【正文】 老師的理解、支持和幫助，使我有機會去鍛煉和充實自己，在此謹向老師致以深深的敬意！ 再次， 感謝 我的同學在學習、工作和生活中給予的關心和幫助！ 最后， 感謝父母 長期以來在我漫長的求學生涯中給予的無私奉獻 默默的支持，他們的理解和鼓勵使我能夠專心的完成 學業(yè)，他們 的言行 永遠激勵鞭策著我前進。 從論文方向的確立到論文的形成無 不傾注了老師的 心血。 %else% i end。 end。 real_end(end_count,2) = path(1,2)。 end_count = end_count +1。 mean_y = mean_y / path_length。 end。 for k = 1:path_length mean_x = mean_x + path(k,1)。 mean_x = 0。 % no break 22 j end。 break。 curr is 039。 elseif curr_x == 0 amp。 %need to delete it from output image % flag =1。 elseif is_a_branch_point(curr_x,curr_y,branch_list) == 1 39。 %need to delete it from output image % flag = 1。 % three conditions will break the loop. if is_a_end_point(curr_x,curr_y,end_list) == 1 39。 curr_x = path(len,1)。 for j=1:25 path = go_to_next_element(in, path)。 if is_single(path(1,1),path(1,2),out) == 1 %it is a single point (pore) it should be invalid minutia % and will be removed out(path(1,1),path(1,2)) = 0。 path(1,1) = end_list(i,1)。 [number_of_end, dummy] = size(end_list)。end_track39。 end_count = 0。 out = path。 %add it to the path path(length+1,1) = next_x。 if flag == 0 [next_x,next_y] = find_next(in,path)。 if (path(length,2) 197) flag =1。 if (path(length,2) 4) flag = 1。 if (path(length,1) 197) flag =1。 % length is the length of the path %simply go to the next element if (path(length,1) 4) flag = 1。 next_y = 0。 [length, dummy] = size(path)。 18 參考文獻 [1] 王建永 .指紋圖像的特征提取與匹配 [D]大連理工大學 ,2020. [2] 王家文 ,曹宇 .MATLAB 圖形圖像處理 [M].北京 :國防工業(yè)出版社 ,2020,5. [3] 董日榮 .指紋識別系統核心算法的研究 [D]華南師范大學 ,2020. [4]KmYS,VisionComPuting,1998,16:931 一 939. [5] 王崇文 .自動指紋識別方法研究 .博士學位論文 .重慶大學 .2020. [6]ChimY,KassimAA,IbrahimYCharaeterreeo,ng,1999,17:299 一 307. [7] 馮國進 ,顧國華 ,張保民 .指紋圖像預處理與特征提取 [M].計算機應用研究 ,2020,(5):183186. 19 附 錄 程序 1： function out = go_to_next_element(in, path)。 當今 ， 指紋自動識別技術仍是國內外研究的熱點問題實現自動指紋識別系統的實時性網絡化提高系統識別率是人們研究的目標相信不久以后指紋識別將廣泛應用于我們的生活為人們提供更方便更快捷的服務 ?；谌痔卣髌ヅ浞绞街饕褂弥讣y紋理特征，具有特征穩(wěn)定、信息豐富的優(yōu)點，但是匹配精度不高、指紋模板比較大 。它的局限性在于無法對特定的目標特性進行精細計算， 而且只能被應用于全局目標識別任務中。矩技術類型很多，現已被應用于圖像分類與識別處理的許多方面。 算法 matlab 仿真結果 圖 原始指紋圖像 圖 經過神經網絡和高斯濾波的指紋圖像 圖 經過不變矩的指紋圖像 15 圖 經過匹配細化后的指紋圖像 結果 分析 試驗結果顯示 ： LVQ 神經網絡模型 的優(yōu)勢在于網絡結構簡單，只通過內部單元的互相作用，就可以完成十分復雜模式識別的分類處理，具有很好的模式識別特性。 sector_num = ring * n_arcs + arc。 ring = floor(( rh_radius )/h_bands)。 end end if theta 0 theta = theta + 2*pi。 end end if x 0 theta = theta + pi。 else if y 0 theta = pi/2。 sector_num。 sector_num。 rad = (x*x) + (y*y)。 x = x floor(length / 2)。 x = rem( index , length )。 12 圖 混合模式匹配算法流程 圖 算法程序： function [sector_num] = whichsector(index) % Modiofied by Luigi Rosa % index is the index of current pixel of cropped image ( cropped image is % 175 x 175 )。實際上，在除了處理兩種誤差之外，在指紋采集過程中，由于每次按壓的力度不同而形成的指紋圖像擠壓變形和拉伸變形，同樣是指紋匹配之前需處理的 。解決指紋圖像的平移誤差和旋轉誤差是指紋比對算法面對的首要問題。由于在指紋采樣時，用 戶手指每次放置的位置和角度不同，形成的指紋圖像也略有不同，因此各個指紋特征值的坐標值也就不同。 指紋匹配之前需作指紋定位。閾值取的合理，特征點取的越多，誤判的機率就越小。指紋匹配是一個模式識別的過程，判定的標準不是相等與不等，而是