科技创新指纹识别算法实现.ppt

1,东华理工大学第十届大学生 科技创新基金项目,项目名称：指纹识别算法研究 成员：温志平 洪运 柏植 张皓 王青卿 学院：核工程与地球物理学院,2,指纹识别的应用背景,当今社会，电子设备和保密机构对更安全、更方便的身份认证和访问控制的需求变得越来越紧迫。 传统的机械钥匙、“口令密码”以及智能卡等的保护措施存在着丢失、遗忘、复制及被盗用的隐患。 以电子商务、电子银行的安全认证为例，他人假冒当事人上网采购所造成的欺诈案越来越多，并有孩子冒充家长上网采购的案例。,3,指纹识别的应用背景,网络、数据库和关键文件等的安全控制 机密计算机的登录认证 银行ATM, POS终端等的安全认证 蜂窝电话、PDA的使用认证等 其它,指纹等生物识别技术可突破传统的安全认证方法，提供了一个很好的解决方案。可用指纹等生物特征提高安全性的领域举例：,4,指纹特征的优点,广泛性，指每一个正常人都有指纹。 唯一性，指每一个人的指纹都不同。 终生不变性，指非意外事故指纹终身不变。,因此，指纹识别技术，作为一种可靠的生物识别技术，受到了人们的重视。尽管人们已经对自动指纹识别技术作了深入广泛的研究，指纹识别技术也获得了不少应用，但是指纹识别的应用在目前并没有获得普及，这主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的要求。,5,指纹识别的应用历史,公元前7000年6000年，指纹作为身份鉴别的工具己经在古叙利亚和中国开始应用。在那个时代，一些粘土陶器上留有陶艺匠人的指纹，中国的一些文件上印有起草者的大拇指指纹，在Jercho的古城市的房屋上留有砖匠的指纹等。 1896年阿根廷首先在犯罪事件的鉴别中正式应用指纹。 20世纪60年代，随数字图像处理技术的出现，人们开始着手研究利用计算机来处理指纹。 20世纪80年代，个人计算机、光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用。,6,指纹识别研究的现状,指纹识别是生物识别技术中最早应用、技术最为成熟、价格最低廉的分枝。 尽管各个指纹识别系统的生产厂家都报出极高的识别率，但是他们都是在自己的实验室的指纹库上做测试，而不是在一个统一的标准指纹库上测试，结果的可比性不大。 在指纹识别的算法研究上，还存在着许多需要改进的地方，这使得指纹识别算法的研究还在继续。,7,影响指纹识别的因素,噪声、变形等，例如脏手指、干手指、疤痕导致的不同时期、不同季节间的指纹差异； 芯片表面残留物带来的噪声； 手指按压过程中的扭转、拉伸和按压位置不同，导致同一指纹的重叠区域有时会很小。,8,指纹识别的基本过程,通过指纹读取设备读取到人体指纹的图像。 对原始图像进行预处理，使之更清晰。 提取指纹特征，建立指纹的数字表示特征数据 。 验证端采集指纹，提取特征。 与数据库指纹匹配，计算相似度，给出匹配结果。,9,指纹的采集设备,光学仪器 硅晶体传感器 超声波 其他类型,10,指纹识别的基本原理,指纹是比较复杂的，指纹识别算法最终归结为在指纹图像上找特征到并进行对比。指纹的特征定义了两类以进行指纹的验证：总体特征和局部特征。,（1)基本纹路图案：包括环型(Loop),弓型(Arch)和螺旋型(Whorl)，其他的指纹图案都基于这3种基本图案。,11,指纹的总体特征,(2）模式区（Pattern Area)：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指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。,（3）核心点（Core Point）：位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。,12,指纹的总体特征,(4) 三角点(Delta): 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和跟踪的开始之处。,（5）式样线（Type Lines）: 式样线是指在包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。,13,指纹的总体特征,（6）纹数（Ridge Count）: 纹数是指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先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。,14,指纹的局部特征,局部特征是指指纹上的节点所具有的特征。 两枚指纹经常会具有相同的总体特征，但它们的局部特征节点却不可能完全相同。 指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为特征点。就是这些节点提供了指纹惟一性的确认信息。,15,节点分类,A.终结点（Ending）：一条纹路在此终结。 B.分叉点（Bifurcation):一条纹路在此分开成为两条或更多的纹路。 C.分歧点（Ridge Divergence）：两条平行的纹路在此分开。,16,节点分类,D.孤立点（Dot or Island）：一条特别短的纹路，以至于成为一点。,E.环点（Enclosure):一条纹路分开成为两条之后，立即又合并成为一条，这样形成的一个小环称为环点。,17,节点分类,F.短纹（Short Ridge):一端较短但不至于成为一点的纹路。,18,指纹图像预处理流程,19,评估的过程,图像重新采样,图像方向计算,计算前背景比例,前景过小,拒绝图像,是,标注各块方向,连续区域分析,计算评估参数,合格？,分析干湿手指,是,分析是否部分手指,否,否,20,指纹质量评估,排除不能满足要求的指纹：,21,指纹图像处理,22,指纹图像分割,在指纹识别系统中，指纹图像分割是图像预处理的一部分。指纹分割的最基本的依据是图像某些特征和特征集合。图像特征是指纹图像的固有属性,如灰度值,邻域关系,纹线的扭曲程度等。特征集合则是几种的结合。通过提取图像特征,可将原始图像映射到特征空间,使图像特征在特征空间中呈现一定的分布。因此根据以上的的灰度值领域关系，纹线的扭曲程度，指纹图像分割大致分为三类：基于像素的图像分割，基于块特征的图像分割以及基于全局的图像分割。,下面介绍均值方差法的计算方法和在仿真中的运用,23,均值方差法,该算法基于背景区灰度方差小，而指纹区方差大的思想，将指纹图像分成块，计算每一块的方差，如果该块的方差小于阈值为背景，否则为前景。具体步骤分以下三步： (1)将低频图分成MM大小的无重叠方块，方块的大小以一谷一脊为宜。 (2)计算出每一块的均值和方差。 设指纹图像I的大小为HL，I(i,j)为像素点(i,j)的灰度，AVE和VAR分别为原指纹图像的均值和方差，AVE和VAR可以通过公式(2.1)和(2.2)计算得到。 （2.1） （2.2）,24,均值方差法,(3)如果计算得到的方差几乎接近于0就认为是背景，对于方差不为零的区域在进行阈值分割算法，这种算法主要是根据计算得到的方差来决定其是否为背景区。 在使用方差均值法之前还要使用归一法将图变为低频图。归一化的目的是把不同原图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一的图像规格。指纹图像的归一化公式如式(2.3)所示，当大于平均值时为加。 （2.3） 其中和为期望的灰度均值和方差。,25,指纹图像分割,26,指纹图像细化,指纹图像处理中物体的形状信息是十分重要的，为了提取指纹图像特定区域的特征，对指纹图像通常需要采用细化算法处理，得到与原来指纹图像形状近似的由简单的弧或曲线组成的图形，这些细线处于物体的中轴附近，这就是所谓的指纹图像的细化。,27,指纹图像二值化,由于分割后的图像质量仍然不是很好，所以需要对其进行滤波、消除毛刺、空洞处理和二值化处理，以使指纹图像清晰，消除不必要的噪声，以利于进一步的辨识。 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。目前指纹细化方法都是基于二值指纹图像进行的。对指纹图像二值化的好处在于使得图像的几何性质只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。一个好的算法可以得到一个高质量的二值图像。反之，如果该阶段引入噪声，就会直接降低图像质量，影响识别精度。,28,指纹图像二值化,论文中采用了一种动态局部阈值，满足这种条件下的灰度值为128，不满足则灰度值为255。再根据前面判断的是否为背景即Icc值的来修正Icc值：灰度值为128且Icc为1时（非背景指纹纹线时），Icc值为0，像素值置为0。背景和灰度值为255的纹线像素置为1，这做法的目的是去除不确切的点。此时背景为白，纹线为黑。 二值化后的图像中的点还要进行修改，修改条件为：当像素为1时，它周围点不大于3个为像素1点则修改为0；当像素为0时，它周围不小于7个点为像素1的点，则修改为1。这种修改是为了使图像连续圆滑。,29,指纹图像处理图像,30,指纹特征提取,目前在细化二值图像中提取细节特征多是用8邻域法，该方法比较简单，在得到可靠的细化二值图像后，只需要一个33的模板便可将端点和分叉点提取出来。,31,指纹图像特征去伪,由于手指的磨损、汗渍、传感器的噪声等因素的影响，指纹细节点特征信息提取过程可能会产生以下错误： 1产生大量的虚假细节点。即把不是细节点的地方判定为细节点，如将纹线断裂处判定为两个端点，将纹线粘连处判定为两个纹线分叉点等。 2遗漏真实细节点。即忽略了存在细节点的地方。造成遗漏真实细节点的主要原因是指纹图像的对比度较差，从而模糊了其中的细节点信息。 3细节点位置和方向存在误差。虽然判断出某处存在细节点，但是给出的细节点位置和方向并不精确。 4细节点类型错误。即把纹线端点判定为分叉点，将分叉点判定为端点，造成这个问题的主要原因是纹线断裂和纹线粘连。,32,指纹图像特征去伪,指纹伪细节点的处理一般分为两类： 一种是在特征提取之前，对预处理后的指纹图像进行平滑、去除毛刺、连接断纹等操作，然后提取特征作为真特征； 另一种是在特征提取之后，根据特征之间的相互关系，尽可能准确地识别伪特征点并滤除它们。前者直接对图像进行修补，操作比较复杂，容易引入新的伪特征点；后者对特征提取后的数据进行判断，识别比较麻烦，但是速度快。,33,指纹图像匹配,指纹匹配是指纹识别系统中的最后一步，也是评价整个指纹识别系统性能的最主要依据。指纹匹配是根据提取的指纹特征来判断两枚指纹是否来自于同一个手指。由于每次采集到的指纹图像相对于模板图像会发生平移、旋转和形变，这给后期的指纹匹配算法带来了很大的不便。为了能够准确、快速地判断两枚指纹是否来自于同一个手指，指纹匹配算法必须具有一定的容错性，并且运算复杂度不能太高，时间代价小且准确度高。,34,指纹图像匹配,本文中，首先采用了在原图基础上修改参数值来验证的方法。这种方法将原特征点的相对距离进行修改，使得各个特征点之间的相对距离产生差异。在找到核心点后，比较它们相对距离的差异，对于满足一定值的点视为可积点。最后判断可积点的个数和相对值。当它们个数满足一定条件时即为匹配成功，不满足视为不匹配。,35,指纹图像,数据库中6张图,36,指纹图像匹配过程,指纹匹配程序模块,37,指纹图像匹配过程,指纹不同应答,38,指纹图像匹配过程,指纹相同应答,39,指纹图像匹配,以上结果论证了该指纹匹配的实用性。这种方法都很好地解决了找到基准点，容错性和相似度的问题。以中心点为基准点，点判断条件本身就是一个人为的容错估计值，很小的出错不会影响最终的匹配结果；以满足特征点的相对距离差距不大的点的个数为相似依据；处理信息少，虽然要一定的预处理，但快捷高效，出错小，适合一对一匹配。,40,总结,作为一种可靠的生物识别技术，指纹识别技术受到了广泛关注，开发高效可靠的指纹图像识别算法不但具有重要的理论意义，而且具有很高的实用价值。本文针对指纹图像的特性，研究指纹图像预处理、特征提取与匹配应用于指纹识别技术，以改善指纹识别算法的性能。,41,附：实验环境,本实验基于Window 7操作系统，Microsoft Visual C+软件环境下。指纹来自于指纹数据库。,42,附：部分代码,