作为一类特殊的图像,指纹图像具有 一些区别于其他图像的特点。 (1)指纹图像由交替出现的脊线(ridge)和 谷线(valley)组成。通常情况下，我们认为脊线 和谷线具有相同的象素(piexl)宽度，因此，从 频域的角度来看，指纹图像中的有用信息 (如纹线结构、细节特征等)包含在一定的通 带内，而低频成分则相对图像的背景亮度。
(2)指纹图像纹线的方向性对指纹的识别提供了重要的信息，同时它又能为指纹图像的处理和压缩提供极大的方便。对于指纹图像的每一点，都可以定义它的局部 纹线走向，所有点的方向信息组成了该指 纹图像的方向图。
(3)在实际应用中,衡量指纹图像质量好坏的一个重要标准就是能否方便、准确地提取出指纹图像中用于识别的特征。从上我们可以看出,小波变换有许多适合指纹图像的特点,如对局部细节特征的表达能力,二维小波变换所具有的方向选择性等。很多研究者率先将小波变换用于指纹 图像处理中,并取得了较好的效果。
下面我们介绍一下基于小波变换的指纹特征提取算法的具体步骤[18]: (1)中心区域的分割。这里的中心区域指的是指纹图像的待识别区域,不同于很多使用全局指纹图片的指纹匹配方法,我们只采用指纹图像的一块作为匹配区域。本文将中心区域定义 为:以参考点为中心的大小为64×64的正 方形区域,与圆形区域相比,这种区域更适合简化计算,提高速度。要实现中心区域的分割,首先要准确的检测参考点,本文对参考点的定义为指纹的中心点。为了防止中心点的定位所带来的误差对我们考察这种基于小波分解的识别方法的影响,在我们 的实验中采用人为的方法提取中心点。对实验图像进行分割,得到的中心区域如图2 所示。当中心区域提取出来之后,我们就可以根据参考点的对齐来对齐指纹图像的中 心区域,这在一定程度上解决了在指纹采集过程中产生的指纹图像间的位移误差。
(2)中心区域的二维小波分解[19]。根据前面对小波和指纹图像性质的介绍,我们知道利用小波变换能够提取指纹图像的特征信息,利用提取出来的信息可以对 图像进行分类识别。我们对指纹图像的中心区域d[m,n]进行J=4层小波变换,得到3J+1=13幅子图 [。其中是一个低分辨率的近似图像, 是在不同尺度不同方向 k 上的细节子图。的小波系数分别对应于垂直高频, 水平高频和对角高频分
21
量。由于子图仅含有图像的低频信息,而我们需要的是图像的细节信息即高频信息,因此我们丢弃子图,而对具有高频信息的细节子图的 小波系数进行提取处理,得到特征向量。
表 2.5.1 相同类和不同类指纹图像的特征向量比较
图2.5.3 相同类和不同类的指纹图像及它们的特征向量
(3)特征码的计算[20]。 当图像在某一频率和方向下具有较明显的纹理特征时,与之对应的小波通道输 出就具有较大的能量。不同子带的能量提 供了有关脊频率和脊方向的信息,因此不 同尺度和方向上的能量分布具有丰富的指 纹分类信息。我们用这一系列小波通道的 标准差来表示图像中的纹理特征。通道的标准差由下式给出式(13):
(2.5.13) (2.5.14)
我们把4层小波变换总共12个细节子图的小波系数的标准差组成一个表征这幅指纹图像的特征向量式 (2.5.14)计算得到的特征向量对指纹图像具有 重要的区分属性,我们即是采用这些得到的 特征向量对指纹图像进行分类识别的。为了 简单的证明特征向量的区分特性,我们对三幅指纹图像(两幅同类图像和一幅不同类图像)做4层小波分解并提取了长度为12的特征向量。为了便于观察,我们把这些特征向量用灰度图表示,同时也强调了每个特征分量的级数 j 和方向 k ,如图3所示。可以看出在同类图像中提取的特征向量具有较高的相似性;而来自
22
不同类指纹的指纹图像的特征向量具有较大的差异。 表1列举了图2.5.3所示的部份指纹图像经过 4层小波变换后提取的特征向量,更加直观的表现了同类指纹图片的特征向量的相似性和不同类指纹图片特征向量的差异性。上面小波特征的提取是对整幅中心子 图像做小波变换得来的,没有很好的包含图像的局部细节信息。更好的方法是对指 纹图像中感兴趣的中心区域分成互不重合 的的分块,对每块提取小波特征。在本文的 实验中,取,即把指纹图像的中心区域分为 大小的4块,如图2.5.4图2.5.5。 对指纹图像中心区域的每个分块做4层 小波变换,如图2.5.5。A、B、C、D分别代表4个分 块。从每个分块中提取12维的特征,总共得 到48维的特征向量,它表征了这样一幅指纹 图像。在指纹识别中,对指纹图像的识别实 际上就是对这个48维的特征向量进行识别[21]。
图2.5.4 指纹图像中心区域的分块 图2.5.5 4个分块的4层小波变换示意图
3 基于matlab的指纹识别系统
3.1指纹识别系统的登录界面
指纹识别系统的登录界面如图3.1。登录界面的功能介绍如下：
1.进行身份鉴定：点击此按钮会提醒你选择你要输入的指纹图片。只有输入正确的指纹图像才能登录成功，这里成功的应用了指纹识别中的指纹鉴别功能。如果输入的指纹图像不正确会弹出警告窗口（如图3.2）。其中最比较困难得是怎样从特定的文件夹中选取图片，用到的matlab代码如下：
[filename,pathname]=uigetfile({'*.jpg';'*.bmp';'*.gif'},'读取图片'); %选择路径
G=[pathname filename];%合成文件路径
23
G1=imread(G);%读取图片
2.退出按钮：点击此按钮将会推出指纹识别系统。 其中用到的zhiwenpipei()函数见附件2。
图3.1 指纹识别系统登录界面
图3.2 指纹鉴定中的警告窗口
3.2 指纹识别系统的主界面
指纹识别系统的主界面如图3.3。主界面的功能介绍如下：
1.图像预处理按钮：点击此按钮你将会进入图像预处理的界面（如图3.4）。 2.图像匹配按钮：点击此按钮你将会进入指纹匹配的界面（如图3.5）。
24
3.退出按钮：点击此按钮你将会退出指纹识别系统。 其中的难点是进行界面间的转换，用到的代码如下：
set(gcf,'Visible','off');%关闭当前界面
zhujiemian('Visible','on');%打开图片预处理界面，其中zhujiemian为其句柄 pipeituxiangjiemian('Visible','on');%打开图片匹配界面，
图3.3 指纹识别系统的主界面 3.3指纹识别系统的图像预处理界面
图像预处理界面如图3.4。图像预处理界面的功能介绍：
1．指纹原始图像按钮:点击此按钮可以从指定的文件夹中读取你想要处理的指纹图片并显示在界面的左侧，如图3.4中获取的图片位置。其中用到了imshow（）函数来显示图像。
2.预处理后图像按钮：点击按钮可以获得左边图像预处理后的图像，并将预处理后的图像显示在按钮的正上方。点击按钮右边的下拉菜单可以随意查看图像归一化、图像分割、图像二值化、图像去空洞和毛刺、图像细化后的图像，其中图像显示在按钮正上方。其中用到的zhiweiyuchuli（）函数见附件1。
3.返回按钮：点击此按钮可以回到主界面的画面。 4.退出按钮：点击此按钮可以退出指纹识别系统。
25