指纹传感器工作原理及提高匹配性能的方法

指纹识别过程同所有的生物体特征识别的过程类似，分为用户注册和特征匹配2个部分。首先，需要录入指纹图像，对获取的原始图像进行处理，包括图像增强、分割、细化、二值化等。然后，对指纹的细节特征进行提取，比较常见的特征点有分叉点、端点，最后，生成模板储存在系统数据库中。无论是验证或者辨识的过程，都需要将待识别的用户的指纹图像再一次进行同样的图像分割、细化、二值化、特征提取等一系列步骤，生成和数据库模板同样的数据格式，最后，进行比对，得出识别的结果。

现有的指纹识别算法的前提条件是使用相同的指纹识别器上采集指纹或认证。所以，在网上的很多用户只能用同一类指纹识别器才能实现认证，实践证明：如果换作不同的指纹识别器，验证系统的性能将大大降低，这是因为指纹识别器没有标准的互换规定。

由于各种识别器的使用算法的不同，要使用指纹识别器的各系统需要个别的登录，而且，认证时必须使用与登录时使用的识别器类型相同。这说明个人和系统需要保留多个不同种类的识别器。解决不同识别器之问的通用算法就成为目前研究的一个很有意义的课题，这样，用户可以在自己的电脑上使用不同的识别器，方便了在线指纹验证系统的使用价值。

由于某类指纹传感器仅仅适合同种类型的采集仪验证使用，为了允许更多的用户使用和阻止假冒用户试图欺骗系统，多传感器指纹融合提高系统的性能显得很有必要。本文提出一种简单的融合策略研究了两类常用的指纹传感器一光学传感器和电容传感器。两类传感器分别采集两幅图像后通过预处理程序提取细节点后分别与模板指纹相匹配，得到2个匹配分数，然后，把这2个匹配分数通过融合规则得到最后的匹配分数，通过与单一传感器性能比较表明：融合后的结果对系统的性能有了很大的提高。

1提出的融合框架

图1为提出的多传感器指纹验证系统框架图。首先，通过光学和电容传感器采集用户的指纹图像。然后，对图像进行预处理和分别提取两类传感器采集的指纹图像的特征，基于细节点的匹配算法被分别应用到光学和电容细节点集，因此，有2个匹配分数，并使用融合规则融合这些分数。

图1多指纹传感器验证系统框架图

1.1指纹传感器的类型和工作原理

由于当今指纹传感器规格很多，但是，至今仍然没有一个恰当和统一的协议和标准。目前，市场上现有的传感器主要有光学传感器和电容式传感器两类。

1.1.1光学传感器工作原理

它的基本原理如下：将手指按压在玻璃平面的一侧，在玻璃的另一侧安装有LED光源和CCD摄像头，LED发出的光束以一定的角度照射向玻璃，摄像头用于接收从玻璃表面反射回的光线。手指上的脊线与玻璃表面接触，谷线不与玻璃表面接触，因此，照射在指纹脊线所接触部分的玻璃表面的光线被漫反射，而照射在指纹谷线所对应的玻璃表面的光线被全反射，从而在由CCD摄像头捕获的图像中，对应指纹脊线的部分颜色较深，对应指纹谷线的部分颜色较浅。

1.1.2电容传感器工作原理

电容传感器原理根据按压到采集头上的手指的脊和谷在手指表皮和芯片之间产生不同的电容，芯片通过测量空间中的不同的电磁场得到完整的指纹。由这一构造原理，可以大大地提高指纹的防伪性。伪造的指纹一般用硅树脂或者白明胶等绝缘材料，在电容传感器上是无法成像的，这样使伪造的指纹无用武之地。但电容技术的芯片昂贵，且易受到干扰。

1.2指纹图像处理

在该识别过程中，首先，通过指纹采集仪器采集到指纹J，由于采集指纹图像时图像质量不高或者在捺取指纹过程中因用力不均造成指纹畸变，常常会造成指纹图像分割的不准确，给后续的指纹识别带来更大的困难，造成指纹自动识别系统的拒识或误识，所以，指纹采集后的第一个关键技术就是对采集到的指纹图像进行预处理，包括对指纹图像的增强、二值化和细化等。预处理完成后即可进行特征提取，然后，进行特征匹配，输出匹配结果，如图2.

图2指纹图像预处理步骤

最后，细节点被提取出来，细节点定义为：端点和分又点（如图3），纹线端点是一条纹路的终结点，而纹线分叉点是一条纹路再次分开成为两条纹路的点。这2种特征点在指纹图像中出现的几率最大、最稳定，易于检测，而且，足以描述指纹的唯一性。

图3指纹细节点类型

两幅指纹图像的匹配主要是解决旋转、平移和形变等问题。本文中，指纹匹配的输入是2个特征点的点集尸与Q，其中一个点集P是从输入的指纹图像中提取出来的，另一个点集合Q则是预先从标准的指纹图像中提取出来储存在模板库中。这2个点集合分别表示为

其中，记录了点集P中第