【正文】 我同時也要感謝我身邊的同學(xué)、朋友在畢業(yè)設(shè)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。在向量的構(gòu)建和算法上有待進行更深入的研究并加以改進。 （3）本文通過BP網(wǎng)絡(luò)對指紋進行識別，有效的提高了指紋識別的魯棒性。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：語法簡單，有強大的圖像處理能力；有各種相關(guān)的圖像處理工具箱。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(shù)據(jù)構(gòu)成向量P4輸入神經(jīng)網(wǎng)絡(luò)進行仿真，輸入結(jié)果為T4[ 0 0 0]，識別成功。隱層采用600個神經(jīng)元，輸出層為[]個神經(jīng)元（N為樣本數(shù)量），表示對樣本進行二進制的編碼，每個樣本對應(yīng)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(xùn)練的樣本，用多組樣本對BP網(wǎng)絡(luò)進行訓(xùn)練，直到網(wǎng)絡(luò)收斂為止。計算均值和方差的公式如式（41）（42）所示。 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(biāo)位置，而同一個手指在采集時難免會有所旋轉(zhuǎn)和位移。 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 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。經(jīng)過驗證可知，該向量的值具有旋轉(zhuǎn)不變性、平移不變性和縮放不變性。（3） 分類：把輸入值安裝一個合適的方案進行分類。(3)具有容錯能力：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)。 BP神經(jīng)網(wǎng)絡(luò)的特點 （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)元之間的連接強度的分布信息上，BP網(wǎng)絡(luò)也模擬了人腦的這一特點，把信息以連接權(quán)值的方式存儲與整個網(wǎng)絡(luò)中。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)。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。 本章小節(jié) 本章在第二章圖像預(yù)處理的基礎(chǔ)上對處理后的指紋圖像進行了指紋紋特征的提取和去偽工作。（3）毛刺的刪除 判斷該像素點是否為端點點，若為端點點，則查找該分支點周圍D2范圍內(nèi)的所有像素點是否存在另一個分支點，存在則判斷該特征點為毛刺現(xiàn)象，將端點和分支點刪除。（4） 查找所在位于邊界子塊的特征點，對其進行刪除操作。本文在去除偽特征點后，增加了對這類點的處理算法，這大大提高了后續(xù)匹配工作的效率。這些特征點是由于在采集時，指紋接觸采集介質(zhì)的邊界是脊線的起始點。主要是受隨機噪聲的影響而產(chǎn)生。斷點會產(chǎn)生兩個偽端點，并且這兩個偽端點距離也很小，但是與短線現(xiàn)象不同的是，這兩個偽端點是分別處在不同的兩條脊線上。一個毛刺經(jīng)過特征點提取算法后就會產(chǎn)生一個偽端點和一個偽分叉點。造成這樣的原因有多種，一方面原始圖像本來就存在模糊區(qū)域和粘連區(qū)域，另一方面在指紋圖像的預(yù)處理過程中，雖然經(jīng)過了濾波處理，但是噪音依然存在，并且有一部分進入了細(xì)化后的指紋圖像中?；诩?xì)化圖像的鄰域罰，在算法的實現(xiàn)上要稍微復(fù)雜些，但由于是對全部像素點進行一個遍歷查找，不會出現(xiàn)第一種算法的特征點丟失情況，另外由于存在圖像的預(yù)處理過程，所以算法在魯棒性上比第一種算法更好。 兩種算法的比較 上述兩種算法就是最常用的兩種特征點提取算法，我們通過算法的比較很容易就發(fā)現(xiàn)：基于灰度直接提取算法的原理比較簡單，簡化了圖像預(yù)處理的步驟，直接計算脊線并得到特征點。通過分析可以發(fā)現(xiàn)Cn(P)和Sn(P)數(shù)值具有如下特點： (1)當(dāng)P點為脊線上的點，且Cn(P)=2, Sn(P)=1，則可判定像素點P為端點。圖中P為待測像素點，P1, P2……P9為P的鄰域，Cn(P)為這8個鄰域像素的相鄰像素的灰度值(此時已二值化，所以灰度值只可能為0或1)從0變?yōu)?，或者從1變?yōu)?的次數(shù)。 (3)從新的出發(fā)點出發(fā)，沿指紋圖像的方向圖的方向前進一定步長(算法最開始是按固定步長進行跟蹤的，后來發(fā)展到自適應(yīng)步長跟蹤)，繼續(xù)在發(fā)現(xiàn)方向求取灰度分布的最大值和最小值，仍然以最大值處的像素點作為新的出發(fā)點。 基于灰度圖像的直接提取法 對于一幅灰度指紋圖像，根據(jù)其方向圖的定義可以知道沿著脊線方向的并在這個方向的垂直方向上（法線方向上），其端點處就是脊線末端與背景圖像交界的地方，端點就是在這個交界處灰度值最大的一點。最早提出特征點提取算法的是美國聯(lián)邦調(diào)查局的自動指紋識別技術(shù)研究人員。)。K=bwmorph(~J,39。若細(xì)化的效果不好的話，很可能導(dǎo)致后序的特征點提取工作出現(xiàn)大量的偽特征點，致使匹配的工作無法進行，因此細(xì)化的操作對于指紋圖像的預(yù)處理非常重要。imshow(J)。以下為實現(xiàn)的matlab代碼：I=imread(‘39。這個算法利用了指紋圖像中脊線與谷線寬度基本相同的特點，即二值化后圖像的黑白像素點的個數(shù)也應(yīng)該大致相同，首先利用固定閥值算法的特點對指紋圖像中的每個一子塊確定一個大致的閥值，然后再利用自適應(yīng)的算法思想進行閥值的調(diào)整，當(dāng)閥值最合適時圖像是最光滑的，既沒有“黑洞”（閥值過大），也沒有“白點”（閥值過?。?，因此01之間的轉(zhuǎn)換次數(shù)最少。（4） 指紋紋線間的間距應(yīng)該基本相同。反之，如果該階段處理不當(dāng)引入了噪聲，就會直接降低圖像的質(zhì)量，對后序的識別過程造成很大程度上的干擾。無論是何種類型，何種目的的頻率域圖像增強，處理的過程都是基本一致的，都如下圖所示 圖像頻域處理基本步驟 下圖為處理后的效果圖 頻域處理后對比圖 圖像的二值化 圖像二值化算法指紋圖像的二值化是作為指紋圖像處理過程的過程之一，是進行指紋圖像細(xì)化處理的先決條件。在頻率下處理的時候，同樣的問題用不同的描述方式是和空間域的表示是等價的，但由于描述方式不同了以前空間上很難處理的問題在頻率域上就有可能變得很容易了。積累在皮膚上的臟物和油脂對超聲波取像影響不大。主要使用的方案有：硅電容指紋圖像傳感器、半導(dǎo)體壓感式傳感器和半導(dǎo)體溫度感應(yīng)傳感器。 不同質(zhì)量的指紋圖像當(dāng)今使用的主流指紋采集技術(shù)有光學(xué)指紋采集技術(shù)，半導(dǎo)體指紋采集技術(shù)和超聲波指紋采集技術(shù)。隨著活體采集的技術(shù)的研究和發(fā)展，采集設(shè)備還可以判別出是否為活體手指，這能通過檢測手指的活體特性來實現(xiàn)。（如半導(dǎo)體電容采集、熱敏采集和半導(dǎo)體壓感采集屬于第二種） 對于指紋采集設(shè)備來講，一般經(jīng)過 “ 手指感知” 、 “ 圖像的拍照 ”“ 質(zhì)量判斷與自動調(diào)整 ” 三個過程。 指紋采集的方法可以分成兩種，一種是由器件主動向手指發(fā)射出探測信號，然后再分析反饋的信號，以形成指紋的嵴與峪的圖案。 指紋的幾何特性是指在空間上嵴是突起的，峪是凹下的。指紋數(shù)據(jù)大多以數(shù)字信息表示并存儲。另一種是其未知的狀況下的采集，如刑偵現(xiàn)場。位置(Position): 一節(jié)點的位置通過(x,y)坐標(biāo)來描述，可以是絕對的，也可以是相對于三角點或特征點的。 分歧點環(huán)點(Enclosure): 一條紋路分開成為兩條之后，立即有合并成為一條，這樣形成的一個小環(huán)稱為環(huán)點。指紋的節(jié)點主要有以下幾種特性：終結(jié)點(Ending)：一條紋路在此終結(jié)。兩枚指紋經(jīng)常會具有相同的總體特征，但它們的局部特征一特征點，卻不可能完全相同。三角點提供了指紋紋路的計數(shù)跟蹤的開始之處。核心點位于指紋紋路的漸進中心，它在讀取指紋和比對指紋時作為參考點。指紋的特征可分總體特征和局部特征：（1） 總體特征總體特征就是那些可以直接用人眼進行觀察和鑒別的特征，包括基本紋路圖案環(huán)型（loop），弓型(arch)，螺旋型(whorl) 。 指紋識別的基本原理指紋的圖像是復(fù)雜的，生物識別技術(shù)公司并不直接存儲指紋圖像。（3）觸物痕跡 指紋每條紋路的凸紋上都布滿了汗腺，隨時都不斷的在分泌汗液，這些分泌除了水分之外，還有脂肪、蛋白質(zhì)、尿素及其它有機混合物，特性是黏性特別強，揮發(fā)性慢，可以在物體上保留很長的時間。十八世紀(jì)以前，有些學(xué)者認(rèn)為地球上幾十億的人口，總會找到有指紋相同的人，所以對這種認(rèn)證的方式感到懷疑，但是后來檢查世界各國的指紋資料庫，在所有的指紋卡上實在找不出兩個完全指紋相同的指紋，這才確立了指紋有因人而異的特性。主要工作包括：對指紋圖像的預(yù)處理，然后進行指紋特征的提取和偽特征的去除，提取出適合神經(jīng)網(wǎng)絡(luò)識別的特征數(shù)據(jù)，最后用基于神經(jīng)網(wǎng)絡(luò)的方法完成對指紋的識別。人工神經(jīng)網(wǎng)絡(luò)通常是通過一個基于數(shù)學(xué)統(tǒng)計學(xué)類型的學(xué)習(xí)方法（Learning Method）得以優(yōu)化，所以人工神經(jīng)網(wǎng)絡(luò)也是數(shù)學(xué)統(tǒng)計學(xué)方法的一種實際應(yīng)用，通過統(tǒng)計學(xué)的標(biāo)準(zhǔn)數(shù)學(xué)方法我們能夠得到大量的可以用函數(shù)來表達的局部結(jié)構(gòu)空間，另一方面在人工智能學(xué)的人工感知領(lǐng)域，我們通過數(shù)學(xué)統(tǒng)計學(xué)的應(yīng)用可以來做人工感知方面的決定問題(也就是說通過統(tǒng)計學(xué)的方法，人工神經(jīng)網(wǎng)絡(luò)能夠類似人一樣具有簡單的決定能力和簡單的判斷能力)，這種方法比起正式的邏輯學(xué)推理演算更具有優(yōu)勢。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重（weight），這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)。（4）指紋特征匹配的過程就是，對當(dāng)前輸入指紋圖像的經(jīng)過前面所述3步產(chǎn)生的特征數(shù)據(jù)與數(shù)據(jù)庫內(nèi)的信息進行比較以驗證是否屬于同一個指紋圖像。其原理是根據(jù)嵴與峪的幾何特性、物理特征和生物特性的不同，以得到不同的反饋信號，根據(jù)反饋信號的量值來繪成指紋圖像。指紋識別技術(shù)是目前最成熟且價格便宜的生物特征識別技術(shù)。在所有生物識別技術(shù)中，指紋識別是目前使用最廣泛的指紋識別更適合室內(nèi)安防系統(tǒng)，因為可以有足夠的教育和培訓(xùn)，并為用戶提供系統(tǒng)運行環(huán)境是可控的條件。該業(yè)務(wù)部門是現(xiàn)代生物識別技術(shù)虹膜識別系統(tǒng)。系統(tǒng)管理員不必忘記密碼無奈。不容易被遺忘的生物特征識別技術(shù)，安全功能，難以偽造或被盜，便攜式攜帶，可隨時，隨地，等等。 pseudo fingerprint feature processing目 錄摘 要 iAbstract ii第一章 緒 論 1 生物識別技術(shù)簡介 1 指紋識別技術(shù)簡介 2 神經(jīng)網(wǎng)絡(luò)技術(shù)簡介 3 本文的主要工作 4 第二章 指紋圖像的預(yù)處理及其實現(xiàn) 5 指紋的概述 5 指紋的形成 5 指紋的特性 5 指紋識別的基本原理 6 指紋的采集技術(shù) 9 圖像頻域增強 11 圖像頻域增強簡介 11 圖像頻域增強的基本步驟 11 圖像的二值化 12 圖像二值化算法 12 二值化算法的matlab的仿真 13 指紋圖像的細(xì)化