线方向和指纹纹线垂直方向上对指纹图像进行二值化处理；指纹图像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，目前在自动指纹识别技术中常用的是OPTA算法的改进的图像模板细化算法；指纹特征提取，是将细化后使用计算机数字图像处理技术采集指纹图像中奇异点、端点、叉点等指纹特征数据，目前常用的特征提取算法是先对细化后的指纹图像进行初步去噪，然后提取特征点，再根据阈值去除伪特征点；指纹匹配，是指纹预留模板图像与输入样板图像中的所有特征点的匹配，目前在自动指纹识别系统中常采用可变大小的界限盒的指纹特征匹配算法[8]。
目前指纹识别技术还有很多困难，例如当三维的指纹被指纹录入设备扫描成二维的数字图像时，会丢失一部分信息、，手指划破、割伤、弄脏、不同干湿程度以及不同的按压方式，还会导致指纹图像的变化，这给可靠的特征提取带来了相当地困难；例如传统的基于细节点的识别方法，是依靠提取指纹脊线上的细节点，然后对其位置和类型进行匹配，来识别指纹的，而噪声会影响特征提取准确度，增加错误的特征点或丢失真正的特征点。当噪声很大时，就要增加图像增强算法来改善图像的质量，但很难找到一种增强算法能够适应所用的噪声，多种增强算法又会大幅增加算法运行时间，不好的增强算法又会增加人为特征。当噪声增大时，提取了许多虚假细节点，还有可能丢失细节点，这就是传统的基于细节点识别算法的不足之处之一，因为它只利用了指纹图像中的一小部分信息（细节点位置和方向）作为特征进行匹配，丢失了蕴涵在图像中的其他丰富的结构信息。不难想象，基于这种方法的识别算法，很难全面适应指纹的变化。 1.4 论文的主要研究内容
论文在研究指纹识别原理的基础上，通过讨论前人在指纹识别算法的工作基础上，提出了自己的研究重点，分别简述如下：
第一，对指纹识别技术进行了系统的介绍。第一章中给出了指纹识别的具体流程图，并对流程图中各个步骤进行了详细的解释说明。
第二，介绍了数字图像处理在指纹识别中的各种算法。其中的算法都是基于小波变换实现的。当中给出了指纹图像增强、指纹图像压缩编码、指纹图像细化、指纹图像特征提取的各种算法的公式，并解释了公式的应用方法。
第三，在基于小波变换的算法下，用matlab软件制作了指纹识别系统的具
11
体实现软件。其中建立了小型指纹图，软件具有两个功能：1.对输入的指纹将行身份鉴定；2，对确定输入指纹的主人并输出其姓名。当然输入的指纹要是指纹库中已有的指纹。
论文针对不同问题提出的若干算法，在一定程度上优化和完善了前人在这些方面做的工作，提高了整个识别系统的识别效果，为自动指纹识别提供了有价值的参考。
1.5论文的结构安排
论文的结构安排如下：
第一章 主要叙述指纹识别的原理、历史、国内外的发展概况、论文的研究内容及意义。
第二章综述了前人应用数字图像处理在指纹识别中取得的各种成就。 第三章指纹识别算法的matlab实现。
第四章主要给出了指纹自动识别系统的实验结果。
2 数字图像处理在指纹识别中的各种算法及技术
数字图像处理(Digital Image Processing)又称为 计算机图像处理，指将图像信号转换成数字信号并 利用计算机对其进行处理，以达到改善图像质量的过程。在图像处理中，输入的是低质量的图像。输出的是改善质量后的图像。优点是处理精度高，处理内容丰富，可进行复杂的非线性处理BI，有灵活的变通能力。困难主要在处理速度上，特别是进行复 杂的处理。数字图像处理技术在指纹识别中的应用主要包括：图像增强、图像压缩编码、图像二值化、图像细化、图像识别。
2.1 数字图像处理对指纹图像进行增强的算法
数字图像处理技术主要是增强指纹图像中的有用信息，削弱干扰和噪声，使图像更加清晰，更适合计算机处理的形式。图像增强不考虑图像降质的原因，突出图 中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量，可减少图像中噪声的影响。
12
2.2 基于小波变换的数字图像处理在指纹图像压缩编码中的算法
在满足一定保真度条件下，对图像信息进行编码，可以压缩图像的信息量，简化图像的表乐，从而大大压缩俐像描述的数据量，以便于存储和传输。 图像压缩在不同应用情况下可以采取有损压缩和无损压缩。基于小波变换的数字图像处理可以快速准确的对指纹图像进行压缩编码。下面是具体的算法:
(1)小波包概念的提出。小波包变换(wp)是在小波变换(WaveletTransform)与多分辨分析的基础上提出的，Mallat与Meyer提出的多分辨分析从空间概念上将L2(R)分解为一串具有不同分辨率的频率子空间，使得信号的塔式分解成为可能。WP分解不同于传统的塔式分解，它对信号进行多级分解时，不单只对低频子带作进一步分解，对上一层分解的高 频部分也同时进行细分，并自适应地选择相应的频带与信号频谱相匹配，提高时频分辨率[9]。
(2)WP的基本定义及最佳基选择。进一步对小波子空间按二进制方式进行频率细分，并令：、 (是WT中的尺度空间)，则 Hilbert 空间的正交分解+1=可用的分解统一为：。若令： 。①由∞式构造的序列称为由基函数确定的正交小波包。也可等价表示为：。②其中与分别是函数与的闭包空间。若将WP简记为：，k,n(t)=2-j/。③其中，由此可见WP除了具有小波函数 ，k(t)的离散尺度j，、平
移尺度k外，还有一个倍频程细化参数n=2l+m，正是这个参数使WP克服了 WT 时间分辨率高时频率分辨率低的缺陷。进行图像压缩后的前后对比如图2.21和图2.2.2[10]。
图2.2.1 指纹图像 图2.2.2 压缩后的重构图
2.3基于小波变换的数字图像处理在指纹图像二值化中的算法
对图像进行二值化是指纹图像处理中的关键 技术之一，日的是为了将图像中有意义的特征值提取出来，即图像的边缘、区域等信息特征，这是进 一步进
13
行指纹图像识别、分析和理解的基础。
小波分解的重要作用就是可以将原始信号中的高频部分和低频部分分离开。信号在从波峰到波谷或波谷到波峰的变化部分，是因为有高频信号的存在才产生如此大的变化。通过小波分解，就可以得到高频信号，同时可以知道高频信号发生的具体位置和能量大小。通过设置一定的阈值，可以将原始信号中的噪声滤除，从低频信号中得到平滑的波形。
基于小波的指纹图像二值化的具体方法如下： 首先，计算原始指纹图像的方向场:
像素点(x，y)是否应该被置黑，由下面步骤决定： 按照前面章节方法构造 [11]
（2.3.1）
其中,…,,…，分别是，的一列，这里n=l,…W，采用Haar小波对数列进行小波分解： (2.3.2)
在这里，式(2．3.2)中，i为分解的层数，为低频段信息，为高频段信息。 经过上面的小波分解后，只保留其低频部分，得到：
而后计算 (2.3.3) 这里 (2.3.4)
选取两个W值，和，构造和。大小包括一个脊线宽度， 大小包括二脊二谷。分别计算得到和。 该像素(x，y)二值化的规则如下： if 置白； else if 置白； else (x,y) 置黑[12]。
上面规则的第一个条件的目的是对图像的无指纹信息部分和有指纹信息部分进行分割，使包含指纹信息的区域外部变成白色。这里，取阈值Threshold[13]
14
为整个图像的灰度均值。在对图像二值化的过程中同时完成对图像的分割，达到去除无用信息的目的。
采用上述的二值化算法对指纹图像进行二值化后的结果如图2.3.1所示：
图2.3.1 (a) (b)
2.4基于小波变换的数字图像处理在指纹图像细化中的算法
细化的主要作用是去除指纹图像中不必要的信息，节省内存，便于从图像中提取细常特征，从而 提高对指纹图像的匹配速度。
用上述小波二值化后的图像进行细化。在研究过程中，发现并不是所有脊线都是一个像素的宽度，尤其是在分歧点周围。这样就造成信息的冗余，也要进行必要的删除。
细化改进的具体步骤如下[14]：
(1)依次在未改进细化图像中，取脊线上某一点(x，y)，并取其3*3邻域，如
P(1) p(8) P(7) P(2) (x,y) P(6) P(3) P(4) P(5)
图2.4.1
(2)计算
15