【導讀】隨著信息技術的和網絡技術的發(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的身份識別系。統(tǒng)以其獨特的技術優(yōu)勢和成本優(yōu)勢廣泛的應用于個領域。一定位移、旋轉的圖像無法準確識別等。合，提出一種對解決指紋識別技術中的問題切實有效的解決辦法。概括起來，本文主。要對指紋識別系統(tǒng)的以下幾個方面進行了深入研究。本文給出了用matlab對指紋圖像的處理算法以及處理結果。主要使用了，圖像的。頻域增強，自適應閥值二值化和指紋的細化。實驗顯示，matlab實現的處理結果比較。理想，滿足識別的應用性。細節(jié)特征點作為神經網絡識別的特征，從而達到準確識別指紋圖像的目的。經網絡的識別，能有效的提高指紋識別的魯棒性。

　　

【正文】 數學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。 BP神經網絡模型拓撲結構包括輸入層（ input）、隱層 (hide layer)和輸出層 (output layer)如圖 . 圖 最簡單的三層 BP網絡 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的思想可以總結為： 利用輸出后的誤差來估計輸 出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，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。 BP利用一種稱為激活函數來描述層與層輸出之間的關系，從而模擬各層神經元之間的交互反應。激活函數必須滿足處處可導的條件。那么比較常用的是一種稱為 S型函數的激活 函數如圖 湖南科技大學本科生畢業(yè)設計（論文） 21 圖 使用 S型激活函數時 BP網絡的輸入與輸出關系 BP網絡能夠通過學習實現對其輸入輸出一個我們期望的輸出。其學習的方式是在外界輸入樣本的刺激下不斷的改變網絡的連接權值，本質是對 各個連接權值的一個動態(tài)調整，調整的規(guī)則，即在學習過程中網絡中各神經元的連接權變化所依據的一定的調整規(guī)則。 BP神經網絡的特點 （ 1）信息分布存儲：人腦是利用突觸效能的變化來調整存儲內容，即把信息存儲在神經元之間的連接強度的分布信息上， BP網絡也模擬了人腦的這一特點，把信息以連接權值的方式存儲與整個網絡中。 （ 2）信息的并行處理：人腦神經元之間傳遞脈沖信號的速度遠遠要低于 馮諾依曼 計算機的運行速度的，但是卻能對很多的問題同時做出快速的判斷、決策和處理，這是因為大腦是一個超大規(guī)模的并 行與串行組合的處理系統(tǒng)。模擬了人腦的 BP網絡同時也具備這種強大的并行處理能力，大大提高了網絡的功能。 (3)具有容錯能力：生物神經系統(tǒng)的部分小損傷并不會影響整體的功能， BP網絡也具備這種特性，這意味著少量的誤差不會對系統(tǒng)有嚴重的影響，部分的損傷不會破壞整體的網絡。 （ 4）具有自學習、自組織、自適應的能力。 BP神經網絡的主要功能 目前，在神經網絡的應用中，大多數的神經網絡模型都是采用的 BP網絡及其變化形式。 BP網絡的主要用于以下四個方面： （ 1） 函數的逼近：用輸入向量和期望的輸出向量訓練一 個網絡來逼近一個函數 （ 2） 模式識別：把一個待定的輸出向量與一個輸出向量聯系起來。 （ 3） 分類：把輸入值安裝一個合適的方案進行分類。 （ 4） 數據壓縮：能夠減少輸入向量的維數來壓縮數據。 湖南科技大學本科生畢業(yè)設計（論文） 22 BP網絡輸入向量構建 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個方向（如圖），然后再遍歷指紋圖像的每個紋線點，記錄下它們的方向，將每個方向上存在的紋線點進行統(tǒng)計，計算出 8個方向上比重最大的那個方向設為該指紋圖的主方向。用一個八維的向量從主方向上逆時 針記錄八個方向上紋線點數量的比重，這個向量就能表達出指紋的整體走向。經過驗證可知，該向量的值具有旋轉不變性、平移不變性和縮放不變性。 圖 指紋的八個方向 圖 P點的八鄰域示意圖 計算指紋圖像的八維走向向量的步驟如下 : (1)遍歷每一個脊線點，將該點 P周圍 8個鄰域按圖 。 (2)根據 8鄰域內其余兩個點的位置來判斷此時 P點的走向，判斷標準如下： ① 若兩個紋線點所在位置為（ P1， P5）、 (P2,P4)、（ P6， P8），則判斷紋線P點 方向為方向 1。 ② 若兩個紋線點所在位置為（ P1,P6）、（ P2,P5）、（ P7,P8）、（ P3,P4） ,則判斷方向為方向 2。 ③ 若兩個紋線點所在位置為（ P2,P6）、（ P3,P5）、（ P1,P7），則判斷方向為方向 3。 ④ 若兩個紋線點所在位置為（ P2,P7）、（ P3,P6）、（ P1,P8）、（ P4，P5），則判斷紋線方向為方向 4。 ⑤ 若兩個紋線點所在位置為（ P3,P7）、（ P4,P6）、（ P2,P8），則紋線的方向為方向 5. ⑥ 若兩個紋線點所在位置為（ P4,P7）、（ P3,P8）、（ P1， P2）、（ P5,P6），則紋線點的方向為方向 6。 ⑦ 若兩個紋線點所在位置為（ P4,P8）、（ P5,P7）、（ P1,P3），則紋線點的方向為方向 7。 湖南科技大學本科生畢業(yè)設計（論文） 23 ⑧ 若兩個紋線點所在位置為（ P1,P4）、 (P5,P8)、（ P2,P3）、（ P6,P7），則紋線點的方向為方向 8。 （ 3） 是否遍歷完所有的脊線點，否則返回步驟（ 1）。 （ 4） 計算方向 1到方向 8上紋線點的數目，設為 sum1sum8； （ 5） 計算各個方向的比重， i方向的比重為 T（ i） 計算公式如下 （ 6）比較各個方向的比重大小，設置最大值的方向為主方向。從主方向開始按 逆時針的順序將比重一一賦值給八維向量 X8，例如，主方向為方向 4，則 X8的賦值為 X8=[T4,T5,T6,T7,T8,T1,T2]。 基于端點和分支點統(tǒng)計特性的局部特征提取 通常對端點和分支點這些特征點的提取都是提取該點的坐標位置，而同一個手指在采集時難免會有所旋轉和位移。這就很容易造成即使是同一個指紋在多次采集后的特征點提取上其特征點數據大部分不相同，這樣將大大的降低匹配的成功率。通過對指 紋特征點特性的觀察，很容易得知特征點的數目和兩個特征點之間的距離是不受指紋的旋轉和平移影響的，這反映在坐標系內就體現為特征點坐標的方差不變。 以指紋圖像的長寬為坐標建立坐標系，根據特征點的位置信息分別求的橫、縱坐標方向的方差。計算均值和方差的公式如式（ 41）（ 42）所示。 （ 41） （ 42） 用自適應步長的 BP網絡進行指紋識別 本文使用 BP網絡對待識別的指紋特征量進行匹配識別。識別的過程分為三步：首先對樣本進行編碼，然后用 BP網絡對待識別的指紋特征量進行編碼，最后在指紋庫中查找與待識別的指紋相同編號的樣本，該樣本就認為與待識別的指紋來源于同一人。 BP網絡輸入層采用 12個節(jié)點，前 8個節(jié)點輸入紋線的走向向量，第 9， 10個節(jié)點輸入端點的橫、縱坐標的方差，第 11， 12個節(jié)點輸入分支點的橫、縱坐標的方差。隱層采用 600個神經元，輸出層為 [ N2log ]個神經元（ N為樣本數量），表示對樣本進行二進制的編碼，每個樣本對應唯一的一個編號，期望輸出使用樣本號，樣本的特征量與其編號組成一個訓練的樣本，用多組樣本對 BP網絡進行訓練，直到網絡收斂為止。 湖南科技大學本科生畢業(yè)設計（論文） 24 實驗結果 訓練樣本輸入 矩陣 P 如圖 圖 訓練樣本輸入矩陣 期待輸出矩陣 T 如圖 圖 期待輸出矩陣 圖 為一次訓練的誤差曲線 湖南科技大學本科生畢業(yè)設計（論文） 25 圖 BP網絡訓練誤差曲線 使用第一種指紋的第二次采集圖樣（有一定的旋轉和位移）進行指紋 特征的提取，將采集的數據構成向量 P1輸入神經網絡進行仿真，輸入結果為 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行指紋特征的提取，將采集的數據構成向量P2輸入神經網絡進行仿真，輸入結果為 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行指紋特征的提取，將采集的數據構成向量P3輸入神經網絡進行仿真，輸入結果為 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行指紋特征的提取，將采集的 數據構成向量P4輸入神經網絡進行仿真，輸入結果為 T4[ 0 0 0]，識別成功。 使用第五種指紋的第二次采集圖像進行指紋特征的提取，將采集的數據構成向量P5輸入神經網絡進行仿真，輸入結果為 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行指紋特征的提取，將采集的數據構成向量P6輸入神經網絡進行仿真，輸入結果為 T6[0 0 ]，識別成功。 湖南科技大學本科生畢業(yè)設計（論文） 26 第五章 總結與展望 總結 本文系統(tǒng)的介紹了指紋識別技術的發(fā)展狀況和指紋識別的基礎知識，闡述了建立指紋系統(tǒng)的必要性和意義，提出了用 BP網絡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中的處理過程，即通過 matlab對指紋圖像的預處理、特征提取以及 BP網絡的仿真識別，充分的利用了 matlab工具的優(yōu)點：語法簡單，有強大的圖像處理能力；有各種相關的圖像處理工具箱。實驗表明 ,使用 BP網絡進行指紋識別的工作，能有效的提高指紋識別的魯棒性，與可靠性。 本文主要內容 : （ 1）簡要介紹了指紋識別的歷史及研究現狀， 并提出一種基于神經網絡的指紋識別。 （ 2）本文對指紋圖像預處理 進行了細致的闡述 ,其中包括：圖像 的頻域增強 、二值化、細化，以及指紋特征提取 和去偽 。 （ 3）本文通過 BP網絡對指紋進行識別，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)的研究基礎上進行的一個仿真，由于指紋庫數量極少的原因，在神經網絡的訓練上只實現了對 6個指紋的識別。 在 BP網絡輸入向量的構建上，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。在向量的構建和算法上有待進行更深入的研究并加以改進。 本文使用神經網絡進行指紋識別，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練網絡的樣本庫范圍，將無法識別，在神經網絡的設計上有待對新指紋的容納能力進行深入的探討和研究并加以解決。 湖南科技大學本科生畢業(yè)設計（論文） 27 致 謝 至此論文完成之際，謹向所有關心我學業(yè)的老師、同學及朋友表示衷心 地感謝！ 衷心感謝導師 謝濤 老師的淳淳教誨和悉心指導。在我畢業(yè)設計期間， 謝 老師給予了我悉心的指導和寶貴的意見，在我不知道如何解決問題的時候，他總是能給出 許 多的解決方案，同時 能夠 不斷的歸納我的失誤之處，并且還能及時的安排我 在 一個星期內的 工作 任務，使得我的論文 和程序的 進度能按時進行，不至于做的太倉促，使得我能有條不紊的進行畢業(yè)設計，同時 謝 老師嚴謹的學風，認真負責的做事態(tài)度也是我學習的榜樣，對我將來的學習會有很大的幫助。 我同時也要感謝我身邊的同學、朋友在畢業(yè)設計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，感謝學校、學院對本次答辯的支持。 湖南科技大學本科生畢業(yè)設計（論文） 28 參 考 文 獻 [1] 楊帆 .數字圖像處理與分析 [M].北京：北京航空航天大學出版社 ,2020. [2] 賈永紅