数字图像处理指纹识别系统

指纹识别系统的发展状况
国内研究的发展状况
我国从20世纪80年代开始研究指纹自动识别技术， 也取得了令人瞩目的成绩。比较出色的有北京大学的 Delta-S系统，清华大学的CAFIS系统等。 近年，指纹识别系统的研究与应用成为一个热点， 指纹考勤机，指纹门禁系Fra Baidu bibliotek等产品得到广泛使用。
国外研究的发展状况
中值滤波的目的是在保护图像边缘的同时，去除噪声
中值滤波Matlab仿真
（1）使用imread()读入原始的彩色图像； （2）因为使用中值滤波器只能对灰度图像进行处理，所以利用 rgb2gray()将彩色图像转化为灰度图像； （3）用imnoise()在灰度图像中加入椒盐噪声； （4）利用medfilt2()函数进行中值滤波,并在MATLAB环境下运行。 相应的MATLAB主程序如下：
%二值化算法matlab程序 I=imread(' E:\各科课件\大三\数字图像处理\指纹识别 预处理\1.jpg'); level=graythresh(I); J=im2bw(I,level); imshow(J);title('二值化图像')
指纹图像的细化
细化又称骨骼化，是指在不影响图像的拓扑关系的情况下，将图像中 宽度大于一个像素的线条转变为只有一个像素宽度的图像的处理过程
原始图像
图像裁剪
图像平滑
图像锐化
输出图像
图像细化
图像修饰
二值化
指纹图像的预处理过程
中值滤波
中值滤波是一种非线性处理技术，由于它在实际运算 过程中并不需要知道图像的统计特性，所以比较方便。 在一定的条件下，中值滤波可以克服线性滤波器所带 来的图像细节模糊，而且对滤除脉冲干扰及图像扫描 噪声非常有效；但是，对一些细节多，特点是点、线、 尖顶细节较多的图像则不宜采用中值滤波的方法
成像区域 分辨率 设备体积 耐用性 功耗 成本
中 可高达 1000dpi 中 一般 较大 很高
三、指纹图像预处理及其实现
预处理的目的是去除图像中的噪声，把其变成一幅清晰点线 图，这样才能提取到正确的指纹特征，从而达到后边的正确 匹配。 预处理的过程主要包括：图像裁剪、图像平滑、图像锐化、 二值化图像修饰、图像细化。
锐化后的图像如下图所示
增强后的图像
laplacia算子对图像锐化图
锐化后增强了图像边缘和线条，使 图像边缘变得清晰的处理。
指纹图像二值化
指纹图像二值化作为指纹预处理过程的一部分，是进行指纹 图像细化处理的基础。对指纹图像二值化的好处在于使得图
像的几何性质只于0和1的位置有关，不再涉及像素的 灰度值，使处理变得简单，这给存储和处理带来了很大 的方便，同时也提高了系统的经济实用
细化图像
定 位
分 类 特征提取
存入指纹库
分 区
指纹识别和分类流程
四、总结与展望
总结 图像是人类获取和交换信息的主要来源，因此， 图像处理的应用领域必然涉及到人类生活和工 作的方方面面。近年来，图像处理技术得到了 快速发展，呈现出较为明显的发展趋势，了解 和掌握这些发展趋势对于做好目前的图像处理 工作具有前瞻性的指导意义。而指纹识别正随 着数字图像处理和模式识别等学科的发展而逐 步形成一门新兴身份认证技术，在未来社会中 扮演越来越重要的位置
由图像的对比可以发现处理后的图像减少了一部分 的噪声，使指纹纹路和背景干扰区分出来，对后续 的进一步处理做了准备
指纹图像的锐化滤波
用Laplacia算子对指纹图像进行锐化，以下是利用Laplacia算子 对图像增强的MATLAB实现： I=imread(' E:\各科课件\大三\数字图像处理\指纹识别预处理\1.jpg'); figure; subplot(1,3,1);imshow(I);title('原图'); h1=fspecial('Laplacia',0); MotionBlur1=imfilter(I,h1); subplot(1,3,3);imshow(MotionBlur1);title('拉普拉斯增强图像'); figure('name','直接输入算子锐化处理','NumberTitle','Off'); subplot(1,3,1);imshow(I);title('原图'); l=[0 -1 0;-1 4 -1;0 -1 0]; MotionBlur2= imfilter(I,l); subplot(1,3,3);imshow(MotionBlur2);title('拉普拉斯锐化图像');
以下是细化算法的MATLAB实现： I=imread(' E:\各科课件\大三\数字图像处理\指纹识别预处理 \erzhihua.jpg'); J=I(:,:,1)>160; K=bwmorph(~J,'thin','inf'); imshow(~K);title('细化结果')
指纹图像细化的结果
指纹特征的提取
指纹识别研究的目的和意义
指纹识别从最根本上来讲，是可以良好的判断和定义一个 人的真实生物身份，从而降低社会活动中的信任成本，从 根本上改变经济和社会交往模式改变，提高效率。指纹识 别作为一种生物鉴定技术，为人类的个体的定义提供了一 个到目前为止最为快捷和可信的方法。
常见指纹识别仪
射频指纹识别技术传感器
特征点提取一般分为两个阶段:提取特征点和伪特征点的剔除。 最常用的特征点提取算法有两类:一是从灰度图像直接提取特征点; 二是对预处理细化后的图像进行提取特征点（基于细化图像的邻 域法）
基于细化图像的邻域法，是先将指纹图像经过图像增强、二值 化和细化等一系列的预处理得到细化的指纹图像，再通过构建 像素的3*3邻域(如下所示)提取指纹图像的特征点
第一代光学式指纹读取器
第二代电容式指纹传感器
指纹的分类
指纹分类的主要目的是方便大容量指纹库的管理，减小搜索 空间，加速指纹匹配过程。
1.纹形
在大部分研究中，指纹一般分为漩涡型（whorl）、左环型（left loop）、右 环型（right loop）、拱型（arch）、尖拱型（tented arch)5类。
展 望 在世界范围内，指纹识别技术正广泛应用于诸多领 域，其中部分产品已在美国的司法、移民、医疗、社会 福利等政府机构投入使用 由于我国市场尚属启动阶段，其发展空间更为广阔， 在公安、军队、海关、交通、金融、社保、医疗及其他 民用安全控制等行业和部门存在着广泛的需求。 指纹识别技术除了以上行业和部门存在着广泛的需求外， 在诸如企事业单位或公司的考勤、门卫接待系统、社会 医疗、福利和保险行业以及高级轿车防盗等领域也大有 用武之地
I=imread(' E:\各科课件\大三\数字图像处理\指纹识别预处理\1.jpg'); t=rgb2gray(I); p1=imnoise(t,'salt & pepper',0.02); p2=medfilt2(p1); subplot(2,2,1);imshow(I);title('原始图像'); subplot(2,2,2);imshow(I);title('灰度图像'); subplot(2,2,3);imshow(p1);title('加入噪声后图像'); subplot(2,2,4);imshow(p2);title('中值滤波后图像');
数字图像处理 在指纹识别技术中的应用
班 级：光信1102班第二组 主 讲： 张林君 组 员： 曾德海 陈光翔 陈明猷 林连淼 罗旭东 马海锋 申敖东 施兴荣 武成国 严 涵 杨 超 杨 星 张林君 周为浩 邹佳俊
目录 指纹识别技术概述 指纹识别系统工作原理 指纹图像预处理及其实现
一、指纹识别技术概述
环形（loop）
弓型（arch）
螺旋型（whorl）
2.模式区
纹上包括了总体特征 的区域，即从模式区 就能够分辨出指纹是 属于哪一种类型的
有的指纹识别算法只使 用模式区的数据
3.核心区
位于指纹纹路的渐进 中心，在读取指纹和 比对指纹时作为参考 点。许多算法是基于 核心点的，即只能处 理和识别具有核心点 的指纹
领域示意图
通过分析可知，细化后的指纹图像的邻域状态 如下图所示：
细化后的指纹图像
对指纹图像中的所有像素进行处理，分别 记录下所有检测到的端点和分叉点，即完 成了特征提取的第一步——特征的提取
指纹的识别和分类
指纹定位是正确识别指纹的必要措施，任何的扭摆、错 位都会造成误判 指纹定位有人工定位和自动定位两种方法
指纹采集的方法 • 指纹的表面积相对较小，日常生活中手指常常会 受到磨损，所以获得优质的指纹细节图像是一项 十分复杂的工作。当今所使用的主要指纹采集技 术有光学指纹采集技术、半导体指纹采集技术和 超声波指纹采集技术 光学指纹采集技术是最古老也是目前应用最广泛的指 纹采集技术，光学指纹采集设备始于1971年，其原理 是光的全反射
现代的指纹匹配技术主要是16世纪后期产生。 20世纪60年代，美国FBI开始开展基于指纹的自动生物 特征识别研究工作，美国在这一领域的研究水平处于世界最前 沿。 在国外从事指纹识别研究和开发的公司、科研机构、学校
比较多。其中较为著名的有：法国Morph，日本NEC，美国国
家标准局视觉处理研究所，加州理工学院，新加坡南洋理工大 学信号处理中心等。
光学指纹采集技术
光线照到压有指纹的玻璃表面，反射光线由CCD去获得，反射光的量依 赖于压在玻璃表面指纹的脊和谷的深度以及皮肤与玻璃间的油脂和水分。 光线经玻璃照射到谷的地方后在玻璃与空气的界面发生全反射，光线被 反射到CCD, 而射向脊的光线不发生全反射，而是被脊与玻璃的接触面 吸收或者漫反射到别的地方，这样就在CCD上形成了指纹的图像。
二、指纹识别系统的基本原理
指纹识别系统是典型的模式识别系统，它包含两个主要的模块：
鉴定模块和识别模块 目前指纹识别系统的基本流程为指纹采集、指纹图像预处 理、特征点提取及特征点匹配。
训练模块
指纹采集 图像处理
特征提取
数据库
指纹采集
图像处理
特征提取
匹配
鉴别模块
鉴别结果
指纹识别系统框图
指纹图像采集
对指纹图像进行二值化，其基本要求就是二值化后 的图像能真实地再现原指纹。具体要求为: 1.脊线中不出现空白 2.二值化后的脊线基本保持原来指纹的特征 3.指纹的纹线不应有太多的间断和相连 4.指纹纹线间的间距应大致相同
二值化算法的Matlab仿真
用matlab图像处理工具箱提供的im2bw函数实现指纹图像 的二值化。以下是二值化算法的MATLAB实现：
常见的生物识别技术主要有指纹、脸形、虹 膜、视网膜、手写体、声音、掌纹、手形和 脸部热谱图9种，指纹识别是生物识别技术 的一种。迄今为止，最为人们所关注、最为 成熟的生物识别技术就是指纹识别
指纹识别系统是一个典型的模式识别系统，包括 指纹图像获取、处理、特征提取和比对等模块
指纹识别系统分类
1.验证模式（verification）
4.三角点
位于从核心点开始的第 一个分叉点或者断点、 或者两条纹路会聚处、 孤立点、折转处，或者 指向这些奇异点。 三角点提供了指纹纹路 的计数跟踪的开始之处
5.纹数
指模式区内指纹纹 路的数量。在计算 指纹的纹数时，一 般先在连接核心点 和三角点，这条连 线与指纹纹路相交 的数量即可认为是 指纹的纹数
市场上指纹图像获取设备
光学指纹识别模块
传感器指纹识别
三种采集方法的主要技术的比较
光学扫描技术 半导体传感技术 超声波扫描 技术 非常好
成像能力
干手指差，汗多 干手指好，潮湿、 的和膨胀的手指 粗糙手指亦可成 成像模糊，易受 像。易受皮肤上 皮肤上的赃物和 的赃物和油腻的 油腻的影响。 影响。
大 低于500dpi 大 非常耐用 较大 较高 小 可高达600dpi 小 较耐用 小 低
验证就是通过把一个现场采集到的指纹与一个已经登记的指纹进行 一对一的比对（one to one matching），来确认身份的过程。
2.辨识模式（identification）
辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从 中找出与现场指纹相匹配的指纹。这也叫做“一对多匹配” （one to many matching）
光信1102班第二组