未来智讯 > 人脸语音识别论文 > 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

发布时间:2018-05-09 11:33:00 文章来源:未来智讯    
    关键词:嵌入式;指纹识别系统;算法��
    中图分类号:TP312 文献标识码:A 文章编号:1672-7800(2011)05-0067-04�お�
    ��
    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:�И�
     N(i,j)= M\-0+V\-\{AR\-0\}(I(i,j)-Mean)\+2[]V\-\{AR\}I(i,j)>M��M\-0-V\-\{AR\-0\}(I(i,j)-Mean)\+2[]V\-\{AR\}otherwise[JY](1)�И�
     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:�И�
     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)�И�
     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:�И�
     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)�И�
     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)。�И�
     h(x,y′,φ,f)=��exp��-1[]2 (x��cos��φ)\+2[]δ\+2\-x+(y��sin��φ)\+2[]δ\+2\-y�お�cos��(2πfx��cos��φ)[JY](4)�И�

转载请注明来源。原文地址:https://www.7428.cn/page/2018/0509/16624/
 与本篇相关的热门内容: