嵌入式指纹识别系统算法研究.docx
- 文档编号:7649529
- 上传时间:2023-01-25
- 格式:DOCX
- 页数:7
- 大小:22.10KB
嵌入式指纹识别系统算法研究.docx
《嵌入式指纹识别系统算法研究.docx》由会员分享,可在线阅读,更多相关《嵌入式指纹识别系统算法研究.docx(7页珍藏版)》请在冰豆网上搜索。
嵌入式指纹识别系统算法研究
嵌入式指纹识别系统算法研究
摘要:
指纹识别分为指纹的预处理、指纹的特征提取和指纹匹配。
结合嵌入式技术和指纹处理算法,针对嵌入式自动指纹识别系统指纹识别的各个流程的算法进行了研究,阐述了各种算法的特点与运用细节。
关键词:
嵌入式;指纹识别系统;算法
0引言
指纹识别技术是一种重要的生物身份识别技术,也是目前生物识别技术发展的最为成熟的一个分支。
与其他生物特征识别技术相比,指纹识别技术具有识别效率高、采集方便、成本低廉等优点。
现在发展得越来越快。
研究指纹识别系统,满足社会对指纹识别的需求,使嵌入式系统的开发应用能够紧紧跟随当前指纹识别技术的发展方向,优化指纹识别算法,开发出识别率高、处理速度快、扩展性好、成本低廉的嵌入式平台是有着广阔的市场前景和研究价值的。
1指纹算法流程
1.1硬件特征
本系统以嵌入式Linux作为软件平台,硬件平台有以下几个部分组成:
FPS200指纹传感器、ARM处理器LPC2214作为主要的嵌入式芯片、程序存储器、数据存储器以及控制电路。
从硬件角度看,嵌入式处理器是嵌入式系统的核心部分,它和外围设备构成了嵌入式系统的硬件部分。
采用ARM处理器结构的芯片,内核非常小,并且芯片性能高、能耗低。
本系统采用的系统结构如图1所示。
1.2指纹特征
人手指的内侧的皮肤凸凹不平产生的纹路会形成各种各样的图案、断点和交叉点等各不相同的纹路就是指纹。
从生理上看,纹路是手指皮肤的凸起的部分(脊),纹路之间是凹下的部分(谷)。
通常采用的有两种层次的结构特:
全局特征:
全局特征描述的是指纹的全局纹路结构,具体划如下:
①弓型(Arch):
平弓型(PlainArch)、帐弓型(TentedArch);②箕型(Loop):
放射性箕型(RadialLoop)、尺骨状箕(UlnarLoop);③斗型(Whorl):
平斗型(PlainWhorl)、中心对称箕(Centralpocketloop)、双箕型(DoubleLoop);④杂型。
局部特征:
端点和分叉点是最常用的指纹局部结构特征,也称为细节特征。
采用这种特征的一个例子是细节-坐标模型,即使用指纹的细节点及其坐标和其他一些特征来描述指纹。
1.3算法流程
指纹识别算法主要分为对所采集到的指纹图像进行图像预处理、指纹图像特征提取和后期的指纹图像特征匹配这3个过程:
(1)指纹图像的预处理:
刚获得的图像有很多噪音,这主要由于平时的工作环境引起的,比如,手指被弄脏,手指有刀伤、疤、痕、干燥、湿润或撕破等。
想得到比较清晰干净的并不容易,这需要对指纹图像进行预处理。
指纹图像的预处理指的是对所采集到的指纹图像进行图像加工,并使加工后的图像能清楚的进行指纹特征提取的过程。
图像预处理步骤一般可分为图像的归一化、方向图计算、图像增强,图像二值化和图像细化。
(2)特征提取把指纹图像的纹线走向,纹线断点、交叉点等能充分表示该指纹唯一性的特征用数值的形式表达出来。
为了比对的准确性,要求特征提取算法尽可能多地提取有效特征,同时滤除由各种原因造成的虚假特征。
(3)指纹匹配是将新输入指纹的特征值与指纹库中所存指纹的特征值进行比对,找出最相似的指纹作为识别的输出结果。
也就是所说的指纹验证/辨识过程。
2预处理算法研究
2.1归一化
图像的归一化又称图像的背景分离,就是把图像的背景和图像前景分割开来。
图像的前景就是指纹图像,他包含着指纹图像的一切有效信息,而背景中则包括了阻碍有效信息的许多噪声。
归一化一般按下面的公式进行:
N(i,j)=M\-0+V\-\{AR\-0\}(I(i,j)-Mean)\+2[]V\-\{AR\}I(i,j)>MM\-0-V\-\{AR\-0\}(I(i,j)-Mean)\+2[]V\-\{AR\}otherwise[JY]
(1)
其中,I(i,j)是点(i,j)的灰度值,Mean、V\-\{AR\}是原图像的灰度均值和方差,M\-0、V\-\{R0\}是期望的灰度均值和方差。
2.2方向图计算
指纹图像是一种脊线和谷线相间形成的纹理图像,本身是具有很强的方向性,因而方向图的计算对一系列的指纹图像处理和识别的操作,如指纹分割、增强、二值化、细化、特征提取和指纹分类等等都具有极其重要的作用。
计算方向图用于实现指纹图像增强,所以计算方向图是一个重要步骤,它直接影响到图像增强的效果,错误的方向图最终会导致错误的图像增强。
2.2.1规格化处理
在计算指纹方向图之前,首先对指纹图像进行规格化处理。
规格化后图像在点(i,j)处的灰度值由以下公式确定:
G(i,j)=M\-0+σ\+2\-0(G′(i,j)-M)\+2[]σ\+2G′(i,j)≥M
G(i,j)=M\-0-σ\+2\-0(G′(i,j)-M)\+2[]σ\+2G′(i,j)<M
[JY]
(2)
其中G′(i,j)代表指纹图像在点(i,j)的灰度值,M和σ\+2\-0分别表示期望均值和期望方差。
2.2.2计算指纹方向场
把指纹图象分成大小为W×W的方块,对于500DPI指纹图象,W一般选择是16。
计算点(i,j)的梯度α\-x(i,j)和α\-y(i,j)。
在这里我们一般选用sobel算子计算梯度。
计算以(i,j)为中心的每一块的方向,公式如下:
V\-x(i,j)=∑i+W[]2[]u=i-W[]2∑j+W[]2[]v=j-W[]2(2\-x(u,v)\-y(u,v))
V\-y(i,j)=∑i+W[]2[]u=i-W[]2∑j+W[]2[]v=j-W[]2(\+2\-x(u,v)\+2\-y(u,v))
θ(x,y)=1[]2arctanV\-y(i,j)[]V\-x(i,j)[JY](3)
式(3)中,V\-x是局部脊线方向的最小平方估计,数学上,它表示的是这个方向垂直于w*w窗的傅立叶频率的主方向。
2.2.3图像的滤波增强
指纹图像的增强,就是对指纹图像采用一定的算法进行处理,使其纹线结构清晰化,尽量突出和保留固有的特征信息,而避免产生伪特征信息。
Gabor滤波增强算法,就是指纹增强算法中最常见的一种,这种算法的基本出发点是基于出发点是基于指纹的数学模型,指纹在局部小区域内可以认为是一组平行的具有一定频率的直线,可以沿着脊线的方向使用Gabor窗函数进行滤波增强,使脊线的信息得到加强。
具体算法描述如下:
偶对称的Gabor滤波器在空域的表示如式(4)。
h(x,y′,φ,f)=exp-1[]2(xcosφ)\+2[]δ\+2\-x+(ysinφ)\+2[]δ\+2\-ycos(2πfxcosφ)[JY](4)
式中φ为Gabor滤波器的方向,f为正弦波的频率,xδ和yδ分别为时域上高斯包络沿x和y方向上的常数。
用Gabor滤波器对图像进行处理。
需要确定3个参数:
①正弦波的频率;②滤波器的方向;③高斯包络的标准差δ\-x和δ\-y。
2.2.4图像二值化
指纹图像二值化就是将灰度指纹图像转换为只含有0和1两个值的黑白图像。
即将脊线处理为前景(黑色),将谷线和背景都处理为背景(白色),因此二值化过程也可视为指纹脊线的提取过程。
这样做的好处是:
再对图像作进一步处理时,图像的几何性质只与0和1的位置有关,不再涉及到像素的灰度值,使处理变得简单,而且数据的压缩量很大。
增强后的图像就可以使用一定的阀值来把图像变成二值图像,以便进一步的处理。
(4)如果|N\-2-N\-1|>δ,这里取δ=5,则T为所求的阈值;否则如果N\-2>N\-1,T=T-1,并且跳转至第④步继续执行;否则T=T+1,并且跳转至第④步继续执行;
(5)如果G(i,j)≥T,则G(i,j)=1;如果G(i,j) 即可得到指纹图像的二值图。 2.2.5图像细化 二值化后的指纹线仍具一定宽度,而且存在着大量的冗余信息,基于此进行后处理将大大影响处理的速度与识别效果,而指纹识别只关心纹线的方向和特征点,通过细化,可以删除纹线的边缘象素,使其成为单象素宽度以便特征提取。 细化是删除指纹纹线的边缘像素,使之只有一个像素的宽度。 好的细化算满足下列条件: ①保护纹线的特征;②谷线只有一个像素宽;③谷线应接近中心线;④不引起纹线的逐步吞食;⑤算法简单、快速。 目前使用较多的细化方法是采用模板匹配的方法,比如迭代法、OPTA单连通法等。 改进的OPTA算法: 要是利用保留和消除两套模版来达到对图像细化的目的。 改进后的算法采用统一的4*4模板。 P点为目标点,也为模版的中心点,要根据消除模板和保留模板来确定它去除还是保留,因此必须提取包含它的15个邻点值。 该模版左上角的3*3模版即为消除模版。 X表示该像素点的值既可为0也可为1。 该算法构建了统一的消除模板(8个)和保留模板(6个),实现图像的细化处理。 细化时,从图像的左上角元素开始进行,每个像素(图中为P)的8邻域像素与图中的8个消除模板比较,如果都不匹配,则点P保留,否则,抽取的元素再和图4-11的6个保留模板比较,如果与其中一个匹配,则保留点P,否则将点P删除。 重复上述过程,直到没有一个像素值被改变为止。 细化后,一般还要对处理过的图像再进行细化后处理。 因为,细化图中还有毛刺、短线、断点、小孔等四类噪声它们会形成假的特征点。 去除的方法是根据这些噪声的各自特点,采用相应的算法一一滤除。 3指纹特征提取及特征匹配 特征提取是整个指纹识别流程中的算法核心。 传统的特征提取算法,要提取和处理尽可能多的奇异点和细节特征点这是因为奇异点主要用于在指纹。 3.1指纹特征的提取 特征提取把指纹图像的纹线走向,纹线断点、交叉点等能充分表示该指纹唯一性的特征用数值的形式表达出来。 为了比对的准确性,要求特征提取算法尽可能多地提取有效特征,同时滤除由各种原因造成的虚假特征。 指纹的频率特征是根据不同的滤波函数作用于指纹图像,从而得到指纹图像的特征信息。 在频率特征的提取可以分为7个步骤: (1)求方向场及其平滑方向场; (2)计算£,£(i,j)=sin(O,(i,j)); (3)对于£图像的每一点像素(i,j)力计算区域I(0°-60°,120°-150°)和区域Ⅱ伪0°-120°)的像素值和的差,赋值给A(i,j),计算公式如下: A(i,j)=∑Ⅰε(i,j)-∑Ⅱε(i,j)[JY](6) (4)得A图像中值最大的那个点,就是需要找的参考点,一般是最黑的那个点就是参考点; (5)减小窗口的大小重复步骤,从而在上一次获得的参考点的基础上找到更精准的参考点; (6)指纹图像的Gabor滤波; (7)指纹图像的频率特征的提取。 定义特征值平均绝对偏差是频率特征的特征值。 公式如下: V\-\{iθ\}=1[]n\-i(∑n\-i|F\-\{iθ\}(x,y)-P\-\{iθ\}|)[JY](7) 3.2指纹特征匹配 特征匹配是将新输入指纹的特征值与指纹库中所存指纹的特征值进行比对,找出最相似的指纹作为识别的输出结果。 也就是所说的指纹验证/辨识过程。 由于各种因素的影响,同一指纹两次输入所得的特征模板很可能不同。 指纹匹配算法主要包括基于点模式匹配算法、基于纹理模式匹配算法和基于图的匹配算法。 基于点模式的匹配算法。 指纹细节点匹配算法的分类有多种: ①根据指纹识别的目的可以分为1∶1匹配和1∶N匹配;②根据操作过程的差异可分为自动匹配和人机交互匹配;③根据匹配适应性可以分为弹性匹配和刚性匹配。 基于纹理模式的匹配算法。 基于纹理的匹配能够克服基于细节点方法的一些缺点,但是这种方法由于需要对图像作多次卷积,运算量很大,而且难以处理较大形变指纹图像的匹配。 基于图的匹配算法。 图匹配是一种结构模式识别的方法,可以应用于指纹的分类、 细节索引和匹配。 利用了指纹图中的拓扑结构信息,以克服指纹图的噪声、旋转与变形对识别的干扰。 一个好的指纹匹配算法,需要同时满足以下要求: ①特征向量应尽可能小,以尽可能减少搜索时间;②匹配算法应快速准确,以满足实时系统的需要;③匹配算法应与指纹的平移、旋转、尺度伸缩无关;④匹配算法应能容忍增加伪特征点和丢失真实特征点;⑤匹配算法应与一定范围内的指纹非线性变形无关。 本系统采取的算法如下: (1)对于模板图像中的纹线A和待匹配图像中的纹线B,各自的链码导数表示为: A: {x\-0,y\-0,a′\-1,a′\-2,a′\-3,a′\-4,…,a′\-N,x\-n,y\-n,l\-n} B: {x\-0,y\-0,b′\-1,b′\-2,b′\-3,b′\-4,…,b′\-M,x\-m,y\-m,l\-m}[JY](8) (2)从两个纹线上分别任取长度均为n(n一般大于纹线A和B的最小长度的2/3)的片断和,其中起始于纹线A的第k个边缘点,起始于纹线B的第l个边缘点,则和之间的匹配度定义为: D\+n\-\{kl\}=1[]n∑n-1[]j=0cosπ[]4(a′\-\{k+j\}-b′\-\{l+j\})[JY](9) 其中: a′\-\{k+j\}=a\-\{k+i\}-1[]n∑n-1[]j=0a\-\{k+j\}.b′\-\{l+j\}=b\-\{l+i\}1[]n∑n-1[]j=0b\-\{l+j\},0≤i<n[JY](10) (3)计算长度为时的最佳匹配对: (K\-n,L\-n)=arg\{max\}kl(D\+n\-\{kl\})[JY](11) 其中匹配度表示为D\+n\-\{knln\}。 (4)计算=max{|D\+n\-\{knln\}>D},其中D为匹配度阈值(D越大表示对两条纹线的匹配程度要求越严格,一般取D=0.95),如果N为空集,则说明纹线A和B是不匹配的,否则就可求得纹线A和B上长度同为N,起始边缘点分别为K\-N和L\-N的匹配纹线对。 (5)重复步骤 (1)-(4),统计纹线匹配对的数量M\-P。 两幅指纹图像的匹配度计算: m=M\-p[]M[JY](12) 其中,M\-P是纹线匹配对的数量,M是已登记的指纹中所有纹线的数量。 若两幅指纹图像的匹配度大于某一阈值T\-m(T\-m越大表示对指纹图像的匹配程度要求越严格,一般取T\-m=0.95),则可以判定这两幅指纹图像是匹配的。 4结束语 本文主要针对嵌入式指纹识别系统各个流程的算法进行了研究,分别研究了指纹图像的归一化,方向图,滤波增强,二值化及细化算法。 在指纹方向图中先进行规格化处理,再计算指纹方向场。 在滤波增强中,对Gabor滤波器的各个参数的选择方法进行了改进。 在细化中,采用了改进的OPTA算法。 指纹特征的提取是基于频率特征的提取,指纹的特征匹配采用的是基于纹理模式的匹配算法。 纵观整个指纹识别领域,虽然已经取得了一些比较成熟的研究成果,但社会在不断进步,指纹识别技术整体上讲还远没有达到成熟,算法还需要不断改进。 参考文献: \[1\]孙天泽,袁文菊,张海峰,等.嵌入式设计及Linux驱动指南: 基于ARM9处理器\[M\].北京: 电子工业出版社,2005. \[2\]王崇文,王廷才.指纹图像后处理\[J\].计算机工程与设计,2002(9). \[3\]何东健.数字图像处理\[M\].西安: 西安电子科技大学出版,2001. \[4\]田捷,杨鑫.生物特征识别技术理论与应用\[M\].北京: 电子工业出版社,2003. ResearchonEmbeddedFingerprintIdentificationSystemAlgorithm Abstract: Fingerprintidentificationisdividedintofingerprintpretreatment,fingerprintfeatureextractionandafingerprintmatch.Basedonembeddedtechnologyandfingerprintsprocessingalgorithms,embeddedautomaticfingerprintidentificationsystemfingerprintidentificationofvariousprocessesstudythealgorithm,thispaperexpoundsthecharacteristicsofvariousalgorithmwithusingdetails. KeyWords: EmbeddedFingerprint;IdentificationSystem;Algorithm
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 嵌入式 指纹识别 系统 算法 研究