【正文】 圖像劃分為10*10的子塊組成的圖像。 接下來將描述偽特征點的剔除算法。（4） 橋、環(huán)的刪除 判斷該像素點是否為分支點，若為分支點，則查找該分支點周圍D3范圍內(nèi)的所有像素點是否存在另一個分支點，若存在則判斷v1和v2的是否近似于夾角90176。介紹了特征點的提取方法和使用的提取算法，最后通過對偽特征點的特性的分析，進行了偽特征點去除的方法構(gòu)思和算法實現(xiàn)，為后續(xù)的指紋匹配工作奠定了基礎(chǔ)。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。激活函數(shù)必須滿足處處可導(dǎo)的條件。 （2）信息的并行處理：人腦神經(jīng)元之間傳遞脈沖信號的速度遠遠要低于馮 （4）具有自學(xué)習(xí)、自組織、自適應(yīng)的能力。（4） 數(shù)據(jù)壓縮：能夠減少輸入向量的維數(shù)來壓縮數(shù)據(jù)。 指紋的八個方向 P點的八鄰域示意圖計算指紋圖像的八維走向向量的步驟如下:(1) 遍歷每一個脊線點。 ④ 若兩個紋線點所在位置為（P2,P7）、（P3,P6）、（P1,P8）、（P4，P5），則判斷紋線方向為方向4。（3） 是否遍歷完所有的脊線點，否則返回步驟（1）。這就很容易造成即使是同一個指紋在多次采集后的特征點提取上其特征點數(shù)據(jù)大部分不相同，這樣將大大的降低匹配的成功率。 （41） （42） 用自適應(yīng)步長的BP網(wǎng)絡(luò)進行指紋識別本文使用BP網(wǎng)絡(luò)對待識別的指紋特征量進行匹配識別。 實驗結(jié)果 訓(xùn)練樣本輸入矩陣P 訓(xùn)練樣本輸入矩陣 期待輸出矩陣T 期待輸出矩陣 為一次訓(xùn)練的誤差曲線 BP網(wǎng)絡(luò)訓(xùn)練誤差曲線 使用第一種指紋的第二次采集圖樣（有一定的旋轉(zhuǎn)和位移）進行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P1輸入神經(jīng)網(wǎng)絡(luò)進行仿真，輸入結(jié)果為T1=[ 0 0 0 0 ]，識別成功。使用第五種指紋的第二次采集圖像進行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P5輸入神經(jīng)網(wǎng)絡(luò)進行仿真，輸入結(jié)果為T5[0 0 0 0]，識別成功。實驗表明,使用BP網(wǎng)絡(luò)進行指紋識別的工作，能有效的提高指紋識別的魯棒性，與可靠性。 （3）本文通過Matlab對指紋識別系統(tǒng)進行軟件仿真。本文使用神經(jīng)網(wǎng)絡(luò)進行指紋識別，雖然其在指紋識別上具有很好的魯棒性，但是其非常的依賴于樣本庫的大小，如果輸入的指紋超出訓(xùn)練網(wǎng)絡(luò)的樣本庫范圍，將無法識別，在神經(jīng)網(wǎng)絡(luò)的設(shè)計上有待對新指紋的容納能力進行深入的探討和研究并加以解決。 最后，感謝評審委員會的各位老師能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對本次答辯的支持。在我畢業(yè)設(shè)計期間，謝老師給予了我悉心的指導(dǎo)和寶貴的意見，在我不知道如何解決問題的時候，他總是能給出許多的解決方案，同時能夠不斷的歸納我的失誤之處，并且還能及時的安排我在一個星期內(nèi)的工作任務(wù)，使得我的論文和程序的進度能按時進行，不至于做的太倉促，使得我能有條不紊的進行畢業(yè)設(shè)計，同時謝老師嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)，認(rèn)真負(fù)責(zé)的做事態(tài)度也是我學(xué)習(xí)的榜樣，對我將來的學(xué)習(xí)會有很大的幫助。在BP網(wǎng)絡(luò)輸入向量的構(gòu)建上，本文所述方法還很依賴于手指在采集面上的放置位置，不能較大范圍的偏移出采集面從而丟失部分的特征點和指紋走向，這將會很大程度上影響到能否正確識別出指紋。 （2）本文對指紋圖像預(yù)處理進行了細(xì)致的闡述,其中包括：圖像的頻域增強、二值化、細(xì)化，以及指紋特征提取和去偽。第5章 總結(jié)與展望 總結(jié) 本文系統(tǒng)的介紹了指紋識別技術(shù)的發(fā)展?fàn)顩r和指紋識別的基礎(chǔ)知識，闡述了建立指紋系統(tǒng)的必要性和意義，提出了用BP網(wǎng)絡(luò)作為指紋識別的處理方法。使用第三種指紋的第二次采集圖像進行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P3輸入神經(jīng)網(wǎng)絡(luò)進行仿真，輸入結(jié)果為T3[0 0 0 0]，識別成功。BP網(wǎng)絡(luò)輸入層采用12個節(jié)點，前8個節(jié)點輸入紋線的走向向量，第9，10個節(jié)點輸入端點的橫、縱坐標(biāo)的方差，第11，12個節(jié)點輸入分支點的橫、縱坐標(biāo)的方差。以指紋圖像的長寬為坐標(biāo)建立坐標(biāo)系，根據(jù)特征點的位置信息分別求的橫、縱坐標(biāo)方向的方差。從主方向開始按 逆時針的順序?qū)⒈戎匾灰毁x值給八維向量X8，例如，主方向為方向4，則X8的賦值為X8=[T4,T5,T6,T7,T8,T1,T2]。 ⑦ 若兩個紋線點所在位置為（P4,P8）、（P5,P7）、（P1,P3），則紋線點的方向為方向7。 ② 若兩個紋線點所在位置為（P1,P6）、（P2,P5）、（P7,P8）、（P3,P4）,則判斷方向為方向2。用一個八維的向量從主方向上逆時針記錄八個方向上紋線點數(shù)量的比重，這個向量就能表達出指紋的整體走向。BP網(wǎng)絡(luò)的主要用于以下四個方面：（1） 函數(shù)的逼近：用輸入向量和期望的輸出向量訓(xùn)練一個網(wǎng)絡(luò)來逼近一個函數(shù)（2） 模式識別：把一個待定的輸出向量與一個輸出向量聯(lián)系起來。模擬了人腦的BP網(wǎng)絡(luò)同時也具備這種強大的并行處理能力，大大提高了網(wǎng)絡(luò)的功能。其學(xué)習(xí)的方式是在外界輸入樣本的刺激下不斷的改變網(wǎng)絡(luò)的連接權(quán)值，本質(zhì)是對各個連接權(quán)值的一個動態(tài)調(diào)整，調(diào)整的規(guī)則，即在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)變化所依據(jù)的一定的調(diào)整規(guī)則。BP的思想可以總結(jié)為：利用輸出后的誤差來估計輸出層的直接前導(dǎo)層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。 第4章 基于BP神經(jīng)網(wǎng)絡(luò)的指紋的識別 BP神經(jīng)網(wǎng)絡(luò)及其原理 BP神經(jīng)網(wǎng)絡(luò)簡介BP（Back Propagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。如存在這判斷為偽特征點，將這對分支點進行刪除。（2） 斷點、短線的刪除： 判斷上步查找到的像素點是否為端點，若為端點，則查找該端點周圍D1范圍內(nèi)的所有像素點是否存在另一個端點（定義這兩端點連線的方向向量為v2[x,y]），若v1，v2的方向相近則判斷為端點或短線，并將其從特征點集中刪除。（3） 對已經(jīng)標(biāo)記過的子塊的周圍8個鄰子塊進行標(biāo)記檢查，只要8個子塊中有一塊沒有含有脊線則標(biāo)記該子塊為邊界子塊。目前很多在指紋識別方面的文章都忽略了對這些邊緣點的處理，并沒有在最終匹配前進行剔除，這將大大增加后續(xù)匹配的工作難度，也會影響到匹配的正確率。 偽特征點剔除算法從上述算法中提取的特征點中，不難發(fā)現(xiàn)在指紋的邊緣區(qū)域存在數(shù)量眾多的特征點，其中有相當(dāng)大的部分是偽特征點。 （5）環(huán)現(xiàn)象，一般也叫做孔。 （3）斷線現(xiàn)象，當(dāng)指紋采集時，如果被采集人的手指比較干燥，那么采集到的指紋圖像會可能出現(xiàn)斷點情況。通過對偽特征點的觀察，可以很直接的發(fā)現(xiàn)偽特征點（）具備以下一些特點： 偽特征點修復(fù)前后對比圖 (1)毛刺現(xiàn)象，有多方面的原因造成毛刺的出現(xiàn)，比如受隨機噪聲的影響形成，還有一部分是在受圖像預(yù)處理的過程中產(chǎn)生的。在上文的細(xì)化后的指紋圖像中可以發(fā)現(xiàn)，細(xì)化的指紋圖像中存在一些毛刺、粘連、斷點等現(xiàn)象。加上是利用灰度直方圖來確定特征點的，因此特征點的位置信息將不夠精確，可能會與實際的位置有所偏差，尤其是在圖像模糊的情況下，位置信息會更加的不夠精確。對指紋圖像中的所有像素進行以上處理判斷，分別記錄下所有檢測到的端點和分叉點，既完成了指紋圖像的特征點提取工作。 領(lǐng)域示意圖 細(xì)化后的指紋圖像對于在脊線上的像素點，可根據(jù)其鄰域的Cn(P)和Sn(P)數(shù)值判定此時P像素點的狀態(tài)。 基于細(xì)化圖像的鄰域法基于細(xì)化圖像的鄰域法，是指先將經(jīng)過圖像頻域增強、二值化和細(xì)化等一系列的預(yù)處理得到的指紋圖像，通過構(gòu)建每個像素的3*3鄰域()提取指紋圖像的特征點。 (2)從初始點出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點作為新的出發(fā)點。目前最常用的特征點提取算法有兩類:一是從灰度圖像中直接提取出特征點；二是對預(yù)處理過后的圖像進行特征點的提取。許多的學(xué)者都對這方面做出了深入的研究。inf39。)。細(xì)化效果的好壞會直接的影響到后序特征點能否進行高效的提取。J=im2bw(I,level)。 二值化算法的matlab的仿真本文使用matlab圖像處理工具箱中提供的im2bw函數(shù)來實現(xiàn)對指紋圖像的二值化。首先把圖像分割成若干個w*w的方塊，每一塊都根據(jù)自身的閥值來進行二值化。（3） 指紋的紋線中不能有太多的算法引起的間斷和紋線的想連。一個好的二值化算法可以得到一個高質(zhì)量的二值圖像。 （4）G(u，v)零頻點移回四個角落； （5）傅里葉反變換得到最終的圖像。但是在空間域在處理某些數(shù)字圖像的問題時，會比較困難甚至是幾乎難以處理。超聲波指紋取像的原理是:當(dāng)超聲波掃描指紋的表面，緊接著接收設(shè)備獲取的其反射信號，由于指紋的脊和谷的聲阻抗的不同，導(dǎo)致反射回接受器的超聲波的能量不同，測量超聲波能量大小，進而獲得指紋灰度圖像。半導(dǎo)體傳感器是1998年在市場上才出現(xiàn)的，這些含有微型晶體的平面通過多種技術(shù)來繪制指紋圖像。這將在指紋圖像預(yù)處理部分?jǐn)⑹?。對于半?dǎo)體類的采集設(shè)備大部分具備這種敏銳的指紋察覺技術(shù)。當(dāng)手指放置到采集設(shè)備上時，因為指紋的嵴和峪的生物特性或物理特性的不同，就會形成不同的信號，然后分析信號的量值從而形成指紋圖案。 指紋的物理特性是指嵴和峪著力在水平面上時，對接觸面形成的壓力不同、對波的阻抗不同等。原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。第二代的指紋采集技術(shù)采用的是自動化、數(shù)字化的采集方式。指紋采集技術(shù)分為兩種采集模式，一種是在被采集人已知的情況下實施的采集。曲率(Curvature): 一描述紋路方向改變的速度。 分歧點(Ridge Divergence): 一