基于matlab指紋識(shí)別論文

1、MATLAB語(yǔ)言課程論文Matlab指紋識(shí)別系統(tǒng) 姓名：江帥璋學(xué)號(hào)：12013241957專業(yè)：通信工程班級(jí)：通信2班指導(dǎo)老師：朱瑜紅學(xué)院：物理電氣信息學(xué)院完成日期：2014.11.11Matlab指紋識(shí)別系統(tǒng)（ 姓名 江帥璋 2013級(jí)2班）摘 要本文系統(tǒng)地介紹了指紋識(shí)別技術(shù)的發(fā)展和國(guó)內(nèi)外研究應(yīng)用現(xiàn)狀，闡述了建立指紋識(shí)別系統(tǒng)的必要性和意義。以數(shù)字圖像處理為基礎(chǔ)，研究指紋識(shí)別的原理和方法，重點(diǎn)分析基于神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法、濾波特征和不變矩指紋識(shí)別算法和指紋匹配算法，將matlab作為仿真工具，針對(duì)已有的三種指紋識(shí)別算法進(jìn)行編程識(shí)別；并通過(guò)實(shí)驗(yàn)論證各種算法的優(yōu)缺點(diǎn)。關(guān)鍵字：指紋識(shí)別；算法；mat

2、lab仿真 目 錄第一章 緒論41.1 引言41.2指紋識(shí)別技術(shù)的發(fā)展和研究現(xiàn)狀51.3 指紋識(shí)別研究的目的和意義71.4 本論文結(jié)構(gòu)8第二章 指紋識(shí)別的理論和方法92.1指紋識(shí)別的基本原理92.2指紋識(shí)別系統(tǒng)工作流程92.3指紋識(shí)別技術(shù)的方法102.3.1神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法102.3.2 濾波特征和不變矩指紋識(shí)別算法112.3.3指紋匹配算法13第三章 matlab仿真實(shí)驗(yàn)結(jié)果與分析163.1 算法matlab仿真結(jié)果163.2 結(jié)果分析17第四章 總結(jié)與展望18參考文獻(xiàn)19附 錄20致 謝錯(cuò)誤！未定義書(shū)簽。第一章 緒論1.1 引言隨著網(wǎng)絡(luò)信息化時(shí)代的快速發(fā)展，個(gè)人身份的數(shù)字化和隱性化水平

3、也得到了提高。如何準(zhǔn)確鑒定一個(gè)人的身份，保護(hù)信息安全是當(dāng)今信息化時(shí)代必須解決的一個(gè)關(guān)鍵性社會(huì)問(wèn)題。目前，我國(guó)的各種管理大部分使用證件、磁卡、IC卡和密碼，這些手段無(wú)法避免偽造或遺失，密碼也很容易被竊取或遺忘。這些都給管理者和使用者帶來(lái)很大不方便。生物特征身份鑒別方法可以避免這些麻煩。因此，這一技術(shù)已成為身份鑒別領(lǐng)域的研究熱點(diǎn)。生物特征識(shí)別(BiometriCS)技術(shù)是指通過(guò)計(jì)算機(jī)利用人體所固有的生理特征或行為特征來(lái)進(jìn)行個(gè)人身份鑒別。生理特征與生俱來(lái)，多為先天性的;行為特征則是習(xí)慣使然，多為后天性的。這里將生理和行為特征統(tǒng)稱為生物特征，用于身份鑒別的生物特征應(yīng)具有普遍性，即任何人都具有這一特征;

4、唯一性，不同人的這一特征各不相同;穩(wěn)定性，這一特征不隨時(shí)間、外界環(huán)境等的變化發(fā)生改變;可接受性，用這一特征進(jìn)行人體身份鑒別可以被人們接受和認(rèn)可;防偽性，這一特征不易仿造、竊取。目前，常見(jiàn)的生物特征識(shí)別手段主要有人臉、指紋、手形、手部血管分布、虹膜、視網(wǎng)膜、手寫(xiě)體、聲音和臉部熱量圖等。它們有的已逐步得到推廣和應(yīng)用，有的還僅處于實(shí)驗(yàn)研究階段。其中，人臉、指紋、手形、手部血管分布、虹膜、視網(wǎng)膜和臉部熱量圖屬于生理特征，手寫(xiě)體屬于行為特征，而聲音則兼有兩方面的屬性。下面主要對(duì)其中指紋識(shí)別技術(shù)作介紹和研究。指紋識(shí)別技術(shù)不同人的指紋，即使同一個(gè)人不同手指的指紋，紋線走向及紋線的斷點(diǎn)和交叉點(diǎn)等各不相同，也就

5、是說(shuō)，每個(gè)指紋都是唯一的。另外，指紋不隨年齡的增長(zhǎng)而發(fā)生變化，是終生不變的。依靠這種唯一性和穩(wěn)定性，可以把一個(gè)人同他的指紋對(duì)應(yīng)起來(lái)，通過(guò)對(duì)他的指紋和預(yù)先保存的指紋進(jìn)行比較，就能驗(yàn)證他的真實(shí)身份。指紋用于身份鑒定的歷史悠久。早在古敘利亞和中國(guó)，指紋鑒別就己經(jīng)開(kāi)始應(yīng)用。19世紀(jì)初，科學(xué)研究發(fā)現(xiàn)了至今仍然承認(rèn)的指紋的兩個(gè)重要特征，一個(gè)是兩個(gè)不同手指的指紋紋線的式樣不同，另一個(gè)是指紋紋線的式樣終生不變。這個(gè)研究成果使得指紋在犯罪鑒別中得以正式應(yīng)用。早期的指紋識(shí)別依靠人工對(duì)比方式進(jìn)行。由于指紋結(jié)構(gòu)的復(fù)雜性及對(duì)指紋識(shí)別要求的嚴(yán)格性，導(dǎo)致人工識(shí)別指紋難度大、速度慢并且識(shí)別準(zhǔn)確性受專家經(jīng)驗(yàn)制約，遠(yuǎn)不能適應(yīng)實(shí)際

6、工作的需要。20世紀(jì)60年代，隨著計(jì)算機(jī)技術(shù)的誕生、發(fā)展與不斷進(jìn)步，圖像處理與模式識(shí)別方法的日臻完善，人們開(kāi)始著手研究利用計(jì)算機(jī)來(lái)處理指紋。從那時(shí)起，自動(dòng)指紋識(shí)別系統(tǒng)(AFIS：Automated FingerprintIdentification System)在法律實(shí)施方面的研究和應(yīng)用在世界許多國(guó)家展開(kāi)。20世紀(jì)80年代，個(gè)人電腦、光學(xué)掃描這兩項(xiàng)技術(shù)的革新，使得它們作為指紋取像的工具成為現(xiàn)實(shí)，從而使指紋識(shí)別可以在其他領(lǐng)域中得以應(yīng)用，比如代替IC卡，普通鎖等。20世紀(jì)90年代后期，低價(jià)位取像設(shè)備的引入及其飛速發(fā)展，可靠的比對(duì)算法的發(fā)現(xiàn)為個(gè)人身份識(shí)別應(yīng)用的增長(zhǎng)提供了舞臺(tái)。據(jù)統(tǒng)計(jì)，到20世紀(jì)末，

7、全世界生物識(shí)別市場(chǎng)約為1.56億美元，其中指紋識(shí)別約為1.2億美元，這標(biāo)志著指紋識(shí)別是當(dāng)前最成熟穩(wěn)定，并且應(yīng)用最廣泛的生物識(shí)別技術(shù)。1.2指紋識(shí)別技術(shù)的發(fā)展和研究現(xiàn)狀 指紋應(yīng)用可以追溯到幾千年以前,但指紋學(xué)成為一門(mén)學(xué)科,卻只有百余年的歷史。指紋應(yīng)用可以分為三個(gè)時(shí)期。第一時(shí)期：摸索時(shí)期；據(jù)考證,我國(guó)已經(jīng)發(fā)現(xiàn)6千多年前的陶器上留下的指紋。中國(guó)是運(yùn)用指紋最早的國(guó)家之一,古代軍隊(duì)就設(shè)有箕斗花名冊(cè)。罪犯的供詞也以捺印指紋為證。在周代,指紋被用于民間契約的簽署。指紋在偵察斷案中也有著2千余年的應(yīng)用歷史。外國(guó)指紋應(yīng)用比我國(guó)晚得多,巴比倫與西臘人,公元前2世紀(jì)在陶器上捺印指紋, 以從鑒識(shí)。據(jù)考證,埃及、羅馬、

8、印度這些具有悠久歷史的國(guó)家應(yīng)用指紋也有上千年的歷史。第二時(shí)期：指紋科學(xué)化時(shí)期；這一時(shí)期是從17世紀(jì)80年代開(kāi)始的。第二時(shí)期：指紋科學(xué)化時(shí)期；這一時(shí)期是從17世紀(jì)80年代開(kāi)始的。1684年,英國(guó)醫(yī)學(xué)博士格留第一次對(duì)指紋做了分類。1860年英國(guó)駐印殖民地行政長(zhǎng)官威廉.赫謝爾,開(kāi)始進(jìn)行犯罪指紋登記實(shí)驗(yàn),提出了指紋“人各不同,至死不變”的觀點(diǎn),建立了指紋分析和分類的方法。從此,指紋研究逐步走向科學(xué)化的軌道。指紋正式作為一種刑事登記制度最先始于英國(guó)。1892年英國(guó)高爾頓研究指紋,最早提出了用指紋進(jìn)行刑事登記的方法。1895年,英國(guó)采用高爾頓的研究成果,開(kāi)始實(shí)行指紋登記制度。1897年,英國(guó)愛(ài)德華.享利發(fā)

9、明指紋二部分析法,使指紋的分析、儲(chǔ)存、查對(duì)趨于完善。1901年,英國(guó)政府正式采用了享利指紋分析法。從此,指紋的登記制度逐漸被世界各國(guó)重視和采用,并沿襲至今。1903年,中國(guó)青島市警察局首次應(yīng)用漢堡式指紋法。此后我國(guó)相繼開(kāi)展了指紋的應(yīng)用及研究,還曾建立過(guò)“指紋學(xué)會(huì)”。劉紫宛編寫(xiě)的中華指紋法一書(shū)是我國(guó)最早的指紋專著。全國(guó)解放后,我國(guó)對(duì)指紋研究一直比較重視。1955年編制了中華人民共和國(guó)十指紋分析法。這可以說(shuō)是我國(guó)指紋的科學(xué)時(shí)期。第三時(shí)期：現(xiàn)代化、自動(dòng)化時(shí)期；這一時(shí)期是從本世紀(jì)60年代開(kāi)始的。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展,指紋應(yīng)用迅速地實(shí)現(xiàn)了現(xiàn)代化和自動(dòng)化,例如,指紋的電子計(jì)算機(jī)應(yīng)用,使儲(chǔ)存、查對(duì)、鑒定開(kāi)

10、始走向自動(dòng)化和半自動(dòng)化的軌道。半自動(dòng)管理,是采用人工或人與機(jī)器結(jié)合的半自動(dòng)方式分析指紋,把人工鑒定方法計(jì)算機(jī)化。實(shí)施的步驟是:借助于帶有投影屏幕的指紋分析儀或光筆,將十指紋型、中心紋線的形態(tài)、中心花紋的特征數(shù)字加以表述。再用電子計(jì)算機(jī)自動(dòng)化儲(chǔ)存和查對(duì)。全自動(dòng)化管理,不僅指紋儲(chǔ)存和查對(duì)采用自動(dòng)化的方式,而且指紋分析也由電子計(jì)算機(jī)自動(dòng)進(jìn)行圖像識(shí)別。利用電子計(jì)算機(jī)管理指紋的方法已在美國(guó)、日本、南非、羅馬尼亞、德國(guó)等國(guó)實(shí)施,采取的方法有圖像檢查法和編碼檢索法兩種。法國(guó)CIMSA公司和M0R-PH0SYSTEMS公司為了提高工作的效率,研制出了用于獲取指紋、處理存貯和比較檢索的整套指紋處理裝置,主要用子

11、犯罪記錄、圖像存貯、傳輸照片、指紋、十指卡和現(xiàn)場(chǎng)指紋的犯罪檢索等方面。該系統(tǒng)包括指紋自動(dòng)化分析系統(tǒng)和數(shù)字?jǐn)?shù)據(jù)系統(tǒng)。指紋自動(dòng)分析系統(tǒng)的基本功能是獲取指紋(圖像處理)、編碼(特征點(diǎn)檢索)、識(shí)別(根據(jù)參照指紋檢索)、證實(shí)(難證檢索結(jié)果)。數(shù)字?jǐn)?shù)據(jù)系統(tǒng)的主要功能是能滿足主管民事案件或刑事案件調(diào)查的各種指紋處理要求。這種設(shè)計(jì)的主要優(yōu)點(diǎn)是系統(tǒng)、簡(jiǎn)便、靈活,便于改進(jìn)安裝;同時(shí),集中和分散的控制結(jié)構(gòu),具有添加處理器和專用外圍設(shè)備的擴(kuò)展能力;由于它的安全性和開(kāi)發(fā)利用的方便,使得非專業(yè)人員也能運(yùn)用這種系統(tǒng)開(kāi)展工作,在不必全部重新組織原有系統(tǒng)的情況下,能適應(yīng)用戶的工作方式和滿足開(kāi)發(fā)等需要。日本電氣公司(NEC)發(fā)明

12、的由計(jì)算機(jī)控制的指紋取樣裝置(FAIS),可使調(diào)查人員在極短的時(shí)間內(nèi)將現(xiàn)場(chǎng)提取的指紋與過(guò)去有犯罪前科犯人的二指紋檔案進(jìn)行比較,速度達(dá)到每秒鐘檢索650枚指紋。掃描器先用不到3秒鐘的時(shí)間分析、記錄下乳突紋線和紋形等指紋的細(xì)微特征。然后,調(diào)查人員將分析資料輸入帶有圖像屏幕的具有高分辨能力的監(jiān)控器中,操作者根據(jù)監(jiān)控器和計(jì)算機(jī)提供的大量資料處理模糊的指紋,糾正變形,采用外推法將一枚殘缺指紋修復(fù)成一枚完整的指紋。經(jīng)過(guò)處理后的模糊指紋,被貯存在“光盤(pán)”中。操作者再將“光盤(pán)”輸入由微處理機(jī)驅(qū)動(dòng)的分析器作指紋比較。分析器每分鐘可濾過(guò)萬(wàn)枚指紋,并告訴調(diào)查人員哪一級(jí)十指指紋與現(xiàn)場(chǎng)提取的指紋最接近,以便于指紋專家做

13、最后的判斷。1984年2月,美國(guó)舊金山警察局用160萬(wàn)美元裝備了“指紋自動(dòng)識(shí)別系統(tǒng)”,六年成功識(shí)別指紋一千多例。而在1990年以前,舊金山警察局平均每年查對(duì)指紋僅能成功70例。這套“指紋自動(dòng)識(shí)別系統(tǒng)”還配有遠(yuǎn)距離終端,警察在終端也能進(jìn)行指紋檢索。我國(guó)從60年代起,開(kāi)始著手指紋管理現(xiàn)代化的工作,目前,我國(guó)基本上形成了一個(gè)指紋工作網(wǎng),在指紋理論研究上也取得了重要成果,指紋的應(yīng)用日益廣泛起來(lái)。如民間把捺印指印作為合同和證件的憑證;在公安司法部門(mén),指紋作為證實(shí)犯罪的證據(jù);在醫(yī)學(xué)方面,指紋用于診斷遺傳病癥等。特別是在90年代后期,西安交大、清華大學(xué)先后開(kāi)發(fā)了指紋自動(dòng)識(shí)別系統(tǒng),指紋門(mén)禁系統(tǒng)、指紋考勤系統(tǒng)等

14、。使指紋個(gè)人身份識(shí)別系統(tǒng)得到了實(shí)際運(yùn)用,另外,美國(guó)國(guó)家銀行根據(jù)這類技術(shù)將在21世紀(jì)初建成全國(guó)的個(gè)人身份認(rèn)證網(wǎng)絡(luò)系統(tǒng)。1.3 指紋識(shí)別研究的目的和意義指紋識(shí)別作為一種生物鑒定技術(shù)，為人類的個(gè)體的定義提供了一個(gè)到目前為止最為快捷和可信的方法。隨著指紋識(shí)別的普及，人們之間的信任成本將大大降低，提高人類社會(huì)活動(dòng)的效率。在信息時(shí)代，一種安全便捷的身份認(rèn)證方式顯得越發(fā)重要?！霸诰W(wǎng)絡(luò)上，沒(méi)有人知道你是一只狗，”在這種情況下，任何基于網(wǎng)絡(luò)環(huán)境下的交往活動(dòng)都被蒙上了一層技術(shù)意義的灰色。不可避免，所有基于這種網(wǎng)絡(luò)技術(shù)基礎(chǔ)之上的經(jīng)濟(jì)活動(dòng)也因此被深深打上了不真實(shí)和不被信任的烙印。面對(duì)如此偉大的技術(shù)，人類對(duì)它的應(yīng)用僅僅

15、局限于虛擬網(wǎng)絡(luò)群落中的狂歡，而不能真正對(duì)經(jīng)濟(jì)交往模式和效率起到推動(dòng)作用，實(shí)在是遺憾。對(duì)于想從事和已經(jīng)從事網(wǎng)絡(luò)商務(wù)的公司來(lái)講，確認(rèn)交易人的身份是解決信用問(wèn)題的第一步，而且是最重要的一步。對(duì)于淘寶網(wǎng)來(lái)講，它能做的僅僅是通過(guò)身份證注冊(cè)來(lái)保證交易人身份，這樣的確是降低了身份冒用的及率，但不能不說(shuō)這道防線是非常脆弱的。盜用他人身份證到淘寶上注冊(cè)來(lái)騙取貨款的案例層出不窮。對(duì)于阿里巴巴這樣的大型B2B網(wǎng)站，即使他們?cè)谑谟琛罢\(chéng)信通”之前會(huì)對(duì)企業(yè)的注冊(cè)資料等方面做詳盡評(píng)估和考察，但是誰(shuí)又能保證后續(xù)的交易者就是企業(yè)本身呢？畢竟，“誠(chéng)信通”不能保證使用者的帳號(hào)和密碼不會(huì)被盜取。這正是電子商務(wù)所面臨的困境和瓶頸。Pa

16、ypal已經(jīng)推出通過(guò)指紋識(shí)別來(lái)進(jìn)行網(wǎng)絡(luò)支付。相信隨著技術(shù)成熟和應(yīng)用成本降低，除了支付之外的任何網(wǎng)絡(luò)信任問(wèn)題都可以指紋識(shí)別得到極大改善，從而體高人們?cè)谛畔r(shí)代的行動(dòng)效率。從生物測(cè)量角度而言，指紋識(shí)別將是一種非常理想的工具，用來(lái)定位一個(gè)人的基本社會(huì)坐標(biāo)原點(diǎn)。作為一個(gè)人，具有非常復(fù)雜的社會(huì)角色。在公司的時(shí)候，你可能是產(chǎn)品總監(jiān)、員工等工作性角色；回到家，你就是丈夫、孩子、爸爸、舅舅、哥哥等血緣性角色；當(dāng)參加公司年度運(yùn)動(dòng)會(huì)時(shí)，你又是一名長(zhǎng)跑運(yùn)動(dòng)員。所有這些角色都是基于你的生物測(cè)量基礎(chǔ)上的。社會(huì)公共管理中，必須有一個(gè)基礎(chǔ)變量來(lái)確認(rèn)一個(gè)人的基本身份。在過(guò)去的很長(zhǎng)一段時(shí)間里，我們是通過(guò)戶籍制度來(lái)進(jìn)行管理和定義

17、一個(gè)人的，一個(gè)從出生到死亡都是根據(jù)其出生地來(lái)定義和追溯其身份。這種方式的隨意性很大，防偽性比較差，容易引起管理上的漏洞。在現(xiàn)實(shí)生活中，有些內(nèi)地考生為了取得成績(jī)優(yōu)勢(shì)，到偏遠(yuǎn)省份重新辦理一套身份系統(tǒng)，包括戶口、身份證、檔案等。在很多情況下，一個(gè)人的真實(shí)身份是很難被分辨的。指紋識(shí)別作為一個(gè)人基本社會(huì)角色定位點(diǎn)，其方便性和準(zhǔn)確性已經(jīng)得到了全世界范圍內(nèi)的認(rèn)可。通過(guò)各種各樣的指紋識(shí)別系統(tǒng)，社會(huì)公共管理的職能得到了強(qiáng)化，效率得到了提高。原來(lái)的養(yǎng)老保險(xiǎn)系統(tǒng)，冒領(lǐng)保險(xiǎn)金現(xiàn)象比較嚴(yán)重。隨著越來(lái)越多的地方實(shí)施了指紋養(yǎng)老金發(fā)放系統(tǒng)，這一現(xiàn)象得到了徹底改善，沒(méi)有當(dāng)事人的指紋，對(duì)應(yīng)的養(yǎng)老金是不可能被領(lǐng)取的。深圳羅湖口岸，

18、指紋出入境系統(tǒng)的實(shí)施大大提高了通關(guān)效率，過(guò)關(guān)旅客再也不需要拿著身份證排長(zhǎng)隊(duì)等待檢查。指紋識(shí)別承載了很多的社會(huì)意義，從最根本上來(lái)講，是可以良好的判斷和定義一個(gè)人的真實(shí)生物身份。從而降低社會(huì)活動(dòng)中的信任成本，從根本上改變經(jīng)濟(jì)和社會(huì)交往模式改變，提高效率。指紋識(shí)別作為一種生物鑒定技術(shù)，為人類的個(gè)體的定義提供了一個(gè)到目前為止最為快捷和可信的方法。隨著指紋識(shí)別技術(shù)的日漸成熟，圖像處理及模式識(shí)別界曾一度認(rèn)為自動(dòng)指紋識(shí)別問(wèn)題已經(jīng)得到很好的解決。但實(shí)際上，指紋識(shí)別的核心技術(shù)仍然存在許多尚未解決的難題，尤其是對(duì)殘缺、污損指紋圖象進(jìn)行識(shí)別的魯棒性和適應(yīng)性方面不能令人滿意。指紋識(shí)別系統(tǒng)將隨著更小更廉價(jià)的指紋輸入設(shè)備

19、的出現(xiàn)、計(jì)算能力更強(qiáng)更廉價(jià)的硬件以及互聯(lián)網(wǎng)的廣泛應(yīng)用而進(jìn)一步拓寬應(yīng)用。其中，能適應(yīng)在線應(yīng)用的自動(dòng)指紋識(shí)別系統(tǒng)的算法有待進(jìn)一步改進(jìn)，多種指紋識(shí)別方法的集成應(yīng)用以及包括指紋識(shí)別在內(nèi)的多種生物特征鑒定技術(shù)的集成應(yīng)用也將是今后研究的發(fā)展方向。因此，自動(dòng)指紋識(shí)別技術(shù)現(xiàn)在是，未來(lái)幾年仍將是一個(gè)重要的、極具挑戰(zhàn)性的模式識(shí)別研究課題。1.4 本論文結(jié)構(gòu)本論文主要分為四章：第一章 緒論。介紹課題研究背景意義及國(guó)內(nèi)外發(fā)展研究現(xiàn)狀；第二章 指紋識(shí)別的理論和方法。介紹指紋識(shí)別系統(tǒng)的基本理論和幾種常見(jiàn)算法；第三章 matlab仿真實(shí)驗(yàn)結(jié)果與分析。分析幾種算法的實(shí)驗(yàn)仿真結(jié)果，并通過(guò)結(jié)果進(jìn)行分析總結(jié)各個(gè)算法的特點(diǎn)；第四章

20、結(jié)論。第二章 指紋識(shí)別的理論和方法十九世紀(jì)初，科學(xué)研究發(fā)現(xiàn)了至今仍然承認(rèn)的兩個(gè)重要特征：一是兩個(gè)不同手指的指紋紋脊的樣式（Ridge Pattern）不同，另外一個(gè)是指紋紋脊的樣式終生不變。這個(gè)研究成果使得指紋在犯罪鑒別中得以正式應(yīng)用。二十世紀(jì)六十年代，由于計(jì)算機(jī)可以有效地處理圖形，人們開(kāi)始著手研究計(jì)算機(jī)來(lái)處理指紋，自動(dòng)指紋識(shí)別系統(tǒng)AFIS在法律實(shí)施方面的研究與應(yīng)用有就由此展開(kāi)來(lái)。2.1指紋識(shí)別的基本原理指紋其實(shí)是比較復(fù)雜的。與人工處理不同，許多生物識(shí)別技術(shù)公司并不直接存儲(chǔ)指紋的圖象。多年來(lái)在各個(gè)公司及其研究機(jī)構(gòu)產(chǎn)生了許多數(shù)字化的算法（美國(guó)有關(guān)法律認(rèn)為，指紋圖象屬于個(gè)人隱私，因此不能直接存儲(chǔ)指

21、紋圖象）。但指紋識(shí)別算法最終都?xì)w結(jié)為在指紋圖象上找到并比對(duì)指紋的特征。1指紋的特征我們定義了指紋的兩類特征來(lái)進(jìn)行指紋的驗(yàn)證：總體特征和局部特征。在考慮局部特征的情況下，英國(guó)學(xué)者E.R.Herry認(rèn)為，只要比對(duì)13個(gè)特征點(diǎn)重合，就可以確認(rèn)為是同一個(gè)指紋。總體特征：總體特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環(huán)型（loop）,弓型（arch）,螺旋型（whorl）。其他的指紋圖案都基于這三種基本圖案。僅僅依靠圖案類型來(lái)分辨指紋是遠(yuǎn)遠(yuǎn)不夠的，這只是一個(gè)粗略的分類，但通過(guò)分類使得在大數(shù)據(jù)庫(kù)中搜尋指紋更為方便。局部特征：局部特征是指指紋上的節(jié)點(diǎn)的特征，這些具有某種特征的節(jié)點(diǎn)稱為特征點(diǎn)

22、。兩枚指紋經(jīng)常會(huì)具有相同的總體特征，但它們的局部特征-特征點(diǎn)，卻不可能完全相同。2指紋的特征點(diǎn)指紋紋路并不是連續(xù)的、平滑筆直的，而是經(jīng)常出現(xiàn)中斷、分叉或打折。這些斷點(diǎn)、分叉點(diǎn)和轉(zhuǎn)折點(diǎn)就稱為“特征點(diǎn)”。就是這些特征點(diǎn)提供了指紋唯一性的確認(rèn)信息。2.2指紋識(shí)別系統(tǒng)工作流程指紋識(shí)別技術(shù)主要涉及四個(gè)功能：讀取指紋圖象、提取特征、保存數(shù)據(jù)和比對(duì)。系統(tǒng)開(kāi)始，通過(guò)指紋讀取設(shè)備讀取到人體指紋的圖象，取到指紋圖象之后，要對(duì)原始圖象進(jìn)行初步的處理，使之更清晰。接下來(lái)，指紋辨識(shí)軟件建立指紋的數(shù)字表示特征數(shù)據(jù)，一種單方向的轉(zhuǎn)換，可以從指紋轉(zhuǎn)換成特征數(shù)據(jù)但不能從特征數(shù)據(jù)轉(zhuǎn)換成為指紋，而兩枚不同的指紋不會(huì)產(chǎn)生相同的特征數(shù)

23、據(jù)。軟件從指紋上找到被稱為（minutiae）的數(shù)據(jù)點(diǎn)，也就是那些指紋紋路的分叉、終止或打圈處的坐標(biāo)位置，這些點(diǎn)同時(shí)具有七種以上的唯一性特征。因?yàn)橥ǔＪ种干掀骄哂?0個(gè)節(jié)點(diǎn)，所以這種方法會(huì)產(chǎn)生大約490個(gè)數(shù)據(jù)。有的算法把節(jié)點(diǎn)和方向信息組合產(chǎn)生了更多的數(shù)據(jù)，這些方向信息表明了各個(gè)節(jié)點(diǎn)之間的關(guān)系，也有的算法還處理整幅指紋圖像?？傊@些數(shù)據(jù)，通常稱為模板，保存為1K大小的記錄。無(wú)論它們是怎樣組成的，至今仍然沒(méi)有一種模板的標(biāo)準(zhǔn)，也沒(méi)有一種公布的抽象算法，而是各個(gè)廠商自行其是。最后，通過(guò)計(jì)算機(jī)模糊比較的方法，把兩個(gè)指紋的模板進(jìn)行比較，計(jì)算出它們的相似程度，最終得到兩個(gè)指紋的匹配結(jié)果。指紋識(shí)別系統(tǒng)框圖

24、如圖2.1所示。圖2.1 指紋識(shí)別系統(tǒng)工作原理框圖2.3指紋識(shí)別技術(shù)的方法本文重點(diǎn)研究基于神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法、濾波特征和不變矩指紋識(shí)別算法和指紋匹配算法，針對(duì)已有的三種指紋識(shí)別算法進(jìn)行編程識(shí)別，通過(guò)matlab仿真，從而進(jìn)一步論證三種算法的優(yōu)缺點(diǎn)。2.3.1神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別選用哪種特征是個(gè)關(guān)鍵問(wèn)題考慮到本文這里的識(shí)別過(guò)程是在同類型指紋間進(jìn)行的這些指紋具有相似的紋線走向指紋的方向信息在這里就顯得無(wú)關(guān)緊要了通過(guò)對(duì)同類型指紋的分析發(fā)現(xiàn)它們差別主要體現(xiàn)在具體的每個(gè)細(xì)節(jié)點(diǎn)上因此本文就提取了指紋的細(xì)節(jié)點(diǎn)特征作為識(shí)別特征每個(gè)樣本提取的細(xì)節(jié)點(diǎn)特征是一個(gè)801維的向量包含20個(gè)特征點(diǎn)每個(gè)

25、特征點(diǎn)的特征值是個(gè)4維的向量分別是特征點(diǎn)的類型特征點(diǎn)與參考點(diǎn)的紋線方向差值特征點(diǎn)與參考點(diǎn)的距離特征點(diǎn)與參考點(diǎn)的角度我們認(rèn)為特征點(diǎn)的這些信息即可充分體現(xiàn)同類型指紋間的細(xì)微差別也同時(shí)具有一定的抗平移和抗旋轉(zhuǎn)性。本文采用的是學(xué)習(xí)矢量量化LVQ神經(jīng)網(wǎng)絡(luò)模型LVQ神經(jīng)網(wǎng)絡(luò)由于其自身的自組織和聚類特性可以很好地給出模式在多維空間的概率分布估計(jì)從而可較好地完成指紋的識(shí)別,其識(shí)別模型如圖2.2所示.圖2.2 基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)指紋識(shí)別模型2.3.2 濾波特征和不變矩指紋識(shí)別算法濾波特征識(shí)別算法：指紋圖像特征的表示要求滿足尺度不變性、 位移不變性和旋轉(zhuǎn)不變性3個(gè)特征。尺度不變性是滿足的。在濾波提取算法中,位移不

26、變性是通過(guò)確定指紋圖像的中心參考點(diǎn)來(lái)實(shí)現(xiàn)的。 圖像的旋轉(zhuǎn)不變性可以通過(guò)在匹配階段建立多角度旋轉(zhuǎn)特征向量來(lái)實(shí)現(xiàn)。濾波特征的提取算法包括4 個(gè)步驟: 確定指紋圖像的中心參考點(diǎn),以及要處理的指紋區(qū)域,記為ROI 區(qū)域； 以參考點(diǎn)為中心, 對(duì)ROI 區(qū)域進(jìn)行劃分, 得到一定大小的塊; 用一組Gabor 濾波器在八個(gè)不同的方向?qū)OI 區(qū)域進(jìn)行濾波運(yùn)算(在指紋圖像中,完全獲取指紋的局部脊線特征需要使用8 個(gè)方向?yàn)V波器, 獲取全局結(jié)構(gòu)信息僅需要4 個(gè)方向?yàn)V波器)；在濾波圖像中,計(jì)算每一塊中灰度值相對(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?；跒V波特征的指紋識(shí)別算法,首先對(duì)指紋圖像進(jìn)行濾波特征提

27、取,然后在濾波特征值構(gòu)成的特征向量的基礎(chǔ)上進(jìn)行匹配。不變矩識(shí)別算法：算法的基本思路是:搜索預(yù)處理后的二值圖像中所有可能為目標(biāo)的區(qū)域，計(jì)算區(qū)域的7個(gè)不變矩特征，認(rèn)為與模板匹配程度最高的區(qū)域?yàn)槟繕?biāo)。其中相似度度量采用歐式距離。算法程序：void COpenCVTest:TestMoment()CvRect r;r.x = 120;r.y = 100;r.width = 20;r.height = 20;CvMoments m;CvMat mat;IplImage* src;/8位圖 必須為灰度圖像 src = cvLoadImage(c:自然圖2.bmp,0);CvArr *arr;arr = c

28、vGetSubRect(src, &mat, r);/獲取矩cvMoments(arr, &m, 0);/獲取空間矩double m00 = cvGetSpatialMoment(&m,0,0);/獲取hu不變矩CvHuMoments hu;cvGetHuMoments(&m, &hu);CString str;str.Format(空間矩： m00 = %f n Hu不變矩：h1 = %f, h2 = %f, h3 = %f, h4 = %f, h5 = %f, h6 = %f, h7 = %f, ,m00,hu.hu1,hu.hu2,hu.hu3,hu.hu4,hu.hu5,hu.hu6,

29、hu.hu7);AfxMessageBox(str);cvReleaseImage(&src);cvWaitKey(0);2.3.3指紋匹配算法指紋匹配就是指紋特征值比對(duì)過(guò)程。它是把當(dāng)前取得的指紋特征值集合與事先存的指紋特征值模板進(jìn)行匹配的過(guò)程。指紋匹配是一個(gè)模式識(shí)別的過(guò)程，判定的標(biāo)準(zhǔn)不是相等與不等，而是相似的程度。這個(gè)程度判定依賴于事先設(shè)定的閾值，以及與判定時(shí)比較的特征點(diǎn)的個(gè)數(shù)。閾值取的合理，特征點(diǎn)取的越多，誤判的機(jī)率就越小。指紋匹配的方法很多，包括基于奇異點(diǎn)的匹配、嵴模式的匹配、特征點(diǎn)的匹配、特征點(diǎn)線對(duì)（兩個(gè)特征點(diǎn)的連線）匹配，以及特征點(diǎn)組的匹配方法。指紋匹配之前需作指紋定位。指紋定位是使

30、待驗(yàn)證指紋的數(shù)個(gè)細(xì)節(jié)點(diǎn)的坐標(biāo)值與指紋庫(kù)中的數(shù)個(gè)細(xì)節(jié)點(diǎn)的坐標(biāo)值一一相互對(duì)準(zhǔn)的過(guò)程，從而使兩個(gè)指紋圖像對(duì)準(zhǔn)重合。由于在指紋采樣時(shí)，用戶手指每次放置的位置和角度不同，形成的指紋圖像也略有不同，因此各個(gè)指紋特征值的坐標(biāo)值也就不同。主要表現(xiàn)為手指平移和旋轉(zhuǎn)的差異，形成平移誤差和旋轉(zhuǎn)誤差。解決指紋圖像的平移誤差和旋轉(zhuǎn)誤差是指紋比對(duì)算法面對(duì)的首要問(wèn)題。可以選取奇異點(diǎn)作為對(duì)準(zhǔn)參數(shù)，也可以選擇某一區(qū)域內(nèi)的特征點(diǎn)及嵴方向、嵴密度作為對(duì)準(zhǔn)參數(shù)。實(shí)際上，在除了處理兩種誤差之外，在指紋采集過(guò)程中，由于每次按壓的力度不同而形成的指紋圖像擠壓變形和拉伸變形，同樣是指紋匹配之前需處理的。下圖為基于混合模式的指紋識(shí)別算法的流程

31、圖。圖2.3 混合模式匹配算法流程圖算法程序：function sector_num = whichsector(index)% Modiofied by Luigi Rosa% index is the index of current pixel of cropped image ( cropped image is% 175 x 175 ); sector_num is the output and represents what is the% corresponding sector.global immagine n_bands h_bands n_arcs h_radius h_

32、lato n_sectors matrice length = h_lato;x = rem( index , length );y = floor(index / length); x = x - floor(length / 2);y = y - floor(length / 2); rad = (x*x) + (y*y);if rad = (h_bands*n_bands+h_radius)2 % outtest radius = 72 (5184=72*72) sector_num = (n_sectors-1)+2; sector_num; returnend if x = 0 th

33、eta = atan( y / x );else if y 0 theta = pi/2; else theta = -pi/2; endend if x 0 theta = theta + pi;else if theta 0 theta = theta + 2*pi; endend if theta 0 theta = theta + 2*pi;end r = floor(rad 0.5);ring = floor( r-h_radius )/h_bands);arc = floor(theta /(2*pi/n_arcs); sector_num = ring * n_arcs + ar

34、c;第三章 matlab仿真實(shí)驗(yàn)結(jié)果與分析本課題通過(guò)matlab仿真軟件分別對(duì)神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法、濾波特征和不變矩指紋識(shí)別算法、指紋匹配算法進(jìn)行仿真實(shí)驗(yàn)與分析。3.1 算法matlab仿真結(jié)果圖3.1 原始指紋圖像圖3.2 經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)和高斯濾波的指紋圖像圖3.3 經(jīng)過(guò)不變矩的指紋圖像圖3.4 經(jīng)過(guò)匹配細(xì)化后的指紋圖像3.2 結(jié)果分析試驗(yàn)結(jié)果顯示：LVQ神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢(shì)在于網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，只通過(guò)內(nèi)部單元的互相作用，就可以完成十分復(fù)雜模式識(shí)別的分類處理，具有很好的模式識(shí)別特性。濾波特征和不變矩指紋識(shí)別算法的優(yōu)勢(shì)在于它是基于直接線性變換的，因而無(wú)需確定與應(yīng)用相關(guān)的自適應(yīng)參數(shù)。矩技術(shù)類型很多，現(xiàn)已

35、被應(yīng)用于圖像分類與識(shí)別處理的許多方面。從數(shù)學(xué)角度上看，矩是很簡(jiǎn)單的。它的局限性在于無(wú)法對(duì)特定的目標(biāo)特性進(jìn)行精細(xì)計(jì)算，而且只能被應(yīng)用于全局目標(biāo)識(shí)別任務(wù)中。指紋匹配算法具有速度快、指紋模板小的優(yōu)點(diǎn)，但是容易受指紋圖像噪聲干擾。基于全局特征匹配方式主要使用指紋紋理特征，具有特征穩(wěn)定、信息豐富的優(yōu)點(diǎn)，但是匹配精度不高、指紋模板比較大。24第四章 總結(jié)與展望本文系統(tǒng)地介紹了指紋識(shí)別技術(shù)的發(fā)展和國(guó)內(nèi)外研究應(yīng)用現(xiàn)狀，闡述了建立指紋識(shí)別系統(tǒng)的必要性和意義，提出了用Matlab工具來(lái)解決指紋識(shí)別技術(shù)的處理方法，通過(guò)matlab仿真軟件分別對(duì)神經(jīng)網(wǎng)絡(luò)指紋識(shí)別算法、濾波特征和不變矩指紋識(shí)別算法、指紋匹配算法進(jìn)行仿真

36、實(shí)驗(yàn)與分析，比較了三種算法各自的優(yōu)勢(shì)。當(dāng)今，指紋自動(dòng)識(shí)別技術(shù)仍是國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題實(shí)現(xiàn)自動(dòng)指紋識(shí)別系統(tǒng)的實(shí)時(shí)性網(wǎng)絡(luò)化提高系統(tǒng)識(shí)別率是人們研究的目標(biāo)相信不久以后指紋識(shí)別將廣泛應(yīng)用于我們的生活為人們提供更方便更快捷的服務(wù)。本文在分析指紋識(shí)別系統(tǒng)研究和發(fā)展的國(guó)內(nèi)外現(xiàn)狀的基礎(chǔ)上，通過(guò)指紋算法的理論和三個(gè)算法進(jìn)行系統(tǒng)的研究分析，并通過(guò)對(duì)指紋圖像進(jìn)行matkab軟件仿真實(shí)驗(yàn)，研究具有一定的應(yīng)用價(jià)值。參考文獻(xiàn)1 王建永.指紋圖像的特征提取與匹配D大連理工大學(xué),2003.2 王家文,曹宇.MATLAB 6.5圖形圖像處理M.北京:國(guó)防工業(yè)出版社,2004,5.3 董日榮.指紋識(shí)別系統(tǒng)核心算法的研究D華南師范

37、大學(xué),2004.4KmYS,KmWY.Content-basedtrademarkretrievalsystemusingavisuallysalientfeatUre.ImageandVisionComPuting,1998,16:931一939.5 王崇文.自動(dòng)指紋識(shí)別方法研究.博士學(xué)位論文.重慶大學(xué).2002.6ChimY,KassimAA,IbrahimYCharaeterreeo,itionusistatistiealmoments.IlnageandVisionComPuting,1999,17:299一307.7 馮國(guó)進(jìn),顧國(guó)華,張保民.指紋圖像預(yù)處理與特征提取M.計(jì)算機(jī)應(yīng)用研究

38、,2004,(5):183-186.附 錄程序1：function out = go_to_next_element(in, path); % called by end_track()% with the input image and the path list, it will track to the next % connected element of the ridge ix,iy = size(in);length, dummy = size(path); next_x = 0;next_y = 0;flag = 0; % length is the length of the

39、 path %simply go to the next element if (path(length,1) 197) flag =1; end; if (path(length,2) 197) flag =1; end; if flag = 0 next_x,next_y = find_next(in,path); end; %add it to the path path(length+1,1) = next_x; path(length+1,2) = next_y; out = path;程序2：function out, real_end =end_track(in,end_list

40、,branch_list) % 2/12 % this function will use the input image and the end_list to generate the % output image ( cleaned ) and the list of real minutiae ( end points )% % out - output image% real_end - real minutiae (end points)% in - input image% end_list - the list of valid and invalid end points real_end = zeros(1,3);end_count = 0; end_track out = in; number_of_end, dummy = size(end_list); for i=1:number_of_end %path is a list of the tracked element in the currently %tracking ridge path = zeros(1,2); path(1,1) = end_list(i,1); path(1,2) =