得到的影像也更清晰。
由于这种感应系统检测的是采集仪晶片上温度的变化，所以传感器要与手指存在温差才能发挥作用。如果手指比晶片更热，当手指在传感器阵上做直扫动作时，热电传感器即接收到与指纹接触部分的形状成正比的额外热量。传感器被加热，并在一个积累的时间之后(取决于时钟速率)，开始与结束时间的温差便被取样，并将该现时的温 度作为新的参数，跟着读取下一个温度变化。如果手指与传感器温度相同，即没有温度变化，则测量不到任何数据。在实际应用中，为了避免出现这种情况，在阵列里包含发热元件，在炎热的地区，当手指在传感器上直扫时，手指表面使传感器降温，不是受热，所以影像是反向的，这可以由检验软件作自动修正，但在寒冷的地区，则不需要。这种概念对信噪比是很有帮助的。综上所述，热敏传感器的优点是能防止伪造的指纹(如用橡胶膜做成的)或者任何类型的替代指纹。
(4)超声波传感器被认为是指纹取像技术中非常好的一类。很像光学扫描的激光，超声波扫描指纹的表面。紧接着，接收设备获取了其反射信号，测量它的范围，得到脊的深度。不象光学扫描，积累在皮肤上的脏物和油脂对超音速获得的图像影响不大，所以这样的图像是实际脊地形(凹凸)的真实反映。
影响指纹指纹识别在商业上取得成功有三个因素，它们是低价格、紧凑的体积、识别率。取像设备的价格已经大幅下降。至于体积，上面已经提到光学传感器的体积从6x3x3英寸降到3xlxl英寸。应用晶体的传感器的体积差不多是这样或者更小。在晶片上，集成电路的技术越来越高r如：数字化电路把指纹信号转化为数字信号强度)，系统体积将越来越小，晶体传感器的体积接近于手指大小的体积，其长宽大约是lxl英寸，高不到1英寸。在晶体传感器之前，对于大多数光学设备，只能通过人工调整来改变图像的质量。然而，晶体传感器提供自动调节像素，行以及局部范围的敏感程度，从而提高图像的质量。自动增益控制技术(AGC)在不同的环境下结合反馈信息可以产生高质量的图像。例如，一个不清晰(对比度差)的图像，如干燥的指纹，能够被感觉并增强灵敏 度，在捕捉的瞬间产生清晰的图像；由于提供了局部调整的能力，图像不清晰(对比度差)的区域也能够被检测到(如：手指压得较轻的地方)并在捕捉的瞬间为这些象素提高 灵敏度[4]。
6
光学扫描也有自己的优势。其中之一是，在较大的模型上可以做较大指纹取像区域。而制造较大的应用晶体传感器的指纹取像区域是非常昂贵的，所以应用晶体传感器的指纹取像区域小于1平方英寸，而光学扫描的指纹取像区域等于或大于l平方英寸。然而这个对于较小的光学扫描设备并不是优势。较小的光学扫描也是较小指纹取像区域，这是因为较大的指纹取像区域需要较长的焦点长度，所以要有较大包装，否则如果较大的取像区域使用较小的包装，则光学扫描设备会受到图像边缘线形扭曲的 影响。
晶体传感器技术最重要的弱点在于，它们容易受到静电的影响，这使得晶体传感器有时会取不到图像，甚至会被损坏，另外，它们并不像玻璃一样耐磨损，从而影响了使用寿命。
总之，各种技术都具有它们各自的优势，也有各自的缺点。我们在下面的表1．1中给出四种主要技术的比较。
表1．1四种主要图像采集技术的比较
比较项目 体积 耐用性 成像质量 光学全反射技术 大 非常耐用 干手指差，但是汗多或稍脏手指成像模糊 功耗 成本 成像大小 较多 低 采集面积可以很大 硅晶体电容传感技术 小 容易损坏 干手指好，但是汗多或稍脏手指不能成像 较少 低 采集面积很小 热敏传感器 小 非常耐用 质量较差，效果受手指移动速度影响大 一般 较低 采集面积不受限制 较多 很高 采集面积较大 超声波传感器 中 一般 非常好 1.2.2 指纹图像的预处理
通过指纹采集仪器采集到的指纹，由于采集指纹图像时图像质量不高或者在提取指纹过程中因用力不均造成指纹畸变，又或者在图像的形成、传输或变换的过程中，受多种因素的影响， 如光学系统失真、系统噪声、曝光不足或过量、相对运动等，往往使图像与原始景物之间或图像与原始图像之间产生某种差异。因此首先要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[5]。
（1）指纹图像增强是指按特定的需要突出一幅图像中的某些信息，同时削
7
弱或除去某些不需要的信息的处理方法，故改善后的图像并不一定要去逼近原始图像。从图像质量评价观点来看，图像增强的主要目的是提高图像的可理解性。所以针对指纹图像，其目的即突出指纹纹线结构，抑制纹线上及背景中的噪音干扰。指纹图像增强作为预处理中的关键步骤，其效果直接影响到后续指纹特征提取的正确性，进而在很大程度上决定了该识别系统的鲁棒性。
(2)指纹图像的二值化其实就是把采集到的指纹图像转化为只有0和255两种颜色的图像，即黑白图。也可以理解为只用0和1两种变换来表示一幅指纹图像。二值化是指纹图像预处理中必不可少的一步。常用的二值化方法有固定阀值法、自适应阀值法、局部自适应阀值法等。二值化后的指纹图像有利于提取图像中有意义的特征值，提取特征值是进一步进行指纹图像识别、分析和理解的基础。
(3)指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只对纹线的走向感兴趣，不关心它的粗细。为了进一步压缩数据，得到更精确的细节特征，提高识别的准确性，对指纹图像进行细化处理是不可忽略的。所谓细化，就是从原来的图中去掉一些点，但仍要保持原有的形状。实际上，是保存特征点，把剩余信息删除。指纹图像的细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度，细化时应保证纹线的连接性、方向性和特征点不变，还应保持纹线的中心基本不变。
1.2.3 指纹图像的特征提取和识别
指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储 指纹的图像。多年来在各个公司及其研究机构产生了许多数字化的算法(美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像)。但指纹识别算法最终都归结为在指纹图像上找到并比对指纹的特征。传统的识别系统算法定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。
(一)总体特征
总体特征是指那些用人眼直接就可以观察到的特征，包括[6]： A．基本纹路图案
环型(100p)，弓型(arch)，螺旋型(whorl)。其他的指纹图案都基于这三种基本图案。仅 仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。
8
B．模式区(PatternArea)
模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。
C．核心点(Core Point)
核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。 D．三角点(Delta)
三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路汇聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之 处。
E．式样线(TypeLines) 式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。
F．纹数(RidgeCount) 指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。
G．节点(Minutia Points)
指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“节点”。就是这些节点提供了指纹唯一性的确认信息。
(二)局部特征 局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但是它们的局部特征节点却不可能完全相同[7]。
(1)分类 节点有以下几种类型，最典型的是终结点和分叉点。 A．终结点(Ending)一一条纹路在此终结。
B．分叉点(Bifurcation)～一条纹路在此分开成为两条或更多的纹路。 C．分歧点(Ridge Divergence)一两条平行的纹路在此分开。 D．孤立点(Dot or Island)一一条特别短的纹路，以至于成为一点。 E．环点(Enclosure)一一条纹路分开成为两条之后，立即又合并成为一条，这样形成 的一个小环称为环点。
F．短纹(ShortRidge)～一端较短但不至于成为一点的纹路。如图1.2.3为各种局部特征的六种分类。
9
(a) (b) (c)
(d) (e) (f)
其中，(a)．(f)分别为指纹的终结点、分叉点、分歧点、孤立点、环点和短纹。
(2)方(Orientation)一节点可以朝着一定的方向。 (3)曲率(Curvature)一描述纹路方向改变的速度。
(4)位置(Position)一节点的位置通过(X，y)坐标来描述，可以是绝对的，也可以是相对于 三角点或特征点的。
指纹的局部特征(Minutiae)有150种之多。但是这些特征出现的概率并不相等，很 多特征是极其罕见的。美国FBI指出，指纹纹线端点和分叉点能唯一地表示一个指纹，纹线端点指的是纹线突然结束的位置，而纹线分叉点则是纹线突然一分为二的位 置。大量统计结果和实际应用证明，这两类特征点在指纹中出现的机会最多、最稳定，而且比较容易获取。更重要的是，使用这两类特征点足以描述指纹的唯一性。它 们被统称为细节点。一般在自动指纹识别技术中只使用两种细节特征。通过算法检测指纹中这两类特征点的数量以及每个特征点的类型、位置和所在区域的纹线方向是特征提取算法的任务，从而达到识别的目的。 1．3国内外自动指纹识别系统的研究状况
指纹识别技术从早期的人工比对到现在采用计算机技术实现自动指纹识别，指纹对比更加准确，识别效率得到极大提高。自动指纹识别过程通常由指纹图像滤波增强、二值化、细化、特征提取以及指纹匹配等几个环节构成。指纹图像滤波增强的目的是将有噪声干扰的指纹图像变得更加清晰，使得指纹图像的脊线更黑，谷线更白，当前在实际指纹图像增强算法的应用中一般是几种滤波增强方式结合起来使用，主要的方案是基于傅里叶变换结合滤波和指纹图像点方向场的下上下滤波器；指纹图像二值化，是将指纹图像变成灰度值只有0和255两种颜色的图像，当前，在自动指纹识别中常采用的是根据指纹图像的点方向场在指纹纹
10
图表 1.2.3 局部特征点类型的示意图