指纹识别的原理及关键算法的研究

生物特征识别技术（Biometric Identification Technology），是指通过对人体身上的某些生物特征进行识别和认证，从而实现身份识别的一种专门的技术。其主要包括人脸的识别、语音的识别、虹膜的识别、手掌形状的识别、指纹的识别等多个识别技术。生物特征识别技术包含以下几个特点：普遍性、唯一性、安全性、可采集性、可接受性等。由于生物特征识别技术有着上述良好的特性，相对于传统身份识别，克服了许多缺陷。因此，其越来越多地被采用到各类安全场合。指纹识别技术是指根据不同指纹具有不同纹理特征的特性，将不同指纹图像之间的多个全局特征和局部细节特征进行对比，从而确定身份的一种认证技术。相对于其他识别方式，指纹识别更加方便和准确。

1指纹识别的原理

指纹识别技术包含有以下两种主要的识别技术：第一种是采用不同指纹图像统计对比的方法，第二种是采用指纹图像本身固有的特征信息进行比对的方法。第一种方法主要是将两幅指纹图像进行统计对比，查看他们之间相似度的大小，根据大小来判断这两幅指纹是否取自于同一个人，从而实现身份识别的作用。第二种方法是根据两幅指纹图像的结构特征，比较他们的特征信息，确认他们的身份。特征包含两种类型：全局特征类型和局部特征类型。

指纹识别技术的全过程是：（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，从而提升后面处理的效率。在预处理之后，得到了一个关于指纹图像的轮廓线，为下一步特征提取做准备。（3）进行指纹图像的特征提取，提取出其特征信息点。（4）对指纹图像进行特征匹配，把提取的特征点与数据库中预存的特征点进行比对，通过比对来判断身份。根据英国学者E.R.Herry的研究发现，两个指纹图像中，如果特征点的对数有13对是重合的，就可以认为这两个图像取自于同一个人。

指纹识别系统的主要性能参数有以下几种：

（1）误识率：指两个不同指纹被错误地识别成相同指纹的概率；

（2）拒识率：指同一个手指的两个不同指纹样本不能匹配，即被认为来自不同手指的概率；

（3）等错误率：第一和第二种错误相等时的数值；

（4）注册时间：从指纹被采集到完成指纹特征提出所需要消耗的时间；

（5）匹配时间：两个指纹样本进行一次对比匹配所需要消耗的时间；

（6）模板特征的大小：从一个指纹图像中提取出的指纹特征的存储容量；

（7）分配内存的大小：在指纹识别的各个阶段，计算机系统需要占用的内存数量。

2指纹图像的质量评估

在通过指纹采集设备把图像采集进入系统之后，我们需要对采集到的指纹图像的质量进行评估。如果图像的质量不达标，就会对后期产生影响。因此，需要对指纹图像进行评估。目前，指纹图像的质量评估有以下几种方法：

（1）计算图像的信噪比：这种方法是指求出图像的信号与噪声的方差之比。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为信号方差，最小值设为噪声方差，求出它们的比值，再转成dB数，最后用经验公式进行修正。此方法在效率方面表现一般。

（2）统计指纹图像细节点的数量：对指纹图像中细节点的数量进行识别和统计。通过数量的多少来判断该指纹图像的质量是否在合格的范围之内。此方法理论上可行，但是由于首先需要对指纹进行预处理、提取细节点，因此效率不高。

（3）视觉客观测度：该方法建立在视觉测评过程和客观测度基础上，利用设定的评测参数，对指纹图像的质量评价出一个综合结果。这一方法从全局上对指纹图像的质量，能够得出很好的判断。但是从局部上来看，指纹的纹理分析缺少了对指纹方向信息的判断。

（4）计算指纹图像方向信息：从指纹图像局部特征开始，结合指纹的全局特征来判断指纹图像的质量。通过检测图像的有效面积和清晰度，来确定图像是否合格。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，通过比较前景块和背景块的比例来判断是否是偏手指；再次，通过图像块的对比度的大小来判断是干手指或湿手指（干手指对比度较大，湿手指对比度较小）。

3指纹图像的分割

在指纹图像质量评估合格后，需要对图像进行灰度变换，即对指纹图像均衡化，使得图像灰度均衡，以及对图像进行归一化。在这些完成之后，还需要对图像按照一定的算法和要求进行分割。即把指纹图像中质量很差，后期无法处理的图像区域与有效区域进行区分，使后期处理集中到有效区域上，提供特征提取精度，减少处理时间。目前，常用的分割方法有以下几种：

（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，然后按照不同的区域分割。如果指纹的纹理线不连续、图像的灰度单一等方向难以正确估计或者有些区域变化剧烈，则此方法不能进行有效的分割。

（2）基于图像的局部灰度均值、局部标准差和局部一致性的分割方法：利用指纹图像局部区域的灰度均值、标准差和一致性作为特征，再采用线性分类来分割指纹图像。局部图像的一致性显示了局部图像的纹理走向，但是这些特征对于模糊区域无法做出有效的表示。

（3）多级分割法：就是将指纹图像进行多级分割，逐级减少分割的范围。例如：第一级分割图像的背景区域，第二级在前景区域中分割出模糊区域，第三级从模糊区域中分割出不可恢复区域。

（4）动态阈值分割法：根据各个子块的局部灰度对比度自动调节阈值，基于像素的方差进行分割。该方法简单、快捷、分割效果好。具体为：将图像划分为不重叠的各个子块；计算每个子块的平均灰度和灰度方差；计算方差最大值与最小值之间的差值；定义动态阈值，并分割图像；平滑操作，去除孤立块。