CN105320946A

CN105320946A - 一种基于matlab的指纹识别方法

Info

Publication number: CN105320946A
Application number: CN201510733872.3A
Authority: CN
Inventors: 高直; 皋军; 陈伟; 朱志浩
Original assignee: Yangcheng Institute of Technology
Current assignee: Yangcheng Institute of Technology; Yancheng Institute of Technology
Priority date: 2015-11-03
Filing date: 2015-11-03
Publication date: 2016-02-10
Anticipated expiration: 2035-11-03
Also published as: CN105320946B

Abstract

本发明公开了一种基于MATLAB的指纹识别方法，包括步骤：S1、采集指纹，准备需要识别的指纹的原图像；S2、对指纹的原图像进行预处理，所述预处理包括先后对图像进行图像分割、图像归一化、图像二值化和图像细化处理；S3、对细化后的图像进行特征提取，采用领域法提取端点以及分叉点；S4、对完成特征提取的图像进行匹配，并最终输出比对匹配的结果。本发明运用了Matlab工具设计了指纹识别中的各个阶段的处理算法，即预处理、特征点提取以及特征点匹配三大阶段。使用Matlab工具将细化之后的指纹中的特征点全部提取出来，同时去除在提取的过程中会产生大量的假的特征点，本发明利用图像中这些特征点的边缘和距离两个因素的差异，最终就能提取出可靠的特征点。

Description

一种基于MATLAB的指纹识别方法

技术领域

本发明涉及指纹识别领域，特别涉及一种基于MATLAB的指纹识别方法。

背景技术

传统的安防系统主要采用基于令牌或密码的方式，随着社会的进步，这样的安防系统则变得不堪一击。身份识别逐渐成为了大众的第一选择，面对这样的挑战，人们希望能通过增强指纹识别的精确性来帮助了解人体的身体特征或行为特征。在我们的手指皮肤表面，因为皮肤会产生多种纹路不均匀，人们常把这些纹路称之为指纹，每个人的指纹都是独一无二的。作为领先的身份识别技术，指纹识别已广泛运用于司法，犯罪认证和其他安全系统，同时它发展也是非常迅速。实际上，在许多情况下俨然开始变为身份识别技术的代名词。指纹识别是识别一个非常可靠的方法，广泛应用的指纹自动识别系统，它起着重要的作用，同时对指纹识别技术的学习探究也有着重要的意义。

从早期的人工比对到现在的信息科技技术，指纹识别系统变得更加先进，指纹对比的精度和对比的效率也更加准确。然而，当前对指纹识别技术的研究依旧存在着许多的难题，在一些特定的情况下识别过程中会丧失一小半重要的信息，当指头割破、弄伤、变脏、以及在不同干湿状况下或者经历各种挤压方式，还会使得指纹图像发生变化，进而造成特征点难以提取。比如一般的基于特征点的辨别方法，主要是通过提取纹路线上的细节特征点，接着对特征点的位置和形状实行匹配来辨别指纹的，这时候图片中的噪音、毛刺会对图片的匹配造成很大的影响，导致特征点产生错误的数量大大增加，严重的话，会使得准确的特征点难易提取甚至丢失。在噪声相对比较大的时候，则需要改善图片的质量，这时就可利用改善算法或者增强图像对比度等方法来解决，然而找到这种能够应对所用噪声的算法是件非常困难的事情，同时很多用来增强的算法在很大程度上会增加程序实行时间，同时，不好的算法还会增加行为特征，甚至会提取出许多假的特征点，一般的基于细节点识别算法的不足之处便在这里，因为这种算法运用了指纹图像中的部分信息当做特征点实现匹配，丧失了隐藏在图像中的其他完整的信息。由此可知，基于细节点的识别算法一般来说是不能适应指纹的特殊变化的。比起其它识别方法例如证卡来说，指纹识别法显得更加方便、简单、精确、抗干扰能力也更强，这种系统的兼容性好，换言之这种方法可以单独构成系统并且很轻松的将各类证融入其中。

发明内容

本发明提供一种基于MATLAB的指纹识别方法。

本发明的技术方案是：

一种基于MATLAB的指纹识别方法，包括步骤：

S1、采集指纹，准备需要识别的指纹的原图像；

S2、对指纹的原图像进行预处理，所述预处理包括先后对图像进行图像分割、图像归一化、图像二值化和图像细化处理；

S3、在步骤S2的基础上，对细化后的图像进行特征提取，采用领域法提取端点以及分叉点；

S4、对完成特征提取的图像进行匹配，并最终输出比对匹配的结果。

优选的，所述图像归一化采用灰度的均值以及方差的方法，首先计算出需要提取指纹的图像的灰度值以及方差，设定图像的均值和方差，在此基础上，进行归一化处理。

优选的，所述图像分割采用基于块特征点分割法的算法，首先将图像分割成同样大小的S*S的不混叠块，并计算出各个不混叠块中的灰度值的方差和均值，接着判别前景和背景，判别方法如下：

（1）在分解后，将M×M大小的无重叠方块直方图用来表示低频图，这些直方图的大小可以采用谷脊交换式；

（2）计算得到各个块的均值和方差；

（3）把全部的分块区分出来后，再对需要处理的块进行判定，假若在一分块区的8邻域之中，背景不大于4就可以看做为前景，不然就看做为背景。

优选的，所述图像细化的步骤包括：

a）构建一个3维的数组，使用第一组来存储图像预处理后的信息，设置各个像素范围内点的像素参数；

b）将未达到收敛性、连通性、拓扑性、保持性、细化性、中轴性和快速性七种条件的模块设置值为2，像素为1，同时将达到上述七种条件后的模块设置值为3，其他的状况下的点的值不变；

c）在达不到上述条件下生成的模块，将这些模块的点的像素值全部设置为0，剩下的点不变；

d）对前三个过程持续循环，直到全部点的值不再变化，同时要满足细化次数不超过20这一条件。

优选的，所述特征提取所提取的特征点包括端点和分叉点，判别特征点采用8邻域法，采用以下方法确定所述条件：

a）判断端点：当8附近的每两个相邻存在两个不一样的值时，这时的处理用数组2记下点的数量，同时把该点记作为0，将它的8邻域点记作为1；

b）判断分叉点：当附近的8邻域两两相邻同时有6个不一样值，这时的解决方法为数组1，在此基础上记下点的数量，此时将该点记为0，同时将它的8邻域点记为1。

优选的，所述匹配模式采用点模匹配法，首先修改原本的特征点距离，使得各个特征点之间的相对距离各不相同；接着需要比对这些相对距离，找出其中的差异，前提条件是要找到中心特征点；当这些差异满足特定的条件时，则可以将对应的点看做为可积点；接下来，需要判断这些点的数量以及相对的差异值，当数量达到特定要求时就可认为匹配成功。

优选的，所述指纹识别方法采用MATLAB进行模拟仿真，采用的指纹库来自国家居民身份认证指纹库，建立两个指纹库，库的大小为每组30张指纹图像，均来自不同的人；第一组指纹图像用来试验，第二组指纹图像用来做匹配。

本发明的优点是：

本发明所提供的基于MATLAB的指纹识别方法，运用了Matlab工具设计了指纹识别中的各个阶段的处理算法，即预处理、特征点提取以及特征点匹配三大阶段。使用Matlab工具将细化之后的指纹中的特征点全部提取出来，同时去除在提取的过程中会产生大量的假的特征点，本发明所采用的方法是利用图像中这些特征点的边缘和距离两个因素的差异，最终就能提取出可靠的特征点。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明所述的基于MATLAB的指纹识别方法的流程图；

图2为本发明实施例所述的原指纹图片；

图3为本发明实施例所述的归一化后的指纹图片；

图4为本发明实施例所述的分割后的指纹图片；

图5为本发明实施例所述的细化后的指纹图片；

图6为本发明实施例所述的提取特征点后的指纹图片。

具体实施方式

实施例：

指纹识别主要由指纹原图像读取、原图像预处理、特征点提取、特征点匹配四个部分构成。其中指纹图像的预处理也可分为几个小部分：指纹图像归一化、分割、细化。同时对预处理后含有噪音、毛刺的图片进行相应的去噪处理。本发明采用Matlab来实现各个指纹图像功能模块的算法，以及对不足之处的修正方法和相应的修正结果。

如图1所示，本发明一种基于MATLAB的指纹识别方法，包括步骤：

S1、采集指纹，准备需要识别的指纹的原图像；

S2、对指纹的原图像进行预处理，所述预处理包括先后对图像进行图像分割、图像归一化、图像二值化和图像细化处理；在此操作中会产生干扰噪声，还需去除此类噪声；

S4、对完成特征提取的图像进行匹配，并最终输出比对匹配的结果，此步骤是指纹图像识别中最为重要的步骤，也是最终目的。

具体的，预处理是指纹图象处理的流程的第一步，预处理是为了除去图像中产生的噪声，方便提出完整准确的指纹特征，从而实现准确的匹配结果。指纹的采集是指纹识别的第一步，对指纹的采集的好坏直接决定了最终指纹的匹配程度，指纹的损坏、指纹上的小颗粒等都对匹配造成了很大的干扰。采集到指纹后，系统开始进行指纹的预处理，它对原始灰度图像进行平滑、锐化、增强、二值化等处理，从而使细化、特征抽取等操作能够有效进行。指纹识别的前提便是指纹图像的预处理,它的结果是否正确直接导致了指纹识别的成败。

首先进行的就是图像的归一化处理，通过图像的归一化可排除外界环境对图像的干扰从而使得采集到的图像轮廓更加清晰，辨析度更加高。

系统对图像的归一化采用了灰度均值以及方差的算法，具体步骤如下所示：

（1）第一步，需要计算出需要提取指纹的图像的灰度值以及方差。采用直方图来解决，通过其像素值得到图片的相关系数。

(2-1)(2-2)

（2）第二步，设定图像的均值和方差，在此基础上，需要进行归一化处理，处理之后的图像为G：

(2-3)

上式中是设定的均值，方差，这两个值是根据实际运行情况来设定的，式中的和分别代表指纹图像的原有均值及方差（本设计将M0和V0分别取100和5000）。

利用上述的步骤后，可以得到所需的指纹图像的灰度值以及均值，根据此灰度值和均值，接着使用归一化算法调整图片的灰度值，采集的原指纹图片如图2所示，归一化后的图片如图3所示。由图3可以看出经过归一化处理后的图片的灰度值都有了固定的值，当然依照不同的灰度值进行归一化后的图片不一样。

所述图像分割采用基于块特征点分割法的算法。基于块特征点分割法的算法的基本原理是应用归一化后的灰度值以及方差来判别，判别标准如下：方差值小近似为0的则可判别为背景区，同时将方差值比较大的指纹按块分类，接下来只需计算每一块的方差大小，同时还需选定一个阀值，当方差小于此阀值时，则可判别为背景，反之则为前景。判别的具体步骤划如下：

首先将图像分割成同样大小的S*S的不混叠块，并计算出各个不混叠块中的灰度值的方差和均值，接着判别前景和背景，判别方法如下：

（2）计算得到各个块的均值和方差；

使用前使用归一化法均方差方法也将成为低频率图。正常化的目的是不一样的对比度的原始图像，以及gamma调到一个相应不变的电平，以得到一个更一致的图像格式用于后面的处理。

依据各像素邻域的特征不同，本发明对指纹图像实行分块处理，然后利用各块的灰度值来区分前景和背景。从图3和图4比较可以看出分割后的指纹图片相比较归一化后的指纹图的前景和背景得到了分离。观察图4会得到通过分割后的图像的指纹纹线和背景区域分离出来，纹线变的更加清晰。

指纹图片处理中十分关键的一点就是保全指纹的形状信息，为了能够在指纹图像的特定范围提取特征，往往需要对使用指纹图像细化算法处理，为了得到一个由简单的圆弧或曲线构成的近似原始指纹的形状，其中这部分线条一般围绕在图像的中轴周围，这就是细化。细化的结果取决于细化的方式。指纹的识别需要得到的细化之后的结果是一个标准的八邻域骨架且不能使原来图像的拓朴连通性发生变化；指纹上除了特征点之外,其它像素也仅仅能够和其相近的两个像素构成一个八邻域,不管去掉哪一个像素都会使纹线的连接性得到损坏。总结了纹线细化处理以满足收敛，拓扑，连通，保持，中轴，细化，快速的要求。好的细化算法需要达到以下几个条件：

a)收敛性：迭代必定是收敛的。

b)连通性；不损坏纹线的连接性。

c)拓扑性：不造成逐渐滤掉脊，保正图像的原始结构特点。

d)保持性：保证指纹的细节特征不变。

e)细化性：骨架脊的宽度近似为一个像素。

f)中轴性：骨架尽量地靠近中心线。

g)快速性：算法简单且速度很快。

本发明提供一种适合指纹图像细化的算法，这种方法能满足以上一系列的细化条件，并且能够实现快速算法。

本发明根据细化的原理和条件引用查表法得到细化的处理算法，从而对指纹图像实行细化处理。如图5所示，可看出细化后的指纹图片变成了由一些弧和曲线组成的相似的形状。其结果表明，相比较于二值化的纹线细化后的图像宽度又变的更加的小，减少了一些不必要的信息，更加突出了纹线的特征。可以看出，分割后的图像变成了只有黑白两种色调的二值图像，图像的清晰度也变强，便于之后的特征提取。然而，分割后的图像存在大量的噪声、毛刺，需要进行进一步的处理。

指纹识别的最重要的就是指纹图片的特征提取,然而指纹图像的匹配一般采用细节点的方法进行匹配。指纹特征提取是获得从细化中得到的指纹图像细节特征点（即端点以及分支点），其功能包含了多种的伪特征点，费时并降低匹配的精确度。本发明运用了边缘去伪特征点和距离去伪特征点,可以将去伪前后的特征点减少将近1/3,接着可以提出安全正确的信息,从而完成指纹匹配。仿真结果表明，使用Matlab完成指纹识别系统非常方便快捷并且精度高。因为指纹识别具备一致性、安全性,广泛地应用于各种领域。

当前细化提取二进制图像细节特征主要是8邻域的办法，这种办法简洁可靠。在变薄二值图片后，通过模块法将特征点端点以及分叉点依次提出来。有关详细的二进制图像像素的灰度值仅有两种情况。

鉴于图像品质的干扰和噪音的干扰，在提出图像后也有很多假的特征点。实验表明，低质量的图像可以形成大概两万图像的预处理，包含有众多的假特征点，正是由于这些假特征点，使得匹配方法变得复杂，并且指纹识别精度也降低，导致识别系统的真实率降低和错误率提高。与此同时，在指纹匹配响应特性论证细节前，并极大程度的留下了真实的特征点并且除去了伪特征点。

当前特征提取需要处理的一个基本难题便是去除伪特征点。之后，不是所有获得的全部图像特征提取的特征点是真正的分叉点和落脚点，因为指纹的品质，细化，特征提出的过程中产生大量的噪音，残留了大量的虚假特征点，在图像的特定周围有很多图像伪端段边界形成。

本发明将指纹图像特征点构建为一个3维数组，其中第一第二组分别用来记录特征点（端点和分叉点），最后一组则专门用来记录需要去除的虚假特征点。判别特征点（端点以及分叉点）采用了上面所提到的8邻域法。

其中采用以下方法确定所述条件：

a）如何判断端点：当8附近的每两个相邻存在两个不一样的值时，这时的处理用数组2记下点的数量，同时把该点记作为0，将它的8邻域点记作为1。

b）如何判断分叉点：当附近的8邻域两两相邻同时有6个不一样值，这时的解决方法为数组1，在此基础上记下点的数量，此时将该点记为0，同时将它的8邻域点记为1。

本发明在所有细节点即端点和分叉点中利用细节点在邻域中的特点将所有的细节点（端点和分叉点）全部找出来。如图6所示，可以看出细化后图片上的全部特征点。

指纹匹配需要处理的问题是对给出的两幅指纹图像的特征模式实行比较，以确定来源于同一人的两个图像上的同一指纹。作为指纹识别系统的最终步骤，指纹匹配是十分重要的一步。

本发明应用的匹配模式为点模匹配法。这种办法需要修改原本的特征点距离，使得各个特征点之间的相对距离各不相同。接着需要比对这些相对距离，找出其中的差异，前提条件是要找到中心特征点。当这些差异满足特定的条件时，则可以将对应的点看做为可积点。接下来，需要判断这些点的数量以及相对的差异值。当数量达到特定要求时就可认为匹配成功。是否匹配可以使用一个值来表示，本系统使用了success，success有两个值1和0，当success的值为1时则表明匹配成功，反之则匹配失败。本发明所采用的指纹均来自国家居民身份认证指纹库，建立两个指纹库，库的大小为每组30张图像，第一组指纹图像用来试验，第二组指纹图像用来做匹配。采用点模匹配法方便快捷，程序也相对简单，运行效果比较好。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims

1.一种基于MATLAB的指纹识别方法，其特征在于，包括步骤：

S1、采集指纹，准备需要识别的指纹的原图像；

2.根据权利要求1所述的基于MATLAB的指纹识别方法，其特征在于，所述图像归一化采用灰度的均值以及方差的方法，首先计算出需要提取指纹的图像的灰度值以及方差，设定图像的均值和方差，在此基础上，进行归一化处理。

3.根据权利要求2所述的基于MATLAB的指纹识别方法，其特征在于，所述图像分割采用基于块特征点分割法的算法，首先将图像分割成同样大小的S*S的不混叠块，并计算出各个不混叠块中的灰度值的方差和均值，接着判别前景和背景，判别方法如下：

（2）计算得到各个块的均值和方差；

4.根据权利要求3所述的基于MATLAB的指纹识别方法，其特征在于，所述图像细化的步骤包括：

5.根据权利要求4所述的基于MATLAB的指纹识别方法，其特征在于，所述特征提取所提取的特征点包括端点和分叉点，判别特征点采用8邻域法，采用以下方法确定所述条件：

6.根据权利要求5所述的基于MATLAB的指纹识别方法，其特征在于，所述匹配模式采用点模匹配法，首先修改原本的特征点距离，使得各个特征点之间的相对距离各不相同；接着需要比对这些相对距离，找出其中的差异，前提条件是要找到中心特征点；当这些差异满足特定的条件时，则可以将对应的点看做为可积点；接下来，需要判断这些点的数量以及相对的差异值，当数量达到特定要求时就可认为匹配成功。

7.根据权利要求6所述的基于MATLAB的指纹识别方法，其特征在于，所述指纹识别方法采用MATLAB进行模拟仿真，采用的指纹库来自国家居民身份认证指纹库，建立两个指纹库，库的大小为每组30张指纹图像，均来自不同的人；第一组指纹图像用来试验，第二组指纹图像用来做匹配。