基于小波变换的指纹图像处理分析

《基于小波变换的指纹图像处理分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、华中科技大学硕士学位论文1．1研究工作的背景及现状1．1．1指纹处理急待解决的问题1引言指纹识别是一种生物(Biometric)识别技术。所谓生物识别技术，是指依靠人体的身体特征来进行身份验证的技术。通过取代个人识别码和口令，生物识别技术可以阻止非授权的访问，可以防止盗用ATM、蜂窝电话、智能卡、桌面Pc、工作站及计算机网络；在通过电话、网络进行金融交易时进行身份认证；在建筑物或工作场所，生物识别技术可以取代钥匙、证件、图章和卡阅读器。目前的生物识别技术主要有指纹识别、虹膜识别、面部识别、声音识别等，其中指纹识别技

2、术更是生物识别技术的热点。随着数字图像处理技术和模式识别的产生和发展，在上世纪七十年代人们开始将数字图像处理和模式识别技术应用于指纹识别上，高效的指纹自动鉴别方法一直是研究的核心所在，而近几年来由于计算机科学得到迅猛发展，大量的指纹档案以指纹图像文件的形式存放在计算机中。如何对指纹图像进行有效压缩、预处理以及分类识别成为指纹处理的焦点问题。虽然很多学者对指纹图像进行了大量的研究，但由于图像处理的复杂性，到现在离问题的最终解决尚有一定距离。随著指纹技术的发展，大容量的指纹数据库中，指纹图像需要压缩之后以较小的存储空间

3、来保存；如果指纹用于远程身份认证(如电子商务、网上银行等)，则需要通过网络传输指纹图像，如果能在发送端将指纹图像压缩，在接收端进行解压缩，就可以减少网络传输的数据量。于是指纹压缩的课题提到日程上来，这是目前的一个研究热点。指纹识别技术极为关键的部分是指纹细节特征的提取与指纹匹配技术。指纹匹配算法的性能主要取决于所提取到的特征点数目、位置和相互关系的可靠性。由于指纹采集仪的性能不高或者其他外界因素，在实际应用中，有相当一大部分要处理的指纹图像质量比较差。要想使设计的细节特征提取及匹配算法对低质量指纹图像也能可靠华中科

4、技大学硕士学位论文地工作，必须首先经过一个高效的增强处理，以提高指纹图像的质量。但从现有的文献【1-51和产品来看，对低质量指纹图像的处理效果还不能令人满意。指纹处理的计算复杂性也是一个问题。指纹主要用于身份识别，实际应用要求自动指纹识别系统能对识别任务实时做出响应，然而，让指纹处理算法同时达到高速度和高准确度却是一个难题。1．1．2指纹压缩与增强处理指纹具有唯一性、稳定性、可再生性的特点。按照现代科学界的结论，人类人口按60亿计，则需300年才可能出现重复的指纹，概率几乎为零；其次，一个人在母腹7个月时指纹就已定

5、型，随着年龄的变化，人的相貌体格都在变化，而指纹却保持不变；另外，只要不伤及真皮组织，指纹即使被磨掉，也会很快长出来。基于以上特点，指纹在越来越多的领域，如社会安全、办公安全、资讯安全、金融安全、家庭安全、个人安全等方面得到广泛的应用。由于指纹图像的信息量大且有很大冗余，需要对指纹图像进行特征提取，用特征来表示一幅指纹图像。指纹识别算法的实质是在指纹图像上查找并比对指纹的特征，指纹识别算法中用于匹配的指纹模板，其中保存的数据就是从指纹提取出的特征数据，即节点的各种信息(方向、曲率和位置等)，或者是由节点的各种信息组

6、合产生更多的数据。指纹信息的基本处理流程如下：采集指纹图像、图像增强，前处理，细节特征提取，最后进行指纹比对，做出判断。f采集指纹图像f—’}图像增强f-+f前处理卜f提取特征f—'f指纹比对fr。。。。。‘‘。·______-。⋯P。___————____。一_。_-．__—————-。一图1．1指纹处理流程从图1．1可以看到，在对指纹图像前处理之前要先进行图像增强处理。理想情况下，指纹图像有着良好的结构，可以很容易地从细化图中检测到纹线，特征点也可以精确地定位。但由于目前指纹仪的采集质量受手指状态的影响较大，手

7、指被弄脏，比较干燥、湿润，或者手指受伤等都会导致采集的指纹图像质量比较低。据统计，获取的指纹图像中有大约百分之十质量很差。由于低质量指纹图像的脊线结华中科技大学硕士学位论文构不清晰，因此特征不容易被准确地提取出来，这会导致一些问题，如伪特征点大量出现，真特征点被漏掉，且极有可能在特征点的定位、位置和方向计算中引入了较大偏差。因此，在提取特征点之前需要先对指纹图像进行增强处理，提高图像的质量，以便准确提取到特征点信息。指纹增强算法可以基于二值图像进行操作，也可以基于灰度图像进行操作。由于指纹的脊线与谷线相互平行、交替

8、出现，因此在理论上可以使用一些简单的经验方法，对二值图像进行纹线增强。然而，对原始灰度图像进行二值化分割的同时，往往会丢失大量有用的纹线结构信息。因此，基于二值图像的指纹增强有其固有的局限性，专业的指纹增强算法都是基于原始灰度图像进行的。一个好的增强算法可以去除或抑制图像中的噪音，强化图像中有意义的信号部分，从而提高细节特征提取的准确性，进一步提升整个系统的