【正文】 產(chǎn)生活帶來了極大的便利，大大地推動(dòng)了現(xiàn)在社會(huì)的進(jìn)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(shí)別技術(shù)，作為一種可靠的生物識(shí)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(zhǎng)和胖瘦或其他情況的改變而改變。 (6)指紋識(shí)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(duì)模板庫的存儲(chǔ)量較小。它是一種使用全局信息進(jìn)行識(shí)別的方法，例如使用指紋圖像的 Fourier頻譜來表示和識(shí)別指紋。目前大多數(shù)的自動(dòng)指紋識(shí)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(shí)別技術(shù)多用于對(duì)安全性要求比較高的領(lǐng)域，麗在商務(wù)移動(dòng)辦公領(lǐng)域頗其建樹的富圭通、三星及 lBM 等國(guó)際知名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識(shí)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(gè)重要性質(zhì)： ①廣泛性，指每一個(gè)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(huì)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(shí)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(jì)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(jì)算復(fù)雜性是自動(dòng)指紋識(shí)別技術(shù)中一個(gè)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(shí)別技術(shù)的現(xiàn)狀 和特點(diǎn)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(yàn)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(jì)算機(jī)中的圖像信息是以離散信號(hào)形式存放的，在信號(hào)處理中，特別是在數(shù)字信號(hào)處理和數(shù)值計(jì)算等方面，為了計(jì)算機(jī)實(shí)現(xiàn)的方便，連續(xù)小波必須進(jìn)行 離散化，而最基本的離散化方法就是二進(jìn)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(jìn)小波和二進(jìn)變換。 另一種閾值分割就是簡(jiǎn)單地用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾個(gè)類，認(rèn)為圖像中灰度在同一個(gè)灰度類內(nèi)的像素屬同一物體。其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，僅需比較灰度值即可；運(yùn)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(duì)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(chǎng)的計(jì)算分為掩模法和公式法兩大類。此方法的實(shí)現(xiàn)是利用方向?yàn)V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(jì) ) 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(jì)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(duì)比度和灰度調(diào)整到一個(gè)固定的級(jí)別上，為后續(xù)處理提供一個(gè)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(yàn)證這種分割方法的適用性，從數(shù)據(jù)庫中挑選了指紋識(shí)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(duì)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(dòng)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(diǎn)還要進(jìn)行修改，修改條件為：當(dāng)像素為 1 時(shí)，它周圍點(diǎn)不大于 3 個(gè)為像素 1 點(diǎn)則修改為 0；當(dāng)像素為 0 時(shí)，它周圍不小于 7 個(gè)點(diǎn)為像素 1 的點(diǎn)，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(hù)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(gè)好的模板很關(guān)鍵。 （ 2）對(duì)于滿足 6 種情況的模板，賦值為 2 ，其實(shí)為像素 1 情況。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， Window 7 操作系統(tǒng)， 的仿 真軟件環(huán)境下，先對(duì)分割好的圖像進(jìn)行二值化處理，簡(jiǎn)化后面的細(xì)化計(jì)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(yùn)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(shí)別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識(shí)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(chǔ)、管理和計(jì)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(diǎn)。Galton[18]定義了 4 種細(xì)節(jié)點(diǎn)類型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于指紋匹配。 指紋識(shí)別中若干關(guān)鍵問題研究 14 本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開。 去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問題。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的 8 鄰域法。此時(shí)的處理為記錄數(shù)組 1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它 的 8 鄰域點(diǎn)記為 1。此時(shí)把它和周圍 8 點(diǎn)記為 0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個(gè)數(shù)。處理方式為把它和周圍 8 點(diǎn)置為 0，在上述基礎(chǔ)上減去 2 倍的斷點(diǎn)數(shù)。第五類為小橋。 仿真結(jié)果和結(jié)論 實(shí)驗(yàn)基于 的 Pc 機(jī)， 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(diǎn)和偽特征點(diǎn)，代碼運(yùn)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(diǎn)的匹配算法具有簡(jiǎn)單、快速、魯棒性等優(yōu)點(diǎn)。點(diǎn)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(gè)點(diǎn)集中的對(duì)應(yīng)點(diǎn)匹配起來。目前的指紋識(shí)別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。 (2)圖片 A 中有圖片 B 中不存在的點(diǎn)，集合 B 中也有圖片 A 中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。 另外，計(jì)算匹配的時(shí)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(yàn)證的方法。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)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(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫圖像進(jìn)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(zhǎng)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(shí)別中若干關(guān)鍵問題研究 18 圖 a 庫中第 13 號(hào)原圖 圖 b 庫中第 13 號(hào)修改圖 圖 52 數(shù)據(jù)庫中理想會(huì)配對(duì)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(shí)用性。第一種方法的點(diǎn)判斷條件本身就是一個(gè)人為的容錯(cuò)估計(jì)值，很小的出錯(cuò)不會(huì)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(cuò)性。 指紋識(shí)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(shí)別技術(shù)，指紋識(shí)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(shí)別算法不但具有重要的理論意義，而且具有很高的實(shí)用價(jià)值。 （ 2）對(duì)分割好的圖像進(jìn)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(dòng)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(shí)，更重要的是在閱讀、實(shí)踐中所培養(yǎng)的思維方式、表達(dá)能力和廣闊視野。 感謝對(duì)我論文進(jìn)行評(píng)審的各位 老師 ，感謝對(duì)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(jì) ) 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(shí)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(diǎn) 0 表示端點(diǎn) end if a==2 %%%% 端點(diǎn)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(diǎn) 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。