指纹识别的原理及关键算法的研究

4指纹图像的增强

指纹图像增强就是将模糊的指纹纹理改变得更加清晰，例如：将断裂的指纹纹线进行连接，把连接的纹线区分开，而且在这个过程中还需要保持原有的指纹图像结构，使图像更加易于提取特征信息。目前，有以下几种指纹图像增强方法：

（1）从脊线方向上采用平滑算子而在垂直于脊线的方向使用增强算子的图像增强算法。这种算法在理论上是十分正确的，但是要估计出脊线宽度以及滤波的参数却比较困难。如果参数估计有误，则会使得脊线产生污染，并且对于脊线上有折痕的指纹会产生偏差。

（2）基于Gabor滤波器的指纹图像增强算法。此算法是在使用上一方法之前先进行滤波。将指纹图像分成不同的区域，有效削弱垂直于主导纹线方向的噪声，提高方向信息提取的可靠性。

（3）傅立叶增强后滤波的方法。基于时间和处理效果的考虑，先采用傅立叶变换来增强指纹图像，然后使用滤波器来修补指纹图像的纹线。具体为：首先，多级分割出可恢复区域块，将该块像素变为复数形式；利用离散傅立叶变换，滤掉频率过高或过低的频带噪点；利用方向滤波器消除指纹的断裂和叉连。

5指纹图像的提取

5.1在细化图像的基础上提取

首先，需要对指纹图像进行细化处理，将指纹纹线变细，然后通过分析纹线上每一个像素点的8个方向上的连接点来判定该像素点的类型、位置，并且通过分析该像素点所连接的纹线段来判断点位的方向，进而提取出特征点。这个方法存在的优点是原理比较简单而且容易实现；缺点是需要对大量的像素点进行细化处理，时间较慢，当图像质量不高时，细化处理会产生很多杂质项。

5.2从原始灰度图像上直接提取

利用指纹方向图，在灰度图像上跟踪指纹的纹线，每跟踪一定的长度，根据图像的投影极值来确定纹线的位置，当遇到端点和分叉点时无法投影，跟踪过程自动终止。这个方法的优点是具有较高的效率和精度；缺点是实现起来比较复杂，需要大量的运算，而且当图像质量不高时，求出的方向图可能不可靠，导致跟踪出的纹线出现偏差。

6指纹图像的匹配

指纹图像匹配是指用当前指纹图像提取出的指纹特征与事先预存在指纹数据库中的特征进行比对，从而判断这两个指纹特征是否一致，即是否来源于同一根手指。这个阶段为了避免一些因素的干扰，例如变形、虚假特征点、特征点位置误差等，需要设计一个准确有效的匹配算法。目前，有以下几种方法：

（1）基于点模式匹配算法。目前大多数算法都是基于细节点的特征来进行匹配。该匹配分为以下几种类型：基于匹配的对象可以分为1对1进行匹配和1对多进行匹配；基于匹配的适应程度可以分为弹性的匹配和刚性的匹配。

（2）基于纹理模式匹配算法。首先将指纹图像分割出来的有效区域进行网格化，然后利用Gbaor滤波从像素点的8个不同的方向处理该纹线区域，得到指纹的全局信息和局部信息，并转化成一个特征信息，最后比较当前指纹图像和数据库中的图像相应特征信息的差异。该算法可以解决质量较差且区域细节点难以提取的图像匹配的困难。但是这种方法需要对每个像素点进行大量的运算，而且无法处理形变比较大的指纹图像的匹配。

7结语

本文讨论了在指纹识别技术的各个阶段中的关键算法，并对这些算法进行了深入的分析，为指纹识别的进一步研究提供了理论依据。