指纹识别研究报告

生物医学图像处理研究报告指纹识别

班级：

姓名：

学号：

一、指纹识别的发展

我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。

19世纪初，科学研究发现了至今仍然承认的指纹的两个重要特征，每一个手指指纹的图案布局是永久存在的并且始终不改变的，直到在人死后指纹才会腐烂。全世界没有两个人的指纹是完全一样的，即使是双胞胎也不例外(即指纹的唯一性和不变性)。这个研究成果使得指纹在犯罪事件的鉴别中得以正式应用(主要代表性的事件有：1896年阿根廷首次应用，然后是1901年的苏格兰，20世纪初其他国家也相继应用到犯罪事情的鉴别中。20世纪60年代，由于计算机可以有效地处理图形，人们开始着手研究利用计算机来处理指纹。从那时起，自动指纹识别系统AFIS在法律实施方面的研究和应用在世界许多国家展开。

我国利用指纹来识别身份的历史非常悠久，但是我国指纹自动识别系统研究开发的历史是从20世纪80年代初开始的，北京大学信息中心、清华大学自动化系、北京邮电大学、中科院、长春光机所等都在此领域做了一定工作，并取得了一定的成果，其中较为突出的是清华大学自动化系和北京大学信息中心两家。北京大学两位著名院士程民德和石青云率先开展了这方面的研究工作Pl。1982年至1985年，在石青云院士主持的国家自然科学基金项目中，率先对数字图像的离散几何进行了深入研究，提出了从指纹灰度图像精确计算指纹局部方向，进而提取指纹特征信息的理论与算法，具有很高的学术价值和独创性。随后，在她主持的国家七五科技攻关项目中，研究成功了适于民用身份鉴定的全自动指纹鉴定系统以及适于公安刑事侦破的指纹鉴定系统，从而开创了我国指纹自动识别系统应用的先河。清华大学自动化系研究成功的犯罪指纹识别系统已经被北京市公安局使用。田捷博士领导的中国科学院自动化研究所fmgerpass指纹识别实验室对指纹识别技术及其应用领域的一些关键问题进行了广泛的理论研究和应用开

发。

随着国内外学者们对自动指纹识别系统研究的不断深入，其主要的几个研究问题也逐渐明朗化。目前国内外有关自动指纹识别系统的研究主要包括以下几个方面：

(1)指纹图像预处理；

(2)指纹分类；

(3)指纹特征点提取；

(4)指纹匹配。

二、指纹识别实现

我参考了一些指纹识别方面的论文，弄清了指纹识别具体各个步骤的原理及其实现，形成了以下报告内容。

（一）指纹图像的预处理

采集获得的指纹图像通常都伴随着各种各样的噪声。一部分是由于采集仪造成的，如采集仪上的污渍、采集仪的参数设置不恰当等{另外一部分是由于手指的状态造成的，如手指的过干、太湿、伤疤、脱皮等。第一类噪声相对来说是固定的系统误差，比较容易恢复：第二类噪声与个体手指密切相关，比较难于恢复。所以指纹图像预处理在指纹识别过程中成为非常重要的一环，这部分的算法的优劣将对整个系统的性能产生至关重要的影响。指纹图像预处理的目的是去除指纹图像中的各种噪声，连接脊线的断裂，消除指纹图像形变，恢复清晰完整的指纹脊线结构。处理结果的好坏直接影响到特征提取的精确性和稳定性，进而决定指纹自动识别系统的性能。

指纹图像预处理的一般过程

1．图像增强

介绍一种滤波器：Gabor滤波器。由于指纹的纹理在每一局部具有很强的方向性和周期性，因而我们应该采用一种能根据局部纹理特征具有方向和频率选择特性的自适应的滤波方法Gabor函数正好具备频率选择和方向选择的特性，并且已经证明，Gabor基函数的空域宽度和频域宽度的乘积能在测不准法则下达到最小，在空域和频域下拥有最小的联合不确定性。

Gabor

滤波效果：

2．指纹图像二值化

图像的二值化是指通过设定阈值把灰度图像变成仅用两个值0和1分别表示图像的前景和背景的二值图像。对一幅图像进行二值化，首先必须选取阈值。由于不同图像的灰度基值不同，以及同一幅图像中各部分的明暗不同，所以阈值的设置是

指纹图像

指纹图像增强

指纹图像二值化

指纹图像细化

指纹图像原图Gabor滤波后结果

二值化操作的关键所在。在二值化的处理与分析过程中，首先需要把灰度图像二值化，得二值图像，这样做的目的是对图像做进一步处理时，图像的几何性质只与0和1的位置有关，不再涉及到像素的灰度值，进而使图像处理变得简单。提高了系统的经济实用性。

二值化效果：

3．指纹图像细化

一般的特征提取都是在细化的基础上进行的，如果细化不好，将无法使用常规的特征提取算法提取细节特征信息。指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只对纹线的走向感兴趣，不关心它的粗细。为了进一步压缩数据，提高识别的准确性，需要对指纹图像进行细化处理。细化是图像分析、信息压缩、特征提取和模式识别常用的基本技术，删除指纹纹线的边缘像素。使之只有一个像素宽度。细化应保证纹线的连接性、方向性和特征点不变，还应保持纹线的中心基本不变。

细化结果：

原图二值化后

原图细化后

（二）指纹图像特征点提取

指纹的特征可以反映在给定的人类群体里来自不同手指的指纹之间相似的程度，指纹的特征信息很多，这些所有的指纹特征信息构成了庞大的指纹特征集合。这些特征有细节点、奇异点、纹理特征等等。

特征提取是指纹图像识别中的关键一步，指纹识别技术的核心在于特征的匹配，特征提取的准确程度直接关系着匹配的正确性。能否从指纹图像中可靠地提取细节点，直接影响指纹匹配的精度。因此，细节特征点的提取是整个识别系统的关键环节。理想的指纹细节点提取方法应该不产生虚假细节点、不遗漏真实细节点以及细节点的位置和方向没有误差。

1．指纹的特征描述

我们可以根据指纹的特征来辨别人类群体里来自不同手指的指纹之间相似的程度。然而指纹有很多特征信息，所有的这些指纹特征信息就构成了庞大的指纹特征集合。自动指纹识别系统特征层需要研究和解决的问题主要是与这些特征信息有关，例如，特征是否是终生不变的、唯一的、特征之间存在什么样的相互关系、什么样的特征子集可以使某种算法达到最佳的识别效果、指纹特征用于身份鉴别是否更安全等。对于自动指纹识别技术而言，选择一种合适的、能表达指纹唯一性的特征量是非常重要的。

1)指纹的全局特征

所谓全局特征是指那些用人眼直接就可以观察到的特征基本包括以下一些特征：

基本纹路图案斗型(100p)、弓型(arch)、箕型(whorl)。一般的指纹图案都基于这三种基本图案，现有的这种分类规则是为指纹专家进行人工分类而定义的，但仅仅依靠这些类型来分辨指纹是远远不够的，这只是一个粗略的分类，并不适合计算机来实现，但通过分类可使在大型数据库中搜寻指纹更为方便。

模式区模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出