【正文】 戶的手指放在上面時，皮膚組成了電容陣列的另一面。 (3)熱敏感應(yīng)傳感器的原理是根 據(jù)皮膚紋理與傳感器部分的溫度差異來檢測指紋。如果手指比晶片更熱，當(dāng)手指在傳感器陣上做直掃動作時，熱電傳感器即接收到與指紋接觸部分的形狀成正比的額外熱量。這種概念對信噪比是很有幫助的。緊接著，接收設(shè)備獲取了其反射信號，測量它的范圍，得到脊的深度。至于體積，上面已經(jīng)提到光學(xué)傳感器的體積從 6x3x3 英寸降到 3xlxl 英寸。然而，晶體傳感器提供自動調(diào)節(jié)像素，行以及局部范圍的敏感程度，從而提高圖像的質(zhì)量。其中之一是，在較大的模型上可以做較大指紋取像區(qū)域。 晶體傳感器技術(shù)最重要的弱點(diǎn)在于，它們?nèi)菀资艿届o電的影響，這使得晶體傳感器有時會取不到圖像，甚至?xí)粨p壞，另外，它們并不像玻璃一樣耐磨損，從而影響了使用壽命。因此首先要對采集到的指紋圖像進(jìn)行預(yù)處理，包括對指紋圖像的增強(qiáng)、二值化和細(xì)化等 [5]。指紋圖像增強(qiáng)作為預(yù)處理中的關(guān)鍵步驟，其效果直接影響到后續(xù)指紋特征提取的正確性，進(jìn)而在很大程度上決定了該識別系統(tǒng)的魯棒性。常用的二值化方法有固定閥值法、自適應(yīng)閥值法、局部自適應(yīng)閥值法等。所謂細(xì)化，就是從原來的圖中去掉一些點(diǎn)，但仍要保持原有的形狀。與人工處理不同，許多生物識別技術(shù)公司并不直接存儲 指紋的圖像。 (一 )總體特征 總體特征是指那些用人眼直接就可以觀察到的特征，包括 [6]： A．基本紋路圖案 環(huán)型 (100p)，弓型 (arch)，螺旋型 (whorl)。有的指紋識別算法只使用模式區(qū)的數(shù)據(jù)。 E．式樣線 (TypeLines) 式樣線是在指包圍模式區(qū)的紋路線開始平行的地方所出現(xiàn)的交叉紋路，式樣線通常很短就中斷了，但它的外側(cè)線開始連續(xù)延伸。這些斷點(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)就稱為“節(jié)點(diǎn)”。 (1)分類 節(jié)點(diǎn)有以下幾種類型，最典型的是終結(jié)點(diǎn)和分叉點(diǎn)。 D．孤立點(diǎn) (Dot or Island)一一條特別短的紋路，以至于成為一點(diǎn)。 10 (a) (b) (c) (d) (e) (f) 其中， (a)． (f)分別為指紋的終結(jié)點(diǎn)、分叉點(diǎn)、分歧點(diǎn)、孤立點(diǎn)、環(huán)點(diǎn)和短紋。 指紋的局部特征 (Minutiae)有 150 種之多。更重要的是，使用這兩類特征點(diǎn)足以描述指紋的唯一性。 1． 3 國內(nèi)外自動指紋識別系統(tǒng)的研究狀況 指紋識別技術(shù)從早期的人工比對到現(xiàn)在采用計算機(jī)技術(shù)實(shí)現(xiàn)自動指紋識別，指紋對比更加準(zhǔn)確，識別效率 得到極大提高。當(dāng)噪聲很大時，就要增加圖像增強(qiáng)算法來改善圖像的質(zhì)量，但很難找到一種增強(qiáng)算法能夠適應(yīng)所用的噪聲，多種增強(qiáng)算法又會大幅增加算法運(yùn)行時間，不好的增強(qiáng)算法又會增加人為特征。第一章中給出了指紋識別的具體流程圖，并對流程圖中各個步驟進(jìn)行了詳細(xì)的解釋說明。 第三，在基于小波變換的算法下，用 matlab 軟件制作了指紋識別系統(tǒng)的具12 體實(shí)現(xiàn)軟件。 論文的結(jié)構(gòu)安排 論文的結(jié)構(gòu)安排如下： 第一章 主要敘述指紋識別的原理、歷史、國內(nèi)外的發(fā)展概況、論文的研究內(nèi)容及意義。 2 數(shù)字圖像處理在指紋識別中的各種算法及技術(shù) 數(shù)字圖像處理 (Digital Image Processing)又稱為 計算機(jī)圖像處理，指將圖像信號轉(zhuǎn)換成數(shù)字信號并 利用計算機(jī)對其進(jìn)行處理，以達(dá)到改善圖像質(zhì)量的過程。困難主要在處理速 度上，特別是進(jìn)行復(fù) 雜的處理。如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻分量，可減少圖像中噪聲的影響。下面是具體的算法 : (1)小波包概念的提出。進(jìn)一步對小波子空間按二進(jìn)制方式進(jìn)行頻率細(xì)分，并令：、 (是 WT 中的尺度空間 )，則 Hilbert 空間的正交分解 +1=可用的分解統(tǒng)一為：。②其中與分別是函數(shù)與的閉包空間。 圖 指紋圖像 圖 壓縮后的重構(gòu)圖 基于小波變換的數(shù)字圖像處理在指紋圖像二值化中的算法 對圖像進(jìn)行二值化是指紋圖像處理中的關(guān)鍵 技術(shù)之一，日的是為了將圖像中有意義的特征值提取出來，即圖像的邊緣、區(qū)域等信息特征，這是進(jìn) 一步進(jìn)14 行指紋圖像識別、分析和理解的基礎(chǔ)。通過設(shè)置一定的閾值，可以將原始信號中的噪聲濾除，從低頻信號中得到平滑的波形。分別計算得到和。在對圖像二值化的過程中同時完成對圖像的分割，達(dá)到去除無用信息的目的。這樣就造成信息的冗余，也要進(jìn)行必要的刪除。由于原始圖像質(zhì)量較差，往往會有一些假特征點(diǎn)在細(xì)化后出現(xiàn)。 要消除這兩種干擾信息，先要弄清如何判斷特征點(diǎn)。 短脊的特點(diǎn)是，它的兩端都可以被判別為端點(diǎn)，且距離十分短。短脊和短刺可以在同一過程中消除。 (3)重復(fù)第 (1)， (2)步直到完成對一幅圖像的處理； (4)如果在上面幾步中有像素點(diǎn)被消除，則對新圖像重復(fù)上面步驟，否則結(jié)束處理。 具體步驟如下： (1)依次選取細(xì)化圖像脊線上的點(diǎn) (x， y)； 18 (2)計算 Delta。 基于小波變換的數(shù)字圖像處理在指紋圖像特征識別中的算法 圖像識別屬于模式識別的范疇，其主要內(nèi)容是在圖像經(jīng)過某些預(yù)處理 (增強(qiáng)、二值化、細(xì)化 )后，進(jìn)行圖像特征值提取，從而進(jìn)行判別分類。 1 . 1 連續(xù)小波變換 [16] 所有小波是通過對基本小波進(jìn)行尺度伸縮和位移得到的 ,基本小波是一個具有特殊性質(zhì)的實(shí)值函數(shù) ,它是振蕩衰減的 , 而且通常衰減得很快 ,在數(shù)學(xué)上滿足積分為零的條件 ,二維連續(xù)小波基函數(shù)定義如式 ()所示 ,其變換和逆變換如式()和式 ()所示。 ) 二維離散小波變換是橫向、縱向兩個一維小波變換合成的結(jié)果 , 它需要一個二維 尺 度 函 數(shù)和 三 個 二 維 小 波 , 。 () () 另外也可產(chǎn)生分離的“方向敏感的”小波 ,如式 (),式 (),式 ()所示。在變換的每一層次 ,圖像都被分解為 4 個四分之一大小的圖像 (尺度 的低頻部分和三個方向 :水平、垂直、對角的高頻部分 ) ,它們都是由原圖與一個小波基圖像的內(nèi)積后 ,再經(jīng)過在行和列方向進(jìn)行 2 倍的間隔抽樣而生成。由于指紋紋理結(jié)構(gòu)是二維的 ,所以使用二維小波變換做紋理分析非常適合。我們把這些小波分解系數(shù)構(gòu)成的子圖像稱為小波分解通道。 圖 二維小波對指紋圖像的三次分解 在用二維小波變換提取指紋特征時 ,其提取特征的效果與選用的小波基有關(guān)。 (1)指紋圖像由交替出現(xiàn)的脊線 (ridge)和 谷線 (valley)組成。 (3)在實(shí)際應(yīng)用中 ,衡量指紋圖像質(zhì)量好壞的一個重要標(biāo)準(zhǔn)就是能否方便、準(zhǔn)確地提取出指紋圖像中用于識別的特征。這里的中心區(qū)域指的是指紋圖像的待識別區(qū)域 ,不同于很多使用全局指紋圖片的指紋匹配方法 ,我們只采用指紋圖像的一塊作為匹配區(qū)域。對實(shí)驗(yàn)圖像進(jìn)行分割 ,得到的中心區(qū)域如圖 2 所示 。我們對指紋圖像的中心區(qū)域 d[m,n]進(jìn)行 J=4 層小波變換 ,得到 3J+1=13 幅子圖 [。 表 相同類和不同類指紋圖像的特征向量比較 圖 相同類和不同類的指紋圖像及它們的特征向量 (3)特征碼的計算 [20]。通道的標(biāo)準(zhǔn)差由下式給出式 (13): () () 我們把 4層小波變換總共 12個細(xì)節(jié)子圖的小波系數(shù)的標(biāo)準(zhǔn)差組成一個表征這幅指紋圖像的特征向量式 ()計算得到的特征向量對指紋圖像具有 重要的區(qū)分屬性 ,我們即 是采用這些得到的 特征向量對指紋圖像進(jìn)行分類識別的。而來自23 不同類指紋的指紋圖像的特征向量具有較大的差異。在本文的 實(shí)驗(yàn)中 ,取 ,即把指紋圖像的中心區(qū)域分為 大小的 4 塊 ,如圖 圖 。在指紋識別中 ,對指紋圖 像的識別實(shí) 際上就是對這個 48 維的特征向量進(jìn)行識別 [21]。如果輸入的指紋圖像不正確會彈出警告窗口（如圖 ）。*.bmp39。讀取圖片 39。%讀取圖片 ：點(diǎn)擊此按鈕將會推出指紋識別系統(tǒng)。 ：點(diǎn)擊此按鈕你將會進(jìn)入指紋匹配的界面（如圖 ）。,39。Visible39。%打開圖片預(yù)處理界面，其中 zhujiemian為其句柄 pipeituxiangjiemian(39。)。 ：點(diǎn)擊按鈕可以獲得左邊圖像預(yù)處理后的圖像，并將預(yù)處理后的圖像顯示在按鈕的正上方。 鈕：點(diǎn)擊此按鈕可以退出指紋識別系統(tǒng)。如果指紋庫中沒有與原始指紋匹配的指紋圖片，將彈出警告窗口（如圖 所示）。)。 %處理 jpg文件 [k,len]=size(allnames)。 ：點(diǎn)擊此按鈕可以退出指紋識別系統(tǒng)。具體研究成果如下： 1．根據(jù)圖像噪聲的特點(diǎn)，總結(jié)了圖像去噪的一般方法和步驟。 3．根據(jù)給出的仿真結(jié)果的正確性，本文在 matlab 環(huán)境下對指紋圖像的預(yù)處理算法、指紋匹配算法進(jìn)行了編程實(shí)現(xiàn)。傲光， 2021， 13(2)： 184187 [14] 劉家鋒，唐降龍，趙泉 .一個基于特征點(diǎn)匹配的聯(lián)機(jī)指紋鑒別系統(tǒng) .哈爾濱工業(yè)大學(xué)學(xué)報， 2021,34(1)： 132136 [15] 簡兵，莊鎮(zhèn)泉等 .基于脊線跟蹤的指紋圖細(xì)節(jié)提取算法 .電路與系統(tǒng)學(xué)報，2021 [16] 羅希平，田捷 .自動指紋識別的圖像增強(qiáng)和細(xì)節(jié)匹配算法 .軟件學(xué)報，20215， 13（ 5）： 946956. [17] 喬治宏 .基于細(xì)節(jié)結(jié)構(gòu)的指紋特征提取及匹 配算法研究 .北京：北京工業(yè)大學(xué)碩士學(xué)位論文， 20215. [18] 柴曉光 ,岑寶熾 .民用指紋識別技術(shù) [M].北京 :人民郵電出版社 ,2021:3969. [19] Willis AJ,Myers cost effective fingerprint recognition system for use with low quality prints and damaged fingertips[J].Pattern Recognition,2021,34(2):255270. [20] 趙金輝 ,碩良勛 ,曲文 斌 .指紋圖像預(yù)處理算法研究 [J].計算機(jī)工程與設(shè)計 ,2021,27(15):27772778. [21] 黃賢武 , 王加俊 ,仲興榮 .指紋識別的預(yù)處理組合算法 [J].計算機(jī)應(yīng)用 ,2021,22(10):2932. 30 致 謝 時光飛逝如電，隨著畢業(yè)論文的完成，大學(xué)生涯也已接近尾聲。對他們，不需要說太多的感謝，我想我不懈的努力是對他們最好的回報。 I=rgb2gray(I1)。 for x=1:m for y=1:n M=M+double(I(x,y))。 for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(2021*(double(I(x,y))double(M1))/double(var1))。 %3*3 H = m/M。 % 計算每一塊的平均值 for x=1:H for y=1:L aveg=0。 % 計算每一塊的方差值 for i=1:M for j=1:M var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y)).^2+var。 for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。%所有塊的方差 gtemp=0。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 end end end G1=gtotle/gtemp。vtotle1=0。 34 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 e=zeros(H,L)。 end if aveg1(x,y) G1100 amp。 end end end end Icc = ones(m,n)。 %********************************************************************35 ********* 二值化 temp=(1/9)*[1 1 1。%模板系數(shù) 均值濾波 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