指纹分析图像及方法研究

李金萍

摘要：作为模式识别的一个分支，指纹的宏观特征分析成为一个需要研究和完善的课题，由于图像信息量大，和对图像进行点运算的耗时费力，对指纹首先进行模式匹配然后再对比细节特征将会大大提高对比和匹配效率。鉴于此，该文利用数字图像处理技术：图像增强，图像二值化，图像细化等算法尝试一种对指纹图像进行分类并统计指纹图像的一些特征。

关键词：模式分析；指纹；宏观特征；指纹分类；数字图像处理

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）06-0173-02

指纹识别技术是通过计算机实现的身份识别手段，近几年来，它逐渐走向市场更为广泛的民用市场[1]。每个人包括指纹在内的皮肤纹路在图案、断点和交叉点上各不相同，呈现唯一性且终生不变。据此，通过将指纹和预先保存的指纹数据进行比较，就可以验证真实身份，这就是指纹识别技术[2]。

本文主要研究了指纹的模式识别算法。将指纹宏观模式识别分类后可以有效减少指纹比对时所比对的指纹图像数，从而节约大量图像处理与对比时间，提高指纹对比和查找效率。

1 指纹图像分类

指纹有三种基本图形：环型（loop）、弓型（arch）、螺旋型（whorl），其他的指纹图案都基于这三种基本图案。如图1所示：

2 指纹图像特征点

指纹图像特征点可分为6类，最典型的是终结点和分叉点，示意图如图2所示：

1）终结点（Ending）一条纹路在此终结。

2）分叉点（Bifurcation）一条纹路在此分开成为两条或更多的纹路。

3）分歧点（Ridge Divergence）两条平行的纹路在此分开。

4）孤立点（Dot or Island）一条特别短的纹路，以至于成为一点。

5）环点（Enclosure）一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点。

6）短纹（Short Ridge）一端较短但不至于成为一点的纹路。

3 指纹图像增强

通过扫描仪直接提取的指纹图像其图像质量还不能很好地达到图像分析的要求，因此采用Gabor滤波对指纹图像进行增强以提高指纹图像特征，提高可分析性[3]。Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果，GABOR图像增强效果如下图3所示，