張玉靜　査玉華　胡開華

摘要：該文針對經(jīng)過預(yù)處理過的指紋圖像，采用鄰域像素追蹤法對指紋紋線端點、叉點、中心點和三角點等指紋特征點進行提取，介紹了各特征點的算法實現(xiàn)流程，給出了最終的特征提取實驗結(jié)果，實驗結(jié)果表明，該方法在能夠有效地提取指紋特征點的情況下，還在速度和準確性上也有所提高。

關(guān)鍵詞：臨域像素追蹤；特征點提??；算法；流程圖

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2015）01-0133-02

指紋特征提取指的是指紋識別系統(tǒng)在指紋輸入設(shè)備中所獲取的指紋圖像中提取出具有個體指紋特征信息的數(shù)據(jù)。每個人的指紋都不相同，如何在這些形態(tài)各異的指紋圖像中正確定義指紋特征并對其進行分類具有非常重要的意義。經(jīng)過預(yù)處理過的指紋圖像，其指紋紋線已經(jīng)細化成一條點線指紋圖。對指紋紋線的描述必須要遍歷紋線上的每個像素點，為了避免這種過于龐大的數(shù)據(jù)操作，在實際的指紋特征提取操作中往往采取提取紋線上的某些關(guān)鍵特征點對指紋紋線進行描述，如紋線端點、叉點、中心點、三角點等。

1 指紋端點特征點的提取

指紋圖像的端點特征點的概念是人體指紋紋線的起點與終點。對指紋的端點特征點提取的具體辦法一般為8鄰域像素追蹤法。即首先對指紋紋線的某個像素點進行掃描，若該像素點周圍其余的8個像素點中滿足所有相鄰2個像素點的差值的絕對值相加等于255×2，則判定該點為指紋紋線的端點。如圖1所示的指紋紋線9點像素模型圖即可清楚看到假設(shè)A像素點為紋線端點，則刪除A點后的像素圖中出現(xiàn)一個黑色像素塊，該點周圍存在相鄰的白色方塊數(shù)量則只有2個，因為白色像素塊的灰度值是255，所以A像素端點四周的相鄰兩個白色像素塊差值的絕對值相加是255×2個。

指紋特征端點的提取算法主要步驟為：

1） 獲取當前端點周圍8個點的地址偏移；

2） 計算這8個點所有相鄰兩個點的差的絕對值之和sum；

3） 若sum=2×255，則返回true，否則返回false。

2 指紋叉點特征點的提取

指紋特征點中的叉點是指人體指紋紋線中由兩條交匯并成為一條紋線的匯集點。指紋紋線叉點特征點提取仍采用8鄰域像素追蹤法。首先對指紋紋線的某一像素點進行掃描，若該點四周的8個像素點中滿足所有相鄰的2個像素點的差值的絕對值相加等于255×6，即判定該為紋線叉點。圖2中的指紋紋線叉點9像素模型中可以看到，假設(shè)A點為紋線叉點，則刪除A點后，紋線模型中剩余3個黑色像素點塊，該點周圍存在相鄰的白色方塊數(shù)量則只有2個，因為白色像素塊的灰度值是255，所以A像素端點四周的相鄰兩個白色像素塊差值的絕對值相加是255×2×3，即255×6。

圖2 實際指紋紋線叉點及其像素模型

指紋叉點特征點的提取算法主要步驟為：

1） 獲取當前點贖罪圍8個點的地址偏移；

2） 計算這8個點所有相鄰兩個點的差的絕對值之和sum；

3） 若sum=6×255，則返回true，否則返回false。

3 指紋的奇異特征點的提取

人體指紋的奇異特征點是指指紋特征點的中心點和三角點。通過提取奇異特征點可以幫助人們在指紋識別中對指紋進行分類和定位指紋比對時的相對坐標系。論文應(yīng)用方向場概念對人體指紋特征的奇異點進行追蹤提取。

對指紋奇異特征點的提取算法需要引用離散Poincare對其進行數(shù)學(xué)建模，常用的方格表示有3×3和5×5方格模板，因為這樣便于計算機計算實現(xiàn)。

在上表所示的方格模板內(nèi)（5×5方格），點（i，j）為閉合曲線D1， D2，…，D12順時針方向形成的區(qū)域中心，計算該條閉合曲線的Poincare值為：[Poincare（i，j）=112|Di-D（i+1）mod12|]。而3×3方格模板中，計算以點（i，j）為中心順時針方向形成的閉合曲線d1， d2，…，d8的Poincare值為：

[Poincare（i，j）=18|di-d（i+1）mod8|]

通過上述方法得到的多個相鄰候選奇異特征點中，還要進一步利用均值算法確定最后的奇異特征點。同時識別算法中所獲取的指紋圖像常常存在噪聲污染，可能會產(chǎn)生偽奇異特征點。為了去除這些噪點，需要再次計算閉合曲線的Poincare值。如表2所示，再次計算以點（i，j）為中心，順時針方向的閉合曲線的Poincare值，當3×3方格的Poincare值和5×5方格相等時（為0.5或-0.5），才能確定該候選奇異特征點為真正的指紋特征奇異點。

如表1所述，對每一個奇異特征點，在3×3方格模板方向場中，需要計算1，2，3…8，八個方向場之間的差值的總和，其中最小值的方向為奇異特征點的方向。而在5×5方格模板的方向場中，則需要計算1，2，3，…12，12個方向的方向場時會出現(xiàn)兩個方向和是相同的情況，此時可以采取求方向的平均值為奇異特征點的方向。

指紋的奇異特征點的提取算法具體步驟為：

1） 獲取當前點方向場值，判斷該點是否為背景點，若是，則跳出循環(huán)；

2） 計算以該點為中心的3×3方格內(nèi)，形成的逆時針方向閉合曲線的Poincare的值sum1；

3） 計算以該點為中心的5×5方格內(nèi)，形成的逆時針方向閉合曲線的Poincare的值sum2；

4） 若sum1和sum2方向場差相同，則判定該點為奇異點。

4 圖像上指紋特征點標記

在一幅指紋圖像中，指紋的特征點包括紋線端點、叉點、中心點、三角點等，對于指紋圖像中心點和三角點的提取，包括計算方向場的變化、定義浮點坐標值點類型、定義長整數(shù)坐標值點類型、中心點和三角點提取函數(shù)等。

指紋特征點被標記出來之后，在進行最終的指紋識之前，還需進行一步去除偽特征點的操作處理。圖3給出了指紋圖像特征點標記結(jié)果，圖中的紅色表示中心點，黃色表示三角點，綠色表示叉點，藍色表示端點。

參考文獻：

[1] 周媛媛，張成，林嘉宇.指紋圖像的預(yù)處理算法[J].算機應(yīng)用，2012，4 （9）：34-36.

[2] 楊宏林，吳陳.指紋識別方法的綜述[J].華東船舶工業(yè)學(xué)院學(xué)報：自然科學(xué)版，2013，17（3）：37-42.

[3] Zhang Xiong，He Guiming.An Algorithm to Extract the Macroscopic Curvature Feature of Fingerprint[J]. ACTA ELECTRONICA SINICA，30（11）：1722-1725.

[4] 賀穎，蒲曉蓉.應(yīng)用Gabor濾波的指紋識別算法的研究和實現(xiàn)[J].計算機工程與應(yīng)用，2010，46（12）：172-175.

[5] 祝恩，殷建平，張國敏，等.自動指紋識別技術(shù)[J].長沙國防科技大學(xué)出版社，2011（7）：23-24.

[6] 祝恩.低質(zhì)量指紋圖像的特征提取與識別技術(shù)的研究[D].長沙：國防科學(xué)技術(shù)大學(xué)計算機科學(xué)與技術(shù)，2012.