畢業(yè)論文-基于matlab的指紋識別

1、<p>　　畢 業(yè) 論 文</p><p>　　基于Matlab的指紋識別</p><p><b>　　姓 名 </b></p><p><b>　　院（系） </b></p><p><b>　　專業(yè)班級 </b></p><p

2、><b>　　學 號 </b></p><p><b>　　指導教師 </b></p><p><b>　　職 稱 </b></p><p><b>　　論文答辯日期 </b></p><p><b>　　摘 要&

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

4、過研究發(fā)現(xiàn)了每一個人的指紋都具有唯一性和不變性。也正因為這樣，指紋識別技術(shù)正在逐步的發(fā)展成為一種新的身份識別技術(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)身份認證的方式趨勢。</p><p>　　本文簡單的介紹了指紋識別圖像的預處理的方法和步驟。指紋圖像預處理之后將會得到一個寬度為統(tǒng)一像素的細化后的二值化圖像，最后再根據(jù)特定的指紋圖像的端點以及交叉點的特征進行對指紋自動匹配。本論文中采用MATLAB201

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

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

7、<p>　　2.3.2 濾波特征和不變矩指紋識別算法7</p><p>　　2.3.3 指紋匹配算法9</p><p>　　3 指紋識別算法的實現(xiàn)10</p><p>　　3.1 指紋圖像的預處理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、 特征點匹配20</p><p><b>　　4 系統(tǒng)實現(xiàn)22</b></p><p>　　4.1仿真實驗前期準備22</p><p>　　4.1.1 仿真實驗的實驗軟件22</p><p>　　4.1.2 仿真實驗數(shù)據(jù)的選取22</p><p>　　4.1.3 仿真實驗界面的設計23

10、</p><p>　　4.1.4 仿真實驗算法24</p><p>　　4.2 指紋圖像的預處理25</p><p>　　4.3 實驗結(jié)果與分析31</p><p>　　4.4 實驗結(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</b></p><p><b>　　Abstract</b></p><p><b>　　致 謝</b></p><p><b>　　1 緒論</b></p><p>　　如今，生物特征識別領(lǐng)域中的最為成熟的應用技術(shù)之

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

13、c Identification Technology）的定義是：利用人體的不同的生物特征來進行對人的身份進行認證的一種技術(shù)[1]。這是因為人的生物特征是唯一的，可以區(qū)分與他人不同的特征。并且我們還可以通過技術(shù)測量或者是自動識別來檢驗出生理特性以及行為方式，我們所說的這個特征分為生理特征、行為特征。我們對生物特性來進行提取并放入數(shù)據(jù)庫，再將提取出來的人的唯一特征和它的身份一一對應起來。典型的生物識別系統(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 生物識別系統(tǒng)主要結(jié)構(gòu)框圖</p><p>　　在當今世界的很多計算機系統(tǒng)中，其中包含了很多非常機密非常軍方的系統(tǒng)，而這些系統(tǒng)都是簡單的使用“賬號戶名+密碼”的方式來進行對用戶的身份的認證以及訪問的控制。但事實上，這種設計方案卻經(jīng)常遇到一些很常見的問題。比如，設置的密碼容易被人們忘記，密碼太多一時容易混亂，而且與此同時，密碼畢竟不會很長很復雜所以也很容易被他人所竊

15、取。而最重要的一點是，如果用戶一時間忘記了當初他設置的密碼，他就不能進入系統(tǒng)了，當然忘記密碼可以通過身份認證來重新設定密碼來恢復工作，但是這樣做很耗費時間，而且身份認證的手續(xù)麻煩，條件很多，這會給用戶帶來很多損失。很多有關(guān)機構(gòu)通過調(diào)查，表明了因為用戶忘記密碼而產(chǎn)生的一連串問題已經(jīng)成為阻礙人們生活的一個重要問題。</p><p>　　人們而為了防止這類事件的頻繁發(fā)生，一種新的身份認證手段便由此而生，這便是“人體的生

16、物特征識別技術(shù)”。它的誕生是因為每一個人自身所具有的生物特征不同，而這種不同恰好可以對每個人的真實身份來進行識別和認證。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“隨時攜帶”的這三個主要的特點，然而這也確保了我們的生物特征識別技術(shù)的精確性以及可靠性。</p><p>　　1.2 生物特征識別分類</p><p>　　目前為止，有很多生物特征識別技術(shù)。但是，它們當中有的已

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

18、lt;/p><p>　　視網(wǎng)膜識別技術(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)膜特征來進行身份的識別。 </p><p><b>　　(3)面部識別</b></p><p>　　面部識別技術(shù)：通過對人的面部表情特征，以及這些表情特征之間的相互關(guān)系，來進行對比和識別的就是臉部識別。</p><p>&

19、lt;b>　　(4)手寫體識別</b></p><p>　　手寫體識別：所謂的手寫體識別就是將手寫的文字進行數(shù)字化的一個過程，通過測量圖像本身以及寫字的動作，以及在每個字母與字母之間，人們的用不同的速度、寫字不同的順序等來進行識別的，手寫體識別和語音識別是一樣的，都是一種人體行為測定學。 </p><p><b>　　(5)語音識別</b></

20、p><p>　　語音識別：語音識別的定義就是通過不斷地測量、通過記錄出語音的波形和聲音的變化特征，再根據(jù)現(xiàn)場所采集到的語音樣本和登記過的語音模板進行的匹配，最后再通過計算機來進行判斷。 </p><p>　　語言識別和其他的行為識別技術(shù)一樣，因為人的語音變化的范圍太大，所以有時候而很難進行一些精準的匹配；同時語音還會隨著發(fā)音的音量、發(fā)音的速度和不同的音質(zhì)變化導致采集到語音會與要對比的模板有不同

21、的結(jié)果。</p><p><b>　　(6)基因識別　　</b></p><p>　　DNA基因識別：基因識別是當今世界最準確的生物識別方法之一。但實現(xiàn)該技術(shù)所需的設備非常復雜而且非常昂貴，而且還需要專業(yè)的技術(shù)人員來進行操作這些設備，而且基因識別所花費的時間會很長，所以DNA基因識別技術(shù)到目前為止還不能廣泛的應用在日常生活中。</p><p>

22、<b>　　(7)指紋識別</b></p><p>　　指紋識別技術(shù)：對 “全局特征”、“局部特征”進行分析的技術(shù)就是我們所說的指紋識別技術(shù)。而且我們每一個人的指紋都具有獨一無二的特征點，而且這些特征點都是可以測量的。每一個特征點還會伴隨著大概七個左右不同的特征?？上攵?，我們有10個手指，將產(chǎn)生至少4900的獨立功能并可以測量的數(shù)據(jù)。這將意味：指紋識別技術(shù)是一個門可靠的身份識別技術(shù)。<

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

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

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

26、并比對指紋的特征。</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定義指紋和識別指紋的兩個重要的特征。</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區(qū)分指紋是遠遠不夠的，但是，這樣做只是為了做一個粗略的分類，因為這樣就可以大大減少搜索數(shù)據(jù)庫時的工作量。</p><p>　　局部特征：所謂的局部特征就是指紋圖像上的節(jié)點的特征，這些具有某種特征的節(jié)點我們稱之為特征點。我們知道：一般特征，有時兩個指紋是相同的，但我們正在談論的代表局部特征點的特征，這將是不同的。</p><p><b>

28、;　　2．指紋的特征點</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，有些是分開的。而這些指紋的斷點、 分叉點還有轉(zhuǎn)折點就被我們稱作為“特征點”。正因為有了這些特征點，才保證了我們的指紋是唯一的。</p><p>　　2.2指紋識別系統(tǒng)工作流程</p><p>　　讀取采集到指

29、紋圖象、提取特征點、保存特征點數(shù)據(jù)和對特征點數(shù)據(jù)進行比對是指紋識別技術(shù)主要的四個步驟。</p><p>　　首先，指紋要通過指紋采集設備（Fingerprint acquisition device），常見的采集設備有光學取像設備、 超聲波掃描取像設備、 晶體傳感器等。其中，運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)換為計算機內(nèi)可以識別的數(shù)字圖像就是我們所說

30、的灰度圖。但是，由于我們在采集過程中，難以避免因為手指或者是儀器的原因，導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，對指紋圖像進行增強和濾波處理，處理后的圖像再進一步的二值化、 細化[5]，是我們必須要做的事情。而這些步驟就被稱作是指紋圖像的預處理。</p><p>　　然后，在細化后的指紋點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、我們用進行匹配的細節(jié)點。采集到的圖像細節(jié)點與模板中的細節(jié)點進行比對，最終完成指紋匹配。本文著重研究了圖像預處理和細節(jié)特征提取這兩個關(guān)鍵部分。</p><p>　　接著，一套用數(shù)字類型表示的指紋特征點數(shù)據(jù)就會錄入到計算機指紋識別軟件。這是一種只能由指紋信息轉(zhuǎn)換成特征點數(shù)據(jù)的單方向的轉(zhuǎn)換數(shù)據(jù)。對于不同的兩枚指紋，也會產(chǎn)生兩組不相同的特征數(shù)據(jù)。這就是識別軟件的數(shù)據(jù)點。它代表的是指紋的紋路上的交叉點、 斷點或者紋路圍圈處

32、的位置坐標信息。這些數(shù)據(jù)點就有七種以上對應的的唯一特征。這些數(shù)據(jù)，就是模板，被保存為1K大小的記錄下來。</p><p>　　最后，把兩個指紋的模板進行比較，通過計算機來完成。再計算出這兩個指紋模板的相似程度。最終根據(jù)相似度得到兩個指紋的匹配結(jié)果。指紋識別系統(tǒng)框圖如圖2.1所示。</p><p>　　圖2.1 指紋識別系統(tǒng)工作原理框圖</p><p>　　2.3指紋

33、識別技術(shù)的方法</p><p>　　本文主要研究了：基于LVQ神經(jīng)網(wǎng)絡的識別算法。不變矩和濾波特征的指紋識別算法。指紋點模匹配算法這三種算法。根據(jù)我們已知的三種指紋識別算法，來進行仿真實驗，實驗通過Matlab2012軟件完成，下面分別是這三種算法的優(yōu)缺點。</p><p>　　2.3.1神經(jīng)網(wǎng)絡指紋識別算法</p><p>　　選用哪種特征是神經(jīng)網(wǎng)絡識別方法中的關(guān)

34、鍵性問題。通過分析同種類型的指紋，我們發(fā)現(xiàn)了這兩組指紋的差別主要體現(xiàn)在它們所對應的每個細節(jié)點上。因此我們就提取了指紋的細節(jié)點特征，將這些細節(jié)點特征作為識別特征，再將每個樣本提取出來的細節(jié)點特征，構(gòu)造成一個80×1維的向量。這個向量包含了20個特征點，而每個特征點又包含了4維的向量。</p><p>　　矢量化的LVQ神經(jīng)網(wǎng)絡模型是我們對特征點計算的手段?；谶@種方法的聚類特性和自組織特性，所以矢量化的L

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

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特點。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，則是通過確定指紋圖像的中心點位置來實現(xiàn)的。通過在匹配階段，建立起多個角度的旋轉(zhuǎn)特征向量來實現(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 個步驟。一是先確定指紋圖像的中心點。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，對R01 區(qū)域來進行適當?shù)膭澐郑玫揭欢ù笮〉膲K

37、；三是運用一組 Gabor 濾波器，對R01 區(qū)域做八個不同方向的濾波運算；四是對濾波后的圖像，分別計算出每一塊中。圖像灰度值相對于均值的平均絕對偏差。 進而得到特征向量或特征編碼。這種指紋識別算法。首先要對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）進行匹配。</p><p>　　不變矩識別算法的基本思路是：</p><p>　　搜索預處理后的二值化圖像中，所有可能成為

38、目標的區(qū)域。</p><p>　　計算出R01區(qū)域中7個不變矩特征，求出與模板匹配程度最高的R01區(qū)域進行匹配。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)使用的最簡單的順序查找方法。就是對數(shù)據(jù)庫文件，逐一搜索。一張指紋數(shù)字圖像圖片被系統(tǒng)讀入時，就會根據(jù)上述的方法，先對這一幅指紋數(shù)字圖像進行特征值提取和編碼，并保存到臨時變

39、量中去。系統(tǒng)的指紋數(shù)字圖像數(shù)據(jù)庫文件里同時也會保存一組指紋數(shù)字圖像灰度偏差的特征。過程如下：</p><p>　　1．申請內(nèi)存空間。將匹配結(jié)果的臨時變量進行保存，對輸入系統(tǒng)的要匹配的指紋數(shù)字圖像的編碼進行保存。</p><p>　　2. 搜索系統(tǒng)的數(shù)據(jù)庫文件。當數(shù)據(jù)庫文件為空時，程序結(jié)束查找。</p><p>　　3. 當系統(tǒng)的數(shù)據(jù)庫文件不為空時。由于在指紋數(shù)字圖像

40、在入庫的時候，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置同樣的順序。這樣系統(tǒng)就按照一定得順序進行匹配。這樣可以通過歐氏距離（ E D）匹配算法，來判斷兩個指紋數(shù)字圖像之間的歐氏距離。前面提到系統(tǒng)是對一張指紋數(shù)字圖像進行兩次編碼的保存。將相對應的特征向量進行比較，取其中最小的一個作為系統(tǒng)比對的結(jié)果輸出。這里是通過歐式距離來實現(xiàn)的對比數(shù)據(jù)庫中模板圖像和待測試圖像相對應的特征點向量距離計算的。對于計算

41、機計算出來的數(shù)據(jù)，如果匹配指數(shù)小于定值 T，則被認為是匹配成功，否則匹配失敗。</p><p>　　簡單的說，歐氏距離（ Euclidean distance）就是將兩組特征向量相減，然后求出他們對應之間的差的平方和，然后開根號。舉個例子來說吧：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)。接著識別系統(tǒng)就逐一搜索數(shù)據(jù)庫中的數(shù)據(jù)文件，求的他們距離

42、的最小數(shù)值。如果對比的兩張指紋數(shù)字圖像的特征向量之間的距離是 0，則系統(tǒng)會認為這兩張數(shù)字圖像是同一張，或者說來自于同一手指。從而達到識別的功能。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)整過程中的指紋特征值。它要匹配的是指紋圖像和預先存

43、儲圖像特征值。英國的專家亨利認為，只要13共同特征點存在的兩個指紋圖像的比例，就可以認為這兩個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 指紋識別算法的實現(xiàn)</p><p>　　3.1 指紋圖像的預處理</p><p>　　精確的指紋識別技術(shù)是非常

44、依賴于脊的圖案信息來識別特征的細節(jié)結(jié)構(gòu)的。然而，在自動指紋識別過程中，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，導致指紋圖像質(zhì)量嚴重下降。</p><p>　　為了確保指紋圖像可以進行有效的匹配過程。圖像預處理是自動指紋識別系統(tǒng)中最重要的一步，圖像預處理的好壞會直接影響到指紋識別的好壞。預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別的有效區(qū)域的清晰度，方便指紋特征提取。而圖像的預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，細化。主要流程如下圖：</p><p>　　圖3.1 預處理主要流程</p><p>　　3.1.1圖像的平滑</p><p>　　指紋圖像預處理的過程第一步是對原始指紋圖像的灰

46、度圖進行平滑處理。所謂平滑化處理是通過在原始指紋圖像濾波和處理選擇適當?shù)臑V波處理中，圖像過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，孤立的高對比度的像素。而在后續(xù)的指紋圖像處理過程中，這可能會造成的計算與分析誤差，但與此同時也可以盡量的消除指紋圖像中由于圖像噪聲的存在導致的紋路中脊線上會出現(xiàn)的很多的微小疵點[26]。本文是采取直方圖均衡化的方法[27]來實現(xiàn)圖象的增強。</p>

47、<p>　　從原始圖像直方圖相對濃縮成灰色區(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。對于圖像的空間域點增強過程是通過增強函數(shù)t=EH(s)來完成的。t、s分別代表著目標圖像和原始圖像上的像素點(x，y)，在進行均衡化處理時，增強函數(shù)EH需要滿足兩個條件：[28][29]</p><p>　　(1)增強函數(shù)在EH(s)在0≤s≤L-1的范圍內(nèi)。</p><p>　　

48、(2)對于0≤s≤L-1應當有0≤EH(s)≤L-1，它保證了在變換過程中灰度值的動態(tài)范圍是一致的。同理，對于反變換過程s=EH-1(t),在0≤t≤1時函數(shù)也必須滿足上述兩個條件。通過該函數(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別Sk,k=0,1…，L-1。 </p>

49、;<p>　　統(tǒng)計原始圖像各灰度級別的像素數(shù)nk。</p><p>　　計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>　　計算原始圖像的累計直方圖：</p><p>　　tk = E

50、H(Sk)=∑(ni/n)=∑Ps(si)，（k=0，1，2……L-1） （3-2）</p><p><b>　　進行取整計算：</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)計出新的直方圖以及各灰度級的像素數(shù)nk。</p><p><b>　　計算出新的直方圖：</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應的直方圖。</p><p>　　圖3.2直方圖均衡化圖像和直方圖</p><p>　　結(jié)論：通過對比前后的兩組圖像可以看出，經(jīng)過均衡化處理之后很多在原始圖像中原本看不清的細節(jié)也會變得十分清晰。</p>

53、<p>　　3.1.2圖像的歸一化</p><p>　　為平滑的指紋圖像，這樣做是為了進行平滑更高的強度分布獲得的平均灰度。從頻域分析的角度來看，判斷為圖像的低頻分量的分布。</p><p>　　歸一化相應處理程序的數(shù)學模型可以用下列公式來描述：</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>　　使用高強度化之后，根據(jù)該平均灰度地圖進一步計算灰度的像素的平均值，與周圍的像素的灰度的變化的平均值平滑處理，從而得到歸一化的圖像。</p><p>　　該過程可由下列公式來描述：</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，應該以沿指定區(qū)域或指定像素為中心，在window長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。采用的是以下這個公式來進行表示的：</p><p><b>　?。?-11）</b></p><p>　　而第二種方法則是通過對峰值點來識別紋線的存在性。這一方法對于清晰的紋線是十分理想的，但對于三角點或者是灰度均勻區(qū)域，這種峰值就不明顯了。本文是通過八方向場法來進行計算的，參見圖3.5</p><

59、p>　　圖3.5像素八個方向示意圖</p><p>　　具體步驟是：先用以下所列的公式來分別求出指紋圖像中各個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具有記錄著紋理灰度變化的指紋圖像生成另一個只有兩種色調(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的256級減少到2級，相應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是開始時設定的, R1和R2是指紋圖像的兩組灰度值。 　　(2)分別計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重新設置，并重新的定義T。此時T為:&

63、lt;/p><p>　　T＝(u1+u2)/2。 （3-13）　　(4)再依據(jù)新的T對指紋圖像來進行閾值分割。 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紋線細化</b></

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

65、3,5×5等)的圖像特征來進行的處理,此外，也有還有采用邊緣搜索編碼[37]　、外輪廓計算[38]以及神經(jīng)網(wǎng)絡等細化的方法。</p><p>　　對于任何形狀的區(qū)域中，實際上是一個變型過程。通過對指紋圖像的精煉，可以根據(jù)相鄰八個點的各像素的情況以確定該點是否可以被刪除或保留。</p><p><b>　　圖3.8八個相鄰點</b></p>&l

66、t;p><b>　　可以看出： </b></p><p>　　(1)表示不能刪除，因為這個點是個內(nèi)部點，我們細化指紋要求的是必須要形成骨架，如果連內(nèi)部點都被刪除了，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，因為這樣的點不是骨架；</p><p

67、>　　(4)表示不能刪除，因為刪除掉后，原來所相連的部分也會斷開；</p><p>　　(5)表示可以刪除，因為這樣的點并不是骨架；</p><p>　　(6)表示不能刪除，因為這個點表示的是直線的端點，我們細化指紋要求的是必須要形成骨架，如果連端點都被刪除了，骨架也就被掏空了；</p><p>　　(7)表示不能刪除，因為這是孤立點，孤立點的骨架就是它自身。

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

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查找表。將256個元素（0-255）標記為為0或1。然后，根據(jù)我們的調(diào)查表上的點的周圍八個點，如果表1中的元素，則表示該點被刪除，否則就要保留。查表方法是將白點設置為一個黑色點是0;對應于一個8位數(shù)字的第一位（最低顯著位），只對應于所述第二位置的點之上，對應于右上第三，左相鄰的點左上點對應于第四位置，對應于該點右鄰是第五，左下點對應于第六位，以下對應于第七，

70、右下點對應是第八。但鑒于在各個點附近的情況下，當前像素，就可以得到一個圖像細化操作的查找表，這將在詳細細化算法的圖像中所表示出來　　為了避免分裂指紋圖像，導致實驗失敗。細化過程還需要兩個步驟，第一步是標記操作，但它是有條件的。即那些像素被移除或未被標記將立即消除;第二步是將那些不可消除的點構(gòu)造成一個3×3模板和細化查找表，再按照基本算法來實現(xiàn)。具體的算法實現(xiàn)步驟如下： (1)首先定義一個3×3模板和一個查找表，

71、模板和查找表分別如表3.1和表3.9所示：</p><p>　　表3.1: 細化模板</p><p>　　表 3.9 細化查找表</p><p>　　(2) 接著，從上到下、從左到右的對二值化的圖像進行掃描；等到該過程結(jié)束后，再從左到右，從上到下對二值化圖像進行的掃描；如果掃描后的圖像灰度值為“0”，并且它上下左右兩個像素點中有任意一個圖像灰度值為"255

72、"則轉(zhuǎn)至步驟(3)，否則重復步驟(2)； (3)然后以該像素點為中心的3×3區(qū)域內(nèi)的各個像素值和定義出來的模板中的權(quán)值進行卷積求和，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得到表中對應的數(shù)據(jù)，如果顯示圖像灰度值是“1”，那么將該像素點的灰度值重新設為“255”，如果顯示的圖像灰度值是“0”，則該像素點的灰度值任然為“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，則跳轉(zhuǎn)至步驟二，開始新的一輪掃描。否則圖像細化結(jié)束。</p><p>　　圖3.10細化處理后的指紋圖像</p><p>　　圖3.10是一幅經(jīng)過細化處理后的指紋圖像，和原圖像相比很明顯可知，細化后的指紋圖像的脊線寬度由5到8個像素被壓縮成一個像素，以便于后續(xù)的特征提取的處理過程，通過細化能夠?qū)咕€的斷點和分叉點進行精確定位。</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>　　指紋識別系統(tǒng)的自動化水平,在很大程度上是依賴于系統(tǒng)提取的細節(jié)特征準確性。</p><p>　　對于細化后的二值圖像都要計算每個點值其交叉數(shù)(Cn)。一點R的交叉數(shù)Cn 定義在一個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表示的是待檢驗的點，如果R表示的是端點，則它的8鄰域點就滿足：</p><p><b>　?。?-14）</b></p><p>　　如果M表示的是分叉點，則它的8鄰域點就滿足：</p><p><b>　?。?-15）</b></p>

76、<p>　　這樣就可以找到指紋圖像的特征點，并記錄了它們的類型和位置等特征。</p><p>　　在獲得的特征點，然后對特征點進行測試其有效性，然后取出假特征點，保留真特征點。然后細化圖像特征點坐標（x，y）和提取出在d點方向的圖像特征點，然后與它的相鄰域，來形成的情況細節(jié)點的特征矢量組合。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 特征點匹配</p><p><b>　　算法步驟：</b></p><p>　　(1)首先分別讀取兩個細節(jié)點集合；</p><p>　　(2)然后再分別計算他們的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表示的是細節(jié)點的x，y軸坐標，angle表示的是細節(jié)點的角度</p><p>　　(3)接著跟據(jù)ithetaangle的大小按照從小到大排列兩個細節(jié)點集合；</p><p>　　(4)然后根

79、據(jù)r,e,ithetaangle的值來計算出兩細節(jié)點集合的匹配度，支持參數(shù)值editdistance[m][n]；</p><p>　　(5)然后再進行循環(huán)比較editdistance[m][n]與閾值T的大?。ū境绦騎＝10），大于T則匹配度參數(shù)加1。</p><p>　　(6)最后計算特征點的匹配度：</p><p>　　匹配度＝匹配度參數(shù)*100/細節(jié)點數(shù)。&

80、lt;/p><p>　　如果匹配結(jié)果大于70，則表明超過70％的細節(jié)點匹配成功，則認為兩細節(jié)點是匹配的。否則匹配不成功，細節(jié)點不匹配。</p><p>　　特征匹配的流程如圖3.12所示</p><p>　　圖3.12 細節(jié)點匹配算法程序</p><p><b>　　4 系統(tǒng)實現(xiàn)</b></p><p&

81、gt;　　4.1仿真實驗前期準備</p><p>　　4.1.1 仿真實驗的實驗軟件 </p><p>　　這里我們選取了Matlab 2012軟件作為指紋識別的仿真軟件</p><p>　　圖4.0 Matlab 2012仿真軟件</p><p>　　說明：MATLAB2012 對系統(tǒng)的要求 </p><p>　　操

82、作平臺 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>　　存儲空間 345MB(僅僅包括幫助系統(tǒng)的 MATLAB) </p><p>　　內(nèi)存 256（最?。?12（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 仿真實驗數(shù)據(jù)的選取</p><p>　　在仿真實驗中，我們選取了10個指紋圖像作為實驗的模板。并隨機選取了4個指紋圖像作為仿真實驗的樣本進行配對的實驗。</p><p>　　特別說明：這里，Matlab系統(tǒng)對所選擇的指紋圖

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．指紋圖像的文件類型必須是圖中給定的文件類型；如圖4.1所示：</p><p

85、>　　圖4.1 指紋識別的MATLAB仿真樣本</p><p>　　小結(jié)：10個指紋樣本可以分別和自己匹配還有和其他9個指紋進行匹配，會產(chǎn)生100種不同的結(jié)果，不同的數(shù)據(jù)。從而保證了仿真實驗結(jié)果的可靠性，可操作性。</p><p>　　4.1.3 仿真實驗界面的設計</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)。還要通過一些Button控件來完成相應的功能，這些功能包括“打開指紋圖像”，“圖像增強”，“二值化”，“細化”和“特征提取”等構(gòu)成。其中還用到了一些Axes控件來對處理后的指紋圖像進行顯示。</p><p>　　一個完整的指紋數(shù)字圖像識別系統(tǒng)界面應該

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

88、/b></p><p>　　2.待識別樣本：主要實現(xiàn)要匹配的指紋圖像的匹配過程； </p><p>　　3.重置樣本數(shù)據(jù)庫：清空指紋數(shù)字圖像數(shù)據(jù)庫； </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 指紋識別的MATLAB仿真</p><p>　　4.1.4仿真實驗算法</p><p>　　仿真實驗所使用的主要算法是濾波特征和不變矩指紋識別算法。因為前文有詳細的介紹，這里就不再詳細介紹了。這種算法的原理就是通過歐氏距離（ E D）匹配算法，來判斷兩個指紋數(shù)字圖像之

90、間的歐氏距離。之后會提到系統(tǒng)是對一張指紋數(shù)字圖像進行兩次編碼的保存。將相對應的特征向量進行比較，取其中最小的一個作為系統(tǒng)比對的結(jié)果輸出。這里是通過歐式距離來實現(xiàn)對對比數(shù)據(jù)庫中模板圖像和待測試圖像相對應的特征點向量距離計算的。對于計算機計算出來的數(shù)據(jù)，如果匹配指數(shù)小于定值 T，則被認為是匹配成功，否則匹配失敗。在仿真實驗中，我們將T定值為1，如果相似度匹配距離超過1，則證明不是同一個指紋。如果相似度匹配距離小于1，則證明是同一個指紋。&l

91、t;/p><p>　　4.2 指紋圖像的預處理</p><p>　　本次實驗隨機選取四個指紋圖像分別進行“打開指紋圖像”，“圖像增強”，“二值化”，“細化”“特征提取”“錄入數(shù)據(jù)庫”等工作，具體說明上述文章中已說明，在這里就不詳細描述了。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，指紋識別的步驟第一步是預處理過程，首先我們通過系統(tǒng)分別對這四個指紋圖像進行圖像增強操作，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 圖像增強結(jié)果圖</p><p>　　如圖4.3所示，指紋圖像都經(jīng)過圖像增強后，其黑色與白色區(qū)域更好的被區(qū)分開來，下面我們分別對四個指紋圖像進行二值化處理，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)對指紋的二值化處理效果也相當不錯，達到了識

95、別的標準。由于二值化后的指紋紋理都不叫粗，不利于進行特征提取，因此還需要對指紋圖像進一步進行細化處理，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、指紋圖像的細化處理</p><p>　　在指紋圖像細化的基礎上進行特征提取操作，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數(shù)據(jù)錄入到數(shù)據(jù)庫中分別標號為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</p><p>　　4.3 實驗結(jié)果與分析</p><p>　　通過上述一系列步驟可以看出，系統(tǒng)都能夠?qū)χ讣y識別的各個步驟得到理想的結(jié)果，下面我們對這四個圖像分別隨機和10個指紋模板進行比對，看下系統(tǒng)識別的準確度。從而分辨出樣本指紋和模板指紋是否是同一個指紋。</p><p>　　1、將指紋一和它自己進行對比，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)：識別庫中提示的相似度匹配的距離是0，證明這兩個指紋是同一個指紋。</p><p>　　2、將指紋一和指紋二，指紋三，指紋四進行對比，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)：識別庫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的偏離程度大于1。證明指紋一和其他三個指紋都不是同一個指紋。</p><p>　　3、將指紋二和他本身進行對比，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)：識別庫中提示的相

101、似度匹配的距離是0，證明這兩個指紋是同一個指紋。</p><p>　　4、將指紋二和指紋一，指紋三，指紋四進行對比，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)：識別庫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的偏離程度大于1。證明指紋二和其他三個指紋都不是同一個指紋。</p

102、><p>　　5、將指紋二和他本身進行對比，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)：識別庫中提示的相似度匹配的距離是0，證明這兩個指紋是同一個指紋。</p><p>　　6、將指紋三和指紋一，指紋二，指紋四進行對比，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)：識別庫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的偏離程度大于1。證明指紋三和其他三個指紋都不是同一個指紋。</p><p>　　7、將指紋四和他本身進行對比，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)：識別庫中

104、提示的相似度匹配的距離是0，證明這兩個指紋是同一個指紋。</p><p>　　8、將指紋四和指紋一，指紋二，指紋三進行對比，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)：識別庫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的偏離程度大于1。證明指紋四和其他三個指紋都不是同一個指紋。&l

105、t;/p><p>　　4.4 實驗結(jié)果分析與總結(jié)</p><p>　　表4.1 實驗結(jié)果匯總表</p><p>　　本實驗共選取了4組指紋樣本，4組指紋模板，共進行了16次模擬匹配實驗，其中4組匹配成功，12組匹配失敗。16組實驗中的實驗結(jié)果均與實際情況相同，所以本實驗的識別率為100%。實驗結(jié)果無誤可靠。</p><p>　　通過這4組指紋共1

106、6組數(shù)據(jù)，共同表明：由于在指紋數(shù)字圖像在入庫的時候，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置同樣的順序。這樣系統(tǒng)就按照一定得順序進行匹配。這樣可以通過歐氏距離（ E D）匹配算法，來判斷兩個指紋數(shù)字圖像之間的歐氏距離。前面提到系統(tǒng)是對一張指紋數(shù)字圖像進行兩次編碼的保存。將相對應的特征向量進行比較，取其中最小的一個作為系統(tǒng)比對的結(jié)果輸出。這里是通過對比數(shù)據(jù)庫中模板圖像和待測試圖像相對應的特征點的

107、歐式距離來實現(xiàn)的。對于需要對比的兩組指紋圖，如果匹配指數(shù)小于定值 T，則認為匹配成功，否則失敗。</p><p>　　識別系統(tǒng)會逐一搜索數(shù)據(jù)庫中的數(shù)據(jù)文件，求的他們距離的最小數(shù)值。如果對比的兩張指紋數(shù)字圖像的特征向量之間的距離是 0，則系統(tǒng)會認為這兩張數(shù)字圖像是同一張，或者說來自于同一手指。從而達到識別的功能。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>　　在生物識別技術(shù)的快速發(fā)展的今天，人們通過研究發(fā)現(xiàn)了每一個人的指紋都具有唯一性和不變性。也正因為這樣，指紋識別技術(shù)正在逐步的發(fā)展成為一種新的身份識別技術(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)身份認證的方式趨勢。</p><p>　　本文簡單的介紹了指紋識別圖像的預

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

110、是不會隨著我們年齡的增長而發(fā)生太大的變化，也就是說我們指紋是終生不變的。利用唯一性和穩(wěn)定性這個指紋的特性，可以將一個人身份個人信息和他所對應的指紋聯(lián)系起來。實現(xiàn)的方法就是：指紋圖像預處理之后將會得到一個寬度為統(tǒng)一像素的細化后的二值化圖像，最后再根據(jù)特定的指紋圖像的端點以及交叉點的特征進行對指紋自動匹配。接著把預先保存指紋樣本，和指紋模板進行配對和比較。再利用計算機對指紋圖像進行快速的識別。這樣就能很快的識別出指紋所對應的人的真實身份了。

111、從而達到一種身份認證和識別的功能。</p><p><b>　　參 考 文 獻</b></p><p>　　[1] 楊強 譚禮俊 生物識別技術(shù)對比淺析 大眾科技    2005年02期</p><p>　　[2] 生物識別有望成為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 生物特征識別技術(shù)中的活體確認 數(shù)據(jù)采集與處理  2005年01期</p><p>　　[4]郭一博 生物特征識別技術(shù)最新動向 中國安防產(chǎn)品信息    2004年04期  </p><p>　　[5]李徐周 生物特征識別技術(shù)的發(fā)展與應用 山東省青年管理干部學院學報  2004年0

113、1期</p><p>　　[6]楊俊 景疆 淺談生物認證技術(shù)—指紋識別 計算機時代    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與選型 新鄉(xiāng)師范高等?？茖W校學報   2005年05期</p><p>　　[8]楊志強 嵌入式系統(tǒng)設計與發(fā)展 青海師范大學學報(自然科學

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