【正文】 re to be introduce the fingerprint preprocess. The fingerprint preprocess is to remove noise and it will translate into a plain pointline image, which is convenient for extracting the perfect fingerprint character. Because the fingerprint matching algorithm based on point pattern matching is not quick enough, a new fingerprint matching algorithm is presented here. Lines matching technique is used in the algorithm for seeking pairs of reference minutiae. Through experiments, the algorithm is proved accurate, quick, and invariable to translation and rotation of images. According to fingerprint images of moderate sizes, the needs of online application can be met. The algorithm is expected to be a convenient and effective fingerprint matching technique. Key words： fingerprint image enhancement ， feature extraction, feature fingerprint image pression thinning, matching, 目 錄 1 緒論 指 紋 自 動 識 別 技 術(shù) 的 歷 史 、 現(xiàn) 狀 和 未來 ???????????????? 1 本文的主要研究工作 ???????????????????????? 2 2 Visual C++環(huán)境下圖像的小波變換及指紋圖像處理 小波的基本理論 ???????????????????????? 3 小波分析圖像處理???????????????????? 3 連續(xù)小波變換 ?????????????????????? 5 離散小波變換 ?????????????????????? 6 指 紋 圖 像 二 維 小 波 變 換 概 念 及 算法 ????????????? 7 二 維 小 波 變 換 編 程 實 現(xiàn) 及 運 行 結(jié)果 ????????????? 8 基于小波變換的 指紋圖像濾波處理 ??????????????? 20 小 波 系 數(shù) 的 頻 域 分布 ?????????????????? 21 基 于 小 波 變 換 的 圖 像 濾 波 處理 ?????????????? 21 指 紋 圖 像 的 低 通 濾 波 的 實 現(xiàn) 及 運 行 結(jié)果 ?????????? 21 指 紋 圖 像 的 高 通 濾 波 及 編 程 實 現(xiàn) 和 運 行 結(jié)果 ???????? 25 指 紋 灰 度 圖 濾波 ???????????????????? 30 方向加權(quán)中值濾波算法 ????????????????? 32 基 于 小 波 變 換 濾 波 處 理 的 結(jié)論?????????????? 36 基于小波變換的 指紋圖像增強處理及實現(xiàn) ???????????? 37 圖 像 增 強 及 技 術(shù) 的 基 本 思想 ???????????????? 37 基于小波的指紋圖像增強算法 ??????????????? 38 指 紋圖像增強處理的 VC++ 編程實現(xiàn)及運行結(jié)果 ???????? 41 指 紋 圖 像 的 平 滑 及 VC ＋ ＋ 編 程 實現(xiàn) ????????????? 46 指 紋 圖 像 中 值 濾 波 及 VC ＋ ＋ 編 程 實現(xiàn) ???????????? 60 指紋圖像梯度銳化和拉普拉斯銳化 ????????????? 70 3 基于 Visual C++指紋圖像的預(yù)處理 預(yù)處理概述 ???????????????????????? 78 指 紋 方 向 圖 及 其 提 取 算法 ??????????????????? 78 指 紋 圖 像 二 值 化 及 圖 像 濾 波 去噪 ???????????????? 82 指紋圖像細(xì)化及算法 編程實現(xiàn) ????????????????? 84 指 紋 圖 像 細(xì) 化 后 去噪 ????????????????????? 91 本章總結(jié) ??????????????????????????91 4 Visual C++環(huán)境下指紋特征提取及匹配 指 紋 細(xì) 節(jié) 特 征 提取 ?????????????????????? 92 指紋 的 細(xì) 節(jié) 匹配 ??????????????????????? 96 5 全文總結(jié)…………………………………………………………………………… 104 致謝 …………………………………………………………………………………… …… 105 參考文獻 …………………………………………………………………………………… 106 附錄 英文原文 ……………………………………………………………………………… 107 漢語翻譯 ……………………………………………………………………………… 112 1 緒 論 、 指紋自動識別技術(shù)的歷史、現(xiàn)狀和未來 自動指紋識別技術(shù)是一種有著廣泛應(yīng)用背景的身份鑒定技術(shù)。這個研究成果使得指紋在犯罪鑒別中得以正式應(yīng)用。因此，對快速而精確的指紋識別方法的研究有著重要的科學(xué)意義和應(yīng)用價值。由于小波變換是把信號在不同尺度上進行小波展開，它更適合于處理突變信號和非 平穩(wěn)信號。 小波理論的提出可追溯到 1910年 Haar提出的規(guī)范正交基。至此，小波理論系統(tǒng)的構(gòu)架得以建立，它為原來信號處理領(lǐng)域里各自獨立的方法，如多尺度分析、拉普拉斯金字塔、精確重建濾波器組等提供了一個統(tǒng)一的理論框架。 正如上所述，小波分析的一個主要優(yōu)點就是能夠分析信號的局部特征。同時，小波變換具有放大、縮小和平移的功能 ，能夠很方便地產(chǎn)生各種分辨率的圖像，從而適合于不同分辨率圖像的處理 。 ibe? 外，連續(xù)小波變換還給出了 f的一個具有頻率窗 ? ? ? ? ? ? ? ?**/ / , / /a a a a??????? ? ? ? ? ???的局部信息 . 由以上分析可知當(dāng)尺度 a變化時， ,ab? 對應(yīng)一系列帶通系統(tǒng)，并且可以得出以下結(jié)論 : （ 1） 信號 f(t)的連續(xù)小波變換就是一系列帶通濾波器對 f(t)濾波后的輸出，a反映了帶通濾波器的帶寬和中心頻率， b則為濾波輸出的時間參數(shù)。 , ()jkt? 是小波函數(shù)以 ??t? 在尺度上的伸縮和時域上的平移得到的。那么每次小波變換后，圖像便分解為 4個大小為原來尺寸 14的子塊頻帶區(qū)域，如圖 22 所示，分別包含了相應(yīng)頻帶的小波系數(shù)，相當(dāng)于在水平方向和豎直方向上進行 隔點采樣。 fRadius=。} else {spTransData0[Trans_H][Trans_N] = (spOriginData[Trans_H][Trans_W]128)。 Trans_HnHeight。 spTransData0[Trans_H][nWidth1]= spTransData0[Trans_H][nWidth1] +Trans_Coeff1。 Trans_MnHeight。 Trans_MnHeight_H。 Trans_M++) { //豎直 方向的變換 Trans_Coeff1 = ((spTransData1[Trans_M][Trans_N]+spTransData1[Trans_M +1][Trans_N])1)。 spTransData1[nHeight1][Trans_N] = spTransData1[nHeight1][Trans_N] +Trans_Coeff1。 //第一次提升偶數(shù)坐標(biāo)系數(shù) for(Trans_M=1。 Trans_N++) {for(Trans_M=0。 一層小波變換地菜單以及 小波 ID 的設(shè)定如圖 24 和圖 25 所示。 unsigned long bmSize = biHeight * biAlign。 //分配圖像小波變換所用的數(shù)據(jù)空間 spOriginData = new short* [biHeight]。 spTransData1[i] = new short [biWidth]。 tempB=lpData[cur]。 ~m_bTribl amp。 x++) { if(MaxPixValspTransData1[y][x]) MaxPixVal=spTransData1[y][x]。 x++) { //因為小波變換后的小波系數(shù)有可能超過 255 甚至更多，那么就將 //小波系數(shù)的范圍映射到 0~255 區(qū)間內(nèi)，以后出現(xiàn)類似的處理，目的都是一樣的 fTempBufforDisp=spTransData1[biHeight1y][x]。 }} //顯示圖像的小波系數(shù) UpdateAllViews(NULL)。 下面看一下 3層小波變換的實現(xiàn)代碼： （ 1）函數(shù)描述 DWT_TriLayers 完成三次圖像的小波變換 （ 2）函數(shù)參數(shù) short **spOriginData：二維指針，指向原始的圖像數(shù)據(jù) short **spTransData0：小波變換系數(shù)，存放一次水平變換后的小波系數(shù) short **spTransData1：小波變換系數(shù)，存放一次數(shù)值變換后的小波系數(shù) int nHeight ：圖 像屬性參數(shù)，數(shù)值為原始圖像的高度值 int nHeight_H：圖像屬性參數(shù)，數(shù)值為原始圖像高度值的一半 int nWidth ：圖像屬性參數(shù)，數(shù)值為原始圖像的寬度值 int nWidth_H ：圖像屬性參數(shù)，數(shù)值為原始圖像寬度值的一半 int layer：小波變換的層數(shù) ,數(shù)值為 3 層 float fRadius ：小波變換因子，在調(diào)用時候已指定數(shù)值為 （ 3）函數(shù)代碼 Void CWvltTrans::DWT_TriLayers(short** spOriginData, short** spTransData0, short** spTransData1, int nHeight, int nHeight_H, int nWidth, int nWidth_H, int layer, float fRadius) { int i。 iWidth_H = nWidth_H。 iHeight_H=iHeight/2。 unsigned long biWidth = lpBitmapInfoHeaderbiWidth。 short MaxPixVal,MinPixVal,Diff。 i ++) { spOriginData[i] = new short [biWidth]。 x(int)biWidth。 m_bTribl = m_bTribl amp。 y++) { for( x=0。 y++) { for(x=0。 m_pTransfered[cur+1]= (unsigned char)fTempBufforDisp。我們可以通過了解小波系數(shù)的分布情況，通過不同的濾波器來處理小波系數(shù)，濾波后的小波變換經(jīng)過逆變換后便能得到理想的處理結(jié)果。所以，在濾波器的設(shè)計上，可以針對不同頻帶分別設(shè)計。如圖 219 所示，程序完成了圖像低尺度下的低通濾波操作，去除了大量的圖像高頻邊緣信息。 i nHeight。 TransDWT_TriLayers(spOriginData, spTransData0, spTransData1, nHeight, nHeight/2, nWidth, nWidth/2, nLayer, )。 DWT_Inverse(iHeight, iWidth, 3)。 unsigned long biHeight = lpBitmapInfoHeaderbiHeight。 float fTempBufforDisp。 y++) { for