目 录
前言 2
第1章 概述 3
第1.1节 指纹预处理 3
第1.2节 指纹图象预处理过程及一般算法 3
第2章 两种指纹细化算法的介绍 5
第2.1节 快速细化算法 5
第2.2节 改进的OPTA算法 6
第2.3节 两种算法不足的分析及改正策略 8
第3章 新的细化算法 13
第3.1节 新的细化算法的提出 13
第3.2节 新的细化算法的细化过程 13
第4章 新的细化算法的应用 15
第4.1节 去除干扰 15
第4.2节 AFIS中的应用 16
第5章 研究结果 18
参考文献 19
致谢 21 【摘要】：对指纹图像的细化算法进行了较深人的研究，分析了两种常用的细化算法—快速细化算法和改进的OPTA算法各自的优缺点。针对这两种算法的不足，分析其产生的原因，并且在第二种算法的基础上，重新构建了细化模板，提出了一种新的细化算法。经过实验证明，该算法能够很好的满足细化的要求，细化完全彻底，细化以后的指纹骨架在纹线中心线，并保持了纹线原有的拓扑结构和细节特征，而且光滑无毛刺，运算速度也很快。
【关键词】：指 纹 ；图像细化； 单像素宽； 模 板
前言
一个完整的自动指纹识别系统(AFIS)主要包括指纹采集、指纹图像预处理、指纹特征提取、指纹比对等几个模块。指纹图像预处理是一个很重要的部分，它的处理效果直接影响后续的特征提取和指纹比对。而指纹细化又是预处理中的一个重要环节，因为一般的特征提取都是在细化的基础上进行的，如果细化不好，将无法进行用常规的特征提取算法提取细节特征信息。
细化处理是指在指纹图像二值化以后，在不影响纹线连通性的基础上，删除纹线的边缘像素，直到纹线为单像素宽为止。理想细化后的纹线骨架的位置应该是在原始纹线的中间，并保持纹线的连接性、拓扑结构和细节特征一种好的细化算法应该满足下列条件
(1)收敛性 迭代必须是收敛的
(2)连接性 不破坏纹线的连接性
(3)拓扑性 不引起纹线的逐步吞食，保持原图像的基本结构特性
(4)保持性 保护指纹的细节特征
(5)细化性 骨架纹线的宽度为1个像素，即单像素宽
(6)中轴性 骨架尽可能接近条纹中心线
(7)快速性 算法简单，速度快
细化算法的种类很多，按照细化顺序来看主要分为串行细化、并行细化和混合细化 其中快速细化算法和改进的OPTA算法是目前使用较多的两种细化算法。快速细化算法是个连通并行细化算法，原理是判断出指纹纹线的边界点并逐步删除。该算法速度很快，但细化不彻底，细化后的纹线不是单像素宽。改进的OPTA算法是串行细化算法，其原理是构造一定的消除模板和保留模板，将二值化后的指纹图像和模板比较，决定是否删除某点的像素值。这种算法能够基本保证单像素宽，但细化后会产生很多毛刺，而且实验发现，经过该算法细化的图像在纹线的分叉点处并不是单像素宽的，如果不加处理，这些不足在以后特征提取的时候就会导致相当多的伪特征点出现，极大的影响指纹识别的准确性。因此，提出一种效果好的指纹图像细化算法就显得相当重要。
本文分别实现了快速细化算法和改进的OPTA算法，分析了这两种算法存在的不足，发现了改进的OPTA算法的两个缺陷：(1)在纹线分叉点处图像细化不彻底；(2)方向敏感性强。接着对改进的OPTA算法进行了补充和修正，将两种细化算法有机结合，形成了一种综合的图像细化算法。实验结果证明，该算法细化完全细化后的指纹骨架在纹线中心线，光滑无毛刺，运算速度也比较快。
第1章 概述
第1.1节 指纹预处理
在指纹采集过程中，不可避免的会产生各种噪声，如图像中的叉连、断点等，这些噪声对指纹特征信息的提取造成一定的影响，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滤波处理，以去除无用信息，增强有用信息。在得到增强的灰度图后，需要将其进一步二值化，便于后续过程的处理。指纹图像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，以便于提高提取和存储特征点的准确率。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等。
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，指纹采集仪主要有活体光学式、电容式和压感式。对于分辨率和采集面积等技术指标，公安行业已经形成了国际和国内标准，但其他还缺少统一标准。根据采集指纹面积可以分为滚动捺印指纹和平面捺印指纹，公安行业普遍采用滚动捺印指纹。另外，也可以通过扫描仪、数字相机等获取指纹图像。
指纹图像只有脊和谷之分，因此完全可以由二值图象来描述，也就是指纹图像的二值化。目前指纹的二值化不外乎两种方法，一种是固定门限法，而另外一种则是动态门限法。固定门限法是对整幅图象用一个灰度门限值，它对输入图象要求高，要求整幅图象灰度分布均匀。因此我们把均衡增强后的图象作为它的输入图象。
动态门限法是根据不同区域取不同门限值，一般采用平均域值法。它对输入图象照射要求不高。因此我们把方向性滤波后图象作为输入图象。
| 
