指纹识别-(1)基本知识_指纹脊线

指纹识别-(1)基本知识

脊线为指纹纹理中凸起部分，谷线为指纹纹理中凹陷部分。将从一个人身上获取的指纹与数据库中存储的所有指纹进行比较称为1:N匹配，它经常被用在利用指纹库查找罪犯的过程中。利用指纹匹配算法将已采集的需匹配的指纹与指纹库中的某一个指纹进行比对被称为1:1匹配。

指纹识别的基本过程：通过指纹传感器或者说指纹采集器得到指纹，该指纹图片一般为8位灰度图片，即只有1通道，维度为 $m\times n\times 1$，每个像素的取值范围为 。在得到指纹图像后，对指纹进行预处理，得到二值化图像，再对二值化图像进行形态学细化，使用特征提取算法提取需要的指纹的特征。无论是指纹的注册还是指纹的匹配都会对指纹进行上述操作，不同的是指纹注册在进行完上述处理后，指纹特征会被保存到指纹数据库中，而指纹验证在进行完上述处理后会作为指纹匹配器的一个输入，指纹数据库中的单个指纹模板作为另一个输入，指纹匹配器对两个指纹特征进行比对，判断是否为同一手指得到的指纹印。

（1）指纹图像的采集

根据采集方式不同，将指纹图像分为脱机和在线两种。脱机指纹图像是指通过在手指上涂抹印泥或油墨等获得，在线指纹图像是指通过指纹扫描设备获得的。在线指纹的获得是通过利用指纹传感器等设备，调用指纹图像采集器的驱动接口，获取指纹图像的矩阵数据。指纹传感器有多种形式，大致可分为光学指纹传感器、半导体指纹传感器、超声波指纹传感器。

（2）指纹图像预处理算法

预处理阶段主要的任务是去除指纹图像中不需要的数据，如噪声、反射等的过程。指纹图像并不都是脊线连续、纹理清晰的，无论是由指纹采集器扫描到的还是由油墨捺印获取的，指纹图像都会出现脊线的断裂、大量的噪点噪声、纹线的扭曲变形等。通过指纹图像的预处理，可以获得脊线谷线清晰的指纹图像。指纹预处理最终获得的一般为细化图。

（3）指纹图像特征提取算法

指纹的特征分为3级。依据不同的匹配算法，对指纹进行不同的特征提取以为之后的特征匹配提供依据，一般使用最多的为细节点特征，即端点和分叉点的提取，这是因为细节点特征明显且稳定。其他使用的特征包括指纹的奇点、指纹脊线上的汗孔、脊线的集合属性和空间关系、纹理的方向及频率特征等。

第一级特征是指脊线方向和奇点，如中心点和三角点：

第二级特征是指细节点特征，被称为局部特征，总共确定了150个不同的局部脊线特征，其中脊线端点和脊线分叉点是最为显著的两个特征。

第三级特征是指脊线内细节，宽度、形状、曲率、边缘轮廓，汗孔。最重要的精细细节之一为汗孔，从高分辨率的高质量的指纹图像上获取汗孔特征是可行的。

（4）指纹的特征匹配算法

指纹匹配是指将指纹与指纹数据库中的特征进行比对，返回相似度或进行是否的决策。基于细节点特征点的匹配无疑是指纹匹配中最著名和使用最广泛的方法。细节点的匹配类似于法医专家比较指纹的方式，在世界上几乎所有国家的法庭上都是被接受的。Minutia Cylinder-Code（MCC）及Bozorth3为最为有名的两种细节点匹配方法，MCC提出了一种基于三维数据结构的圆柱编码算法，其从细节的距离和角度出发，构造了圆柱编码。Bozorth3为一种多级的指纹匹配方法，共有三个阶段，其不仅使用了细节点特征也使用了方向场等特征。