基于ARM9的M-FastICA指紋識(shí)別系統(tǒng)的設(shè)計(jì).pdf

1、近年來，隨著信息技術(shù)的快速發(fā)展，各行業(yè)對身份驗(yàn)證有了更高的要求。未來身份驗(yàn)證的發(fā)展方向就是生物識(shí)別技術(shù)，而指紋識(shí)別是有效、可靠、經(jīng)濟(jì)的生物識(shí)別方法之一。指紋識(shí)別技術(shù)應(yīng)用的比較廣泛，主要是因?yàn)樗哂蟹€(wěn)定性以及唯一性，且容易采集。目前指紋識(shí)別技術(shù)已經(jīng)達(dá)到識(shí)別準(zhǔn)確、快速的水平，是可以全面推廣應(yīng)用的。
　　在以ARM9為硬件平臺(tái)的嵌入式Linux系統(tǒng)上，移植了自動(dòng)指紋識(shí)別系統(tǒng)，對指紋圖像進(jìn)行采集并識(shí)別。針對該系統(tǒng)，首先對指紋識(shí)別的軟件環(huán)境

2、進(jìn)行了研究，其次對軟件的實(shí)現(xiàn)方框圖進(jìn)行了描述，最后對指紋識(shí)別算法的流程圖進(jìn)行了詳細(xì)的介紹。
　　在指紋圖像的處理過程中，為了有效提高對模糊不清的質(zhì)量不高的指紋圖像的識(shí)別率，第一步采用了M-FastlCA算法來提取指紋圖像并進(jìn)行圖像的去噪工作，可有效改善指紋識(shí)別系統(tǒng)的魯棒性;第二步對指紋圖像進(jìn)行了預(yù)處理，包括灰度濾波、圖像增強(qiáng)、圖像的二值化以及圖像的細(xì)化;第三步是指紋圖像的特征提取;第四步采用了全新的PFSV算法對對指紋圖像進(jìn)行匹配