【正文】 Izz(i,j1)=0。Izz(i,j+1)=0。 d=1) tezheng(i,j,3)=0。 b=1 amp。 c=I(i,j+1)+I(i,j+2)+I(i,j+3)+I(i,j+4)+I(i,j+5)+I(i,j+6)+I(i,j+7)+I(i,j+8)+I(i,j+9)+I(i,j+10)+I(i,j+11)+I(i,j+12)。c=0。Izz(i,j1)=0。Izz(i,j+1)=0。 for i=1:m %%%%%%%%%%%%%%%%%%%%%%%%去除邊界點 for j=1:n if tezheng(i,j,3)~=0 if i170||i+17m|| j170||j+17n tezheng(i,j,3)=0。I(i+1,j1)=1。I(i1,j+1)=1。 tezheng(i,j,3)=2。I(i,j1)=1。I(i,j+1)=1。 xxx=xxx+1。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 29 end if Im(i1,j1) ~= Im(i1,j) a = a + 1。 end if Im(i+1,j+1) ~= Im(i+1,j) a = a + 1。 for i=2:m1 for j=2:n1 if Im(i,j)==1 a = 0。 figure,imshow(I)。 end 指紋識別中若干關鍵問題研究 28 end if Im(i,j)==0 if Im(i1,j) + Im(i1,j+1) +Im(i,j+1) + Im(i+1,j+1) + Im(i+1,j) + Im(i+1,j1) + Im(i,j1) + Im(i1,j1) =7 In(i,j)=1。 end。 else Im(x,y)=255。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 27 b=summ/8。 sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]。 sum5=I(x2,y)+I(x4,y)+I(x+2,y)+I(x+4,y)。 sum1=I(x,y4)+I(x,y2)+I(x,y+2)+I(x,y+4)。 end end I=In。 In=zeros(m,n)。 end end end end end figure, imshow(uint8(I)) %%%%%%%%%%%%%%%%%%%%%%二值化 temp=(1/9)*[1 1 1。 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。 var1(x,y)T2 moban(x,y)=1。 T3=G1100。V2=vtotle1/vtemp1。 gtotle1=gtotle1+aveg1(x,y)。gtotle1=0。 vtotle=vtotle+var1(x,y)。vtemp=0。 Vmean1=Vmean/(H*L)。Vmean=0。 for j=1:M。 for j=1:M。 for y=1:L。 L= n/M。 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)。 end end M1=M/(m*n)。 end I=double(I)。)。 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。在此，衷心的 感謝他們。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 ，經過反復修改，論文終于得以定稿。 在這個寫作過程中 ，才發(fā)現(xiàn)要感謝的人真的很多 。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。 （ 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。主要研究內容如下： （ 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。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。 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。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)據庫，目標圖片為數(shù)據庫某圖片稍加修改后的圖片。返回 1 說明匹配成功，返回 0 則匹配失敗。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。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。設計算法的時候，必須要有一定的容錯能力。很多情況下選用圖片的中心點。 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 通過平移和旋轉使得兩個點集重合點數(shù)最多。它利用脊線上的端點和分叉點這兩種關鍵點來鑒定指紋。指紋匹配是自動指紋識別的最后一步，也是非常關鍵的一步。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。此時該點則被視為小橋。因為指紋變化多的部分為中間，所以處理的范圍比斷點來的范圍小，并 且在特征值為 2 的情況下僅僅是縮小范圍再次判斷特征值，這點就不相同了。第三類為斷點：在上述的范圍內，特征值為 2。 （ 3）偽特征的判斷比較多 ,全部計入數(shù)組 3。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。 本章中將特征建立為一個 3 維數(shù)組，前兩組用于記錄端點和分叉點。對于細化二值圖像，像素點的灰度值只有 2 種情況。提取出的特 征點還必須經過偽特征點的去除，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。 Galton 提出的指紋細節(jié)點是人工指紋匹配中最常用的特征。 對于特征點提取的常用算法很多，如： (1)基于二值化的特征提取方法：這種算法對于預處理和增強后得指紋圖像進行二值化，然后再提取特征點。一般說來，這種特征應有以下性質： (1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。對于細化中出現(xiàn)的毛刺現(xiàn)象，要根據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。 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的細化結果 指紋識別中若干關鍵問題研究 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)據量和細化的實現(xiàn)。 （ 3） 16 種消去模板是在不滿足上述情況下衍生的模板，對于滿足這些模板的點像素全為 0，以上都未涉及的點不做改變。這樣就可以將較粗的圖像曲線細化成很細的以像素為單位的線，大大減少了圖像的信息量，有利于匹配浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 11 的高效進行。 不同的文獻上有不同的關于細化方法，如 王家隆等 [16]以及王業(yè)琳等 [17]的細化模板。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。 (6)中軸性：骨架盡可能接近條紋中心線。 (2)連通性；不破壞紋線的連接性。在文字識別、地質構造識別、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。 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鍵問題研究 10 提取算法提取細節(jié)特征信息 [13]。背景和灰度值為 255的紋線像素置為 1，這做法的目的是去除不確切的點。我們通過研究發(fā)現(xiàn)，這種方法雖然簡單，但是對噪聲較大，圖像質量不好的指紋會產生較大的二值化噪聲。灰度圖二值化的基本思想是選取適當?shù)幕叶乳u值，將灰度圖像轉化為二值圖像，閾值的選擇是關鍵，對于閾值的選擇，有多種方法，如熵法， Ostu 法等。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 9 第 3 章 指紋圖像的細化 指紋圖像細化的預處理 這部分預處理主要為二值化。下面的圖像為指紋圖像歸一化和分割結果。 ????????????V A RA V EyxIV A RV A RA V EyxIV A Ryx200200)),((A V E)),((A V E),I （ （ ） 其中 0AVE 和 0VAR 為期望的灰度均值和方差。 ? ?? ???? 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計算得到的方差來決定其是否為背景區(qū)。 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。全局的圖像分割可以是人工選定幾個特定點后再根據全局的特點來處理，此法也可運用于匹配。 ? ? ? ? ? ? ? ? ? ? )1,1()1,(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjix? ? ? ? ? ? ? ? ? ? )1,1(),1(21,11,11,21,1, ????????????????? jiGjiGjiGjiGjiGjiGjiy? ? ),(,2),( 2/ 2/ 2/ 2/ vuvujir wi wi wj wjx ? ??? ?? ??? （ 1） ? ? 22/ 2/ 2/ 2/ 2 ),(,),( vuvujir wi wi wj wjy ? ??? ?? ???? （ 2） 它是利用正交坐標系下，原點到它們組成的坐標點的有向線段與 X 的正半軸的夾角可來表示該子塊的塊方向。其中塊指的是將圖像分個成一個個小的圖像塊。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)。 在指紋識別識別中使用小波變換有助于噪聲的濾除以及有利于檢測奇異點。所不同的是傅里葉變換采用時間屬于 (一∞， +∞ )的諧波函數(shù) )exp(inx 作為基函數(shù)，而小波變換的基函數(shù)是具有緊支集的母函數(shù) ? (t)，通過對母函數(shù) ? (t)進行伸縮和平移得到一個小波序列： ? ? ?????? ?? a btatba ?? 1, Rba?, ； 0?a 式中 a 為伸縮因子， b 為平移因子。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]。 浙江理工大學信息電子學院本科畢業(yè)論文 (設計 ) 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處理的一部分。 第三章：介紹了指