下载掌阅APP，畅读海量书库
立即打开
指纹是人体生物特征的一种，指纹的纹线结构具有足够的复杂度：指纹脊线（Ridge）包含了勾、眼、桥、棒和点等特征点，且每条纹线的起点、分支点、交叉点和终点又各有不同。因此，几乎可以肯定地说，没有两个人的指纹是完全相同的，即指纹具有唯一性；与人的其他生物特征识别，（如人脸、虹膜等）相比，指纹识别技术是最成熟、准确和最易使用的，从而得到了越来越广泛的应用。
指纹识别优越性主要体现在以下几个方面。
（1）指纹具有终生不变性。在人类的婴儿时期就已基本确定，并且其纹线构成终生不变，不会随着人的年龄增长或身体状况的变化而变化。不同手指的指纹各不相同，具有无法冒用与借用、不怕遗失、不用携带、不会遗忘的特点，有着个体特征不变性和唯一性，以及稳定性和非遗传性，从而成为个人识别的有效手段。
（2）每个人的十指指纹皆不相同。这样可以利用多个指纹构成多重口令，提高系统安全性。
（3）可以只保存指纹的少量特征信息，而不用存储整幅指纹图像。既可节省存储空间，又可避免侵犯个人隐私。数据量较小的特征信息同时也可减少数据传输的负担，可以通过计算机网络实现异地身份确认。
（4）指纹采集方便。目前，指纹采集设备清晰度高，体积、功耗和价格都有了大幅度的减少，得以向民用领域发展，可以广泛用于政府、银行、医疗、社保、学校和公司等部门机构的信息访问、电子交易、门禁控制、考勤管理和证卡管理等各类需要个人身份认证的场合。随着技术的进步，指纹识别的应用领域逐步扩大。在个人电脑、个人数字助理、掌上电脑和手机等各种设备上都开始使用自动指纹识别技术。
（5）指纹识别在刑侦司法领域得到广泛使用。并有助于减少舞弊行为、遏制犯罪、避免不必要的社会经济或个人财产损失，同时还有助于人们方便快捷地完成身份认证，提高工作效率。
在各种生物识别系统中，自动指纹识别系统在安全性、易用性和费用代价等主要方面的综合性能最为突出。由此可见，自动指纹识别系统具有广阔的应用及市场前景，所能带来的社会效益和经济效益不容忽视。
指纹识别（Iris Recognition）系统的构成及其研究内容大致包括以下4个方面。
1）指纹图像采集设备
指纹图像采集是自动指纹识别系统首先需要解决的问题。目前这样的设备一般有光学采集器和半导体采集器。但它们存在一定的缺陷，如人的手指表皮过于湿润、干燥和开裂，或由于长期从事体力工作导致的指纹纹线基本磨平的人（如老年妇女及长期从事钳工工作的人等），对他们指纹的采集会出现较大的困难。指纹图像中都有可能出现各种质量缺陷，给计算机自动识别造成困难，从而影响自动指纹识别系统的可靠性和鲁棒性。在此情况下，指纹识别算法的研究显得格外重要。
2）指纹图像预处理
指纹图像预处理的任务就是尽可能降低图像噪声或质量缺陷所带来的影响，准确可靠地提取指纹特征，以保证后续处理的可靠性和鲁棒性。一般来说，指纹图像预处理包含了图像去噪、图像二值化、细化和修复等步骤。
（1）图像去噪：因手指的脏污和湿润等原因造成的指纹图像的模糊不清，必须去除噪声，以提高指纹图像的清晰度。
（2）二值化处理：即将获取到的指纹的灰度图像转换成二值图。
（3）细化：将前面两步已经处理过的指纹图像中指纹的纹线也称为指纹的脊背的宽度降到最小。细化的优越性是可以去除原纹线上的毛刺，使纹线更加清晰，尽量减少因为毛刺生成的伪交叉点和断点等，从而使提取的指纹特征中含有大量的伪特征。
（4）修复：指纹图像上指纹纹线的断纹和粘连有多种原因，必须需要及时进行修复，以免由此产生伪特征。
3）指纹特征提取
如何有效地描述指纹图像，也就是如何选择和提取能够体现指纹唯一性的特征，是指纹识别算法的重要组成部分。提取合适的指纹特征可以减少所需的搜索空间，有效提高处理速度。
4）指纹匹配
指纹匹配是自动指纹识别系统最基本也是最主要的功能，用于检验两幅指纹是否来自同一手指，通常表现为对指纹的特征模板进行比对。指纹特征提取和指纹匹配并不是相互独立的，而是相互影响和制约的。特征的选取在很大程度上决定了特征比对所能采用的手段，而特征比对的可靠性则决定了所选取的特征是否有意义。
尽管指纹识别的研究和开发已取得重要进展，但是指纹识别的应用目前并没有获得普及。主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的要求。影响指纹识别性能的主要因素如下。
（1）高性能的指纹采集设备。指纹图像的质量对指纹识别的性能具有非常重要的影响，目前的采集设备对手指的干湿度和清洁度等要求很高，在实际中很难保证指纹图像的清晰质量。
（2）有效的指纹图像增强方法。指纹图像增强的目的是从较差质量的指纹图像中恢复出真实和清晰的指纹纹线结构。然而，设计能处理各种噪声的指纹增强算法非常困难。
（3）可靠的指纹特征提取方法。指纹识别依赖于指纹的特征，如细节点和分支点等，提取出的特征是否可靠直接影响指纹识别的性能。针对质量较差的图像，设计具有鲁棒性的特征提取方法具有较大的困难。
（4）高效准确的指纹细节点匹配方法。指纹匹配通过细节点匹配实现，而细节点提取算法会产生虚假细节点和遗漏真实细节点。此外，指纹图像还存在各种变形，如何快速准确地进行细节点匹配是一项非常艰巨的任务。
（5）合理的指纹分类策略和准确的分类方法。事实上，准确和一致的指纹分类对人类指纹专家也是非常困难的问题。
基于以上存在的问题可以看到，指纹识别目前仍然是一个重要的和极具挑战性的模式识别研究课题。