指纹识别系统开发（纹线跟踪技术）

摘要

　　二十一世纪以来，生物技术和信息技术迅猛发展且日趋成熟，借助于生物特征进行身份识别的技术也得到了快速的发展。特别是现代指纹识别技术已成成为一种比较可靠且应用广泛的生物特征识别技术，由于指纹具有唯一性、稳定性、随身性等优点，这使得指纹识别技术优于其他人体生物特征识别技术。

　　目前，虽然市场上已经有许多的指纹识别的成型产品，但是由于指纹识别的算法有待改进，现实环境的影响，理想的指纹识别技术仍然是一个很艰难的研究工作。

　　本文主要针对指纹识别的各个部分进行了研究，介绍了现有的算法，并提出了一些改进，这主要包括指纹预处理、特征提取和指纹匹配等部分。在指纹预处理部分，本文对指纹图像的规格化、图像分割、指纹图像增强、图像二值化、细化等算法进行了研究，比较了各种算法，使用了方向滤波对指纹图像进行了滤波增强。

　　在特征提取部分，本论文采用了八邻域编码提取细节特征点的算法。由于采用该算法提取的特征点中存在大量的伪特征点，这会影响后续的指纹匹配。

　　因此，本文采用了纹线跟踪技术对伪特征点进行了滤除。最后，保存了指纹的特征点信息，为指纹匹配奠定了基础。

　　对于指纹匹配，目前最常用的匹配方法是利用美国联邦调查局提出的细节点模型，将指纹识别中的匹配转化为点模式匹配。本论文也是采用这种匹配方法，并对引入脊线校准的细节点匹配算法进行了改进，即在细节点匹配时，考虑了更多的细节点所在脊线的信息。传统的匹配算法就是比较两特征点到各自参考点距离的差值是否在预设的范围之内来判断这两个特征点是否匹配，没有有效的利用脊线信息。本文采用的方法则充分的利用了脊线信息，首先对细节点处的脊线进行采样，然后进行相似度比较，把结果作为参考点选取的一项重要标准。这提高了参考点选取的准确性，减少了假匹配的次数，从而提高了匹配的准确度和速度。

　　关键词：预处理 特征提取 指纹匹配 指纹识别

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

　　近年来，随着社会进步、科学技术的快速发展，人类进入了数字化、网络化、信息化的时代，人们相互之间的信息交流更加迅速便捷，这促进了个人身份数字化和隐密化的发展，但是同时也出现了许多利用虚假身份信息谋取私利的现象。另外，个人隐私和机密的泄露的现象也经常发生，这对个人身份鉴别技术提出了新的、更高的要求，同时也是身份鉴别技术发展的机遇。

　　如何快速、自动、方便、准确地确定某个人的身份，并且尽可能的保护个人信息是当前人们关注和需要解决的问题。

　　针对这种状况，在 20 世纪末出现了一种利用人体生理特征进行身份鉴别的技术，即生物识别技术。生物识别技术，顾名思义就是利用人体自身的生物特征信息来确定一个人的身份的一种技术。生物识别技术充分利用了当前发展迅速的信息技术和生物技术，具有先进的技术支持和广泛的发展空间，是当前研究的热点技术之一。

　　生物识别技术不同于传统的身份鉴别技术，它利用的是人身体本身携带的信息例如：脸相、指纹、虹膜、声纹、笔迹、步态、DNA 等进行身份确认方式。

　　这些人体特有的生物特性具有唯一性，随身性，而且不易复制等特点。这种技术和传统的身份识别技术相比，是一次重大的飞跃，与传统的身份鉴定方法相比生物识别技术更安全、更保密和更方便。而且生物特征不容易仿造和被盗，因此防伪性能好，另外还具有方便获取和随时随地可用等优点。它的这些优点可以最大限度地保护个人隐私乃至国家利益。

　　现代计算机技术和传感器技术的迅速发展，为生物特征的采集以及处理提供了硬件的支持。同时，生物技术也有了长足的发展，各种生物识别算法的提出与完善为生物识别技术提供了理论基础。人们对生物识别技术的逐渐了解和接受也加快了生物识别技术的发展，同时为其提供了广泛的市场空间。

　　生物识别技术主要有指纹识别、面部识别、声音识别、虹膜识别等。在这些识别技术中指纹识别具有其独特的优点，使其成为应用较广泛和发展较迅速的一种生物识别技术。

　　指纹是手指末端正面皮肤上的纹路图案，它是人们在胚胎时期就已经形成的生物特征。在每一片指纹的纹线中都蕴涵有大量的信息。而且指纹的纹路在图案、断点和交叉点上是因人而异的。指纹具有这种特性，所以，我们可以利用指纹来表示一个人的身份，然后利用采集到的指纹和指纹库中的模板指纹比较来确定他的真实身份。在众多的生物识别技术中，指纹识别是目前使用最方便和应用最广泛的一种，而且正在快速的发展和逐渐成熟。

　　人类的指纹是因人而异的，每一个人的指纹中都含有独特的特征信息。根据指纹学理论，两枚不同指纹匹配成功的几率非常低。到现在为止，还没有发现有两个人具有相同的指纹。就是兄弟姐妹之间的指纹也是各不相同的。另外，一个人的十个手指上的指纹也是不相同的。指纹的唯一性是人们用指纹进行身份识别的基础。

　　指纹具有随身携带的特点，指纹样本的采集和存储比较容易，而且方便携带。指纹识别系统的实现也不是很复杂。现在已经有了比较完善的指纹样本库，这使得识别系统的软件开发更加容易。而且，指纹识别系统中的指纹采集器的性能也越来越高，成本也逐渐降低。而对于 DNA 来说，既难于采集，也不方便存储，匹配技术难度大，这就导致 DNA 识别系统难以开发，市场应用空间狭小。

　　指纹具有很强的相对稳定性，人的指纹形成于胎儿时期并伴随人的一生，尽管在人的一生中，指纹在大小、外型、纹线粗细上会有细微变化，也可能会出现新的细节特征，但是同一个手指的指纹类型不可能改变，而且大多数细节特征也会保持不变。

　　由于指纹具有唯一性，不易丢失，难以复制，这使得利用指纹进行身份识别比传统的识别技术更加安全可靠。另外，可以同时利用多个手指的指纹建立多重密码，这样，既能使系统更加安全，也不会带来额外的系统设计负担。

　　总之，指纹识别技术与其它生物识别技术相比有许多优点，而且指纹识别系统也更容易实现。目前在身份确认和鉴别方面指纹识别已经得到了广泛的应用，指纹识别技术是一种简便、可靠的生物识别技术。

指纹识别系统开发（纹线跟踪技术）：

脊线相似度的示意图

细节特征点对应脊线信息示意

特征点类型

指纹处理示意图

基本滤波器的权值

平均滤波器模板

分离滤波器模板

9 × 9窗口模板

目录

　　第 1 章 绪论
　　　　1.1 引言
　　　　1.2 指纹识别技术的发展历程
　　　　1.3 指纹识别的发展前景
　　　　1.4 指纹识别系统的构成
　　　　1.5 本文的主要内容和结构
　　第 2 章 指纹采集和预处理
　　　　2.1 指纹图像的采集
　　　　2.2 指纹图像的规格化
　　　　2.3 指纹图像的分割
　　　　2.4 指纹图像增强
　　　　　　2.4.1 计算指纹图像的方向图
　　　　　　2.4.2 方向滤波器
　　　　　　2.4.3 图像增强的步骤
　　　　2.5 图像二值化
　　　　　　2.5.1 自适应局部阈值二值化
　　　　　　2.5.2 去噪
　　　　2.6 细化
　　　　2.7 指纹图像预处理实验
　　　　2.8 本章小结
　　第 3 章 指纹特征提取
　　　　3.1 邻域编码逐像素跟踪算法
　　　　3.2 特征提取的具体步骤
　　　　3.3 滤除伪特征点
　　　　　　3.3.1 常见的伪特征
　　　　　　3.3.2 伪特征点去除的算法
　　　　3.4 特征点集
　　　　3.5 本章小结
　　第 4 章 指纹匹配
　　　　4.1 使用细节特征进行指纹匹配的方法
　　　　4.2 基于点模式的细节特征匹配
　　　　4.3 指纹匹配的具体算法
　　　　　　4.3.1 引进脊线信息的指纹细节特征点匹配算法
　　　　　　4.3.2 上述方法的改进
　　　　4.4 本章实验
　　　　4.5 本章小结
　　第 5 章 总结与展望
　　　　5.1 总结
　　　　5.2 展望
　　参考文献
　　致 谢
　　攻读学位期间发表的学术论文及参加科研情况