指纹识别原理与关键算法研究

生物识别技术（BiometricIdentificationTechnology）是指通过识别和验证人体某些生物特征来实现识别的特殊技术. 它主要包括多种识别技术，例如面部识别，语音识别，虹膜识别，手掌形状识别，指纹识别等. 生物识别技术具有以下特征: 通用性，唯一性，安全性，可收集性，可接受性等. 由于生物识别技术具有上述的良好特征，与传统的身份识别相比，克服了许多缺陷. 因此，它越来越多地用于各种安全场合. 指纹识别技术是指根据具有不同纹理特征的不同指纹的特征，比较不同指纹图像之间的多个全局特征和局部细节特征的身份验证技术. 与其他识别方法相比，指纹识别更加方便，准确.

1指纹识别原理

指纹识别技术包括以下两种主要的识别技术: 第一种是对不同指纹图像进行统计比较的方法，第二种是利用指纹图像本身的固有特征信息进行比较的方法. 第一种方法是统计比较两个指纹图像，检查它们之间的相似性，并根据大小判断两个指纹是否来自同一个人，从而实现识别的作用. 第二种方法基于两个指纹图像的结构特征，比较它们的特征信息以确认其身份. 要素包括两种类型: 全局要素类型和局部要素类型.

指纹识别技术的整个过程是: （1）使用指纹采集设备采集指纹图像. （2）对指纹图像中的大量噪声点进行预处理，从而提高了后续处理的效率. 在预处理之后，获得关于指纹图像的轮廓线，以为下一个特征提取做准备. （3）执行指纹图像的特征提取以提取特征信息点. （4）对指纹图像进行特征匹配，将提取的特征点与中预先存储的特征点进行比较，并通过比较判断身份. 根据英国学者埃里·赫里（E.R. Herry）的研究，如果两对指纹图像具有13对重合的特征点，则可以认为这两个图像是从同一个人拍摄的.

指纹识别系统的主要性能参数如下:

（1）错误识别率: 是指两个不同的指纹被错误地识别为同一指纹的概率；

（2）拒绝率: 指同一手指的两个不同指纹样本不匹配的概率，即认为来自不同手指​​；

（3）均等错误率: 第一个和第二个错误相等时的值；

（4）注册时间: 从指纹采集到完成指纹特征定位所需的时间；

（5）匹配时间: 两个指纹样本进行一次比较和匹配所花费的时间；

（6）模板特征的大小: 从指纹图像中提取的指纹特征的存储容量；

（7）分配的内存大小: 计算机系统在指纹识别的每个阶段需要占用的内存量.

2指纹图像的质量评估

通过指纹采集设备将图像采集到系统后，我们需要评估采集的指纹图像的质量. 如果图像质量不符合标准，则会影响后期. 因此，需要评估指纹图像. 目前，有几种评估指纹图像质量的方法:

（1）计算图像的信噪比: 此方法指图像信号的方差与噪声的比. 首先计算图像所有像素的局部方差，将局部方差的最大值设置为信号方差，将最小值设置为噪声方差，找到它们的比率，然后转换为dB，最后使用经验公式修改. 这种方法通常在效率方面发挥作用.

（2）计算指纹图像中细节点的数量: 识别并计算指纹图像中细节点的数量. 指纹图像的质量是否在合格范围内，由数字确定. 该方法在理论上是可行的指纹识别算法研究，但是由于需要对指纹进行预处理并首先提取细节，因此效率不高.

（3）视觉客户观察度: 该方法基于视觉评估过程和访客观察度，并使用设置的评估参数评估指纹图像质量的综合结果. 该方法可以很好地判断全局指纹图像的质量. 但是，从局部角度看，指纹纹理分析缺乏对指纹方向信息的判断.

（4）计算指纹图像的方向信息: 从指纹图像的局部特征开始，结合指纹的全局特征，判断指纹图像的质量. 通过检测图像的有效面积和清晰度，确定图像是否合格. 具体方法是: 首先，通过计算图像方向信息确定前景块和背景块；然后，通过比较前景块与背景块的比例，确定手指是否偏心. 再次根据图像块的对比度确定干燥度. 手指或湿手指（干手指的对比度更高，湿手指的对比度更低）.

3分割指纹图像

指纹图像质量评估合格后指纹识别算法研究，有必要对图像进行灰度变换，即均衡指纹图像，使图像灰度平衡，并对图像进行归一化. 这些完成后，需要根据某些算法和要求对图像进行分割. 即，指纹图像的质量较差，无法将稍后处理的图像区域与有效区域区分开，使得后处理集中在有效区域上，从而提供了特征提取精度并减少了处理时间. 目前，常用的分割方法如下:

（1）基于方向图的分割方法: 根据图像上纹理的方向，区分指纹区域和背景区域，然后根据不同区域进行分割. 如果指纹的纹理线不连续，图像的灰度是单一的，难以正确估计或某些区域发生急剧变化，则该方法无法执行有效的分割.

（2）基于图像的局部灰度平均值，局部标准偏差和局部一致性的分割方法: 以指纹图像的灰度平均值，标准偏差和局部区域的一致性为特征，然后使用线性分类以分割指纹图像. 部分图像的一致性显示了部分图像的纹理趋势，但是这些特征不能有效地表示模糊区域.

（3）多级分割方法: 对指纹图像进行多级分割，逐步减小分割范围. 例如，第一级划分图像的背景区域，第二级划分前景区域中的模糊区域，第三级划分模糊区域中的不可恢复区域.

（4）动态阈值分割方法: 根据每个子块的局部灰度对比度自动调整阈值，并根据像素的方差进行分割. 该方法简单，快速，分割效果好. 具体地: 将图像划分为不重叠的子块；计算每个子块的平均灰度和灰度方差；计算最大和最小方差之差；定义动态阈值并划分图像；操作顺畅删除孤立的块.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-196478-1.html