基于图像的指纹识别系统

《基于图像的指纹识别系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、姓名：钟涛学号:0951246班级：计科2班基于DSP指纹识别系统一、系统概述人类社会活动中需要身份验证，指纹识别在牛•物特征识別领域具有重要作用。随着计算机技术的发展，自动指纹识别系统得到了广泛的重视和应用。作为一种生物特识别技术，人的指纹具有唯一性和稳定性的特点。目前多数指纹识别系统是将指纹图象采集到计算机小，利用计算机进行识别。指纹识别系统在结构上可分为三层：系统硬件平台、操作系统和指纹识别算法。如下图所示。最底层系统硬件平台，是系统的物理基础，提供软件的运行平台和通信接口。系统的硬件平台一般是基于DSP等微处理器构

2、建的。第二层是操作系统，这一层提供任务调度以及接口驱动，同时，通过硬件中断来实现系统通信请求的实时响应，如对指纹采集的控制、对HPI通信的控制等。这种方式可以提高系统的运行效率。最上层是指纹识别核心算法的实现。该算法高效地对•采集到的指纹进行处理和兀配。采用C语言在DSP处理器的集成开发环境(IDE)CCS中实现，并最终下载到芯片上1RAM1IFLASHILCD显示模块单片机控制器单片机控制器#1IM「冃#対

3、单片机主控系统键盘(1X1)DSP协处理器系统指纹识别系统的简单流程如下图所示:脊线方向、脊线频率：提取脊线方向，

4、计算脊线频率GABOR滤波器：GABOR变换由于具有最佳时域和频域连接分辨率的特点，能够同时对图像局部结构的方向和空域频率进行解析，对以很好地兼顾指纹图像的脊线方向和脊线频率信息。GABOR滤波器函数的实部作为模板，以与子块纹线方向垂直的方向作为滤波器方向，以脊线频率作为滤波器频率來构建滤波器。滤波过程如下式所示：代(x9y.n)9f(m,巧0)G($+x,t+y)其屮，为原始图像灰度，是GABOR滤波后的图像灰度，W为滤波器模板大小，S为模板系数和，为子块的域方向值。需要注意的是GABOR滤波器屮的与指纹文理方向垂直。对

5、和的取值需要进行折衷，取值越大，则滤波器的抗噪性能越好，但也容易声成假的脊线。这里取和。•特征提収、兀配：将从指纹数据库中寻找与待识别指纹相似度最高的指纹图像。二、图像处理模块1.图像识别预处理图像识别预处理：减少由于指纹采集设备本身给指纹图像带来的一些噪声，和指纹本身有可能被污染，太干或太湿，给指纹图像带来噪声。图像识别预处理有以下儿个步骤：图1抬纹处理流程图a）原图像b）去毛孔噪声c）平滑小锐化二值化。）细化0特征点提取和去伪（1）去毛孔噪声：去除在采集指纹吋采集到纹线上的毛孔，如杲不先将毛孔噪声去除,细化Z后会出现大

6、量的小圈，影响特征点提取；（2）指纹增强：指纹增强技术的实质是提高图像纹线结构的清晰程度；（3）图像分割：指纹增强我们将指纹图像分为前景区、背景区、模糊区和白背景区。1.指纹图像二值化算法指纹图像二值化：就是把灰度图像转变为黑白相间的二值图像，通过设定一个全局阈值对增强后的指纹图像转变为用0、1两种灰度表示，（）代表脊线，为黑像素，作为前Mo1代表谷线，作为白像素。处理方式如下:f（J、j）=n>to；",j）

7、信息的丢失。因此我们使用适应局部阈值二值化的思想，既将图像分割成多个小块，对每个小块进行分别计算，局部阈值的选取参考局部块的各个像素，而且选収的阈值应尽量使该块图像内大于该阈值的像素点数等于小于该阈值的像素点数，这样可以使阈值具有自适应性，不会使大量有用信息丢失。自适应局部阈值二值化的流程图如图5：图5H适应局部阈值二值化流程图图5中T为该块指纹图像的平均灰度值Nh、N1分别为第（k,1）块指纹图像中灰度值大于等于T和小于T的像素点数，S=wXwX10%,w是分块尺寸（像素）。（2）图像的细化图像细化操作应该在经过阀值分割

8、后的二值图像上进行。对图像进行细化处理的主要目的是为后继的后处理算法和细节特征提取算法做准备。在自动指纹识别技术中,一般要求细化后的图像必须是单像素宽的，而且细化总体效杲一定要好，否则将无法使用常规的特征提取算法提取细节特征信息。1.指纹图像匹配算法(1)基于角度的特征点距离匹配算法从细化的指纹图像屮提取岀特征点：其中分叉点记为｛久丿2……力｝,末端点记为｛弓，5……"“｝。对于每一个分叉点力和其他所有分叉点连线线段如下图3.2：/』，M，……,A-2Z/.-iZo那么特征点人(丿幻)相对于'存在一个相对转角，这个角度◎的

9、计算公narctan式是：j=)°将G,0-……昭有小到大的排序,这些角度严格按逆时针排列得到A,%……4"计算对应的欧式距离右，d，2……d：—如下图6所示。图6特征点转角示意图如果模板指纹和待识指纹中有一对分叉点是同一手指的同一分叉点，那么它们通过上式计算出的欧式距离也是严格一一对应的。经过长时间的