【正文】 搜索。 3)根據(jù) 2）的結(jié)果對種群進(jìn)行選擇，并在此基礎(chǔ)上依給定的概率實(shí)施交叉與變異運(yùn)算。 綜上，遺傳算法搜索步驟為： 1)初始化種群。 搜索終止條件：連續(xù) 20 代最優(yōu)解對應(yīng)的目標(biāo)函數(shù)值沒有被優(yōu)化。而變異算子二則使變異結(jié)果完全遠(yuǎn)離當(dāng)前個(gè)體，它提供了脫離局部極小的可能，但它同時(shí)也可能使種群脫離最優(yōu)解。 變異算子一提供了在當(dāng)前個(gè)體附近進(jìn)行搜索的能力。 ? 變異策略：引入兩種變異操作： 1) 需要變異的個(gè)體以一定的概率確定其變異的基因位置，并對這些位置上的基因值取反。普通的后代直接替換父輩的交叉策略有較大可能破壞當(dāng)前的搜索結(jié)果，而使種群重新回到一個(gè)較差的水平。在修正中，所得的兩個(gè)新個(gè)體只有在適度值高于父輩時(shí)沒，才替換父輩進(jìn)入種群。首先根據(jù)預(yù)先設(shè)定的交叉概率決定用于交叉的個(gè)體。 Ps (x,t)=f(x,t)/?x txf ),(為每一個(gè)體被選擇的概率，式中 f(x,t)為個(gè)體 x在第 t代的適度值。首先依據(jù)個(gè)體 x被選擇的期望值 nPs (x,t)（ n為需要選出的個(gè)體總數(shù)）的整數(shù)部分安排個(gè)體被選中的次數(shù)。種群大小取 50。為了克服普通二進(jìn)編碼的 Hamming 懸崖缺陷，每一段參數(shù)采用 Gray 編碼。對于參數(shù) dx 與 dy，碼值減去 127 得到參數(shù)值，故它們的搜索范圍均為 [127， 128]，精確到 1 象素。第一段是 dx 的編碼，第二段是 dy 的編碼，第三段則表示θ。遺傳算法的個(gè)體編碼采用多參數(shù)編碼。取 Q 中所有點(diǎn)匹配適度之和作為控制遺傳算法的適度函數(shù)。值得注意的是，這種近似有可能得 江南大學(xué)畢業(yè)設(shè)計(jì)論文 —— 基于指紋識別技術(shù)的學(xué)生身份認(rèn)證系統(tǒng) 第 17 頁 共 51 頁 P中有兩個(gè)相近的點(diǎn)對應(yīng)到 Q中同一個(gè)點(diǎn)。 中與之相近的點(diǎn) pj ，假如 pj 與 qi 之間的距離為 ? d，特征方向之差為 ?? ，當(dāng)二者都在某一誤差范圍內(nèi)時(shí)，定義 pj 對 qi 的支持度為 s(qi , pj )=1/(1+? d)+K/(1+ ?? )，式中 K為比例系數(shù)，用于調(diào)整距離與角度影響搜索方向的比重。 中相應(yīng)位置上都應(yīng)有一個(gè)點(diǎn)與之對應(yīng)，并且這兩個(gè)點(diǎn)的特征方向也一致。 。 適度函數(shù)： 假定某一個(gè)對應(yīng)的參數(shù)為 dx， dy，θ。以下從遺傳算法的每一個(gè)環(huán)節(jié)詳細(xì)介紹對齊參數(shù)搜索算法。指紋細(xì)節(jié)比對的很多思想來自于一般點(diǎn)匹配問題，本系統(tǒng)中采用的是遺傳算法求解指紋特征點(diǎn)匹配問題。比對的目標(biāo)是 找到 P 與 Q 中的共同點(diǎn)，并求出點(diǎn)與點(diǎn)的對應(yīng)關(guān)系。 下面的圖像是處理結(jié)果： 原圖 過程 結(jié)果 江南大學(xué)畢業(yè)設(shè)計(jì)論文 —— 基于指紋識別技術(shù)的學(xué)生身份認(rèn)證系統(tǒng) 第 16 頁 共 51 頁 比對算法 指紋比對需要解決的問題是：給定二維平面中的兩個(gè)點(diǎn)集 P 與 Q，其中的點(diǎn)包含有位置信息與方向信息。//更新 s[x,y] } return k。 I ++) { Line((x[i],y[i],x[i+1],y[i+1]))。 } for ( I = 0 。 θ curr = θ max 。 xcurr = xmax 。//局部濾波增強(qiáng) 處理 Xmax, Ymax, θ max,dmax = GetLocalMax(Ω ) //找到新的最值點(diǎn) end = check(x,y,step)。 //定位下一點(diǎn) Ω = GetSection(xnext, ynext, θ next, σ )。 θ [k] =θ curr。 。 dcur =dstart 。 ycurr = ystart 。 k = 0 。//沿反方向跟蹤 S[x,y] = m。 Elseθ =θ + π 。 //以 (x,y)為起點(diǎn)跟蹤 } } } } return m。 //定位局部最大值 If (sm(x,y) == 0) { m++。 //得到領(lǐng) 域點(diǎn)集 Filter(Ω )。 偽碼描述： int FollowRidge() { int m = 0。 表示已經(jīng)接觸到了背景區(qū)域； ii. sm(x,y) = l m。 6． 如果不滿足終止條件，則令（ X,Y） =( Xn ,Yn ) 為新的起始點(diǎn)，回到步驟 1。定位到下一個(gè)起始點(diǎn)，回到步驟 1。 u 一般取 1 或 2。 4． 計(jì)算出（ Xmax ,Ymax ）處的方向估計(jì)值θ，已一定的步長 u，沿θ方向探測點(diǎn) (Xi ,Yi ) ,i = 0..n 直至 (X 1?n ,Y 1?n ) 落在背景區(qū)域或者與（ Xmax ,Ymax ）的灰度值之差大于某個(gè)與 d 相關(guān)的值。 =Ω 39。 Ω 39。 ；（通常取 h=1） (b)使用一個(gè)高斯低通濾波器 G與Ω 39。 2． 然后對點(diǎn)集Ω做局部濾波增強(qiáng)處理。主要步驟如下 ： 1． 首先，計(jì)算出該點(diǎn) (it ,jt ) 的方向估計(jì)值 ? ，得到以 (it ,jt ) 為中心的方向與 ? 正交的（即法線方向Φ）長度為 2? +1 的點(diǎn)集Ω((i,j) ,Φ ,? ) 。 圖 33 脊線跟蹤算法示意圖 圖 34 細(xì)節(jié)點(diǎn)的判定 算法步驟 在處理階段得到了計(jì)算出方差并從大到小排序的圖象塊序列。 ? 基于脊線跟蹤的細(xì)節(jié)提取算法 從數(shù)學(xué)上看，可以將指紋圖象視為一個(gè)定義在二維平面上的一個(gè)曲面，沿脊線方向，灰度、變換相對平緩， 沿垂直于脊線的法線方向，灰度呈現(xiàn)波峰波谷交替出現(xiàn)的分布，而在接近背景區(qū)域或脊線末梢處，沿脊線方向的灰度發(fā)生顯著變化。 信息的新穎算法，這里用到的算法是對上述算法的改進(jìn)，算法的基本思想是沿紋線方向自適應(yīng)地追蹤指紋脊線，在追蹤的過程中，局部增強(qiáng)指紋圖象，最后江南大學(xué)畢業(yè)設(shè)計(jì)論文 —— 基于指紋識別技術(shù)的學(xué)生身份認(rèn)證系統(tǒng) 第 12 頁 共 51 頁 得到一幅細(xì)化后的指紋脊線骨架圖和附加在其上的細(xì)節(jié)點(diǎn)信息。如果N=1，則 P是末梢點(diǎn)；如果 N=3,則 P是分支點(diǎn)。 特征抽取 指紋灰度圖象經(jīng)過增強(qiáng)處理，對于細(xì)化后的圖象，經(jīng)過一定的光滑處理后，進(jìn)一步去噪（如去除孤立點(diǎn)、毛刺、跨接短橋、小環(huán)等）后，就可以初步提取指紋細(xì)節(jié)點(diǎn)。對所有非背靜區(qū)域的象素計(jì)算梯度，并保存在數(shù)組 Gx (i,j) 和 Gy (i,j) 里。 ? 脊線方向的估算 由于指紋具有天然的方向性，對于指紋圖象的處理離不開對方向信息的計(jì)算，常用的計(jì)算方法是最小方差估計(jì)和梯度計(jì)算法。只對達(dá)到質(zhì)量要求圖象進(jìn)行后續(xù)處理，將塊方差大于閾 值 Tb 江南大學(xué)畢業(yè)設(shè)計(jì)論文 —— 基于指紋識別技術(shù)的學(xué)生身份認(rèn)證系統(tǒng) 第 11 頁 共 51 頁 的塊按方差排序，以后的圖象處理將只在這些塊上進(jìn)行，從而節(jié)約了計(jì)算時(shí)間。 提取背景，估算圖象質(zhì)量 為了區(qū)分背景區(qū)域和有效信息區(qū)域，將歸一化后的圖象分成若干個(gè) W? W 的小快，分別計(jì)算塊的方差和均值，將各個(gè)塊的方差量化到 0 到 1 的區(qū)間，認(rèn)為方差小于等于某個(gè)閾值 Tb 的塊是背景區(qū)域，計(jì)算背景塊的個(gè)數(shù)與所有塊個(gè)數(shù)的比值，估算出圖象的質(zhì)量。圖象的均值和方差定義為： M(I) = 21N ??? ?1010 ),(N N jiI (31) VAR(I) = 21N ? ?? ? ?10102))(),((N N IMjiI (32) 首先為了降低不同指紋圖象對比度不同帶來的影響，按照如下公式將指紋圖象做歸一化 (Nomalize)處理。 以下詳細(xì)論述本文的指紋圖象預(yù)處理算法。然后對二值化后的圖象進(jìn)行細(xì)化，得到一幅像素寬度為 1 的圖象。增強(qiáng)算法由于計(jì)算量很大，通常是整個(gè)系統(tǒng)時(shí)間性能上的瓶頸。指紋增強(qiáng)的目的是對低質(zhì)量的灰度指紋圖象進(jìn)行增強(qiáng)，得到清晰的脊線結(jié)構(gòu)。 在目前提出的很多指紋圖象處理和細(xì)節(jié)提取的算法中，盡管具體的實(shí)現(xiàn)方法各不相同，但大多是采取預(yù)處理、增強(qiáng)、二值化、細(xì)化、后處理這樣的一個(gè)流程。也正因?yàn)槿绱?，這一部分要進(jìn)行提高難度也很大。所以圖像處理算法是整個(gè)算法的基礎(chǔ)和關(guān)鍵。它利用脊末梢 (Redge ending)與脊線分支點(diǎn) (Ridge bifurcation)這兩種關(guān)鍵點(diǎn)來鑒定指紋。因受市場條件 、技術(shù)和工藝水平的限制，能商品化的成果不多，真正完全擁有自主知識產(chǎn)權(quán)的技術(shù)更是鳳毛麟角。如 NEC 公司和北京大學(xué)等單位研制的系統(tǒng)都有出色的表現(xiàn)。世界范圍內(nèi)指紋技術(shù)的應(yīng)用也有 300 多年的歷史。指紋被稱為“物證之首”。每個(gè)特征點(diǎn)每一條紋線都具有不同的屬性、方向和形狀，由這些點(diǎn)線構(gòu)成的拓?fù)浣Y(jié)構(gòu)圖 極其復(fù)雜多變，幾乎每一枚指紋都是唯一的。 辦公室安全 銀行內(nèi)部的授權(quán)管理 /上下班打卡 /門禁管理 /旅館客房進(jìn)出管制等 信息安全 電腦的使用權(quán)管理 /網(wǎng)絡(luò)保護(hù) /資料庫的資料 提 取及操作管理等 /電子商務(wù)等 家庭安全 指紋識別門鎖等 個(gè)人安全 指紋識別保險(xiǎn)箱 /指紋識別汽車鎖 /用指紋打開移動電話 /啟動汽車 /提領(lǐng)薪水 /付款消費(fèi)等 綜上，本課題的研究和應(yīng)用，具有一定的學(xué)術(shù)意義和應(yīng)用價(jià)值。 本課題的研究成果，將致力于應(yīng)用于遠(yuǎn)程教育安全，具有重要的應(yīng)用價(jià)值。 2．創(chuàng)造信 息社會中的新需求（如網(wǎng)絡(luò)安全、電子認(rèn)證等）：邁入網(wǎng)絡(luò)形態(tài)的信息時(shí)代，許多資產(chǎn)均以電腦內(nèi)部的信息方式存在。其理論研究豐富和發(fā)展圖形圖象處理、計(jì)算機(jī)視覺、人工智能及數(shù)學(xué)理論等眾多領(lǐng)域。隨著固體傳感器技術(shù)的發(fā)展 ,指紋傳感器的價(jià)格正逐漸下降 ,在許多應(yīng)用中基于指紋的生物認(rèn)證系統(tǒng)的成本是可以承受的。另外 ,對輸入的指紋圖提取關(guān)鍵特征后 ,可以大大減少網(wǎng)絡(luò)傳輸?shù)呢?fù)擔(dān) ,便于實(shí)現(xiàn)指紋異地匹配。 一個(gè)人的十指指紋皆不相同 ,可以方便地利用多個(gè)指紋 ,提高系統(tǒng)的安全性 ,也不會增加系統(tǒng)的設(shè)計(jì)負(fù)擔(dān)。 ●穩(wěn)定性 指紋是相當(dāng)固定的 ,很難發(fā)生變化 ,可以保證用戶安全信息的長期有效性。（見表 21） （ a）面部溫度 (b) 虹膜 (c)視網(wǎng)膜 （ d）聲音 (e) 簽名 (f) 臉部 (g)指紋 圖 11 不同生物特征 表 11 生物特征比較 特性 指紋 掌紋 視網(wǎng)膜 虹膜 面部 簽名 聲音 易用性 高 高 低 低 中等 高 高 誤認(rèn)影響因素 干燥、臟、年老 手傷、年老 帶眼鏡 光照差 光 照 、 年老、眼鏡、長發(fā) 簽名變化 噪音、風(fēng)、天氣 準(zhǔn)確性 高 高 很高 很高 高 高 高 成本 * * * * * * * 用戶接受程度 中等 中等 中等 中等 中等 很高 高 安全級別 高 中等 高 非 常高 中等 中等 中等 長期穩(wěn)定性 高 中等 高 高 中等 中等 中等 *由于非常多的復(fù)雜因素不易進(jìn)行簡單的成本比較 . 綜合分析后我們認(rèn)為 ,雖然指紋識別技術(shù)一般要求大量的計(jì)算資源 ,但目前的計(jì)算機(jī)系統(tǒng)性能完全可以滿足這一要求 。除指紋識別外 ,這些技術(shù)還包括 :虹膜識別、視網(wǎng)膜識別、面部識別、簽名識別、聲音識別、手形識別、臉部溫度記錄圖識別等（見圖 21） ,這些識別技術(shù)各有其特點(diǎn)。因此 ,生物認(rèn)證比基于知識的和基于令牌的身份認(rèn)證技術(shù)更加安全和可靠。許多生理或行為特征每個(gè)人彼此不同 ,生物認(rèn)證就必定在區(qū)分授權(quán)人和冒名頂替者方面比基于知識的和基于令牌的技術(shù)更加可靠 。據(jù) Motorola 公司的一 份資料顯示：每年因安全密鑰方面造成的損失年增長率在 60%以上，而對生物認(rèn)證系統(tǒng)的年需用求增長率也在 60%以上。 生物認(rèn)證技術(shù)介紹 現(xiàn)行的許多計(jì)算機(jī)系統(tǒng) ,包括許多非常機(jī)密的系統(tǒng) ,都是使用“用戶ＩＤ +口令”的方法來進(jìn)行用戶的身份認(rèn)證和訪問控制的 ,其中必然應(yīng)用了若干密碼技術(shù)。 基于知識的方法和基于令牌的方法在確定用戶身份時(shí)不如基于任何人生來具有的特性 ,它們受到明顯的不利因素制約 :令牌可能丟失、被竊、遺 忘、誤置 ,ＰＩＮ可能被授權(quán)用戶遺忘或被冒名頂替者猜出 。 ●用所擁有的物品進(jìn)行認(rèn)證。這就是基于知識的方法來確定身份 ,如口令或ＰＩＮ。生物認(rèn)證適用于保密程度很高的場合。 ●用本身特征進(jìn)行認(rèn)證。其中認(rèn)證機(jī)制是安全系統(tǒng)的第一道防線 ,用來確保安全機(jī)制的有效性和訪問控制的有效性 ,也是避免攻擊者主動攻擊 ,如假冒、竄改等的有效手段。授權(quán)則是指對順利地標(biāo)識了身份的學(xué)生繼續(xù)訪問權(quán)利的特許 ,審計(jì)則是對各種安全性事件的檢查、跟蹤和記錄。只有確認(rèn)了 用戶的有效身份，才能具有下一步操作的訪問權(quán)。 身份認(rèn)證指的是在信息系統(tǒng)中對擁有身份的特殊個(gè)體提供的他 /她是誰的證明進(jìn)行判斷的處理過程。 DAO。 Database。 Minutiae extraction。 To student identity authentication, give and publish systematic plan of design, and fingerprint tem