基于TMS320VC5409型DSP的指纹识别系统

1 引言

随着计算机与信息技术的不断发展，生物特征识别技术研究受到了广泛的关注。生物特征识别是用生物体本身的生物特征来区分生物个体的计算机技术，它所研究的生物特征包括脸形、指纹、手掌纹、虹膜、视网膜、声音、体形、个人习惯等，相应的识别技术包括人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别、体形识别、键盘敲击识别、签字识别等。本文介绍的指纹识别便是生物识别技术的一种，它相对其他识别系统(如虹膜、脸形)有很多优越性。首先指纹具有独特性和稳定性，并且信号容易采集，识别算法已经很成熟。目前，基于通用PC机进行指纹识别的技术已经开始大规模推广．但它造价高，系统复杂，体积庞大．只能用于固定场所，显然不适合在保安、网络、手机、门禁等系统中应用。随着DSP性能的不断提高和价格的大幅度下降，它的应用范围亦不断扩大。其中，重要的应用领域是实时信号处理。指纹识别系统对速度的要求高，计算量大，处理过程中的很多运算都是乘法和加法运算，这正是DSP的强项。

2 指纹识别系统的原理及组成

指纹识别技术使用取像设备读取指纹图像，通过识别软件提取指纹图像中的特征数据，然后根据匹配算法得到的结果鉴别指纹所有人身份。

指纹识别系统由离线和在线两个部分组成，主要涉及指纹图像采集、图像预处理、特征提取、特征匹配等过程。在系统的离线部分，用指纹采集仪采集指纹．提取出特征点，然后将特征点保存到数据库中．形成指纹模板库。在系统的在线部分，用指纹采集仪采集指纹．提取出特征点，然后将这些细节点与保存在数据库中的模板特征点进行匹配，判断输入特征点与模板特征点是否来自同一个手指的指纹。自动指纹识别系统框图如图1所示。



　
3 软件设计

3．1 图像预处理

由于受到各种因素的影响，采集到的指纹图像是一幅含噪音较多的灰度图像．需要先对此图像进行预处理。指纹图像预处理是指对采集到的低质量指纹图像依据一定的算法和处理过程使其纹线结构清晰化．尽量突出和保留固有的特征信息而避免产生伪特征信息。指纹图像预处理是指纹自动识别过程中的第一步，它的好坏直接影响着指纹自动识别系统的效果。图像预处理包括滤波、二值化、细化和去噪。

由于在局部范围内指纹图中纹线具有方向性一致，宽度基本相等，间距基本相同等特性，所以基于指纹的这些特性对传统算法加以改进。采用方向图滤波来对指纹图像进行处理。首先将指纹纹线的方向在O"π之间平均划分为K个基本方向，每个方向为π/K，这里取K=8．以每个像素点的方向来表示指纹图像，如图2所示。



然后按式(1)及式(2)分别求出8个方向的Sd的值。
　



其中f(i,j)是点(i,j)的灰度值，(ik,jk)是方向d上的第k点,N是所取的方向数，n是所取的邻点数，这里取n=4，d’代表与d垂直的方向。点(i,j)的方向是S4取值最小的方向d,即灰度变化最小的方向。然后，设N(d)是某一像素8邻域中方向为d的像素的个数，定义N(d)的最大值为N(D1)，次大值为N(D2)，其对应方向分别是D1和D2，C(i, j)是点(i，i)校正后的方向代码，按式(3)进行平滑，从而得到好的滤波效果。



然后进行二值化处理，二值化处理是指将整幅图像处理成仅存黑（灰度值为0）和白（灰度值为1）二值。本文采用动态阀值法，把指纹图像分成若干子块计算每一个子块的灰度均值，若该块内某一象素点的灰度值大于这个灰度值，那么这个点就取1，反之取0，依此法对每一个子块进行处理。二值化过程中难免引入噪音，所以，处理之后要进行取噪处理，其作用是填补二值化后纹线上的孔洞或者删除纹线上的毛刺和鼓励的值为1的象素。

然后对生成的二值图像进行细化处理，即在不影响图像连通性的基础上删除纹线的边缘象素，直到纹理线为单象素为止。笔者选取 逐层迭代算法，并把一次迭代分作两此扫描，由周边向中间逐层细化，使细化结果位于原图的中轴，然后依然要进行去噪处理。

图3示出指纹采集到的指纹图像经过预处理后的效果。



　
3.2 提取特征点

指纹识别算法最终归结为在指纹图像中找到并对比指纹的特正点。从预处理后的指纹图像中找出所有连通数为3的点，可以得到分叉点；而求取端点要用一种变通的方法将指纹分割图反相，再细化,然后提取分叉点，得到的分叉点就是实际的端点。这样得到的特征点大部分都是真的，但也包含因噪声影响而产生的伪特征点，这将使鉴定误识率上升,所以必须去除这些伪特征点。将边缘处的一些特征点及一些空洞和毛刺去除：计算已经选定的可能特征点与边缘的距离，当小于门限值的时候，认为该点不可靠，将其去除。用特征点与指纹中心点之间的纹线数以及特征点到中心点连线与指纹图像坐标的夹角来表征位置信息，将这些位置信息存入指纹库。