【正文】 果不經(jīng)過(guò)特殊的增強(qiáng)處理，是很難正確地進(jìn)行特征提取的。 與國(guó)外相比，我國(guó)在自動(dòng)指紋識(shí)別技術(shù)的研究水平上還存在一定的差距。另外，對(duì)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?fù)擔(dān)，便于實(shí)現(xiàn)異地確認(rèn)，支持計(jì)算機(jī)的網(wǎng)絡(luò)功能。 在網(wǎng)絡(luò)化時(shí)代的今天，我們每個(gè)人都擁有大量的認(rèn)證密碼，比如開(kāi)機(jī)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(xiǎn)柜鑰匙等。 其次，針對(duì)在指紋采集過(guò)程中存在著大量的低質(zhì)量指紋圖像，影響指紋識(shí)別系統(tǒng)的識(shí)別率的問(wèn)題，本文對(duì)指紋圖像的分割等預(yù)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。 因此，指紋識(shí)別技術(shù)，作為一種可靠的生物識(shí)別技術(shù) [1]，受到了人們的重視。目前大多數(shù)的自動(dòng)指紋識(shí)別系統(tǒng)使用的都是這類算法。 ③終生不變性，指紋終身不變即指紋的圖案永遠(yuǎn)不會(huì)改變，從人的出現(xiàn)到死后的分解為止 (除非指紋受到傷害 )。具體的章節(jié)和各章的內(nèi)容安排如下： 第一章：在介紹本論文的研究意義，在指紋識(shí)別技術(shù)的現(xiàn)狀 和特點(diǎn)的基礎(chǔ)上，確定了本文所做的主要工作。 ? ? ? ? dta bttfafba Rbaf ? ?????? ??? ? *21,W ?? （ 1） dadba btbaWa f? ? ?????? ??????? ?? ),(1C 1 2 （ 2） 計(jì)算機(jī)中的圖像信息是以離散信號(hào)形式存放的，在信號(hào)處理中，特別是在數(shù)字信號(hào)處理和數(shù)值計(jì)算等方面，為了計(jì)算機(jī)實(shí)現(xiàn)的方便，連續(xù)小波必須進(jìn)行離散化，而最基本的離 散化方法就是二進(jìn)制離散，一般將這種經(jīng)過(guò)離散化的小波及其變換叫做二進(jìn)小波和二進(jìn)變換。此方法的實(shí)現(xiàn)是利用方向?yàn)V波器。指紋來(lái)自于指紋數(shù)據(jù)庫(kù)，為了驗(yàn)證這種分割方法的適用性，從數(shù)據(jù)庫(kù)中挑選了指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 8 2 幅差異較大的指紋圖像。 論文中采用了一種動(dòng)態(tài)局部閾值，滿足這種條件下的灰度值為 128，不滿足則灰度值為 255。 (4)保持性：保護(hù)指紋的細(xì)節(jié)特征。 （ 2）對(duì)于滿足 6 種情況的模板，賦值為 2 ，其實(shí)為像素 1 情況。 (3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要盡量小，便于存儲(chǔ)、管理和計(jì)算。 去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問(wèn)題。處理方式為把它和周圍 8 點(diǎn)置為 0，在上述基礎(chǔ)上減去 2 倍的斷點(diǎn)數(shù)?；谔卣鼽c(diǎn)的匹配算法具有簡(jiǎn)單、快速、魯棒性等優(yōu)點(diǎn)。 另外，計(jì)算匹配的時(shí)間即效率性也很重要。以下為部分?jǐn)?shù)據(jù)庫(kù)圖片： 圖 51 數(shù)據(jù)庫(kù)中其中 6 張圖 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 18 圖 a 庫(kù)中第 13 號(hào)原圖 圖 b 庫(kù)中第 13 號(hào)修改圖 圖 52 數(shù)據(jù)庫(kù)中理想會(huì)配對(duì)的圖 圖 53 指紋匹配程序模塊 圖 54 指紋匹配結(jié)果 以上結(jié)果論證了該指紋匹配的實(shí)用性。此外，還介紹了一種濾波卷積的 FFT 卷積匹配，適合檢索匹配。 感謝對(duì)我論文進(jìn)行評(píng)審的各位 老師 ，感謝對(duì)論文的指導(dǎo)和提出的寶貴意見(jiàn) 。 end end var1=var/(m*n)。 end end aveg1(x,y)=aveg/(M*M)。 gtotle=gtotle+aveg1(x,y)。 T1=G2。1 1 1]。 sum7=I(x4,y4)+I(x2,y2)+I(x+2,y+2)+I(x+4,y+4)。 In=Im。 end if Im(i+1,j1) ~= Im(i,j1) a = a + 1。 %%%%%%%%%%%%%%1 表示分叉點(diǎn) 0 表示端點(diǎn) end if a==2 %%%% 端點(diǎn)判斷 tezheng(i,j,1)=i。 %%%消除端點(diǎn) Izz(i1,j)=0。 if ( a=1 amp。Izz(i+1,j)=0。 a=I(i+1,j)+I(i+2,j)+I(i+3,j)+I(i+4,j)+I(i+5,j)+I(i+6,j)+I(i+7,j)+I(i+8,j)+I(i+9,j)+I(i+10,j)+I(i+11,j)+I(i+12,j)。I(i1,j1)=1。I(i+1,j)=1。 end if Im(i1,j+1) ~= Im(i,j+1) a = a + 1。 end end for i=1:m for j =1:n if (Icc(i,j)==128) Icc(i,j)=0。 sum3=I(x2,y+2)+I(x4,y+4)+I(x+2,y2)+I(x+4,y4)。 for x=1:H for y=1:L if moban(x,y)==1 for i=1:M for j=1:M I(i+(x1)*M,j+(y1)*M)=G1。 vtotle1=vtotle1+var1(x,y)。gtotle=0。var=0。var=0。 四 年寒窗，所收獲的不僅僅是愈加豐厚的知識(shí)，更重要的是在閱讀、實(shí)踐中所培養(yǎng)的思維方式、表達(dá)能力和廣闊視野。 （ 2）對(duì)分割好的圖像進(jìn)行了二值化處理，使得細(xì)化的信息量大大減少。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫(kù)圖像進(jìn)行二維 FFT 卷積，然后判斷出數(shù)據(jù)庫(kù)中哪幅圖片與錄用圖片最相似，并返回它們的差異長(zhǎng)度值。 (2)圖片 A 中有圖片 B 中不存在的點(diǎn)，集合 B 中也有圖片 A 中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。此時(shí)把它和周圍 8 點(diǎn)記為 0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個(gè)數(shù)。 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 14 本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開(kāi)。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識(shí)別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識(shí)別率比較高。因而細(xì)化中選擇一個(gè)好的模板很關(guān)鍵。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中間位置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。 灰度圖二值化的基本思路是選取適當(dāng)?shù)幕叶乳撝担瑢⒒叶葓D像轉(zhuǎn)化為二值圖像。歸一化 [11]的目的是把不同原圖像的對(duì)比度和灰度調(diào)整到一個(gè)固定的級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng)一的圖像規(guī)格。一般來(lái)說(shuō)，常見(jiàn)的方向場(chǎng)的計(jì)算分為掩模法和公式法兩大類。 基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法 。 計(jì)算復(fù)雜性是自動(dòng)指紋識(shí)別技術(shù)中一個(gè)重要的研究課題。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個(gè)重要性質(zhì)： ①?gòu)V泛性，指每一個(gè)正常的人都有指紋。它是一種使用全局信息進(jìn)行識(shí)別的方法，例如使用指紋圖像的 Fourier頻譜來(lái)表示和識(shí)別指紋。 指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。 指紋識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 摘 要 隨著信息時(shí)代的發(fā)展 , 自動(dòng)指紋識(shí)別技術(shù)已經(jīng)廣泛地應(yīng)用于公安、海關(guān)、銀行、網(wǎng)絡(luò)安全等需要進(jìn)行身份識(shí)別領(lǐng)域。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個(gè)重要性質(zhì)： ①?gòu)V泛性，指每一個(gè)正常人都有指紋。這類算法的問(wèn)題在于圖像特征難以定義和匹配，因此算法的拒識(shí)率和誤識(shí)率較高。 ②唯一性，指每一個(gè)人的指紋都不同。實(shí)際應(yīng)用要求最好自動(dòng)指紋識(shí)別系統(tǒng)能對(duì)識(shí)別任務(wù)實(shí)時(shí)做出響應(yīng)，而讓指紋匹配算法同時(shí)達(dá)到高速度和高準(zhǔn)確率也是一個(gè)難題。小波變換和傅里葉變換的出發(fā)點(diǎn)都是將信號(hào)表示成基函數(shù)的線性組合。 LinHong 等人開(kāi)發(fā)的基于最小均方估計(jì)算法，即公式法。指紋圖像的歸一化公式如式 ()所示，當(dāng)大于平均值時(shí)為加。一般的圖像處理中的二值化算法主要是計(jì)算整幅圖像的灰度平均值，然后將該值作為門限，高于該門限的像素點(diǎn)就置 1，反之置 0。一種好的細(xì)化算法應(yīng)該滿足下列條件 [14]： (1)收斂性：迭代必須是收斂的。模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點(diǎn)去除作為背景的模板；保留模板則是根據(jù)條件判定這點(diǎn)保留作為前景的模板。對(duì)于自動(dòng)指紋識(shí)別技術(shù)而言，選擇一種合適的、能表達(dá)指紋唯一性的特征量是非常關(guān)鍵的。 指紋特征提取和去偽特征 目前在細(xì)化二值圖像中提取細(xì)節(jié)特征多是用 8 鄰域法，該方法比較簡(jiǎn)單，在得到可靠的細(xì)化二值圖像后，只需要一個(gè) 3 3 的模板便可將端點(diǎn)和分叉點(diǎn)提取出來(lái)。第二類：對(duì)于直線 12 點(diǎn)的和不超過(guò) 1 的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 16 第 5章 指紋圖像的匹配 指紋圖像匹配方法 指紋匹配要解決的是對(duì)兩幅給定指紋圖像的特征模式進(jìn)行比對(duì)，判斷這兩幅圖像是否 來(lái)自同一個(gè)人的同一手指。 (3)由于指紋存在變形位移，任何一對(duì)匹配點(diǎn)之間都不是絕對(duì)相等，而是存在一定的差距。這種方法簡(jiǎn)單明了，缺點(diǎn)在于計(jì)算量比較大，需要較久的計(jì)算時(shí)間。選用了一種比較精確的 模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。很慶幸這些年來(lái)我遇到了許多恩師益友，無(wú)論在學(xué)習(xí)上、生活上都給予了我無(wú)私的幫助和熱心的照顧 。 for x=1:m for y=1:n M=M+I(x,y)。 for i=1:M。vtotle=0。 end end end G2=gtotle1/gtemp1。 Icc(i+(x1)*M,j+(y1)*M)=0。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 else Icc(i,j)=1。 end if Im(i,j+1) ~= Im(i+1,j+1) a = a + 1。I(i+1,j1)=1。 end end end end figure,imshow(I) %%%%%%%%%%%%%%%%%%%%特征提取后處理 ~ Izz=I。 指紋識(shí)別中若干關(guān)鍵問(wèn)題研究 30 b=I(i1,j)+I(i2,j)+I(i+3,j)+I(i4,j)+I(i5,j)+I(i6,j)+I(i7,j)+I(i8,j)+I(i9,j)+I(i10,j)+I(i11,j)+I(i12,j)。Izz。 d=I(i,j1)+I(i,j2)+I(i,j3)+I(i,j4)+I(i,j5)+I(i,j6)+I(i,j7)+I(i,j8)+I(i,j9)+I(i,j10)+I(i,j11)+I(i,j12)。 xxx=xxx1。I(i1,j1)=1。 end if Im(i+1,j) ~= Im(i+1,j1) a = a + 1。 end end %figure,imshow(double(Icc)) %%%%%%%%%%%%%%%%%二值化后處理 Im=Icc。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。1 1 1。 moban=zeros(H,L)。 for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 for x=1:m for y=1:n var=var+(I(x,y)M1)*(I(x,y)M1)。 在論文的撰寫和資料搜集期間，前 人的資料對(duì)我提供了莫大的幫助，這里感謝設(shè)計(jì)中被我引用或參考的論著的作者。 （ 4）在上述的特征點(diǎn)的部分選用了點(diǎn)模匹配，以特征點(diǎn)滿足相對(duì)距離的個(gè)數(shù)和相對(duì)值為依據(jù)判斷是否匹配。如果可行，則此匹配法能找到最相近的圖片代號(hào)并顯示出它們的距離。 (4)最終得到的是兩幅指紋的相