【正文】 關；而在并行方式中，當前迭代僅僅是由前一次的迭代情況決定，串行細化算法的處理結果依賴于對像素處理的先后順序，因而像素點的消除或保留不可預測。模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點去除作為背景的模板；保留模板則是根據(jù)條件判定這點保留作為前景的模板。細算中的模板在一個函數(shù)中實現(xiàn)，細化結果如下圖所示。對于自動指紋識別技術而言，選擇一種合適的、能表達指紋唯一性的特征量是非常關鍵的。 為了比較兩個指紋是否相同，需要從指紋圖像中提取出能表示指紋唯一性的特征。 指紋特征提取和去偽特征 目前在細化二值圖像中提取細節(jié)特征多是用 8 鄰域法，該方法比較簡單，在得到可靠的細化二值圖像后，只需要一個 3 3 的模板便可將端點和分叉點提取出來。其中（ 1）端點的判斷條件為：周圍的 8 鄰域兩兩相鄰當且僅當存在 2 個不同值。第二類：對于直線 12 點的和不超過 1 的點也被視為偽特征點，處理方式類同。小橋的判斷條件為 :10 范圍內特征值為 1， 6 的上半范圍或下半范圍特征值仍為 1。 指紋識別中若干關鍵問題研究 16 第 5章 指紋圖像的匹配 指紋圖像匹配方法 指紋匹配要解決的是對兩幅給定指紋 圖像的特征模式進行比對，判斷這兩幅圖像是否來自同一個人的同一手指。對于基于 細節(jié)點的匹配思路大體分兩種：基于直角坐標系的特征識別和基于極坐標系的特征識別 [19]。 (3)由于指紋存在變形位移，任何一對匹配點之間都不是絕對相等，而是存在一定的差距。這種方法將原特征點的相對距離進行修改，使得各個特征點之間的相對距離產生差異。這種方法簡單明了，缺點在于計算量比較大，需要較久的計算時間。相似度的計算，方法一以滿足特征點的相對距離差距不大的點的個數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計算圖像的相似距離。選用了一種比較精確的模板細化，得到了指紋細化后比較清晰的圖像。從論文的選題、資料的收集到論文的撰寫編排整個過程中，我 有來自各方面的 幫助。很慶幸這些年來我遇到了許多恩師益友，無論在學習上、生活上都給予了我無私的幫助和熱心的照顧 。39。 for x=1:m for y=1:n M=M+I(x,y)。 %1 H = m/M。 for i=1:M。 end end Gmean=0。vtotle=0。 gtemp1=0。 end end end G2=gtotle1/gtemp1。amp。 Icc(i+(x1)*M,j+(y1)*M)=0。 In(a,b)=Im(a1,b1)*temp(1,1)+Im(a1,b)*temp(1,2)+Im(a1,b+1)*temp(1,3)+Im(a,b1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 summ=sum(sumi)。 else Icc(i,j)=1。 I=xihua(In)。 end if Im(i,j+1) ~= Im(i+1,j+1) a = a + 1。 tezheng(i,j,3)=1。I(i+1,j1)=1。 I(i1,j)=1。 end end end end figure,imshow(I) %%%%%%%%%%%%%%%%%%%%特征提取后處理 ~ Izz=I。Izz(i+1,j1)=0。 指紋識別中若干關鍵問題研究 30 b=I(i1,j)+I(i2,j)+I(i+3,j)+I(i4,j)+I(i5,j)+I(i6,j)+I(i7,j)+I(i8,j)+I(i9,j)+I(i10,j)+I(i11,j)+I(i12,j)。amp。Izz(i+1,j1)=0。Izz(i+1,j+1)=0。amp。d=0。Izz(i+1,j+1)=0。I(i,j1)=1。 xxx=xxx+1。I(i+1,j+1)=1。 end if a==6 %%%分叉點判斷 tezheng(i,j,1)=i。 if Im(i1,j) ~= Im(i1,j+1) a = a + 1。 end end end end Im=In。 end end end for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j)。 summax=max(sumi)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 for a=2:m1。 end end end end %2 指紋識別中若干關鍵問題研究 26 Icc = ones(m,n)。T4=V210。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 end end 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 25 end G1=gtotle/gtemp。 gtemp=0。 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))*(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))+var。 aveg=0。 else I(x,y)=150sqrt(100*(M1I(x,y))*(M1I(x,y))/var1)。 figure, imshow(uint8(I)) tic %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 歸一化 M=0。他們也在我寫作期間或多或少的幫過我的忙。 周 老師一絲不茍的作風，嚴謹求實的態(tài)度，踏踏實實的精神， 熱情寬容的態(tài)度讓我時刻想著要盡快完成自己的論文早日畢業(yè)。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 21 參考文獻 [1]王崇文 ,李見為 ,周宏文 .指紋識別系統(tǒng)的設計與實現(xiàn) [J].計算機應用 ,2021,21(12):23— 25 [2]B Moayer and K S Fu. An application of stochastic languages to finger pattern recognition[J]. Pattern recognition,1976,12:173179 [3]謝 立鋒 ,陳靈梟 .淺談指紋識別基本原理 [J].技術與市場 ,:4445 [4]耿德英 ,陳志敏 ,陳梅琴 .圖像處理在指紋識別中實踐 [J].西昌學院學報 ,(4):7274 [5]劉明生 ,吳小培 ,項明 .一種基于指紋圖像特征的圖像分割算法 [J].電子測量技術第 32卷 ,:9294 [6]郭文鵑 ,楊公平 ,董晉利 .指紋圖像分割方法綜述 [J]. 山東大學學報 ,(7):94100 [7]高月紅 .灰度圖像分割算法的研究 [J].科技信息 ,2021 年 27 期 :1718 [8]郭丹 穎 ,吳成東 ,曲道奎 .小波變換理論應用進展 [J]. 信息與控制 ,(1):6771 [9Ratha N KChen S Wain A Flow orientation BsedFeature Extraction in Fingerpfint lmages[J].Pattem Recognition, 1995,28(11):16571672 [10]李晨丹 ,徐進 .指紋圖像預處理和特征提取算法的 Matlab 實現(xiàn) [J].計算機工程與科學 ,(7):6164 [11] 溫苗利，梁彥等．基于 GaborN 數(shù)的小波域指紋圖像增強算法 [J]．計算機應用， 2021,20(9):6874 [12]Gerbrands J J,Segmengtation of Noisy Images[D],Delft University of Technology,1988 [13] 田捷 ,陳新建 ,張陽陽 . 指紋識別技術的新進展 [J]. 自然科學進展 ,2021,16(4):400408 [14]王 業(yè)琳 , 寧新 寶 , 尹義龍 . 指紋 圖像 細化 算法的 研究 [J]. 南 京大 學學報 : 自 然科 學版 ,2021,39(4):469475 [15] 趙磊 ,陳瓊 ,陳中 . 一種新的改進 OPTA 細化算法 [J] . 計算機應用 ,2021,28(10):26392642 [16] KASS M,WITKIN A,TERZOPOULOS D． Snake:Active contour models[J].International Journal of Computer Vision,1988,1(4):32l 一 331 [17] MORTENSEN E N,BARRETF W scissors for image position[J].Proceedings of the ACM SIGGRAPH York,NY， USA:ACM,1995,8:191— 198 [18]張雄 ,賀貴明 ,一種指紋宏觀曲率特征提取算法 [D].武漢大學軟件工程國家重點實驗室 ,2021,11 [19]Ranade osenfeld . Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269275 [20]A． Hrechak and J． Mchugh． Automated fingerprint recognition using structural matching[J]． Patern Recognition,1990,23(8):893— 904 指紋識別中若干關鍵問題研究 22 致 謝 經過半年的材料準備、開題、論文寫作及修改，我的畢業(yè)論文終于定稿。分割前還對圖像進行低頻歸一化處理。兩種方法都以浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 19 中心點為基準點。 本論文還參考了一 種匹配方式，它先讀取所有的數(shù)據(jù)庫，庫的大小可自己選擇。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 17 本論 文匹配方法介紹 針對上述中提及的問題，本論文采用了兩種匹配方式，第一種為主流的點模匹配法，第二種則是較簡單的 FFT 卷積判斷法。當然，他所帶來的難題有： (1)如何快速找到基準點把兩幅指紋對齊。通過將細節(jié)點表示為點模式，一個指紋識別問題可以轉化為一個點模式匹配問題。對于特征點和偽特征點的判斷方法還有很多，端點判斷和分叉點判斷屬于比較多的特征點判斷，偽特征點也還有別的種類，短線之類也屬于處理后出現(xiàn)的偽特征，本仿真中沒有對此作出處理。毛刺的處理方式也類同斷點。第一類：超出一定邊界，仿真中用了 17。第 3 足則專門記錄偽特征最終可以除去。最后確定出特征點的類型、位置、方向。 (2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過分析圖像的紋理屬性和拓撲結構提取特征點。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 13 第 4章 指紋圖像的特征提取 指紋特征提取概述 特征提取就是對細化后的指紋圖像提取表示其特征的信息的操作。 （ 4）循環(huán)進行上述過程，到所有點值不改變?yōu)橹?，最多進行 20 次細化。 制約細化的直觀表現(xiàn)在計算速度、毛刺和斷點上。 (7)快速性：算法簡單，速度快。 細化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基 礎上，刪除紋線的邊緣像素，直到紋線為單像素寬為止。此時背景為白，紋線為黑。根據(jù)是否將圖像分塊處理，又分全局閾值算法和局部閾值算法兩種，全局閾值算法是將整幅圖像以 一個閾值處理，而局部閾值算法則把原圖分成若干個子圖，在每個子圖中確定閩值，在進行二值化，由于指紋圖像在不同區(qū)域的亮度和對比度是有差別的，因而全局閾值算法不適用。 (a) 指紋原始圖像 (b) 歸一化處理圖像 (c) 分割后圖像 圖 21 指紋 1 的處理結果