【正文】 該階段處理不當(dāng)引入了噪聲，就會直接降低圖像的質(zhì)量，對后序的識別過程造成很大程度上的干擾。在頻率下處理的時候，同樣的問題用不同的描述方式是和空間域的表示是等價的，但由于描述方式不同了以前空間上很難處理的問題在頻率域上就有可能變得很容易了。主要使用的方案有：硅電容指紋圖像傳感器、半導(dǎo)體壓感式傳感器和半導(dǎo)體溫度感應(yīng)傳感器。隨著活體采集的技術(shù)的研究和發(fā)展，采集設(shè)備還可以判別出是否為活體手指，這能通過檢測手指的活體特性來實(shí)現(xiàn)。 指紋采集的方法可以分成兩種，一種是由器件主動向手指發(fā)射出探測信號，然后再分析反饋的信號，以形成指紋的嵴與峪的圖案。指紋數(shù)據(jù)大多以數(shù)字信息表示并存儲。位置(Position): 一節(jié)點(diǎn)的位置通過(x,y)坐標(biāo)來描述，可以是絕對的，也可以是相對于三角點(diǎn)或特征點(diǎn)的。指紋的節(jié)點(diǎn)主要有以下幾種特性：終結(jié)點(diǎn)(Ending)：一條紋路在此終結(jié)。三角點(diǎn)提供了指紋紋路的計(jì)數(shù)跟蹤的開始之處。指紋的特征可分總體特征和局部特征：（1） 總體特征總體特征就是那些可以直接用人眼進(jìn)行觀察和鑒別的特征，包括基本紋路圖案環(huán)型（loop），弓型(arch)，螺旋型(whorl) 。（3）觸物痕跡 指紋每條紋路的凸紋上都布滿了汗腺，隨時都不斷的在分泌汗液，這些分泌除了水分之外，還有脂肪、蛋白質(zhì)、尿素及其它有機(jī)混合物，特性是黏性特別強(qiáng)，揮發(fā)性慢，可以在物體上保留很長的時間。主要工作包括：對指紋圖像的預(yù)處理，然后進(jìn)行指紋特征的提取和偽特征的去除，提取出適合神經(jīng)網(wǎng)絡(luò)識別的特征數(shù)據(jù)，最后用基于神經(jīng)網(wǎng)絡(luò)的方法完成對指紋的識別。每兩個節(jié)點(diǎn)間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重（weight），這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。（4）指紋特征匹配的過程就是，對當(dāng)前輸入指紋圖像的經(jīng)過前面所述3步產(chǎn)生的特征數(shù)據(jù)與數(shù)據(jù)庫內(nèi)的信息進(jìn)行比較以驗(yàn)證是否屬于同一個指紋圖像。指紋識別技術(shù)是目前最成熟且價格便宜的生物特征識別技術(shù)。該業(yè)務(wù)部門是現(xiàn)代生物識別技術(shù)虹膜識別系統(tǒng)。不容易被遺忘的生物特征識別技術(shù)，安全功能，難以偽造或被盜，便攜式攜帶，可隨時，隨地，等等。 vulnerable to the impact of false feature points。概括起來，本文主要對指紋識別系統(tǒng)的以下幾個方面進(jìn)行了深入研究。指紋識別由于具有唯一性、可靠性，基于指紋識別的技術(shù)的身份識別系統(tǒng)以其獨(dú)特的技術(shù)優(yōu)勢和成本優(yōu)勢廣泛的應(yīng)用于個領(lǐng)域。在指紋的識別方法中，本文使用了一種基于BP神經(jīng)網(wǎng)絡(luò)的指紋識別算法，使用神經(jīng)網(wǎng)絡(luò)的識別，能有效的提高指紋識別的魯棒性。隨著科學(xué)技術(shù)的飛速進(jìn)步，將會有更多更多的生物識別技術(shù)應(yīng)用到現(xiàn)實(shí)生活。生物識別技術(shù)產(chǎn)品均借助于現(xiàn)代計(jì)算機(jī)技術(shù)實(shí)現(xiàn)，很容易與計(jì)算機(jī)安全，監(jiān)控，管理系統(tǒng)和自動化管理??。由于其相對較低的價格，較小的體積（可以很容易地集成到鍵盤），且易于集成，使工作站的安全訪問在幾乎所有的應(yīng)用指紋識別系統(tǒng)?！　。?）指紋圖像處理的過程 就是對指紋采集中濕法和干法，老化，損壞的指紋進(jìn)型處理的到清晰的圖像以擬補(bǔ)對指紋圖的質(zhì)量缺陷，確保處理后的指紋的對處理算法具有良好的魯棒性?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具，常用來對輸入和輸出間復(fù)雜的關(guān)系進(jìn)行建模，或用來探索數(shù)據(jù)的模式。人工神經(jīng)網(wǎng)絡(luò)具有四個基本特征：非線性、非局限性、非常定性和非凸性。有人曾以電腦來計(jì)算，結(jié)論是要到四十二位數(shù)時，才可能用指紋相同的人，所以說，這在地球上是不太可能會發(fā)生了，就真得有指紋相同的人，他們也不太可能生存在同一個世紀(jì)。經(jīng)過長時間的發(fā)展和研究，在各個公司及其研究機(jī)構(gòu)都產(chǎn)生了許多的數(shù)字算法（美國有關(guān)法律認(rèn)為，指紋圖像屬于個人隱私，因此不能直接存儲指紋圖像）。許多算法是基于核心點(diǎn)的，既只能處理和識別具有核心點(diǎn)的指紋。指紋的紋路不是一直連續(xù)、平滑筆直的，紋路很多時候都會出現(xiàn)中斷、分支或者折返。 環(huán)點(diǎn)短紋(Short Ridge): 一端較短但不至于成為一點(diǎn)的紋路。第一代的指紋采集技術(shù)采用 “ 按壓留痕 ” 的方式來采集指紋，利用的是指紋 “ 觸物留痕 ” 的特性。嵴與嵴相交、相連、分開會表現(xiàn)為一些幾何圖案?？紤]到設(shè)備的功耗，在沒有手指接觸的時候，采集設(shè)備一般處在休眠狀態(tài)。光學(xué)指紋采集技術(shù)，其原理是利用光的全反射原理，將照射到壓有指紋的玻璃表面的反射光線通過CCD來獲取，反射光的量將依賴于壓在玻璃表面的指紋脊和谷的深度和皮膚與玻璃間的油脂和水分。所以這樣獲取的圖像是實(shí)際指紋紋路凹凸的真實(shí)反映。目前的指紋細(xì)化算法都是基于二值指紋圖像進(jìn)行的。 大多數(shù)灰度圖像的二值化變化函數(shù)F(x)都可以用下述公式進(jìn)行表達(dá)： 公式中的T為人為指點(diǎn)的閥值，自變量x為圖像像素點(diǎn)的灰度值。)。由于指紋識別與一般的圖像識別有很大的不同，指紋識別的匹配是直接與細(xì)化后的圖像的端點(diǎn)相關(guān)的，因此細(xì)化的操作不能對指紋圖像的端點(diǎn)的位置和方向產(chǎn)生影響。imshow(~K)。灰度圖像直接提取法就是利用這一個特性來構(gòu)建算法。Sn(P)為8鄰域像素中為1的像素的個數(shù)，具體按式(31)、(32)計(jì)算。并且由于步驟的減少在一定程度上降低了偽特征點(diǎn)出現(xiàn)的概率。指紋圖像中大量偽特征點(diǎn)的存在將導(dǎo)致提取的特征點(diǎn)數(shù)據(jù)的可靠性降低，成功匹配率降低，嚴(yán)重影響指紋系統(tǒng)的指標(biāo)。 （4）假橋現(xiàn)象，上采集時，手指比較潮濕時，也很容易出現(xiàn)脊線假橋的現(xiàn)象（即本來不相連的兩條脊線連在了一起）。這些起始點(diǎn)雖然也是端點(diǎn)，但是在實(shí)際的人體指紋上是不存在的，只是由于采集方式而產(chǎn)生的。 接下來將描述偽特征點(diǎn)的剔除算法。介紹了特征點(diǎn)的提取方法和使用的提取算法，最后通過對偽特征點(diǎn)的特性的分析，進(jìn)行了偽特征點(diǎn)去除的方法構(gòu)思和算法實(shí)現(xiàn)，為后續(xù)的指紋匹配工作奠定了基礎(chǔ)。激活函數(shù)必須滿足處處可導(dǎo)的條件。 （4）具有自學(xué)習(xí)、自組織、自適應(yīng)的能力。 指紋的八個方向 P點(diǎn)的八鄰域示意圖計(jì)算指紋圖像的八維走向向量的步驟如下:(1) 遍歷每一個脊線點(diǎn)。（3） 是否遍歷完所有的脊線點(diǎn)，否則返回步驟（1）。 （41） （42） 用自適應(yīng)步長的BP網(wǎng)絡(luò)進(jìn)行指紋識別本文使用BP網(wǎng)絡(luò)對待識別的指紋特征量進(jìn)行匹配識別。使用第五種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P5輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為T5[0 0 0 0]，識別成功。 （3）本文通過Matlab對指紋識別系統(tǒng)進(jìn)行軟件仿真。 最后，感謝評審委員會的各位老師能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對本次答辯的支持。在BP網(wǎng)絡(luò)輸入向量的構(gòu)建上，本文所述方法還很依賴于手指在采集面上的放置位置，不能較大范圍的偏移出采集面從而丟失部分的特征點(diǎn)和指紋走向，這將會很大程度上影響到能否正確識別出指紋。第5章 總結(jié)與展望 總結(jié) 本文系統(tǒng)的介紹了指紋識別技術(shù)的發(fā)展?fàn)顩r和指紋識別的基礎(chǔ)知識，闡述了建立指紋系統(tǒng)的必要性和意義，提出了用BP網(wǎng)絡(luò)作為指紋識別的處理方法。BP網(wǎng)絡(luò)輸入層采用12個節(jié)點(diǎn)，前8個節(jié)點(diǎn)輸入紋線的走向向量，第9，10個節(jié)點(diǎn)輸入端點(diǎn)的橫、縱坐標(biāo)的方差，第11，12個節(jié)點(diǎn)輸入分支點(diǎn)的橫、縱坐標(biāo)的方差。從主方向開始按 逆時針的順序?qū)⒈戎匾灰毁x值給八維向量X8，例如，主方向?yàn)榉较?，則X8的賦值為X8=[T4,T5,T6,T7,T8,T1,T2]。 ② 若兩個紋線點(diǎn)所在位置為（P1,P6）、（P2,P5）、（P7,P8）、（P3,P4）,則判斷方向?yàn)榉较?。BP網(wǎng)絡(luò)的主要用于以下四個方面：（1） 函數(shù)的逼近：用輸入向量和期望的輸出向量訓(xùn)練一個網(wǎng)絡(luò)來逼近一個函數(shù)（2） 模式識別：把一個待定的輸出向量與一個輸出向量聯(lián)系起來。其學(xué)習(xí)的方式是在外界輸入樣本的刺激下不斷的改變網(wǎng)絡(luò)的連接權(quán)值，本質(zhì)是對各個連接權(quán)值的一個動態(tài)調(diào)整，調(diào)整的規(guī)則，即在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)變化所依據(jù)的一定的調(diào)整規(guī)則。 第4章 基于BP神經(jīng)網(wǎng)絡(luò)的指紋的識別 BP神經(jīng)網(wǎng)絡(luò)及其原理 BP神經(jīng)網(wǎng)絡(luò)簡介BP（Back Propagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。（2） 斷點(diǎn)、短線的刪除： 判斷上步查找到的像素點(diǎn)是否為端點(diǎn)，若為端點(diǎn)，則查找該端點(diǎn)周圍D1范圍內(nèi)的所有像素點(diǎn)是否存在另一個端點(diǎn)（定義這兩端點(diǎn)連線的方向向量為v2[x,y]），若v1，v2的方向相近則判斷為端點(diǎn)或短線，并將其從特征點(diǎn)集中刪除。目前很多在指紋識別方面的文章都忽略了對這些邊緣點(diǎn)的處理，并沒有在最終匹配前進(jìn)行剔除，這將大大增加后續(xù)匹配的工作難度，也會影響到匹配的正確率。 （5）環(huán)現(xiàn)象，一般也叫做孔。通過對偽特征點(diǎn)的觀察，可以很直接的發(fā)現(xiàn)偽特征點(diǎn)（）具備以下一些特點(diǎn)： 偽特征點(diǎn)修復(fù)前后對比圖 (1)毛刺現(xiàn)象，有多方面的原因造成毛刺的出現(xiàn)，比如受隨機(jī)噪聲的影響形成，還有一部分是在受圖像預(yù)處理的過程中產(chǎn)生的。加上是利用灰度直方圖來確定特征點(diǎn)的，因此特征點(diǎn)的位置信息將不夠精確，可能會與實(shí)際的位置有所偏差，尤其是在圖像模糊的情況下，位置信息會更加的不夠精確。 領(lǐng)域示意圖 細(xì)化后的指紋圖像對于在脊線上的像素點(diǎn)，可根據(jù)其鄰域的Cn(P)和Sn(P)數(shù)值判定此時P像素點(diǎn)的狀態(tài)。 (2)從初始點(diǎn)出發(fā)，根據(jù)指紋圖像的方向信息，在該處的法線方向上，半個指紋周期內(nèi)，求取灰度分布的最大值和最小值，并以該最大值處的像素點(diǎn)作為新的出發(fā)點(diǎn)。許多的學(xué)者都對這方面做出了深入的研究。)。J=im2bw(I,level)。首先把圖像分割成若干個w*w的方塊，每一塊都根據(jù)自身的閥值來進(jìn)行二值化。一個好的二值化算法可以得到一個高質(zhì)量的二值圖像。但是在空間域在處理某些數(shù)字圖像的問題時，會比較困難甚至是幾乎難以處理。半導(dǎo)體傳感器是1998年在市場上才出現(xiàn)的，這些含有微型晶體的平面通過多種技術(shù)來繪制指紋圖像。對于半導(dǎo)體類的采集設(shè)備大部分具備這種敏銳的指紋察覺技術(shù)。 指紋的物理特性是指嵴和峪著力在水平面上時，對接觸面形成的壓力不同、對波的阻抗不同等。第二代的指紋采集技術(shù)采用的是自動化、數(shù)字化的采集方式。曲率(Curvature): 一描述紋路方向改變的速度。就是這些點(diǎn)提供了指紋唯一性的必要信息。