基于matlab的指紋識(shí)別畢業(yè)論文-wenkub
2023-07-08 14:46:36 本頁(yè)面
【正文】 、行為特征。比如，設(shè)置的密碼容易被人們忘記，密碼太多一時(shí)容易混亂，而且與此同時(shí)，密碼畢竟不會(huì)很長(zhǎng)很復(fù)雜所以也很容易被他人所竊取。它的誕生是因?yàn)槊恳粋€(gè)人自身所具有的生物特征不同，而這種不同恰好可以對(duì)每個(gè)人的真實(shí)身份來(lái)進(jìn)行識(shí)別和認(rèn)證。(1)虹膜識(shí)別虹膜識(shí)別技術(shù): 利用人眼虹膜終身不變性，虹膜差異，為人類識(shí)別的技術(shù)是虹膜識(shí)別技術(shù)。(3)面部識(shí)別面部識(shí)別技術(shù)：通過(guò)對(duì)人的面部表情特征，以及這些表情特征之間的相互關(guān)系，來(lái)進(jìn)行對(duì)比和識(shí)別的就是臉部識(shí)別。(6)基因識(shí)別 DNA基因識(shí)別：基因識(shí)別是當(dāng)今世界最準(zhǔn)確的生物識(shí)別方法之一。每一個(gè)特征點(diǎn)還會(huì)伴隨著大概七個(gè)左右不同的特征。而且紋線走向、紋線的斷點(diǎn)、交叉點(diǎn)的不同更加決定了指紋都具有“唯一”的這種特性，這恰恰就是指紋識(shí)別技術(shù)的原理。再利用計(jì)算機(jī)對(duì)指紋圖像進(jìn)行快速的識(shí)別。正因如此，指紋識(shí)別技術(shù)在當(dāng)今的身份認(rèn)證系統(tǒng)中被人們廣泛的應(yīng)用了。指紋識(shí)別算法最終還是歸結(jié)在指紋圖象上找到并比對(duì)指紋的特征。而且其他的指紋螺紋圖案也都是基于這三種基本的螺紋圖案的。2．指紋的特征點(diǎn)我們知道，手指的指紋的紋路并不是連續(xù)的，它們有些是打斷的，有些是光滑的，有些是彎的，有些是直的，有些是分開(kāi)的。首先，指紋要通過(guò)指紋采集設(shè)備（Fingerprint acquisition device），常見(jiàn)的采集設(shè)備有光學(xué)取像設(shè)備、 超聲波掃描取像設(shè)備、 晶體傳感器等。所以，為了使我們采集到的圖像變得更清晰，以便于后續(xù)特征提取的操作方便，對(duì)指紋圖像進(jìn)行增強(qiáng)和濾波處理，處理后的圖像再進(jìn)一步的二值化、 細(xì)化[5]，是我們必須要做的事情。本文著重研究了圖像預(yù)處理和細(xì)節(jié)特征提取這兩個(gè)關(guān)鍵部分。這就是識(shí)別軟件的數(shù)據(jù)點(diǎn)。最后，把兩個(gè)指紋的模板進(jìn)行比較，通過(guò)計(jì)算機(jī)來(lái)完成。不變矩和濾波特征的指紋識(shí)別算法。通過(guò)分析同種類型的指紋，我們發(fā)現(xiàn)了這兩組指紋的差別主要體現(xiàn)在它們所對(duì)應(yīng)的每個(gè)細(xì)節(jié)點(diǎn)上。基于這種方法的聚類特性和自組織特性，所以矢量化的LVQ神經(jīng)網(wǎng)絡(luò)模型可以很好地給出特性模式，通過(guò)多維空間的概率分布，來(lái)估算出指紋的匹配度。大小不變性是很容易滿足的。一是先確定指紋圖像的中心點(diǎn)。這種指紋識(shí)別算法。其中相似度度量采用歐式距離（ Euclidean distance）。系統(tǒng)的指紋數(shù)字圖像數(shù)據(jù)庫(kù)文件里同時(shí)也會(huì)保存一組指紋數(shù)字圖像灰度偏差的特征。當(dāng)數(shù)據(jù)庫(kù)文件為空時(shí)，程序結(jié)束查找。這樣系統(tǒng)就按照一定得順序進(jìn)行匹配。這里是通過(guò)歐式距離來(lái)實(shí)現(xiàn)的對(duì)比數(shù)據(jù)庫(kù)中模板圖像和待測(cè)試圖像相對(duì)應(yīng)的特征點(diǎn)向量距離計(jì)算的。接著識(shí)別系統(tǒng)就逐一搜索數(shù)據(jù)庫(kù)中的數(shù)據(jù)文件，求的他們距離的最小數(shù)值。距離越近就越容易相互干擾，誤碼率也就越高，也就越相似。 指紋匹配算法的流程圖3 指紋識(shí)別算法的實(shí)現(xiàn) 指紋圖像的預(yù)處理精確的指紋識(shí)別技術(shù)是非常依賴于脊的圖案信息來(lái)識(shí)別特征的細(xì)節(jié)結(jié)構(gòu)的。預(yù)處理的目的是為了在圖像中除去噪聲，使圖像變成清晰的線，從而提高了指紋圖像可以被識(shí)別的有效區(qū)域的清晰度，方便指紋特征提取。光滑的主要作用是盡量保持邊緣線的圖像完好，除去原始指紋圖象的離散的，孤立的高對(duì)比度的像素。對(duì)于圖像的空間域點(diǎn)增強(qiáng)過(guò)程是通過(guò)增強(qiáng)函數(shù)t=EH(s)來(lái)完成的。通過(guò)該函數(shù)可以完成s到t的均勻分布轉(zhuǎn)換。用式P(Sk)= nk/n, k=0,1…，L1 （31）(4) 計(jì)算原始圖像的累計(jì)直方圖： 分別均衡化前和均衡化后的指紋圖像對(duì)應(yīng)的直方圖。歸一化相應(yīng)處理程序的數(shù)學(xué)模型可以用下列公式來(lái)描述： Gij = （35）公式中，I是平滑處理后的指紋圖像，G是平滑處理后的灰度分布圖。 歸一化處理后的圖像具有相同的方差，具有相同的背景和前景的色彩，和歸一化是不會(huì)改變的指紋脊圖案信息的圖像。這一方法對(duì)于清晰的紋線是十分理想的，但對(duì)于三角點(diǎn)或者是灰度均勻區(qū)域，這種峰值就不明顯了。迭代閾值方法如下: (1)初始灰度閾值T是開(kāi)始時(shí)設(shè)定的, R1和R2是指紋圖像的兩組灰度值。 （313） (4)再依據(jù)新的T對(duì)指紋圖像來(lái)進(jìn)行閾值分割。這種方法是以某個(gè)像素的局部鄰域(如33,55等)的圖像特征來(lái)進(jìn)行的處理,此外，也有還有采用邊緣搜索編碼[37] 、外輪廓計(jì)算[38]以及神經(jīng)網(wǎng)絡(luò)等細(xì)化的方法?？偨Y(jié)上面的圖，會(huì)得到以下的結(jié)論：(1)細(xì)化后的內(nèi)部點(diǎn)不能刪除；(2)細(xì)化后的孤立點(diǎn)不能刪除；(3)細(xì)化后的直線端點(diǎn)不能刪除；(4)細(xì)化后，如果P是邊界點(diǎn)，則去掉P后；如果連通分量不增加，則P點(diǎn)可以刪除。查表方法是將白點(diǎn)設(shè)置為一個(gè)黑色點(diǎn)是0。即那些像素被移除或未被標(biāo)記將立即消除。否則圖像細(xì)化結(jié)束。一點(diǎn)R的交叉數(shù)Cn 定義在一個(gè)33的模板上，R表示的是待檢驗(yàn)的點(diǎn)，如果R表示的是端點(diǎn)，則它的8鄰域點(diǎn)就滿足： （314）如果M表示的是分叉點(diǎn)，則它的8鄰域點(diǎn)就滿足： （315）這樣就可以找到指紋圖像的特征點(diǎn)，并記錄了它們的類型和位置等特征。 特征點(diǎn)匹配算法步驟：(1)首先分別讀取兩個(gè)細(xì)節(jié)點(diǎn)集合；(2)然后再分別計(jì)算他們的r,e,ithetaangle (316) (317) （318） x,y表示的是細(xì)節(jié)點(diǎn)的x，y軸坐標(biāo)，angle表示的是細(xì)節(jié)點(diǎn)的角度(3)接著跟據(jù)ithetaangle的大小按照從小到大排列兩個(gè)細(xì)節(jié)點(diǎn)集合；(4)然后根據(jù)r,e,ithetaangle的值來(lái)計(jì)算出兩細(xì)節(jié)點(diǎn)集合的匹配度，支持參數(shù)值editdistance[m][n]；(5)然后再進(jìn)行循環(huán)比較editdistance[m][n]與閾值T的大?。ū境绦騎＝10），大于T則匹配度參數(shù)加1。開(kāi)始讀取細(xì)節(jié)點(diǎn)集合1循環(huán)比較editdistance[m][n]與閾值T的大小，大于T則匹配度參數(shù)加1匹配度閾值求匹配度特別說(shuō)明：這里，Matlab系統(tǒng)對(duì)所選擇的指紋圖像模板加以了限制，并不是所有的圖片都可以加入到系統(tǒng)的數(shù)據(jù)庫(kù)文件中的，這里圖片至少要滿足以下這些要求： 1．指紋的數(shù)字圖像必須是黑白的； 2．指紋的數(shù)字圖像的大小必須是 256256 大小的； 3．指紋圖像的文件類型必須是圖中給定的文件類型；： 指紋識(shí)別的MATLAB仿真樣本小結(jié)：10個(gè)指紋樣本可以分別和自己匹配還有和其他9個(gè)指紋進(jìn)行匹配，會(huì)產(chǎn)生100種不同的結(jié)果，不同的數(shù)據(jù)。還要通過(guò)一些Button控件來(lái)完成相應(yīng)的功能，這些功能包括“打開(kāi)指紋圖像”，“圖像增強(qiáng)”，“二值化”，“細(xì)化”和“特征提取”等構(gòu)成。 指紋識(shí)別的MATLAB仿真仿真實(shí)驗(yàn)所使用的主要算法是濾波特征和不變矩指紋識(shí)別算法。將相對(duì)應(yīng)的特征向量進(jìn)行比較，取其中最小的一個(gè)作為系統(tǒng)比對(duì)的結(jié)果輸出。如果相似度匹配距離小于1，則證明是同一個(gè)指紋。 (a)指紋圖像一 (b)指紋圖像二 (c)指紋圖像三 (d)指紋圖像四 二值化處理效果圖，系統(tǒng)對(duì)指紋的二值化處理效果也相當(dāng)不錯(cuò)，達(dá)到了識(shí)別的標(biāo)準(zhǔn)。從而分辨出樣本指紋和模板指紋是否是同一個(gè)指紋。 匹配失敗仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1695，1673,1774。 匹配成功仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。證明指紋二和其他三個(gè)指紋都不是同一個(gè)指紋。 匹配失敗仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1673，1357,2100。 匹配成功仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。證明指紋四和其他三個(gè)指紋都不是同一個(gè)指紋。通過(guò)這4組指紋共16組數(shù)據(jù)，共同表明：由于在指紋數(shù)字圖像在入庫(kù)的時(shí)候，指紋數(shù)字圖像是按一定排列順序的編碼。前面提到系統(tǒng)是對(duì)一張指紋數(shù)字圖像進(jìn)行兩次編碼的保存。識(shí)別系統(tǒng)會(huì)逐一搜索數(shù)據(jù)庫(kù)中的數(shù)據(jù)文件，求的他們距離的最小數(shù)值。距離越近就越容易相互干擾，誤碼率也就越高，也就越相似。指紋圖像預(yù)處理之后將會(huì)得到一個(gè)寬度為統(tǒng)一像素的細(xì)化后的二值化圖像，
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1