利用生物認證技術進行個人身份鑒定，取代傳統的使用鑰匙、身份證、密碼等方法，可廣泛應用于銀行、機場、公安等領域的出入管理。因此生物認證技術將信息技術與生物技術相結合是本世紀最有發展潛力技術之一，而指紋識別是其中非常有前景的一種。國外在這方面起步較早，而國內對指紋自動識別系統研究較晚。最近隨著識別算法精度的提高和DSP（數字信號處理器）芯片性能的改進，使得以指紋為生物特征的身份鑒定系統得到快速發展，但是真正應用于嵌入式的指紋系統國內還是空白。為此，需要研究開發擁有自主知識產權的嵌入式指紋識別系統。

DSP 是指利用專用或通用的數字信號處理芯片，以數字計算的方法對信號進行處理。它具有處理速度快，靈活，精確，抗干擾能力強，體積小等優點。DSP 已經成為一個新的技術領域和獨立的學科體系，并使當前的指紋技術研究向更廣泛的應用領域發展。結合研究應用的實際情況，本文選定了100MHz DSP 并利用其流水線編碼的操作特點結合指紋識別技術，提出了基于TMS320VC5410 CCS2.2 實現指紋成像系統的預處理研究。CCS 2.2（Code ComposerStudio）代碼調試器是一種針對標準TMS320 調試接口的開發環境IDE（Integrated DevelopmentEnvironment），由TI 公司在1999 年推出。指紋識別的流程如圖1 所示。對于TMS320VC5410 指紋識別處理系統來說，可以將指紋處理過程分為3 個階段：

1）獲取原始指紋圖像后，進行預處理階段；

2）指紋特征點提取階段；

3）指紋識別分析判斷階段。

在上述3 個階段中，指紋圖像的預處理階段尤為重要，該階段對圖像處理的好壞直接關系到后面2個階段工作的開展。由于整個指紋識別系統的復雜性，本文結合TMS320VC5410 的特點，重點研究了指紋識別的預處理算法及其DSP 實現問題。其中了包括指紋的極值濾波、平滑濾波、拉普拉斯銳化、迭代二值化。該部分算法的在DSP 開發平臺CCS2.2 的C5000 上仿真實現并用C5000 EVM 進行了評估，為未來指紋系統的脫機應用提供很有價值的參考。

圖1 指紋處理的系統流程

指紋識別算法的軟件仿真與DSP 編程實現

指紋識別預處理算法的構成

指紋預處理的目的是使得指紋圖像更清晰，邊緣明顯，以便提取指紋的特征點進行識別，其中包括了指紋的平滑、銳化、二值化等等。本文中采取了極值濾波，改進的平滑濾波進行噪聲消除，而不使圖像失真；采取拉普拉氏銳化對指紋進行紋線增強，突出邊緣信息，為自適應閥值的迭代二值化提供方便。

極值濾波

極值濾波器的設計是基于這樣一種理念：由于在指紋圖像的采集過程中，指紋圖像所受到的沖擊性噪聲表現為一些斑點或者亮點。在一般情況下，可以認為絕大數沖擊性噪聲是被真實的灰度值所包圍。同時噪聲污染的像素要遠遠小于真實灰度值的像素。因此在消除噪聲的過程中，無需對大多數沒有被噪聲污染的像素進行改變處理。只需對那些被污染的像素進行“真實值”代替處理。而這些值的確定可通過圖像像素鄰域的相關性來確定。本設計中，極值濾波的改進算法表述如下。

設有一待處理像素區域為0s ，其周圍8鄰域像素排列如下：

（1）

先取鄰域相關像素的均值

，以四個像素為一組處理單元。對文獻［1］的極值濾波算法

可改進表述如下：

實驗結果表明，該方法能得到與中值濾波類似的效果，達到了初步去除噪聲的目的。

平滑濾波

經過上面的極值濾波之后，圖像中的大多數在傳輸過程中所形成的噪聲都被出去，但指紋圖像中還存在著隨機噪聲，需對圖像進一步進行平滑處理。在本文中，采取了兩次平滑濾波，一次是在極值濾波后，一次是在銳化濾波之后。經過對相關文獻的研究分析，運用下面的算子對圖像進行平滑處理：

將指紋中的每個像素與M 進行卷積，改進的平滑卷積核為：

（4）

其中系數取1/15 而非原來1/17 的原因在于為了提高圖像的對比度。而卷積核中心像素加權系數為5，是為了突出該點像素。實驗結果表明，該改進是可行的，有利于突出中心像素并有效去除噪聲。

銳化濾波

對于由于積分運算所造成的模糊圖像，有必要對其模糊進行校正，進而增強指紋圖像的邊界。具體表現在增強指紋的脊線與谷的對比度。這種增強指紋圖像的高頻成分，使邊緣清晰的方法稱為銳化。

因此銳化的目的在于使經過平均或積分運算的后變得模糊的圖像的邊緣和輪廓變得清晰，并使細節清晰突出。在本文中，銳化卷積核采用拉普拉氏算子，如下所示。

通過該卷積核對圖像像素進行卷積預算，能實現高通濾波。從而使得拉普拉斯算子運用在指紋圖像上，并得到銳化后的指紋脊線。

迭代閥值二值化

指紋圖像經過極值濾波、平滑濾波、拉氏銳化濾波、平滑濾波后，圖像的噪聲大多數已經被消除；為特征點提取提供了基礎。為了提取特征點，需對指紋圖像進行分割。本文采取閥值分割。在本次設計中，采取了迭代閥值的方法。在迭代閥值運算中：

1）設定初始閥值T ，如令T=127（灰度級）。把指紋圖像的平均灰度值分為兩組R 1、R2 ；

2）計算著兩組的平均灰度值u1，u2；

3）進而重新設定新的灰度閥值T 。新的T 定義為：T=（u1+u2）/2；

4）依據該T 對指紋圖像進行閥值分割。

實驗結果表明該方法自適應的閥值對指紋圖像進行二值化處理比設定固定閥值更有普遍意義，取得不錯的效果，證明該方法是有效和可行的。

指紋圖像在CCS 2.2 上的輸入與輸出

在設計中采用DSP TMS320VC5410 集成開發環境CCS2.2 對指紋識別算法進行了模擬驗證。用指紋成像FPS200 采集一幅指紋圖像，為*bmp 格式，如finger.bmp 指紋圖像。該指紋圖像的數據上面添加一個DSP COFF 文件的文件頭。因為對于一幅152 ×152的指紋圖像， 共占用23104=0x5A40 個字節。而DSP 上的存儲單元是以字（16 位）的存儲結果。所以該指紋圖像的長度應該為0x2D20 個字。

1）添加COFF 文件的文件頭完畢后，以文件名finger.out 保存，*.out 文件為TI 的公共目標文件。利用CCS 中的File－Load Data 可以將finger.out 的指紋圖像放到DSP 的相應內存中去，本次設計中將finger.out 存放于DSP 的數據存儲空間。

2）指紋圖像的顯示可利用CCS 2.2 中的Image 菜單，通過設置相關選項可以觀察處理前的圖像與處理后的圖像。

指紋預處理算法用C 語言實現，同時核心的卷積迭代運算采用DSP 匯編進行，整個軟件系統處理采用混合編程實現。由于在CCS 2.2 上模擬調試時間較長，為了達到脫機的目的，調試通過后，在VC5410P EVM 上進行了實時測試。整個系統的結構如圖2 所示。

實際指紋圖像預處理的評估結果

依據上述指紋識別預處理算法，通過CCS2.2 的模擬仿真和EVM 實時評估，得到實際指紋圖像預處理的時間為0.18“0.3s，需要DSP CPU 資源為約30000MIPS。與Oxford 公司指紋芯片A336FP 比較，節約了約20000MIPS 的CPU 指令周期資源，實現了指紋識別預處理的DSP 嵌入式研究，達到了DSP處理指紋圖像的應用目的。結果如圖3 所示。

圖2 嵌入式指紋識別系統的DSP 結構

（a） 原始指紋（b） 極值濾波后指紋（c） 第一次平滑后指紋

（d） 拉氏銳化后指紋（e） 第二次平滑后指紋（f） 迭代閥值二值化后指紋

圖3 實際指紋預處理的DSP 結果

結論

本文針對DSP 的TMS320VC5410快速，高效的特點，采取了DSP集成開發環境CCS2.2對指紋圖像進行預處理。在指紋的預處理中，由于DSP 10ns的指令周期使改進的極值濾波、平滑濾波卷積核對指紋圖像進行一次、二次平滑實時處理成為可能，而迭代二值化的運算充分利用了DSP五級流水線操作。同時，在DSP C5000 EVM 上的實驗測試結果與Oxford的A336FP指紋芯片結果比較，表明該方法能有效的處理指紋圖像的加性噪聲，隨機噪聲，達到了利用DSP對指紋圖像進行預處理的研究目的。

責任編輯：gt