【導(dǎo)讀】隨著信息技術(shù)的和網(wǎng)絡(luò)技術(shù)的發(fā)展，信息安全越來越引起人們的重視。指紋識別由于具有唯一性、可靠性，基于指紋識別的技術(shù)的身份識別系。統(tǒng)以其獨(dú)特的技術(shù)優(yōu)勢和成本優(yōu)勢廣泛的應(yīng)用于個(gè)領(lǐng)域。一定位移、旋轉(zhuǎn)的圖像無法準(zhǔn)確識別等。合，提出一種對解決指紋識別技術(shù)中的問題切實(shí)有效的解決辦法。概括起來，本文主。要對指紋識別系統(tǒng)的以下幾個(gè)方面進(jìn)行了深入研究。本文給出了用matlab對指紋圖像的處理算法以及處理結(jié)果。主要使用了，圖像的。頻域增強(qiáng)，自適應(yīng)閥值二值化和指紋的細(xì)化。實(shí)驗(yàn)顯示，matlab實(shí)現(xiàn)的處理結(jié)果比較。理想，滿足識別的應(yīng)用性。細(xì)節(jié)特征點(diǎn)作為神經(jīng)網(wǎng)絡(luò)識別的特征，從而達(dá)到準(zhǔn)確識別指紋圖像的目的。經(jīng)網(wǎng)絡(luò)的識別，能有效的提高指紋識別的魯棒性。

　　

【正文】 數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。 BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（ input）、隱層 (hide layer)和輸出層 (output layer)如圖 . 圖 最簡單的三層 BP網(wǎng)絡(luò) BP是后向傳播的英文縮寫，其傳播的對象是誤差，傳播的目的是得到所有層的估計(jì)誤差，后向即指由后層誤差推動前層誤差。 BP的思想可以總結(jié)為： 利用輸出后的誤差來估計(jì)輸 出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計(jì)。 BP利用一種稱為激活函數(shù)來描述層與層輸出之間的關(guān)系，從而模擬各層神經(jīng)元之間的交互反應(yīng)。激活函數(shù)必須滿足處處可導(dǎo)的條件。那么比較常用的是一種稱為 S型函數(shù)的激活 函數(shù)如圖 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 21 圖 使用 S型激活函數(shù)時(shí) BP網(wǎng)絡(luò)的輸入與輸出關(guān)系 BP網(wǎng)絡(luò)能夠通過學(xué)習(xí)實(shí)現(xiàn)對其輸入輸出一個(gè)我們期望的輸出。其學(xué)習(xí)的方式是在外界輸入樣本的刺激下不斷的改變網(wǎng)絡(luò)的連接權(quán)值，本質(zhì)是對 各個(gè)連接權(quán)值的一個(gè)動態(tài)調(diào)整，調(diào)整的規(guī)則，即在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)變化所依據(jù)的一定的調(diào)整規(guī)則。 BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn) （ 1）信息分布存儲：人腦是利用突觸效能的變化來調(diào)整存儲內(nèi)容，即把信息存儲在神經(jīng)元之間的連接強(qiáng)度的分布信息上， BP網(wǎng)絡(luò)也模擬了人腦的這一特點(diǎn)，把信息以連接權(quán)值的方式存儲與整個(gè)網(wǎng)絡(luò)中。 （ 2）信息的并行處理：人腦神經(jīng)元之間傳遞脈沖信號的速度遠(yuǎn)遠(yuǎn)要低于 馮諾依曼 計(jì)算機(jī)的運(yùn)行速度的，但是卻能對很多的問題同時(shí)做出快速的判斷、決策和處理，這是因?yàn)榇竽X是一個(gè)超大規(guī)模的并 行與串行組合的處理系統(tǒng)。模擬了人腦的 BP網(wǎng)絡(luò)同時(shí)也具備這種強(qiáng)大的并行處理能力，大大提高了網(wǎng)絡(luò)的功能。 (3)具有容錯(cuò)能力：生物神經(jīng)系統(tǒng)的部分小損傷并不會影響整體的功能， BP網(wǎng)絡(luò)也具備這種特性，這意味著少量的誤差不會對系統(tǒng)有嚴(yán)重的影響，部分的損傷不會破壞整體的網(wǎng)絡(luò)。 （ 4）具有自學(xué)習(xí)、自組織、自適應(yīng)的能力。 BP神經(jīng)網(wǎng)絡(luò)的主要功能 目前，在神經(jīng)網(wǎng)絡(luò)的應(yīng)用中，大多數(shù)的神經(jīng)網(wǎng)絡(luò)模型都是采用的 BP網(wǎng)絡(luò)及其變化形式。 BP網(wǎng)絡(luò)的主要用于以下四個(gè)方面： （ 1） 函數(shù)的逼近：用輸入向量和期望的輸出向量訓(xùn)練一 個(gè)網(wǎng)絡(luò)來逼近一個(gè)函數(shù) （ 2） 模式識別：把一個(gè)待定的輸出向量與一個(gè)輸出向量聯(lián)系起來。 （ 3） 分類：把輸入值安裝一個(gè)合適的方案進(jìn)行分類。 （ 4） 數(shù)據(jù)壓縮：能夠減少輸入向量的維數(shù)來壓縮數(shù)據(jù)。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 22 BP網(wǎng)絡(luò)輸入向量構(gòu)建 基于紋路整體走向的總體特征提取 本文提出一種描述紋路整體走向的方法，將紋路的走向量化為 8個(gè)方向（如圖），然后再遍歷指紋圖像的每個(gè)紋線點(diǎn)，記錄下它們的方向，將每個(gè)方向上存在的紋線點(diǎn)進(jìn)行統(tǒng)計(jì)，計(jì)算出 8個(gè)方向上比重最大的那個(gè)方向設(shè)為該指紋圖的主方向。用一個(gè)八維的向量從主方向上逆時(shí) 針記錄八個(gè)方向上紋線點(diǎn)數(shù)量的比重，這個(gè)向量就能表達(dá)出指紋的整體走向。經(jīng)過驗(yàn)證可知，該向量的值具有旋轉(zhuǎn)不變性、平移不變性和縮放不變性。 圖 指紋的八個(gè)方向 圖 P點(diǎn)的八鄰域示意圖 計(jì)算指紋圖像的八維走向向量的步驟如下 : (1)遍歷每一個(gè)脊線點(diǎn)，將該點(diǎn) P周圍 8個(gè)鄰域按圖 。 (2)根據(jù) 8鄰域內(nèi)其余兩個(gè)點(diǎn)的位置來判斷此時(shí) P點(diǎn)的走向，判斷標(biāo)準(zhǔn)如下： ① 若兩個(gè)紋線點(diǎn)所在位置為（ P1， P5）、 (P2,P4)、（ P6， P8），則判斷紋線P點(diǎn) 方向?yàn)榉较?1。 ② 若兩個(gè)紋線點(diǎn)所在位置為（ P1,P6）、（ P2,P5）、（ P7,P8）、（ P3,P4） ,則判斷方向?yàn)榉较?2。 ③ 若兩個(gè)紋線點(diǎn)所在位置為（ P2,P6）、（ P3,P5）、（ P1,P7），則判斷方向?yàn)榉较?3。 ④ 若兩個(gè)紋線點(diǎn)所在位置為（ P2,P7）、（ P3,P6）、（ P1,P8）、（ P4，P5），則判斷紋線方向?yàn)榉较?4。 ⑤ 若兩個(gè)紋線點(diǎn)所在位置為（ P3,P7）、（ P4,P6）、（ P2,P8），則紋線的方向?yàn)榉较?5. ⑥ 若兩個(gè)紋線點(diǎn)所在位置為（ P4,P7）、（ P3,P8）、（ P1， P2）、（ P5,P6），則紋線點(diǎn)的方向?yàn)榉较?6。 ⑦ 若兩個(gè)紋線點(diǎn)所在位置為（ P4,P8）、（ P5,P7）、（ P1,P3），則紋線點(diǎn)的方向?yàn)榉较?7。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 23 ⑧ 若兩個(gè)紋線點(diǎn)所在位置為（ P1,P4）、 (P5,P8)、（ P2,P3）、（ P6,P7），則紋線點(diǎn)的方向?yàn)榉较?8。 （ 3） 是否遍歷完所有的脊線點(diǎn)，否則返回步驟（ 1）。 （ 4） 計(jì)算方向 1到方向 8上紋線點(diǎn)的數(shù)目，設(shè)為 sum1sum8； （ 5） 計(jì)算各個(gè)方向的比重， i方向的比重為 T（ i） 計(jì)算公式如下 （ 6）比較各個(gè)方向的比重大小，設(shè)置最大值的方向?yàn)橹鞣较?。從主方向開始按 逆時(shí)針的順序?qū)⒈戎匾灰毁x值給八維向量 X8，例如，主方向?yàn)榉较?4，則 X8的賦值為 X8=[T4,T5,T6,T7,T8,T1,T2]。 基于端點(diǎn)和分支點(diǎn)統(tǒng)計(jì)特性的局部特征提取 通常對端點(diǎn)和分支點(diǎn)這些特征點(diǎn)的提取都是提取該點(diǎn)的坐標(biāo)位置，而同一個(gè)手指在采集時(shí)難免會有所旋轉(zhuǎn)和位移。這就很容易造成即使是同一個(gè)指紋在多次采集后的特征點(diǎn)提取上其特征點(diǎn)數(shù)據(jù)大部分不相同，這樣將大大的降低匹配的成功率。通過對指 紋特征點(diǎn)特性的觀察，很容易得知特征點(diǎn)的數(shù)目和兩個(gè)特征點(diǎn)之間的距離是不受指紋的旋轉(zhuǎn)和平移影響的，這反映在坐標(biāo)系內(nèi)就體現(xiàn)為特征點(diǎn)坐標(biāo)的方差不變。 以指紋圖像的長寬為坐標(biāo)建立坐標(biāo)系，根據(jù)特征點(diǎn)的位置信息分別求的橫、縱坐標(biāo)方向的方差。計(jì)算均值和方差的公式如式（ 41）（ 42）所示。 （ 41） （ 42） 用自適應(yīng)步長的 BP網(wǎng)絡(luò)進(jìn)行指紋識別 本文使用 BP網(wǎng)絡(luò)對待識別的指紋特征量進(jìn)行匹配識別。識別的過程分為三步：首先對樣本進(jìn)行編碼，然后用 BP網(wǎng)絡(luò)對待識別的指紋特征量進(jìn)行編碼，最后在指紋庫中查找與待識別的指紋相同編號的樣本，該樣本就認(rèn)為與待識別的指紋來源于同一人。 BP網(wǎng)絡(luò)輸入層采用 12個(gè)節(jié)點(diǎn)，前 8個(gè)節(jié)點(diǎn)輸入紋線的走向向量，第 9， 10個(gè)節(jié)點(diǎn)輸入端點(diǎn)的橫、縱坐標(biāo)的方差，第 11， 12個(gè)節(jié)點(diǎn)輸入分支點(diǎn)的橫、縱坐標(biāo)的方差。隱層采用 600個(gè)神經(jīng)元，輸出層為 [ N2log ]個(gè)神經(jīng)元（ N為樣本數(shù)量），表示對樣本進(jìn)行二進(jìn)制的編碼，每個(gè)樣本對應(yīng)唯一的一個(gè)編號，期望輸出使用樣本號，樣本的特征量與其編號組成一個(gè)訓(xùn)練的樣本，用多組樣本對 BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到網(wǎng)絡(luò)收斂為止。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 24 實(shí)驗(yàn)結(jié)果 訓(xùn)練樣本輸入 矩陣 P 如圖 圖 訓(xùn)練樣本輸入矩陣 期待輸出矩陣 T 如圖 圖 期待輸出矩陣 圖 為一次訓(xùn)練的誤差曲線 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 25 圖 BP網(wǎng)絡(luò)訓(xùn)練誤差曲線 使用第一種指紋的第二次采集圖樣（有一定的旋轉(zhuǎn)和位移）進(jìn)行指紋 特征的提取，將采集的數(shù)據(jù)構(gòu)成向量 P1輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T1=[ 0 0 0 0 ]，識別成功。 使用第二種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P2輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T2[0 0 0 0 0]，識別成功。 使用第三種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P3輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T3[0 0 0 0]，識別成功。 使用第四種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的 數(shù)據(jù)構(gòu)成向量P4輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T4[ 0 0 0]，識別成功。 使用第五種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P5輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T5[0 0 0 0]，識別成功。 使用第六種指紋的第二次采集圖像進(jìn)行指紋特征的提取，將采集的數(shù)據(jù)構(gòu)成向量P6輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真，輸入結(jié)果為 T6[0 0 ]，識別成功。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 26 第五章 總結(jié)與展望 總結(jié) 本文系統(tǒng)的介紹了指紋識別技術(shù)的發(fā)展?fàn)顩r和指紋識別的基礎(chǔ)知識，闡述了建立指紋系統(tǒng)的必要性和意義，提出了用 BP網(wǎng)絡(luò)作為指紋識別的處理方法。本文使用了matlab工具來解決指紋識別技術(shù)中的處理過程，即通過 matlab對指紋圖像的預(yù)處理、特征提取以及 BP網(wǎng)絡(luò)的仿真識別，充分的利用了 matlab工具的優(yōu)點(diǎn)：語法簡單，有強(qiáng)大的圖像處理能力；有各種相關(guān)的圖像處理工具箱。實(shí)驗(yàn)表明 ,使用 BP網(wǎng)絡(luò)進(jìn)行指紋識別的工作，能有效的提高指紋識別的魯棒性，與可靠性。 本文主要內(nèi)容 : （ 1）簡要介紹了指紋識別的歷史及研究現(xiàn)狀， 并提出一種基于神經(jīng)網(wǎng)絡(luò)的指紋識別。 （ 2）本文對指紋圖像預(yù)處理 進(jìn)行了細(xì)致的闡述 ,其中包括：圖像 的頻域增強(qiáng) 、二值化、細(xì)化，以及指紋特征提取 和去偽 。 （ 3）本文通過 BP網(wǎng)絡(luò)對指紋進(jìn)行識別，有效的提高了指紋識別的魯棒性。 （ 3）本文通過 Matlab對指紋 識別系統(tǒng) 進(jìn)行軟件仿真。 展望 本系統(tǒng)是在對指紋識別系統(tǒng)的研究基礎(chǔ)上進(jìn)行的一個(gè)仿真，由于指紋庫數(shù)量極少的原因，在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練上只實(shí)現(xiàn)了對 6個(gè)指紋的識別。 在 BP網(wǎng)絡(luò)輸入向量的構(gòu)建上，本文所述 方法還很依賴于手指在采集面上的放置位置，不能較大范圍的偏移出采集面從而丟失部分的特征點(diǎn)和指紋走向，這將會很大程度上影響到能否正確識別出指紋。在向量的構(gòu)建和算法上有待進(jìn)行更深入的研究并加以改進(jìn)。 本文使用神經(jīng)網(wǎng)絡(luò)進(jìn)行指紋識別，雖然其在指紋識別上具有很好的魯棒性，但是其非常的依賴于樣本庫的大小，如果輸入的指紋超出訓(xùn)練網(wǎng)絡(luò)的樣本庫范圍，將無法識別，在神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)上有待對新指紋的容納能力進(jìn)行深入的探討和研究并加以解決。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 27 致 謝 至此論文完成之際，謹(jǐn)向所有關(guān)心我學(xué)業(yè)的老師、同學(xué)及朋友表示衷心 地感謝！ 衷心感謝導(dǎo)師 謝濤 老師的淳淳教誨和悉心指導(dǎo)。在我畢業(yè)設(shè)計(jì)期間， 謝 老師給予了我悉心的指導(dǎo)和寶貴的意見，在我不知道如何解決問題的時(shí)候，他總是能給出 許 多的解決方案，同時(shí) 能夠 不斷的歸納我的失誤之處，并且還能及時(shí)的安排我 在 一個(gè)星期內(nèi)的 工作 任務(wù)，使得我的論文 和程序的 進(jìn)度能按時(shí)進(jìn)行，不至于做的太倉促，使得我能有條不紊的進(jìn)行畢業(yè)設(shè)計(jì)，同時(shí) 謝 老師嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)，認(rèn)真負(fù)責(zé)的做事態(tài)度也是我學(xué)習(xí)的榜樣，對我將來的學(xué)習(xí)會有很大的幫助。 我同時(shí)也要感謝我身邊的同學(xué)、朋友在畢業(yè)設(shè)計(jì)期間給予了我很多有用的信息和建議，使我順利解決了許多 問題，在此向大家表示真誠的感謝。 最后，感謝評審委員會的各位老師能夠在百忙之中審閱我的論文，感謝學(xué)校、學(xué)院對本次答辯的支持。 湖南科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 28 參 考 文 獻(xiàn) [1] 楊帆 .數(shù)字圖像處理與分析 [M].北京：北京航空航天大學(xué)出版社 ,2020. [2] 賈永紅