指纹识别技术是指依据人的指纹特征或其所留印痕特征而对人身进行识别和认定的技术。
指纹即人的手指指肚表面皮肤上的纹理花纹，虽人皆有之，却各不相同。世界上任何种族、民族的男女老少、父母子女、兄弟姐妹，甚至是相貌极为相似的孪生兄弟姐妹之间的指纹，都存在着本质的差异，同一个人的十个手指的指纹，也各有差异。这种差异主要表现在指纹纹线中的许多细节特征的不同以及由这些细节特征构成的整体组合关系的不同，如纹线中的勾、眼、桥、棒、点、隆凸、凹陷、弯折、交叉、错位、串联以及三角、皱褶纹、伤疤等特征的具体形态、大小、方向、角度、位置、数量及相互关系的不同等。指纹的这种唯一性或排他性，为指纹识别技术的建立和发展提供了可靠有力的科学依据。不仅如此，指纹还具有终生不变的稳定性。指纹的形态结构和细节特征的总体布局等保持不变。而且指纹本身还具有增殖再生的能力，即皮肤的表皮层若受到磨损或剥脱，能很快恢复原状。个体指纹的这种终生不变的稳定性，为指纹识别技术的建立和发展创造了极为重要的客观条件。随着现代科学技术的发展，指纹识别技术尤其是指纹自动识别技术不仅在警察探案和法官断案等活动中继续发挥着不可替代的作用，而且它已开始被广泛地应用在出入口控制、信息编码、银行信用卡、重要证件防伪等许多领域的管理工作中。电子指纹档案在西方发达国家已经十分盛行，尤其是近年来由于互联网络的广泛使用，指纹档案和指纹识别技术的应用更加广泛。
指纹图像处理的流程大致包括指纹图像数据的采集、预处理、细节特征提取、匹配并给出结果等。
指纹的采集方法可以通过传统的油墨按捺进行采集，但是这种采集方法得到的指纹图像质量差、噪声多，难以用计算机进行自动识别，只能进行人工比对。现今普遍采用光电式的指纹采集仪，该方法利用光的全反射原理，将指纹图像转化为数字图像，该方法采集的速度快、成本低，得到的图像质量高，适于用计算机进行自动处理，因而在现阶段得到了广泛应用。
由于采集方法的限制，采集到的指纹图像不可避免存在各种各样的噪声。预处理的过程就是将这些引入的噪声尽可能地删除，为更好、更精确地提取指纹细节特征做准备。另外，在预处理的过程中采用哪种相应的处理算法还是人们努力的方向。预处理的目的就是为了在特征提取时能够更准确、更快速定位指纹的细节特征点，有些预处理算法结果尽管在视觉上表现得相当不错，但是这种视觉上的改善并不一定能带来匹配速度上的提高，因为这与所选用的匹配算法还有相当大的关系。而且，效果比较明显的预处理算法在时间上的花费也是比较大的，这就使得在不同的算法中要有所取舍，根据不同的应用场合合理地选用。
指纹图像的预处理包括以下几个部分：前后背景分离，求取指纹纹线宽度，图像增强，指纹图像滤波，求方向图，提取中心点、三角点，二值化，细化等。
（1）指纹图像的前后背景分离：将有效的指纹前景区从图像中分离出来。
（2）求取指纹的纹线宽度：指纹图像是一种典型的纹理结构图像，纹线方向和纹线距离（纹线频率）是描述这种纹理结构的主要参数，是指纹图像的固有属性。在指纹滤波或指纹增强技术中，纹线距离往往是作为一个基本的参数来使用的。此外，指纹图像的平均纹线距离还可用于指纹比对和指纹分类。
（3）指纹图像增强：增加脊和谷的对比度，在保持边缘信息的基础上增强边缘信息。(www.xing528.com)
（4）滤波：尽可能消除引入的噪声。
（5）求取方向图：方向信息是指纹图像最明显的信息特征，方向场快速准确地提取能够明显改进整个系统的速度。求取方向图和滤波都属于图像增强的一部分，之所以单独作为一个部分是因为在图像增强中，滤波和求方向图是最为重要的两个部分。基于方向信息的滤波往往能起到比较明显的增强效果。因此，各种滤波器函数结合方向信息对局部的指纹图像进行滤波也成为图像增强算法中研究的一个重要方向。如基于加博（Gabor）函数的指纹增强方法就是利用加博函数具有最佳时域和频域连接分辨率，是唯一能够达到时频测不准关系下界的函数的特点，利用局部区域内纹线的频率和方向信息，对每个局部区域构建相应的模板进行增强，从而有效去除噪声，保存和突出真正的纹线结构。
（6）提取中心点和三角点：指纹图像的中心点和三角点是指纹最重要的特征。准确地提取中心点和三角点进而对指纹进行粗分类，不论后期采用哪种匹配算法，都可以有效提高匹配速度。在以往的匹配算法中，特征点集中基准点的选择是很困难的，这使得在匹配时对图像进行扭转难以达到理想的效果。如果在前期预处理过程中就准确地提取中心点和三角点，那么就会降低匹配算法的时间复杂度，改进模式匹配的匹配速度。
（7）二值化：将指纹图像由原来的灰度图像转为只有0和1二值信息的图像。以便对图像进行细化处理。二值化的方法有很多，最简单的就是取128作为阈值（灰度级为8），但是这种最简单的方法也最难满足应用要求，不能适应指纹图像不同部分的灰度变化。改进的二值化方法可以对指纹图像进行分块自适应二值化处理。即将指纹图像分成多个块，对每一块统计灰度变化的数学期望和方差，计算出阈值。还可以基于最大类间方差的方法计算阈值，计算全局的统计特征。
（8）细化：指纹图像细化的目的是将图像变为单像素连通图。细化效果的好坏直接影响能否准确提取细节特征。不同的细化算法的时间复杂度也有所差别，选择合适的细化算法对系统尤为重要。
指纹分类主要是根据指纹中的两类特殊结构core点和delta点的数目和位置不同，而将指纹划分为不同的类型。一般在指纹自动识别技术中只使用两种细节特征点：端点和分叉点。其他类型特征点出现的概率很小。纹线端点指的是纹线突然结束的位置，而纹线分叉点则是纹线突然一分为二的位置。这两类特征点在指纹中出现的机会最多、最稳定，比较容易获取。根据中心点和三角点的个数以及细节特征点的位置，可以通过点模式匹配或基于曲线拟合的方法进行模式匹配，但是这种方法要求指纹匹配算法具有比较好的鲁棒性，以适应因为伪特征点的存在、真特征点的丢失以及基准点定位偏差所引起的拒识和误识。
在我国，近年来根据指纹识别技术开发推出的软件主要有指纹考勤系统、指纹门禁系统、指纹网络安全系统、指纹健康体检系统、指纹电子档案系统、指纹银行保管箱系统、指纹养老金领取系统、指纹高考管理系统、指纹人类精子库管理系统等。可以说，现代指纹识别技术被认为是理论成熟、科学性强、实践应用广泛、发展前景广阔的一项生物识别技术，尤其是指纹自动识别技术正在形成一个全新的技术领域和产业，并蕴藏和创造着巨大的商机。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
