指纹识别时如何提取指纹特征算法

　　指纹特征提取算法一般由图像分割、增强、方向信息提取、脊线提取、图像细化和细节特征提取等步骤组成。对原始灰度指纹图像进行平滑、增强、二值化等处理的目的就是利用信号处理技术去除图像中的各种噪声干扰，把它变成一幅清晰的指纹图像，恢复指纹的脊线结构，从而使细化、细节点提取等操作能够正确有效的进行。

　　另一方面，指纹识别门禁系统中指纹图像灰度图进行二值化和细节化的操作不仅耗时，还可能会丢失一些有用的信息，而且这些算法仅从指纹图像的脊线特征出发，没有充分利用指纹图像本身所包含的丰富信息。 Tico等没有应用任何图像增强环节，直接对灰度图采用小波变换来提取指纹的细节特征，并取得了较高识别率。该算法的高识别率和低计算复杂度很适合在小规模指纹图像库的识别系统中使用。J.Liu与z.Huang等提出了一种基于脊线和褶皱关系的直接从灰度级图像获取细节信息的算法。Alessandro Farina等提出直接从指纹的骨架图像(Skeletonized Images)中提取细节特征的算法。这些算法不需经过传统的预处理过程，如图像增强、二值分割和细化，不需要平滑和修补等后处理过程。

　　1997年Dario Maio和Maltoni等为避免二值化算法丢失指纹关键信息，降低二值化、细化等操作在时间上的花费，提出直接从灰度图像提取细节点的算法。其基本思想是通过方向场信息，依次跟踪指纹的所有脊线轨迹，将被跟踪脊线的末梢点或与另一根脊线的交Xudong为细节点。因此具有较好的去陈伪细节特征而保留真正的细节特征的能力。 2001年xudong Jiang提高了Dario Maio算法中脊线跟踪的自适应性。这种脊线跟踪法的基本思想是利用方向信息直接对灰度图像进行脊线跟踪，在跟踪过程中检测特征点，同时求出该特征点所在脊线的角度(相对于横坐标轴的角度)和由该特征点到奇异点所构成的射线角度。因为两者之间的相对差别不会因指纹在获取中的位移和旋转而改变，所以该算法赋予了特征点更多的内涵，为后来的指纹图像的匹配提供了更多的依据。这也正是脊线跟踪法相比于其他特征点提算法的优势。