【正文】 i,j6)+I(i,j7)+I(i,j8)+I(i,j9)+I(i,j10)+I(i,j11)+I(i,j12)。 %%%消除端點(diǎn) xxx=xxx1。Izz。amp。 指紋識別中若干關(guān)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)。Izz(i+1,j1)=0。 end end end end figure,imshow(I) %%%%%%%%%%%%%%%%%%%%特征提取后處理 ~ Izz=I。 I(i1,j)=1。I(i+1,j1)=1。 tezheng(i,j,3)=1。 end if Im(i,j+1) ~= Im(i+1,j+1) a = a + 1。 I=xihua(In)。 else Icc(i,j)=1。 summ=sum(sumi)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 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)。 Icc(i+(x1)*M,j+(y1)*M)=0。amp。 end end end G2=gtotle1/gtemp1。 gtemp1=0。vtotle=0。 end end Gmean=0。 for i=1:M。 %1 H = m/M。 for x=1:m for y=1:n M=M+I(x,y)。39。很慶幸這些年來我遇到了許多恩師益友，無論在學(xué)習(xí)上、生活上都給予了我無私的幫助和熱心的照顧 。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。選用了一種比較精確的 模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。相似度的計算，方法一以滿足特征點(diǎn)的相對距離差距不大的點(diǎn)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。這種方法簡單明了，缺點(diǎn)在于計算量比較大，需要較久的計算時間。這種方法將原特征點(diǎn)的相對距離進(jìn)行修改，使得各個特征點(diǎn)之間的相對距離產(chǎn)生差異。 (3)由于指紋存在變形位移，任何一對匹配點(diǎn)之間都不是絕對相等，而是存在一定的差距。對于基于細(xì)節(jié)點(diǎn)的匹配思路大體分兩種：基于直角坐標(biāo)系 的特征識別和基于極坐標(biāo)系的特征識別 [19]。 指紋識別中若干關(guān)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(jìn)行比對，判斷這兩幅圖像是否 來自同一個人的同一手指。小橋的判斷條件為 :10 范圍內(nèi)特征值為 1， 6 的上半范圍或下半范圍特征值仍為 1。第二類：對于直線 12 點(diǎn)的和不超過 1 的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。其中（ 1）端點(diǎn)的判斷條件為：周圍的 8 鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 2 個不同值。 指紋特征提取和去偽特征 目前在細(xì)化二值圖像中提取細(xì)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(xì)化二值圖像后，只需要一個 3 3 的模板便可將端點(diǎn)和分叉點(diǎn)提取出來。 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。對于自動指紋識別技術(shù)而言，選擇一種合適的、能表達(dá)指紋唯一性的特征量是非常關(guān)鍵的。細(xì)算中的模板在一個函數(shù)中實現(xiàn)，細(xì)化結(jié)果如下圖所示。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(diǎn)去除作為背景的模板；保留模板則是根據(jù)條件判定這點(diǎn)保留作為前景的模板。在串行細(xì)化算法中，當(dāng) 前迭代的結(jié)果不僅取決于前一次的迭代迭代圖像，而且與當(dāng)前處理情況有關(guān)；而在并行方式中，當(dāng)前迭代僅僅是由前一次的迭代情況決定，串行細(xì)化算法的處理結(jié)果依賴于對像素處理的先后順序，因而像素點(diǎn)的消除或保留不可預(yù)測。一種好的細(xì)化算法應(yīng)該滿足下列條件 [14]： (1)收斂性：迭代必須是收斂的。這種修改是為了使圖像連續(xù)圓滑。一般的圖像處理中的二值化算法主要是計算整幅圖像的灰度平均值，然后將該值作為門限，高于該門限的像素點(diǎn)就置 1，反之置 0。該方法快捷，損壞程度低，缺點(diǎn)是計算有一定的復(fù)雜度，要通過 2 次方差均值來處理。指紋圖像的歸一化公式如式 ()所示，當(dāng)大于平均值時為加。在這部分將重點(diǎn)介紹均值法差法的計算方法和在仿真中的運(yùn)用。 LinHong 等人開發(fā)的基于最小均方估計算法，即公式法。它是圖像分割中最基本的方法。小波變換和傅里葉變換的出發(fā)點(diǎn)都是將信號表示成基函數(shù)的線性組合。 第六章：總結(jié)本文所取得的一些研究成果，并對課題發(fā)展進(jìn)行了展望。實際應(yīng)用要求最好自動指紋識別系統(tǒng)能對識別任務(wù)實時做出響應(yīng)，而讓指紋匹配算法同時達(dá)到高速度和高準(zhǔn)確率也是一個難題。指紋識別系統(tǒng)主要包括 4 部分：指 紋圖像采集，指紋圖像預(yù)處理，指紋特征提取和指紋特征匹配[5]。 ②唯一性，指每一個人的指紋都不同。 目前許多公司和研究視梅在指紋識別技術(shù)領(lǐng)域都取得了突破性的進(jìn)展，推出許多指紋識別與傳統(tǒng) IT 技術(shù)完美結(jié)合的應(yīng)用產(chǎn)品，這些產(chǎn)品已經(jīng)被越來越多的用戶所認(rèn)可。這類算法的問題在于圖像特征難以定義和匹配，因此算法的拒識率和誤識率較高。 (3)具有和主體永不分離性；這樣對主體身份的識別更具真實性。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，指每一個正常人都有指紋。 關(guān)鍵詞： 指紋識別；均值方差；指紋細(xì)化；特征提取 2 ABSTRACT With the developments of the information age, automated fingerprint identification technology has been widely used in public security, customs, banking. This article outlines both the study status and algorithm process of a Automated Fingerprint Recognition System, and on this basis, focuses on the segmentation of fingerprint image and fingerprint image thinning algorithm to do the study. First, the paper describes the research significance of fingerprint recognition and its status. Fingerprint recognition theory and the key steps in the algorithm are introduced in this part .They are also used for programming verification. Secondly, in the fingerprint collection process, there are existences of a large number of lowquality fingerprint images, affecting the identification rate of fingerprint recognition system problems. The paper focuses on fingerprint image segmentation which belongs to preresearch makes a more thorough study, putting forward a fingerprint image segmentation algorithm by used the mean and variance of the image. Calculating the mean and variance of each piece, and then if this result is almost close to 0 that it is regarded as the background. The area variance is not zero will use threshold segmentation algorithm. In addition, the fingerprint image thinning is studied deeply, although the number of templates to use is a lot, calculation time is longer, the deal is in place for the pixels, making relatively few glitches and maintain the basic structural characteristics of the original image, retaining the details of the biggest features too. Of course, given the slow speed of this method, there are still shortings of burr can be used for making a great improvement. Finally, the feature extraction method in the fingerprint recognition process is studied. Focus on feature extraction methods for extraction of minutiae feature points exist in pseudoproblem, we propose a pseudofeature points to eliminate the algorithm. Simulation results show that the algorithm can effectively remove pseudo feature points. Keywords: fingerprint recognition。 指紋識別系統(tǒng)的設(shè)計與實現(xiàn) 摘 要 隨著信息時代的發(fā)展 , 自動指紋識別技術(shù)已經(jīng)廣泛地應(yīng)用于公安、海關(guān)、銀行、網(wǎng)絡(luò)安全等需要進(jìn)行身份識別領(lǐng)域。仿真結(jié)果表明，這種算法可以有效的去除偽特征點(diǎn)。 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。 (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。它是一種使用全局信息進(jìn)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。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。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。 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。 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。 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。 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 。 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。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。 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。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。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。 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。 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，它周圍點(diǎn)不大于 3 個為像素 1 點(diǎn)則修改為 0；當(dāng)像素為 0 時，它周圍不小于 7 個點(diǎn)為像素 1 的點(diǎn)，則修改為 1。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中