一种新型指纹识别系统的设计与实现

3 指纹识别算法

指纹处理和识别算法是整个系统的核心，且都在DSP上实现。整个流程如图4所示，主要包括图像预处理、特征提取和指纹匹配3部分。预处理又可分为图像分割、归一化、图像增强、二值化以及图像细化等。



传统的图像分割算法主要有2类：一类是基于指纹图像方向信息分割的方向法；另一类是基于图像灰度特征分割的方差法。系统采用了一种基于特征融合的分割算法，对梯度、方向一致性进行2次分割。实验表明，该算法能够精确地对不同类型的指纹图像进行分割，分割效果比较理想。

图像归一化是为了对不同的指纹图像进行统一处理，将源图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个统一的基础[4]。方向图计算、背景分离到频率提取，所有算法都可以在互补重叠的小区域内单独进行。所以本文采用分块规一化的方法，将图像分为14×14大小的子区域，再对子图像进行规一化，保证了各个小区域内均值和方差的一致性。

笔者实现了基于非线性扩散滤波的指纹图像增强新算法。该算法利用指纹图像的结构张量构造扩散张量，使得滤波沿着指纹脊线方向扩散。该算法属迭代算法，比 Gabor滤波算法能量聚集慢，可以有效地连接断裂脊线，而不会改变指纹脊线的连续性和奇异性。经过测试，该算法能提高细节点提取的性能，增强指纹匹配的效率。

图像二值化的关键问题是选取一个合适的阈值，经过在系统中实测，选择阈值To=180。图像细化处理是指为了减少所需处理的信息量，便于提取指纹特征 [5]。算法中采用了一种最近邻点方式来抽取纹线骨架。既可以消除短枝和断线等噪声，还能满足指纹细化的保持性、连接性、中轴性和快速性要求。

细化之后的指纹图像就会呈现出特征信息。研究表明，中断点和分支点这2类特征点就可以描述指纹的唯一性。所以，本文采用一种基于8连通域判断法的特征点提取方法。该方法是在细化后的二值图像上，对于细化图像的任意点P计算其交叉数和8连通纹线点数，然后遍历细化图像中的每一个像素点，即可得到所有的端点和分支点。图5给出了指纹图像识别过程中的部分结果图像，很好地保持了原指纹图像的特性。



图像匹配就是判断2次输入指纹的特征集合(模板)是否属于同一枚指纹[6]。本系统采用基于点模式匹配算法进行指纹识别，有效地解决了数量和位置都不尽相同的2幅指纹细节图像进行最优匹配的问题。在系统硬件平台上，通过HV7131R采集到的指纹图像作为测试样本，每一枚指纹分别测试100次来评价 FRR（错误拒绝率）与FAR（错误接受率）。实验显示：FRR为3.5%，FAR为0%，比对结果令人满意。

本文提出了一种基于TMS320VC5501 DSP的新型指纹识别系统。仅用一片DSP芯片，实现了存储器扩展、指纹图像采集、人机交互模块等的设计，既可以独立运行，又可以进行二次开发。指纹图像识别算法是系统的核心，经过在系统硬件平台上的实际测试，算法体现出了运算速度快、识别效率高等优点。目前该系统的二次开发产品已经进入商用阶段并得到用户好评，从而充分证明了其适用性和可靠性。

参考文献

[1] 彭启宗，武乐琴，张舰.TMS320VC55x系列DSP的CPU与外设.北京：清华大学出版社，2005.
[2] Texas Instruments.TMS320VC5501/5502 DSP external memory interface reference guide.2005.
[3] MagnaChip Semiconductor Ltd.CMOS image sensor HV7131R，Version1.7，2004.
[4] 刘少聪.新指纹学[M].安徽：安徽人民出版社，1984.
[5] 王崇文，李见为.指纹细节特征提取与剪枝.光电工程，2002(4)：68-71.
[6] 张堂辉，田捷，刘旭.基于DSP指纹识别核心算法的设计与实现.计算机工程与应用，2003(16)：25-27.

作者：傅 磊 史延东 李 飞 宁 飞