【正文】 14 指紋圖像的細(xì)化算法 14 細(xì)化算法的matlab仿真 14 第三章 指紋特征的提取 15 15 基于灰度圖像的直接提取法 15 基于細(xì)化圖像的鄰域法 15 兩種算法的比較 16 偽特征點的剔除 17 17 偽特征點剔除算法 18 本章小節(jié) 19 第四章 基于BP神經(jīng)網(wǎng)絡(luò)的指紋的識別 20 BP神經(jīng)網(wǎng)絡(luò)及其原理 20 BP神經(jīng)網(wǎng)絡(luò)簡介 20 BP神經(jīng)網(wǎng)絡(luò)的特點 21 BP神經(jīng)網(wǎng)絡(luò)的主要功能 21 BP網(wǎng)絡(luò)輸入向量構(gòu)建 22 基于紋路整體走向的總體特征提取 22 基于端點和分支點統(tǒng)計特性的局部特征提取 23 用自適應(yīng)步長的BP網(wǎng)絡(luò)進(jìn)行指紋識別 23 實驗結(jié)果 24 第五章 總結(jié)與展望 26 總結(jié) 26 展望 26 致 謝 27 參 考 文 獻(xiàn) 28 第一章 緒 論 生物識別技術(shù)簡介 已經(jīng)有許多的生物識別技術(shù)，如指紋識別，掌形識別，虹膜識別，視網(wǎng)膜識別，面部識別，簽名識別，語音識別，但部分技術(shù)含量高的生物特征識別方法仍處于實驗階段。 vulnerable to the impact of false feature points。在指紋的特征點提取技術(shù)研究中，本文采用了全局的一個指紋走向特征和局部的細(xì)節(jié)特征點作為神經(jīng)網(wǎng)絡(luò)識別的特征，從而達(dá)到準(zhǔn)確識別指紋圖像的目的。概括起來，本文主要對指紋識別系統(tǒng)的以下幾個方面進(jìn)行了深入研究。為了保護(hù)，自身的信息、財產(chǎn)、以及資料安全，很多場合和設(shè)備都需要對來訪者和使用者進(jìn)行身份驗證。指紋識別由于具有唯一性、可靠性，基于指紋識別的技術(shù)的身份識別系統(tǒng)以其獨特的技術(shù)優(yōu)勢和成本優(yōu)勢廣泛的應(yīng)用于個領(lǐng)域。本文給出了用matlab對指紋圖像的處理算法以及處理結(jié)果。在指紋的識別方法中，本文使用了一種基于BP神經(jīng)網(wǎng)絡(luò)的指紋識別算法，使用神經(jīng)網(wǎng)絡(luò)的識別，能有效的提高指紋識別的魯棒性。 blur and a certain displacement, the rotation of the image can not accurately identify. Neural network and pattern recognition technology is presented by bining an effective solution to solve the problem in fingerprint recognition technology. To sum up, this article is mainly on the following aspects of the fingerprint identification system indepth study.In this paper, using matlab fingerprint image processing algorithms and processing results. Mainly spent, in the frequency domain of the image enhancement, adaptive threshold binarization and thinning of the fingerprint. The experiments showed that the Matlab achieve results, to meet the identified application.Fingerprint feature point extraction technology research, this paper uses a fingerprint of the global trend features and local minutiae as the neural network to identify the characteristics, so as to achieve the purpose of accurate identification of the fingerprint image.Fingerprint identification method, the use of a fingerprint recognition algorithm based on BP neural network, neural network identification, can effectively improve the robustness of fingerprint identification.Keywords: BP neural network。隨著科學(xué)技術(shù)的飛速進(jìn)步，將會有更多更多的生物識別技術(shù)應(yīng)用到現(xiàn)實生活。人的特點是人體固有的不可復(fù)制的只有這一生物密鑰無法復(fù)制，失竊或被遺忘，利用生物識別技術(shù)進(jìn)行身份確認(rèn)，安全，可靠和準(zhǔn)確的。生物識別技術(shù)產(chǎn)品均借助于現(xiàn)代計算機技術(shù)實現(xiàn)，很容易與計算機安全，監(jiān)控，管理系統(tǒng)和自動化管理??。 “有幾種方法來實現(xiàn)指紋識別。由于其相對較低的價格，較小的體積（可以很容易地集成到鍵盤），且易于集成，使工作站的安全訪問在幾乎所有的應(yīng)用指紋識別系統(tǒng)。目前來說指紋識別的技術(shù)應(yīng)用最為廣泛，我們不僅在門禁、考勤系統(tǒng)中可以看到指紋識別技術(shù)的身影，市場上有了更多指紋識別的應(yīng)用：如筆記本電腦、手機、汽車、銀行支付都可應(yīng)用指紋識別的技術(shù)?！　。?）指紋圖像處理的過程 就是對指紋采集中濕法和干法，老化，損壞的指紋進(jìn)型處理的到清晰的圖像以擬補對指紋圖的質(zhì)量缺陷，確保處理后的指紋的對處理算法具有良好的魯棒性。本文中的匹配算法采用了神經(jīng)網(wǎng)絡(luò)的BP網(wǎng)絡(luò)進(jìn)行識別，大大提高了識別的魯棒性?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，常用來對輸入和輸出間復(fù)雜的關(guān)系進(jìn)行建模，或用來探索數(shù)據(jù)的模式。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。人工神經(jīng)網(wǎng)絡(luò)具有四個基本特征：非線性、非局限性、非常定性和非凸性。第2章 指紋圖像的預(yù)處理及其實現(xiàn) 指紋的概述 指紋的形成我們可以看看自己，人體的表面各處布滿了毛細(xì)孔和毛發(fā)，但是在手掌及腳掌的地方卻沒有這些構(gòu)造。有人曾以電腦來計算，結(jié)論是要到四十二位數(shù)時，才可能用指紋相同的人，所以說，這在地球上是不太可能會發(fā)生了，就真得有指紋相同的人，他們也不太可能生存在同一個世紀(jì)。值得一提的是，人體在精神亢奮時，汗腺排泄的分泌液會特別多，如犯罪者在作案時，幾乎是凡觸摸過必留下痕跡。經(jīng)過長時間的發(fā)展和研究，在各個公司及其研究機構(gòu)都產(chǎn)生了許多的數(shù)字算法（美國有關(guān)法律認(rèn)為，指紋圖像屬于個人隱私，因此不能直接存儲指紋圖像）。其他的指紋圖案都基于這三種基本圖案。許多算法是基于核心點的，既只能處理和識別具有核心點的指紋。指紋模式區(qū)內(nèi)指紋紋路的數(shù)量。指紋的紋路不是一直連續(xù)、平滑筆直的，紋路很多時候都會出現(xiàn)中斷、分支或者折返。 終結(jié)點分叉點(Bifurcation)：一條紋路在此分開成為兩條或更多的紋路。 環(huán)點短紋(Short Ridge): 一端較短但不至于成為一點的紋路。 指紋的采集技術(shù) 指紋采集技術(shù)的發(fā)展經(jīng)歷了一段很長的歷史時期。第一代的指紋采集技術(shù)采用 “ 按壓留痕 ” 的方式來采集指紋，利用的是指紋 “ 觸物留痕 ” 的特性。下文主要介紹第二代的指紋采集技術(shù)。嵴與嵴相交、相連、分開會表現(xiàn)為一些幾何圖案。如射頻（ RF ）和光學(xué)采集采集就屬于主動式采集?？紤]到設(shè)備的功耗，在沒有手指接觸的時候，采集設(shè)備一般處在休眠狀態(tài)。 在理想的情況下，如果在采集的過程中外界噪聲足夠小，采集得到的指紋圖像將是干凈的、真實的。光學(xué)指紋采集技術(shù)，其原理是利用光的全反射原理，將照射到壓有指紋的玻璃表面的反射光線通過CCD來獲取，反射光的量將依賴于壓在玻璃表面的指紋脊和谷的深度和皮膚與玻璃間的油脂和水分。 超聲波指紋圖像采集技術(shù)，是Ultrascan公司首開超聲波指紋圖像采集設(shè)備產(chǎn)品的先河。所以這樣獲取的圖像是實際指紋紋路凹凸的真實反映。在頻率域上處理時，還可以使用數(shù)字信號處理的一系列成熟的方法，讓我們處理特殊的問題有了很多的工具，所以頻率圖像增強是很有價值進(jìn)行學(xué)習(xí)和研究的。目前的指紋細(xì)化算法都是基于二值指紋圖像進(jìn)行的。對指紋圖像二值化的基本要求就是二值化后的圖像能完整的反映出原指紋，具體要求表現(xiàn)為：（1） 紋線中不能出現(xiàn)空白。 大多數(shù)灰度圖像的二值化變化函數(shù)F(x)都可以用下述公式進(jìn)行表達(dá)： 公式中的T為人為指點的閥值，自變量x為圖像像素點的灰度值。以下為區(qū)域閥值的T的選取算法：（1） 將指紋劃分為相互不重疊的w*w的子塊，計算該子塊區(qū)域內(nèi)所有像素的灰度平均值。)。 二值化結(jié)果 指紋圖像的細(xì)化 指紋圖像的細(xì)化算法細(xì)化又被稱為骨骼化，是指在不對圖像的拓?fù)浣Y(jié)果有影響的情況下，將圖像中寬度大于一個像素的線條轉(zhuǎn)化為只有一個像素寬度的線條的圖像處理過程。由于指紋識別與一般的圖像識別有很大的不同，指紋識別的匹配是直接與細(xì)化后的圖像的端點相關(guān)的，因此細(xì)化的操作不能對指紋圖像的端點的位置和方向產(chǎn)生影響。thin39。imshow(~K)。他們采用了一種二級算法，用自適應(yīng)“編輯”方法把指紋圖像二值化，然后再從二值化后的圖像中提取出特征點?；叶葓D像直接提取法就是利用這一個特性來構(gòu)建算法。(4)不斷重復(fù)步驟3，實現(xiàn)脊線跟蹤，直到求取的灰度分布的最大值出現(xiàn)明顯的變小，與最小值差不多，甚至相等時，停止跟蹤，說明己經(jīng)到脊線的末端，此處即為特征點端點處。Sn(P)為8鄰域像素中為1的像素的個數(shù)，具體按式(31)、(32)計算。 (2)當(dāng)P點為脊線上的點，且Cn(P)=4, Sn(P)=3或者4，則可判定像素點P為脊線上的連續(xù)點，即不是特征點，、C2點、C3點、C4點。并且由于步驟的減少在一定程度上降低了偽特征點出現(xiàn)的概率?？紤]到指紋識別對魯棒性的需求上，已經(jīng)可靠性上，本文采用第二種算法。指紋圖像中大量偽特征點的存在將導(dǎo)致提取的特征點數(shù)據(jù)的可靠性降低，成功匹配率降低，嚴(yán)重影響指紋系統(tǒng)的指標(biāo)。 （2）短線現(xiàn)象，一般在采集指紋是，手指較臟或者采集頭上有灰塵等都容易出現(xiàn)較多的短線。 （4）假橋現(xiàn)象，上采集時，手指比較潮濕時，也很容易出現(xiàn)脊線假橋的現(xiàn)象（即本來不相連的兩條脊線連在了一起）。在環(huán)出現(xiàn)的地方進(jìn)過算法的處理一般出現(xiàn)兩到三個偽分叉點。這些起始點雖然也是端點，但是在實際的人體指紋上是不存在的，只是由于采集方式而產(chǎn)生的。在對邊緣部分特征點的特點分析后發(fā)現(xiàn)，這部分特征點不一定會出現(xiàn)在指紋圖像的邊緣區(qū)域，但可以肯定的是這部分一定存在于脊線與邊緣空白區(qū)域的交界區(qū)域，而邊緣特征點就在這些區(qū)域的一定范圍內(nèi)，因此本文利用了這一性質(zhì)設(shè)計了邊緣特征點去除算法：（1） 將細(xì)化后的