【正文】 本論文匹配方法介紹 ??????????????????????? 17 第 6 章 總 結(jié) 和 展 望 ??? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 20 參考文獻 ??? … … … … … … … … … … … … … … … … … … … … 21 致謝 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 22 II 附錄 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 23 浙江理工大學信息電子學院本科畢業(yè)論文 (設(shè)計 ) 1 第 1 章 緒論 研究的背景及意義 科學技術(shù)的迅猛發(fā)展為人類的生產(chǎn)生活帶來了極大的便利，大大地推動了現(xiàn)在社會的進步和發(fā)展。 其次，針對在指紋采集過程中存在著大量的低質(zhì)量指紋圖像，影響指紋識別系統(tǒng)的識別率的問題，本文對指紋圖像的分割等預處理作了較為深入的研究，采用了均值方差的指紋圖像分 割算法，仿真結(jié)果表明，該方法有效地改善了指紋圖像的質(zhì)量。 此外，對指紋圖像的細化作了深入的研究，使用的細化模板雖然數(shù)量較多，計算時間比較長，但對于像素的處理很到位，使得毛刺比較少， 保持原圖像的基本結(jié)構(gòu)特性，還最大地保留了細節(jié)特征。 在網(wǎng)絡(luò)化時代的今天，我們每個人都擁有大量的認證密碼，比如開機密碼、郵箱密碼、銀行密碼、論壇登陸密碼等等；并配備了各種鑰匙，如門鎖鑰匙，汽車鑰匙，保險柜鑰匙等。盡管人們已經(jīng)對自動指紋識別技術(shù)作了深入廣泛的研究，指紋識別技術(shù)也獲得了不少應用，但是指紋識別的應用在目前并沒有獲得普及，這主要是因為指紋識別在識別準確性和識別速度方 面還遠遠不能滿足很多實際應用的要求。另外，對輸入的指紋圖提取關(guān)鍵特征后，可以大大減少網(wǎng)絡(luò)傳輸?shù)呢摀阌趯崿F(xiàn)異地確認，支持計算機的網(wǎng)絡(luò)功能。指紋特征多種多樣，有特征點、奇異點、域方向圖、脊線數(shù)目，甚至脊線線型等。 與國外相比，我國在自動指紋識別技術(shù)的研究水平上還存在一定的差距。 ④指紋與主體的不可分離性：即指紋不存在丟失、遺忘、被竊取的可能。對于質(zhì)量很差的圖像，如果不經(jīng)過特殊的增強處理，是很難正確地進行特征提取的。 第二章：為后續(xù)的研究工作奠定基礎(chǔ)，本章介紹了均值方差的基礎(chǔ)知識和基本理論以及仿真中具體的分割運用算法。特征集合則是幾種的結(jié)合。 小波變換的特點是 壓縮比高，壓縮速度快，壓縮后能保持信號與圖象的特征不變，且在傳遞中可以抗干擾。 代表塊特征的指紋圖像分割目前研究趨勢為多種塊基本特征如灰度均值、塊灰度方差 [9]、塊方向圖等綜合運用和重新定義塊特征。 基于全局的圖像分割則是根據(jù)情況特別是某些特殊場合的利用，如殘缺指紋。 設(shè)指紋圖像 I的大小為 H L， I(i,j)為像素點 (i,j)的灰度， AVE和 VAR分別為原指紋圖像的均值和方差， AVE和 VAR可以通過公式 ()和 ()計算得到。 仿真中歸一化的參數(shù) 0AVE 取了 150， 0VAR 取了 100，分割的區(qū)域大小 M 取了 10。這樣不僅可以壓縮原指紋圖像的數(shù)據(jù)量，而且也方便后面的細節(jié)特征的提取。再根據(jù)前面判斷的是否為背景即 Icc 值的來修正 Icc 值：灰度值為 128且 Icc 為 1 時（非背景指紋紋線時）， Icc 值為 0，像素值置為 0。獲取一個圖像骨架的過程通常稱為對圖像“細化”的過程。 (5)細化性：骨架紋線的寬度為 1 個像素，即單像素寬。性能上這些算法各有所長。對于滿足后六種情況的模板賦值為 3，別的情況點值不做改變。 當然，此次仿真的細化還有待改進。 (4)魯棒性：要求這種特征對噪聲的存在與指紋形變不敏感。 目前已定義的特征類型己達 150 多種，但是這些擴展的特征往往不易提取相互區(qū)分，并且它們都可以由端點和分叉點的組合進行描述，這使得端點和分叉點成為最常用的結(jié)構(gòu)特征，也稱為細節(jié)特征，它被認為是最穩(wěn)定、最容易檢查的，而且占全部特征點的 80％以上。對整個圖像進行特征提取后得到的特征點并非全部都是真實的分叉點和端點，由于指紋質(zhì)量，細化、特征提取過程引入的噪聲造成了很多偽特征點，特別是圖像邊 緣有很多圖像分割產(chǎn)生的邊界偽端點。處理方式類同上面。第四類為毛刺，毛刺的判斷類似于短點。 圖 a 指紋 1 判斷點 圖 b 指紋 2 判斷點 圖 41 通過 判斷后得到的特征點分布圖 這個特征點分布結(jié)果圖包含了特征點和偽特征點。目前最為常用的方法是 FBI 提出的細節(jié)點坐標模型來做細節(jié)匹配。從模板指紋和輸入指紋中選取一個節(jié)點作為參考節(jié)點對，在進行節(jié)點匹配時先利用基準點將指紋對齊，然后再評估其它節(jié)點的匹配程度。參考點在指紋圖像的識別中是也至關(guān)重要的。匹配與否用 success 值返回。 FFT 卷積的方法能從多幅數(shù)據(jù)庫的指紋圖片中挑選出與當前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會影響它的判斷和距離的計算。本文針對指紋圖像的特性，將均值方差法、模板細化、點模匹配應用于指紋識別技術(shù)，以改善指紋識別算法的性能。 本文由于時間上的限制，在實現(xiàn)細化和匹配的基礎(chǔ)上沒有能夠?qū)毣推ヅ渌惴ㄟM行更深入的改進研究，是一個缺憾。 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 。 if s == 3 I = rgb2gray(originI)。 %c=sqrt(30*(I(x,y)M1)/var1)。 for x=1:H。 for i=1:M。 end end Gmean1=Gmean/(H*L)。 end if Vmean1var1(x,y) vtemp=vtemp+1。 for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp1+1。T2=V2。 var1(x,y)T2 moban(x,y)=1。%模版系數(shù) %3 Im=double(I)。 for y=5:n5。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。 end if sumf b Im(x,y)=128。 for a=1:4 for i=2:m1 for j=2:n1 if Im(i,j)==1 if Im(i1,j) + Im(i1,j+1) +Im(i,j+1) + Im(i+1,j+1) + Im(i+1,j) + Im(i+1,j1) + Im(i,j1) + Im(i1,j1) =3 In(i,j)=0。 tezheng=zeros(m,n,3)。 end if Im(i,j1) ~= Im(i1,j1) a = a + 1。I(i1,j+1)=1。 tezheng(i,j,2)=j。I(i+1,j)=1。Izz(i1,j+1)=0。b=0。amp。Izz(i1,j+1)=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(guān)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(shè)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(shè)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(shè)計與實現(xiàn) [J].計算機應用 ,2022,21(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(shù)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(shù)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 ,2022 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， 2022,20(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(shù)的新進展 [J]. 自然科學進展 ,2022,16(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 ,2022,39(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 ,2022,28(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