何丹琪

摘要：指紋是指手指上谷線和脊線所形成的圖形，指紋識別技術因為其準確性、便捷性和易操作性得到了廣泛的運用。文章通過綜合運用圖像的處理和模式的識別技術，對指紋的圖像文件進行預處理、對指紋的特征點進行提取，并進行指紋匹配，進而解決相關問題。

關鍵詞：二進制編碼；指紋分類；指紋識別與對比；指紋相似度；指紋密碼 文獻標識碼：A

中圖分類號：TP242 文章編號：1009-2374（2016）31-0017-02 DOI：10.13535/j.cnki.11-4406/n.2016.31.009

1 指紋圖像的采集

在實際生活中，指紋圖像的采集通常需要借助相關的一起設備來完成，通過對指紋的圖像化處理，可以采集相關數據。

2 指紋圖像的預處理

從大多數的指紋圖像可以發(fā)現，某些指紋圖像有比較大的噪聲，如某些圖像的脊線出現了斷裂、模糊、橋接等現象，因此為了使后期處理得以簡化，特征提取的可靠性得以提高，指紋圖像的預處理十分有必要。圖像的預處理步驟主要是以下步驟：圖像的分割、圖像的增強、圖像的二值化和細化等。

（1）圖像分割。將指紋圖像的有效部分（主要是前景部分）切割出來，把含有大量噪聲的背景部分舍棄；（2）圖像增強。將斷裂的指紋連上，粘連的指紋分開，使模糊的指紋清晰；（3）二值化處理。選用合適的限制條件即閾值，對指紋灰度圖像進行二值化處理，使之成為黑白二值的圖像；（4）細化。在不改變脊線連通性的基礎上，通過腐蝕操作將原有的脊線轉換至單像素寬，使指紋圖像數據量減少，紋線結構更加

清晰。

具體模型過程如下：

2.1 圖像的分割

這里采用灰度共生矩陣法。這種方法通過計算指紋圖像中某些指定取向和某些指定距離的兩個像素點之間的灰度差值的次數，就可以計算出指紋圖像在方向、間隔、幅度變化大小和速度的不同信息，這樣可以將指紋圖像的灰度數據轉變?yōu)橐粭l一條的紋理數據。

2.2 圖像增強和二值化

為了將圖像進行二值化，首先確定一個3×3的小塊，需要確定這個小塊中中心線的灰度值，其計算公

式為：

（1）

式中：p表示小塊中灰度值大于閾值的概率，閾值取這個小塊的平均值。通過這個模型的計算可以將所有的灰度值轉換成只有0和255，增強了圖像的對比度，使得為下一步指紋細化操作提供了依據。

2.3 圖像細化

指紋圖像的細化處理是指在指紋圖像進行灰度二值化以后，在不影響指紋紋路的連通性的前提下，去除指紋紋線的邊緣的像素點，細化紋路的像素寬度，直到小于等于一個像素的寬度。對于細化算法主要要滿足以下六個方面的要求：（1）紋路連通：刪除邊界數據時不能破壞指紋的連通性；（2）不變性：維持指紋的細節(jié)方面的特征，如叉口等；（3）中軸性：骨架盡量接近指紋紋路的中心線；（4）迭代收斂：進行數據迭代計算時是不發(fā)散的；（5）細化性：骨架紋線的必須其寬度為1個像素；（6）拓撲特征：保證紋路基本結構特性不發(fā)生變化。

在上述步驟中，我們采用了一種模板的消去保留法，對圖像逐點保留或刪除，通過增加保留模板和消去模板，提高細化的速度與精度。該算法是一種串行細化算法，采用統(tǒng)一的模板，先構建了8個消除模板和6個保留模板，實現細化處理。

2.4 圖像可能特征點的提取

指紋細節(jié)特征點（Minutiae）主要指的是紋線端點（Ridge Ending）和紋線分叉點（Bifurcation）。紋線端點就是指指紋紋路突然中斷的位置，紋路分叉點指的是紋路一分為二的位置。根據資料顯示的統(tǒng)計結果表明，采用這兩種特征點可以確定指紋的唯一性。因此我們只提取端點和分叉點，并進行去偽處理。

具體算法如下：

（2）

2.5 圖像偽特征點的去除

經過以上二值化和細化步驟的指紋圖像中，還存在以下五類噪聲：（1）紋線間斷。上個模型中的指紋特征點提取算法測得到兩個指紋紋路端點，并定義其為偽特征點。這種偽特征點的兩點間距非常小，而且沿局部紋線方向的兩點之間的區(qū)域無紋線；（2）紋線叉連。在紋線叉連的位置，上個模型中的指紋特征點提取算法會提取到兩個指紋的分叉點，但都屬于偽特征點；（3）短橫線。如果指紋不潔凈，有污漬，采集到的指紋圖像易產生很多的由隨機噪聲引起的短橫線。在短橫線位置，可能提取到兩個紋線端點，也屬于偽特征。這種偽特征點的特點是兩點之間距離很小，兩點之間由一條指紋紋路相連；（4）較小的孔狀結構；（5）毛刺。

3 指紋密碼存儲模型

在采集完指紋特征點之后，我們需要將特征點信息存儲，以便下步對比匹配時使用。對細化后的圖像以像素為單位，采用上述特征點提取算法遍歷整個圖像，記錄特征點的位置信息。對于分叉點，記錄為0，坐標為（x，y）；端點記錄為1，坐標為（x，y）。對于坐標（x，y），需要16bite來存儲，對于0/1，需要1bite。遍歷整個圖像后，就可以將端點和分叉點信息存儲。

一般來說指紋識別所給的圖像分辨率是400*600，將其分割后160*120，但是圖像的DPI只有72，根據我國《居民身份證采集器通用技術要求》，寬為12.75mm，長為17.93mm，圖像DPI為500。DPI是指單位英寸上所包含的像素點，那么題目所給的圖像單位面積上所包含的像素點總數是72 72 5184點/平方英寸，而更具標準所要求應該具有的像素點總數是500 500 250000點/平方英寸，標準單位面積上所具有的像素點總數是題目所給圖像的48.23倍。這樣一來，對題目所給的圖像進行分割和細化等工作時，效果并不是很樂觀，為了體現算法的有效性，我們還選取了FVC2004指紋庫中的一些指紋進行細化處理，用來和題目所給的圖像進行對比。

4 指紋密碼對比模型

經過前面的指紋圖像預處理和特征點提取環(huán)節(jié)，獲得的細節(jié)特征信息就是指紋圖像的特征點集合，通過對特征集合之間的信息相似性進行比對，就能夠判斷出對應的指紋圖像是否來自同一個手指。

若要進一步壓縮指紋密碼的存儲空間，則可以對指紋密碼的對比模型進行改進，不用存儲全部的特征點，可以存儲特定的特征點，比如隔一個特征點就存儲一個，這樣就可以降低特征點存儲數目，使得所需要的存儲字節(jié)降低。但是這要求對比模型也要做一定的改進。對于唯一性的確定，通過生物學上的分析，一個人的指紋是唯一的，那么如果在確保能夠準確提取多個特征點，那么一個人的指紋將是唯一的。但是由于算法在細化和分割過程中有許多的偽特征點，那么就有一定的可能使得兩枚指紋的指紋密碼是類似的，在做對比時可能會判定為同一枚指紋。

5 模型的優(yōu)缺點

模型對圖像分辨率的要求很高，在題目所給的指紋上表現并不是很好，因為題目所給的圖像分辨率很低。在FVC2004的一枚指紋上可見模型的表現還是很好的。模型沒有進行低質量指紋圖的測試，但是通過理論分析，模型在對指紋圖像噪聲的處理上還有待提高。由于不能使用別人已有的指紋識別算法，加上我們小組成員對圖像噪音處理不是很了解，導致我們在噪聲處理方面有很大的缺點，后續(xù)可以對模型的噪聲處理進行加強，想必能得到一個很好的指紋識別算法。

模型在噪音處理方面可以做進一步的改進，還可以通過對算法的優(yōu)化降低編程計算的時間復雜度，使得模型更加高效。

6 結語

本模型的數學背景不是很復雜，有利于編程實現，并且模型將指紋密碼采用緊湊的二進制數字來存儲，這樣能夠提高存儲所需的內存空間，降低存儲的使用，對目前大量的指紋數據來說，這是很經濟的，也是很實

用的。

參考文獻

[1] 郭進，文安邦，嚴冬春，史忠林.復合指紋識別技術 定量示蹤流域泥沙來源[J].農業(yè)工程學報，2014， （2）.

[2] 祝恩.低質量指紋圖像的特征提取與識別技術的研究 [D].國防科學技術大學，2005.

[3] 王瑋.自動指紋識別系統(tǒng)關鍵技術研究[D].重慶大 學，2007.

[4] 張圓圓.指紋識別技術相關算法的研究[D].北京郵電 大學，2012.

[5] 張潔.殘缺指紋識別中若干關鍵技術的研究[D].北京 郵電大學，2013.

[6] 田捷，陳新建，張陽陽，楊鑫，何余良，李亮，謝 衛(wèi)華，鄭志鵬.指紋識別技術的新進展[J].自然科學 進展，2006，（4）.

[7] 時鵬，田捷，蘇琪，楊鑫.基于奇異點鄰近結構的快 速指紋識別[J].軟件學報，2008，（12）.

[8] 戴平陽.指紋識別技術研究進展[J].廈門大學學報 （自然科學版），2002，（6）.

[9] 王俊珺.指紋識別算法優(yōu)化與應用研究[D].華東師范 大學，2009.