指紋識(shí)別技術(shù)研究論文-文庫吧資料
2025-07-01 16:53本頁面
【正文】 叉點(diǎn)，那么隨著r的逐漸變大，這樣的點(diǎn)會(huì)越來越少，也就越來越獨(dú)特。得到的圖像如下：圖13 去除圖像邊緣端點(diǎn)后的圖像 找出特征點(diǎn) single_point函數(shù) 經(jīng)過光滑處理和去除邊緣端點(diǎn)后進(jìn)一步減少了端點(diǎn)和交叉點(diǎn)的個(gè)數(shù)。ro39。 end end end endendtxy=txy(find(txy(:,1)),:)。amp。amp。amp。amp。 delta(i,j)=sum(sum(mp{i,j}))。 s(i,j)=sum(sum(mp{i,j}))/(31*31)。n=size(txy,1)。函數(shù)如下：function txy=cut(thin,txy)s(8,8)=0。光滑后的圖像如圖11所示：圖11 光滑后的圖像光滑完后需再次執(zhí)行point函數(shù)來畫出新的端點(diǎn)，如下圖所示：圖12 光滑后標(biāo)出端點(diǎn)和特征點(diǎn)的圖像 去除圖像邊緣的端點(diǎn)可以看出，在指紋圖像的邊緣，由于采集儀器的關(guān)系，不可避免的多出很多端點(diǎn)，一方面增加了后續(xù)工作量，另一方面還可能產(chǎn)生錯(cuò)誤，所以有必要將這些邊緣的端點(diǎn)去除。 end endendw=thin。 error=walk(thin,pxy(i,1),pxy(i,2),5)。 n=size(pxy,1)。：function w=guanghua(thin,txy)for j=1:5 txy=point(thin)。得到的標(biāo)出端點(diǎn)和交叉點(diǎn)的圖像如圖10：圖10標(biāo)出端點(diǎn)和交叉點(diǎn)的細(xì)化圖像 紋線光滑處理在指紋圖像預(yù)處理中，已經(jīng)對(duì)指紋圖像進(jìn)行過去除毛刺和空洞的處理。運(yùn)行完程序后，將所有的端點(diǎn)和交叉點(diǎn)全部找出。.39。hold on。 y(i)= txy(i, 2)。 count = count + 1。 count = count + 1。 for i = 1:8 CN = CN + abs (P(thin, y, x, i) P(thin, y, x, i + 1))。siz=min(size(thin,1),size(thin,2))。程序如下：function txy=point(thin)count = 1。end 。 case 7 j = img(x, y + 1)。 case 5 j = img(x 1, y)。 case 3 j = img(x, y 1)。：%Sub functionsfunction j = P (img, x, y, i)% get pixel value based on chart:% 4 | 3 | 2% 5 | | 1% 6 | 7 | 8switch (i) case {1, 9} j = img(x+1, y)。)得到的圖像如圖9：圖9細(xì)化后的圖像3．特征點(diǎn)提取 找出所有的端點(diǎn)和交叉點(diǎn)因?yàn)樘卣鼽c(diǎn)必然是從端點(diǎn)和交叉點(diǎn)里找出，所以在得到細(xì)化的圖像后，我們首先要找出所有的端點(diǎn)和交叉點(diǎn)。%對(duì)圖像進(jìn)行細(xì)化figure,imshow(w)title(39。thin39。%對(duì)圖像進(jìn)行開操作和閉操作v=imclose(fo,se)。,3)。se=strel(39。)得到的去除毛刺后的圖像和再去除空洞后的圖像分別如圖7和圖8： 圖7去除毛刺后的圖像 圖8去除空洞后的圖像二值化后的紋線仍然具有一定的寬度，因?yàn)橹讣y識(shí)別只與紋線的走向有關(guān)，所以需要對(duì)二值圖像進(jìn)行細(xì)化，以減少冗余信息，突出紋線的有效特征，便于后續(xù)的特征提取。endendendendendfigure,imshow(u)%title(39。去除毛刺39。endelse u(x,y)=u(x,y)。實(shí)驗(yàn)中進(jìn)行了初步去除空洞和毛刺的處理，程序如下：u=Icc。得到的二值化圖像如圖6：圖6二值化后的圖像在當(dāng)前的指紋采集條件下，不可避免的會(huì)受到環(huán)境，皮膚上的油脂、水分、污漬的影響，使采集到的指紋圖像出現(xiàn)紋線粘連、紋線斷裂等缺陷，對(duì)后續(xù)的指紋特征提取帶來很大困難。二值化39。 end end figure,imshow(double(Icc))。 else Icc(i,j)=1。 end endend for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j)。%否則為summax end if sumf b%確定完方向后就根據(jù)該向場(chǎng)對(duì)圖像進(jìn)行二值化 Im(x,y)=128。%若滿足(summax+summin+ 4*I(x,y)) (3*summ/8) if (summax+summin+ 4*I(x,y)) (3*summ/8) sumf = summin。%經(jīng)過處理后的灰度值，找到他們中最小值 summ=sum(sumi)。summax=max(sumi)。 sum8=I(x2,y4)+I(x1,y2)+I(x+1,y+2)+I(x+2,y+4)。 sum6=I(x4,y2)+I(x2,y1)+I(x+2,y+1)+I(x+4,y+2)。 sum4=I(x2,y+1)+I(x4,y+2)+I(x+2,y1)+I(x+4,y2)。 sum2=I(x2,y+4)+I(x1,y+2)+I(x+1,y2)+I(x+2,y4)。 for y=5:n5。Im=zeros(m,n)。 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)。% 創(chuàng)建一個(gè)全0的二維數(shù)組，m行n列for a=2:m1。%模板系數(shù) 均值濾波 Im=double(I)。1 1 1。Matlab程序如下：%二值化175。得到的圖像如圖4：圖4經(jīng)過分割處理后的圖像一般的指紋圖像都有比較清晰的方向場(chǎng)，方向場(chǎng)估計(jì)得準(zhǔn)確性直接決定了圖像增強(qiáng)算法的效果。
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號(hào)-1