嵌入式指紋檢索系統(tǒng)設(shè)計

　　指紋識別技術(shù)在整個生物特征識別領(lǐng)域占據(jù)著重要地位，目前傳統(tǒng)的指紋識別系統(tǒng)在指紋匹配準(zhǔn)確度上也已經(jīng)達(dá)到了比較理想的效果。然而，隨著數(shù)據(jù)信息的膨脹，在很多應(yīng)用場合下指紋數(shù)據(jù)庫的規(guī)模越來越大，當(dāng)系統(tǒng)需要處理大容量的指紋數(shù)據(jù)庫時，如果采用傳統(tǒng)的一對一的指紋識別模式，則將消耗相當(dāng)長的時間。這對于實時性要求較強的應(yīng)用系統(tǒng)而言，顯然是不可接受的。為了提高大容量數(shù)據(jù)庫下指紋識別的效率，一種基于指紋檢索策略的快速搜索方案被提出，這一方案將有效降低整個指紋識別過程的耗時量。

　　此外，在嵌入式技術(shù)高速發(fā)展的今天，市場對于高度集成化、便攜化、智能化的嵌入式指紋系統(tǒng)有著強烈的需求。考慮到嵌入式指紋系統(tǒng)需要進(jìn)行現(xiàn)場指紋采集、指紋查找和驗證等過程，則更需要合理的策略來保證系統(tǒng)的實時性和可靠性。因此，設(shè)計高效的嵌入式指紋檢索算法，并在具有大容量指紋數(shù)據(jù)庫的嵌入式系統(tǒng)下實現(xiàn)指紋的快速檢索與匹配，有著重要的研究意義和廣泛的商業(yè)價值。

　　1.自動指紋識別系統(tǒng)研究

　　隨著計算機(jī)和信息技術(shù)的發(fā)展，F(xiàn)BI和法國巴黎警察局于上世紀(jì)六十年代開始了對自動指紋識別系統(tǒng)AFIS(Automatic Fingerprint Identification System)的研究。自動指紋識別系統(tǒng)(AFIS)最初使用于刑事案件偵破之中，到了九十年代，被廣泛用于個人身份的鑒定。

　　自動指紋識別系統(tǒng)(AFIS)是一個典型的生物特征識別系統(tǒng)，它包括了指紋圖像采集模塊、圖像預(yù)處理模塊、指紋特征分析與提取模塊、指紋對比匹配模塊等幾個部分。在實際應(yīng)用中，一個完整的自動指紋識別系統(tǒng)一般可以實現(xiàn)指紋注冊和指紋匹配兩大功能。在進(jìn)行指紋注冊時，系統(tǒng)首先通過指紋圖像采集模塊采樣得到待注冊用戶的指紋圖像數(shù)據(jù);隨后將這些數(shù)字化的圖像信息傳入主控制器，并由圖像預(yù)處模塊進(jìn)行預(yù)處理加工;接著由指紋特征分析與提取模塊提取出需要的指紋特征，并生成指紋特征模板;最后將特征模板存放到指紋數(shù)據(jù)庫中。在進(jìn)行指紋匹配時，首先依然是采集待鑒定用戶的指紋圖像數(shù)據(jù);接著同樣進(jìn)行圖像預(yù)處理和指紋特征提取;然后利用提取到的待測指紋特征與指紋庫中的指紋特征模板進(jìn)行對比;最后給出認(rèn)證結(jié)果以確認(rèn)身份是否匹配。自動指紋識別系統(tǒng)基本工作流程如圖1所示。

　　圖1自動指紋識別系統(tǒng)基本工作流程圖

　　為了應(yīng)對某些大容量指紋數(shù)據(jù)庫下自動指紋識別系統(tǒng)運行效率低下的問題，目前學(xué)術(shù)界也提出了相關(guān)優(yōu)化措施，其中以指紋分類策略和指紋檢索策略最具代表性。指紋分類技術(shù)的不足之處在于人體指紋并非均勻的分布在各個指紋類中，在很大的數(shù)據(jù)庫下并不能很有效的減小對比范圍;另外對于模糊指紋，并不能起到準(zhǔn)確的分類效果。而指紋檢索技術(shù)則能較好的避免以上問題，在縮小對比范圍的同時，也克服了模糊指紋分類不確定的缺陷。

　　2.指紋檢索算法與程序設(shè)計

　　2.1指紋圖像預(yù)處理算法

　　指紋檢索的首要環(huán)節(jié)就是進(jìn)行指紋圖像的預(yù)處理工作，其目的是為了去除圖像無效區(qū)域、降低噪聲，從而提高指紋檢索的效率。在利用指紋采集器獲取到灰度化的原始指紋圖像后，首先是進(jìn)行指紋圖像的分割，提取出指紋前景區(qū);然后再通過計算平均像素灰度的方法對圖像進(jìn)行標(biāo)準(zhǔn)化處理，使指紋圖像的灰度和對比度調(diào)整到一個統(tǒng)一標(biāo)準(zhǔn)的范圍內(nèi)。

　　預(yù)處理的第二環(huán)節(jié)是圖像的濾波增強，本文采用基于方向場和頻率場特性的Gabor濾波增強算法對指紋圖像進(jìn)行增強處理。在濾波前首先需要計算指紋圖像的脊線方向場圖像和頻率特性圖，對于指紋脊線方向場信息，采用經(jīng)典的Sobel算子求取像素的梯度值，然后利用求出的像素橫向梯度矢量Gx和縱向梯度矢量Gy計算方向角度值;對于指紋頻率信息，則通過計算某一區(qū)域指紋脊線間平均像素距離而得到。獲得以上信息后，再利用Gabor濾波函數(shù)對指紋圖像做增強處理。

　　得到增強的指紋圖像后，還要對圖像進(jìn)行二值化和細(xì)化處理。二值化是使灰度圖像變成黑白圖像，將圖像在灰度層次上從原來的256色降為黑白2色，對指紋圖像信息量進(jìn)行了壓縮;細(xì)化則是在不改變原有圖像像素拓?fù)溥B接關(guān)系的條件下，保留了紋線的主要信息，使指紋圖像的脊線分布變得簡單明了，為指紋特征的提取和索引做準(zhǔn)備，因此也是圖像預(yù)處理中非常重要的一步。

　　2.2指紋特征提取算法

　　指紋特征提取的主要目的是計算指紋核心點(Core)和細(xì)節(jié)點(Minutia)的特征信息。在提取指紋核心點時，采用的是Poincare Index算法，該算法的思路是在指紋圖像某像素點區(qū)域內(nèi)，按圍繞該點的閉合曲線逆時針方向旋轉(zhuǎn)一周，計算方向角度旋轉(zhuǎn)變化量的和，最后以計算結(jié)果來尋找核心點。計算過程中如果某像素點的Poincare Index值為π則判定為核心點，然后便提取該點的坐標(biāo)與方向場信息，記為P(Cx， Cy，θc)。

　　對于指紋的細(xì)節(jié)點特征，在本設(shè)計中只要求提取指紋脊線端點(Ending)和脊線分叉(Bifurcation)兩種細(xì)節(jié)點。在細(xì)化的指紋圖像中，這兩種細(xì)節(jié)點的形態(tài)如圖2和圖3所示：

　　圖2 脊線端點

　　圖3 脊線分叉

　　在提取指紋細(xì)節(jié)點時，首先為細(xì)化圖像中的每個像素點P建立一個8鄰域像素區(qū)，如圖4所示。其中P1~P8為像素點P周圍的鄰近環(huán)繞像素點。P1~P8中黑色點的值設(shè)為1，白色點的值設(shè)為0.

　　圖4 8鄰域像素圖

　　根據(jù)Crossing Number (CN)理論，在8鄰域像素圖中按照公式1計算像素點的CN值。例如在圖2和圖3中，8領(lǐng)域像素區(qū)域內(nèi)中心點的CN值分別為1和3.