而另外一种便是建立在细化二值化的图像中提取算法。指纹图像特种功能的提取是整套指纹识别系统中最为核心的环节之一，指纹图像特征提取的好与坏将直接影响到指纹图像匹配的准确性[5]，因此，指纹图像特征提取是指纹匹配的基

础和前提。第一种指纹图像特征提取算法通常是跟踪灰度指纹纹线，在根据跟踪结果定位特征的位置以及精确的判断出特征的类型，该种方法整个实现过程中并没有进行指纹图像预处理过程，但是指纹特征提取的算法却异常复杂，在加上外界不确定因素的影响，导致提取到的指纹特征值并不准确。所以，第二种指纹特征提取算法是应用最为广泛的技术之一，从经过预处理之后的细化二值指纹图像中提取指纹图像特征值，不仅方法简单，特征点的提取也非常简单，仅仅需要一个3×3的模板便可以将非常可靠的细化二值图像的分叉点以及端点提取出来。图1 指纹图像预处理一般流程

细化二值化之后的指纹图像特征值提取主要提取的内容是指纹图像的分叉点以及端点的细节特征。本课题采用的特征提取模版如图1所示。其中的目标检测像素点用P代表，而P1、P2、P3、P4、P5、P6、P7、P8在是P像素点的八个领域像素点，为了使得计算起来较为简便，指纹图像的背景色通常选择灰度值为255(白色)的像素点，本文中像素点P灰度值设置为0;即灰度值为0(黑色)的像素点指定为目标点，也称之为待检测的像素点，这里将目标点的P值设定为1，则采用式(1)表示的公式去统计P像素点的八个领域中值为1的像素点的个数。

(1)

(1)如果P的八个领域中有且仅有一个值为1的像素点，则有CN=1，此时的P 点便是端点;(2)如果P的八个领域中有且仅有二个值为1的像素点，则有CN=2，此时的P点

便是连通点;(3)如果P的八个领域中有且仅有三个值为1的像素点，则有

CN=3，此时的P点便是分叉点。

通过式(1)以及上面的算法便可以统计出指纹图像特征点，并将特征点的数目、类型以及位置信息记录下来，对于作为细节特征点的分叉点以及端点，有些情