張玉靜　査玉華　胡開華

摘要：該文針對經(jīng)過預(yù)處理過的指紋圖像，采用鄰域像素追蹤法對指紋紋線端點(diǎn)、叉點(diǎn)、中心點(diǎn)和三角點(diǎn)等指紋特征點(diǎn)進(jìn)行提取，介紹了各特征點(diǎn)的算法實(shí)現(xiàn)流程，給出了最終的特征提取實(shí)驗結(jié)果，實(shí)驗結(jié)果表明，該方法在能夠有效地提取指紋特征點(diǎn)的情況下，還在速度和準(zhǔn)確性上也有所提高。

關(guān)鍵詞：臨域像素追蹤；特征點(diǎn)提??；算法；流程圖

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）01-0133-02

指紋特征提取指的是指紋識別系統(tǒng)在指紋輸入設(shè)備中所獲取的指紋圖像中提取出具有個體指紋特征信息的數(shù)據(jù)。每個人的指紋都不相同，如何在這些形態(tài)各異的指紋圖像中正確定義指紋特征并對其進(jìn)行分類具有非常重要的意義。經(jīng)過預(yù)處理過的指紋圖像，其指紋紋線已經(jīng)細(xì)化成一條點(diǎn)線指紋圖。對指紋紋線的描述必須要遍歷紋線上的每個像素點(diǎn)，為了避免這種過于龐大的數(shù)據(jù)操作，在實(shí)際的指紋特征提取操作中往往采取提取紋線上的某些關(guān)鍵特征點(diǎn)對指紋紋線進(jìn)行描述，如紋線端點(diǎn)、叉點(diǎn)、中心點(diǎn)、三角點(diǎn)等。

1 指紋端點(diǎn)特征點(diǎn)的提取

指紋圖像的端點(diǎn)特征點(diǎn)的概念是人體指紋紋線的起點(diǎn)與終點(diǎn)。對指紋的端點(diǎn)特征點(diǎn)提取的具體辦法一般為8鄰域像素追蹤法。即首先對指紋紋線的某個像素點(diǎn)進(jìn)行掃描，若該像素點(diǎn)周圍其余的8個像素點(diǎn)中滿足所有相鄰2個像素點(diǎn)的差值的絕對值相加等于255×2，則判定該點(diǎn)為指紋紋線的端點(diǎn)。如圖1所示的指紋紋線9點(diǎn)像素模型圖即可清楚看到假設(shè)A像素點(diǎn)為紋線端點(diǎn)，則刪除A點(diǎn)后的像素圖中出現(xiàn)一個黑色像素塊，該點(diǎn)周圍存在相鄰的白色方塊數(shù)量則只有2個，因為白色像素塊的灰度值是255，所以A像素端點(diǎn)四周的相鄰兩個白色像素塊差值的絕對值相加是255×2個。

指紋特征端點(diǎn)的提取算法主要步驟為：

1） 獲取當(dāng)前端點(diǎn)周圍8個點(diǎn)的地址偏移；

2） 計算這8個點(diǎn)所有相鄰兩個點(diǎn)的差的絕對值之和sum；

3） 若sum=2×255，則返回true，否則返回false。

2 指紋叉點(diǎn)特征點(diǎn)的提取

指紋特征點(diǎn)中的叉點(diǎn)是指人體指紋紋線中由兩條交匯并成為一條紋線的匯集點(diǎn)。指紋紋線叉點(diǎn)特征點(diǎn)提取仍采用8鄰域像素追蹤法。首先對指紋紋線的某一像素點(diǎn)進(jìn)行掃描，若該點(diǎn)四周的8個像素點(diǎn)中滿足所有相鄰的2個像素點(diǎn)的差值的絕對值相加等于255×6，即判定該為紋線叉點(diǎn)。圖2中的指紋紋線叉點(diǎn)9像素模型中可以看到，假設(shè)A點(diǎn)為紋線叉點(diǎn)，則刪除A點(diǎn)后，紋線模型中剩余3個黑色像素點(diǎn)塊，該點(diǎn)周圍存在相鄰的白色方塊數(shù)量則只有2個，因為白色像素塊的灰度值是255，所以A像素端點(diǎn)四周的相鄰兩個白色像素塊差值的絕對值相加是255×2×3，即255×6。

圖2 實(shí)際指紋紋線叉點(diǎn)及其像素模型

指紋叉點(diǎn)特征點(diǎn)的提取算法主要步驟為：

1） 獲取當(dāng)前點(diǎn)贖罪圍8個點(diǎn)的地址偏移；

2） 計算這8個點(diǎn)所有相鄰兩個點(diǎn)的差的絕對值之和sum；

3） 若sum=6×255，則返回true，否則返回false。

3 指紋的奇異特征點(diǎn)的提取

人體指紋的奇異特征點(diǎn)是指指紋特征點(diǎn)的中心點(diǎn)和三角點(diǎn)。通過提取奇異特征點(diǎn)可以幫助人們在指紋識別中對指紋進(jìn)行分類和定位指紋比對時的相對坐標(biāo)系。論文應(yīng)用方向場概念對人體指紋特征的奇異點(diǎn)進(jìn)行追蹤提取。

對指紋奇異特征點(diǎn)的提取算法需要引用離散Poincare對其進(jìn)行數(shù)學(xué)建模，常用的方格表示有3×3和5×5方格模板，因為這樣便于計算機(jī)計算實(shí)現(xiàn)。

在上表所示的方格模板內(nèi)（5×5方格），點(diǎn)（i，j）為閉合曲線D1， D2，…，D12順時針方向形成的區(qū)域中心，計算該條閉合曲線的Poincare值為：[Poincare（i，j）=112|Di-D（i+1）mod12|]。而3×3方格模板中，計算以點(diǎn)（i，j）為中心順時針方向形成的閉合曲線d1， d2，…，d8的Poincare值為：

[Poincare（i，j）=18|di-d（i+1）mod8|]

通過上述方法得到的多個相鄰候選奇異特征點(diǎn)中，還要進(jìn)一步利用均值算法確定最后的奇異特征點(diǎn)。同時識別算法中所獲取的指紋圖像常常存在噪聲污染，可能會產(chǎn)生偽奇異特征點(diǎn)。為了去除這些噪點(diǎn)，需要再次計算閉合曲線的Poincare值。如表2所示，再次計算以點(diǎn)（i，j）為中心，順時針方向的閉合曲線的Poincare值，當(dāng)3×3方格的Poincare值和5×5方格相等時（為0.5或-0.5），才能確定該候選奇異特征點(diǎn)為真正的指紋特征奇異點(diǎn)。

如表1所述，對每一個奇異特征點(diǎn)，在3×3方格模板方向場中，需要計算1，2，3…8，八個方向場之間的差值的總和，其中最小值的方向為奇異特征點(diǎn)的方向。而在5×5方格模板的方向場中，則需要計算1，2，3，…12，12個方向的方向場時會出現(xiàn)兩個方向和是相同的情況，此時可以采取求方向的平均值為奇異特征點(diǎn)的方向。

指紋的奇異特征點(diǎn)的提取算法具體步驟為：

1） 獲取當(dāng)前點(diǎn)方向場值，判斷該點(diǎn)是否為背景點(diǎn)，若是，則跳出循環(huán)；

2） 計算以該點(diǎn)為中心的3×3方格內(nèi)，形成的逆時針方向閉合曲線的Poincare的值sum1；

3） 計算以該點(diǎn)為中心的5×5方格內(nèi)，形成的逆時針方向閉合曲線的Poincare的值sum2；

4） 若sum1和sum2方向場差相同，則判定該點(diǎn)為奇異點(diǎn)。

4 圖像上指紋特征點(diǎn)標(biāo)記

在一幅指紋圖像中，指紋的特征點(diǎn)包括紋線端點(diǎn)、叉點(diǎn)、中心點(diǎn)、三角點(diǎn)等，對于指紋圖像中心點(diǎn)和三角點(diǎn)的提取，包括計算方向場的變化、定義浮點(diǎn)坐標(biāo)值點(diǎn)類型、定義長整數(shù)坐標(biāo)值點(diǎn)類型、中心點(diǎn)和三角點(diǎn)提取函數(shù)等。

指紋特征點(diǎn)被標(biāo)記出來之后，在進(jìn)行最終的指紋識之前，還需進(jìn)行一步去除偽特征點(diǎn)的操作處理。圖3給出了指紋圖像特征點(diǎn)標(biāo)記結(jié)果，圖中的紅色表示中心點(diǎn)，黃色表示三角點(diǎn)，綠色表示叉點(diǎn)，藍(lán)色表示端點(diǎn)。

參考文獻(xiàn)：

[1] 周媛媛，張成，林嘉宇.指紋圖像的預(yù)處理算法[J].算機(jī)應(yīng)用，2012，4 （9）：34-36.

[2] 楊宏林，吳陳.指紋識別方法的綜述[J].華東船舶工業(yè)學(xué)院學(xué)報：自然科學(xué)版，2013，17（3）：37-42.

[3] Zhang Xiong，He Guiming.An Algorithm to Extract the Macroscopic Curvature Feature of Fingerprint[J]. ACTA ELECTRONICA SINICA，30（11）：1722-1725.

[4] 賀穎，蒲曉蓉.應(yīng)用Gabor濾波的指紋識別算法的研究和實(shí)現(xiàn)[J].計算機(jī)工程與應(yīng)用，2010，46（12）：172-175.

[5] 祝恩，殷建平，張國敏，等.自動指紋識別技術(shù)[J].長沙國防科技大學(xué)出版社，2011（7）：23-24.

[6] 祝恩.低質(zhì)量指紋圖像的特征提取與識別技術(shù)的研究[D].長沙：國防科學(xué)技術(shù)大學(xué)計算機(jī)科學(xué)與技術(shù)，2012.