文献标识码：Ａ
１ 引言
指纹识别技术作为一种生物特征识别技术，具有传统 识别技术无法比拟的优点。近年来，随着嵌入式计算机的 蓬勃发展和指纹传感器性价比的提高，这一充满生机的技 术作为一种高级安全认证手段已越来越频繁地出现在手 机、笔记本电脑、ＰＤＡ、蜂窝电话等多种数码产品中，广泛地 应用在刑侦、ＩＴ、医疗、金融等诸多行业。这不仅体现了该 技术乐观的市场前景，更对其提出了更高的要求。在激烈 的市场竞争中，能否研发出高效、健壮的指纹识别算法显得 尤为重要。指纹图像的预处理和特征提取是任何一种指纹 识别算法中的关键部分，因为它直接关系到后续的指纹匹 配，进而影响指纹识别系统的识别率和识别速度。
李晨丹。徐进 ＬＩ Ｃｈｅｎ－ｃｈｍ，Ｘ１Ｊ Ｊｍ （南京农业大学工学院。江苏南京２１００３１） （Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ａ；酣ｃｕＩｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ－Ｎａｎｊｉｎｇ ２１００３１。Ｃｈｉｎａ）
摘要：在指纹识别中，作为指纹匹配的前提和基础，指纹图像的预处理和指纹图像的特征提取对整个指纹识别算法
ｃ锄
Ａｄｄｒｅｓｓ：Ｍａｉｌ Ｂｏｘ １４３，Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ ２１００３１．Ｐ．Ｒ Ｃｈｉｎｓ
６１
万方数据
像采集、图像预处理、细节点提取和指纹匹配几部分组成。 首先，指纹要通过指纹采集设备（常见的有光学取像设备、 超声波扫描取像设备、晶体传感器。现在广泛使用的是晶体 传感器）转化为计算机内的数字图像（一般为灰度图）。由 于采集过程中难免冈手指或仪器的原冈而使图像存在较多 的噪声，所以为了使图像更清晰以便于后续特征提取，必须 对采集到的图像进行增强和滤波。并进一步二值化、细化。 之后。在细化后的点线图上提取特征值，删除伪特征值。最 终得到用于匹配的细节点。采集到的图像细节点与模板中 的细节点进行比对，最终完成指纹匹配。各个环节环环相 扣，对整个系统都起着十分重要的作用。本文着重研究了 图像预处理和细节特征提取这两个关键部分。
和背景彻底分开。对于指纹图像的二值化要用自适应二值 化，即灰度阈值的选取不能是固定的，因为利用Ｍａｔｌａｂ强 大的图像处理函数不仅省去很多烦琐的编程，而且其中提 供的算法能够达到非常好的效果。用于实现二值化的 Ｍａｔｌａｂ函数代码为：
ｆｕｎｃｔｉｏｎ Ｉ＝ｂｉｎａｒｉｚａｔｉｏｎ（ａ） ｌｅｖｅｌ＝ｇｒａｙｔｈｒｅｓｈ（ａ）； ｌ＝ｉｍ２ｂｗ（ａ，ｌｅｖｅｌ）：
（２）在初步细化的基础上对图像进行进一步的细化。
ＣＮ４３－１２５８／１１Ｐ ＩＳＳＮ １００７—１３０Ｘ
计算机工程与科学
ＣＯＭＰＵＴＥＲ ＥＮＧＩＮＥＥＲＩＮＧ＆ＳＣＩＥＮＣＥ
文章编号：１００７·１３０Ｘ（２００９）０７—００６１—０４
２００９年第３１卷第７期 Ｖ０１．３１。Ｎｏ．７，２００９
指纹图像预处理和特征提取算法的Ｍａｔｌａｂ实现。
Ａ Ｐｒｅｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｍｉｎｕｔｉａｅ Ｅｘｔｒａｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｍａｔｌａｂ
的工作将难以顺利完成。本文综合前人的算法，进行一定 的改进，提出了一种新的细化方法，得到了较为理想的细化 图像。具体步骤为：
（１）首先，根据文献［８］中的细化方法得到初步的细化
图。之所以称之为初步的细化图，是因为在这种细化图上 有很多地方图线都不是单像素宽，尤其是在三叉点处，这会 给后面细节特征模板的建立带来很多不必要的麻烦。
０
０
０
０
０
０
０
ｈ＝
３
６
９
９
９
６
３
１０
２０
３０
３０
３０
２０ １０
３
６
９
９
９
６
３ｆ
０
０
０
０
０
０
０
－８——１６——２４——２４—２４—１６—８Ｊ
非水平方向的可以根据该模板旋转相应的角度得到，最好 的方法是对其进行二次线性插值。通过Ｍａｔｌａｂ中的 ｉｍｒｏｔａｔｅ（）可以省去大量计算。
（３）用得到的滤波器对该块进行滤波增强。 ｉｒａｆｉｌｔｅｒ（Ｊ，＾）函数可以方便地实现。
强、Ｇａｂｏｒ图像增强等；另一种是频域的增强，常用在傅里
叶图像增强、小波变换图像增强等。本文利用基于空间域
方向滤波的平均分离滤波器来对指纹图像进行滤波增强，
该算法的时间复杂度比其他所列举的算法低，且能较为有
效地填补空洞和断纹。由于平均分离器只能按一个局部的
方向增强，所以方向滤波过程必须将图像分块处理（嵌入式
（４）最后，值得注意的是，滤波后的像素灰度值可能不
是整数，也可能不在（Ｏ，２５５）范围内，所以对其进行归一化 是必要的。
３．３二值化
二值化指纹图像是将灰度图像变成两个灰度级的图
像。它的思想是在指纹增强时设定一定的灰度阈值，图像 像素灰度与此阈值比较，大于此值的灰度置灰度最大值 ２５５（白色），小于此值的灰度置０（黑色），从而使图像前景
起着至关重要的作用。本文设计了一套指纹图像预处理和指纹特征提取算法，利用方向滤波的方法对原始图像进行增强，
使用改进的细化算法进行细化。最后基于脊线跟踪的方法，用改进的算法更为简洁而有效地避免了各种伪特征。设计的算
法经Ｍａｔｌａｂ实现，实验效果良好。该算法为指纹识别进一步应用到实际提供了一定的技术基础。
ｂａｓｅｄ ＯＩｌ ｒｉｄｇｅ ｔｒａｃｉｎｇ．Ｔｈｅｓｅ ａｌｇｏ－
ｒｉｔｈｍｓ ａｒｅ ｓｉｍｕｌａｔｅｄ ａｎｄ ｔｅｓｔｅｄ ｂｙ Ｍａｔｌａｂ，ａｎｄ ｈａｖｅ ｉｄｅａｌ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ，ｗｈｉｃｈ ｃｏｎｔｒｉｂｕｔｅ ｔｏ ｔｈｅ ｐｒａｃｔｉｃａｌ ａｐｐｌｉｃａｔｉｏｎ．
基于点模式匹配的自动指纹识别系统（ＡＦｌＳ）的基本 流程如图２所示。
从系统流程图可以看出，一般自动指纹识别系统由图
·收稿日期：２００８—０３—２３；修订日期：２００８－０９－０８
基金项目：南京农业大学ＳＲＴ项目（０７１５１３０９）
作者简介：李展丹（１９８６一），女，山东德州人，研究方向为自动控制。 通讯地址：２１００３１江苏省南京市南京农业大学工学院１４３信箱；Ｔｅｌ：１３２９１２７６５２１；Ｅ－ｍａｉｌ：ｌｉｃｈｅｎｄａｎ｛固ｇｍａｉＬ
指纹规格化（Ｆｉｎｇｅｒｐｒｉｎｔ Ｎｏｒｍａｌｉｚａｔｉｏｎ）的目的是为了 消除传感器本身的噪声以及因为手指压力不同而造成的灰 度差异，将不同原图像的对比度和灰度调整到一个固定的 级别上，从而为后续的操作创造一个良好的开端。具体的
６２
万方数据
实现算法为：
设整个灰度图像，的大小为Ｎ×Ｎ，其均值和方差分
系统中也常用到分块处理，是为了节省内存）。分块的大小
根据图像的大小来定，目的是使各子块的纹线方向基本平
行。本文中实验用的图像大小为５０４＊４８０，经比较选用３２
＊３２的分块效果最佳。对每一个子块的滤波过程的具体
算法如下：
（１）首先计算该块的方向图。一般来说，常见的方向场
的计算分为掩模法和公式法两大类［５］。但掩模法计算精度
对于像素梯度的求取，可以方便地用Ｍａｔｌａｂ图像处理 工具箱（Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｔｏｏｌｂｏｘ）中的．Ｉｌ＝ｆｓｐｅｃｉａｌ（‘８０－ ｂｅｌ’）和ｉｒａｆｉｌｔｅｒ（Ｊ，＾）来实现。
（２）得到该块的方向图后，就能根据其方向设计出相应 的滤波器。取水平方向的滤波器为：
。－８—１６—２４—２４—２４—１６—８］
关键词：指纹识别；预处理＃方向滤波｝细化Ｉ特征提取；脊线跟踪
Ｋｅｙ ｗｏｒｄｓ．ｆｉｎｇｅｒｐｒｉｎｔ ｒｅｃｏｇｎｉｔｉｏｎ；ｐｒｅｐｒｏｅｅｓｓｉｎｇ，ｏｒｉｅｎｔｅｄ ｆｉｌｔｅｒｉｎｇ；ｔｈｉｎｎｉｎｇ；ｍｉｎｕｔｉａｅ ｅｘｔｒａｃｔｉｏｎ；ｒｉｄｇｅ ｔｒａｃｉｎｇ
中图分类号：ＴＰ３９１．４
本文在前人［１ｑ］的基础上设计了一套指纹图像预处理 和特征提取算法，并借助Ｍａｔｌａｂ强大的数学函数（其中包 括Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｔｏｏｌｂｏｘ内的图像处理函数）和方便的
图像显示功能仿真和验证了算法。
２指纹识别算法概述
指纹是手指末端正面皮肤上凹凸不平产生的纹路，这 些纹路就是通常所说的脊和谷［４］。指纹虽小，但它蕴涵了 大量信息。其中，包括纹型在内的全局特征，为指纹的分类 提供了基础；同样，指纹还有许多局部特征（根据美国国家 标准局规定。包括脊末梢、分岔点、复合特征和未定义四 种），称为细节点（Ｍｉｎｕｔｉａ）。不同人的指纹的细节点是唯 一的、稳定不变的，这为指纹识别提供了可能。目前，最常 用的方法是用ＦＢＩ提出的指纹细节点模型来做细节匹 配［２］。而最常用的细节特征有脊末梢和分支点两种，如图 １所示。本文就是基于这种模型设计的算法。
别为Ｍ、Ｖ，由式（１）确定：
＾卜ｌ Ｎ一１
ｆＭ一－ｂ∑∑Ｉ（ｉ，Ｊ）源自｛弋 一，Ｎ４－１？肛￡ｌ？
（‘１ｌ’）
．
ｌＶ＝击∑∑（ｍ，＿『）－－Ｍ）２ ‘ １’ｉ＝０ Ｊ＝０
规格化的公式见式（２）：
Ｇ（ｉ，Ｊ）＝＜—— ｆＭｏ ｑ、／ＶＡＲｏ（Ｉ（ｉ，ｊ）－－Ｍ）２，Ｊ（ｉ，Ｊ）＞Ｍ
ＩＭｏ ４ＶＡＲｏ（Ｉ（ｉ，））－－Ｍ）ｚ，ｏｔｈｅｒ而ｓｅ
（３）
２Ｇ（ｉ＋１，Ｊ）一Ｇ（ｉ＋１，Ｊ＋１）
｝｛’ｕ？２件＂ｆ２
ｆ托（ｉ，Ｊ）＝∑∑２ａ：（ｕ，ｖ）Ｏ，（剐）
．｛
＝州２
（’４～）
ｌ÷｝ｔ吖２爿－ｗ／２
【乃（ｉ，Ｊ）＝∑∑（畦（“，口）一ａ；（“，口））
其中，以（ｉ，歹）和ａ，（ｉ，Ｊ）分别是用ｓｏｂｅｌ算子求出的每个 像素梯度的横纵坐标，Ｋ和ｙ，可以表示每一块的方向。在 正交坐标系上，原点到它们组成的坐标点的有向线段与Ｘ 的正半轴的夹角可表示该子块的块方向。