指纹识别算法流程简介

指纹识别算法在特征量的选择方法和任意角度旋转时不变的特征量照算法上具有鲜明的特点：识别速度 0.5s;单指特征信息量 256Byte 字节;拒真率 0.01%;认假率 0.0001%。下面针对指纹识别算法的步骤进行具体介绍。
　　
(1)输入指纹
　　从 CCD 录入模块输入的指纹图像是大小为 256 × 256PIX (像素)的黑白图像。
　　
(2)提取指纹区域
　　指纹录入部分根据手指的压力和手指接触的位置抓住背景。若提取指纹的局部区域有可能降低指纹识别率。由此看来，提取实际有效的指纹区域是非常重要的。
　　处理方法：首先把指纹区域分成若干个一定大小的块，再利用块的浓度分布信息，进行了指纹边缘的提取。
　　
(3)自动成像
　　录入部分没有物理按扭功能的情况下，确定采集指纹的瞬间是必需的。自动成像功能在处理残缺图像、或湿度过大的低质量图像中，必不可缺的重要部分。
　　处理方法：利用一部分指纹区域的浓度分布图，用程序实现。
　　
(4)数字化处理:数字化处理是利用图像块的浓度平均值和背景浓度自动被处理。
　　
(5)指纹形态的分类
　　根据指纹形态分类的特征点来提高识别速度和认假率，是非常有效的。
　　处理方法：指纹形态分类是指以指纹中心点为基准、并考虑失量区域分布特点进行的 4 种形态的分类。我们的形态分类方法在 4 种形态分类中具有 99% 的识别特征。
　　
(6)非线性适配滤波器
　　输入图像中，在指纹线幅度变化或者孤立点 ( 孔 ) 多的情况下，检测出特征点时，可能会出现许多假特征量;还有滤波处理不当时，也会检出假特征量。如指纹线间被连，或应该连着的地方被断裂的现象。
　　处理方法：去除白点周围的黑色区域和黑点周围的孤立区域。保障指纹线幅的均一性。滤波是结合线性滤波器和中间值非线性滤波器实现的。
　　
(7)指纹的中心方向(此处取消)
　　指纹的中心方向是应付任意角度旋转的重要特征量之一。
　　处理方法：首先把指纹图像以中心点为基准分成四个区域，再利用每个分区的方向分布，定了一个中心方向。
　　
(8)决定指纹块方向矢量
　　指纹块方面矢量在决定指纹中心方向和正确地选出 Minutia 时起辅助作用。
　　处理方法：指纹的全体领域分成 16 个方向，并把出现的 Pike( 尖峰 ) 靠 8 方向 Mask 去除。块方向矢量为基础，更容易决定指纹中心的新方法。
　　
(9)特征量的决定 ( M inutia 位置、方向、种类等 )
　　目前，大部分特征量选择方法有细线化为基础的方法，指纹线幅的均一性保障为基础的方法等等。上述方法的弊端是处理时间太长。我们的指纹识别算法是数字化处理值 ( 已经过滤波 ) 的基础上直接决定Minutia 。这种方法的特点是能够快速地决定指纹线的始点、终点，可能成为分岔点的候补特征点，并参照方向矢量去除了虚假特征点。上述方法缩短了整个识别时间。
　　
(10)特征量登录
　　登录的指纹特征量信息限制在 256(Byte) 字节， ( 一人的指纹信息 ) 特征量对照时，为了快速完成搜索，合理配置了搜索键。
　　
(11)高速对照算法
　　处理方法：对照算法的特点是利用适用于任意角度旋转的评价函数，通过最少的运算来完成比较检索。即把 Minutia 位置的相对距离、方向差、种类的比较合理地组合起来，进行对照，提高了识别效果。