【正文】 %********************************************************************35 ********* 二值化 temp=(1/9)*[1 1 1。 34 end if 0var1(x,y)V1 vtemp1=vtemp1+1。%所有塊的方差 gtemp=0。 %3*3 H = m/M。對他們，不需要說太多的感謝，我想我不懈的努力是對他們最好的回報。 ：點擊此按鈕可以退出指紋識別系統(tǒng)。 鈕：點擊此按鈕可以退出指紋識別系統(tǒng)。Visible39。讀取圖片 39。在本文的 實驗中 ,取 ,即把指紋圖像的中心區(qū)域分為 大小的 4 塊 ,如圖 圖 。我們對指紋圖像的中心區(qū)域 d[m,n]進行 J=4 層小波變換 ,得到 3J+1=13 幅子圖 [。 (1)指紋圖像由交替出現(xiàn)的脊線 (ridge)和 谷線 (valley)組成。在變換的每一層次 ,圖像都被分解為 4 個四分之一大小的圖像 (尺度 的低頻部分和三個方向 :水平、垂直、對角的高頻部分 ) ,它們都是由原圖與一個小波基圖像的內積后 ,再經(jīng)過在行和列方向進行 2 倍的間隔抽樣而生成。 基于小波變換的數(shù)字圖像處理在指紋圖像特征識別中的算法 圖像識別屬于模式識別的范疇，其主要內容是在圖像經(jīng)過某些預處理 (增強、二值化、細化 )后，進行圖像特征值提取，從而進行判別分類。 短脊的特點是，它的兩端都可以被判別為端點，且距離十分短。在對圖像二值化的過程中同時完成對圖像的分割，達到去除無用信息的目的。②其中與分別是函數(shù)與的閉包空間。困難主要在處理速 度上，特別是進行復 雜的處理。第一章中給出了指紋識別的具體流程圖，并對流程圖中各個步驟進行了詳細的解釋說明。 指紋的局部特征 (Minutiae)有 150 種之多。這些斷點、分叉點和轉折點就稱為“節(jié)點”。與人工處理不同，許多生物識別技術公司并不直接存儲 指紋的圖像。因此首先要對采集到的指紋圖像進行預處理，包括對指紋圖像的增強、二值化和細化等 [5]。至于體積，上面已經(jīng)提到光學傳感器的體積從 6x3x3 英寸降到 3xlxl 英寸。 (3)熱敏感應傳感器的原理是根 據(jù)皮膚紋理與傳感器部分的溫度差異來檢測指紋。依據(jù)的是光的 全反射原理 (FTIR)r71。 in the pattern of change, gray gray variance in one direction instead of the Metre method, the equivalent of before asking the direction of point to a mean filtering operation, robustness pattern more so obtained。但有不少顯現(xiàn)或提取得到的指紋效果較差，不易分辨指紋紋線與客體背景主間的差異或指紋紋線成像模糊等，主要表現(xiàn)為指紋紋統(tǒng)與客體背景的反差較弱。指紋識別技術是指利用計算機進行的指紋自動識別的技術，它是一項綜合技術，其研究發(fā)展涉及到多個前沿及邊緣科學，如模糊數(shù)學、數(shù)學形態(tài)學、神經(jīng)網(wǎng)絡、模式識別、計算機視覺、人工智能、數(shù)據(jù)壓縮、并行處理以及網(wǎng)絡技術等。這些進展取決于多種光 學技術的發(fā)展而不是 FTIR 的發(fā)展。傳感器被加熱，并在一個積累的時間之后 (取決于時 鐘速率 )，開始與結束時間的溫差便被取樣，并將該現(xiàn)時的溫 度作為新的參數(shù)，跟著讀取下一個溫度變化。自動增益控制技術 (AGC)在不同的環(huán)境下結合反饋信息可以產(chǎn)生高質量的圖像。 (2)指紋圖像的二值化其實就是把采集到的指紋圖像轉化為只有 0 和 255 兩種顏色的圖像，即黑白圖。其他的指紋圖案都基于這三種基本圖案。 A．終結點 (Ending)一一條紋路在此終結。它 們被統(tǒng)稱為細節(jié)點。其中建立了小型指紋圖，軟件具有兩個功能： 身份鑒定； 2，對確定輸入指紋的主人并輸出其姓名。 13 基于小波變換的數(shù)字圖像處理在指紋圖像壓縮編碼中的算法 在滿足一定保真 度條件下，對圖像信息進行編碼，可以壓縮圖像的信息量，簡化圖像的表樂，從而大大壓縮俐像描述的數(shù)據(jù)量，以便于存儲和傳輸。 小波分解的重要作用就是可以將原始信號中的高頻部分和低頻部分分離開。 細化改進的具體步驟如下 [14]： (1)依次在未改進細化圖像中，取脊線上某一點 (x， y)，并取其 3*3 鄰域，如 P(1) p(8) P(7) P(2) (x,y) P(6) P(3) P(4) P(5) 圖 (2)計算 16 () 其中，表示以 8 為循環(huán)周期，當 i=8 時， i+l=9,就取 = p(1)； (二值化后黑點用“ 1”表示，白點用“ 0表示 )； (3)統(tǒng)計該鄰域內黑點的數(shù)目，如果 Delta=2 且 ≥ 4 則該點去掉， 即置白，否則保留； (4)一幅圖像未完，則跳到第 (1)步，否則到第 (5)步； (5)如果整個圖像沒有一個點被去掉，則結束；否則對新圖像從第 (1)步再開 始處理 [8]。 消除短脊和短刺方法 [15]： (1)依次選取細化圖像脊線上的點 (x， y)； (2)計算 Delta。 ) 19 () () 離散小波變換 [17] 在數(shù)值計算中 ,尤其是在計算機上實現(xiàn)時 ,連續(xù)小波必須加以離散化。二維小波變換實質上是分別進行橫向 ,縱向 ,以及對角的一維小波變換。從上我們可以看出 ,小波變換有許多適合指紋圖像的特點 ,如對局部細節(jié)特征的表達能力 ,二維小波變換所具有的方向選擇性等。 當圖像在某一頻率和方向下具有較明顯的紋理特征時 ,與之對應的小波通道輸 出就具有較大的能量。 圖 指紋圖像中心區(qū)域的分塊 圖 4個分塊的 4層小波變換示意圖 3 基于 matlab 的指紋識別系統(tǒng) 指紋識別系統(tǒng)的登錄界面 指紋識別系統(tǒng)的登錄界面如圖 。 其中用到的 zhiwenpipei()函數(shù)見 附件 2。Visible39。按鈕右邊的下拉菜單可以讓你隨機查看特征提取后的圖像、找特征點后的圖像、特征點匹配后的圖像。并結合本文主要研究的小波域去噪的方法，對指紋圖像在小波域進行了噪聲分析。 M=0。var=0。 gtotle=gtotle+aveg1(x,y)。 for x=1:H for y=1:L if aveg1(x,y)G2 amp。 In=zeros(m,n)。 end end end for x=2:H1 for y=2:L1 if e(x,y)==1 if e(x1,y) + e(x1,y+1) +e(x,y+1) + e(x+1,y+1) + e(x+1,y) + e(x+1,y1) + e(x,y1) + e(x1,y1) =4 e(x,y)=0。gtotle1=0。Vmean=0。 end end var1=var/(m*n)。 參 考 文 獻 [1] 李建平 , 唐遠炎 .小波分析方法的應用 [M].重慶大學出版社 ,1997:10～12,17～ 30. [2] 董自信 .基于二維小波變換的虹膜識別算法研究 [J].電子科技大學 ,2021. [3] 胡昌華 ,李國畫 ,劉濤 ,等 .基于 的系統(tǒng)分析與設計一一小波分析[M].西安電子科技大學出版社 (第 2 版 ),2021. [4] 王蘊紅 , 朱勇 , 譚鐵牛 . 基 于 虹膜 識 別 的身 份 鑒 別 [J] ．自動化學報 ,2021,28(1):1～ 10. 29 [5] 陳建華，李陶深．指紋圖像提取方法的研究 [J]．微機發(fā)展， 2021， 14(9)：71— 77． [6] 孫同倫，尹東，唐群元．基于 Gabor 濾波增強的指紋識別 [J]．生物醫(yī)學工程研究， 2021， 24(1)： 11— 13． [7] 段磊，馬義德，許勇，等．一種改進的基于小波變換與 INN 的指紋識別算法 [J]．自動化技術與應用， 2021， 24(6)： 12— 15． [8] 查振元、朱華炳．電子門禁系統(tǒng)組成 .機電產(chǎn)品開發(fā)與創(chuàng)新 .2021，（ 2）：13— 14 [9] 劉 莎、姜長生．構建基于 Intel PXA255 的指紋識別系統(tǒng) .微處理機 .200（ 5）： 106— 108 [10] 李建華，馬小妹，郭成安，基于方向圖的動態(tài)閩值指紋圖像二值化方法 .大連理工大學學報 . 2021， 42(5)： 626628 [11] 馮星奎，李林艷，顏祖泉 . 一種新的指紋圖像細化算法 .中國圖像圖形學報 .1999， 4(10):835838 [12] 呂鳳軍 .數(shù)字圖象處理編程入門一一做一個自己的 ：清華大學出版社， 1999 [13] 劉文星，王雄沂，母國光 .紋線跟蹤及其在細化指紋后處理中的應用 .光電子))。其中用到了imshow（）函數(shù)來顯示圖像。Visible39。39。可以看出在同類圖像中提取的特征向量具有較高的相似性 。為了防止中心點的定位所帶來的誤差對我們考察這種基于小波分解的識別方法的影響 ,在我們 的實驗中采用人為的方法提取中心點。 LL 通道代表圖像在水平低頻和垂直低頻下的信息 ,LH 通道代表了圖像在水平低頻和垂直高頻下的信息 ,HL 通道代表了圖像在水平高頻和垂直低頻下的信息 ,HH 通道代表了圖像在水平高頻和垂直高頻下的信息 , 對指紋圖像進行 3 次二維小波變換分解示意圖如圖 所示。如式 ()所示。該過程要對不同大小的鄰域重復進行，直到?jīng)]有氣泡被檢出。后處理就主要分為三部分：消除短脊、消除短刺和消除氣泡。大小包括一個脊線寬度， 大小包括二脊二谷。 (2)WP 的基本定義及最佳基選擇。 第四章主要給出了指紋自動識別系統(tǒng)的實驗結果。 目前指紋識別技術還有很多困難，例如當三維 的指紋被指紋錄入設備掃描成二維的數(shù)字圖像時，會丟失一部分信息、手指劃破、割傷、弄臟、不同干濕程度以及不同的按壓方式，還會導致指紋圖像的變化，這給可靠的特征提取帶來了相當?shù)乩щy；例如傳統(tǒng)的基于細節(jié)點的識別方法，是依靠提取指紋脊線上的細節(jié)點，然后對其位置和類型進行匹配，來識別指紋的，而噪聲會影響特征提取準確度，增加錯誤的特征點或丟失真正的特征點。如圖 為各種局部特征的六種分類。三角點提供了指紋紋路的計數(shù)和跟蹤的開始之 處。為了進一步壓縮數(shù)據(jù)，得到更精確的細節(jié)特征，提高識別的準確性，對指紋圖像進行細化處理是不可忽略的。較小的光學掃描也是較小指紋取像區(qū)域，這是因為較大的指紋取像區(qū)域需要較長的焦點長度，所以要有較大包裝，否則如果較大的取像區(qū)域使用較小的包裝，則光學掃描設備會受到圖 像邊緣線形扭曲的 影響。很像光學掃描的激光，超聲波掃描指紋的表面。電容傳感器通過電子度量被設計來捕捉指紋。而指紋識庫中的每一個指紋圖像都對應著一個特定的人，只有用這個人的指紋去對比才能確定他就是他本人；或者拿著一個指紋去指紋庫中進行一一對比才能確定這枚指紋誰的。 在指紋圖像的預處理中，首先進行分塊歸一化，為后續(xù)處理提供統(tǒng)一的規(guī)格圖像；在求方向圖中，用沿著某個方向的灰度方差代替 Metre 方法中的灰度變化，相當于在求點方向圖之前先進行了一次均濾波操作，這樣得到的方向圖更有魯棒性；在二值化中，閥值的選取引入最大熵的概念，使圖像具有抗噪性。另外本文還給出了基于 matlab 軟件的指紋自動識別系統(tǒng)實現(xiàn)。 指紋識別技術原理介紹 原理很簡單，相信大家都玩過連連看，其實指紋識別和連連看看是類似樣的，都是找出兩幅相同的圖像。這些含有微型晶體的平面通過多種技術來繪制指紋圖像。 (4)超聲波傳感器被認為是指紋取 像技術中非常好的一類。然而這個對于較小的光學掃描設備并不是優(yōu)勢。 (3)指紋圖像二值化后，紋線仍具有一定的寬度，而指紋識別只對紋線的走向感興趣，不關心它的粗細。 D．三角點 (Delta) 三角點位于從核心點開始的第一個分叉點或者斷點、或者兩條紋路匯聚處、孤立點、折轉處，或者指向這些奇異點。 F．短紋 (ShortRidge)～一端較短但不至于成為一點的紋路。指紋圖像濾波增強的目的是將有噪聲干擾的指紋圖像變得更加清晰，使得指紋圖像的脊線更黑，谷線更白，當前在實際指紋圖像增強算法的應用中一般是幾種濾波增強方式結合起來使用，主要的方案是基于傅里葉變換結合濾波和指紋圖像點方向場的下上下濾波器；指紋圖像二值化，是將指紋圖像變成灰度值只有 0 和 255 兩種顏色的圖像，當前，在自動指紋識別中常采用的是根據(jù)指紋圖像的點方向場在指紋紋 圖表 局部特征點類型的示意圖 11 線方向和指紋紋線垂直方向上對指紋圖像進行二值化 處理；指紋圖像細化是指刪除指紋紋線的邊緣像素，使之只有一個像素寬度，目前在自動指紋識別技術中常用的是 OPTA 算法的改進的圖像模板細化算法；指紋特征提取，是將細化后使用計算機數(shù)字圖像處理技術采集指紋圖像中奇異點、端點、叉點等指紋特征數(shù)據(jù)，目前常用的特征提取算法是