基于matlab指纹识别系统
随着科学技术的不断发展，自动指纹识别技术已广泛应用于银行、商业交易、公安部门、海关部门等需要识别人身份的领域。本文描述了自动指纹识别系统的研究现状和自动指纹识别系统的基本算法和流程。本实验是利用它MATLAB指纹识别系统的模拟和实验于2012年进行。
然而，随着生物识别技术的快速发展，人们发现每个人的指纹都是独一无二的和不变的。正因为如此，指纹识别技术逐渐发展成为一种新的身份识别技术，以其良好的安全性和可靠性，逐渐有取代传统身份认证的趋势。
本实验简要介绍了指纹识别图像的预处理方法和步骤。指纹图像预处理后，将获得具有统一像素宽度的二值图像，最后根据特定指纹图像的端点和交叉点的特征自动匹配指纹。本文采用MATLAB2012编程实现所有算法。
关键词：指纹识别技术 预处理指纹图像 指纹识别 MATLAB2012
1.1 指纹及其识别
指纹识别技术是生物特征识别领域最成熟的应用技术之一。事实上，它有着非常悠久的历史。很久以前，指纹识别技术一直应用于刑事侦查和司法鉴定领域，很多人都不知道。随着计算机网络和信息处理技术的快速发展，这种历史悠久的指纹识别技术也开拓了越来越广阔的市场。自动指纹识别技术及其相关产品越来越多地应用于普通人的生活中。
生物识别技术（Biometric Identification Technology）定义是一种利用人体不同生物特征认证人体身份的技术[1]。这是因为人的生物特征是唯一的，可以区分与他人不同的特征。此外，我们还可以通过技术测量或自动识别来检验生理特征和行为称之为生理特征和行为特征。我们提取生物特征并将其放入数据库中，然后逐一对应提取人的唯一特征及其身份。
指纹识别技术：是的 分析全局特征和局部特征的技术就是我们所说的指纹识别技术。而且我们每一个人的指纹都具有独一无二的特征点，而且这些特征点都是可以测量的。每一个特征会伴随着大约七个不同的特征。可想而知，我们至少有10个手指可以产生4900个独立功能和可测量数据。指纹识别技术是一种可靠的门识别技术。
即使是同一个人，指纹也会因人而异。而且，线的方向、断点和交叉点的差异决定了指纹具有唯一的特性，这正是指纹识别技术的原理。不仅如此，我们的指纹也不会随着年龄的增长而改变太多，也就是说，我们的指纹是终身不变的。指纹的独特性和稳定性可以将一个人的身份个人信息与他对应的指纹联系起来。实现的方法是提前保存他的指纹样本，然后与指纹模板进行匹配和比较。然后用计算机快速识别指纹图像。这样，指纹对应的人的真实身份就能很快识别出来。从而实现身份认证和识别功能。
1.2 指纹识别算法概述
本实验使用的主要算法是滤波特性和不变矩指纹识别算法。
滤波特征识别算法：大小不变，位置不变，方向不变，这是特征指纹图像必须满足的三个特征。大小不变性容易满足。在滤波特征提取算法中，通过确定指纹图像的中心点来实现位置不变性。指纹图像的方向不变性是通过在匹配阶段建立多角度的旋转特征向量来实现的。滤波特征的提取算法包括4 个步骤。首先确定指纹图像的中心点。作为需要处理的指纹区域的中心，记录为R01 区域；二是中心参考点，对R01 适当划分区域，得到一定大小的块；三是使用一组 Gabor 滤波器，对R01 区域进行八个不同方向的滤波操作；第四，计算滤波后的图像。图像灰度值与平均值的绝对偏差。 然后获得特征向量或特征编码。该指纹识别算法。首先提取指纹图像的滤波特征，然后匹配特征向量（由滤波特征值组成）。
不变矩识别算法的基本思路是：
- 所有可能成为目标二值化图像中，所有可能成为目标的区域。
- 计算出R01区域的7个不变矩特征与模板匹配度最高R匹配01区域。相似度量采用欧式距离。（ Euclidean distance）。
在这里，搜索算法是系统中使用的最简单的顺序搜索方法。它是一个接一个地搜索数据库文件。当系统读取指纹数字图像图像时，指纹数字图像的特征值将首先提取和编码，并保存在临时变量中。一组指纹数字图像灰度偏差的特征也将保存在系统的指纹数字图像数据库文件中。过程如下：
1.申请内存空间。保存匹配结果的临时变量，保存输入系统的指纹数字图像编码。
2. 搜索系统的数据库文件。当数据库文件为空时，程序结束。
3. 当系统的数据库文件不时。因为指纹数字图像在入库时，指纹数字图像是按一定顺序编码的。同样，系统还设置相同顺序的匹配指纹数字图像图像编码。这样，系统就会按照一定的顺序进行匹配。这可以通过欧氏距离（ E D）匹配算法来判断两个指纹数字图像之间的欧氏距离。前面提到的系统是两次保存指纹数字图像。比较相应的特征向量，输出最小的一个作为系统比较的结果。对比数据库中的模板图像和待测图像对应的特征点向量距离计算在这里。对于计算机计算的数据，如果匹配指数小于固定值 T，则被认为是匹配成功，否则匹配失败。
简单地说，欧氏距离（ Euclidean distance）将两组特征向量减少，然后找出相应的平方和差异，然后打开根号。例如：A=（1，2，3）B=(4、5、6)他们之间的距离是 d=sqrt((1-4)2 (2-5)2 (3-6)2)。然后识别系统逐一搜索数据库中的数据文件，以获得其距离的最小值。如果比较两个指纹数字图像的特征向量之间的距离是 0.系统会认为这两个数字图像是同一个，或者来自同一个手指。从而达到识别功能。欧氏距离表示的是两张指纹数字图像的特征向量的相似程度。距离越近越容易相互干扰，误码率越高，越相似。
1.33采集指纹图像的技术
获得良好的指纹图像是一个非常复杂的问题。由于用于测量的指纹只是一个相当小的表皮，指纹采集设备应该有足够好的分辨率来获得指纹的细节。目前使用的指纹图像采集设备基本上基于光学技术、半导体硅技术和超声波技术三种技术基础。
1.光学技术[10]
借助光学技术收集指纹是历史最悠久、应用最广泛的技术。将手指放在光学镜头上，用棱镜投射到内置光源下的电荷耦合器件中（CCD）然后形成多灰度指纹图像(指纹图像中有一定宽度和方向的线)，可以通过指纹设备算法处理，形成黑色和白色的谷线(线之间的凹陷部分)。
光学指纹采集设备具有明显的优点：已经过了长期的应用测试，在一定程度上适应了温度变化，相对便宜，可达500DPI高分辨率等。缺点是光学指纹产品的效果会因为光程足够长而变差。
2.硅技术（CMOS技术）[10]
20世纪90年代末，基于半导体硅电容效应的技术趋于成熟。硅传感器成为电容器的极板，手指是另一个极板，利用指纹线的脊和谷相对光滑的硅传感器之间的电容差形成8bit灰度图像。
硅技术优点是可以在较小的表面上获得比光学技术更好的图像质量，在1cm×1.5cm表面获得200~300线的分辨率（较小的表面也导致成本的下降和能被集成到更小的设备中）。缺点是易受干扰，可靠性相对差。
3.超声技术[10]
为了克服光学技术设备和硅技术设备的不足，出现了一种新型的超声指纹采集设备。其原理是利用超声波具有穿透材料的能力，并产生不同不同大小产生不同的回波（当超声波到达不同材料的表面时，吸收、穿透和反射程度不同）。因此，指纹脊和谷的位置可以通过皮肤和空气之间来区分。
超声技术使用的超声频率为1×104Hz~1×109Hz，能量控制在对人体无害的程度（与医学诊断的强度相同）。超声波技术产品可以达到最佳精度，对手指和平面的清洁度要求较低，但收集时间明显长于上述两种产品。
1.4 指纹预处理
在指纹采集过程中，不可避免地会引入各种噪声，如图像中的叉连接、断点等，这些噪声对指纹特征信息的提取有一定的影响，甚至会产生许多伪特征点。因此，在提取指纹特征之前，需要对指纹图像进行以去除无用信息，增强有用信息。获得增强灰度图后，需要进一步二值化，便于后续处理。指纹图像的预处理是去除指纹图像中的噪声，使指纹图像清晰，边缘明显，从而提高提取和存储特征的准确性。[9]包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化。
指纹图像获取是通过专门的指纹采集仪可以采集活体指纹图像。目前，指纹采集仪主要包括活体光学、电容和压感。对于分辨率、采集面积等技术指标，公安行业已形成国际和国内标准，但其他标准仍不统一。根据采集指纹面积，一般可分为滚动印刷指纹和平面印刷指纹。滚动印刷指纹广泛应用于公安行业。此外，指纹图像也可以通过扫描仪和数字相机获得。
指纹图像只分为脊和谷， 因此，二值图像可以完全描述，即指纹图像的二值化。目前，指纹的二值化只有两种方法[13]， 一种是固定门限法， 另一种是动态门限法。固定门限法是用灰度门限制整个图像， 对输入图像要求高， 要求整个图像灰度分布均匀。因此，我们将均衡增强的图像作为其输入图像。
动态门限制法是根据不同区域采用不同的门限制法，一般采用平均域限制法。它对输入图像的照射要求不高。因此，我们使用方向过滤图像作为输入图像。
指纹图像的细化是找出指纹线的轴线而不是线的过程。目前采用的细化方法是迭代轮廓剥离法。在边界象素中剥离不影响连通性的象素，直到线宽为1个象素。这样，细化的线宽度越厚，迭代次数越多，细化时间越长，这是我们不想要的。
指纹形态特征包括中心（上、下）和三角形点（左、右）指纹的细节特征主要包括起点、终点、结合点和分叉点。自动选择这些点，以完成指纹形态和细节特征的提取[14]。
指纹比较是根据指纹的纹理进行粗细匹配，然后利用指纹的形状和细节特征精确匹配，给出两枚指纹的相似性得分。根据应用的不同，对指纹的相似性得分进行排序或给出是否为同一指纹的判决结果。
1.5 指纹图像预处理过程及一般算法
在指纹图象处理的流程中，预处理是第一个处理环节．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。
在常见的图象处理技术中，通常按处理目的把预处理过程分为平滑、增强、二值化等步骤。每一步骤都有一些常用算法，如用于平滑的均值滤波法、中值滤波法、迭代加权法等，用于增强的规格化法、自适应算法、拉普拉斯法、Wdlis滤波、Lee滤波等[5]。
经过很长时间的深入研究和反复实践，发现这些常用的算法应用在指纹图象处理中有下列的问题：
(1)这些算法对于指纹图象处理的效果并不理想，尽管从视觉上有一定改善，但对于后续的细化和特征抽取处理效果来看，不能有效地提高特征的准确率。
(2)不能较好地处理指纹的背景部分，严重影响特征抽取和识别。
(3)不能根据指纹图象的质量差别进行特殊处理，通常获得的指纹图象，会有部分区域质量较差，无法抽取特征，在这些算法中，无法找到一个判别标准[5]。
对此，则需要我们对算法原理的进一步了解及改进。
方向图算法正是基于以上特点在80年代初期，就已经开始有把方向图引入到指纹图的一些成功的尝试。这时候所使用的方向图是从二值图中直接提取，得到的处理效果并不完全令人满意。
从1987年开始，B M．Mehtre等人成功地得到了在灰度图上直接获取方向图的有效算法，并陆续提出了一系列的预处理方法来处理指纹灰度图[15]。使用这些算法使指纹图象的处理效果达到了一个新的水平，从而使基于方向图的算法成为指纹图象处理方法研究中的一个热点 在以后的研究中，出现了很多改进和发展，如Kallen Karu等1996 年提出的把方向图用于纹型分类。Linghong等1998年提出的基于方向图的纹线增强等都取得了较好的效果[24]。这使得方向图成为指纹图象处理技术的关键技术之一。
目前的基于方向图的算法中，从灰度图中获取方向图的原理都大体相同，其基本原理是：从图象的灰度矩阵C(I，J)中计算在各个方向上的某个统计量如灰度差或灰度平均等，根据这些统计量在各个方向上的差异，确定在一个小临域内纹线的主方向。针对每象素得到的方向则形成点方向图[23]。为了保持点方向的有效性使用方便，对点方向在一小块内聚类则得到块方向图。
1.6特征拾取、验证和辨识
一个高质量的图像被拾取后，需要许多步骤将它的特征转换到一个复合的模板中，这个过程被称为特征拾取过程，它是手指扫描技术的核心。当一个高质量的图像被拾取后，它必须被转换成一个有用的格式。如果图像是灰度图像，相对较浅的部分会被删除，而相对较深的部分被变成了黑色。脊的像素有5~8个被缩细到一个像素，这样就能精确定位脊断点和分岔了。微小细节的图像便来自于这个经过处理的图像[18]。在这一点上，即便是十分精细的图像也存在着变形细节和错误细节，这些变形和错误细节都要被滤除。
除细节的定位和夹角方法的应用以外，也可通过细节的类型和质量来划分细节。这种方法的好处在于检索的速度有了较大的提高，一个显著的、特定的细节，它的惟一性更容易使匹配成功。还有一些生产商采用的方法是模式匹配方法，即通过推断一组特定脊的数据来处理指纹图像。
就应用方法而言，指纹识别技术可分为验证和辨识[20]。
验证就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对来确定身份的过程。指纹以一定的压缩格式存储，并与其姓名或其标识（ID，PIN）联系起来。随后在对比现场，先验证其标识，然后利用系统的指纹与现场采集的指纹比对来证明其标识是合法的。验证其实回答了这样一个问题："他是他自称的这个人吗？"这是应用系统中使用得较多的方法。
辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。这也叫"一对多匹配"[16]。辨识其实是回答了这样一个问题："他是谁？"
指纹是人体独一无二的特征，其复杂度足以提供用于鉴别的特征。随着相关支持技术的逐步成熟，指纹识别技术经过多年的发展已成为目前最方便、可靠、非侵害和价格便宜的生物识别技术解决方案，对于广大市场的应用有着很大的发展潜力。
1.7 指纹识别的主要应用
指纹识别键盘现在的计算机应用中，包括许多非常机密的文件保护，大都使用“用户ID+密码”的方法来进行用户的身份认证和访问控制。但是，如果一旦密码忘记，或被别人窃取，计算机系统以及文件的安全问题就受到了威胁[11]。
随着科技的进步，指纹识别技术已经开始慢慢进入计算机世界中。目前许多公司和研究机构都在指纹识别技术领域取得了很大突破性进展，推出许多指纹识别与传统IT技术完美结合的应用产品，这些产品已经被越来越多的用户所认可。指纹识别技术多用于对安全性要求比较高的商务领域，而在商务移动办公领域颇具建树的富士通、三星及IBM等国际知名品牌都拥有技术与应用较为成熟的指纹识别系统，下面就对指纹识别系统在笔记本电脑中的应用进行简单介绍。
众所周知，在两年前就有部分品牌的笔记本采用指纹识别技术用于用户登录时的身份鉴定第一代光学式指纹读取器，但是，当时推出的指纹系统属于光学识别系统，按照现在的说法，应该属于第一代指纹识别技术。光学指纹识别系统由于光不能穿透皮肤表层（死性皮肤层），所以只能够扫描手指皮肤的表面，或者扫描到死性皮肤层，但不能深入真皮层。
在这种情况下，手指表面的干净程度，直接影响到识别的效果。如果，用户手指上粘了较多的灰尘，可能就会出现识别出错的情况。并且，如果人们按照手指，做一个指纹手模，也可能通过识别系统，对于用户而言，使用起来不是很安全和稳定。
因此出现了第二代电容式传感器，电容传感器技术是采用了交替命令的并排列和传感器电板，交替板的第二代电容式传感器形式是两个电容板，以及指纹的山谷和山脊成为板之间的电介质。两者之间的恒量电介质的传感器检测变化来生成指纹图像。但是由于传感器表面是使用硅材料容易损坏，导致使用寿命降低，还有它是通过指纹的山谷和山脊之间的凹凸来形成指纹图像的，所以对脏手指、湿手指等困难手指识别率低。
发展到今天，出现第三代生物射频指纹识别技术，射频传感器技术是通过传感器本身发射出微量射频信号，穿透手指的表皮层去控测里层的纹路，来获得最佳的指纹图像。因此对干手指，汉手指等困难手指通过可高达99%，防伪指纹能力强，指纹敏感器的识别原理只对人的真皮皮肤有反应，从根本上杜绝了人造指纹的问题，宽温区：适合特别寒冷或特别酷热的地区。因为射频传感器产生高质量的图像，因此射频技术是最可靠，最有力有解决方案。除此之外，高质量图像还允许减小传感器，无需牺牲认证的可靠性，从而降低成本并使得射频传感器思想的应用到可移动和大小不受拘束的任何领域中。
指纹识别技术还可以通过几种方法应用到许多方面。可以想象如果计算机上的所有系统和应用程序都可以使用指纹验证的话，人们使用计算机就会非常方便和安全，用户不再讨厌必要的安全性检查，而IT开发商的售后服务工作也会减轻许多。IBM公司已经开发成功并广泛应用的Global Sign On软件通过定义唯一的口令，或者使用指纹，就可以在公司整个网络上畅行无阻。 把指纹识别技术同IC卡结合起来，是目前最有前景的一个方向之一[12]。该技术把卡的主人的指纹（加密后）存储在IC卡上，并在IC卡的读卡机上加装指纹识别系统，当读卡机阅读卡上的信息时，一并读入持卡者的指纹，通过比对卡上的指纹与持卡者的指纹就可以确认持卡者的是否卡的真正主人，从而进行下一步的交易。在更加严格的场合，还可以进一步同后端主机系统数据库上的指纹作比较。指纹IC卡可以广泛地运用于许多行业中，例如取代现行的ATM卡、制造防伪证件（签证或护照、公费医疗卡、会员卡、借书卡等）。目前ATM提款机加装指纹识别功能在美国已经开始使用。持卡人可以取消密码 (避免老人和孩子记忆密码的困难)或者仍旧保留密码，在操作上按指纹与密码的时间差不多。
近年来，自动发送信息的互联网络，带给人们的方便与利益，正在快速增长之中，但也因此产生了很多的问题，尤其在信息安全方面。无论是团体或者个人的信息，都害怕在四通八达的网络上传送而发生有损权益的事情。由于指纹特征数据可以通过电子邮件或其他传输方法在计算机网络上进行传输和验证，通过指纹识别技术，限定只有指定的人才能访问相关信息，可以极大地提高网上信息的安全性，这样，包括网上银行、网上贸易、电子商务的一系列网络商业行为，就有了安全性保障。在SFNB(Security First Network Bank安全第一网络银行)[22]，就是通过互联网络来进行资金划算的，他们目前正在实施以指纹识别技术为基础的保障安全性的项目，以增强交易的安全性。
在医院里，指纹识别技术可以验证病人身份，例如输血管理。指纹识别技术也有助于证实寻求公共救援、医疗及其他政府福利或者保险金的人的身份确认。在这些应用中，指纹识别系统将会取代或者补充许多大量使用照片和ID的系统。 总之，随着许多指纹识别产品已经开发和生产，指纹识别技术的应用已经开始进入民用市场，并且发展迅猛，相信这一技术的普及应用已经指日可待。