畢業(yè)論文-基于matlab的指紋識(shí)別

1、<p>　　畢 業(yè) 論 文</p><p>　　基于Matlab的指紋識(shí)別</p><p><b>　　姓 名 </b></p><p><b>　　院（系） </b></p><p><b>　　專(zhuān)業(yè)班級(jí) </b></p><p

2、><b>　　學(xué) 號(hào) </b></p><p><b>　　指導(dǎo)教師 </b></p><p><b>　　職 稱(chēng) </b></p><p><b>　　論文答辯日期 </b></p><p><b>　　摘 要&

3、lt;/b></p><p>　　隨著科學(xué)技術(shù)的不斷發(fā)展，自動(dòng)化的指紋識(shí)別技術(shù)如今已經(jīng)被人們廣泛地應(yīng)用在銀行、商業(yè)交易、公安部門(mén)、海關(guān)部門(mén)等需要對(duì)人的身份進(jìn)識(shí)別的領(lǐng)域，而本文所描述的是對(duì)自動(dòng)化指紋識(shí)別系統(tǒng)的研究現(xiàn)狀以及自動(dòng)化指紋識(shí)別系統(tǒng)的基本算法和流程，本實(shí)驗(yàn)是利用MATLAB2012來(lái)進(jìn)行了指紋識(shí)別系統(tǒng)的仿真和實(shí)驗(yàn)的。</p><p>　　然而在生物識(shí)別技術(shù)的快速發(fā)展的今天，人們通

4、過(guò)研究發(fā)現(xiàn)了每一個(gè)人的指紋都具有唯一性和不變性。也正因?yàn)檫@樣，指紋識(shí)別技術(shù)正在逐步的發(fā)展成為一種新的身份識(shí)別技術(shù)，并且憑借它良好的安全性以及可靠性，逐步有取代傳統(tǒng)身份認(rèn)證的方式趨勢(shì)。</p><p>　　本文簡(jiǎn)單的介紹了指紋識(shí)別圖像的預(yù)處理的方法和步驟。指紋圖像預(yù)處理之后將會(huì)得到一個(gè)寬度為統(tǒng)一像素的細(xì)化后的二值化圖像，最后再根據(jù)特定的指紋圖像的端點(diǎn)以及交叉點(diǎn)的特征進(jìn)行對(duì)指紋自動(dòng)匹配。本論文中采用MATLAB201

5、2編程實(shí)現(xiàn)所有算法。</p><p>　　關(guān)鍵詞：指紋識(shí)別技術(shù) 指紋圖像預(yù)處理 指紋識(shí)別 MATLAB2012</p><p><b>　　目 錄</b></p><p><b>　　1 緒論1</b></p><p>　　1.1 生物特征識(shí)別的意義1</p><p&g

6、t;　　1.2 生物特征識(shí)別分類(lèi)2</p><p>　　2 指紋識(shí)別的原理和方法5</p><p>　　2.1指紋識(shí)別的基本原理5</p><p>　　2.2指紋識(shí)別系統(tǒng)工作流程5</p><p>　　2.3指紋識(shí)別技術(shù)的方法7</p><p>　　2.3.1 神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法7</p>

7、<p>　　2.3.2 濾波特征和不變矩指紋識(shí)別算法7</p><p>　　2.3.3 指紋匹配算法9</p><p>　　3 指紋識(shí)別算法的實(shí)現(xiàn)10</p><p>　　3.1 指紋圖像的預(yù)處理10</p><p>　　3.1.1 圖像的平滑10</p><p>　　3.1.2 圖像的歸一化12

8、</p><p>　　3.1.3 圖像的紋理方向13</p><p>　　3.1.4 圖像的二值化15</p><p>　　3.1.5紋線細(xì)化16</p><p>　　3.2 指紋圖像的特征提取和特征匹配19</p><p>　　3.2.1 特征提取19</p><p>　　3.2.2

9、 特征點(diǎn)匹配20</p><p><b>　　4 系統(tǒng)實(shí)現(xiàn)22</b></p><p>　　4.1仿真實(shí)驗(yàn)前期準(zhǔn)備22</p><p>　　4.1.1 仿真實(shí)驗(yàn)的實(shí)驗(yàn)軟件22</p><p>　　4.1.2 仿真實(shí)驗(yàn)數(shù)據(jù)的選取22</p><p>　　4.1.3 仿真實(shí)驗(yàn)界面的設(shè)計(jì)23

10、</p><p>　　4.1.4 仿真實(shí)驗(yàn)算法24</p><p>　　4.2 指紋圖像的預(yù)處理25</p><p>　　4.3 實(shí)驗(yàn)結(jié)果與分析31</p><p>　　4.4 實(shí)驗(yàn)結(jié)果分析與總結(jié)40</p><p><b>　　5 小結(jié)41</b></p><p&g

11、t;<b>　　參 考 文 獻(xiàn)</b></p><p><b>　　Abstract</b></p><p><b>　　致 謝</b></p><p><b>　　1 緒論</b></p><p>　　如今，生物特征識(shí)別領(lǐng)域中的最為成熟的應(yīng)用技術(shù)之

12、一--指紋識(shí)別技術(shù)。其實(shí)它已經(jīng)有非常悠久的歷史了。很久以前，指紋識(shí)別技術(shù)已經(jīng)很早就應(yīng)用于刑事偵查和司法鑒定領(lǐng)域了，很多人不知道的是。隨著計(jì)算機(jī)網(wǎng)絡(luò)和信息處理技術(shù)的快速發(fā)展，這門(mén)歷史悠久的指紋識(shí)別技術(shù)也開(kāi)拓了更多更廣闊的市場(chǎng)，自動(dòng)的指紋識(shí)別技術(shù)和與其相關(guān)的產(chǎn)品越來(lái)越多的應(yīng)用在普通人的生活當(dāng)中。</p><p>　　1.1 生物特征識(shí)別的意義</p><p>　　生物識(shí)別技術(shù)（Biometri

13、c Identification Technology）的定義是：利用人體的不同的生物特征來(lái)進(jìn)行對(duì)人的身份進(jìn)行認(rèn)證的一種技術(shù)[1]。這是因?yàn)槿说纳锾卣魇俏ㄒ坏模梢詤^(qū)分與他人不同的特征。并且我們還可以通過(guò)技術(shù)測(cè)量或者是自動(dòng)識(shí)別來(lái)檢驗(yàn)出生理特性以及行為方式，我們所說(shuō)的這個(gè)特征分為生理特征、行為特征。我們對(duì)生物特性來(lái)進(jìn)行提取并放入數(shù)據(jù)庫(kù)，再將提取出來(lái)的人的唯一特征和它的身份一一對(duì)應(yīng)起來(lái)。典型的生物識(shí)別系統(tǒng)的主要系統(tǒng)結(jié)構(gòu)如圖1.1所示：&l

14、t;/p><p>　　圖1.1 生物識(shí)別系統(tǒng)主要結(jié)構(gòu)框圖</p><p>　　在當(dāng)今世界的很多計(jì)算機(jī)系統(tǒng)中，其中包含了很多非常機(jī)密非常軍方的系統(tǒng)，而這些系統(tǒng)都是簡(jiǎn)單的使用“賬號(hào)戶(hù)名+密碼”的方式來(lái)進(jìn)行對(duì)用戶(hù)的身份的認(rèn)證以及訪問(wèn)的控制。但事實(shí)上，這種設(shè)計(jì)方案卻經(jīng)常遇到一些很常見(jiàn)的問(wèn)題。比如，設(shè)置的密碼容易被人們忘記，密碼太多一時(shí)容易混亂，而且與此同時(shí)，密碼畢竟不會(huì)很長(zhǎng)很復(fù)雜所以也很容易被他人所竊

15、取。而最重要的一點(diǎn)是，如果用戶(hù)一時(shí)間忘記了當(dāng)初他設(shè)置的密碼，他就不能進(jìn)入系統(tǒng)了，當(dāng)然忘記密碼可以通過(guò)身份認(rèn)證來(lái)重新設(shè)定密碼來(lái)恢復(fù)工作，但是這樣做很耗費(fèi)時(shí)間，而且身份認(rèn)證的手續(xù)麻煩，條件很多，這會(huì)給用戶(hù)帶來(lái)很多損失。很多有關(guān)機(jī)構(gòu)通過(guò)調(diào)查，表明了因?yàn)橛脩?hù)忘記密碼而產(chǎn)生的一連串問(wèn)題已經(jīng)成為阻礙人們生活的一個(gè)重要問(wèn)題。</p><p>　　人們而為了防止這類(lèi)事件的頻繁發(fā)生，一種新的身份認(rèn)證手段便由此而生，這便是“人體的生

16、物特征識(shí)別技術(shù)”。它的誕生是因?yàn)槊恳粋€(gè)人自身所具有的生物特征不同，而這種不同恰好可以對(duì)每個(gè)人的真實(shí)身份來(lái)進(jìn)行識(shí)別和認(rèn)證。然而我們的這些生物特征大部分都具備“人格各異”、“始終不變”和“隨時(shí)攜帶”的這三個(gè)主要的特點(diǎn)，然而這也確保了我們的生物特征識(shí)別技術(shù)的精確性以及可靠性。</p><p>　　1.2 生物特征識(shí)別分類(lèi)</p><p>　　目前為止，有很多生物特征識(shí)別技術(shù)。但是，它們當(dāng)中有的已

17、經(jīng)逐步得到應(yīng)用和推廣，而有的還僅僅處于實(shí)驗(yàn)研究的階段。</p><p><b>　　(1)虹膜識(shí)別</b></p><p>　　虹膜識(shí)別技術(shù): 利用人眼虹膜終身不變性，虹膜差異，為人類(lèi)識(shí)別的技術(shù)是虹膜識(shí)別技術(shù)。虹膜識(shí)別技術(shù)與其相對(duì)應(yīng)的算法結(jié)合之后，可以達(dá)到很高的精度。</p><p><b>　　(2)視網(wǎng)膜識(shí)別</b>&

18、lt;/p><p>　　視網(wǎng)膜識(shí)別技術(shù)：是使用激光照射在人的眼球背面，從中獲得具有唯一性的視網(wǎng)膜特征來(lái)進(jìn)行身份的識(shí)別。 </p><p><b>　　(3)面部識(shí)別</b></p><p>　　面部識(shí)別技術(shù)：通過(guò)對(duì)人的面部表情特征，以及這些表情特征之間的相互關(guān)系，來(lái)進(jìn)行對(duì)比和識(shí)別的就是臉部識(shí)別。</p><p>&

19、lt;b>　　(4)手寫(xiě)體識(shí)別</b></p><p>　　手寫(xiě)體識(shí)別：所謂的手寫(xiě)體識(shí)別就是將手寫(xiě)的文字進(jìn)行數(shù)字化的一個(gè)過(guò)程，通過(guò)測(cè)量圖像本身以及寫(xiě)字的動(dòng)作，以及在每個(gè)字母與字母之間，人們的用不同的速度、寫(xiě)字不同的順序等來(lái)進(jìn)行識(shí)別的，手寫(xiě)體識(shí)別和語(yǔ)音識(shí)別是一樣的，都是一種人體行為測(cè)定學(xué)。 </p><p><b>　　(5)語(yǔ)音識(shí)別</b></

20、p><p>　　語(yǔ)音識(shí)別：語(yǔ)音識(shí)別的定義就是通過(guò)不斷地測(cè)量、通過(guò)記錄出語(yǔ)音的波形和聲音的變化特征，再根據(jù)現(xiàn)場(chǎng)所采集到的語(yǔ)音樣本和登記過(guò)的語(yǔ)音模板進(jìn)行的匹配，最后再通過(guò)計(jì)算機(jī)來(lái)進(jìn)行判斷。 </p><p>　　語(yǔ)言識(shí)別和其他的行為識(shí)別技術(shù)一樣，因?yàn)槿说恼Z(yǔ)音變化的范圍太大，所以有時(shí)候而很難進(jìn)行一些精準(zhǔn)的匹配；同時(shí)語(yǔ)音還會(huì)隨著發(fā)音的音量、發(fā)音的速度和不同的音質(zhì)變化導(dǎo)致采集到語(yǔ)音會(huì)與要對(duì)比的模板有不同

21、的結(jié)果。</p><p><b>　　(6)基因識(shí)別　　</b></p><p>　　DNA基因識(shí)別：基因識(shí)別是當(dāng)今世界最準(zhǔn)確的生物識(shí)別方法之一。但實(shí)現(xiàn)該技術(shù)所需的設(shè)備非常復(fù)雜而且非常昂貴，而且還需要專(zhuān)業(yè)的技術(shù)人員來(lái)進(jìn)行操作這些設(shè)備，而且基因識(shí)別所花費(fèi)的時(shí)間會(huì)很長(zhǎng)，所以DNA基因識(shí)別技術(shù)到目前為止還不能廣泛的應(yīng)用在日常生活中。</p><p>

22、<b>　　(7)指紋識(shí)別</b></p><p>　　指紋識(shí)別技術(shù)：對(duì) “全局特征”、“局部特征”進(jìn)行分析的技術(shù)就是我們所說(shuō)的指紋識(shí)別技術(shù)。而且我們每一個(gè)人的指紋都具有獨(dú)一無(wú)二的特征點(diǎn)，而且這些特征點(diǎn)都是可以測(cè)量的。每一個(gè)特征點(diǎn)還會(huì)伴隨著大概七個(gè)左右不同的特征。可想而知，我們有10個(gè)手指，將產(chǎn)生至少4900的獨(dú)立功能并可以測(cè)量的數(shù)據(jù)。這將意味：指紋識(shí)別技術(shù)是一個(gè)門(mén)可靠的身份識(shí)別技術(shù)。<

23、;/p><p>　　根據(jù)不同的人的指紋也會(huì)有不同，即使是同一個(gè)人，也會(huì)有不同的指紋。而且紋線走向、紋線的斷點(diǎn)、交叉點(diǎn)的不同更加決定了指紋都具有“唯一”的這種特性，這恰恰就是指紋識(shí)別技術(shù)的原理。不僅如此，我們的指紋也是不會(huì)隨著我們年齡的增長(zhǎng)而發(fā)生太大的變化，也就是說(shuō)我們指紋是終生不變的。利用唯一性和穩(wěn)定性這個(gè)指紋的特性，可以將一個(gè)人身份個(gè)人信息和他所對(duì)應(yīng)的指紋聯(lián)系起來(lái)。實(shí)現(xiàn)的方法就是：通過(guò)對(duì)他的指紋樣本的預(yù)先保存，再和

24、指紋模板進(jìn)行配對(duì)和比較。再利用計(jì)算機(jī)對(duì)指紋圖像進(jìn)行快速的識(shí)別。這樣就能很快的識(shí)別出指紋所對(duì)應(yīng)的的人的真實(shí)身份了。從而達(dá)到一種身份認(rèn)證和識(shí)別的功能。常用的幾種生物特征識(shí)別技術(shù)的技術(shù)性能比較如表1.1所示：</p><p>　　表1.1 常用生物識(shí)別技術(shù)比較</p><p>　　由表中很明顯得可以知道，指紋識(shí)別已經(jīng)是各種生物特征識(shí)別領(lǐng)域中綜合性能最好的技術(shù)之一。正因如此，指紋識(shí)別技術(shù)在當(dāng)今的身

25、份認(rèn)證系統(tǒng)中被人們廣泛的應(yīng)用了。</p><p>　　2 指紋識(shí)別的原理和方法</p><p>　　2.1指紋識(shí)別的基本原理</p><p>　　指紋識(shí)別技術(shù)其實(shí)是比較復(fù)雜的。自動(dòng)識(shí)別技術(shù)與人工識(shí)別技術(shù)的方式不同，很多掌握生物識(shí)別技術(shù)的公司并不是直接對(duì)指紋圖像進(jìn)行存儲(chǔ)的。而是多年來(lái)在各個(gè)公司及其研究機(jī)構(gòu)產(chǎn)生了很多數(shù)字化的算法。指紋識(shí)別算法最終還是歸結(jié)在指紋圖象上找到

26、并比對(duì)指紋的特征。</p><p><b>　　1．指紋的特征</b></p><p>　　總體特征和局部特征是我們用來(lái)定義指紋和識(shí)別指紋的兩個(gè)重要的特征。</p><p>　　總體特征：那些光靠人的眼睛就可以很直接的區(qū)分到的生物特征被我們稱(chēng)為是總體特征。環(huán)型、 弓型、 螺旋型這都是指紋的總體特征。而且其他的指紋螺紋圖案也都是基于這三種基本的螺

27、紋圖案的。因此，僅僅依靠這三種基本的螺紋圖案來(lái)區(qū)分指紋是遠(yuǎn)遠(yuǎn)不夠的，但是，這樣做只是為了做一個(gè)粗略的分類(lèi)，因?yàn)檫@樣就可以大大減少搜索數(shù)據(jù)庫(kù)時(shí)的工作量。</p><p>　　局部特征：所謂的局部特征就是指紋圖像上的節(jié)點(diǎn)的特征，這些具有某種特征的節(jié)點(diǎn)我們稱(chēng)之為特征點(diǎn)。我們知道：一般特征，有時(shí)兩個(gè)指紋是相同的，但我們正在談?wù)摰拇砭植刻卣鼽c(diǎn)的特征，這將是不同的。</p><p><b>

28、;　　2．指紋的特征點(diǎn)</b></p><p>　　我們知道，手指的指紋的紋路并不是連續(xù)的，它們有些是打斷的，有些是光滑的，有些是彎的，有些是直的，有些是分開(kāi)的。而這些指紋的斷點(diǎn)、 分叉點(diǎn)還有轉(zhuǎn)折點(diǎn)就被我們稱(chēng)作為“特征點(diǎn)”。正因?yàn)橛辛诉@些特征點(diǎn)，才保證了我們的指紋是唯一的。</p><p>　　2.2指紋識(shí)別系統(tǒng)工作流程</p><p>　　讀取采集到指

29、紋圖象、提取特征點(diǎn)、保存特征點(diǎn)數(shù)據(jù)和對(duì)特征點(diǎn)數(shù)據(jù)進(jìn)行比對(duì)是指紋識(shí)別技術(shù)主要的四個(gè)步驟。</p><p>　　首先，指紋要通過(guò)指紋采集設(shè)備（Fingerprint acquisition device），常見(jiàn)的采集設(shè)備有光學(xué)取像設(shè)備、 超聲波掃描取像設(shè)備、 晶體傳感器等。其中，運(yùn)用的最多的是晶體傳感器。</p><p>　　接著，將采集到的指紋圖像轉(zhuǎn)換為計(jì)算機(jī)內(nèi)可以識(shí)別的數(shù)字圖像就是我們所說(shuō)

30、的灰度圖。但是，由于我們?cè)诓杉^(guò)程中，難以避免因?yàn)槭种富蛘呤莾x器的原因，導(dǎo)致采集到圖像存在比較多的噪聲。所以，為了使我們采集到的圖像變得更清晰，以便于后續(xù)特征提取的操作方便，對(duì)指紋圖像進(jìn)行增強(qiáng)和濾波處理，處理后的圖像再進(jìn)一步的二值化、 細(xì)化[5]，是我們必須要做的事情。而這些步驟就被稱(chēng)作是指紋圖像的預(yù)處理。</p><p>　　然后，在細(xì)化后的指紋點(diǎn)線圖上提取出我們需要的特征值，刪去我們不需要的偽特征值，最終得到

31、我們用進(jìn)行匹配的細(xì)節(jié)點(diǎn)。采集到的圖像細(xì)節(jié)點(diǎn)與模板中的細(xì)節(jié)點(diǎn)進(jìn)行比對(duì)，最終完成指紋匹配。本文著重研究了圖像預(yù)處理和細(xì)節(jié)特征提取這兩個(gè)關(guān)鍵部分。</p><p>　　接著，一套用數(shù)字類(lèi)型表示的指紋特征點(diǎn)數(shù)據(jù)就會(huì)錄入到計(jì)算機(jī)指紋識(shí)別軟件。這是一種只能由指紋信息轉(zhuǎn)換成特征點(diǎn)數(shù)據(jù)的單方向的轉(zhuǎn)換數(shù)據(jù)。對(duì)于不同的兩枚指紋，也會(huì)產(chǎn)生兩組不相同的特征數(shù)據(jù)。這就是識(shí)別軟件的數(shù)據(jù)點(diǎn)。它代表的是指紋的紋路上的交叉點(diǎn)、 斷點(diǎn)或者紋路圍圈處

32、的位置坐標(biāo)信息。這些數(shù)據(jù)點(diǎn)就有七種以上對(duì)應(yīng)的的唯一特征。這些數(shù)據(jù)，就是模板，被保存為1K大小的記錄下來(lái)。</p><p>　　最后，把兩個(gè)指紋的模板進(jìn)行比較，通過(guò)計(jì)算機(jī)來(lái)完成。再計(jì)算出這兩個(gè)指紋模板的相似程度。最終根據(jù)相似度得到兩個(gè)指紋的匹配結(jié)果。指紋識(shí)別系統(tǒng)框圖如圖2.1所示。</p><p>　　圖2.1 指紋識(shí)別系統(tǒng)工作原理框圖</p><p>　　2.3指紋

33、識(shí)別技術(shù)的方法</p><p>　　本文主要研究了：基于LVQ神經(jīng)網(wǎng)絡(luò)的識(shí)別算法。不變矩和濾波特征的指紋識(shí)別算法。指紋點(diǎn)模匹配算法這三種算法。根據(jù)我們已知的三種指紋識(shí)別算法，來(lái)進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)通過(guò)Matlab2012軟件完成，下面分別是這三種算法的優(yōu)缺點(diǎn)。</p><p>　　2.3.1神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法</p><p>　　選用哪種特征是神經(jīng)網(wǎng)絡(luò)識(shí)別方法中的關(guān)

34、鍵性問(wèn)題。通過(guò)分析同種類(lèi)型的指紋，我們發(fā)現(xiàn)了這兩組指紋的差別主要體現(xiàn)在它們所對(duì)應(yīng)的每個(gè)細(xì)節(jié)點(diǎn)上。因此我們就提取了指紋的細(xì)節(jié)點(diǎn)特征，將這些細(xì)節(jié)點(diǎn)特征作為識(shí)別特征，再將每個(gè)樣本提取出來(lái)的細(xì)節(jié)點(diǎn)特征，構(gòu)造成一個(gè)80×1維的向量。這個(gè)向量包含了20個(gè)特征點(diǎn)，而每個(gè)特征點(diǎn)又包含了4維的向量。</p><p>　　矢量化的LVQ神經(jīng)網(wǎng)絡(luò)模型是我們對(duì)特征點(diǎn)計(jì)算的手段?；谶@種方法的聚類(lèi)特性和自組織特性，所以矢量化的L

35、VQ神經(jīng)網(wǎng)絡(luò)模型可以很好地給出特性模式，通過(guò)多維空間的概率分布，來(lái)估算出指紋的匹配度。 其識(shí)別模型如圖2.2所示。</p><p>　　圖2.2 基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)指紋識(shí)別模型</p><p>　　2.3.2 濾波特征和不變矩指紋識(shí)別算法</p><p>　　本文所使用的主要算法是濾波特征和不變矩指紋識(shí)別算法。</p><p>　　濾波特征識(shí)

36、別算法：大小不變，不變的位置，方向不變，這是特征指紋圖像必須滿足的三個(gè)特點(diǎn)。大小不變性是很容易滿足的。而在濾波特征提取算法中，位置不變性，則是通過(guò)確定指紋圖像的中心點(diǎn)位置來(lái)實(shí)現(xiàn)的。通過(guò)在匹配階段，建立起多個(gè)角度的旋轉(zhuǎn)特征向量來(lái)實(shí)現(xiàn)指紋圖像的方向不變性。而濾波特征的提取算法，包括了4 個(gè)步驟。一是先確定指紋圖像的中心點(diǎn)。作為需要處理的指紋區(qū)域的中心位置，記為R01 區(qū)域；二是以中心位參考點(diǎn)，對(duì)R01 區(qū)域來(lái)進(jìn)行適當(dāng)?shù)膭澐?，得到一定大小的塊

37、；三是運(yùn)用一組 Gabor 濾波器，對(duì)R01 區(qū)域做八個(gè)不同方向的濾波運(yùn)算；四是對(duì)濾波后的圖像，分別計(jì)算出每一塊中。圖像灰度值相對(duì)于均值的平均絕對(duì)偏差。 進(jìn)而得到特征向量或特征編碼。這種指紋識(shí)別算法。首先要對(duì)指紋圖像提取濾波特征，然后在特征向量上（由濾波特征值構(gòu)成的）進(jìn)行匹配。</p><p>　　不變矩識(shí)別算法的基本思路是：</p><p>　　搜索預(yù)處理后的二值化圖像中，所有可能成為

38、目標(biāo)的區(qū)域。</p><p>　　計(jì)算出R01區(qū)域中7個(gè)不變矩特征，求出與模板匹配程度最高的R01區(qū)域進(jìn)行匹配。其中相似度度量采用歐式距離（ Euclidean distance）。</p><p>　　這里，搜索算法為系統(tǒng)使用的最簡(jiǎn)單的順序查找方法。就是對(duì)數(shù)據(jù)庫(kù)文件，逐一搜索。一張指紋數(shù)字圖像圖片被系統(tǒng)讀入時(shí)，就會(huì)根據(jù)上述的方法，先對(duì)這一幅指紋數(shù)字圖像進(jìn)行特征值提取和編碼，并保存到臨時(shí)變

39、量中去。系統(tǒng)的指紋數(shù)字圖像數(shù)據(jù)庫(kù)文件里同時(shí)也會(huì)保存一組指紋數(shù)字圖像灰度偏差的特征。過(guò)程如下：</p><p>　　1．申請(qǐng)內(nèi)存空間。將匹配結(jié)果的臨時(shí)變量進(jìn)行保存，對(duì)輸入系統(tǒng)的要匹配的指紋數(shù)字圖像的編碼進(jìn)行保存。</p><p>　　2. 搜索系統(tǒng)的數(shù)據(jù)庫(kù)文件。當(dāng)數(shù)據(jù)庫(kù)文件為空時(shí)，程序結(jié)束查找。</p><p>　　3. 當(dāng)系統(tǒng)的數(shù)據(jù)庫(kù)文件不為空時(shí)。由于在指紋數(shù)字圖像

40、在入庫(kù)的時(shí)候，指紋數(shù)字圖像是按一定排列順序的編碼。同樣地，系統(tǒng)也將匹配的指紋數(shù)字圖像的圖象編碼設(shè)置同樣的順序。這樣系統(tǒng)就按照一定得順序進(jìn)行匹配。這樣可以通過(guò)歐氏距離（ E D）匹配算法，來(lái)判斷兩個(gè)指紋數(shù)字圖像之間的歐氏距離。前面提到系統(tǒng)是對(duì)一張指紋數(shù)字圖像進(jìn)行兩次編碼的保存。將相對(duì)應(yīng)的特征向量進(jìn)行比較，取其中最小的一個(gè)作為系統(tǒng)比對(duì)的結(jié)果輸出。這里是通過(guò)歐式距離來(lái)實(shí)現(xiàn)的對(duì)比數(shù)據(jù)庫(kù)中模板圖像和待測(cè)試圖像相對(duì)應(yīng)的特征點(diǎn)向量距離計(jì)算的。對(duì)于計(jì)算

41、機(jī)計(jì)算出來(lái)的數(shù)據(jù)，如果匹配指數(shù)小于定值 T，則被認(rèn)為是匹配成功，否則匹配失敗。</p><p>　　簡(jiǎn)單的說(shuō)，歐氏距離（ Euclidean distance）就是將兩組特征向量相減，然后求出他們對(duì)應(yīng)之間的差的平方和，然后開(kāi)根號(hào)。舉個(gè)例子來(lái)說(shuō)吧：A=（1，2，3）B=（4，5，6）則他們之間的距離就是 d=sqrt((1-4)2+(2-5)2+(3-6)2)。接著識(shí)別系統(tǒng)就逐一搜索數(shù)據(jù)庫(kù)中的數(shù)據(jù)文件，求的他們距離

42、的最小數(shù)值。如果對(duì)比的兩張指紋數(shù)字圖像的特征向量之間的距離是 0，則系統(tǒng)會(huì)認(rèn)為這兩張數(shù)字圖像是同一張，或者說(shuō)來(lái)自于同一手指。從而達(dá)到識(shí)別的功能。歐氏距離表示的是兩張指紋數(shù)字圖像的特征向量的相似程度。距離越近就越容易相互干擾，誤碼率也就越高，也就越相似。 </p><p>　　2.3.3指紋匹配算法</p><p>　　指紋匹配算法：是指在調(diào)整過(guò)程中的指紋特征值。它要匹配的是指紋圖像和預(yù)先存

43、儲(chǔ)圖像特征值。英國(guó)的專(zhuān)家亨利認(rèn)為，只要13共同特征點(diǎn)存在的兩個(gè)指紋圖像的比例，就可以認(rèn)為這兩個(gè)要比較指紋圖像是相同的指紋。下圖2.3為指紋匹配算法的流程圖。</p><p>　　圖2.3 指紋匹配算法的流程圖</p><p>　　3 指紋識(shí)別算法的實(shí)現(xiàn)</p><p>　　3.1 指紋圖像的預(yù)處理</p><p>　　精確的指紋識(shí)別技術(shù)是非常

44、依賴(lài)于脊的圖案信息來(lái)識(shí)別特征的細(xì)節(jié)結(jié)構(gòu)的。然而，在自動(dòng)指紋識(shí)別過(guò)程中，由于各種因素的影響手指本身的圖像，該指紋傳感器采集的原始狀態(tài)的指紋圖像將受到不同程度的干擾，并且圖像將通常包含大量的噪音，導(dǎo)致指紋圖像質(zhì)量嚴(yán)重下降。</p><p>　　為了確保指紋圖像可以進(jìn)行有效的匹配過(guò)程。圖像預(yù)處理是自動(dòng)指紋識(shí)別系統(tǒng)中最重要的一步，圖像預(yù)處理的好壞會(huì)直接影響到指紋識(shí)別的好壞。預(yù)處理的目的是為了在圖像中除去噪聲，使圖像變成清

45、晰的線，從而提高了指紋圖像可以被識(shí)別的有效區(qū)域的清晰度，方便指紋特征提取。而圖像的預(yù)處理大致可以劃分為以下幾步：</p><p>　　灰度，平滑濾波，歸一化，二值化，細(xì)化。主要流程如下圖：</p><p>　　圖3.1 預(yù)處理主要流程</p><p>　　3.1.1圖像的平滑</p><p>　　指紋圖像預(yù)處理的過(guò)程第一步是對(duì)原始指紋圖像的灰

46、度圖進(jìn)行平滑處理。所謂平滑化處理是通過(guò)在原始指紋圖像濾波和處理選擇適當(dāng)?shù)臑V波處理中，圖像過(guò)濾掉不必要的高頻分量。光滑的主要作用是盡量保持邊緣線的圖像完好，除去原始指紋圖象的離散的，孤立的高對(duì)比度的像素。而在后續(xù)的指紋圖像處理過(guò)程中，這可能會(huì)造成的計(jì)算與分析誤差，但與此同時(shí)也可以盡量的消除指紋圖像中由于圖像噪聲的存在導(dǎo)致的紋路中脊線上會(huì)出現(xiàn)的很多的微小疵點(diǎn)[26]。本文是采取直方圖均衡化的方法[27]來(lái)實(shí)現(xiàn)圖象的增強(qiáng)。</p>

47、<p>　　從原始圖像直方圖相對(duì)濃縮成灰色區(qū)中的所有直方圖中的均衡處理的均勻灰度范圍是中心思想。對(duì)于圖像的空間域點(diǎn)增強(qiáng)過(guò)程是通過(guò)增強(qiáng)函數(shù)t=EH(s)來(lái)完成的。t、s分別代表著目標(biāo)圖像和原始圖像上的像素點(diǎn)(x，y)，在進(jìn)行均衡化處理時(shí)，增強(qiáng)函數(shù)EH需要滿足兩個(gè)條件：[28][29]</p><p>　　(1)增強(qiáng)函數(shù)在EH(s)在0≤s≤L-1的范圍內(nèi)。</p><p>　　

48、(2)對(duì)于0≤s≤L-1應(yīng)當(dāng)有0≤EH(s)≤L-1，它保證了在變換過(guò)程中灰度值的動(dòng)態(tài)范圍是一致的。同理，對(duì)于反變換過(guò)程s=EH-1(t),在0≤t≤1時(shí)函數(shù)也必須滿足上述兩個(gè)條件。通過(guò)該函數(shù)可以完成s到t的均勻分布轉(zhuǎn)換。 </p><p><b>　　具體方法是：</b></p><p>　　給出原始圖像所有灰度級(jí)別Sk,k=0,1…，L-1。 </p>

49、;<p>　　統(tǒng)計(jì)原始圖像各灰度級(jí)別的像素?cái)?shù)nk。</p><p>　　計(jì)算原始圖像的直方圖。用式</p><p>　　P(Sk)= nk/n, k=0,1…，L-1 （3-1）</p><p>　　計(jì)算原始圖像的累計(jì)直方圖：</p><p>　　tk = E

50、H(Sk)=∑(ni/n)=∑Ps(si)，（k=0，1，2……L-1） （3-2）</p><p><b>　　進(jìn)行取整計(jì)算：</b></p><p>　　tk =int[(N-1) tk +k/N] （3-3）</p><p>　　確定映射

51、關(guān)系Sk-tk。</p><p>　　統(tǒng)計(jì)出新的直方圖以及各灰度級(jí)的像素?cái)?shù)nk。</p><p><b>　　計(jì)算出新的直方圖：</b></p><p>　　Pl(tk)= nk/n （3-4）</p><p>　　上述步驟

52、的求和區(qū)間為0- k，根據(jù)該方程可以將原圖像的各像素灰度值直接轉(zhuǎn)換成直方圖。圖3.2給出了用Matlab2012處理后的一幅指紋圖像直方圖。分別均衡化前和均衡化后的指紋圖像對(duì)應(yīng)的直方圖。</p><p>　　圖3.2直方圖均衡化圖像和直方圖</p><p>　　結(jié)論：通過(guò)對(duì)比前后的兩組圖像可以看出，經(jīng)過(guò)均衡化處理之后很多在原始圖像中原本看不清的細(xì)節(jié)也會(huì)變得十分清晰。</p>

53、<p>　　3.1.2圖像的歸一化</p><p>　　為平滑的指紋圖像，這樣做是為了進(jìn)行平滑更高的強(qiáng)度分布獲得的平均灰度。從頻域分析的角度來(lái)看，判斷為圖像的低頻分量的分布。</p><p>　　歸一化相應(yīng)處理程序的數(shù)學(xué)模型可以用下列公式來(lái)描述：</p><p>　　Gij =

54、（3-5）</p><p>　　公式中，I是平滑處理后的指紋圖像，G是平滑處理后的灰度分布圖。</p><p>　　使用高強(qiáng)度化之后，根據(jù)該平均灰度地圖進(jìn)一步計(jì)算灰度的像素的平均值，與周?chē)南袼氐幕叶鹊淖兓钠骄灯交幚?，從而得到歸一化的圖像。</p><p>　　該過(guò)程可由下列公式來(lái)描述：</p><p><b>　　(3-6)

55、</b></p><p><b>　　(3-7)</b></p><p><b>　　(3-8)</b></p><p><b>　　(3-9)</b></p><p><b>　　(3-10)</b></p><p>

56、　　公式中，平滑后的指紋圖像I，高強(qiáng)度后的灰度分布圖G，指紋灰度變化的梯度分布圖V，歸一化后的指紋圖像R。</p><p>　　圖3.3所示為用Matlab2012處理后的高強(qiáng)度濾波指紋圖像的灰度分布，圖3.4所示為歸一化處理后的指紋圖像。</p><p>　　圖3.3高強(qiáng)度濾波后灰度分布圖 圖3.4歸一化后指紋圖</p><p>　

57、　歸一化處理后的圖像具有相同的方差，具有相同的背景和前景的色彩，和歸一化是不會(huì)改變的指紋脊圖案信息的圖像。</p><p>　　3.1.3圖像的紋理方向</p><p>　　為了方便分析和處理方便，應(yīng)該以沿指定區(qū)域或指定像素為中心，在window長(zhǎng)為半徑的參考鄰域中，在3600方向上的灰度變化梯度最小的方向定義為該指定區(qū)域或指定像素的方向。</p><p>　　在1

58、987年，B.M.Mthre提出了方向圖分解方法。采用的是以下這個(gè)公式來(lái)進(jìn)行表示的：</p><p><b>　?。?-11）</b></p><p>　　而第二種方法則是通過(guò)對(duì)峰值點(diǎn)來(lái)識(shí)別紋線的存在性。這一方法對(duì)于清晰的紋線是十分理想的，但對(duì)于三角點(diǎn)或者是灰度均勻區(qū)域，這種峰值就不明顯了。本文是通過(guò)八方向場(chǎng)法來(lái)進(jìn)行計(jì)算的，參見(jiàn)圖3.5</p><

59、p>　　圖3.5像素八個(gè)方向示意圖</p><p>　　具體步驟是：先用以下所列的公式來(lái)分別求出指紋圖像中各個(gè)像素的灰度變化的梯度值大小在D[0]00(1800)、D[1]450 (2250)、D[2]900 (2700)、D[3]1350 (3150)八個(gè)方向上的分量：</p><p><b>　?。?-12）</b></p><p>

60、　　式中，I表示的是指紋圖像，window是參考鄰與的窗口值。</p><p>　　將灰度變化的梯度值在00(1800)方向上的分量變化計(jì)作：dh[0]=d[0]</p><p>　　將灰度變化的梯度值在450 (2250) 方向上的分量變化計(jì)作：dh[1]=d[1]/</p><p>　　將灰度變化的梯度值在900 (2700) 方向上的分量變化計(jì)作：dh[2]=

61、d[2] </p><p>　　灰度變化的梯度值在1350 (3150) 方向上的分量變化計(jì)作：dh[3]=d[3]/</p><p>　　圖3.6指紋圖形塊方向分布圖</p><p>　　3.1.4圖像的二值化</p><p>　　指紋圖像的二值化是指從一個(gè)具有記錄著紋理灰度變化的指紋圖像生成另一個(gè)只有兩種色調(diào)的黑白分明的指紋圖像。使具有灰

62、度的圖像變化成為只有黑白兩種色調(diào)的圖像，這就是二值化圖像，這種二值化圖像的灰度層次從原來(lái)的256級(jí)減少到2級(jí)，相應(yīng)地二值化后的圖像也從8bit格式轉(zhuǎn)成1bit的格式。</p><p>　　迭代閾值方法如下: 　　(1)初始灰度閾值T是開(kāi)始時(shí)設(shè)定的, R1和R2是指紋圖像的兩組灰度值。 　　(2)分別計(jì)算這兩組指紋圖像的平均灰度值u1和u2。 　　(3)然后再將灰度閾值T重新設(shè)置，并重新的定義T。此時(shí)T為:&

63、lt;/p><p>　　T＝(u1+u2)/2。 （3-13）　　(4)再依據(jù)新的T對(duì)指紋圖像來(lái)進(jìn)行閾值分割。 如圖3.7所示。</p><p>　　圖3.7二值化后指紋圖像</p><p><b>　　3.1.5紋線細(xì)化</b></

64、p><p>　　指紋圖像的細(xì)化在指紋識(shí)別預(yù)處理過(guò)程中也十分重要，這也是為提取指紋圖像中特定區(qū)域的特征點(diǎn)做準(zhǔn)備，而對(duì)指紋圖像通常需要采用的方式是指紋圖像的細(xì)化算法處理，細(xì)化后得到與原來(lái)指紋圖像形狀近似的，由簡(jiǎn)單的弧或曲線組成的圖像，這些細(xì)線大多處在指紋的中心軸附近，這就是指紋圖像的細(xì)化。</p><p>　　根據(jù)細(xì)化方法不同,細(xì)化結(jié)果就會(huì)有所差異。這種方法是以某個(gè)像素的局部鄰域(如3×

65、3,5×5等)的圖像特征來(lái)進(jìn)行的處理,此外，也有還有采用邊緣搜索編碼[37]　、外輪廓計(jì)算[38]以及神經(jīng)網(wǎng)絡(luò)等細(xì)化的方法。</p><p>　　對(duì)于任何形狀的區(qū)域中，實(shí)際上是一個(gè)變型過(guò)程。通過(guò)對(duì)指紋圖像的精煉，可以根據(jù)相鄰八個(gè)點(diǎn)的各像素的情況以確定該點(diǎn)是否可以被刪除或保留。</p><p><b>　　圖3.8八個(gè)相鄰點(diǎn)</b></p>&l

66、t;p><b>　　可以看出： </b></p><p>　　(1)表示不能刪除，因?yàn)檫@個(gè)點(diǎn)是個(gè)內(nèi)部點(diǎn)，我們細(xì)化指紋要求的是必須要形成骨架，如果連內(nèi)部點(diǎn)都被刪除了，骨架也就被掏空了；</p><p>　　(2)表示也不能刪除，也是同樣的道理；</p><p>　　(3)表示可以刪除，因?yàn)檫@樣的點(diǎn)不是骨架；</p><p

67、>　　(4)表示不能刪除，因?yàn)閯h除掉后，原來(lái)所相連的部分也會(huì)斷開(kāi)；</p><p>　　(5)表示可以刪除，因?yàn)檫@樣的點(diǎn)并不是骨架；</p><p>　　(6)表示不能刪除，因?yàn)檫@個(gè)點(diǎn)表示的是直線的端點(diǎn)，我們細(xì)化指紋要求的是必須要形成骨架，如果連端點(diǎn)都被刪除了，骨架也就被掏空了；</p><p>　　(7)表示不能刪除，因?yàn)檫@是孤立點(diǎn)，孤立點(diǎn)的骨架就是它自身。

68、</p><p>　　總結(jié)上面的圖，會(huì)得到以下的結(jié)論：</p><p>　　(1)細(xì)化后的內(nèi)部點(diǎn)不能刪除；</p><p>　　(2)細(xì)化后的孤立點(diǎn)不能刪除；</p><p>　　(3)細(xì)化后的直線端點(diǎn)不能刪除；</p><p>　　(4)細(xì)化后，如果P是邊界點(diǎn)，則去掉P后；如果連通分量不增加，則P點(diǎn)可以刪除。<

69、/p><p>　　我們也可以根據(jù)上述結(jié)論，提前的情況作出一個(gè)查找表。將256個(gè)元素（0-255）標(biāo)記為為0或1。然后，根據(jù)我們的調(diào)查表上的點(diǎn)的周?chē)藗€(gè)點(diǎn)，如果表1中的元素，則表示該點(diǎn)被刪除，否則就要保留。查表方法是將白點(diǎn)設(shè)置為一個(gè)黑色點(diǎn)是0;對(duì)應(yīng)于一個(gè)8位數(shù)字的第一位（最低顯著位），只對(duì)應(yīng)于所述第二位置的點(diǎn)之上，對(duì)應(yīng)于右上第三，左相鄰的點(diǎn)左上點(diǎn)對(duì)應(yīng)于第四位置，對(duì)應(yīng)于該點(diǎn)右鄰是第五，左下點(diǎn)對(duì)應(yīng)于第六位，以下對(duì)應(yīng)于第七，

70、右下點(diǎn)對(duì)應(yīng)是第八。但鑒于在各個(gè)點(diǎn)附近的情況下，當(dāng)前像素，就可以得到一個(gè)圖像細(xì)化操作的查找表，這將在詳細(xì)細(xì)化算法的圖像中所表示出來(lái)　　為了避免分裂指紋圖像，導(dǎo)致實(shí)驗(yàn)失敗。細(xì)化過(guò)程還需要兩個(gè)步驟，第一步是標(biāo)記操作，但它是有條件的。即那些像素被移除或未被標(biāo)記將立即消除;第二步是將那些不可消除的點(diǎn)構(gòu)造成一個(gè)3×3模板和細(xì)化查找表，再按照基本算法來(lái)實(shí)現(xiàn)。具體的算法實(shí)現(xiàn)步驟如下： (1)首先定義一個(gè)3×3模板和一個(gè)查找表，

71、模板和查找表分別如表3.1和表3.9所示：</p><p>　　表3.1: 細(xì)化模板</p><p>　　表 3.9 細(xì)化查找表</p><p>　　(2) 接著，從上到下、從左到右的對(duì)二值化的圖像進(jìn)行掃描；等到該過(guò)程結(jié)束后，再?gòu)淖蟮接?，從上到下?duì)二值化圖像進(jìn)行的掃描；如果掃描后的圖像灰度值為“0”，并且它上下左右兩個(gè)像素點(diǎn)中有任意一個(gè)圖像灰度值為"255

72、"則轉(zhuǎn)至步驟(3)，否則重復(fù)步驟(2)； (3)然后以該像素點(diǎn)為中心的3×3區(qū)域內(nèi)的各個(gè)像素值和定義出來(lái)的模板中的權(quán)值進(jìn)行卷積求和，得到查找索引值k； (4)接著再根據(jù)掃描后的圖像灰度值的索引值k得到表中對(duì)應(yīng)的數(shù)據(jù)，如果顯示圖像灰度值是“1”，那么將該像素點(diǎn)的灰度值重新設(shè)為“255”，如果顯示的圖像灰度值是“0”，則該像素點(diǎn)的灰度值任然為“0”。　 (5)最后再將圖像從頭到尾掃描二遍后，如果這次掃

73、描修改了圖像中的點(diǎn)，則跳轉(zhuǎn)至步驟二，開(kāi)始新的一輪掃描。否則圖像細(xì)化結(jié)束。</p><p>　　圖3.10細(xì)化處理后的指紋圖像</p><p>　　圖3.10是一幅經(jīng)過(guò)細(xì)化處理后的指紋圖像，和原圖像相比很明顯可知，細(xì)化后的指紋圖像的脊線寬度由5到8個(gè)像素被壓縮成一個(gè)像素，以便于后續(xù)的特征提取的處理過(guò)程，通過(guò)細(xì)化能夠?qū)咕€的斷點(diǎn)和分叉點(diǎn)進(jìn)行精確定位。</p><p>　

74、　3.2 指紋圖像的特征提取和特征匹配</p><p>　　3.2.1 特征提取</p><p>　　指紋識(shí)別系統(tǒng)的自動(dòng)化水平,在很大程度上是依賴(lài)于系統(tǒng)提取的細(xì)節(jié)特征準(zhǔn)確性。</p><p>　　對(duì)于細(xì)化后的二值圖像都要計(jì)算每個(gè)點(diǎn)值其交叉數(shù)(Cn)。一點(diǎn)R的交叉數(shù)Cn 定義在一個(gè)3×3的模板上，模板如圖3.11所示</p><p>

75、　　圖3.11特征提取模板</p><p>　　R表示的是待檢驗(yàn)的點(diǎn)，如果R表示的是端點(diǎn)，則它的8鄰域點(diǎn)就滿足：</p><p><b>　?。?-14）</b></p><p>　　如果M表示的是分叉點(diǎn)，則它的8鄰域點(diǎn)就滿足：</p><p><b>　?。?-15）</b></p>

76、<p>　　這樣就可以找到指紋圖像的特征點(diǎn)，并記錄了它們的類(lèi)型和位置等特征。</p><p>　　在獲得的特征點(diǎn)，然后對(duì)特征點(diǎn)進(jìn)行測(cè)試其有效性，然后取出假特征點(diǎn)，保留真特征點(diǎn)。然后細(xì)化圖像特征點(diǎn)坐標(biāo)（x，y）和提取出在d點(diǎn)方向的圖像特征點(diǎn)，然后與它的相鄰域，來(lái)形成的情況細(xì)節(jié)點(diǎn)的特征矢量組合。最后，所有的特征向量篩選，留下50-80特征向量構(gòu)成的指紋特征模板。</p><p>　

77、　3.2.2 特征點(diǎn)匹配</p><p><b>　　算法步驟：</b></p><p>　　(1)首先分別讀取兩個(gè)細(xì)節(jié)點(diǎn)集合；</p><p>　　(2)然后再分別計(jì)算他們的r,e,ithetaangle</p><p><b>　　(3-16)</b></p><p>&

78、lt;b>　　(3-17) </b></p><p><b>　?。?-18）</b></p><p>　　x,y表示的是細(xì)節(jié)點(diǎn)的x，y軸坐標(biāo)，angle表示的是細(xì)節(jié)點(diǎn)的角度</p><p>　　(3)接著跟據(jù)ithetaangle的大小按照從小到大排列兩個(gè)細(xì)節(jié)點(diǎn)集合；</p><p>　　(4)然后根

79、據(jù)r,e,ithetaangle的值來(lái)計(jì)算出兩細(xì)節(jié)點(diǎn)集合的匹配度，支持參數(shù)值editdistance[m][n]；</p><p>　　(5)然后再進(jìn)行循環(huán)比較editdistance[m][n]與閾值T的大小（本程序T＝10），大于T則匹配度參數(shù)加1。</p><p>　　(6)最后計(jì)算特征點(diǎn)的匹配度：</p><p>　　匹配度＝匹配度參數(shù)*100/細(xì)節(jié)點(diǎn)數(shù)。&

80、lt;/p><p>　　如果匹配結(jié)果大于70，則表明超過(guò)70％的細(xì)節(jié)點(diǎn)匹配成功，則認(rèn)為兩細(xì)節(jié)點(diǎn)是匹配的。否則匹配不成功，細(xì)節(jié)點(diǎn)不匹配。</p><p>　　特征匹配的流程如圖3.12所示</p><p>　　圖3.12 細(xì)節(jié)點(diǎn)匹配算法程序</p><p><b>　　4 系統(tǒng)實(shí)現(xiàn)</b></p><p&

81、gt;　　4.1仿真實(shí)驗(yàn)前期準(zhǔn)備</p><p>　　4.1.1 仿真實(shí)驗(yàn)的實(shí)驗(yàn)軟件 </p><p>　　這里我們選取了Matlab 2012軟件作為指紋識(shí)別的仿真軟件</p><p>　　圖4.0 Matlab 2012仿真軟件</p><p>　　說(shuō)明：MATLAB2012 對(duì)系統(tǒng)的要求 </p><p>　　操

82、作平臺(tái) Windows 2000 及以上,windows NT4.0 </p><p>　　處理器 Pentiun 3、4,Xeon,Pentium M, Athlon XP, Athlon MP </p><p>　　存儲(chǔ)空間 345MB(僅僅包括幫助系統(tǒng)的 MATLAB) </p><p>　　內(nèi)存 256（最?。?，512（推薦） </p>

83、<p>　　顯卡 16-bit,24-bit 或 32bit 兼容 OpenGL 的圖形適配卡</p><p>　　4.1.2 仿真實(shí)驗(yàn)數(shù)據(jù)的選取</p><p>　　在仿真實(shí)驗(yàn)中，我們選取了10個(gè)指紋圖像作為實(shí)驗(yàn)的模板。并隨機(jī)選取了4個(gè)指紋圖像作為仿真實(shí)驗(yàn)的樣本進(jìn)行配對(duì)的實(shí)驗(yàn)。</p><p>　　特別說(shuō)明：這里，Matlab系統(tǒng)對(duì)所選擇的指紋圖

84、像模板加以了限制，并不是所有的圖片都可以加入到系統(tǒng)的數(shù)據(jù)庫(kù)文件中的，這里圖片至少要滿足以下這些要求： </p><p>　　1．指紋的數(shù)字圖像必須是黑白的； </p><p>　　2．指紋的數(shù)字圖像的大小必須是 256×256 大小的； </p><p>　　3．指紋圖像的文件類(lèi)型必須是圖中給定的文件類(lèi)型；如圖4.1所示：</p><p

85、>　　圖4.1 指紋識(shí)別的MATLAB仿真樣本</p><p>　　小結(jié)：10個(gè)指紋樣本可以分別和自己匹配還有和其他9個(gè)指紋進(jìn)行匹配，會(huì)產(chǎn)生100種不同的結(jié)果，不同的數(shù)據(jù)。從而保證了仿真實(shí)驗(yàn)結(jié)果的可靠性，可操作性。</p><p>　　4.1.3 仿真實(shí)驗(yàn)界面的設(shè)計(jì)</p><p>　　利用MATLAB2012的GUI功能，建立起指紋仿真軟件的仿真界面。<

86、;/p><p>　　程序的實(shí)現(xiàn)主要利用了MATLAB的imread,rgb2gray,dwt2,idwt2,imnoise等與圖像處理相關(guān)的函數(shù)。還要通過(guò)一些Button控件來(lái)完成相應(yīng)的功能，這些功能包括“打開(kāi)指紋圖像”，“圖像增強(qiáng)”，“二值化”，“細(xì)化”和“特征提取”等構(gòu)成。其中還用到了一些Axes控件來(lái)對(duì)處理后的指紋圖像進(jìn)行顯示。</p><p>　　一個(gè)完整的指紋數(shù)字圖像識(shí)別系統(tǒng)界面應(yīng)該

87、包括：指紋數(shù)字圖像采集、指紋入庫(kù)、指紋圖像匹配等功能，考慮到個(gè)人能力有限，因此在這個(gè)系統(tǒng)中，系統(tǒng)主要的功能包括：指紋數(shù)字圖像的入庫(kù)，比對(duì)，數(shù)據(jù)庫(kù)重置和退出等功能。</p><p>　　系統(tǒng)主界面包括以下功能按鈕： </p><p>　　1．創(chuàng)建檢測(cè)樣本數(shù)據(jù)庫(kù)：主要實(shí)現(xiàn)指紋數(shù)字圖像數(shù)據(jù)庫(kù)的創(chuàng)建，這是指紋圖</p><p><b>　　像比對(duì)的前提； <

88、/b></p><p>　　2.待識(shí)別樣本：主要實(shí)現(xiàn)要匹配的指紋圖像的匹配過(guò)程； </p><p>　　3.重置樣本數(shù)據(jù)庫(kù)：清空指紋數(shù)字圖像數(shù)據(jù)庫(kù)； </p><p>　　4.查看指紋樣本圖像； </p><p>　　5.濾波可視化分析結(jié)果； </p><p><b>　　6.退出系統(tǒng)</b>

89、;</p><p>　　界面如圖4.2所示。</p><p>　　圖4.2 指紋識(shí)別的MATLAB仿真</p><p>　　4.1.4仿真實(shí)驗(yàn)算法</p><p>　　仿真實(shí)驗(yàn)所使用的主要算法是濾波特征和不變矩指紋識(shí)別算法。因?yàn)榍拔挠性敿?xì)的介紹，這里就不再詳細(xì)介紹了。這種算法的原理就是通過(guò)歐氏距離（ E D）匹配算法，來(lái)判斷兩個(gè)指紋數(shù)字圖像之

90、間的歐氏距離。之后會(huì)提到系統(tǒng)是對(duì)一張指紋數(shù)字圖像進(jìn)行兩次編碼的保存。將相對(duì)應(yīng)的特征向量進(jìn)行比較，取其中最小的一個(gè)作為系統(tǒng)比對(duì)的結(jié)果輸出。這里是通過(guò)歐式距離來(lái)實(shí)現(xiàn)對(duì)對(duì)比數(shù)據(jù)庫(kù)中模板圖像和待測(cè)試圖像相對(duì)應(yīng)的特征點(diǎn)向量距離計(jì)算的。對(duì)于計(jì)算機(jī)計(jì)算出來(lái)的數(shù)據(jù)，如果匹配指數(shù)小于定值 T，則被認(rèn)為是匹配成功，否則匹配失敗。在仿真實(shí)驗(yàn)中，我們將T定值為1，如果相似度匹配距離超過(guò)1，則證明不是同一個(gè)指紋。如果相似度匹配距離小于1，則證明是同一個(gè)指紋。&l

91、t;/p><p>　　4.2 指紋圖像的預(yù)處理</p><p>　　本次實(shí)驗(yàn)隨機(jī)選取四個(gè)指紋圖像分別進(jìn)行“打開(kāi)指紋圖像”，“圖像增強(qiáng)”，“二值化”，“細(xì)化”“特征提取”“錄入數(shù)據(jù)庫(kù)”等工作，具體說(shuō)明上述文章中已說(shuō)明，在這里就不詳細(xì)描述了。如圖4.3所示。</p><p>　　(a)指紋圖像一 (b)指紋圖像二</p

92、><p>　　(c)指紋圖像三 (d)指紋圖像四</p><p>　　圖4.2 原始指紋圖像</p><p>　　根據(jù)前一章節(jié)的內(nèi)容可知，指紋識(shí)別的步驟第一步是預(yù)處理過(guò)程，首先我們通過(guò)系統(tǒng)分別對(duì)這四個(gè)指紋圖像進(jìn)行圖像增強(qiáng)操作，效果如圖4.3所示。</p><p>　　(a)指紋圖像一

93、 (b)指紋圖像二</p><p>　　(c)指紋圖像三 (d)指紋圖像四 </p><p>　　圖4.3 圖像增強(qiáng)結(jié)果圖</p><p>　　如圖4.3所示，指紋圖像都經(jīng)過(guò)圖像增強(qiáng)后，其黑色與白色區(qū)域更好的被區(qū)分開(kāi)來(lái)，下面我們分別對(duì)四個(gè)指紋圖像進(jìn)行二值化處理，效果如圖4.4所示。

94、</p><p>　　(a)指紋圖像一 (b)指紋圖像二</p><p>　　(c)指紋圖像三 (d)指紋圖像四</p><p>　　圖4.4 二值化處理效果圖</p><p>　　如圖4.4所示，系統(tǒng)對(duì)指紋的二值化處理效果也相當(dāng)不錯(cuò)，達(dá)到了識(shí)

95、別的標(biāo)準(zhǔn)。由于二值化后的指紋紋理都不叫粗，不利于進(jìn)行特征提取，因此還需要對(duì)指紋圖像進(jìn)一步進(jìn)行細(xì)化處理，效果圖如圖4.5所示。</p><p>　　(a)指紋圖像一 (b)指紋圖像二</p><p>　　(c)指紋圖像三 (d)指紋圖像四</p><p>　　圖4.5

96、指紋圖像的細(xì)化處理</p><p>　　在指紋圖像細(xì)化的基礎(chǔ)上進(jìn)行特征提取操作，特征提取的效果圖如圖4.6所示。</p><p>　　(a)指紋圖像一 (b)指紋圖像二</p><p>　　(c)指紋圖像三 (d)指紋圖像四</p><p>　

97、　圖4.6 特征提取效果圖</p><p>　　將四張指紋圖像的特征點(diǎn)數(shù)據(jù)錄入到數(shù)據(jù)庫(kù)中分別標(biāo)號(hào)為1234.如圖4.7所示：</p><p>　　(a)指紋圖像一 (b)指紋圖像二</p><p>　　(c)指紋圖像三 (d)指紋圖像四</p><

98、p>　　圖4.7 將特征值錄入數(shù)據(jù)庫(kù)</p><p>　　4.3 實(shí)驗(yàn)結(jié)果與分析</p><p>　　通過(guò)上述一系列步驟可以看出，系統(tǒng)都能夠?qū)χ讣y識(shí)別的各個(gè)步驟得到理想的結(jié)果，下面我們對(duì)這四個(gè)圖像分別隨機(jī)和10個(gè)指紋模板進(jìn)行比對(duì)，看下系統(tǒng)識(shí)別的準(zhǔn)確度。從而分辨出樣本指紋和模板指紋是否是同一個(gè)指紋。</p><p>　　1、將指紋一和它自己進(jìn)行對(duì)比，如圖4.8所

99、示。</p><p><b>　　圖4.8 匹配成功</b></p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。</p><p>　　2、將指紋一和指紋二，指紋三，指紋四進(jìn)行對(duì)比，如圖4.9所示。</p><p><b>　　圖4.9 匹配失敗</b>

100、</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1695，1673,1774。這代表著這些特征點(diǎn)的偏離程度大于1。證明指紋一和其他三個(gè)指紋都不是同一個(gè)指紋。</p><p>　　3、將指紋二和他本身進(jìn)行對(duì)比，如圖4.10所示。</p><p>　　圖4.10 匹配成功</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相

101、似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。</p><p>　　4、將指紋二和指紋一，指紋三，指紋四進(jìn)行對(duì)比，如圖4.11所示。</p><p>　　圖4.11 匹配失敗</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1695，1357,1977。這代表著這些特征點(diǎn)的偏離程度大于1。證明指紋二和其他三個(gè)指紋都不是同一個(gè)指紋。</p

102、><p>　　5、將指紋二和他本身進(jìn)行對(duì)比，如圖4.12所示。</p><p>　　圖4.12 匹配成功</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。</p><p>　　6、將指紋三和指紋一，指紋二，指紋四進(jìn)行對(duì)比，如圖4.13所示。</p><p>　　圖4.13

103、匹配失敗</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1673，1357,2100。這代表著這些特征點(diǎn)的偏離程度大于1。證明指紋三和其他三個(gè)指紋都不是同一個(gè)指紋。</p><p>　　7、將指紋四和他本身進(jìn)行對(duì)比，如圖4.14所示。</p><p>　　圖4.14 匹配成功</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中

104、提示的相似度匹配的距離是0，證明這兩個(gè)指紋是同一個(gè)指紋。</p><p>　　8、將指紋四和指紋一，指紋二，指紋三進(jìn)行對(duì)比，如圖4.15所示。</p><p>　　圖4.15 匹配失敗</p><p>　　仿真結(jié)果小結(jié)：識(shí)別庫(kù)中提示的相似度匹配的距離分別是1770，1935,2042。這代表著這些特征點(diǎn)的偏離程度大于1。證明指紋四和其他三個(gè)指紋都不是同一個(gè)指紋。&l

105、t;/p><p>　　4.4 實(shí)驗(yàn)結(jié)果分析與總結(jié)</p><p>　　表4.1 實(shí)驗(yàn)結(jié)果匯總表</p><p>　　本實(shí)驗(yàn)共選取了4組指紋樣本，4組指紋模板，共進(jìn)行了16次模擬匹配實(shí)驗(yàn)，其中4組匹配成功，12組匹配失敗。16組實(shí)驗(yàn)中的實(shí)驗(yàn)結(jié)果均與實(shí)際情況相同，所以本實(shí)驗(yàn)的識(shí)別率為100%。實(shí)驗(yàn)結(jié)果無(wú)誤可靠。</p><p>　　通過(guò)這4組指紋共1

106、6組數(shù)據(jù)，共同表明：由于在指紋數(shù)字圖像在入庫(kù)的時(shí)候，指紋數(shù)字圖像是按一定排列順序的編碼。同樣地，系統(tǒng)也將匹配的指紋數(shù)字圖像的圖象編碼設(shè)置同樣的順序。這樣系統(tǒng)就按照一定得順序進(jìn)行匹配。這樣可以通過(guò)歐氏距離（ E D）匹配算法，來(lái)判斷兩個(gè)指紋數(shù)字圖像之間的歐氏距離。前面提到系統(tǒng)是對(duì)一張指紋數(shù)字圖像進(jìn)行兩次編碼的保存。將相對(duì)應(yīng)的特征向量進(jìn)行比較，取其中最小的一個(gè)作為系統(tǒng)比對(duì)的結(jié)果輸出。這里是通過(guò)對(duì)比數(shù)據(jù)庫(kù)中模板圖像和待測(cè)試圖像相對(duì)應(yīng)的特征點(diǎn)的

107、歐式距離來(lái)實(shí)現(xiàn)的。對(duì)于需要對(duì)比的兩組指紋圖，如果匹配指數(shù)小于定值 T，則認(rèn)為匹配成功，否則失敗。</p><p>　　識(shí)別系統(tǒng)會(huì)逐一搜索數(shù)據(jù)庫(kù)中的數(shù)據(jù)文件，求的他們距離的最小數(shù)值。如果對(duì)比的兩張指紋數(shù)字圖像的特征向量之間的距離是 0，則系統(tǒng)會(huì)認(rèn)為這兩張數(shù)字圖像是同一張，或者說(shuō)來(lái)自于同一手指。從而達(dá)到識(shí)別的功能。歐氏距離表示的是兩張指紋數(shù)字圖像的特征向量的相似程度。距離越近就越容易相互干擾，誤碼率也就越高，也就越相

108、似。</p><p><b>　　5 小結(jié)</b></p><p>　　在生物識(shí)別技術(shù)的快速發(fā)展的今天，人們通過(guò)研究發(fā)現(xiàn)了每一個(gè)人的指紋都具有唯一性和不變性。也正因?yàn)檫@樣，指紋識(shí)別技術(shù)正在逐步的發(fā)展成為一種新的身份識(shí)別技術(shù)，并且憑借它良好的安全性以及可靠性，逐步有取代傳統(tǒng)身份認(rèn)證的方式趨勢(shì)。</p><p>　　本文簡(jiǎn)單的介紹了指紋識(shí)別圖像的預(yù)

109、處理的方法和步驟。指紋圖像預(yù)處理之后將會(huì)得到一個(gè)寬度為統(tǒng)一像素的細(xì)化后的二值化圖像，最后再根據(jù)特定的指紋圖像的端點(diǎn)以及交叉點(diǎn)的特征進(jìn)行對(duì)指紋自動(dòng)匹配。本論文中采用MATLAB2012編程實(shí)現(xiàn)所有算法。</p><p>　　根據(jù)不同的人的指紋也會(huì)有不同，即使是同一個(gè)人，也會(huì)有不同的指紋。而且紋線走向、紋線的斷點(diǎn)、交叉點(diǎn)的不同更加決定了指紋都具有“唯一”的這種特性，這恰恰就是指紋識(shí)別技術(shù)的原理。不僅如此，我們的指紋也

110、是不會(huì)隨著我們年齡的增長(zhǎng)而發(fā)生太大的變化，也就是說(shuō)我們指紋是終生不變的。利用唯一性和穩(wěn)定性這個(gè)指紋的特性，可以將一個(gè)人身份個(gè)人信息和他所對(duì)應(yīng)的指紋聯(lián)系起來(lái)。實(shí)現(xiàn)的方法就是：指紋圖像預(yù)處理之后將會(huì)得到一個(gè)寬度為統(tǒng)一像素的細(xì)化后的二值化圖像，最后再根據(jù)特定的指紋圖像的端點(diǎn)以及交叉點(diǎn)的特征進(jìn)行對(duì)指紋自動(dòng)匹配。接著把預(yù)先保存指紋樣本，和指紋模板進(jìn)行配對(duì)和比較。再利用計(jì)算機(jī)對(duì)指紋圖像進(jìn)行快速的識(shí)別。這樣就能很快的識(shí)別出指紋所對(duì)應(yīng)的人的真實(shí)身份了。

111、從而達(dá)到一種身份認(rèn)證和識(shí)別的功能。</p><p><b>　　參 考 文 獻(xiàn)</b></p><p>　　[1] 楊強(qiáng) 譚禮俊 生物識(shí)別技術(shù)對(duì)比淺析 大眾科技    2005年02期</p><p>　　[2] 生物識(shí)別有望成為IT產(chǎn)業(yè)最重要技術(shù)革命 安防科技    2005年02期</p&

112、gt;<p>　　[3]許峰 都思丹 高敦堂 生物特征識(shí)別技術(shù)中的活體確認(rèn) 數(shù)據(jù)采集與處理  2005年01期</p><p>　　[4]郭一博 生物特征識(shí)別技術(shù)最新動(dòng)向 中國(guó)安防產(chǎn)品信息    2004年04期  </p><p>　　[5]李徐周 生物特征識(shí)別技術(shù)的發(fā)展與應(yīng)用 山東省青年管理干部學(xué)院學(xué)報(bào)  2004年0

113、1期</p><p>　　[6]楊俊 景疆 淺談生物認(rèn)證技術(shù)—指紋識(shí)別 計(jì)算機(jī)時(shí)代    2004年03期</p><p>　　[7] 趙丙辰 嵌入式系統(tǒng)的核心——嵌入式處理器的分類(lèi)與選型 新鄉(xiāng)師范高等專(zhuān)科學(xué)校學(xué)報(bào)   2005年05期</p><p>　　[8]楊志強(qiáng) 嵌入式系統(tǒng)設(shè)計(jì)與發(fā)展 青海師范大學(xué)學(xué)報(bào)(自然科學(xué)

114、版) 2005年03期</p><p>　　[9]周超. 謝宗武. 王建宇 一種基于DSP的移動(dòng)機(jī)器人嵌入式控制系統(tǒng) 機(jī)械與電子  005年09期</p><p>　　[10] 指紋識(shí)別技術(shù)概述 計(jì)算機(jī)安全 2003.7</p><p>　　[11]H.C. Lee and R.E. Gaensslen, Advances in Fingerprint