【正文】 產(chǎn)生活帶來了極大的便利，大大地推動了現(xiàn)在社會的進步和發(fā)展。 指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。 因此，指紋識別技術(shù)，作為一種可靠的生物識別技術(shù) [1]，受到了人們的重視。 (2)不變性；人的指紋特征不隨年齡的增長和胖瘦或其他情況的改變而改變。 (6)指紋識別中使用的模板并非最初的指紋圖，而是由指紋圖中提取的關(guān)鍵特征，這樣使系統(tǒng)對模板庫的存儲量較小。它是一種使用全局信息進行識別的方法，例如使用指紋圖像的 Fourier頻譜來表示和識別指紋。目前大多數(shù)的自動指紋識別系統(tǒng)使用的都是這類算法。提取該細(xì)節(jié)特征有多種方法：基于灰度指紋圖像直接提取，基于二值圖像的特征提取，基于細(xì)化圖像的特征提取。指紋識別技術(shù)多用于對安全性要求比較高的領(lǐng)域，麗在商務(wù)移動辦公領(lǐng)域頗其建樹的富圭通、三星及 lBM 等國際知名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識別系統(tǒng) [4]。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個重要性質(zhì)： ①廣泛性，指每一個正常的人都有指紋。 ③終生不變性，指紋終身不變即指紋的圖案永遠(yuǎn)不會改變，從人的出現(xiàn)到死后的分解為止 (除非指紋受到傷害 )。 在實際應(yīng)用中，有相當(dāng)一部分要處理的指紋圖像的質(zhì)量是比較差的。要想使設(shè)計的細(xì)節(jié)特征提取算法能夠?qū)Φ唾|(zhì)量指紋圖像也能可靠工作，目前看來還是一件難度很大的事情。 計算復(fù)雜性是自動指紋識別技術(shù)中一個重要的研究課題。具體的章節(jié)和各章的內(nèi)容安排如下： 第一章：在介紹本論文的研究意義，在指紋識別技術(shù)的現(xiàn)狀 和特點的基礎(chǔ)上，確定了本文所做的主要工作。 第五章：介紹了指紋圖像匹配的概念、匹配問題的困難所在和常用方法，給出了一種修改基礎(chǔ)上驗證用的匹配方法。圖像特征是指紋圖像的固有屬性 ,如灰度值 ,鄰域關(guān)系 ,紋線的扭曲程度等。 基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法 。 ? ? ? ? dta bttfafba Rbaf ? ?????? ??? ? *21,W ?? （ 1） dadba btbaWa f? ? ?????? ??????? ?? ),(1C 1 2 （ 2） 計算機中的圖像信息是以離散信號形式存放的，在信號處理中，特別是在數(shù)字信號處理和數(shù)值計算等方面，為了計算機實現(xiàn)的方便，連續(xù)小波必須進行 離散化，而最基本的離散化方法就是二進制離散，一般將這種經(jīng)過離散化的小波及其變換叫做二進小波和二進變換。 另一種閾值分割就是簡單地用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認(rèn)為圖像中灰度在同一個灰度類內(nèi)的像素屬同一物體。其優(yōu)點是計算簡單，僅需比較灰度值即可；運算效率較高，速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對于圖像中不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果 [8]。一般來說，常見的方向場的計算分為掩模法和公式法兩大類。此方法的實現(xiàn)是利用方向濾波器。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 7 均值方差法 在圖像分割概述中，已經(jīng)提到基于塊特征的指紋圖像分割。 (2)計算出每一塊的均值和方差。歸一化 [11]的目的是把不同原圖像的對比度和灰度調(diào)整到一個固定的級別上，為后續(xù)處理提供一個較為統(tǒng)一的圖像規(guī)格。指紋來自于指紋數(shù)據(jù)庫，為了驗證這種分割方法的適用性，從數(shù)據(jù)庫中挑選了指紋識別中若干關(guān)鍵問題研究 8 2 幅差異較大的指紋圖像。在歸一化處理降頻和通過區(qū)域均值方差的后得到的圖像條紋清晰，輪廓分明，對于后面的細(xì)化和匹配有很大的幫助?；叶葓D像二值化是將灰度圖變換為只有黑和白兩種灰度的圖像。 灰度圖二值化的基本思路是選取適當(dāng)?shù)幕叶乳撝?，將灰度圖像轉(zhuǎn)化為二值圖像。 論文中采用了一種動態(tài)局部閾值， 滿足這種條件下的灰度值為 128，不滿足則灰度值為 255。 二值化后的圖像中的點還要進行修改，修改條件為：當(dāng)像素為 1 時，它周圍點不大于 3 個為像素 1 點則修改為 0；當(dāng)像素為 0 時，它周圍不小于 7 個點為像素 1 的點，則修改為 1。所謂“骨架”，是指圖像中央的骨骼部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要方法之一。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中間位置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。 (4)保持性：保護指紋的細(xì)節(jié)特征。 已有的算法迭代按迭代方式的不同分 為串行算法和并行算法。 Suen 細(xì)化算以及 ZR細(xì)化算法等等。因而細(xì)化中選擇一個好的模板很關(guān)鍵。 （ 2）對于滿足 6 種情況的模板，賦值為 2 ，其實為像素 1 情況。 仿真結(jié)果和結(jié)論 實驗基于 的 Pc 機， Window 7 操作系統(tǒng)， 的仿 真軟件環(huán)境下，先對分割好的圖像進行二值化處理，簡化后面的細(xì)化計算。所以在特征提出前還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運算的速度。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識別建立一個良好的基礎(chǔ)，以保證整個系統(tǒng)識別率比較高。 (3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并 且信息量要盡量小，便于存儲、管理和計算。 (3)基于細(xì)化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細(xì)化圖像，通過細(xì)化圖像提取特征點。Galton[18]定義了 4 種細(xì)節(jié)點類型：分叉點，端點，環(huán)、島，并指出細(xì)節(jié)點具有唯一性，可以用于指紋匹配。 指紋識別中若干關(guān)鍵問題研究 14 本章就是根據(jù)端點和分叉點是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點，再去除不是端點和分叉點的偽特征點，最終實現(xiàn)特征值的提取，有利于后面匹配的展開。 去除偽特征點是特征提取要解決的一個重要問題。端點和分叉點的判斷都是運用了上述的 8 鄰域法。此時的處理為記錄數(shù)組 1，在上述基礎(chǔ)上記錄點的個數(shù) ，并將該點記為 0，而它 的 8 鄰域點記為 1。此時把它和周圍 8 點記為 0，并在上述基礎(chǔ)上減去不是特征點的個數(shù)。處理方式為把它和周圍 8 點置為 0，在上述基礎(chǔ)上減去 2 倍的斷點數(shù)。第五類為小橋。 仿真結(jié)果和結(jié)論 實驗基于 的 Pc 機， Window 7 操作系統(tǒng)， 的仿真軟件環(huán)境下， 根據(jù)上部分的判斷方法決定的特征點和偽特征點，代碼運行顯示結(jié)果如下。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像?；谔卣鼽c的匹配算法具有簡單、快速、魯棒性等優(yōu)點。點匹配算法是通過某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個點集中的對應(yīng)點匹配起來。目前的指紋識別系統(tǒng)主要采用基于節(jié)點的匹配方法，即點模式匹配。 (2)圖片 A 中有圖片 B 中不存在的點，集合 B 中也有圖片 A 中不存在的點，匹配的時候如何處理這些點。 另外，計算匹配的時間即效率性也很重要。 本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來驗證的方法。當(dāng)它們個數(shù)滿足一定條件時即為匹配成功，不滿足視為不匹配。然后錄用需要辨別的指紋圖像，濾波增強去噪后，找到它們的中心點，依次與數(shù)據(jù)庫圖像進行二維 FFT 卷積，然后判斷出數(shù)據(jù)庫中哪幅圖片與錄用圖片最相似，并返回它們的差異長度值。以下為部分?jǐn)?shù)據(jù)庫圖片： 圖 51 數(shù)據(jù)庫中其中 6 張圖 指紋識別中若干關(guān)鍵問題研究 18 圖 a 庫中第 13 號原圖 圖 b 庫中第 13 號修改圖 圖 52 數(shù)據(jù)庫中理想會配對的圖 圖 53 指紋匹配程序模塊 圖 54 指紋匹配結(jié)果 以上結(jié)果論證了該指紋匹配的實用性。第一種方法的點判斷條件本身就是一個人為的容錯估計值，很小的出錯不會影響最終的匹配結(jié)果；第二種方法中的卷積值也存在一定限定值，具有容錯性。 指紋識別中若干關(guān)鍵問題研究 20 第 6章 總結(jié)和展望 作為一種可靠的生物識別技術(shù)，指紋識別技術(shù)受到了廣泛關(guān)注，開發(fā)高效可靠的指紋圖像識別算法不但具有重要的理論意義，而且具有很高的實用價值。 （ 2）對分割好的圖像進行了二值化處理，使得 細(xì)化的信息量大大減少。此外，還介紹了一種濾波卷積的 FFT 卷積匹配，適合檢索匹配。 在論文完成 前后 ，我的心情 波動較大 。我 在選題及研 究過程中 ， 得到 周老師的悉心指導(dǎo)。 四 年寒窗，所收獲的不僅僅是愈加豐厚的知識，更重要的是在閱讀、實踐中所培養(yǎng)的思維方式、表達能力和廣闊視野。 感謝對我論文進行評審的各位 老師 ，感謝對論文的指導(dǎo)和提出的寶貴意見 。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 23 附錄 主掃描程序 clc clear all close all originI=imread(39。 I=originI。var=0。 end end var1=var/(m*n)。 end end end figure, imshow(uint8(I)) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 分割 M = 10。 指紋識別中若干關(guān)鍵問題研究 24 var1=zeros(H,L)。var=0。 end end aveg1(x,y)=aveg/(M*M)。 end end var1(x,y)=var/(M*M)。 Vmean=Vmean+var1(x,y)。gtotle=0。 gtotle=gtotle+aveg1(x,y)。V1=vtotle/vtemp。vtemp1=0。 vtotle1=vtotle1+var1(x,y)。 T1=G2。 for x=1:H for y=1:L if aveg1(x,y)T1 amp。amp。 for x=1:H for y=1:L if moban(x,y)==1 for i=1:M for j=1:M I(i+(x1)*M,j+(y1)*M)=G1。1 1 1]。 for b=2:n1。 for x=5:m5。 sum3=I(x2,y+2)+I(x4,y+4)+I(x+2,y2)+I(x+4,y4)。 sum7=I(x4,y4)+I(x2,y2)+I(x+2,y+2)+I(x+4,y+4)。 summin=min(sumi)。 else sumf = summax。 end end for i=1:m for j =1:n if (Icc(i,j)==128) Icc(i,j)=0。 In=Im。 end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %細(xì)化 figure,imshow(In)。 Im=I。 end if Im(i1,j+1) ~= Im(i,j+1) a = a + 1。 end if Im(i+1,j1) ~= Im(i,j1) a = a + 1。 tezheng(i,j,2)=j。 I(i1,j)=1。I(i+1,j)=1。 %%%%%%%%%%%%%%1 表示分叉點 0 表示端點 end if a==2 %%%% 端點判斷 tezheng(i,j,1)=i。 I(i,j)=0。I(i+1,j+1)=1。I(i1,j1)=1。 %%%消除端點 Izz(i1,j)=0。Izz(i+1,j)=0。 else a=0。 a=I(i+1,j)+I(i+2,j)+I(i+3,j)+I(i+4,j)+I(i+5,j)+I(i+6,j)+I(i+7,j)+I(i+8,j)+I(i+9,j)+I(i+10,j)+I(i+11,j)+I(i+12,j)。 if ( a=1 amp。 c=1 amp。 Izz(i1,j)=0。Izz(i+1,j)=0。