基于MATLAB圖像處理的指紋特征點(diǎn)提取

摘 要：伴隨著信息科學(xué)技術(shù)飛速發(fā)展的步伐，非常多的系統(tǒng)更加關(guān)注安全的問(wèn)題，因此，可靠的、安全的身份識(shí)別技術(shù)成為了眾多系統(tǒng)安全應(yīng)用的首選。指紋圖像特征提取作為指紋識(shí)別領(lǐng)域非常重要的研究部分，自然而然的引起了廣大學(xué)者的關(guān)注。本課題研究的主要內(nèi)容便是指紋圖像特征點(diǎn)提取以及偽特征點(diǎn)的剔除。

關(guān)鍵詞：MATLAB；特征點(diǎn)；指紋識(shí)別；分叉點(diǎn)

中圖分類號(hào)：TP391.41

隨著科學(xué)技術(shù)以及社會(huì)的不斷進(jìn)步，基于口令、信物、數(shù)字等的傳統(tǒng)的安全認(rèn)證模式正在變得越來(lái)越脆弱[1]，現(xiàn)代化的安全系統(tǒng)必須尋求全新的安全認(rèn)證方法才能滿足現(xiàn)代化的社會(huì)需求。指紋識(shí)別技術(shù)是到目前為止應(yīng)用最為廣泛的個(gè)人身份認(rèn)證技術(shù)，指紋所具備的穩(wěn)定性以及唯一性更加的確定了指紋識(shí)別技術(shù)的應(yīng)用地位，在計(jì)算機(jī)不斷進(jìn)步的同時(shí)，指紋識(shí)別技術(shù)以及算法也在不斷的提升，甚至指紋傳感器的性能也得到了大幅度的提升，所以，較高質(zhì)量的指紋圖像信息采集技術(shù)成為了安防領(lǐng)域以及身份認(rèn)證領(lǐng)域研究的重點(diǎn)課題。

1 指紋圖像特征

1.1 指紋圖像全局特征

指紋的全局特征通常指的是常人通過(guò)肉眼就可以辨認(rèn)出的特征，全局特征的基本紋路圖案通常分為三種：環(huán)型（loop），弓型（arch）以及螺旋型（whorl）[2]，這三個(gè)指紋圖案是其余的指紋圖案的基礎(chǔ)，但是三種類型的分類相對(duì)比較粗略，并不能完全比對(duì)出采集到的指紋圖像，但是對(duì)指紋進(jìn)行分類卻能夠?yàn)橹讣y圖案的比對(duì)查詢提供方便。

通常情況下，指紋圖像中的用于描述全局特征的區(qū)域稱之為模式區(qū)，即通過(guò)指紋圖像的模式區(qū)便可以將指紋圖像進(jìn)行分類劃分，有的指紋算法提取的只是模式區(qū)的指紋數(shù)據(jù)，而有的指紋算法則僅僅提取模式區(qū)的一部分指紋數(shù)據(jù)。

指紋圖像的核心點(diǎn)具體指的是指紋圖像紋路的漸進(jìn)中心，這個(gè)點(diǎn)的數(shù)據(jù)信息非常重要，通常被用作讀取指紋時(shí)以及比對(duì)指紋時(shí)候的參考點(diǎn)，指紋圖像的核心點(diǎn)被很多的指紋識(shí)別算法采用，但是局限是僅僅能夠識(shí)別具備核心點(diǎn)的指紋圖像。

指紋圖像數(shù)據(jù)也存在三角點(diǎn)，具體指的是以核心點(diǎn)為標(biāo)準(zhǔn)，開(kāi)始之后的第一個(gè)斷點(diǎn)或者分叉點(diǎn)，亦或者相交紋路的匯聚點(diǎn)、折轉(zhuǎn)點(diǎn)、孤立點(diǎn)，或者指向這些點(diǎn)的怪異點(diǎn)。三角點(diǎn)是指紋識(shí)別算法的關(guān)鍵點(diǎn)之一，為指紋圖像紋路的計(jì)數(shù)跟蹤提供了基準(zhǔn)參考點(diǎn)。

指紋紋數(shù)具體指的是模式區(qū)內(nèi)所有指紋紋路的數(shù)量。指紋紋數(shù)在計(jì)算的時(shí)候，通常會(huì)將核心點(diǎn)與三角點(diǎn)連接起來(lái)[3]，這條連線與指紋紋路交接點(diǎn)的數(shù)量便可以確定指紋圖像的紋數(shù)。

1.2 指紋圖像局部特征

指紋圖像的局部特征具體指的是指紋上節(jié)點(diǎn)的詳細(xì)特征，具備一些特征的指紋圖像節(jié)點(diǎn)被稱之為特征點(diǎn)。不同的指紋可能會(huì)出現(xiàn)總體特征相同的情況，但是絕對(duì)不會(huì)出現(xiàn)特征點(diǎn)相同的不同指紋。

1.2.1 指紋圖像的特征點(diǎn)

指紋圖像的紋路并不是筆直的、平滑的、連續(xù)的，伴隨著指紋紋路的經(jīng)常是分叉、打折亦或者中斷，指紋紋路的這些分叉點(diǎn)、斷點(diǎn)以及轉(zhuǎn)折點(diǎn)便被稱之為“特征點(diǎn)”，眾多的“特征點(diǎn)”的集合便構(gòu)成了確定指紋圖像唯一的信息數(shù)據(jù)。

1.2.2 指紋圖像特征點(diǎn)的分類

指紋的特征點(diǎn)通常被分為終結(jié)點(diǎn)、分叉點(diǎn)、分歧點(diǎn)、孤立點(diǎn)、環(huán)點(diǎn)、短紋、方向、曲率以及位置。終結(jié)點(diǎn)以及分叉點(diǎn)是特征點(diǎn)最為典型的兩類。

（1）終結(jié)點(diǎn)（Ending）：終結(jié)點(diǎn)類型具體指的是一條指紋紋路在此處斷開(kāi)終結(jié)；（2）分叉點(diǎn)（Bifurcation）：分叉點(diǎn)類型具體指的是指紋紋路在該點(diǎn)處分開(kāi)拓寬成兩條甚至兩條以上的紋路；（3）分歧點(diǎn)（Ridge Divergence）：分歧點(diǎn)類型具體指的是兩條相對(duì)平行的線路的分開(kāi)點(diǎn)；（4）孤立點(diǎn)（Dot or Island）：孤立點(diǎn)類型具體指的是指紋紋路非常短，以至于成為一點(diǎn)；（5）環(huán)點(diǎn)（Enclosure）：環(huán)點(diǎn)類型具體指的是一條指紋紋路在分開(kāi)成為兩條紋路之后又立即合并成為一條指紋紋路，這樣分開(kāi)點(diǎn)與合并點(diǎn)形成的小環(huán)變成只為環(huán)點(diǎn)；（6）短紋（Short Ridge）：短紋類型具體指的是指紋的一端相對(duì)比較短，但是又不會(huì)形成一個(gè)點(diǎn)的指紋紋路；（7）方向（Orientation）：方向具體指的是節(jié)點(diǎn)的方向比較固定；（8）曲率（Curvature）：曲率具體指的是用來(lái)描述指紋紋路沿著方向改變的行進(jìn)速度；（9）位置（Position）：位置具體指的是借助坐標(biāo)去描述指紋紋路中節(jié)點(diǎn)的位置，可以用絕對(duì)位置描述，也可以用基于三角點(diǎn)或者特征點(diǎn)的相對(duì)位置進(jìn)行描述。

2 指紋圖像特征提取算法

指紋圖像特征點(diǎn)的提取通常包括兩個(gè)步驟，第一步驟便是對(duì)圖像特征進(jìn)行提取，第二步驟則是將提取的特征點(diǎn)中的偽特征點(diǎn)剔除。指紋圖像特征點(diǎn)的提取一直是眾多學(xué)者深入研究的方向。最早提出相關(guān)算法的是FBI（Federal Bureau of Investigation，美國(guó)聯(lián)邦調(diào)查局）科研人員，他們提出了一種二級(jí)算法，對(duì)于圖像的二值化處理采用了自適應(yīng)的算法，二值化之后的指紋圖像便是特征點(diǎn)提取的對(duì)象。該算法的出現(xiàn)為指紋圖像認(rèn)證領(lǐng)域的發(fā)展奠定了基礎(chǔ)，從一出現(xiàn)，便獲得了非常廣泛的應(yīng)用。

通常有兩個(gè)方法用于指紋圖像特征的提取，第一種便是從整體的灰度圖像中提取算法，而另外一種便是建立在細(xì)化二值化的圖像中提取算法。指紋圖像特種功能的提取是整套指紋識(shí)別系統(tǒng)中最為核心的環(huán)節(jié)之一，指紋圖像特征提取的好與壞將直接影響到指紋圖像匹配的準(zhǔn)確性[5]，因此，指紋圖像特征提取是指紋匹配的基礎(chǔ)和前提。第一種指紋圖像特征提取算法通常是跟蹤灰度指紋紋線，在根據(jù)跟蹤結(jié)果定位特征的位置以及精確的判斷出特征的類型，該種方法整個(gè)實(shí)現(xiàn)過(guò)程中并沒(méi)有進(jìn)行指紋圖像預(yù)處理過(guò)程，但是指紋特征提取的算法卻異常復(fù)雜，在加上外界不確定因素的影響，導(dǎo)致提取到的指紋特征值并不準(zhǔn)確。所以，第二種指紋特征提取算法是應(yīng)用最為廣泛的技術(shù)之一，從經(jīng)過(guò)預(yù)處理之后的細(xì)化二值指紋圖像中提取指紋圖像特征值，不僅方法簡(jiǎn)單，特征點(diǎn)的提取也非常簡(jiǎn)單，僅僅需要一個(gè)3×3的模板便可以將非?？煽康募?xì)化二值圖像的分叉點(diǎn)以及端點(diǎn)提取出來(lái)。

圖1 指紋圖像預(yù)處理一般流程

細(xì)化二值化之后的指紋圖像特征值提取主要提取的內(nèi)容是指紋圖像的分叉點(diǎn)以及端點(diǎn)的細(xì)節(jié)特征。本課題采用的特征提取模版如圖1所示。其中的目標(biāo)檢測(cè)像素點(diǎn)用P代表，而P1、P2、P3、P4、P5、P6、P7、P8在是P像素點(diǎn)的八個(gè)領(lǐng)域像素點(diǎn)，為了使得計(jì)算起來(lái)較為簡(jiǎn)便，指紋圖像的背景色通常選擇灰度值為255（白色）的像素點(diǎn)，本文中像素點(diǎn)P灰度值設(shè)置為0；即灰度值為0（黑色）的像素點(diǎn)指定為目標(biāo)點(diǎn)，也稱之為待檢測(cè)的像素點(diǎn)，這里將目標(biāo)點(diǎn)的P值設(shè)定為1，則采用式（1）表示的公式去統(tǒng)計(jì)P像素點(diǎn)的八個(gè)領(lǐng)域中值為1的像素點(diǎn)的個(gè)數(shù)。

（1）

（1）如果P的八個(gè)領(lǐng)域中有且僅有一個(gè)值為1的像素點(diǎn)，則有CN=1，此時(shí)的P點(diǎn)便是端點(diǎn)；（2）如果P的八個(gè)領(lǐng)域中有且僅有二個(gè)值為1的像素點(diǎn)，則有CN=2，此時(shí)的P點(diǎn)便是連通點(diǎn)；（3）如果P的八個(gè)領(lǐng)域中有且僅有三個(gè)值為1的像素點(diǎn)，則有CN=3，此時(shí)的P點(diǎn)便是分叉點(diǎn)。

通過(guò)式（1）以及上面的算法便可以統(tǒng)計(jì)出指紋圖像特征點(diǎn)，并將特征點(diǎn)的數(shù)目、類型以及位置信息記錄下來(lái)，對(duì)于作為細(xì)節(jié)特征點(diǎn)的分叉點(diǎn)以及端點(diǎn)，有些情況下也會(huì)參雜一些偽特征，所以需要?jiǎng)h除這些偽特征點(diǎn)，比較常見(jiàn)的偽特征點(diǎn)主要表現(xiàn)為毛刺、短紋、小孔、偽小橋、斷紋等五個(gè)類型。

3 基于MATLAB的指紋特征提取實(shí)現(xiàn)

3.1 指紋圖像特征點(diǎn)提取實(shí)現(xiàn)

本課題借助MATLAB仿真實(shí)現(xiàn)了指紋圖像特征點(diǎn)的提取操作，核心代碼如下：

圖2 指紋圖像特征點(diǎn)提取

分析圖2可知，圖像的邊緣出現(xiàn)了非常多的端點(diǎn)，這些端點(diǎn)的產(chǎn)生是由于面積接觸形成的，并不屬于偽特征點(diǎn)的一類，但是也必須進(jìn)行剔除。

3.2 指紋圖像偽特征點(diǎn)剔除實(shí)現(xiàn)

由于指紋圖像在采集的過(guò)程中會(huì)受到干燥、壓力不均勻以及汗?jié)n等的影響，便會(huì)造成采集到的指紋圖像非常的不均勻，圖像也會(huì)異常的模糊，同時(shí)紋線也會(huì)出現(xiàn)中斷等現(xiàn)象。實(shí)驗(yàn)數(shù)據(jù)表明，在對(duì)質(zhì)量較差的圖像進(jìn)行特征點(diǎn)提取的時(shí)候會(huì)造成數(shù)量極多的偽特征點(diǎn)[4]。一旦偽特征點(diǎn)的數(shù)量超過(guò)一定數(shù)值便會(huì)對(duì)后面的所有操作產(chǎn)生非常嚴(yán)重的影響，因此，指紋在進(jìn)行匹配之前，為了獲取質(zhì)量較高的指紋圖像，必須對(duì)采集到的指紋圖像進(jìn)行偽特征點(diǎn)剔除操作。比較常見(jiàn)的偽特征點(diǎn)主要表現(xiàn)為毛刺、短紋、小孔、偽小橋、斷紋等五個(gè)類型。本文借助MATLAB仿真實(shí)現(xiàn)了指紋圖像邊緣特征點(diǎn)的剔除。核心代碼如下：

4 結(jié)束語(yǔ)

指紋識(shí)別技術(shù)從一出現(xiàn)便被應(yīng)用在一些特殊的、比較高端的特殊領(lǐng)域，比如刑偵破案等，但是指紋識(shí)別技術(shù)在處理質(zhì)量較差的指紋圖像的時(shí)候效率非常低，不能夠滿足實(shí)際的應(yīng)用需求，必須提高采集到的指紋圖像的質(zhì)量。本文首先詳細(xì)的介紹了指紋圖像的特征，包括全局特征以及局部特征，接下來(lái)給出了指紋圖像特征點(diǎn)提取的詳細(xì)算法，并最終借助MATLAB仿真實(shí)現(xiàn)了指紋圖像特征點(diǎn)的提取以及偽特征點(diǎn)的剔除。本課題給出的指紋圖像特征點(diǎn)的提取算法實(shí)現(xiàn)起來(lái)非常簡(jiǎn)單，計(jì)算速度較快，運(yùn)算量也非常小，在減輕系統(tǒng)存儲(chǔ)量的同時(shí)，也獲得了質(zhì)量較高的指紋圖像特點(diǎn)數(shù)據(jù)。但是隨著科學(xué)技術(shù)的不斷進(jìn)步，對(duì)指紋圖像特征點(diǎn)的提取算法的要求會(huì)更高，因此需要對(duì)所有的算法進(jìn)行綜合對(duì)比分析，提出合理的改進(jìn)措施，以便能夠提升指紋圖像特征點(diǎn)的有效性。

參考文獻(xiàn)：

[1]趙應(yīng)丁，戴仕明，劉金剛.基于灰度指紋圖像的指紋特征提取算法研究[J].系統(tǒng)仿真學(xué)報(bào)，2006（02）：319-322.

[2]利國(guó)煙，許穎頻.指紋識(shí)別的應(yīng)用與實(shí)現(xiàn)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2005（08）：62-64.

[3]張英琦，張慶林.基于數(shù)學(xué)形態(tài)學(xué)的二值圖像細(xì)化算法研究[J].中南民族大學(xué)學(xué)報(bào)，2005（04）：96-99.

[4]王業(yè)琳，寧新寶，尹義龍.指紋圖像細(xì)化算法的研究[J].南京大學(xué)學(xué)報(bào)（自然科學(xué)），2003（04）：469-475.

[5]李金平，卿粼波，何小海.基于S3C2410的圖像采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].成都信息工程學(xué)院學(xué)報(bào)，2008（05）：514-517.

作者簡(jiǎn)介：梁文東（1971-），男，廣西崇左人，講師，主要從事多媒體技術(shù)、圖像處理教學(xué)與研究工作。

作者單位：廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院，南寧 530007