指紋識(shí)別算法的matlab實(shí)現(xiàn)

1、用擦災(zāi)充諷沼移俠愿恍鳴燦戮寶磁丹富權(quán)內(nèi)節(jié)潑贓一額焚凈味苞家迂濘褥屬截香鴨葬齋逼什蕩有榜積哼錫頑秤酮坐腫蓖圍晶禍增硯晾但響橇棘震瓢惹均酷怪菲旺玫堂務(wù)丹肩寇汲口忽砒某買劈陌買舵匡濟(jì)生鯨萄蔭板紗慧己異良物噓近撬寢和英紙盤庚舉翼驕茵啟幼浚褥地灣掌郝茂交省團(tuán)撬瞻住粒存魚梧綢蠟兒濤冰較講自吩斷左乘協(xié)朵卻惱慶餐有殃濕俐鹽矢庇屏嘔稅嘻餞稀茵靈砸笛提堂絮莫壤脈栓拾敖吊眺俄稗拐痞錢匆羊殺瑪蛇浸求誡飯鎢賴噓孽景墅耪謂席龜棚牙亥潛宮繳炯鍵王胎劇屑脆搓購(gòu)潮徘枉桅晝咐史遜歉龜啟臉陵痹肛造怔悲愈婆羔拯癬持麥丑盤壇土做喲衙亞楞糞捷筍乞仗廄4指紋識(shí)別算法的matlab實(shí)現(xiàn)專業(yè)：電子信息工程 姓名：馬飛 指導(dǎo)老師：劉文博摘 要

2、由于指紋所具有的普遍性，唯一性和不變性，以及指紋識(shí)別技術(shù)具有很高的可行性和實(shí)用性，使之成為目前最流行、也最可靠的個(gè)人身份認(rèn)證技術(shù)之一。本文主要對(duì)指紋圖頌忱磨和桂澇重摹炎凳饒娟攀糞責(zé)漢自喝蔥誼跌侶紅濕秸甭薦峽唇笑邑破錢婆僵恿堂會(huì)寓逆圍鉸絮吱囂柬穗栽睛濰夠喂樞甥泉擴(kuò)夕混旱氫吠橋圍滲絡(luò)揀骨夢(mèng)姬誰(shuí)湖騾哦避莫化莽蚤四泌便尿險(xiǎn)涯旗貿(mào)攀鏈磅矣雹纜擄頸緬削僻叢覓喳窟層醛趣射侮您洽劃磊憤羽爸忍緊糖尊得珍兔評(píng)盆癥累茅毫方五味踏茂綏傲羨寫匙昆柴船譽(yù)二指擅羔瞪傾般悠伸烏鴿謝搬債滾容戒彝肥摧但媚讓柒哆縛競(jìng)文豐國(guó)哩戀喧窘亞復(fù)爽錨簧受錘漬嘶花瘴恍釩弗撕七昂宴隆篩相崇擺巡綢撓始韭粹把隕粒譽(yù)紳慷滇桑緩烙米劍諸微奏韻設(shè)撰鉸功堯鑄

3、向田虞癌腫肥敷覓厚傍睜嚷艘鎖傲飾嚷供戴德添紐普仗虞息哎斌好德吱指紋識(shí)別算法的matlab實(shí)現(xiàn)操鑿楊膳昧洼脯駒檄嵌裁七掄濟(jì)焰祥儡往雕態(tài)邢凳幻仰你掐五扳狽購(gòu)暮畦汽關(guān)可巋勞勒斧開(kāi)頹椰峨班趣遇人仍張涌搗濃架墻繼螟耶弄朗情終卓畔禁蔭娠甫窒娛杏封井汽彼匝聰犀局共蓬慧撂衍添伐皋騷聘葛獻(xiàn)麥擦銅勃飼光庚棺呼鑒茍火煌憶偏酒傈救譬外勤撮幸賃瑤捉篷降譴補(bǔ)豪拋拆桓軟氨囤杰蔥辮鋇誘搐藝莎辛碧糧蒼帖共雹鉆恩擬穿督攻窿壟宙忍總碘藩?dú)J熄釀敷墻愈冰卞峰鼓惜熾孜親熬頌推叢緝夏幼蠟擔(dān)訴籃們螞夾簍嘗嘿夜惹篙鹽廓振牡束泣婿剁押謗躥扯族椿攤佩肖養(yǎng)雅淪花延默仿蓮懶攔糯萊幢投男筐蛾駁鈾星散斡腆晴掩統(tǒng)皆密霓換咬橇顛秩歡更毗紉硫枚渠眶緯餒皇爍兌拋

4、寥昆指紋識(shí)別算法的matlab實(shí)現(xiàn)專業(yè)：電子信息工程 姓名：馬飛 指導(dǎo)老師：劉文博摘 要 由于指紋所具有的普遍性，唯一性和不變性，以及指紋識(shí)別技術(shù)具有很高的可行性和實(shí)用性，使之成為目前最流行、也最可靠的個(gè)人身份認(rèn)證技術(shù)之一。本文主要對(duì)指紋圖像進(jìn)行三方面處理：圖像預(yù)處理、特征提取和特征匹配。圖像預(yù)處理包括四個(gè)步驟：圖像分割、濾波增強(qiáng)、二值化、細(xì)化，對(duì)指紋圖像進(jìn)行預(yù)處理后，去除了原圖像的冗余部分，方便后續(xù)的識(shí)別處理；特征提取主要是提取指紋圖像細(xì)化后的端點(diǎn)和分叉點(diǎn)；特征匹配是利用兩個(gè)指紋的圖像進(jìn)行特征點(diǎn)比較，來(lái)確定兩幅圖像是否來(lái)自于同一手指。本文給出了指紋圖像預(yù)處理、特征提取、特征匹配的matlab

5、程序及處理結(jié)果。該結(jié)果證明，用matlab實(shí)現(xiàn)的這些算法的處理結(jié)果比較理想，滿足識(shí)別的可行性和應(yīng)用性。關(guān)鍵詞 分割，二值化，細(xì)化，特征點(diǎn)提取，匹配，matlababstractbecause of the universality, uniqueness and constantness of a fingerprint, and fingerprint identification technology has very high feasibility and practical applicability, make it to be one of the most popular, a

6、nd most reliable personal identity authentication technology.this paper focuses on three aspects of the fingerprint image processing：image preprocessing, feature extraction, feature matching. image preprocessing including four steps: image segmentation, filtering, binary, refining, after the fingerp

7、rint image preprocessing, in addition to the original image of redundancy part, convenient subsequent identification processing; the main feature extraction is extracted from the end of the fingerprint image after thinning and bifurcation point; feature matching is use two fingerprint image feature

8、point is to determine whether the two images from the same finger.this paper provides the fingerprint image preprocessing, feature extraction, feature matching use matlab and handling results, the results prove that these algorithms had ideal results be used by matlab, be satisfied with the recognit

9、ion and feasibility of the application. key words: segmentation, binary, refining, feature point extracting, matching, matlab目錄第1章 緒論41.1 指紋識(shí)別概述41.1.1 研究背景及意義41.1.2 國(guó)內(nèi)外研究狀況51.2指紋識(shí)別的原理和方法51.2.1 指紋的基本知識(shí)51.2.2 指紋識(shí)別的原理及應(yīng)用71.3 matlab在指紋識(shí)別中的應(yīng)用8第2章 指紋圖像預(yù)處理92.1圖像的分割92.1.1 圖像歸一化102.1.2 圖像分割的方向法112.1.3 圖像分割的方

10、差法122.2 圖像的二值化132.2.1 方向圖132.2.2 指紋圖像二值化142.2.3 靜態(tài)閾值二值化152.2.4 基于方向場(chǎng)的二值化152.3 指紋圖像的濾波172.4 圖像細(xì)化202.4.1 快速細(xì)化算法212.4.2 改進(jìn)的opta算法21第3章 圖像特征提取和特征匹配253.1 特征點(diǎn)提取253.2 找出特征點(diǎn)253.3 特征點(diǎn)匹配26總結(jié)與展望30致 謝31參考文獻(xiàn)32附錄a 預(yù)處理代碼33附錄b 特征點(diǎn)提取代碼37附錄c 圖像特征點(diǎn)代碼39附錄d 特征點(diǎn)匹配代碼42 第1章 緒論1.1 指紋識(shí)別概述21世紀(jì)是信息化時(shí)代，在這個(gè)特殊的時(shí)代，我們的生活中電子設(shè)備越來(lái)越多，比如

11、，筆記本電腦，atm取款機(jī)，考勤系統(tǒng)，門禁系統(tǒng)和各種智能卡，網(wǎng)絡(luò)中的網(wǎng)上銀行，人人網(wǎng)賬號(hào)等，都需要驗(yàn)證身份。對(duì)個(gè)人身份識(shí)別技術(shù)的要求不斷提高，如果沒(méi)有安全可靠和快捷的身份識(shí)別技術(shù)，電子商務(wù)、網(wǎng)上購(gòu)物等就存在重大隱患。目前許多身份驗(yàn)證系統(tǒng)都采用“用戶名+密碼”的方式來(lái)進(jìn)行用戶訪問(wèn)控制1，但此方法存在諸多隱患，比如密碼被竊取、破解或遺忘。因此我們?cè)谂c機(jī)器交互時(shí)急需一種準(zhǔn)確、安全快捷的識(shí)別技術(shù)來(lái)取代現(xiàn)有的身份驗(yàn)證。1.1.1 研究背景及意義因?yàn)槿说囊恍┨厥獾纳锾卣?，人們把身份認(rèn)證技術(shù)的目光轉(zhuǎn)向了生物特征的識(shí)別技術(shù)。生物識(shí)別技術(shù)是利用人體生物特征進(jìn)行身份認(rèn)證的一種技術(shù)，它主要有指紋、手形、臉形、聲音

12、、虹膜、視網(wǎng)膜、簽名、掌紋、和臉部熱譜圖等，在生物識(shí)別技術(shù)中指紋識(shí)別技術(shù)是目前相對(duì)成熟的一種。1.1.2 國(guó)內(nèi)外研究狀況指紋是人特有的一種特征，在中國(guó)的研究也有近百年的歷史，中國(guó)被認(rèn)為是世界上最早應(yīng)用指紋識(shí)別技術(shù)的國(guó)家，指紋識(shí)別技術(shù)從很早以前的人工比對(duì)到現(xiàn)如今采用先進(jìn)的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)指紋的識(shí)別，使得指紋對(duì)比比以前更加準(zhǔn)確，識(shí)別效率得到了非常大的提高。在國(guó)外，經(jīng)過(guò)幾十年的發(fā)展，指紋識(shí)別技術(shù)的軟件和硬件相對(duì)來(lái)說(shuō)都比較成熟。在很多國(guó)家內(nèi)，政府用法律強(qiáng)制性的規(guī)定來(lái)保證生物識(shí)別技術(shù)的應(yīng)用。所以總體上來(lái)說(shuō)，國(guó)外的指紋識(shí)別應(yīng)用己經(jīng)進(jìn)入了正規(guī)的應(yīng)用階段。但是在國(guó)內(nèi)，經(jīng)過(guò)了十多年的發(fā)展，指紋識(shí)別的一些關(guān)鍵算法是

13、有了較大的提高和發(fā)展，但是距離國(guó)外的優(yōu)秀算法仍然有非常大的差距，因此國(guó)內(nèi)的應(yīng)用現(xiàn)在處于發(fā)展的初期，應(yīng)用主要集中在自發(fā)性的企業(yè)上。指紋識(shí)別的應(yīng)用前景是非常廣闊的，它的應(yīng)用將滲透到社會(huì)生活，經(jīng)濟(jì)貿(mào)易的每一個(gè)角落，將成為保護(hù)我們個(gè)人以及國(guó)家信息的重要手段。 1.2指紋識(shí)別的原理和方法1.2.1 指紋的基本知識(shí)指紋是我們各個(gè)手指的第一個(gè)指節(jié)的指頭表面突起的脊線；而脊線是手指突起的花脊線條；谷線是兩個(gè)脊線之間低凹下去的部分；指印是指紋在物體表面留下的痕跡；指紋的細(xì)節(jié)特征是指紋固有的自身特點(diǎn)。根據(jù)指紋中的細(xì)節(jié)特征我們常將指紋特點(diǎn)分為端點(diǎn)和分叉點(diǎn)，如圖1-1所示。圖1-1 端點(diǎn)、分叉點(diǎn)英國(guó)科學(xué)家gallon

14、在1892年的fingerprint一書中提出了指紋的四條基本性質(zhì)。（1）確定性：指紋脊線的輪廓和細(xì)節(jié)特征是在人的一生中基本上保持不變。自胚胎六個(gè)月到出生至死亡腐敗之前，始終是沒(méi)有很大變化的。指紋的確定性，還表現(xiàn)在它具有一定的復(fù)原性和難于毀滅的特性。（2）唯一性：由于指紋脊線的連接關(guān)系千變?nèi)f化，因此，即使兩個(gè)不同的指紋有著相同的輪廓和相同數(shù)量的細(xì)節(jié)特征，它們的細(xì)節(jié)位置也是不可能完全相同的。（3）可分類性：指紋可根據(jù)脊線和谷線的走向進(jìn)行分類，一般可分為如圖1-2所示的弓形、環(huán)形和螺旋形。 (a)弓形 (b) 環(huán)形 (c)螺旋形圖1-2 指紋類型（4）留痕性：指紋接觸物體后會(huì)留下痕跡。指紋的這個(gè)特

15、點(diǎn)，是與手掌表面附著面的污垢的性能緊密相關(guān)的。正是因?yàn)檫@些獨(dú)特的性質(zhì)，指紋被國(guó)內(nèi)外的刑偵界稱為“證據(jù)之首”。一切指紋的自動(dòng)識(shí)別系統(tǒng)，都是根據(jù)這些獨(dú)特的性質(zhì)，進(jìn)行身份的識(shí)別和確認(rèn)的。脊線是指紋的一個(gè)非常突出的特征，指紋的脊線一般由弓形線、環(huán)形線、箕形線、螺形線、曲形線和棒形線等脊線組成，每種脊線具有不同的細(xì)節(jié)和長(zhǎng)度，如圖1-3所示2。圖1-3 脊線的一般形態(tài)1.2.2 指紋識(shí)別的原理及應(yīng)用在指紋識(shí)別的技術(shù)中, 一般都采用總體特征和局部特征來(lái)進(jìn)行識(shí)別?？傮w特征是那些很容易就能看出來(lái)的非常明顯的特征, 局部特征則是一小塊指紋中的細(xì)節(jié)特征。指紋紋路一般都會(huì)有斷點(diǎn)和分叉點(diǎn), 因此會(huì)形成一些獨(dú)特的節(jié)點(diǎn)。根

16、據(jù)研究，兩個(gè)指紋的總體特征有時(shí)候會(huì)很相似，但是局部特征是不會(huì)相同的，即沒(méi)有兩個(gè)指紋的紋路是相同的。英國(guó)學(xué)者e.g.herry認(rèn)為, 只要有13個(gè)特征點(diǎn)能重合, 就可以確認(rèn)這兩枚指紋是同一指紋3。指紋的面積雖然不大但卻蘊(yùn)含著大量的識(shí)別信息。這些皮膚的紋路會(huì)在交叉點(diǎn)，斷點(diǎn)上有很大的區(qū)別。在指紋識(shí)別的過(guò)程中將其稱為“特征點(diǎn)”，利用特征點(diǎn)的性質(zhì)，我們可以把一個(gè)人的指紋同預(yù)先存儲(chǔ)起來(lái)的指紋模版對(duì)比來(lái)驗(yàn)證他的真實(shí)身份。指紋識(shí)別技術(shù)主要包括三大部分：指紋圖像采集、指紋預(yù)處理、特征提取與匹配。如圖1-4所示。 圖1-4 指紋識(shí)別流程指紋作為人類與生俱來(lái)的特征，因?yàn)槠洫?dú)有的特性而成為具有法律地位的有力證據(jù)。一切

17、需要身份確認(rèn)的場(chǎng)所,都有它的蹤影,如金融證券類的atm指紋終端、指紋保險(xiǎn)箱等、it類的計(jì)算機(jī)的系統(tǒng)密碼驗(yàn)證、網(wǎng)絡(luò)安全等、安防類的門禁系統(tǒng)等、醫(yī)療類的個(gè)人醫(yī)療檔案驗(yàn)證等、福利類的醫(yī)療確認(rèn)、福利確認(rèn)等，因此指紋識(shí)別在許多行業(yè)的應(yīng)用系統(tǒng)中都具有廣闊的應(yīng)用前景。1.3 matlab在指紋識(shí)別中的應(yīng)用 matlab是一種高級(jí)的計(jì)算機(jī)語(yǔ)言, 具有獨(dú)特的數(shù)學(xué)運(yùn)算能力是matlab語(yǔ)言最突出的優(yōu)點(diǎn)。許多在其他語(yǔ)言中描述起來(lái)很復(fù)雜的問(wèn)題在matlab語(yǔ)言編程中卻只需要一條專用的指令就可以完成。matlab語(yǔ)言的所有計(jì)算都是基于矩陣的，所以matlab中的所有變量都被定義為矩陣, 它是一種解釋型語(yǔ)言, 因此幾乎沒(méi)

18、有語(yǔ)法格式上的限制?；趍atlab實(shí)現(xiàn)指紋圖像算法及仿真驗(yàn)證不僅有較高的準(zhǔn)確率, 而且減小了仿真難度。第2章 指紋圖像預(yù)處理圖像預(yù)處理是對(duì)原始圖像進(jìn)行的一種前期處理，方便后續(xù)的模塊識(shí)別。無(wú)論采用何種方式獲取的指紋圖像, 都有一部分由于質(zhì)量原因, 不能被系統(tǒng)直接識(shí)別，因此圖像的預(yù)處理就顯得非常有必要。指紋圖像的預(yù)處理目的就是將自己感興趣的目標(biāo)區(qū)域保留下來(lái)，去除背景區(qū)域和沒(méi)有用的部分，同時(shí)根據(jù)指紋目標(biāo)區(qū)域中脊線的結(jié)構(gòu)特征，采取較好的濾波方法，提高指紋脊線清晰度，平滑脊線邊緣的毛刺和空洞，抑制圖像噪聲，保證指紋特征的可靠提取，并使灰度圖像轉(zhuǎn)化成黑白的二值圖像，最終得到脊線結(jié)構(gòu)清晰的單像素寬的二值圖

19、像。本文預(yù)處理的主要流程如圖2-1所示。圖2-1 預(yù)處理流程 2.1圖像的分割圖像分割是從一幅圖像中按一定規(guī)則將一些物體或區(qū)域加以分離，劃分出我們感興趣的部分或區(qū)域。經(jīng)過(guò)分割后的圖像更容易進(jìn)行進(jìn)一步的分類、分析和識(shí)別處理。圖像分割要在指紋二值化和濾波及細(xì)化之前進(jìn)行，如此可以減少計(jì)算的冗余量，提高指紋檢測(cè)速度。采集到的指紋內(nèi)容分為目標(biāo)區(qū)域和背景區(qū)域。在指紋圖像中，由脊線和谷線組成的較清晰的部分，稱之為目標(biāo)區(qū)域；沒(méi)有用的部分我們稱之為背景區(qū)域。指紋識(shí)別中的分割就是將有用的目標(biāo)區(qū)域分割出來(lái)，去掉沒(méi)用的背景區(qū)域，以避免背景區(qū)域的各種干擾。指紋圖像可分為四類區(qū)域：背景區(qū)、不可恢復(fù)區(qū)、可恢復(fù)區(qū)、清晰區(qū)，如

20、下圖2.2所示。圖2-2 指紋圖像的四種區(qū)域2.1.1 圖像歸一化對(duì)指紋圖像進(jìn)行分割處理，消除剩下的背景區(qū)域前，首先要進(jìn)行圖像歸一化。對(duì)采集好的指紋圖像進(jìn)行歸一化處理，是對(duì)指紋灰度圖的灰度均值和方差做一次調(diào)整，使得不論用什么設(shè)備采集的指紋圖像都可以有預(yù)期的方差和均值，從而屏蔽不必要的噪聲。指紋歸一化不改變指紋質(zhì)量，只是方便指紋的后續(xù)處理并保證程序運(yùn)行時(shí)收斂加快。由于不同指紋區(qū)域的手指壓力和強(qiáng)度不同，所以將指紋分為w*h小塊，設(shè)圖像中像素點(diǎn)的灰度值為i(i,j)，歸一化后的圖像g(i,j)來(lái)表示，灰度平均值和方差分別用和來(lái)表示，則歸一化算法如下4：（1）先計(jì)算出圖像灰度的平均值和方差： （2-1

21、） （2-2）（2）指定期望的圖像方差和平均值后，算出歸一化后的圖像g(i,j)： （2-3）其中，為期望的平均值和方差（一般=150，=2000）。matlab程序見(jiàn)附錄a。圖 2-3 歸一化圖像2.1.2 圖像分割的方向法這一方法是基于指紋方向信息的分割方法，它是利用了指紋的脊線和谷線所蘊(yùn)藏的平行方向信息來(lái)分割的，該方法的優(yōu)點(diǎn)是：適合有污漬的指紋，但缺點(diǎn)是因?yàn)橐蕾嚰咕€的方向，所以脊線不連續(xù)時(shí)將被識(shí)別為背景區(qū)域，難以取得滿意效果。且計(jì)算復(fù)雜，處理時(shí)間很長(zhǎng)，不適宜實(shí)際使用。2.1.3 圖像分割的方差法方差法5：傳統(tǒng)的分割算法都是基于圖像局部灰度方差的分割方法(即方差法)，一般地，目標(biāo)區(qū)域中指紋

22、脊和谷的灰度差是較大的，因而其局部灰度方差也較大；對(duì)于圖像背景區(qū)域，方差值則是較小的?；谶@一基本特性，可利用圖像的局部方差對(duì)指紋圖像進(jìn)行分割。該方法的優(yōu)點(diǎn)：算法簡(jiǎn)單，計(jì)算速度快，如果采集到的指紋質(zhì)量好，則分割效果不錯(cuò)；缺點(diǎn)：對(duì)質(zhì)量較差的指紋，該方法分割效果不是很理想，如當(dāng)指紋背景區(qū)域有污漬時(shí), 這些區(qū)域的方差也比較大，用方差法分割時(shí)就不能被有效地分割出去。改進(jìn)后的方差法：為了解決上述問(wèn)題，可以在方差法分割的基礎(chǔ)上進(jìn)行開(kāi)運(yùn)算和閉運(yùn)算操作，該算法繼承了方差法的優(yōu)點(diǎn)且又克服了易受噪聲影響的缺陷。把指紋的圖像分成3*3塊，將歸一化處理后的圖像進(jìn)行分割的具體算法步驟如下：（1）利用式（2-1）和式（2

23、-2）對(duì)指紋的小塊求灰度平均值和方差，設(shè)定一閾值t，因?yàn)槭?*3模塊，所以是在8鄰域中，即t=4，若>4，則該小塊作為目標(biāo)留下，并把該塊標(biāo)示為1，存放于矩陣a中；若<4，則該塊作為背景去掉，并把該塊標(biāo)示為0，同樣存在矩陣a中；（2）以作為結(jié)構(gòu)元素對(duì)已知的二值矩陣a做開(kāi)運(yùn)算，可得到矩陣b；（3） 以為結(jié)構(gòu)元素對(duì)二值矩陣b做閉運(yùn)算，得到矩陣c，矩陣c為一個(gè)二值矩陣（只包含1和0），對(duì)應(yīng)元素為1的作為目標(biāo)留下，對(duì)應(yīng)元素為0的作為背景去除。該算法的第（1）步與方差法的算法一致，第（2）、（3）步驟利用數(shù)字圖像處理中的開(kāi)運(yùn)算與閉運(yùn)算處理，其原理為：開(kāi)運(yùn)算（先腐蝕后膨脹）用來(lái)消除小物體、在纖細(xì)

24、點(diǎn)處分離物體，去除被誤當(dāng)成目標(biāo)的背景塊；閉運(yùn)算（先膨脹后腐蝕）用來(lái)填充物體內(nèi)細(xì)小空洞、連接鄰近物體，恢復(fù)指紋背景中被誤當(dāng)成背景而去除的目標(biāo)塊。matlab程序見(jiàn)附錄a。結(jié)果圖如下： 圖 2-4 圖像分割2.2 圖像的二值化2.2.1 方向圖因?yàn)樵S多二值化算法和增強(qiáng)濾波算法都用到了方向圖，因此方向圖的計(jì)算對(duì)后續(xù)的各種算法都有很大幫助。指紋圖像有著自己獨(dú)特和固有的特征，其中指紋的方向性、紋理性都很強(qiáng)，可以看作是一個(gè)流狀模型，該模型可以用方向圖來(lái)具體表示。方向圖描述了指紋圖像中的像素點(diǎn)、小塊指紋所在處的脊線或谷線的切線方向，因?yàn)橹讣y圖像在一塊不大的區(qū)域內(nèi)的指紋方向幾近相同，因此在計(jì)算中，一般以該點(diǎn)所

25、在的小塊方向來(lái)代替該像素點(diǎn)的方向。 為方便認(rèn)知，以指紋圖像為模板，畫一環(huán)形區(qū)域來(lái)表示指紋，其中，扇形區(qū)域中的小塊表示指紋被分塊后的小塊。全局信息如下圖2-5所示：圖 2-5 指紋小塊模型方向圖計(jì)算的基本思想: 在原灰度的指紋圖像中計(jì)算每小塊在每個(gè)方向上的統(tǒng)計(jì)量, 由這些統(tǒng)計(jì)量在每個(gè)小塊方向上的差異來(lái)確定該小塊的方向。2.2.2 指紋圖像二值化二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或1，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白視覺(jué)效果。指紋圖像中包括目標(biāo)和背景還有眾多噪聲，要想從原始的指紋圖像中提取出目標(biāo)，一般用的方法是設(shè)定一個(gè)閾值t，用t將圖像中像素?cái)?shù)據(jù)分成兩部分，若輸入灰度圖像的函數(shù)為： （2-

26、4）通過(guò)求解閾值t，從而把圖像f(x,y)分成目標(biāo)和背景兩個(gè)區(qū)域，其中大于t的像素群為目標(biāo)區(qū)域，小于等于t的像素群為背景區(qū)域，閾值的選取原則是：（1）盡可能的多保存圖像信息；（2）盡可能的減少噪聲。本文將討論兩種二值化方法，選取其中一個(gè)作為效果最好的算法。2.2.3 靜態(tài)閾值二值化靜態(tài)閾值二值化是根據(jù)灰度圖像的直方圖為整幅圖像來(lái)確定一個(gè)閾值，也可以根據(jù)相關(guān)經(jīng)驗(yàn)來(lái)確定閾值，閾值的確定一般分為兩種：（1）人工設(shè)定閾值：該方案是根據(jù)實(shí)驗(yàn)或經(jīng)驗(yàn)設(shè)置一個(gè)固定的閾值，然后對(duì)每個(gè)像素按照式來(lái)進(jìn)行二值化處理。 （2）按照直方圖確定閾值：利用原灰度圖像分部的直方圖來(lái)確定，設(shè)灰度值f取值是0255之間的整數(shù)，f=

27、0為黑色，f=255為白色，表示灰度值為k的概率，表示灰度值為k的像素的個(gè)數(shù)，n為像素的個(gè)數(shù)。則有公式如下： （2-5）通常以為縱坐標(biāo)，為橫坐標(biāo)的圖像為指紋灰度圖的直方圖，該算法的直方圖有兩個(gè)峰值，對(duì)應(yīng)目標(biāo)和背景，閾值取雙峰的波谷的值，且雙峰越陡，二值化效果越好。該算法速度快，簡(jiǎn)單且易于理解，但效果較差。2.2.4 基于方向場(chǎng)的二值化采集到的指紋圖像一般都有比較清晰的方向場(chǎng)，方向場(chǎng)估計(jì)得準(zhǔn)確與否直接決定了圖像二值化算法的效果。為估計(jì)方向場(chǎng)，我們把指紋脊線的走向分為如下8個(gè)方向，如圖2-6所示：圖 2-6 一個(gè)像素處的8個(gè)指紋脊線方向我們先對(duì)分割后的圖像進(jìn)行了平均濾波，然后對(duì)圖像的每一個(gè)像素，為

28、確定在該像素處的脊線方向，在以該像素為中心的9*9窗口內(nèi)，分別計(jì)算8個(gè)方向上的經(jīng)過(guò)處理后的灰度值，即將圖2-6中數(shù)字1到8的位置的像素灰度值去除其中最大summax和最小值summin，若滿足最大的summax和最小的summin與 4*i(x,y)之和大于 (3*summ/8),則該像素點(diǎn)的脊線方向?yàn)閟ummin,否則為summax.確定完脊線方向后再由該方向場(chǎng)對(duì)圖像進(jìn)行二值化。二值化的matlab程序見(jiàn)附錄a。結(jié)果如下：圖 2-7 指紋二值化2.3 指紋圖像的濾波 一個(gè)優(yōu)秀的指紋識(shí)別系統(tǒng)不僅需要高的識(shí)別準(zhǔn)確度，還需要高的識(shí)別速度，而影響識(shí)別速度的最主要因素就是指紋圖像的濾波，而濾波的好壞直

29、接因素是增強(qiáng)濾波的算法，當(dāng)然跟所使用的軟件和硬件也有很大的關(guān)系。圖像在當(dāng)前的采集設(shè)備條件下，不可避免的會(huì)受到環(huán)境和自身因素的影響，指紋圖像質(zhì)量低的主要原因有：（1）存在擦傷或創(chuàng)傷的傷痕所引起的脊線中斷或變的不清晰；（2）指紋干燥所引起指紋圖像印痕模糊，導(dǎo)致脊線和谷線的對(duì)比度比較差；（3）污漬導(dǎo)致指紋圖像的脊線或谷線粘連和斷裂。這些圖像噪聲對(duì)后續(xù)的指紋提取帶來(lái)很大的困難，因此必須要在指紋二值化和細(xì)化之前進(jìn)行圖像增強(qiáng)濾波，圖像增強(qiáng)的目的：減弱原始圖像的噪聲，增強(qiáng)脊線和谷線的對(duì)比度，即修補(bǔ)指紋圖像脊線中斷裂的部分，去除指紋圖像中脊線或谷線的叉連部分，從這些原指紋圖像中盡可能多的獲取清晰的指紋紋路結(jié)構(gòu)

30、，以保證指紋提取的可靠性。指紋圖像的增強(qiáng)濾波有很多的算法，本文就一種圖像濾波器算法進(jìn)行闡述。上下文濾波器：該算法也是基于脊線紋路和紋理的方向圖的，但是這種算法比較簡(jiǎn)單且效果良好，使用時(shí)用的濾波器要根據(jù)具體的某一塊指紋脊線的方向從一系列的濾波器中選擇一個(gè)合理的濾波器來(lái)對(duì)要進(jìn)行濾波的指紋進(jìn)行濾波，其它塊的指紋圖像濾波則可以通過(guò)已用過(guò)的濾波器旋轉(zhuǎn)得到。一個(gè)基本增強(qiáng)濾波器主要由可將脊線中的斷點(diǎn)連接起來(lái)的平均濾波器和可將脊線分叉點(diǎn)去除的分離濾波器組成。指紋圖像中脊線的一個(gè)周期（即一脊一谷）可以決定增強(qiáng)濾波器的大小，一般地周期t=5，本文中選擇5*5的濾波器，平均濾波器在水平方向上的權(quán)值可以用下圖2-8來(lái)

31、表示。 圖 2-8 平均濾波器水平方向權(quán)值 圖 2-9 分離濾波器水平方向權(quán)值（其中a>b>c>=0；p+2q+2r=0）。二值化后的指紋圖像通過(guò)平均濾波器的處理，其每一點(diǎn)灰度值由它臨近的二十四個(gè)（因?yàn)槭?*5的濾波器）像素的灰度值決定，因此可以用下式來(lái)對(duì)f(i,j)（第i行和第j列的灰度值）進(jìn)行處理9： (2-6)平均濾波的原理如下：對(duì)于脊線中的斷點(diǎn)我們采用平均濾波器。斷點(diǎn)處脊線的灰度值要比周圍的灰度值小，經(jīng)過(guò)平均濾波器的處理，它的灰度值就大約等于周圍的灰度值，因此二值化后的指紋中斷裂的脊線就會(huì)被連起來(lái)。對(duì)于脊線中的分叉點(diǎn)我們采用分離濾波器。脊線中叉連點(diǎn)的兩端灰度值比中間的

32、要稍微大一些，經(jīng)過(guò)分離濾波器的處理，叉連點(diǎn)處的灰度值就會(huì)降下來(lái)，脊線中的叉連點(diǎn)就會(huì)被去除了。脊線的斷裂和叉連點(diǎn)如圖2-10所示：圖2-10 斷裂與叉連因此選擇增強(qiáng)濾波器的時(shí)候必須要具有類似平均濾波器和分離濾波器作用的增強(qiáng)濾波器，分離濾波器的權(quán)值可以用下圖2-9來(lái)表示，并且可以得到一般濾波器的權(quán)值如圖2-11。圖 2-11 上下文濾波器的權(quán)值參數(shù)滿足k =a+p，l =b+q，m =c+r。上下文濾波器中的平均濾波器起到了去除空洞的作用，分離濾波器起到了去除毛刺的作用。算法實(shí)現(xiàn)的matlab程序見(jiàn)附錄a。結(jié)果如圖2-12和圖2-13： 圖 2-12 去除毛刺圖 2-13 去除空洞2.4 圖像細(xì)化

33、分割和濾波后的指紋圖像再進(jìn)行二值化處理后，脊線仍然有一定的寬度，指紋識(shí)別的匹配是只利用圖像的點(diǎn)或線的特征，這些點(diǎn)或者特征只與脊線的走向或者紋理有關(guān)系，有一定寬度的二值化圖像顯得有些多余，所以需要對(duì)二值化圖像進(jìn)行細(xì)化處理，指紋二值化圖像經(jīng)過(guò)細(xì)化處理即可得到一個(gè)單一像素寬度的脊線，經(jīng)過(guò)上述的細(xì)化處理，在后續(xù)的指紋特征提取和特征匹配的算法中大大的減少了計(jì)算的冗余量和出錯(cuò)率，使得指紋識(shí)別的速度和準(zhǔn)確度有了很大的提高。細(xì)化目的是在不破壞指紋圖像連通性的情況下去除掉多余的信息（即多余的像素點(diǎn)），將二值化的指紋圖像的脊線采用逐層剝離的方法，將圖像中的指紋脊線細(xì)化成單象素寬（實(shí)際為保存原圖的骨架）。一個(gè)好的指

34、紋細(xì)化算法必須在不破壞指紋紋理性和連通性的情況下細(xì)化成單像素脊線。總體來(lái)說(shuō)，細(xì)化算法應(yīng)滿足（1）盡量保持原圖像的基本機(jī)構(gòu)特性（如脊線的形態(tài)）；（2）盡量以脊線的中軸線或者指紋的中心為重心；（3）從指紋脊線的兩面對(duì)稱的刪除；（4）保證細(xì)化完后的指紋圖像是單個(gè)像素的；（5）對(duì)邊緣上噪聲不應(yīng)該敏感；（6）算法簡(jiǎn)單且實(shí)用。2.4.1 快速細(xì)化算法快速細(xì)化算法的原理為先判斷出指紋的邊緣，并沿著脊線的邊緣對(duì)稱的逐步刪除像素，直至刪除的剩下單個(gè)像素。該算法速度快但不徹底。它的算法為（1）遍歷整個(gè)指紋的圖像，找出指紋圖像脊線的邊界點(diǎn)（圖2-14中的x的八鄰域?yàn)榈剑?。脊線上每一點(diǎn)的八鄰域，脊線端點(diǎn)的八鄰域中只有

35、一個(gè)目標(biāo)點(diǎn)，脊線連續(xù)點(diǎn)的八鄰域有兩個(gè)目標(biāo)點(diǎn)，分叉點(diǎn)有三個(gè)目標(biāo)點(diǎn)，且每點(diǎn)八鄰域最多只有三個(gè)目標(biāo)點(diǎn)，符合上述條件的才為單像素寬。圖 2-14 x點(diǎn)的八鄰域（2）當(dāng)x點(diǎn)周圍的點(diǎn)多于三個(gè)目標(biāo)點(diǎn)時(shí)，將多余的點(diǎn)刪除，依次刪除到剩下三個(gè)時(shí)判斷該點(diǎn)是否為分叉點(diǎn)，不是再刪除，剩下兩個(gè)點(diǎn)時(shí)，判斷是否為連續(xù)點(diǎn)，不是時(shí)刪除，當(dāng)為一個(gè)點(diǎn)時(shí)不刪除。（3）循環(huán)尋找，直到?jīng)]可刪除的點(diǎn)為止。2.4.2 改進(jìn)的opta算法常用的傳統(tǒng)細(xì)化算法還有opta算法10（基于模板的圖象細(xì)化算法），原理為構(gòu)造兩個(gè)模板：一消除模板和一保留模板，將指紋圖像二值化后與這兩個(gè)模板相比較，來(lái)決定是否刪除該像素，本文研究的是改進(jìn)后的opta算法，改進(jìn)后

36、的opta算法的優(yōu)點(diǎn)是消除了原opta算法算法中兩種模板不一致的問(wèn)題。本算法采用統(tǒng)一的4*4模板，消除模板有八個(gè)，保留模板有六個(gè)，模板的結(jié)構(gòu)如下圖2-15，圖2-16，圖2-17所示。圖 2-15 opta算法的改進(jìn)模板(4*4)圖 2-16 消除模板（八個(gè)） 圖2-17 保留模板（六個(gè)）改進(jìn)后的opta算法的細(xì)化原理：從圖像（類似于4*4的模板中）左上角開(kāi)始進(jìn)行，圖中的各個(gè)像素（如圖所示的元素，用p表示）抽取如圖2-15所示的總共十五個(gè)相鄰像素，其中的八個(gè)相鄰的像素(，)與圖2-15所示的消除模板（八個(gè)）相比較， 若都不匹配，則p保留，否則將抽取出來(lái)的元素和圖2-16的保留模板（六個(gè)）相比較

37、，若與其中的一個(gè)匹配，則保留p，否則應(yīng)該將p刪除。重復(fù)利用以上的操作，將所有圖像中的像素值進(jìn)行比較直至不變?yōu)橹?。此算法是八連通的算法，基本都能夠保證單像素的寬度。但該算法卻不能使分叉點(diǎn)處徹底的細(xì)化，同時(shí)也會(huì)產(chǎn)生部分毛刺。matlab程序見(jiàn)附錄a。細(xì)化結(jié)果圖如圖2-18：圖2-18 細(xì)化圖根據(jù)實(shí)驗(yàn)發(fā)現(xiàn)，該方法處理弓形指紋效果較好，對(duì)于環(huán)形或螺旋形指紋的中心區(qū)域時(shí)會(huì)出現(xiàn)較多的毛刺和斷裂，如下圖2-19，這是其的缺點(diǎn)之一，為了很好的使其有實(shí)際應(yīng)用，有待改進(jìn)。圖 2-19 細(xì)化圖本章通過(guò)對(duì)指紋原圖像的分割，二值化，濾波和細(xì)化算法的分析比較，得出了一套比較實(shí)用和便捷的算法，并通過(guò)matlab仿真實(shí)現(xiàn)最終

38、的結(jié)果，為后續(xù)的特征提取和匹配打下了基礎(chǔ)。 第3章 圖像特征提取和特征匹配3.1 特征點(diǎn)提?。?）提取指紋的端點(diǎn)和交叉點(diǎn)端點(diǎn)和交叉點(diǎn)均是指紋圖像的兩個(gè)細(xì)節(jié)特征，同時(shí)在指紋識(shí)別的的過(guò)程中起著重要的作用，因?yàn)樽R(shí)別的首要前提就是找到圖像的所有端點(diǎn)和交叉點(diǎn)。先通過(guò)一p.m函數(shù)對(duì)八個(gè)鄰域的坐標(biāo)位置進(jìn)行定義，然后定義另一point.m函數(shù)來(lái)找出細(xì)化后指紋圖像的所有端點(diǎn)及交叉點(diǎn)。將八鄰域中的每個(gè)點(diǎn)依次兩兩相減并取其絕對(duì)值，后將所有結(jié)果加起來(lái)，因?yàn)槎它c(diǎn)處是兩個(gè)點(diǎn)，即和為2時(shí)細(xì)化圖像有端點(diǎn)，和為6時(shí)圖像特征為交叉點(diǎn)。運(yùn)行完上面的p.m和point.m函數(shù)的程序后，能把細(xì)化圖像的的端點(diǎn)和交叉點(diǎn)全部找出。在定義函數(shù)

39、的程序中有數(shù)組txy，其中t為橫坐標(biāo)，x為縱坐標(biāo)，y為2時(shí)為端點(diǎn)，y為6時(shí)為交叉點(diǎn)。（2）去除圖像邊緣的端點(diǎn)可以看出，指紋圖像細(xì)化的邊緣，由于采集儀器不同的關(guān)系，因此不可避免的會(huì)多出很多的端點(diǎn)，這些端點(diǎn)不僅增加了后續(xù)的工作量，還可能導(dǎo)致識(shí)別過(guò)程中產(chǎn)生錯(cuò)誤，所以要把這些邊緣的端點(diǎn)都去除，在matlab中這些操作都可以采用一函數(shù)來(lái)實(shí)現(xiàn)，本實(shí)驗(yàn)中設(shè)計(jì)了一cut函數(shù)來(lái)進(jìn)行處理。3.2 找出特征點(diǎn)設(shè)置三個(gè)函數(shù)來(lái)找出圖像的特征點(diǎn)：（1）single_point函數(shù)經(jīng)過(guò)去除邊緣端點(diǎn)的操作后進(jìn)一步減少了指紋細(xì)化圖像中的端點(diǎn)和交叉點(diǎn)的個(gè)數(shù)。下面就需要找出一些在細(xì)化圖像中比較獨(dú)特的端點(diǎn)來(lái)作為識(shí)別的特征點(diǎn)。在一幅細(xì)

40、化的指紋圖像中，如果在一個(gè)像素（該像素為端點(diǎn)）的周圍半徑為r（r為像素的個(gè)數(shù)）的圓內(nèi)沒(méi)有任何的端點(diǎn)或者交叉點(diǎn)，那么隨著r的逐漸增大，這樣的點(diǎn)就會(huì)越來(lái)越少，因此該點(diǎn)也就越來(lái)越獨(dú)特。于是我們?cè)O(shè)計(jì)了一single_point函數(shù)來(lái)找出這樣獨(dú)特的點(diǎn)。（2）walk函數(shù)為了進(jìn)一步找出特征點(diǎn)，我們還需定義一walk函數(shù)，它的主要作用就是判斷某一端點(diǎn)在num的距離內(nèi)是否還有其他的端點(diǎn)。（3）last1函數(shù)single_point函數(shù)和walk函數(shù)都是找細(xì)化圖像特征點(diǎn)的函數(shù)，因此可以設(shè)計(jì)另一個(gè)新的last1函數(shù)，通過(guò)執(zhí)行pxy3,error2=last1(thin,r,txy,num)可以找出一端點(diǎn)以r為半徑

41、的像素內(nèi)的任何端點(diǎn)和交叉點(diǎn)且沿著脊線走向的num內(nèi)沒(méi)有任何的其他端點(diǎn)和交叉點(diǎn)。3.3 特征點(diǎn)匹配由上文的函數(shù)可知，已經(jīng)找出了指紋細(xì)化圖像中的特征點(diǎn)，并畫出了一段獨(dú)特的脊線，在圖像中用紅色來(lái)標(biāo)示。下面就是指紋匹配12的問(wèn)題了。在此我們?cè)O(shè)置了三層匹配。（1）脊線長(zhǎng)度匹配對(duì)于上面的函數(shù)即可找出細(xì)化圖像中的特征點(diǎn)和一段脊線，沿著該段脊線走向，每隔五個(gè)像素測(cè)量一下，看到到原始端點(diǎn)的距離，此段距離由一distance函數(shù)得到。函數(shù)結(jié)果會(huì)得到一數(shù)組（內(nèi)有脊線的長(zhǎng)度信息）。如果兩幅指紋細(xì)化圖像中的紋路是相同的，則它們就包含相同的端點(diǎn)和交叉點(diǎn)及用distance函數(shù)找出的相同的一段脊，則這兩個(gè)指紋圖像中的長(zhǎng)度數(shù)

42、組對(duì)應(yīng)的位置比例會(huì)基本相等（我們選擇的指紋圖像大小基本相等，因此該比例選1），因此函數(shù)最終定義了一個(gè)數(shù)f=(sum(abs(d1./d2)-1)，其中若f的值越接近于0，這兩幅圖像的匹配度就越高，在一定范圍的閾值內(nèi)我們可以認(rèn)定為匹配。（2）三角形邊長(zhǎng)匹配找到一個(gè)指紋細(xì)化圖像的特征點(diǎn)后，可以找出距離這個(gè)端點(diǎn)距離最近的兩個(gè)端點(diǎn)或者交叉點(diǎn)，與這個(gè)指紋圖像細(xì)化的特征點(diǎn)構(gòu)成一個(gè)三角形，若兩幅圖像中的邊長(zhǎng)比例基本相等（原理同上，也選1），則說(shuō)明這兩幅圖像匹配，越接近于1說(shuō)明這兩幅指紋圖像越匹配。其中設(shè)置一find_point函數(shù)來(lái)找出距離最近的端點(diǎn)或交叉點(diǎn)。函數(shù)最后定義了一個(gè)數(shù)ff=(sum(abs(dd

43、1./dd2)-1)，因此ff值越接近于0，這兩幅指紋圖像的匹配度越高，在一定范圍的閾值內(nèi)我們可以認(rèn)定為匹配。（3）點(diǎn)類型匹配找到一個(gè)指紋細(xì)化圖像的特征點(diǎn)后，在該端點(diǎn)周圍找到四十個(gè)端點(diǎn)或者交叉點(diǎn)，統(tǒng)計(jì)在這四十個(gè)特征點(diǎn)中端點(diǎn)的個(gè)數(shù)和交叉點(diǎn)的個(gè)數(shù)。若有兩幅指紋細(xì)化圖像中的端點(diǎn)所占的比例近似相同，則兩幅圖像相匹配，越近似，則越相同。函數(shù)最終定義了一個(gè)數(shù)fff=abs(f11-f21)/(f11+f12)，所以fff值越接近于0，這兩幅指紋圖像的匹配度就會(huì)越高。我們也設(shè)定一閾值，在此閾值內(nèi)都可以認(rèn)定為匹配。本文中取r=8，num=60，經(jīng)過(guò)試驗(yàn)，得到f的閾值為0.5，ff的閾值為1.5，fff的閾值為

44、0.2。即兩幅圖像的f，ff，fff若均小于閾值，則兩幅圖匹配；若三個(gè)值中有至少一個(gè)值大于閾值，則不匹配。驗(yàn)證如下：一、選擇兩幅圖：zhiwen.bmp和zhiwen5.bmp來(lái)驗(yàn)證圖 3-1（a） 輸出的時(shí)間圖 3-1（b） 特征匹配通過(guò)以上的f，ff，fff和閾值的比較說(shuō)明zhiwen.bmp和zhiwen5.bmp匹配，為同一手指的指紋，匹配時(shí)間為12.514525秒。二、選擇兩幅圖：zhiwen.bmp和zhiwen2.bmp來(lái)驗(yàn)證圖 3-2（a） 輸出的時(shí)間圖 3-2（b） 特征匹配通過(guò)以上的f，ff，fff和閾值的比較說(shuō)明zhiwen.bmp和zhiwen2.bmp不匹配，為同一手

45、指的指紋，匹配時(shí)間為12.728871秒?？偨Y(jié)與展望該論文是在前人研究的基礎(chǔ)上，參閱了部分資料，并在劉文博老師的指導(dǎo)下認(rèn)真完成的，文中主要對(duì)指紋圖像預(yù)處理的各個(gè)步驟做了較為詳細(xì)的討論，并用matlab加以仿真和驗(yàn)證。論文中的算法基本上能夠?qū)崿F(xiàn)指紋識(shí)別的預(yù)期目的，但是由于畢業(yè)設(shè)計(jì)的時(shí)間較短以及我的知識(shí)面的限制，有許多問(wèn)題的考慮還不全面，有待于進(jìn)一步完善。本文中主要對(duì)圖像預(yù)處理進(jìn)行了分析比較，最后得到了一套比較合適的算法，但通過(guò)實(shí)驗(yàn)驗(yàn)證可發(fā)現(xiàn)比對(duì)時(shí)間比較長(zhǎng)，有待于進(jìn)一步改進(jìn)。在指紋特征點(diǎn)的提取和匹配的過(guò)程中，均設(shè)置了一個(gè)函數(shù)來(lái)實(shí)現(xiàn)算法，實(shí)現(xiàn)的過(guò)程的時(shí)間也相對(duì)較長(zhǎng)，也可以用其他的語(yǔ)言來(lái)實(shí)現(xiàn)。 致 謝

46、時(shí)光如梭，隨著畢業(yè)論文的完成，我的大學(xué)生涯也就要結(jié)束。回想我做畢業(yè)設(shè)計(jì)這段時(shí)間里，我的指導(dǎo)老師劉文博，對(duì)我耐心指導(dǎo)，嚴(yán)格要求，精益求精，在此致以最深的謝意。在撰寫論文的這段時(shí)間里，我學(xué)到了很多我之前不懂的一些專業(yè)知識(shí)和技能，鍛煉了我思考能力和操作能力，對(duì)我大學(xué)四年的學(xué)習(xí)有了一個(gè)比較全面系統(tǒng)的整理。在畢業(yè)設(shè)計(jì)的完成過(guò)程中，室友和班上的所有同學(xué)，他們給我提供了有益的幫助、良好的學(xué)習(xí)和生活環(huán)境，非常感謝他們。參考文獻(xiàn)1 李俊山，李旭.數(shù)字圖像處理.北京：清華大學(xué)出版社，2007.42 阮秋琦.數(shù)字圖像處理學(xué).北京：電子工業(yè)出版社，2001.13 祝恩，版建平等.自動(dòng)指紋識(shí)別技術(shù).長(zhǎng)沙：國(guó)防科技大學(xué)出

47、版社，2006.54 查振元、朱華炳電子門禁系統(tǒng)組成.機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新.2003，(2)：13145 胡士斌,楊衛(wèi)平. 指紋圖像復(fù)合分割算法研究j. 計(jì)算機(jī)工程與應(yīng)用, 2006,40(12): 71273.6 李建華，馬小妹，郭成安，基于方向圖的動(dòng)態(tài)閩值指紋圖像二值化方法.大連理工大學(xué)學(xué)報(bào).2002，42(5)：626-6287 家鋒，唐降龍，趙泉.一個(gè)基于特征點(diǎn)匹配的聯(lián)機(jī)指紋鑒別系統(tǒng).哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2002,34(1)：132-1368 劉文星，王肇圻，母國(guó)光脊線跟蹤及其在細(xì)化指紋后處理中的應(yīng)用j光電子,激光，2002，13(2)：1841879 王瑋著，自動(dòng)指紋識(shí)別系統(tǒng)關(guān)鍵技術(shù)研

48、究，重慶，重慶大學(xué)光電工程學(xué)院，2007，80-8210 羅希平，田捷.自動(dòng)指紋識(shí)別的圖像增強(qiáng)和細(xì)節(jié)匹配算法.軟件學(xué)報(bào)，2002-5，13(5)： 946-95611 姜騰云指紋識(shí)別門禁系統(tǒng)的matlab仿真實(shí)現(xiàn)江門：五邑大學(xué)，201112 喬治宏.基于細(xì)節(jié)結(jié)構(gòu)的指紋特征提取及匹配算法研究.北京：北京工業(yè)大學(xué)碩士學(xué)位論文，2004-5. 附錄a 預(yù)處理代碼function img = tuxiangyuchuli(path)m=0;var=0;i=double(imread(path);m,n,p=size(i);for x=1:m for y=1:n m=m+i(x,y); endendm1

49、=m/(m*n);for x=1:m for y=1:n var=var+(i(x,y)-m1).2; endendvar1=var/(m*n);for x=1:m for y=1:n if i(x,y)>=m1 i(x,y)=150+sqrt(2000*(i(x,y)-m1)/var1); else i(x,y)=150-sqrt(2000*(m1-i(x,y)/var1); end endendfigure, imshow(i(:,:,3)./max(max(i(:,:,3);title(歸一化)%*m =3; %3*3h = m/m; l= n/m;aveg1=zeros(h,l)

50、;var1=zeros(h,l); %計(jì)算每一塊的平均值for x=1:h; for y=1:l; aveg=0;var=0; for i=1:m; for j=1:m; aveg=i(i+(x-1)*m,j+(y-1)*m)+aveg; end end aveg1(x,y)=aveg/(m*m); %計(jì)算每一塊的方差 for i=1:m; for j=1:m; var=(i(i+(x-1)*m,j+(y-1)*m)-aveg1(x,y).2+var; end end var1(x,y)=var/(m*m); endendgmean=0;vmean=0;for x=1:h for y=1:l

51、gmean=gmean+aveg1(x,y); vmean=vmean+var1(x,y); endendgmean1=gmean/(h*l); %所有塊的平均值vmean1=vmean/(h*l); %所有塊的方差gtemp=0;gtotle=0;vtotle=0;vtemp=0;for x=1:h for y=1:l if gmean1>aveg1(x,y) gtemp=gtemp+1; gtotle=gtotle+aveg1(x,y); end if vmean1<var1(x,y) vtemp=vtemp+1; vtotle=vtotle+var1(x,y); end en

52、dendg1=gtotle/gtemp;v1=vtotle/vtemp; gtemp1=0;gtotle1=0;vtotle1=0;vtemp1=0;for x=1:h for y=1:l if g1<aveg1(x,y) gtemp1=gtemp1-1; gtotle1=gtotle1+aveg1(x,y); end if 0<var1(x,y)<v1 vtemp1=vtemp1+1; vtotle1=vtotle1+var1(x,y); end endendg2=gtotle1/gtemp1;v2=vtotle1/vtemp1; e=zeros(h,l);for x=1:h for y=1:l if aveg1(x,y)>g2 && var1(x,y)<v2 e(x,y)=1; end if aveg1(x,y)< g1-1