【正文】 干、濕一些的指紋往往不能正確區(qū)別，對指紋錄入時的旋轉(zhuǎn)、平移比較敏感。 指紋匹配算法的性能主要決定于所提取到的特征點的數(shù)目、位置和相互關(guān)系的可靠性。通過提取圖像特征 ,可將原始圖像映射到特征空間 ,使圖像特征在特征空間中呈現(xiàn)一定的分布 [6]。其中塊指的是將圖像分個成一個個小的圖像塊。 ? ?? ???? 1H 0 10 ),(LH 1A V E i Lj jiI （ ） 21H010 A V E),( LH1V A R ）（? ?????? iLj jiI （ ） (3)如果計算得到的方差幾乎接近于 0就認為是背景，對于方差不為零的區(qū)域在進行閾值分割算法，這種算法主要是根據(jù)計算得到的方差來決定其是否為背景區(qū)。灰度圖二值化的基本思想是選取適當?shù)幕叶乳u值，將灰度圖像轉(zhuǎn)化為二值圖像，閾值的選擇是關(guān)鍵，對于閾值的選擇，有多種方法，如熵法， Ostu 法等。在文字識別、地質(zhì)構(gòu)造識別、工業(yè)零件形狀識別或圖像理解中，先對被處理圖像進行細化有助于突出形狀特點和減少冗余信息。 不同的文獻上有不同的關(guān)于細化方法，如 王家隆等 [16]以及王業(yè)琳等 [17]的細化模板。對于細化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來修改判定模板來決定這個點的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡化模板，又提高運算速度，這點還可以有很大的深入研究。提取出的特 征點還必須經(jīng)過偽特征點的去除，盡可能地去除掉由于二值化、細化處理等過程引入的偽特征點。 （ 3）偽特征的判斷比較多 ,全部計入數(shù)組 3。在匹配前還需對毛刺、小橋等偽特征點加以識別和處理，這樣有助于后面匹配的進行，使匹配更加精確無誤和快速。很多情況下選用圖片的中心點。返回 1 說明匹配成功，返回 0 則匹配失敗。主要研究內(nèi)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。對 論文中出現(xiàn)的許多問題及時當面溝通，悉心地指導(dǎo)我在論文 問題的解決思路 ，經(jīng)過反復(fù)修改，論文終于得以定稿。 end I=double(I)。 for y=1:L。 Vmean1=Vmean/(H*L)。 gtotle1=gtotle1+aveg1(x,y)。 end end end for x=2:H1 for y=2:L1 if moban(x,y)==1 if moban(x1,y) + moban(x1,y+1) +moban(x,y+1) + moban(x+1,y+1) + moban(x+1,y) + moban(x+1,y1) + moban(x,y1) + moban(x1,y1) =4 moban(x,y)=0。 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 else Im(x,y)=255。 for i=2:m1 for j=2:n1 if Im(i,j)==1 a = 0。I(i,j+1)=1。I(i+1,j1)=1。c=0。Izz(i,j+1)=0。 d=1) tezheng(i,j,3)=0。Izz(i,j1)=0。I(i1,j+1)=1。 xxx=xxx+1。 figure,imshow(I)。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 27 b=summ/8。 end end I=In。 var1(x,y)T2 moban(x,y)=1。gtotle1=0。Vmean=0。 L= n/M。)。 在這個寫作過程中 ，才發(fā)現(xiàn)要感謝的人真的很多 。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯小，適合一對一匹配。在找到核心點后，比較它們相對距離的差異，對于滿足一定值的點視為可積點。 點模式匹配 [20]將注冊指紋和待識指紋的特征點定義為兩個點集和 P 和 Q 通過平移和旋轉(zhuǎn)使得兩個點集重合點數(shù)最多。此時該點則被視為小橋。此時的處理為記錄數(shù)組 2，記錄點的個數(shù) ，并將該點記為 0，而它的 8 鄰域點記為 1。 Galton 提出的指紋細節(jié)點是人工指紋匹配中最常用的特征。 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細化圖像 圖 31 指紋 1 的細化結(jié)果 圖 a 指紋分割圖像 圖 b 指紋二值化圖像 圖 c 指紋細化圖像 圖 32 指紋 2的細化結(jié)果 指紋識別中若干關(guān)鍵問題研究 12 從分割后的二值化處理圖像中，我們可以看到，整個灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實現(xiàn)有助于壓縮數(shù)據(jù)量和細化的實現(xiàn)。并行細化算法對圖像進行細化時利用相同的條件同時檢測所有像素點，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。 指紋圖像細化方法計算 由于灰度過 渡區(qū) [12]的存在， 指紋細化是指紋圖像預(yù)處理中的一個重要環(huán)節(jié)，因為一般的特征提取都是在細化的基礎(chǔ)上進行的，如果細化不好，將無法使用常規(guī)的特征指紋識別中若干關(guān)鍵問題研究 10 提取算法提取細節(jié)特征信息 [13]。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 9 第 3 章 指紋圖像的細化 指紋圖像細化的預(yù)處理 這部分預(yù)處理主要為二值化。 該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分 成塊，計算每一塊的方差，如果該塊的方差小于閾值為背景，否則為前景。其原理是先定一個閾值，大于此值為 1， 小于則認為為 0；多閥值則可以利用多維函數(shù)。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 5 第 2 章 指紋圖 像的分割 指紋圖像分割概述 在指紋識別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。論文涉及指紋的圖像分割、細化和匹配。中科院自動化所智能生物信怠系統(tǒng)研究組和北京數(shù)字指通軟件技術(shù)有限公司對自動指紋識別技術(shù)進行了長期的理 論研究和應(yīng)用系統(tǒng)開發(fā)，指紋圖像的識別準確率和識別速度已達到國際先進水平。 (4)指紋的使用比起其它證卡來說更快捷、安全準確、無干擾 ，可實現(xiàn)快速登錄注冊。 mean and variance。 最后，研究了指紋識別過程中特征的提取方法，針對細節(jié)點提取過程中存在偽特征點的問題，本文采用了一種消除偽特征點的算法。 指紋識別技術(shù) 相對于其它生物識別認證技術(shù)而言，自動指紋識別是一種更為理想的身份確認技術(shù)，因為指紋相對于其它幾種生物特征具有以下一些獨特的性質(zhì)： (1)互異性；世界上兩個指紋完全相同的概率小于 109，幾乎為零。 大多數(shù)基于特征的 識別算法專注于脊線上的末梢點和分叉點，該方法根據(jù)各個特征點的位置和方向來表示和區(qū)分指紋，從而使指紋識別問題轉(zhuǎn)化為判斷兩個特征點集間的最大相似度 (最大重合度 )的問題。因此，指紋識別技術(shù)的應(yīng)用范圍極廣。 第四章：主要介紹了指紋圖像細化后的特征提取，需要哪些特征，去除哪些偽特征，以方便和正確地進行匹配工作。但是小波變換的明顯缺點是它計算復(fù)雜，計算效果也指紋識別中若干關(guān)鍵問題研究 6 取決于函數(shù)的選擇。基于全局的指紋識別仍處于實驗室探索階段 ,應(yīng)用領(lǐng)域中尚不廣泛。 (a) 指紋原始圖像 (b) 歸一化處理圖像 (c) 分割后圖像 圖 21 指紋 1 的處理結(jié)果 圖 a 指紋原始圖像 圖 b 歸一化處理圖像 圖 c 分割后圖像 圖 22 指紋 2 的處理結(jié)果 從圖中可以看到用方差均值法分割既適用于比較圓滑的指紋，又適用紋線變化很大的指紋圖像。此時背景為白，紋線為黑。 (7)快速性：算法簡單，速度快。 （ 4）循環(huán)進行上述過程，到所有點值不改變?yōu)橹?，最多進行 20 次細化。 (2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過分析圖像的紋理屬性和拓撲結(jié)構(gòu)提取特征點。第 3 足則專門記錄偽特征最終可以除去。毛刺的處理方式也類同斷點。通過將細節(jié)點表示為點模式，一個指紋識別問題可以轉(zhuǎn)化為一個點模式匹配問題。 浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 17 本論 文匹配方法介紹 針對上述中提及的問題，本論文采用了兩種匹配方式，第一種為主流的點模匹配法，第二種則是較簡單的 FFT 卷積判斷法。兩種方法都以浙江理工大學(xué)信息電子學(xué)院本科畢業(yè)論文 (設(shè)計 ) 19 中心點為基準點。 浙江理工大學(xué)信息電子學(xué)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(yīng)用 ,2021,21(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(xué)院學(xué)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(xué)學(xué)報 ,(7):94100 [7]高月紅 .灰度圖像分割算法的研究 [J].科技信息 ,2021 年 27 期 :1718 [8]郭丹 穎 ,吳成東 ,曲道奎 .小波變換理論應(yīng)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(yù)處理和特征提取算法的 Matlab 實現(xiàn) [J].計算機工程與科學(xué) ,(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(yīng)用， 2021,20(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(xué)進展 ,2021,16(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(xué)學(xué)報 : 自 然科 學(xué)版 ,2021,39(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(yīng)用 ,2021,28(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,1995,8:191— 198 [18]張雄 ,賀貴明 ,一種指紋宏觀曲率特征提取算法 [D].武漢大學(xué)軟件工程國家重點實驗室 ,2021,11 [19]Ranade osenfeld . Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269275 [20]A． Hrechak and J． Mchugh． Automated fingerprint recognition using structural matching[J]． Patern Recognition,1990,23(8):893— 904 指紋識別中若干關(guān)鍵問題研究 22 致 謝 經(jīng)過半年的材料準備、開題、論文寫作及修改，我的畢業(yè)論文終于定稿。他們也在我寫作期間或多或少的幫過我的忙。 else I(x,y)=150sqrt(100*(M1I(x,y))*(M1I(x,y))/var1)。