【正文】 _x = path(len,1)。 %need to delete it from output image % flag = 1。 %need to delete it from output image % flag =1。 curr is 039。 % no break 22 j end。 for k = 1:path_length mean_x = mean_x + path(k,1)。 mean_y = mean_y / path_length。 real_end(end_count,2) = path(1,2)。 %else% i end。老師的理解、支持和幫助，使我有機會去鍛煉和充實自己，在此謹向老師致以深深的敬意！ 再次， 感謝 我的同學(xué)在學(xué)習(xí)、工作和生活中給予的關(guān)心和幫助！ 最后， 感謝父母 長期以來在我漫長的求學(xué)生涯中給予的無私奉獻 默默的支持，他們的理解和鼓勵使我能夠?qū)Ｐ牡耐瓿?學(xué)業(yè)，他們 的言行 永遠激勵鞭策著我前進。 從論文方向的確立到論文的形成無 不傾注了老師的 心血。 end。 end_count = end_count +1。 end。 mean_x = 0。 break。 elseif curr_x == 0 amp。 elseif is_a_branch_point(curr_x,curr_y,branch_list) == 1 39。 % three conditions will break the loop. if is_a_end_point(curr_x,curr_y,end_list) == 1 39。 for j=1:25 path = go_to_next_element(in, path)。 path(1,1) = end_list(i,1)。end_track39。 out = path。 if flag == 0 [next_x,next_y] = find_next(in,path)。 if (path(length,2) 4) flag = 1。 % length is the length of the path %simply go to the next element if (path(length,1) 4) flag = 1。 [length, dummy] = size(path)。 當(dāng)今 ， 指紋自動識別技術(shù)仍是國內(nèi)外研究的熱點問題實現(xiàn)自動指紋識別系統(tǒng)的實時性網(wǎng)絡(luò)化提高系統(tǒng)識別率是人們研究的目標(biāo)相信不久以后指紋識別將廣泛應(yīng)用于我們的生活為人們提供更方便更快捷的服務(wù) 。它的局限性在于無法對特定的目標(biāo)特性進行精細計算， 而且只能被應(yīng)用于全局目標(biāo)識別任務(wù)中。 算法 matlab 仿真結(jié)果 圖 原始指紋圖像 圖 經(jīng)過神經(jīng)網(wǎng)絡(luò)和高斯濾波的指紋圖像 圖 經(jīng)過不變矩的指紋圖像 15 圖 經(jīng)過匹配細化后的指紋圖像 結(jié)果 分析 試驗結(jié)果顯示 ： LVQ 神經(jīng)網(wǎng)絡(luò)模型 的優(yōu)勢在于網(wǎng)絡(luò)結(jié)構(gòu)簡單，只通過內(nèi)部單元的互相作用，就可以完成十分復(fù)雜模式識別的分類處理，具有很好的模式識別特性。 ring = floor(( rh_radius )/h_bands)。 end end if x 0 theta = theta + pi。 sector_num。 rad = (x*x) + (y*y)。 x = rem( index , length )。實際上，在除了處理兩種誤差之外，在指紋采集過程中，由于每次按壓的力度不同而形成的指紋圖像擠壓變形和拉伸變形，同樣是指紋匹配之前需處理的 。由于在指紋采樣時，用 戶手指每次放置的位置和角度不同，形成的指紋圖像也略有不同，因此各個指紋特征值的坐標(biāo)值也就不同。閾值取的合理，特征點取的越多，誤判的機率就越小。 } 指紋匹配算法 指紋匹配就是指紋特征值比對過程。 AfxMessageBox(str)。m, amp。 //獲取空間矩 double m00 = cvGetSpatialMoment(amp。 arr = cvGetSubRect(src, amp。 CvMat mat。 = 100。 不變矩識別算法 ： 算法的基本思路是 :搜索預(yù)處理后的二值圖像中所有可能為目標(biāo)的區(qū)域，計算區(qū)域的 7 個不變矩特征，認為與模板匹配程度最高的區(qū)域為目標(biāo)。 圖像的旋轉(zhuǎn)不變性可以通過在匹配階段建立多 角度旋轉(zhuǎn)特征向量來實現(xiàn)。 神經(jīng)網(wǎng)絡(luò)指紋識別算法 用神經(jīng)網(wǎng)絡(luò)進行識別選用哪種特征是個關(guān)鍵問題考慮到本文這里的識別過 9 程是在同類型指紋間進行的這些指紋具有相似的紋線走向指紋的方向信息在這里就顯得無關(guān)緊要了通過對同類型指紋的分析發(fā)現(xiàn)它們差別主要體現(xiàn)在具體的每個細節(jié)點上因此本文就提取了指紋的細節(jié)點特征作為識別特征每個樣本提取的細節(jié)點特征是一個 80 1 維的向量包含 20 個特征點每個特征點的特征值是個4 維的向量分別是特征點的類型特征點與參考點的紋線方向差值特征點與參考點的距離特征點與參考點的角度我們認為特征點的這些信息即可充分體現(xiàn)同類型指紋間的細微差別也同時具有一定的抗 平移和抗旋轉(zhuǎn)性 。無論它們是怎樣組成的，至今仍然沒有一種模板的標(biāo)準(zhǔn)，也沒有一種公布的抽象算法，而是各個廠商自行其是。軟件從指紋上找到被稱為（ minutiae）的數(shù)據(jù)點，也就是那些指紋紋路的分叉、終止或打圈處的坐標(biāo)位置，這些點同時具有七種以上的唯一性特征。就是這 些特征點提供了指紋唯一性的確認信息。 局部特征 ： 局部特征是指指紋上的節(jié)點的特征，這些具有某種特征的節(jié)點稱為特征點。在考慮局部特征的情況下，英國學(xué)者 認為，只要比對 13 個特征點重合 ，就可以確認為是同一個指紋。與人工處理不同，許多生物識別技術(shù)公司并不直接存儲指紋的圖象。 7 第 二 章 指紋識別的理論和 方法 十九世紀(jì)初，科學(xué)研究發(fā) 現(xiàn)了至今仍然承認的兩個重要特征：一是兩個不同手指的指紋紋脊的樣式（ Ridge Pattern）不同，另外一個是指紋紋脊的樣式終生不變。 本論文結(jié)構(gòu) 本論文主要分為四章： 第一章 緒論。但實際上，指紋識別的核心技術(shù)仍然存在許多尚 未解決的難題，尤其是對殘缺、污損指紋圖象進行識別的魯棒性和適應(yīng)性方面不 能令人滿意。 指紋識別承載了很多的社會意義，從最根本上來講，是可以良好的判斷和定義一個人的真實生物身份。通過各 種各樣的指紋識別系統(tǒng)，社會公共管理的職能得到了強化，效率得到了提高。這種方式的隨意性很大，防偽性比較差，容易引起管理上的漏洞。在公司的時候，你可能是產(chǎn)品總監(jiān)、員工等工作性角色；回到家，你就是丈夫、孩子、爸爸、舅舅、哥哥等血緣性角色；當(dāng)參加公司年度運動會時，你又是一名長跑運動員。Paypal 已經(jīng)推出通過指紋識別來進行網(wǎng)絡(luò)支付。對于淘寶網(wǎng)來講，它能做的僅僅是通過身份證注冊來保證交易人身份，這樣的確是降低了身份冒用的及率，但不能不說這道防線是非常脆弱的。 “在網(wǎng)絡(luò)上，沒有人知道你是一只狗， ”在這種情況下，任何基于網(wǎng)絡(luò)環(huán)境下的交往活動都被蒙上了一層技術(shù)意義的灰色。使指紋個人身份識別系統(tǒng)得到了實際運用 ,另外 ,美 國國家銀行根據(jù)這類技術(shù)將在 5 21 世紀(jì)初建成全國的個人身份