【正文】 Izz(x,j1)=0。Izz(x,y+1)=0。Izz(i,j1)=0。Izz(i,j+1)=0。 tezheng(x,y,3)=0。Izz(x+1,y1)=0。Izz(x1,y+1)=0。Izz(i+1,j1)=0。Izz(i1,j+1)=0。 end end end end endend%figure,imshow(I)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%消除小橋for i=10:m10 for j=10:n10 if tezheng(i,j,3)==1 for x=i6:i+6 for y=j6:j1 if tezheng(x,y,3)==1 tezheng(i,j,3)=0。Izz(x+1,y)=0。 Izz(x1,y)=0。Izz(i+1,j)=0。 Izz(i1,j)=0。Izz(x1,y1)=0。Izz(x+1,y+1)=0。Izz(i1,j1)=0。Izz(i+1,j+1)=0。 xxx=xxx2。Izz(x,j1)=0。Izz(x,y+1)=0。Izz(i,j1)=0。Izz(i,j+1)=0。 tezheng(x,y,3)=0。Izz(i+1,j1)=0。Izz(i1,j+1)=0。amp。amp。 b=I(i1,j)+I(i2,j)+I(i+3,j)+I(i4,j)+I(i5,j)+I(i6,j)+I(i7,j)+I(i8,j)+I(i9,j)+I(i10,j)+I(i11,j)+I(i12,j)。b=0。Izz(i+1,j1)=0。Izz(i1,j+1)=0。 end end endendfigure,imshow(I)%%%%%%%%%%%%%%%%%%%%特征提取后處理~Izz=I。I(i+1,j)=1。 I(i1,j)=1。 tezheng(i,j,2)=j。I(i+1,j1)=1。I(i1,j+1)=1。 tezheng(i,j,3)=1。 end if Im(i,j1) ~= Im(i1,j1) a = a + 1。 end if Im(i,j+1) ~= Im(i+1,j+1) a = a + 1。tezheng=zeros(m,n,3)。I=xihua(In)。 for a=1:4 for i=2:m1 for j=2:n1 if Im(i,j)==1 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) =3 In(i,j)=0。 else Icc(i,j)=1。 end if sumf b Im(x,y)=128。 summ=sum(sumi)。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 for y=5:n5。 In(a,b)=Im(a1,b1)*temp(1,1)+Im(a1,b)*temp(1,2)+Im(a1,b+1)*temp(1,3)+Im(a,b1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3)。%模版系數(shù) %3 Im=double(I)。 Icc(i+(x1)*M,j+(y1)*M)=0。 var1(x,y)T2 moban(x,y)=1。amp。T2=V2。 end endendG2=gtotle1/gtemp1。for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp1+1。gtemp1=0。 end if Vmean1var1(x,y) vtemp=vtemp+1。vtotle=0。 endendGmean1=Gmean/(H*L)。 endendGmean=0。 for i=1:M。 for i=1:M。for x=1:H。 %1H = m/M。%c=sqrt(30*(I(x,y)M1)/var1)。for x=1:m for y=1:n M=M+I(x,y)。if s == 3 I = rgb2gray(originI)。39。最后，再次感謝所有關(guān)心我、幫助過(guò)我的老師、同學(xué)、朋友和親人。在此，衷心的感謝他們。對(duì)論文中出現(xiàn)的許多問(wèn)題及時(shí)當(dāng)面溝通，悉心地指導(dǎo)我在論文問(wèn)題的解決思路，經(jīng)過(guò)反復(fù)修改，論文終于得以定稿。在這個(gè)寫(xiě)作過(guò)程中，才發(fā)現(xiàn)要感謝的人真的很多。參考文獻(xiàn)請(qǐng)仔細(xì)檢查格式上的一些細(xì)微錯(cuò)誤。（4）在上述的特征點(diǎn)的部分選用了點(diǎn)模匹配，以特征點(diǎn)滿足相對(duì)距離的個(gè)數(shù)和相對(duì)值為依據(jù)判斷是否匹配。分割前還對(duì)圖像進(jìn)行低頻歸一化處理。方法二對(duì)圖像的預(yù)處理要求不高，方法簡(jiǎn)單，但計(jì)算復(fù)雜，適合一對(duì)多的檢索性匹配。兩種方法都以中心點(diǎn)為基準(zhǔn)點(diǎn)。 圖54 指紋匹配結(jié)果這里以表格的形式列出修改后幾張圖像的匹配結(jié)果。以下為部分?jǐn)?shù)據(jù)庫(kù)圖片： 圖51數(shù)據(jù)庫(kù)中其中6張圖每張子圖都標(biāo)號(hào)(a)、(b)。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫(kù)圖像進(jìn)行二維FFT卷積，然后判斷出數(shù)據(jù)庫(kù)中哪幅圖片與錄用圖片最相似，并返回它們的差異長(zhǎng)度值。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)即為匹配成功，不滿足視為不匹配。本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來(lái)驗(yàn)證的方法。另外，計(jì)算匹配的時(shí)間即效率性也很重要。(2)圖片A中有圖片B中不存在的點(diǎn)，集合B中也有圖片A中不存在的點(diǎn)，匹配的時(shí)候如何處理這些點(diǎn)。目前的指紋識(shí)別系統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。點(diǎn)匹配算法是通過(guò)某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個(gè)點(diǎn)集中的對(duì)應(yīng)點(diǎn)匹配起來(lái)?；谔卣鼽c(diǎn)的匹配算法具有簡(jiǎn)單、快速、魯棒性等優(yōu)點(diǎn)。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。 仿真結(jié)果和結(jié)論，Window 7操作系統(tǒng)，根據(jù)上部分的判斷方法決定的特征點(diǎn)和偽特征點(diǎn)，代碼運(yùn)行顯示結(jié)果如下。第五類(lèi)為小橋。處理方式為把它和周?chē)?點(diǎn)置為0，在上述基礎(chǔ)上減去2倍的斷點(diǎn)數(shù)。此時(shí)把它和周?chē)?點(diǎn)記為0，并在上述基礎(chǔ)上減去不是特征點(diǎn)的個(gè)數(shù)。此時(shí)的處理為記錄數(shù)組1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為0，而它的8鄰域點(diǎn)記為1。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的8鄰域法。去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問(wèn)題。本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開(kāi)。Galton[18]定義了4種細(xì)節(jié)點(diǎn)類(lèi)型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于指紋匹配。(3)基于細(xì)化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細(xì)化圖像，通過(guò)細(xì)化圖像提取特征點(diǎn)。(3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要盡量小，便于存儲(chǔ)、管理和計(jì)算。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識(shí)別建立一個(gè)良好的基礎(chǔ)，以保證整個(gè)系統(tǒng)識(shí)別率比較高。所以在特征提出前還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運(yùn)算的速度。 仿真結(jié)果和結(jié)論，Window 7操作系統(tǒng)，這些條件前面已經(jīng)介紹過(guò)了吧？先對(duì)分割好的圖像進(jìn)行二值化處理，簡(jiǎn)化后面的細(xì)化計(jì)算。（2）對(duì)于滿足6種情況的模板，賦值為2 ，其實(shí)為像素1情況。因而細(xì)化中選擇一個(gè)好的模板很關(guān)鍵。 Suen 細(xì)化算以及ZR細(xì)化算法等等。已有的算法迭代按迭代方式的不同分為串行算法和并行算法。(4)保持性：保護(hù)指紋的細(xì)節(jié)特征。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中間位置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。所謂“骨架”，是指圖像中央的骨骼部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要方法之一。二值化后的圖像中的點(diǎn)還要進(jìn)行修改，修改條件為：當(dāng)像素為1時(shí)，它周?chē)c(diǎn)不大于3個(gè)為像素1點(diǎn)則修改為0；當(dāng)像素為0時(shí)，它周?chē)恍∮?個(gè)點(diǎn)為像素1的點(diǎn)，則修改為1。論文中采用了一種動(dòng)態(tài)局部閾值，滿足這種條件下的灰度值為128，不滿足則灰度值為255?；叶葓D二值化的基本思路是選取適當(dāng)?shù)幕叶乳撝?，將灰度圖像轉(zhuǎn)化為二值圖像?；叶葓D像二值化是將灰度圖變換為只有黑和白兩種灰度的圖像。在歸一化處理降頻和通過(guò)區(qū)域均值方差的后得到的圖像條紋清晰，輪廓分明，對(duì)于后面的細(xì)化和匹配有很大的幫助。仿真中歸一化的參數(shù)取了150，取了100，分割的區(qū)域大小M取了10。 （）其中和為期望的灰度均值和方差。這段格式錯(cuò)誤較多 （） （）(3)如果計(jì)算得到的方差幾乎接近于0就認(rèn)為是背景，對(duì)于方差不為零的區(qū)域在進(jìn)行閾值分割算法，這種算法主要是根據(jù)計(jì)算得到的方差來(lái)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(jì)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(gè)特定點(diǎn)后再根據(jù)全局的特點(diǎn)來(lái)處理，此法也可運(yùn)用于匹配。 （1） （2）它是利用正交坐標(biāo)系下，原點(diǎn)到它們組成的坐標(biāo)點(diǎn)的有向線段與X的正半軸的夾角可來(lái)表示該子塊的塊方向。其中塊指的是將圖像分個(gè)成一個(gè)個(gè)小的圖像塊。其原理是先定一個(gè)閾值，大于此值為1，小于則認(rèn)為為0；多閥值則可以利用多維函數(shù)。在指紋識(shí)別識(shí)別中使用小波變換有助于噪聲的濾除以及有利于檢測(cè)奇異點(diǎn)。所不同的是傅里葉變換采用時(shí)間屬于(一∞，+∞)的諧波函數(shù)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(guò)對(duì)母函數(shù)(t)進(jìn)行伸縮和平移得到一個(gè)小波序列： ； 式中為伸縮因子，b為平移因子。通過(guò)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]。第2章 指紋圖像的分割 指紋圖像分割概述這節(jié)中講了三類(lèi)方法，如果用小節(jié)號(hào)或數(shù)字標(biāo)出是否會(huì)更為清晰？在指紋識(shí)別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。第三章：介紹了指紋圖像細(xì)化的方法并仿真得到結(jié)果。本文以研究指紋識(shí)別中指紋圖像分割、細(xì)化、特征提取、匹配等若干問(wèn)題為研究主體，針對(duì)指紋識(shí)別技術(shù)中分割、細(xì)化和匹配進(jìn)行了仿真和修正。指紋匹配算法的性能主要決定于所提取到的特征點(diǎn)的數(shù)目、位置和相互關(guān)系的可靠性。論文涉及指紋的圖像分割、細(xì)化和匹配。指紋的使用比起其它證卡來(lái)說(shuō)更快捷、安全、準(zhǔn)確、無(wú)干擾，可實(shí)現(xiàn)快速登錄注冊(cè)，系統(tǒng)兼容性好，也就是說(shuō)可以獨(dú)立或者通過(guò)聯(lián)網(wǎng)構(gòu)成系統(tǒng)并且很容易并入各類(lèi)證卡和定義識(shí)別系統(tǒng)中。指紋的細(xì)節(jié)由細(xì)微紋點(diǎn)和紋線的起點(diǎn)、終點(diǎn)、分叉等組成。指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。另外，一些公司和機(jī)構(gòu)結(jié)合社會(huì)應(yīng)用的實(shí)際需求，開(kāi)發(fā)了各種類(lèi)型的具有獨(dú)立知識(shí)產(chǎn)權(quán)的嵌入式指紋識(shí)別模塊、指紋應(yīng)用系統(tǒng)軟件等，用戶反映良好。大多數(shù)基于特征的識(shí)別算法專(zhuān)注于脊線上的末梢點(diǎn)和分叉點(diǎn)，該方法根據(jù)各個(gè)特征點(diǎn)的位置和方向來(lái)表示和區(qū)分指紋，從而使指紋識(shí)別問(wèn)題轉(zhuǎn)化為判斷兩個(gè)特征點(diǎn)集間的最大相似度(最大重合度)的問(wèn)題。指紋特征的復(fù)雜度足以提供用于鑒別的足夠特征?；趫D像的識(shí)別算法認(rèn)為，指紋圖像的頻域和空域信息可以用來(lái)唯一表示并識(shí)別不同的指紋[2]。(5)一個(gè)人的十指指紋皆不相同，這樣可以方便地利用多個(gè)指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。 指紋識(shí)別技術(shù)相對(duì)于其它生物識(shí)別認(rèn)證技術(shù)而言，自動(dòng)指紋識(shí)別是一種更為理想的身份確認(rèn)技術(shù)，因?yàn)橹讣y相對(duì)于其它幾種生物特征具有以下一些獨(dú)特的性質(zhì)：(1)互異性；世界上兩個(gè)指紋完全相同的概率小于109，幾乎為零。③終生不變性， 指非意外事故指紋終身不變。而我們的生活隨時(shí)都需要進(jìn)行個(gè)人身份的確認(rèn)和權(quán)限的認(rèn)定。 fingerprint refinement。最后，研究了指紋識(shí)別過(guò)程中特征的提取方法，針對(duì)細(xì)節(jié)點(diǎn)提取過(guò)程中存