指紋算法 - 網路之家

指紋識別算法流程的特點 

△輸入指紋 

　　從 CCD 錄入模塊輸入的指紋圖像是大小為 256 × 256PIX （像素）的黑白圖像。 

△提取指紋區域 

　　指紋錄入部分根據手指的壓力和手指接觸的位置抓住背景。若提取指紋的局部區域有可能降低指紋識別率。由此看來，提取實際有效的指紋區域是非常重要的。

　　處理方法：首先把指紋區域分成若干個一定大小的塊，再利用塊的濃度分佈信息，進行了指紋邊緣的提取。 
△自動成像 

　　錄入部分沒有物理按扭功能的情況下，確定採集指紋的瞬間是必需的。自動成像功能在處理殘缺圖像、或濕度過大的低質量圖像中，必不可缺的重要部分。

　　處理方法：利用一部分指紋區域的濃度分佈圖，用程序實現。 
△數字化處理 

　　數字化處理是利用圖像塊的濃度平均值和背景濃度自動被處理。 

△指紋形態的分類 

　　根據指紋形態分類的特徵點來提高識別速度和認假率，是非常有效的。

　　處理方法：指紋形態分類是指以指紋中心點為基準、並考慮失量區域分佈特點進行的 4 種形態的分類。我們的形態分類方法在 4 種形態分類中具有 99% 的識別特徵。 
△非線性適配濾波器 

　　輸入圖像中，在指紋線幅度變化或者孤立點 ( 孔 ) 多的情況下，檢測出特徵點時，可能會出現許多假特徵量；還有濾波處理不當時，也會檢出假特徵量。如指紋線間被連，或應該連著的地方被斷裂的現象。

　　處理方法：去除白點周圍的黑色區域和黑點周圍的孤立區域。保障指紋線幅的均一性。濾波是結合線性濾波器和中間值非線性濾波器實現的。 
△指紋的中心方向（此處取消） 

　　指紋的中心方向是應付任意角度旋轉的重要特徵量之一。

　　處理方法：首先把指紋圖像以中心點為基準分成四個區域，再利用每個分區的方向分佈，定了一個中心方向。 
△決定指紋塊方向矢量 

　　指紋塊方面矢量在決定指紋中心方向和正確地選出 Minutia 時起輔助作用。

　　處理方法：指紋的全體領域分成 16 個方向，並把出現的 Pike( 尖峰 ) 靠 8 方向 Mask 去除。塊方向矢量為基礎，更容易決定指紋中心的新方法。 
△特徵量的決定 ( Ｍ inutia 位置、方向、種類等 ) 

　　目前，大部分特徵量選擇方法有細線化為基礎的方法，指紋線幅的均一性保障為基礎的方法等等。上述方法的弊端是處理時間太長。我們的指紋識別算法是數字化處理值 ( 已經過濾波 ) 的基礎上直接決定Minutia 。這種方法的特點是能夠快速地決定指紋線的始點、終點，可能成為分岔點的候補特徵點，並參照方向矢量去除了虛假特徵點。上述方法縮短了整個識別時間。 

△特徵量登錄 

　　登錄的指紋特徵量信息限制在 256(Byte) 字節， ( 一人的指紋信息 ) 特徵量對照時，為了快速完成搜索，合理配置了搜索鍵。 

△高速對照算法 

　　處理方法：對照算法的特點是利用適用於任意角度旋轉的評價函數，通過最少的運算來完成比較檢索。即把 Minutia 位置的相對距離、方向差、種類的比較合理地組合起來，進行對照，提高了識別效果。 

　　如上所述，我們的指紋識別算法在，特徵量的選擇方法和任意角度旋轉時不變的特徵量照算法上具有鮮明的特點。 

　　·識別速度 0.5s 

　　·單指特徵信息量 256Byte 字節 

　　·拒真率 0.01% 

　　·認假率 0.0001%