專利名稱：指紋識別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種識別系統(tǒng)，特別是涉及一種指紋識別系統(tǒng)。適用于對人手指的指紋鑒別。
背景技術(shù)：
指紋具有唯一性及終身不變性。因而身份驗證與身份識別中占有極其重要的地位。所謂指紋識別是要決定兩幅指紋圖是否來自同一個人的同一個手指。在先技術(shù)中，對指紋識別做了很多研究。艾森諾(Isenor)等人提出了一種用圖匹配來對兩幅指紋圖像進(jìn)行匹配的系統(tǒng)。芮查克(Hrechak)等人用結(jié)構(gòu)匹配來做指紋識別。但，目前最常用的方式是用美國聯(lián)邦調(diào)查局(FBI)提出的細(xì)節(jié)點坐標(biāo)模式來做細(xì)節(jié)匹配。它利用脊末梢與脊線分支點這兩種關(guān)鍵點來鑒定指紋。通過將細(xì)節(jié)點表示為點模型，指紋識別問題也就轉(zhuǎn)化為點模式匹配問題。在先技術(shù)中，比較有名的大型指紋識別系統(tǒng)有美國聯(lián)邦調(diào)查局的“指紋自動識別系統(tǒng)”(AFIS)。英國迪萊里因跡公司的“指紋識別系統(tǒng)”(FIS)。日本電氣株式會社(NEC)的“指紋鑒定系統(tǒng)”。北美莫弗公司的“指紋鑒別系統(tǒng)”等。這些系統(tǒng)體積都比較大，而且價格昂貴。近年來隨著最新信息處理技術(shù)的發(fā)展，算法理論的研究以及計算機(jī)硬件高集成和低成本化，指紋識別的可靠性不斷提高，使用范圍也進(jìn)一步擴(kuò)大。但，在指紋識別的應(yīng)用中，還存在著不少問題。例如，由于匹配效果的局限性，對指紋采集的要求甚高若對攝入圖像所做的預(yù)處理不夠，會造成識別系統(tǒng)的據(jù)識和誤識；例如，在中國專利96119761.7中，提出的平面形點自動對比辨別系統(tǒng)中就存在著對于低分辨率以及偏移，旋轉(zhuǎn)圖像的據(jù)識和誤識率較高的缺點。

發(fā)明內(nèi)容
本發(fā)明為了克服在先技術(shù)中的缺陷，結(jié)合模糊判別技術(shù)和指紋細(xì)節(jié)無損傷處理技術(shù)，提供一種指紋識別系統(tǒng)。
本發(fā)明的指紋識別系統(tǒng)主要包含按照先后進(jìn)入工作狀態(tài)的順序相互聯(lián)接的有指紋圖像數(shù)據(jù)采集器1，原始圖片保存器2，傾斜水平校正器3，圖像增強(qiáng)二值化去噪器4，與圖像數(shù)據(jù)庫10相聯(lián)的圖像細(xì)化器5，特征點提取器6，與樣本數(shù)據(jù)庫11相聯(lián)的配對概率計算器7，相似度計算器8，與比較記錄數(shù)據(jù)庫12相聯(lián)的比較器9。
所說的圖像細(xì)化器5是由逐層迭代算法構(gòu)成。所說的配對概率計算器7是由模糊松弛法構(gòu)成。
如上述本發(fā)明指紋識別系統(tǒng)的結(jié)構(gòu)，由指紋圖像數(shù)據(jù)采集器1和原始數(shù)據(jù)保存器2采集到的原始圖像，經(jīng)過傾斜水平校正器3利用“最小均方誤差”值，對欲對比的圖形點做“旋轉(zhuǎn)”、“平移”的處理，將該組圖形點調(diào)整到最適合對比的狀態(tài)；再通過圖像增強(qiáng)二值化去噪器4和圖像細(xì)化器5進(jìn)行圖像增強(qiáng)、二值化、去噪和細(xì)化的圖像預(yù)處理；經(jīng)過預(yù)處理的圖像送入特征點提取器6內(nèi)，并存入圖像數(shù)據(jù)庫10。特征點提取器6尋找出圖像的特征點，初選出所有的細(xì)節(jié)特征后送入配對概率計算器7；配對概率計算器7將這一圖形與另一圖形進(jìn)行粗對比后，再利用模糊松弛法計算出兩個圖形所有點的配對概率；再由相似度計算器8根據(jù)兩圖形間所有點間配對概率的高低，計算兩圖形的相似程度指標(biāo)；再經(jīng)過比較器9根據(jù)預(yù)設(shè)的域值，判斷兩圖像是否近似，將其結(jié)果輸出并送入比較記錄數(shù)據(jù)庫12中。
本發(fā)明指紋識別系統(tǒng)突出的優(yōu)點是<1>由上述本發(fā)明系統(tǒng)中，采用了模糊識別技術(shù)，使得在信息不完備的情況下，能最大限度地判決，實現(xiàn)對多目標(biāo)的識別。
<2>由于本發(fā)明對初始圖像進(jìn)行“旋轉(zhuǎn)”、“平移”以及圖像增強(qiáng)、二值化、去噪和細(xì)化的圖像預(yù)處理，所以，原始數(shù)據(jù)特征抽取過程清晰可見。
<3>由于上述本發(fā)明系統(tǒng)所選取的特征點是具有不變性的特征，這就保證了有較高的準(zhǔn)確性。
<4>上述本發(fā)明系統(tǒng)的各個環(huán)節(jié)聯(lián)接緊密，識別過程簡捷而準(zhǔn)確，識別速度比較快，據(jù)識率比較低。
<5>上述本發(fā)明的系統(tǒng)是基于圖像的特征層進(jìn)行模糊化，而不是直接在灰度上進(jìn)行判別。這就大大減少了數(shù)據(jù)量。所以具有較快的速度。本發(fā)明改進(jìn)了在先技術(shù)中所提出的利用模糊松弛模式匹配來做細(xì)節(jié)匹配的方式。本發(fā)明有效地解決了在先技術(shù)中在圖像質(zhì)量很差時，不能有效地進(jìn)行指紋匹配識別的問題。


圖1是本發(fā)明指紋識別系統(tǒng)的結(jié)構(gòu)示意圖。
圖2是本發(fā)明指紋識別系統(tǒng)的流程圖。
圖3是指紋圖像的節(jié)點特征即端點和分歧點的示意圖。
圖4是讀入的兩幅待對比的256灰度的原始圖象。
圖5是圖4中的兩幅原始圖像經(jīng)過邊緣銳化和增強(qiáng)后的圖像。
圖6是對圖5中的兩幅圖像進(jìn)行二值化，填充，去毛刺以及膨脹處理后的圖像。
圖7是圖6中的兩幅圖像被進(jìn)一步采用細(xì)化處理后的圖像。
圖8是圖7中的兩幅圖像經(jīng)過特征點提取器6提取其特征節(jié)點后的圖像。
具體實施例方式
下面結(jié)合附圖和具體實施例進(jìn)一步說明本發(fā)明的系統(tǒng)。
圖1是本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖。系統(tǒng)中各個部分是按照先后進(jìn)入工作狀態(tài)的順序相互聯(lián)接的。首先是指紋圖像數(shù)據(jù)采集器1和原始圖片保存器2。指紋圖像數(shù)據(jù)采集器1可以是光學(xué)掃描儀(作為原始圖像的錄入設(shè)備)。接著順序聯(lián)接的是傾斜水平校正器3，圖像增強(qiáng)二值化去噪器4，與圖像數(shù)據(jù)庫10相聯(lián)的圖像細(xì)化器5，特征點提取器6、與本樣數(shù)據(jù)庫11相聯(lián)的配對概率計算器7，相似度計算器8和與比較記錄數(shù)據(jù)庫12相聯(lián)的比較器9。
所說的傾斜水平校正器3是由采用求“最小均方誤差”值的算法構(gòu)成。它是使原始圖像初始化，確定初始化平移量和旋轉(zhuǎn)量。
為解決圖像資料特征點旋轉(zhuǎn)、平移或比率縮放等變形、扭曲所產(chǎn)生的問題。本發(fā)明系統(tǒng)采用“最小均方誤差”值，對欲對比的圖形點作“旋轉(zhuǎn)”、“平移”處理，以將該組圖形點調(diào)整到最適合對比的狀態(tài)。
因此，要使兩組圖像特征點達(dá)到最佳匹配，即使G組配對中的p點經(jīng)過旋轉(zhuǎn)和平移變化后，與其對應(yīng)點q之間的距離平方和達(dá)到最小的問題。E=(tx,ty,θ)=MINΣl=1G(xq(i)-xp(i))2+(yq(i)-yp(i))2----(1)]]>等價與尋找一組最優(yōu)(tx，ty，θ)值。其中Xq(i)＝tx+Xp(i)cosθ-Yp(i)sinθ，Yq(i)＝ty+Xp(i)sinθ-Yp(i)cosθ-------(2)Xq，Yq，Xp，Yp分別對應(yīng)于q圖和p圖上的歐幾里的坐標(biāo)。其中tx、ty分別對應(yīng)水平、垂直方向上的偏移量，θ對應(yīng)旋轉(zhuǎn)角度。
所說的圖像增強(qiáng)二值化去噪器4是由圖像增強(qiáng)、二值化、去噪的程序構(gòu)成。主要是對圖像進(jìn)行預(yù)處理。
預(yù)處理的目的就是去除圖像中的噪音把它變成一幅清晰的點線圖，便于提取正確的指紋特征以及后部的匹配識別。預(yù)處理是指紋自動識別系統(tǒng)中極為關(guān)鍵的一步，它的好壞將直接影響著指紋識別的效果。預(yù)處理工作一般包括如下幾步圖像增強(qiáng)，二值化，去噪，細(xì)化，細(xì)化后的去噪。二值化采用局部閾值二值化處理。經(jīng)二值化處理不可避免的在指紋邊緣出現(xiàn)毛刺、在指紋線內(nèi)出現(xiàn)氣泡現(xiàn)象。這些噪聲如不及時處理掉，當(dāng)進(jìn)行細(xì)化后，由于圖中存在著大量的偽特征點將會造成最終的誤識或拒識。
圖像增強(qiáng)，使目標(biāo)膨脹。所謂目標(biāo)膨脹，是使每一灰度值為1的像素點的8鄰域中各點灰度值也置為1，將此過程迭代多次，這樣，指紋的紋線就變粗，指紋紋線有殘損的地方就連通了，從而進(jìn)一步提高指紋連通區(qū)域的整體效果及精確度。在模糊化圖像進(jìn)行二值化的過程中，分離出來的目標(biāo)，不僅含有所需的指紋紋理區(qū)，也可能夾雜一些殘余的背景區(qū)和一些非指紋信息，會影響一些指紋紋線的連通性。而且在指紋圖像的某些地方很可能有斷裂或殘損。因此，通過目標(biāo)膨脹，對細(xì)節(jié)進(jìn)行連通，使指紋紋線斷裂或殘損的地方補(bǔ)上，形成大小不一的各區(qū)域，這樣，根據(jù)連通區(qū)域的面積大小就可以進(jìn)一步準(zhǔn)確定位指紋圖像區(qū)域。
二值化的目的就是把灰度指紋圖像變成0，1取值的二值圖像。對一幅圖像進(jìn)行二值化，首先必須選取閾值，把高于閾值灰度的像素點轉(zhuǎn)換為1，低于閾值的像素點轉(zhuǎn)換為0。系統(tǒng)中閾值取每塊的灰度均值。去除二值圖中的噪聲，主要是邊緣打磨和去掉空洞。邊緣打磨為使細(xì)化圖線不是扭曲的邊緣線。去空洞為使線沒有偽特征叉點。系統(tǒng)中去空洞采用5×5的模板，若中心是白色，而周圍是黑色，則把整個5×5模板的像素變黑。
如上述，二值化指紋圖像是將灰度圖像變成0、1兩個灰度級的圖像，前景點(指紋脊線)取作1，背景點取作0，以把指紋脊線提取出來，便于后續(xù)處理。根據(jù)指紋圖中脊線與谷線寬度大致相等的特點，即二值化后黑白像素的個數(shù)應(yīng)大致相同，采用局部域值自適應(yīng)算法。指紋圖分成w×w(w為一個紋線周期)的子塊，在每一子塊內(nèi)計算灰度均值A(chǔ)V=ΣiΣjf(i,j)*f(i,j)w*w----(3)]]>其中f(i，j)為子塊內(nèi)(i，j)的灰度值。在該塊內(nèi)若某一點的灰度值f(i，j)＞AV，則f(i，j)＝1；若f(i，j)≤AV，則f(i，j)＝0。對每一塊都進(jìn)行這樣的處理，可得到二值圖像。
二值化后的去噪由于灰度去噪的不完全及二值化過程又可能引入噪音，所以對二值化后的指紋圖像還需進(jìn)行一次二值濾波去噪，目的是去除或減弱圖像中的噪音，增強(qiáng)圖像中有意義的部分。這一過程可以填補(bǔ)二值化后紋線上的孔洞或者刪除模式上的“毛刺”和孤立的值為1的像素，即包括填充和刪除兩個算法。
1、填充填充算法把同時滿足以下條件的象素p值取為1a)p為0象素；b)p的四鄰域中有三個以上的鄰點為1象素。
2、刪除刪除算法把同時滿足以下條件的象素p值取為0a)p為1象素；b)(p1+p2+p3)(p5+p6+p7)+(p3+p4+p5)(p7+p8+p1)＝0；c)p點不是端點。
經(jīng)過去噪后，原二值圖中的大部分孔洞和“毛刺”被有效地清除了。
所說的圖像細(xì)化器5是由逐層迭代算法構(gòu)成。將上述經(jīng)預(yù)處理過的圖像采用逐層失代算法進(jìn)行細(xì)化處理。細(xì)化及細(xì)化后的去噪處理細(xì)化是圖像分析、信息壓縮、特征提取和模式識別常用的基本技術(shù)，它使圖像的每條紋線都變?yōu)閱蜗笏貙挼摹包c線”，且細(xì)化后的紋線近似處理于原圖的“中軸”。在指紋的自動識別過程中，需要把二值指紋圖進(jìn)行細(xì)化，可以大大減少冗余的信息，突出指紋紋線的主要特征，從而便于后面的特征提取。細(xì)化過程中，在判斷是否刪除一個前景象素點時，需要考慮其3×3鄰域中除其自身外的8個象素點中的連接成分?jǐn)?shù)。如果此連接成分?jǐn)?shù)為1，則說明刪除當(dāng)前象素點不會改變原圖的連通性；若大于1，則改變了原圖的連通性。令Nc為p的8鄰域中的連接成分?jǐn)?shù)，則其由序列p1p2p3p4p5p6p7p8p1中0→1變化的次數(shù)可以得到。
本發(fā)明系統(tǒng)采用逐層迭代算法。逐層迭代算法是把一次迭代分作兩次掃描，細(xì)化過程中由周邊向中間逐層細(xì)化，使細(xì)化結(jié)果位于原圖的“中軸”。令BN為3×3窗口目標(biāo)象素的個數(shù)BN=Σipi,]]>兩次掃描中需滿足的條件為(1)2≤BN≤6(排除p為端點和內(nèi)部像點的情況)；(2)若已標(biāo)記p1視為1時，有Nc＝1(保證刪除當(dāng)前象素不會改變原圖的連通性)；(3)p值是1(保證p為前景點)；(4)當(dāng)p3或p5已標(biāo)記時，若視p3，p5為0，依然有Nc＝1(保證寬度為2的線條只刪除一層像點，避免其斷開)。
本發(fā)明的細(xì)化操作重復(fù)執(zhí)行如下兩個步驟第一步從左到右，從上到下順序掃描圖像，對同時滿足以上條件的象素，如果p1p3p7＝0，且p1p5p7＝0，則將其和上標(biāo)記；第二步從左到右，從上到下順序掃描圖像，對同時滿足以上條件的像素，如果p1p3p5＝0，且p3p5p7＝0，則將其作上標(biāo)記。當(dāng)掃描完整幅圖像后，去掉作了標(biāo)記的象素。重復(fù)一、二步過程，直至得到單位寬度的線條為止。
所說的特征點提出器6是尋找和提取指紋的細(xì)節(jié)特征。指紋的細(xì)節(jié)是指紋脊線形成的一些有用特征。按照國際上的通用標(biāo)準(zhǔn)，指紋的細(xì)節(jié)分為端點、分歧點、交叉和不確定型等四類。本發(fā)明的指紋識別中為了簡單起見，采用的是其中具備良好特征的端點和分歧點。如圖3所示。根據(jù)實際經(jīng)驗，對于一幅完整的指紋圖像而言，真正的細(xì)節(jié)特征(端點和分歧點)一般不會超過100個。
本發(fā)明系統(tǒng)中使用了一個3×3的小窗口在細(xì)化后的指紋點線圖上確定細(xì)節(jié)特征點的位置。假定脊線上的點用“1”表示，背景用“0”表示，用待檢測點的八鄰域點循環(huán)比較，若“0”，“1”變化有六次，則待測點為分歧點，若只有兩次，則為端點。用3×3的模板逐點對細(xì)化后的指紋圖像的脊線進(jìn)行檢測，就可初選出所有的細(xì)節(jié)特征。
所說的配對概率計算器7是采用模糊松弛法構(gòu)成。就是對上述經(jīng)過細(xì)化和找出細(xì)節(jié)特征的兩幅圖像進(jìn)行粗對比后，再采用模糊松弛法計算第一個待比圖形中的所有點與另一個圖形中的所有點的配比概率。
對于計算一圖形中所包含的任一點與另一圖形所包含的任一點形成配對時，所應(yīng)滿足的最低條件，以消除兩圖形中不可能配對的點，借以節(jié)省計算時間。
粗對比的條件包括(1)特征點的方向條件；(2)特征點的X軸平移條件；(3)特征點的Y軸平移條件。當(dāng)一個圖形中任一點與另一圖形中的一點的方向及坐標(biāo)特性滿足此三條件時，認(rèn)為該兩點為可能的配對；否則認(rèn)為不可能配對，予以標(biāo)記。
所說的模糊松弛法是依據(jù)“計算兩圖形中一組的一點與另一組的一點配對概率時，是在該二點構(gòu)成配對的前提下，計算該組的其他點與另一組的其他點的配對，對該配對的支持率”。計算兩組平面圖形點中一組的一點與另一組所有點間的配對概率，并利用向前順序選取法選取最佳的配對點。S(r)(pi,qj)=Σ{max[S(r-1)(pi,qj)*Cij(h,k)]}m-1----(4)]]>其中S(r)(pi，qj)代表修正到第r次時，pi點qj點配對的支持率，pi代表待對比的測試圖形(p)中的一點，qj代表待對比的參考圖形(Q)中的一點，Cij(h,k)=11+Δ,Δ=|lih-ljklih+ljk|----(5),]]>l代表兩點在同一平面時的距離，h代表圖形p中非pi的點，k代表圖形Q非qj的點，m為P、Q兩圖形所含點數(shù)的最小值，s(°)(pi，qj)為0或1。
所說的相似度計算器8首先選取配對點進(jìn)行計算兩圖形間近似程度。根據(jù)上述配對概率計算器7計算出的兩圖形間所有點間的配對概率高低，選取兩圖形最可能配對的點，計算兩圖形的相似程度指標(biāo)。
計算兩圖形相似程度指標(biāo)時，其考慮因子包括配對數(shù)K″(兩個圖形間成功配對的點數(shù))、“參考圖形配對概率”(S1配對數(shù)/參考圖形的點數(shù))、“測試驗圖形配對概率”(S2配對數(shù)待測圖形的點數(shù))、“平均配對概率”(所有選中配對概率的平均值md=1k(Σsim(i)))]]>及“平均配對點間的接近度“(S3＝1/(1+diff))diff是調(diào)整后和調(diào)整前的平均配對點間距離和)五種因子的關(guān)系(Score＝C*k2*S12*S32*md)，指標(biāo)分?jǐn)?shù)越高，代表兩圖形越相似。
所說的比較器9是判斷兩圖形是否近似，根據(jù)預(yù)設(shè)的閾值，決定上述兩圖像是否近似。
圖2是本發(fā)明系統(tǒng)運作過程(流程圖)；系統(tǒng)開機(jī)，系統(tǒng)的語言是采用C語言(Visual C++)。系統(tǒng)操作環(huán)境是Windows，XP，2000，顯卡支持32色，中央邏輯控制單元(CPU)為奔騰III800赫茲芯片(P111800)→等待新的待測圖像→寫入原始圖像，設(shè)置比較初始值(a)設(shè)置傾斜角度，范圍從0-90。如果兩幅待比圖像的傾斜角度在這個范圍之內(nèi)，系統(tǒng)會自動進(jìn)行調(diào)整。(b)設(shè)置閾值，該值是用于判斷兩幅待比圖像是否相似的依據(jù)。如果系統(tǒng)計算的相似度大于閾值，則結(jié)果被接受。否則就認(rèn)為兩幅圖不相似。將特征信息寫入內(nèi)存，系統(tǒng)時鐘開始啟動→進(jìn)行預(yù)處理→進(jìn)行細(xì)化處理→去除噪聲處理→(有噪聲，再去噪處理)→標(biāo)準(zhǔn)化圖像格式→尋找并提取特征點→進(jìn)行粗對比→計算配比概率→計算兩圖形之間的近似度→比較判斷，報告和存儲匹配結(jié)果。
圖4是用光學(xué)掃描儀作為指紋圖像數(shù)據(jù)采集器1所寫入的兩幅待對比的原始圖像。這兩幅原始圖像的灰度是256。
圖5是對上面兩幅原始圖像經(jīng)過邊緣銳化和增強(qiáng)圖像的強(qiáng)度后的圖像。
圖6所顯示的是對上面圖5中兩幅圖像經(jīng)過二值化，填充，去毛刺和膨脹處理后的圖像。
圖7所顯示的是圖6的圖像經(jīng)過細(xì)化處理后的圖像。
圖8顯示出的是在圖7的圖像上所提取的特征點。其中，帶方向的圓圈處為指紋特征點，a處兩小圓圈為放大后的帶方向指紋特征節(jié)點。
權(quán)利要求
1.一種指紋識別系統(tǒng)，主要包含按照先后進(jìn)入工作狀態(tài)的順序相互聯(lián)接的有指紋圖像數(shù)據(jù)采集器(1)，原始圖片保存器(2)，與圖像數(shù)據(jù)庫(10)相聯(lián)的圖像細(xì)化器(5)，特征點提取器(6)，與樣本數(shù)據(jù)庫(11)相聯(lián)的配對概率計算器(7)，相似度計算器(8)和與比較記錄數(shù)據(jù)庫(12)相聯(lián)的比較器(9)，其特征在于在原始圖片保存器(2)與圖像細(xì)化器(5)之間聯(lián)接有傾斜水平校正器(3)，在傾斜水平校正器(3)與圖像細(xì)化器(5)之間聯(lián)接有圖像增強(qiáng)二值化去噪器(4)；所說的圖像細(xì)化器(5)是由逐層迭代算法構(gòu)成；所說的配對概率計算器(7)是由模糊松弛法構(gòu)成。
2.根據(jù)權(quán)利要求1所述的指紋識別系統(tǒng)，其特征在于所說的傾斜水平校正器(3)是由“最小均方誤差”值的算法構(gòu)成。
3.根據(jù)權(quán)利要求1所述的指紋識別系統(tǒng)，其特征在于所說的本發(fā)明指紋識別系統(tǒng)所使用的語言是C語言(C++)。
全文摘要
一種指紋識別系統(tǒng)，適用于對人手指的指紋鑒別。本發(fā)明系統(tǒng)特別是包含由“最小均方誤差”值的算法所構(gòu)成的傾斜水平校正器，圖像增強(qiáng)二值化去噪器，由逐層迭代算法構(gòu)成的圖像細(xì)化器和由模糊松弛法構(gòu)成的配對概率計算器。因此，本發(fā)明系統(tǒng)能夠在信息不完備的情況下，以最大限度地判決，實現(xiàn)對多目標(biāo)的識別。能夠?qū)τ谠紨?shù)據(jù)特征抽取過程清晰可見。所選取的特征點具有不變性，保證有較高的準(zhǔn)確性。整個系統(tǒng)聯(lián)接緊密，識別過程簡捷而準(zhǔn)確。識別速度較快，據(jù)識率較低。
文檔編號G06K9/00GK1480898SQ03141719
公開日2004年3月10日 申請日期2003年7月21日 優(yōu)先權(quán)日2003年7月21日
發(fā)明者蔣曉謙, 馮嘉禮, 劉永昌, 付鑫法 申請人:上海海運學(xué)院