计算机视觉(章宏权).docx

计算机视觉在指纹识别技术方面的应用 课程名称：计算机视觉 指导教师：黄玉波 学 生：章宏权学 号：2013223020065计算机视觉在指纹识别技术方面的应用1、计算机视觉技术在指纹识别技术中的应用指纹识别技术是使用最为广泛的一种生物识别技术，相比于其他生物识别技术，指纹识别技术在理论研究和实际应用两方面都有很丰富的积累，计算机视觉在指纹识别技术中的应用主要在于指纹图像的获取、指纹图像的预处理，以及指纹图像预处理之后指纹特征的提取。指纹图像预处理包括指纹图像的滤波增强、二值化、细化等，特征提取主要涉及对指纹特征的识别。2、指纹图像的采集指纹图像采集的传感器主要包括光学指纹传感器、超声波指纹传感器、CMOS压感传感器等几种，其中应用最广泛的是光学指纹传感器。光学指纹传感器的示意图如下图所示： 光学指纹传感器的原理主要利用平行光在嵴线和峪线处的反射不同，从而反射所成的像会反映指纹中的嵴线和峪线，利用CCD采集反射所成的像，就得到了指纹图像。 在指纹识别技术的实际应用中，与指纹图像采集功能同时存在的还有活体检测的功能，主要是为了检测伪造的指纹。3、指纹图像的预处理指纹图像的预处理主要包括滤波增强、二值化、细化等几个过程，其中滤波增强是为了减少噪音，增强嵴峪对比度，使得图像更加清晰真实。指纹图像的二值化一般是通过设定自适应阈值二值化指纹图像，方便后续的图像处理。细化是将嵴线的宽度降为单个像素的宽度，得到嵴线的骨架图像。（1）、滤波增强滤波增强包括滤波和增强两个方面，指纹图像在采集过程中会伴随着一些噪声，滤波就是基本消除指纹图像中的噪声，增强主要是让指纹的嵴线的亮度增强，从而提升嵴线和峪线的对比度，使指纹图像更加清晰真实。平均值滤波的算法：其中I（i，j）是原图像在一点的灰度值，M（i，j）是滤波后图像在该点处的灰度值图像增强的算法思路： 图像增强旨在增强纹路之间的对比度，因此增强指纹图像时，要按照嵴线的方向进行增强，因此首先就要判断纹线的方向，判断了每一点的方向之后，就可以按照该点的方向进行指纹图像纹线的增强。图像增强是指纹图像处理中最复杂的，其计算量也是几个处理过程中最大的。（2）、图像二值化指纹图像的二值化与一般的图像二值化有一定区别。因为采集得到的指纹图像并不是理想的指纹图像，也就是说图像中一点的灰度值的大小并不真实的反映该点是否在嵴线上，因此要设定一种自适应的阈值来二值化图像，自适应的阈值主要是通过图像中一点的方向和该点灰度值和周围点灰度值的关系两个方面来共同确定。二值化算法：其中i代表该像素点所在区域嵴线的方向，Gmean[i]代表在该方向上灰度值得平均值（3）二值化指纹图像的细化指纹图像二值化之后，会继续进行图像的细化，细化主要是把指纹图像处理成嵴线宽度为单个像宽。为后续的指纹图像特征做好准备，细化过程中不能打断嵴线，也不能改变图像的特征。但是一般在细化的过程中，因为原始指纹图像的不完善以及算法的不完善会导致细化之后的图像产生一些假的特征点，因此细化之后提取特征点时要检测并去掉伪特征点。4、嵴线的方向场 图中共有八个方向，其中方向 1和5、2和6、3和7、4和8都相互垂直。Gmean[i]为i方向上的灰度平均值，灰度平均值的求法不固定，一般取该方向上一定区域内像素点的灰度平均值，求出每个方向的灰度平均值后，计算Gdiff[i]=Gmean[i]-Gmean[i+4]的值，差值的绝对值最大的两个方向为嵴线的可能方向，具体方向选择方法如下：在两个可能的嵴线方向中选择一个正确的嵴线方向可由该点的灰度值和该点两个可能方向的灰度平均值两个条件来判断，不管该点是在嵴线内还是嵴线外，都可以运用这个准则去判断。5、指纹特征的提取 人体指纹的特征一般包括端点、分叉点、分歧点、孤立点、环点和短纹等，其中主要特征是端点和分叉点两种，一般工程应用中由这两种特征就能识别指纹，因此在实际工程应用中，只需要对指纹进行采集、预处理并提取这两种特征即可。 对指纹进行特征提取常用的一般有两种方式，第一种是在指纹图像预处理之后直接提取特征点，而另一种是预处理之后，再对指纹图像进行修复，祛除其中的伪特征点，再提取特征点，这种方法属于第一种方法的改进算法。第一种提取方法提取的指纹特征点需要在提取指纹特征之后去除特征点中的伪特征点，第二种提取方法提取的对象是经过修复的指纹图像，因此不需要祛除提取的指纹特征点中的伪特征点。由于修复指纹图像所需算法的计算量很大，因此第一种方法更复杂，而第二种比较简单，其准确性也基本能够达到第一种方法。两种主要的指纹特征如下图所示：细化之后的指纹图像需要修复的伪特征点主要包括纹线间断、纹线叉连、短线、小孔、毛刺等，这几种伪特征点的图像如下图所示： 祛除伪特征点的算法如下：纹线间断：D(i,j) , Θ(i,j)≈0纹线叉连: D(i