...绿色代表的是识别特殊增强的区域.-基于FPC1011F的指纹识别系统...

[摘 要]提出了一种基于matlab 的指纹识别的工程方法。描述了指纹识别系统的基本结构，并且对指纹图像依次进行灰度化、分割、二值化、中值滤波、形态学处理、特征提取、特征匹配。实验结果表明：指纹识别系统可以较好的进行识别，准确率达到了90%。

[关键词]Matlab语言；指纹识别；特征提取

中图分类号：TM73 文献标识码：A 文章编号：1009-914X（2016）16-0242-01

[Abstract]A simple engineering method for fingerprint recognition system was proposed. it describes the basic structure of the fingerprint identification system， and in the fingerprint recognition image processing，graying， segmentation，binaryzation，medium filtering， morphology process，feature extraction ， feature matching . The experimental results showed that is method can identify a better accuracy rate reached 90%.

[Key words]Matlab；Fingerprint Recognition；Feature extraction；

指纹识别技术应用广泛，因为指纹的独一无二性和稳定性以及特异性，它被广泛应用于上班签到、破获案件、商业活动中的身份鉴别等领域。指纹门禁系统通过将用户的指纹特征与指纹特征数据库中的数据进行对比实现用户身份的鉴别，并不直接保存和使用用户的指纹图像信息，不会侵犯到用户的隐私信息，是当前技术最先进、应用最广泛的门禁系统。指纹签到系统是通过将职员的指纹特征存储在数据库中，并且在职员签到时将指纹特征和指纹特征数据库中的数据进行对比实现身份验证并且记录当前时间。指纹识别系统是目前研究最多、最有应用前景的生物识别系统。

1 指纹图像预处理

为了得到准确的指纹对比结果，在对比前需要对指纹图片进行预处理.对指纹图像进行灰度化、分割、二值化、中值滤波、细化。

1.1 灰度化

彩色图像一般基于RGB模型，考虑到指纹图像颜色单调，转化成灰度图像仍能保留完整的信息，而且从空间和速度方面考虑，将彩色图片转化成灰度图像，不仅可以减少运算量，提高数据处理速度，还可以减少图像存储空间。图像的灰度化就是将彩色图片中的色度和饱和度删除，仅保留其亮度信息.彩色图像进行灰度化有4中常用方法：三色均值法、最大分量法、加权平均法、转化到其他颜色空间方法。本系统采用加权平均法来进行灰度化，赋予R、G、B不同的权值，即RGB2GRAY函数。

1.2 图像分割

图像分割是根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个区域。本系统使用的是阈值法。图像阈值化的目的是按照灰度级，对像素集合进行划分，从而得到相对应的区域。一般有基于点的全局阈值选取方法，基于区域的全局阈值选取方法。本系统采用基于区域的全局阈值选取方法。

2、指纹图像特征提取

2.1 特征提取概念和方法

特征提取就是对细化后的指纹图像提取其特征的操作。一般说来，这种特征应有以下性质：（1）单一性 （2）可测试性 （3）紧凑性？（4）鲁棒性。

为了比较两个指纹是否相同，需要从指纹图像中提取出能表示指纹唯一性的特征。Galton提出的指纹细节点是人工指纹匹配中最常用的特征。Galton定义了4种细节点类型：分叉点，端点，环、岛，并指出细节点具有唯一性，可以用于指纹匹配。端点和分叉点成为最常用的结构特征，也称为细节特征，它被认为是最稳定、最容易检查的，而且占全部特征点的80%以上。提取出的特征点还必须经过伪特征点的去除，尽可能地去除掉由于二值化、细化处理等过程引入的伪特征点。最后确定出特征点的类型、位置、方向。

2.2 指纹特征提取及其去伪

目前在细化二值图像中提取细节特征多是用8邻域法，该方法比较简单，在得到可靠的细化二值图像后，只需要一个3×3的模板便可将端点和分叉点提取出来。对于细化二值图像，像素点的灰度值只有2种情况。

去除伪特征点的算法是将特征建立为一个3维数组，前两组用于记录端点和分叉点。第3足则专门记录伪特征，最终可以除去。端点和分叉点的判断都是运用了上述的8邻域法。其中

（1）端点的判断条件为：周围的8邻域两两相邻当且仅当存在2个不同值。此时的处理为记录数组2，记录点的个数，并将该点记为0，而它的8邻域点记为1。

（2）分叉点的判断条件为：周围的8邻域两两相邻当且仅当存在6个不同值。此时的处理为记录数组1，在上述基础上记录点的个数，并将该点记为0，而它的8邻域点记为1。

（3）伪特征点全部计入数组3。

伪特征主要有毛刺、假桥、岛屿、断脊、短脊；其中，毛刺、短脊以及岛屿均为从一个特征点出发经过很小的步长到达另一个特征点，可以采用沿脊线搜索特征点的方法去除伪特征对，假桥，断脊则需要考虑伪特征的角度关系。

3、指纹图像的特征匹配

指纹匹配是对两幅给定指纹图像的特征进行比对，判断这两幅图像是否来自同一个人的同一手指。指纹匹配是自动指纹识别的最后一步，也是非常关键的一步。

指纹图像匹配主要有基于图像，脊线结构和特征点的方法。

基于特征点的匹配算法具有简单、快速、鲁棒性等优点。目前最为常用的方法是FBI提出的细节点坐标模型来做细节匹配。它利用脊线上的端点和分叉点这两种关键点来鉴定指纹。通过将细节点表示为点模式，一个指纹识别问题可以转化为一个点模式匹配问题。点匹配算法是通过某些变换，如平移变换、旋转变化、伸缩变换，可以把两个点集中的对应点匹配起来。对于基于细节点的匹配思路大体分两种：基于直角坐标系的特征识别和基于极坐标系的特征识别。点模式匹配将注册指纹和待识指纹的特征点定义为两个点集和P和Q通过平移和旋转使得两个点集重合点数最多。

4、总结

本文实现了基于Matlab的指纹识别系统。针对指纹图像的特性，将阈值法、模板细化、点模匹配应用于指纹识别技术，以改善指纹识别算法的性能。本文方法的统计结果误差10%以内，结果表明，本文方法简便可行，是一种有效的工程图像处理方法。

参考文献

[1] 谢立锋，陈灵枭.浅谈指纹识别基本原理.技术与市场，2008.1：44-45.

[2] 田捷，陈新建，张阳阳.指纹识别技术的新进展.自然科学进展，2006.16（4）：400-40.

[3] 王崇文，李见为，周宏文.指纹识别系统的设计与实现.计算机应用，2001.21（12）：23-25.

[4] 王业琳，宁新宝，尹义龙，指纹图像细化算法的研究.南京大学学报：自然科学版，2003.39（4）：469-475.

作者简介

谭国栋（1994—），男，汉族，山东省泰安市，学生，郑州大学，电气工程学院，生物医学工程专业。