【正文】 中提取細(xì)節(jié)特征多是用 8 鄰域法，該方法比較簡單，在得到可靠的細(xì)化二值圖像后，只需要一個 3 3 的模板便可將端點(diǎn)和分叉點(diǎn)提取出來。對整個圖像進(jìn)行特征提取后得到的特征點(diǎn)并非全部都是真實(shí)的分叉點(diǎn)和端點(diǎn)，由于指紋質(zhì)量，細(xì)化、特征提取過程引入的噪聲造成了很多偽特征點(diǎn)，特別是圖像邊 緣有很多圖像分割產(chǎn)生的邊界偽端點(diǎn)。其中（ 1）端點(diǎn)的判斷條件為：周圍的 8 鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 2 個不同值。處理方式類同上面。第二類：對于直線 12 點(diǎn)的和不超過 1 的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。第四類為毛刺，毛刺的判斷類似于短點(diǎn)。小橋的判斷條件為 :10 范圍內(nèi)特征值為 1， 6 的上半范圍或下半范圍特征值仍為 1。 圖 a 指紋 1 判斷點(diǎn) 圖 b 指紋 2 判斷點(diǎn) 圖 41 通過 判斷后得到的特征點(diǎn)分布圖 這個特征點(diǎn)分布結(jié)果圖包含了特征點(diǎn)和偽特征點(diǎn)。 指紋識別中若干關(guān)鍵問題研究 16 第 5章 指紋圖像的匹配 指紋圖像匹配方法 指紋匹配要解決的是對兩幅給定指紋圖像的特征模式進(jìn)行比對，判斷這兩幅圖像是否 來自同一個人的同一手指。目前最為常用的方法是 FBI 提出的細(xì)節(jié)點(diǎn)坐標(biāo)模型來做細(xì)節(jié)匹配。對于基于細(xì)節(jié)點(diǎn)的匹配思路大體分兩種：基于直角坐標(biāo)系 的特征識別和基于極坐標(biāo)系的特征識別 [19]。從模板指紋和輸入指紋中選取一個節(jié)點(diǎn)作為參考節(jié)點(diǎn)對，在進(jìn)行節(jié)點(diǎn)匹配時先利用基準(zhǔn)點(diǎn)將指紋對齊，然后再評估其它節(jié)點(diǎn)的匹配程度。 (3)由于指紋存在變形位移，任何一對匹配點(diǎn)之間都不是絕對相等，而是存在一定的差距。參考點(diǎn)在指紋圖像的識別中是也至關(guān)重要的。這種方法將原特征點(diǎn)的相對距離進(jìn)行修改，使得各個特征點(diǎn)之間的相對距離產(chǎn)生差異。匹配與否用 success 值返回。這種方法簡單明了，缺點(diǎn)在于計(jì)算量比較大，需要較久的計(jì)算時間。 FFT 卷積的方法能從多幅數(shù)據(jù)庫的指紋圖片中挑選出與當(dāng)前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會影響它的判斷和距離的計(jì)算。相似度的計(jì)算，方法一以滿足特征點(diǎn)的相對距離差距不大的點(diǎn)的個數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計(jì)算圖像的相似距離。本文針對指紋圖像的特性，將均值方差法、模板細(xì)化、點(diǎn)模匹配應(yīng)用于指紋識別技術(shù)，以改善指紋識別算法的性能。選用了一種比較精確的 模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。 本文由于時間上的限制，在實(shí)現(xiàn)細(xì)化和匹配的基礎(chǔ)上沒有能夠?qū)?xì)化和匹配算法進(jìn)行更深入的改進(jìn)研究，是一個缺憾。從論文的選題、資料的收集到論文的撰寫編排整個過程中，我 有來自各方面的 幫助。 周 老師多次 開會討論 研究進(jìn)程，幫助我開拓研究思路，精心點(diǎn)撥。很慶幸這些年來我遇到了許多恩師益友，無論在學(xué)習(xí)上、生活上都給予了我無私的幫助和熱心的照顧 。 我 還要感謝我的父母，給予我生命并竭盡全力給予了我接受教育的機(jī)會 。39。 if s == 3 I = rgb2gray(originI)。 for x=1:m for y=1:n M=M+I(x,y)。 %c=sqrt(30*(I(x,y)M1)/var1)。 %1 H = m/M。 for x=1:H。 for i=1:M。 for i=1:M。 end end Gmean=0。 end end Gmean1=Gmean/(H*L)。vtotle=0。 end if Vmean1var1(x,y) vtemp=vtemp+1。 gtemp1=0。 for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp1+1。 end end end G2=gtotle1/gtemp1。T2=V2。amp。 var1(x,y)T2 moban(x,y)=1。 Icc(i+(x1)*M,j+(y1)*M)=0。%模版系數(shù) %3 Im=double(I)。 In(a,b)=Im(a1,b1)*temp(1,1)+Im(a1,b)*temp(1,2)+Im(a1,b+1)*temp(1,3)+Im(a,b1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3)。 for y=5:n5。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。 summ=sum(sumi)。 end if sumf b Im(x,y)=128。 else Icc(i,j)=1。 for a=1:4 for i=2:m1 for j=2:n1 if Im(i,j)==1 if Im(i1,j) + Im(i1,j+1) +Im(i,j+1) + Im(i+1,j+1) + Im(i+1,j) + Im(i+1,j1) + Im(i,j1) + Im(i1,j1) =3 In(i,j)=0。 I=xihua(In)。 tezheng=zeros(m,n,3)。 end if Im(i,j+1) ~= Im(i+1,j+1) a = a + 1。 end if Im(i,j1) ~= Im(i1,j1) a = a + 1。 tezheng(i,j,3)=1。I(i1,j+1)=1。I(i+1,j1)=1。 tezheng(i,j,2)=j。 I(i1,j)=1。I(i+1,j)=1。 end end end end figure,imshow(I) %%%%%%%%%%%%%%%%%%%%特征提取后處理 ~ Izz=I。Izz(i1,j+1)=0。Izz(i+1,j1)=0。b=0。 指紋識別中若干關(guān)鍵問題研究 30 b=I(i1,j)+I(i2,j)+I(i+3,j)+I(i4,j)+I(i5,j)+I(i6,j)+I(i7,j)+I(i8,j)+I(i9,j)+I(i10,j)+I(i11,j)+I(i12,j)。amp。amp。Izz(i1,j+1)=0。Izz。Izz(i+1,j+1)=0。 %%%消除端點(diǎn) xxx=xxx1。amp。 d=I(i,j1)+I(i,j2)+I(i,j3)+I(i,j4)+I(i,j5)+I(i,j6)+I(i,j7)+I(i,j8)+I(i,j9)+I(i,j10)+I(i,j11)+I(i,j12)。d=0。Izz(i1,j1)=0。Izz(i+1,j+1)=0。 xxx=xxx1。I(i,j1)=1。I(i,j+1)=1。 xxx=xxx+1。I(i1,j1)=1。I(i+1,j+1)=1。 I(i,j)=0。 end if a==6 %%%分叉點(diǎn)判斷 tezheng(i,j,1)=i。 end if Im(i+1,j) ~= Im(i+1,j1) a = a + 1。 if Im(i1,j) ~= Im(i1,j+1) a = a + 1。 %%%%%%%%%%%%%%%%%%%特征提取 xxx=0。 end end end end Im=In。 end end %figure,imshow(double(Icc)) %%%%%%%%%%%%%%%%%二值化后處理 Im=Icc。 end end end for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j)。 if (summax+summin+4*I(x,y)) (3*(sum1+sum2+sum3+sum4+sum5+sum6+sum7+sum8)/8) sumf = summin。 summax=max(sumi)。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 Im=zeros(m,n)。 for a=2:m1。1 1 1。 end end end end %2 指紋識別中若干關(guān)鍵問題研究 26 Icc = ones(m,n)。 end if aveg1(x,y)T3 amp。T4=V210。 moban=zeros(H,L)。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。vtotle1=0。 end end 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 25 end G1=gtotle/gtemp。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 gtemp=0。 for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))*(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))+var。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 aveg=0。 aveg1=zeros(H,L)。 else I(x,y)=150sqrt(100*(M1I(x,y))*(M1I(x,y))/var1)。 for x=1:m for y=1:n var=var+(I(x,y)M1)*(I(x,y)M1)。 figure, imshow(uint8(I)) tic %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 歸一化 M=0。 [m,n,s] = size(originI)。他們也在我寫作期間或多或少的幫過我的忙。 在論文的撰寫和資料搜集期間，前 人的資料對我提供了莫大的幫助，這里感謝設(shè)計(jì)中被我引用或參考的論著的作者。 周 老師一絲不茍的作風(fēng)，嚴(yán)謹(jǐn)求實(shí)的態(tài)度，踏踏實(shí)實(shí)的精神， 熱情寬容的態(tài)度讓我時刻想著要盡快完成自己的論文早日畢業(yè)。 首先，我要感謝我的畢業(yè)設(shè)計(jì)指導(dǎo)老師周老師。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計(jì) ) 21 參考文獻(xiàn) [1]王崇文 ,李見為 ,周宏文 .指紋識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) [J].計(jì)算機(jī)應(yīng)用 ,2022,21(12):23— 25 [2]B Moayer and K S Fu. An application of stochastic languages to finger pattern recognition[J]. Pattern recognition,1976,12:173179 [3]謝立鋒 ,陳靈梟 .淺談指紋識別基本原理 [J].技術(shù)與市場 ,:4445 [4]耿德英 ,陳志敏 ,陳梅琴 .圖像處理在指紋識別中實(shí)踐 [J].西昌學(xué)院學(xué)報 ,(4):7274 [5]劉明生 ,吳小培 ,項(xiàng)明 .一種基于指紋