薛彤, 夏震宇, 張森, 葉立兆, 單海鷗

(國(guó)家電網(wǎng)溫州供電公司，溫州 325028)

0 引言

近年來(lái)隨著國(guó)家提出“配電網(wǎng)建設(shè)改造行動(dòng)計(jì)劃”以來(lái)，電力企業(yè)的配電網(wǎng)工作進(jìn)度全面加速。配電網(wǎng)工程規(guī)模大，時(shí)間緊、任務(wù)重、施工人員多、作業(yè)范圍廣、環(huán)境復(fù)雜。伴隨而來(lái)的是配電網(wǎng)工程安全管理中存在的施工前期工作不實(shí)、施工項(xiàng)目勘察不細(xì)、現(xiàn)場(chǎng)作業(yè)施工安全管控不力等問(wèn)題[1]。為提高管控力度，在電網(wǎng)作業(yè)前均需要進(jìn)行指紋刷卡，以落實(shí)安全事故責(zé)任人。但由于現(xiàn)場(chǎng)施工作業(yè)人員普遍存在手指污點(diǎn)、指紋模糊等現(xiàn)象，在進(jìn)行指紋刷卡時(shí)，指紋刷卡系統(tǒng)難以采集到高質(zhì)量的指紋圖像，從而使指紋識(shí)別率下降，影響了電網(wǎng)作業(yè)效率。

非理想條件下采集的低質(zhì)量指紋圖像給指紋識(shí)別帶來(lái)的問(wèn)題主要有[2]：一是普通指紋處理算法拒識(shí)率(false rejectior rate，F(xiàn)RR)，誤識(shí)率(false acceptance rate，F(xiàn)AR)偏高；二是復(fù)雜算法雖然有較為滿(mǎn)意的FRR、FAR，但運(yùn)行復(fù)雜算法速度偏慢；三是高端嵌入式處理器可以運(yùn)行復(fù)雜算法，但成本偏高。

基于這些原因，本文設(shè)計(jì)了一種以ADSP-BF531處理器為核心的指紋識(shí)別系統(tǒng)，指紋采集采用指紋傳感器FPC1020。在實(shí)時(shí)指紋識(shí)別系統(tǒng)中，圖像增強(qiáng)的效果好壞直接影響指紋細(xì)節(jié)特征提取及指紋鑒別的識(shí)別率，對(duì)指紋采集圖像進(jìn)行有效的預(yù)處理十分關(guān)鍵[3]。本文提出了基于Gabor濾波器和FFT×|FFT|n濾波器相結(jié)合的方法實(shí)現(xiàn)指紋圖像增強(qiáng)，使得指紋識(shí)別FRR、FAR有了較好的改善。

1 指紋采集硬件設(shè)計(jì)

指紋采集硬件架構(gòu)主要包括主控芯片ADSP-BF531、指紋傳感器FPC1020、2M字節(jié)NOR Flash存儲(chǔ)器AM29LV160DB，256Mbit SDRAM 芯片K4S561632C，其指紋采集硬件接口,如圖1所示。

ADSP-BF531是ADI公司Blackfin處理器系列之一，具備400 MHz/800MMAC的性能、價(jià)格低，高性?xún)r(jià)比的特點(diǎn)使得其適用于對(duì)成本敏感的應(yīng)用，特別是生物特征識(shí)別應(yīng)用。

圖1 指紋采集硬件接口圖

指紋傳感器FPC1020具備192x192像素陣列、508 DPI，±30 kV ESD保護(hù)，與BF531通過(guò)SPI接口相連接。AM29LV160DB用于存儲(chǔ)指紋采集識(shí)別源代碼與指紋特征信息。AM29LV160DB、K4S561632C均通過(guò)BF531的總線與之相連。AM29LV160DB 的片選信號(hào)通過(guò)SN74AHC1G08譯碼后實(shí)現(xiàn)控制。DSP處理器通過(guò)RS232接口與外部進(jìn)行通信。

系統(tǒng)電源管理部分是通過(guò)AC-DC適配器輸出5 V電壓，并通過(guò)LT1085-ADJ輸出3.3 V、1.8 V等不同電壓。指紋識(shí)別正確與否通過(guò)語(yǔ)音芯片NVC040實(shí)現(xiàn)播放，此芯片只需要單一串口線即可控制語(yǔ)音播放。

2 指紋圖像采集識(shí)別軟件算法設(shè)計(jì)

指紋采集識(shí)別系統(tǒng)軟件算法流程,如圖2所示。

用戶(hù)指紋經(jīng)指紋傳感器采集后由DSP讀取采集的指紋圖像數(shù)據(jù)并將數(shù)據(jù)暫存到SDRAM芯片K4S561632C中，DSP對(duì)存儲(chǔ)到K4S561632C中的指紋圖像數(shù)據(jù)進(jìn)行預(yù)處理，包括對(duì)圖像進(jìn)行分割，提取指紋前景區(qū)，通過(guò)歸一化處理，使圖像灰度和對(duì)比度實(shí)現(xiàn)統(tǒng)一[4][5]。

歸一化后進(jìn)行指紋圖像增強(qiáng)、二值化和細(xì)化處理。指紋圖像增強(qiáng)包括脊線方向估計(jì)、脊線頻率估計(jì)和混合濾波。二值化是使灰度圖像變成黑白圖像，可通過(guò)設(shè)置閥值方法實(shí)現(xiàn)二值化處理[6]，完成指紋圖像信息的數(shù)據(jù)壓縮；細(xì)化則是在保留紋線等主要信息的前提下，使指紋圖像的脊線分布變得簡(jiǎn)單明了[7]。細(xì)化后進(jìn)行特征提取，將待測(cè)指紋特征與已登記在AM29LV160DB芯片中的指紋特征庫(kù)進(jìn)行對(duì)比，再給出識(shí)別結(jié)果以確認(rèn)身份是否匹配。

2.1 脊線方向和頻率估計(jì)

原始指紋圖像被分割為12*12子塊，即總共有16個(gè)子塊。假設(shè)每個(gè)像素點(diǎn)(i,j)的水平和垂直梯度為?x(i,j)、?y(i,j)，則：

圖2 指紋采集識(shí)別系統(tǒng)軟件算法流程圖

(1)

(2)

(3)

其中?(i,j)為子塊中心點(diǎn)像素點(diǎn)(i,j)最小二乘估計(jì)方向值。將此值轉(zhuǎn)換成連續(xù)向量場(chǎng)：

Φx(i,j)=cos(2?(i,j)),Φy(i,j)=sin(2?(i,j))

(4)

并通過(guò)5*5均值濾波，有：

(5)

每個(gè)非奇異局部區(qū)域指紋圖像中，與脊線正交方向的灰度值近似為正弦波，且正弦波的頻率為脊線頻率，局部脊線方向的頻率f可表示為[8]：

(6)

式中，k為極點(diǎn)數(shù)，m為極點(diǎn)序列。

2.2 混合濾波

指紋圖像中的脊線方向和頻率為去除噪聲提供了有用的信息。在小片分割的區(qū)域里，近似正弦波的脊谷信息變化緩慢，因此可利用此特點(diǎn)，在保留脊谷有用信息的前提下，用帶通濾波器將噪聲有效去除，并可試圖將斷裂的脊谷信息進(jìn)行修復(fù)。

實(shí)驗(yàn)表明，Gabor濾波器適合于脊谷線密度低、灰度偏白的指紋圖像增強(qiáng)，如干性皮膚的指紋。FFT濾波器適合于脊線較寬、脊線與脊線靠的近、高曲率和復(fù)雜性強(qiáng)的指紋圖像增強(qiáng)，如油性指紋。為充分利用兩種濾波器的優(yōu)點(diǎn)，本文利用Gabor濾波器和FFT×|FFT|n濾波器相結(jié)合的方法實(shí)現(xiàn)混合濾波。

(7)

xφ=xsinθ+ycosθ,yφ=xcosθ-ysinθ

(8)

式中，θ、f表示每個(gè)子塊方向和局部脊線方向的頻率，δx、δy表示沿x、y方向的高斯包絡(luò)常數(shù)。

FFT濾波器可表示為：

(9)

式中u=0,1…11,v=0,1…11,M=N=12。為通過(guò)頻域?qū)崿F(xiàn)圖像增強(qiáng)，采用FFT×|FFT|n的方法對(duì)目標(biāo)子塊進(jìn)行換算，即：

(10)

其中t為通過(guò)實(shí)驗(yàn)得到的常數(shù)，F(xiàn)-1(F(u,v))為：

(11)

具體操作時(shí)，根據(jù)每個(gè)分割后的子塊圖像特點(diǎn)，在Gabor濾波器和FFT×|FFT|n濾波器之間進(jìn)行選擇。

2.3 指紋特征提取和匹配

指紋特征提取有很多方法，常用的有端點(diǎn)、分叉點(diǎn)等。此處采用鄰域決策法。如圖3所示，對(duì)圖像進(jìn)行細(xì)化后，在3×3窗口中，對(duì)P點(diǎn)進(jìn)行處理，依據(jù)式判斷是否為特征點(diǎn)，式中P8+1=P1。

在對(duì)新生進(jìn)行入學(xué)教育時(shí)，專(zhuān)業(yè)導(dǎo)師應(yīng)認(rèn)真組織本專(zhuān)業(yè)同學(xué)進(jìn)行專(zhuān)題講解學(xué)習(xí)，讓新生系統(tǒng)地了解專(zhuān)業(yè)培養(yǎng)目標(biāo)、就業(yè)前景、就業(yè)情況以及將來(lái)的職業(yè)發(fā)展方向等，對(duì)新生進(jìn)行職業(yè)啟蒙教育，從而幫助學(xué)生樹(shù)立正確的職業(yè)意識(shí)、建立正確的職業(yè)導(dǎo)向。

(12)

圖3 3×3領(lǐng)域

若Cn=0，則為孤立點(diǎn)，Cn=1為端點(diǎn)，Cn=2為通過(guò)點(diǎn)，Cn=3為分叉點(diǎn)。用此方法可得到位置、方向、類(lèi)型(孤立點(diǎn)、端點(diǎn)、分叉點(diǎn)等)等信息。中心點(diǎn)的提取采用poincare公式[10]。將此類(lèi)信息保存到指紋特征庫(kù)，以便對(duì)后續(xù)的指紋進(jìn)行對(duì)比。

噪聲干擾、邊緣效應(yīng)以及二值化和細(xì)化過(guò)程中會(huì)帶入偽特征點(diǎn)，為避免影響后續(xù)指紋比對(duì)，采取了相應(yīng)措施去除偽特征點(diǎn)[11]。

提取的指紋特征結(jié)構(gòu)可表示為S={(x,y,θ,Cn,fd,f)}，fd表示三角點(diǎn)的頂點(diǎn)坐標(biāo)。配準(zhǔn)的原理是首先依據(jù)每個(gè)特征點(diǎn)周?chē)鷪?chǎng)的分布，尋找配準(zhǔn)點(diǎn)作為兩幅圖像的參考點(diǎn)，然后計(jì)算出每個(gè)特征點(diǎn)之間的拓?fù)潢P(guān)系，壓縮編碼后存入到flash芯片[12]。匹配時(shí)通過(guò)指紋特征結(jié)構(gòu)：中心點(diǎn)、三角點(diǎn)、方向場(chǎng)點(diǎn)、特征點(diǎn)類(lèi)型、頻率等進(jìn)行逐一比較[13]。

3 指紋圖像分割

Gabor濾波器和FFT×|FFT|n濾波器適用的對(duì)象各不相同，為了將兩種濾波器混合使用獲得更好圖像增強(qiáng)效果，需要對(duì)指紋圖像進(jìn)行分割。

本文指紋圖像的分割以圖像密度為依據(jù)，圖像密度通過(guò)直方圖來(lái)顯示判斷。不同區(qū)域的指紋圖像密度在直方圖上的顯示值不同，通過(guò)比較直方圖上的密度值大小進(jìn)行相應(yīng)的分割。

指紋圖像首先根據(jù)直方圖的值將其分為兩份或者三份，再根據(jù)分割后的圖像直方圖，判斷是否需要繼續(xù)分割，直至分割后的圖像直方圖達(dá)到合適的值或者密度基本均勻。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 指紋圖像分割

如前所述，為實(shí)現(xiàn)有效的圖像增強(qiáng)，根據(jù)圖像直方圖密度不同而采用不同的濾波器。有效的圖像分割是圖像增強(qiáng)的前提?；谥狈綀D的指紋圖像分割過(guò)程,如圖4所示。

(a)(b)(c)

(d)(e)(f)

(g)(h)(i)

圖4 基于直方圖的指紋圖像分割過(guò)程圖

圖4(a)為原始圖像，圖4(b)為圖4(a)的直方圖，圖4(c)為根據(jù)b圖的密度直方圖將原始圖像分割為兩部分，圖4(d)為圖4(c)圖像上半部分直方圖，圖4(e)為圖4(c)圖像下半部分直方圖，圖4(g)為圖4(c)圖像上半部分圖像的進(jìn)一步的分割，圖4(h)、圖4(i)分別為圖4(g)圖中對(duì)應(yīng)左、右部分的直方圖，圖4(i)所對(duì)應(yīng)的最高密度的分割圖，即圖4(g)圖右半部分。

4.2 指紋圖像增強(qiáng)

低質(zhì)量指紋圖像通過(guò)Gabor濾波器和FFT×|FFT|n濾波器后的圖像增強(qiáng),如圖5所示。

圖5中左邊圖像為原始圖像，中間圖像為通過(guò) FFT×|FFT|n濾波器實(shí)現(xiàn)的圖像增強(qiáng)，右邊圖像為通過(guò)Gabor濾波器實(shí)現(xiàn)的圖像增強(qiáng)。粗線條圓圈表示FFT×|FFT|n濾波器的圖像增強(qiáng)效果比Gabor濾波器要好，細(xì)線條圓圈表示Gabor濾波器的圖像增強(qiáng)效果比FFT×|FFT|n濾波器要好。

由圖5可知，Gabor濾波器在檢測(cè)脊線端點(diǎn)和分叉點(diǎn)、提高脊線和谷線間的分辯率、低質(zhì)量指紋圖像的脊線可恢復(fù)性等幾方面要強(qiáng)于FFT×|FFT|n濾波器。而在高曲率下保持脊線完整性方面，F(xiàn)FT×|FFT|n濾波器比Gabor濾波器更好。同時(shí)，F(xiàn)FT×|FFT|n濾波器會(huì)試圖將破損的脊線連接起來(lái)，并填補(bǔ)空白區(qū)域。

Gabor、FFT×|FFT|n、混合濾波器的三種圖像增強(qiáng)方法比較,如圖6所示。

(a)

(b)

(c)

(d)

(e)

圖6(a)為原始圖像，圖6(b)為采用FFT×|FFT|n波濾器實(shí)現(xiàn)的圖像增強(qiáng)，圖6(c)為采用Gabor波濾器實(shí)現(xiàn)的圖像增強(qiáng)，圖6(d)為分割后的原始圖像，圖6(e)為采用Gabor和FFT×|FFT|n混合濾波器實(shí)現(xiàn)的圖像增強(qiáng)。由圖6(b)、(c)可看出，F(xiàn)FT×|FFT|n濾波器在高曲率部分的圖像增強(qiáng)效果比Gabor濾波器要好。為此，圖6(d)進(jìn)行分割后，不同塊根據(jù)直方圖密度來(lái)選擇不同的濾波器，由圖6(e)可看出，采用混合濾波器后圖像效果明顯變好。

指紋增強(qiáng)的目的是為了改善輸入圖像的脊線和谷線清晰度，使之更適合細(xì)節(jié)特征提取及二值化分類(lèi)。為此，首先選取FVC2004數(shù)據(jù)庫(kù)中的低質(zhì)量指紋圖像，如圖7所示。

(a)

(b)

兩張指紋圖像分叉點(diǎn)的數(shù)量分別為20、18，通過(guò)Gabor濾波器、FFT×|FFT|n濾波器、混合濾波器3種方法實(shí)現(xiàn)分叉點(diǎn)的識(shí)別，結(jié)果如表1所示。

表1 不同方法脊線分叉點(diǎn)識(shí)別率比較

可知采用混合濾波器的方法具有最高的識(shí)別率。

4.3 指紋識(shí)別性能測(cè)試

為測(cè)試指紋識(shí)別可靠性，采集了本單位100人的拇指、食指進(jìn)行FRR(拒識(shí)率)和FAR(誤識(shí)率)測(cè)試。測(cè)試結(jié)果如表2所示。

表2 指紋識(shí)別性能測(cè)試

結(jié)果表明采用混合濾波的指紋增強(qiáng)在指紋識(shí)別過(guò)程中具備最高的識(shí)別率。同時(shí)在測(cè)試時(shí)間方面，因?yàn)椴捎昧烁鼮閺?fù)雜的算法，時(shí)間上與采用Gabor和FFT指紋增強(qiáng)算法比較，耗時(shí)更長(zhǎng)，但仍在接受范圍內(nèi)。

5 總結(jié)

本文以高性?xún)r(jià)比處理器ADSP-BF531作為指紋采集處理的核心芯片、指紋采集采用FPC1020傳感器，結(jié)合Flash、SDRAM芯片構(gòu)建指紋采集識(shí)別硬件系統(tǒng)。此硬件系統(tǒng)具有較高的性?xún)r(jià)比。在此基礎(chǔ)上，詳細(xì)設(shè)計(jì)了指紋采集、識(shí)別算法。為提高指紋識(shí)別正確率，本文提出了混合濾波算法來(lái)提高指紋圖像增強(qiáng)，并和單一的Gabor濾波器、FFT×|FFT|n濾波器進(jìn)行了效果比較。系統(tǒng)經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，表明性能良好，指紋采集識(shí)別率較高。

[1] 劉學(xué)軍, 盧冰. 基于云計(jì)算及移動(dòng)公共平臺(tái)的配網(wǎng)作業(yè)全過(guò)程管控[J]. 企業(yè)管理, 2016(S2):480-481.

[2] 李鐵軍, 秦偉. 自適應(yīng)模板大小的Gabor指紋增強(qiáng)方法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2010, 46(20):216-218.

[3] 張彤, 楊秀坤. 基于方向?yàn)V波的指紋圖像增強(qiáng)算法的研究[J]. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 28(5):565-569.

[4] L Hong, Y. Wan, A. K. Jain. Fingerprint image enhancement: Algorithm and performance evaluation[J]. IEEE Transactins on Pattern Analysis Machine Intelligence, 1998, 20(8):777-789.

[5] A.K. Jain, S. Prabhakar, L. Hong, et al. Filterbank-based fingerprint matching[J]. IEEE Transactins on Image Processing, 2000, 9(5):846-859.

[6] Das R K, De A, Pal C, et al. DSP hardware design for fingerprint binarization and thinning on FPGA[C]// International Conference on Control, Instrumentation, Energy and Communication. IEEE, 2014:544-549.

[7] 游新娥. 基于方向圖的動(dòng)態(tài)閥值指紋信息提取識(shí)別研究[J].計(jì)算機(jī)仿真, 2012, 29(8): 253-256.

[8] 李慶嶸. 指紋圖像增強(qiáng)算法研究[J].電子工程師,2006, 32(10):55-57.

[9] Tadic V, Popovic M, Odry P. Fuzzified Gabor filter for license plate detection[J]. Engineering Applications of Artificial Intelligence, 2016(48):40-58.

[10] Azad Noor.A New Algorithm for Minutiae Extraction and Matching in Fingerprint[D]. London:Brunel University, 2012.

[11] W.Trappe, M.Wu,Z.J.Wang, et al. Anticollusion fingerprinting for multimedia[J]. IEEE Transactins on Signal Processing, 2003(51):1069-1087.

[12] 李汝才. 基于ARM9的嵌入式指紋識(shí)別系統(tǒng)[D]. 哈爾濱：哈爾濱工程大學(xué), 2013.

[13] 武言哲, 謝吉華, 徐芳. LC698S片上指紋算法的優(yōu)化與應(yīng)用[J]. 單片機(jī)與嵌入式系統(tǒng)應(yīng)用, 2017, 17(5):68-71.