【正文】 ，因此指紋圖像的處理常是將指紋圖像二值化。所以最好選用局部閾值法作為二值化算法。細化可以便我們得到絞線的單像素的骨架。(3)拓撲性：不引起紋線的逐步吞食，保持原圖像的基本結構特性。由于并行細化算法具有快速而準確的特性，因此他一直是人們研究的熱點，并且相應的提出了許多并行細化算法，如OPTA細化算法[15]，R．W．Hall細化算法，Rosenfeld細化算法，Zhang amp。本論文中采用了方法步驟如下該方法有名稱嗎？：（1）建立3維數組，第一組數據為預處理后的圖像信息，定義每一個像素點它周圍點像素參數。細化將黑白二值圖像細化成了單個像素帶寬的指紋圖像，由于模板的選擇不同，上圖中的細化圖像一定程度上存在毛刺、分叉、斷點等不理想的情況。(2)可測試性：適用于指紋匹配算法，便于在匹配算法中應用。指紋由脊線和谷線交替構成，在大多數地方紋線連續(xù)且相互平行，而某些局部不連續(xù)的地方構成了細節(jié)點。在提取指紋圖像的細節(jié)特征中，由于圖像質量和噪聲的干擾，存在大量的偽特征點，實驗表明一幅質量較差的圖像在經過預處理，細節(jié)特征提取后可能產生多達一、兩萬個細節(jié)特征點，其中包含了大量的偽特征點，這些偽特征點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的拒真率和誤識率的上升，因此在進行指紋匹配之前，應對細節(jié)特征進行驗證，盡可能將偽特征點去除，同時保留真特征點。（2）分叉點的判斷條件為：周圍的8鄰域兩兩相鄰當且僅當存在6個不同值。此時在更小12的上半范圍或下半范圍，特征仍為2則認為為斷點。小橋處理方式類同斷點和毛刺。指紋圖像匹配方面，主要有基于圖像，脊線結構和特征點的方法。點模式匹配是著名的數學難題。(4)最終得到的是兩幅指紋的相似度，怎么確定相似度的計算方式。最后判斷可積點的個數和相對值。如果可行，則此匹配法能找到最相近的圖片代號并顯示出它們的距離。這兩種方法都很好地解決了找到基準點，容錯性和相似度的問題。主要研究成果內容如下：（1）綜合分析了指紋分割目前主流的三種趨勢，選擇了基于區(qū)域特征的均值方差法并用matlab語言來對指紋圖像進行分割。如何有效的對指紋圖像的分割細化的不足之處進行彌補，對匹配算法改進效率以及將指紋識別技術與在實踐中結合起來應該是今后開展工作的方向。周老師多次開會討論研究進程，幫助我開拓研究思路，精心點撥。我還要感謝我的父母，給予我生命并竭盡全力給予了我接受教育的機會。I=originI。 endendvar1=var/(m*n)。var1=zeros(H,L)。 end end aveg1(x,y)=aveg/(M*M)。 Vmean=Vmean+var1(x,y)。 gtotle=gtotle+aveg1(x,y)。vtemp1=0。T1=G2。amp。1 1 1]。for x=5:m5。 sum7=I(x4,y4)+I(x2,y2)+I(x+2,y+2)+I(x+4,y+4)。 else sumf = summax。 In=Im。Im=I。 end if Im(i+1,j1) ~= Im(i,j1) a = a + 1。 I(i1,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+1,j+1)=1。 %%%消除端點 Izz(i1,j)=0。 else a=0。 if ( a=1 amp。 Izz(i1,j)=0。 end end end endend%%%%%%%%%%%%%%%%%%%%%%%%%%消除斷點for i=17:m17 for j=17:n17 if tezheng(i,j,3)==2 for x=i12:i+12 for y=j12:j1 if tezheng(x,y,3)==2 tezheng(i,j,3)=0。Izz(i+1,j1)=0。Izz(x+1,y1)=0。Izz(i,j+1)=0。Izz(x,y+1)=0。 xxx=xxx2。Izz(i1,j1)=0。Izz(x1,y1)=0。Izz(i+1,j)=0。Izz(x+1,y)=0。Izz(i1,j+1)=0。Izz(x1,y+1)=0。Izz(x1,y1)=0。Izz(i1,j1)=0。 xxx=xxx2。Izz(x,y+1)=0。Izz(i,j+1)=0。Izz(x+1,y1)=0。Izz(i+1,j1)=0。 end end end end end endend%figure,imshow(I)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%消除毛刺for i=10:m10 for j=10:n10 if tezheng(i,j,3)==2 for x=i5:i+5 for y=j5:j+5 if tezheng(x,y,3)==1 tezheng(i,j,3)=0。 Izz(x1,y)=0。 Izz(i1,j)=0。Izz(x+1,y+1)=0。Izz(i+1,j+1)=0。Izz(i,j1)=0。 d=1) tezheng(i,j,3)=0。 c=I(i,j+1)+I(i,j+2)+I(i,j+3)+I(i,j+4)+I(i,j+5)+I(i,j+6)+I(i,j+7)+I(i,j+8)+I(i,j+9)+I(i,j+10)+I(i,j+11)+I(i,j+12)。Izz(i,j1)=0。for i=1:m %%%%%%%%%%%%%%%%%%%%%%%%去除邊界點 for j=1:n if tezheng(i,j,3)~=0 if i170||i+17m|| j170||j+17n tezheng(i,j,3)=0。I(i1,j+1)=1。I(i,j1)=1。 xxx=xxx+1。 end if Im(i+1,j+1) ~= Im(i+1,j) a = a + 1。figure,imshow(I)。 end。 b=summ/8。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 endendI=In。 end end end endendfigure, imshow(uint8(I)) %%%%%%%%%%%%%%%%%%%%%%二值化temp=(1/9)*[1 1 1。 var1(x,y)T2 moban(x,y)=1。V2=vtotle1/vtemp1。gtotle1=0。vtemp=0。Vmean=0。 for j=1:M。 L= n/M。 endendM1=M/(m*n)。)。在論文的撰寫和資料搜集期間，前人的資料對我提供了莫大的幫助，這里感謝設計中被我引用或參考的論著的作者。 首先，我要感謝我的畢業(yè)設計指導老師周老師。此外，還介紹了一種濾波卷積的FFT卷積匹配，適合檢索匹配。第6章 總結和展望作為一種可靠的生物識別技術，指紋識別技術受到了廣泛關注，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。以上結果論證了該指紋匹配的實用性。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。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。(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。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]。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。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。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。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。 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33的模板便可將端點和分叉點提取出來。自己加縮進，請檢查全文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。細算中？的模板在一個函數中實現，細化結果如下圖所示。模板分為保留模板和消除模板，消除模板就是根據條件判定這點去除作為背景的模板；保留模板則是根據條件判定這點保留作為前景的模板。在串行細化算法中，當前迭代的結果不僅取決于前一次的迭代迭代圖像，而且與當前處理情況有關；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。一種好的細化算法應該滿足下列條件[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就置1，反之置0。該方法快捷，損壞程度低，缺點是計算有一定的復雜度，要通過2次方差均值來處理。 仿真結果和結論，Window 7操作系統(tǒng)。具體步驟分以下三步：(1)將低頻圖分成MM大小的無重疊方塊，方塊的大小以一谷一脊為宜。這種方法最大的優(yōu)點是易實現，很好體現出紋理，但缺點是對于變化太快的部分出錯。此原理在匹配中也可以運用。對于任意函數的連續(xù)小波變換[7]：公式（1）為變換公式，公式（2）為重構公式。指紋分割的最基本的依據是圖像某些特征和特征集合。其中分割部分采用了方差均值的方法，細化選取了一種偽特征較少的模板，匹配時以分叉點和端點信息進行匹配。就現有文獻和產品來看，對低質量的指紋圖像的處理效果還遠不能令人滿意。正是這些無窮無盡的細節(jié)特征組合構成了指紋的唯一性．事實上，甚至包括雙胞胎，世界上兩個指紋相同的概率小于1／109，幾乎為零，這就構成了指紋的第一大特點。指紋識別技術多用于對安全性要求比較高的領域，麗在商務移動辦公領域頗其建樹的富圭通、三星及l(fā)BM等國際知名品牌都擁有技術與應用較為成熟的指紋識別系統(tǒng)[4]。目前大多數的自動指紋識別系統(tǒng)使用的都是這類算法。(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鍵特征，這樣使系統(tǒng)對模板庫的存儲量較小。因此，指紋識別技術，作為一種可靠的生物識別技術[1]，受到了人們的重視。 feature extraction目 錄摘 要Abstract第1章 緒論………………………………………………………………………………1 研究的意義………………………………………………………………1 指紋識別技術………………………………………………………………1 指紋識別技術發(fā)展現狀…………………………………………………………2 指紋識別技術特點……………………………………………………………3 本論文的工作………………………………………………………………4第2章 指紋圖像的分割 …………………………………………………5 指紋圖像分割概述……………………………………………………………5 ……………………………………………………………6 仿真結果與結論……………………………………………………………7第3章 指紋圖像的細化 …………………………………………………9 指紋圖像細化的預處理……………………………………………………………9 指紋圖像細化方法介紹……………………………………………………………9 仿真結果與結論………………………………………………