摘要

　　二十一世紀以來(lái)，生物技術(shù)和信息技術(shù)迅猛發(fā)展且日趨成熟，借助于生物特征進(jìn)行身份識別的技術(shù)也得到了快速的發(fā)展。特別是現代指紋識別技術(shù)已成成為一種比較可靠且應用廣泛的生物特征識別技術(shù)，由于指紋具有唯一性、穩定性、隨身性等優(yōu)點(diǎn)，這使得指紋識別技術(shù)優(yōu)于其他人體生物特征識別技術(shù)。

　　目前，雖然市場(chǎng)上已經(jīng)有許多的指紋識別的成型產(chǎn)品，但是由于指紋識別的算法有待改進(jìn)，現實(shí)環(huán)境的影響，理想的指紋識別技術(shù)仍然是一個(gè)很艱難的研究工作。

　　本文主要針對指紋識別的各個(gè)部分進(jìn)行了研究，介紹了現有的算法，并提出了一些改進(jìn)，這主要包括指紋預處理、特征提取和指紋匹配等部分。在指紋預處理部分，本文對指紋圖像的規格化、圖像分割、指紋圖像增強、圖像二值化、細化等算法進(jìn)行了研究，比較了各種算法，使用了方向濾波對指紋圖像進(jìn)行了濾波增強。

　　在特征提取部分，本論文采用了八鄰域編碼提取細節特征點(diǎn)的算法。由于采用該算法提取的特征點(diǎn)中存在大量的偽特征點(diǎn)，這會(huì )影響后續的指紋匹配。

　　因此，本文采用了紋線(xiàn)跟蹤技術(shù)對偽特征點(diǎn)進(jìn)行了濾除。最后，保存了指紋的特征點(diǎn)信息，為指紋匹配奠定了基礎。

　　對于指紋匹配，目前最常用的匹配方法是利用美國聯(lián)邦調查局提出的細節點(diǎn)模型，將指紋識別中的匹配轉化為點(diǎn)模式匹配。本論文也是采用這種匹配方法，并對引入脊線(xiàn)校準的細節點(diǎn)匹配算法進(jìn)行了改進(jìn)，即在細節點(diǎn)匹配時(shí)，考慮了更多的細節點(diǎn)所在脊線(xiàn)的信息。傳統的匹配算法就是比較兩特征點(diǎn)到各自參考點(diǎn)距離的差值是否在預設的范圍之內來(lái)判斷這兩個(gè)特征點(diǎn)是否匹配，沒(méi)有有效的利用脊線(xiàn)信息。本文采用的方法則充分的利用了脊線(xiàn)信息，首先對細節點(diǎn)處的脊線(xiàn)進(jìn)行采樣，然后進(jìn)行相似度比較，把結果作為參考點(diǎn)選取的一項重要標準。這提高了參考點(diǎn)選取的準確性，減少了假匹配的次數，從而提高了匹配的準確度和速度。

　　關(guān)鍵詞：預處理 特征提取 指紋匹配 指紋識別

ABSTRACT

　　The twenty-first century, biotechnology and information technology are developing rapidly and becoming more mature, by means of biometric identity recognition technology has also been a rapid development. In particular, modern fingerprint identification technology has become as a more reliable and widely used biometric technology, the fingerprint is unique, and stability, players of the advantages, which makes fingerprint identification technology is superior to other biometric identification technology.

　　At present, although the market has been forming a number of fingerprint identification products, but the fingerprint recognition algorithm needs to be improved, affected by realistic environment, as well as many commercial interests involved no public literature, the ideal fingerprint recognition technology is still a very difficult Research.

　　In this paper, the author does some researches for the fingerprint recognition of the various parts, describes existing algorithms, and makes some improvements, which include fingerprint preprocessing, feature extraction and fingerprint matching parts. In the fingerprint preprocessing part, fingerprint image normalized, image segmentation, fingerprint image enhancement, image binarization and thinning algorithm are studied and comparing various algorithms, the algorithms are selected for better fingerprint images Pretreatment.

　　In the feature extraction part of this thesis, the eight neighborhood encoding algorithm is used to extract singularities. As a result of extracting feature points of the algorithm there is a lot of pseudo-feature points, which will affect the subsequent fingerprint matching. Therefore, we use the pseudo ridge tracking feature points and filter out the pseudo-feature. Finally, save the fingerprint feature point information, laid the foundation for the fingerprint matching.

　　For matching, the most commonly used method is to match the details presented by the FBI point model, the matching fingerprint identification into a point pattern matching. This paper also uses this matching method, and calibration of ridge minutiae matching algorithm has been improved, that is, match point in the details, taking into account more details of the ridge line of the message near the point. The traditional feature matching algorithm is to compare the distance of two points to their reference point whether is within the scope of the default to determine whether the two feature points match, there is no effective use of ridge information. This approach is the use of a ridge line full of information, the first point on the ridge details of sampling, then the similarity comparison, the results as an important reference point for the selected criteria. This improves the accuracy of the selected reference point, reducing the number of false matches to improve the matching accuracy and speed.

　　Key Word: Preprocessing, feature extraction, fingerprint matching, fingerprint recognition

　　近年來(lái)，隨著(zhù)社會(huì )進(jìn)步、科學(xué)技術(shù)的快速發(fā)展，人類(lèi)進(jìn)入了數字化、網(wǎng)絡(luò )化、信息化的時(shí)代，人們相互之間的信息交流更加迅速便捷，這促進(jìn)了個(gè)人身份數字化和隱密化的發(fā)展，但是同時(shí)也出現了許多利用虛假身份信息謀取私利的現象。另外，個(gè)人隱私和機密的泄露的現象也經(jīng)常發(fā)生，這對個(gè)人身份鑒別技術(shù)提出了新的、更高的要求，同時(shí)也是身份鑒別技術(shù)發(fā)展的機遇。

　　如何快速、自動(dòng)、方便、準確地確定某個(gè)人的身份，并且盡可能的保護個(gè)人信息是當前人們關(guān)注和需要解決的問(wèn)題。

　　針對這種狀況，在 20 世紀末出現了一種利用人體生理特征進(jìn)行身份鑒別的技術(shù)，即生物識別技術(shù)。生物識別技術(shù)，顧名思義就是利用人體自身的生物特征信息來(lái)確定一個(gè)人的身份的一種技術(shù)。生物識別技術(shù)充分利用了當前發(fā)展迅速的信息技術(shù)和生物技術(shù)，具有先進(jìn)的技術(shù)支持和廣泛的發(fā)展空間，是當前研究的熱點(diǎn)技術(shù)之一。

　　生物識別技術(shù)不同于傳統的身份鑒別技術(shù)，它利用的是人身體本身攜帶的信息例如：臉相、指紋、虹膜、聲紋、筆跡、步態(tài)、DNA 等進(jìn)行身份確認方式。

　　這些人體特有的生物特性具有唯一性，隨身性，而且不易復制等特點(diǎn)。這種技術(shù)和傳統的身份識別技術(shù)相比，是一次重大的飛躍，與傳統的身份鑒定方法相比生物識別技術(shù)更安全、更保密和更方便。而且生物特征不容易仿造和被盜，因此防偽性能好，另外還具有方便獲取和隨時(shí)隨地可用等優(yōu)點(diǎn)。它的這些優(yōu)點(diǎn)可以最大限度地保護個(gè)人隱私乃至國家利益。

　　現代計算機技術(shù)和傳感器技術(shù)的迅速發(fā)展，為生物特征的采集以及處理提供了硬件的支持。同時(shí)，生物技術(shù)也有了長(cháng)足的發(fā)展，各種生物識別算法的提出與完善為生物識別技術(shù)提供了理論基礎。人們對生物識別技術(shù)的逐漸了解和接受也加快了生物識別技術(shù)的發(fā)展，同時(shí)為其提供了廣泛的市場(chǎng)空間。

　　生物識別技術(shù)主要有指紋識別、面部識別、聲音識別、虹膜識別等。在這些識別技術(shù)中指紋識別具有其獨特的優(yōu)點(diǎn)，使其成為應用較廣泛和發(fā)展較迅速的一種生物識別技術(shù)。

　　指紋是手指末端正面皮膚上的紋路圖案，它是人們在胚胎時(shí)期就已經(jīng)形成的生物特征。在每一片指紋的紋線(xiàn)中都蘊涵有大量的信息。而且指紋的紋路在圖案、斷點(diǎn)和交叉點(diǎn)上是因人而異的。指紋具有這種特性，所以，我們可以利用指紋來(lái)表示一個(gè)人的身份，然后利用采集到的指紋和指紋庫中的模板指紋比較來(lái)確定他的真實(shí)身份。在眾多的生物識別技術(shù)中，指紋識別是目前使用最方便和應用最廣泛的一種，而且正在快速的發(fā)展和逐漸成熟。

　　人類(lèi)的指紋是因人而異的，每一個(gè)人的指紋中都含有獨特的特征信息。根據指紋學(xué)理論，兩枚不同指紋匹配成功的幾率非常低。到現在為止，還沒(méi)有發(fā)現有兩個(gè)人具有相同的指紋。就是兄弟姐妹之間的指紋也是各不相同的。另外，一個(gè)人的十個(gè)手指上的指紋也是不相同的。指紋的唯一性是人們用指紋進(jìn)行身份識別的基礎。

　　指紋具有隨身攜帶的特點(diǎn)，指紋樣本的采集和存儲比較容易，而且方便攜帶。指紋識別系統的實(shí)現也不是很復雜。現在已經(jīng)有了比較完善的指紋樣本庫，這使得識別系統的軟件開(kāi)發(fā)更加容易。而且，指紋識別系統中的指紋采集器的性能也越來(lái)越高，成本也逐漸降低。而對于 DNA 來(lái)說(shuō)，既難于采集，也不方便存儲，匹配技術(shù)難度大，這就導致 DNA 識別系統難以開(kāi)發(fā)，市場(chǎng)應用空間狹小。

　　指紋具有很強的相對穩定性，人的指紋形成于胎兒時(shí)期并伴隨人的一生，盡管在人的一生中，指紋在大小、外型、紋線(xiàn)粗細上會(huì )有細微變化，也可能會(huì )出現新的細節特征，但是同一個(gè)手指的指紋類(lèi)型不可能改變，而且大多數細節特征也會(huì )保持不變。

　　由于指紋具有唯一性，不易丟失，難以復制，這使得利用指紋進(jìn)行身份識別比傳統的識別技術(shù)更加安全可靠。另外，可以同時(shí)利用多個(gè)手指的指紋建立多重密碼，這樣，既能使系統更加安全，也不會(huì )帶來(lái)額外的系統設計負擔。

　　總之，指紋識別技術(shù)與其它生物識別技術(shù)相比有許多優(yōu)點(diǎn)，而且指紋識別系統也更容易實(shí)現。目前在身份確認和鑒別方面指紋識別已經(jīng)得到了廣泛的應用，指紋識別技術(shù)是一種簡(jiǎn)便、可靠的生物識別技術(shù)。

指紋識別系統開(kāi)發(fā)（紋線(xiàn)跟蹤技術(shù)）：

脊線(xiàn)相似度的示意圖

細節特征點(diǎn)對應脊線(xiàn)信息示意

特征點(diǎn)類(lèi)型

指紋處理示意圖

基本濾波器的權值

平均濾波器模板

分離濾波器模板

9 × 9窗口模板

目錄

　　第 1 章 緒論
　　　　1.1 引言
　　　　1.2 指紋識別技術(shù)的發(fā)展歷程
　　　　1.3 指紋識別的發(fā)展前景
　　　　1.4 指紋識別系統的構成
　　　　1.5 本文的主要內容和結構
　　第 2 章 指紋采集和預處理
　　　　2.1 指紋圖像的采集
　　　　2.2 指紋圖像的規格化
　　　　2.3 指紋圖像的分割
　　　　2.4 指紋圖像增強
　　　　　　2.4.1 計算指紋圖像的方向圖
　　　　　　2.4.2 方向濾波器
　　　　　　2.4.3 圖像增強的步驟
　　　　2.5 圖像二值化
　　　　　　2.5.1 自適應局部閾值二值化
　　　　　　2.5.2 去噪
　　　　2.6 細化
　　　　2.7 指紋圖像預處理實(shí)驗
　　　　2.8 本章小結
　　第 3 章 指紋特征提取
　　　　3.1 鄰域編碼逐像素跟蹤算法
　　　　3.2 特征提取的具體步驟
　　　　3.3 濾除偽特征點(diǎn)
　　　　　　3.3.1 常見(jiàn)的偽特征
　　　　　　3.3.2 偽特征點(diǎn)去除的算法
　　　　3.4 特征點(diǎn)集
　　　　3.5 本章小結
　　第 4 章 指紋匹配
　　　　4.1 使用細節特征進(jìn)行指紋匹配的方法
　　　　4.2 基于點(diǎn)模式的細節特征匹配
　　　　4.3 指紋匹配的具體算法
　　　　　　4.3.1 引進(jìn)脊線(xiàn)信息的指紋細節特征點(diǎn)匹配算法
　　　　　　4.3.2 上述方法的改進(jìn)
　　　　4.4 本章實(shí)驗
　　　　4.5 本章小結
　　第 5 章 總結與展望
　　　　5.1 總結
　　　　5.2 展望
　　參考文獻
　　致 謝
　　攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加科研情況