【文章內(nèi)容簡介】 重要。參考點在指紋圖像的識別中是也至關重要的。能獲得參考點表明從被識別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結果；沒有參考點表明被識別圖像完全是另一不同圖像。 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。本論文中，首先采用了在原圖基礎上修改參數(shù)值來驗證的方法。這種方法將原特征點的相對距離進行修改，使得各個特征點之間的相對距離產(chǎn)生差異。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。最后判斷可積點的個數(shù)和相對值。當它們個數(shù)滿足一定條件時即為匹配成功，不滿足視為不匹配。匹配與否用success值返回。返回1說明匹配成功，返回0則匹配失敗。本論文還參考了一種匹配方式，它先讀取所有的數(shù)據(jù)庫，庫的大小可自己選擇。然后錄用需要辨別的指紋圖像，濾波增強去噪后，找到它們的中心點，依次與數(shù)據(jù)庫圖像進行二維FFT卷積，然后判斷出數(shù)據(jù)庫中哪幅圖片與錄用圖片最相似，并返回它們的差異長度值。這種方法簡單明了，缺點在于計算量比較大，需要較久的計算時間。為了驗證這種匹配方法的可用性，這里特地選取了30張圖片做指紋圖片數(shù)據(jù)庫，目標圖片為數(shù)據(jù)庫某圖片稍加修改后的圖片。如果可行，則此匹配法能找到最相近的圖片代號并顯示出它們的距離。以下為部分數(shù)據(jù)庫圖片： 圖51數(shù)據(jù)庫中其中6張圖每張子圖都標號(a)、(b)。 圖a 庫中第13號原圖 圖b庫中第13號修改圖 圖52數(shù)據(jù)庫中理想會配對的圖這個改動太小了，可以選擇旋轉一個角度，或去掉上面的四分之一、加噪等方法選兩張修改圖，然后進行比較。 圖53 指紋匹配程序模塊這個圖去掉。你只要顯示結果就行了。 圖54 指紋匹配結果這里以表格的形式列出修改后幾張圖像的匹配結果。以上結果論證了該指紋匹配的實用性。FFT卷積的方法能從多幅數(shù)據(jù)庫的指紋圖片中挑選出與當前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會影響它的判斷和距離的計算。這兩種方法都很好地解決了找到基準點，容錯性和相似度的問題。兩種方法都以中心點為基準點。第一種方法的點判斷條件本身就是一個人為的容錯估計值，很小的出錯不會影響最終的匹配結果；第二種方法中的卷積值也存在一定限定值，具有容錯性。相似度的計算，方法一以滿足特征點的相對距離差距不大的點的個數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計算圖像的相似距離。方法一處理信息少，雖然要一定的預處理，但快捷高效，出錯小，適合一對一匹配。方法二對圖像的預處理要求不高，方法簡單，但計算復雜，適合一對多的檢索性匹配。第6章 總結和展望作為一種可靠的生物識別技術，指紋識別技術受到了廣泛關注，開發(fā)高效可靠的指紋圖像識別算法不但具有重要的理論意義，而且具有很高的實用價值。本文針對指紋圖像的特性，將均值方差法、模板細化、點模匹配應用于指紋識別技術，以改善指紋識別算法的性能。主要研究成果內(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。分割前還對圖像進行低頻歸一化處理。（2）對分割好的圖像進行了二值化處理，使得細化的信息量大大減少。選用了一種比較精確的模板細化，得到了指紋細化后比較清晰的圖像。（3）對細化后的圖像進行特征提取，其中分叉點和端點視為特征點，小橋、邊界、毛刺視為偽特征點，對他們進行加以區(qū)分和提取以進行匹配。（4）在上述的特征點的部分選用了點模匹配，以特征點滿足相對距離的個數(shù)和相對值為依據(jù)判斷是否匹配。此外，還介紹了一種濾波卷積的FFT卷積匹配，適合檢索匹配。本文由于時間上的限制，在實現(xiàn)細化和匹配的基礎上沒有能夠對細化和匹配算法進行更深入的改進研究，是一個缺憾。如何有效的對指紋圖像的分割細化的不足之處進行彌補，對匹配算法改進效率以及將指紋識別技術與在實踐中結合起來應該是今后開展工作的方向。參考文獻請仔細檢查格式上的一些細微錯誤。[1]王崇文,李見為,[J].計算機應用,2001,21(12):23—25[2]B Moayer and K S Fu. An application of stochastic languages to finger patrtern recognition[J]. Pattern recognition,1976,12:173179[3]謝立鋒,[J].技術與市場,:4445[4]耿德英,陳志敏,[J].西昌學院學報,(4):7274[5]劉明生,吳小培,[J].電子測量技術第32卷,:9294[6]郭文鵑,楊公平,[J]. 山東大學學報,(7):94100[7][J].科技信息,2009年27期:1718[8]郭丹穎,吳成東,[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,[J].計算機工程與科學,（(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]．計算機應用，2006,20(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. 指紋識別技術的新進展[J]. 自然科學進展,2006,16(4):400408[14]王業(yè)琳,寧新寶,[J].南京大學學報:自然科學版,2003,39(4):469475[15] 趙磊,陳瓊,陳中. 一種新的改進OPTA細化算法[J] . 計算機應用,2008,28(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].武漢大學軟件工程國家重點實驗室,2002,11[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。在論文完成前后，我的心情波動較大。從論文的選題、資料的收集到論文的撰寫編排整個過程中，我有來自各方面的幫助。在這個寫作過程中，才發(fā)現(xiàn)要感謝的人真的很多。 首先，我要感謝我的畢業(yè)設計指導老師周老師。我在選題及研究過程中，得到周老師的悉心指導。周老師多次開會討論研究進程，幫助我開拓研究思路，精心點撥。對論文中出現(xiàn)的許多問題及時當面溝通，悉心地指導我在論文問題的解決思路，經(jīng)過反復修改，論文終于得以定稿。周老師一絲不茍的作風，嚴謹求實的態(tài)度，踏踏實實的精神，熱情寬容的態(tài)度讓我時刻想著要盡快完成自己的論文早日畢業(yè)。 四年寒窗，所收獲的不僅僅是愈加豐厚的知識，更重要的是在閱讀、實踐中所培養(yǎng)的思維方式、表達能力和廣闊視野。很慶幸這些年來我遇到了許多恩師益友，無論在學習上、生活上都給予了我無私的幫助和熱心的照顧。在此，衷心的感謝他們。在論文的撰寫和資料搜集期間，前人的資料對我提供了莫大的幫助，這里感謝設計中被我引用或參考的論著的作者。 感謝對我論文進行評審的各位老師，感謝對論文的指導和提出的寶貴意見。我還要感謝我的父母，給予我生命并竭盡全力給予了我接受教育的機會。最后，再次感謝所有關心我、幫助過我的老師、同學、朋友和親人。他們也在我寫作期間或多或少的幫過我的忙。附錄把所有代碼去掉，到時上交可自行的源代碼。主掃描程序clcclear allclose alloriginI=imread(39。39。)。[m,n,s] = size(originI)。I=originI。if s == 3 I = rgb2gray(originI)。endI=double(I)。figure, imshow(uint8(I)) tic%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 歸一化M=0。var=0。for x=1:m for y=1:n M=M+I(x,y)。 endendM1=M/(m*n)。for x=1:m for y=1:n var=var+(I(x,y)M1)*(I(x,y)M1)。 endendvar1=var/(m*n)。%c=sqrt(30*(I(x,y)M1)/var1)。for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(100*(I(x,y)M1)*(I(x,y)M1)/var1)。 else I(x,y)=150sqrt(100*(M1I(x,y))*(M1I(x,y))/var1)。 end endendfigure, imshow(uint8(I))%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 分割M = 10。 %1H = m/M。 L= n/M。aveg1=zeros(H,L)。var1=zeros(H,L)。for x=1:H。 for y=1:L。 aveg=0。var=0。 for i=1:M。 for j=1:M。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 end end aveg1(x,y)=aveg/(M*M)。 for i=1:M。 for j=1:M。 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))*(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))+var。 end end var1(x,y)=var/(M*M)。 endendGmean=0。Vmean=0。for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。 Vmean=Vmean+var1(x,y)。 endendGmean1=Gmean/(H*L)。Vmean1=Vmean/(H*L)。gtemp=0。gtotle=0。vtotle=0。vtemp=0。for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 gtotle=gtotle+aveg1(x,y)。 end if Vmean1var1(x,y) vtemp=vtemp+1。 vtotle=vtotle+var1(x,y)。 end endendG1=gtotle/gtemp。V1=vtotle/vtemp。gtemp1=0。gtotle1=0。vtotle1=0。vtemp1=0。for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp1+1。 gtotle1=gtotle1+aveg1(x,y)。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 vtotle1=vtotle1+var1(x,y)。 end endendG2=gtotle1/gtemp1。V2=vtotle1/vtemp1。moban=zeros(H,L)。T1=G2。T2=V2。T3=G1100。T4=V210。for x=1: