基于MATLAB的指紋識(shí)別系統(tǒng)設(shè)計(jì)

1、（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)大 連 民 族 學(xué) 院 本 科 畢 業(yè) 設(shè) 計(jì)（論 文）基于MATLA啲指紋識(shí)別系統(tǒng)設(shè)計(jì)1 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)摘要生物識(shí)別技術(shù)已經(jīng)成為身份識(shí)別和網(wǎng)絡(luò)安全的發(fā)展技術(shù)之一， 其中指紋識(shí)別技術(shù)是 目前公認(rèn)的安全，準(zhǔn)確，方便的身份認(rèn)證技術(shù)之一，使之成為人們研究的熱點(diǎn)。本文主要設(shè)計(jì)一個(gè)基于 matlab 的指紋識(shí)別系統(tǒng)。首先主要介紹了指紋識(shí)別技術(shù)研 究的背景，意義，及現(xiàn)狀。其次，實(shí)現(xiàn)了指紋識(shí)別系統(tǒng)，描述了指紋識(shí)別系統(tǒng)的基本結(jié) 構(gòu)，并且對(duì)指紋圖像的預(yù)處理、特征提取、特征匹配這三個(gè)必要的環(huán)節(jié)的算法進(jìn)行了詳 細(xì)地研究

2、，在指紋圖像預(yù)處理階段， 本文使用基于灰度的算法對(duì)圖像進(jìn)行了分割， 同時(shí)， 針對(duì)二值化后圖像中仍存在的噪聲，也進(jìn)行了相應(yīng)的修整處理，盡可能的為以后指紋特 征的提取打好基礎(chǔ)，從而成功地實(shí)現(xiàn)了對(duì)指紋數(shù)字圖像的處理、特征提取、保存和匹配 等功能。最后，對(duì)指紋識(shí)別系統(tǒng)進(jìn)行了仿真， 仿真結(jié)果表明該系統(tǒng)可以較好的進(jìn)行識(shí)別， 準(zhǔn)確率達(dá)到了 95.1%。關(guān)鍵詞：指紋識(shí)別；預(yù)處理；二值化；特征提??；特征匹配3 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)AbstractBiometric technology has become one of the developing technologi

3、es for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers.This paper designs a matlab-basedfingerprint recognition system. The first int

4、roduces the fingerprint recognition technology research background, significance, and the status quo. Secondly, to achieve fingerprint identification system, describes the basic structure of the fingerprint identification system, and the fingerprint image preprocessing, feature extraction, feature m

5、atching these three essential aspects of the algorithm is studied in detail in the fingerprint image pre-processing stage this article uses an algorithm based on gray image segmentation carried out at the same time, for the image after binarization noise still exists, but also for the corresponding

6、trimming process, as much as possible for the future lay the foundation for fingerprint feature extraction and thus successfully achieved fingerprint digital image processing, feature extraction, storage and matching functions. Finally, the fingerprint identification system for simulation, simulatio

7、n results show that the system can identify a better accuracy rate reached 95.1%.Key Words ：Fingerprint Recognition ；Processing； Binarization ；Feature Extraction ； Feature Matching目錄摘 要 IAbstract I.I.1 緒論 11.1 本課題背景和意義 11.2 指紋識(shí)別技術(shù)研究現(xiàn)狀 11.3 本文的章節(jié)安排 22指紋識(shí)系統(tǒng)設(shè)計(jì) 42.1 指紋識(shí)別系統(tǒng)設(shè)計(jì)基本結(jié)構(gòu) 42.2 指紋圖像分割 42.2.1 指紋圖像分

8、割介紹 42.2.2 均值方差法 52.3 指紋圖像的細(xì)化 62.3.1 指紋圖像細(xì)化的預(yù)處理 62.3.2 指紋圖像細(xì)化方法計(jì)算 72.4 指紋圖像的特征提取 82.4.1 指紋特征提取概述 82.4.2 指紋特征提取和去偽特征 92.5 指紋圖像匹配方法 102.5.1 指紋圖像匹配介紹 102.6 本章小結(jié) 103 仿真結(jié)果及其分析 123.1 仿真結(jié)果及分析 123.2 本章小結(jié) 14結(jié) 論 15參 考 文 獻(xiàn) 16附錄 MATLAB 程序 17致 謝 33（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)1 緒論1.1 本課題背景和意義 指紋識(shí)別技術(shù)的應(yīng)用十分廣泛，指紋因具有終生不

9、變性及穩(wěn)定性 , 而且不同人指紋 相同的概率幾乎為零 , 因此指紋自動(dòng)識(shí)別系統(tǒng)被廣泛應(yīng)用于案例分析、商業(yè)活動(dòng)中的身 份鑒別等領(lǐng)域 . 目前有很多的生物測(cè)定技術(shù)可用于身份認(rèn)證，包括虹膜識(shí)別技術(shù)、視網(wǎng) 膜識(shí)別技術(shù)、面部識(shí)別、簽名識(shí)別、聲音識(shí)別技術(shù)、指紋識(shí)別等，具有安全、可靠的特 點(diǎn)，其中自動(dòng)指紋識(shí)別系統(tǒng)是目前研究最多、最有應(yīng)用前景的生物識(shí)別系統(tǒng)。指紋識(shí)別 技術(shù)的發(fā)展得益于現(xiàn)代電子集成制造技術(shù)的進(jìn)步和快速可靠的算法的研究。指紋門禁系統(tǒng)通過(guò)將用戶的指紋特征與指紋特征數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行對(duì)比實(shí)現(xiàn)用 戶身份的鑒別， 并不直接保存和使用用戶的指紋圖像信息， 不會(huì)侵犯到用戶的隱私信息， 是當(dāng)前技術(shù)最先進(jìn)、應(yīng)用最

10、廣泛的門禁系統(tǒng)。對(duì)生物識(shí)別 （指紋識(shí)別 ）技術(shù)來(lái)說(shuō)，被廣泛 應(yīng)用意味著它能在影響億萬(wàn)人的日常生活的各個(gè)地方使用。通過(guò)取代個(gè)人識(shí)別碼和口 令，生物識(shí)別（指紋識(shí)別）技術(shù)可以阻止非授權(quán)的 “訪問(wèn)”，可以防止盜用 ATM 、蜂 窩電話、智能卡、桌面 PC、工作站及其計(jì)算機(jī)網(wǎng)絡(luò)；在通過(guò)電話、網(wǎng)絡(luò)進(jìn)行的金融交 易時(shí)進(jìn)行身份認(rèn)證；在建筑物或工作場(chǎng)所生物識(shí)別技術(shù)（指紋識(shí)別）可以取代鑰匙、證 件、圖章等。生物識(shí)別 （指紋識(shí)別 ）技術(shù)的飛速發(fā)展及其廣泛應(yīng)用將開(kāi)創(chuàng)個(gè)人身份鑒別的 新時(shí)代。指紋所具有的唯一性、不變性、及易于獲取、分類存儲(chǔ)有規(guī)律等特性使其成為 生物鑒定學(xué)中最為成熟的方式。1.2 指紋識(shí)別技術(shù)研究現(xiàn)狀 指

11、紋識(shí)別技術(shù)從早期的人工比對(duì)到現(xiàn)在采用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)自動(dòng)指紋識(shí)別， 指紋對(duì) 比更加準(zhǔn)確，識(shí)別效率得到極大提高。自動(dòng)指紋識(shí)別過(guò)程通常由指紋圖像濾波增強(qiáng)、二 值化、細(xì)化、特征提取以及指紋匹配等幾個(gè)環(huán)節(jié)構(gòu)成。指紋圖像濾波增強(qiáng)的目的是將有 噪聲干擾的指紋圖像變得更加清晰，使得指紋圖像的脊線更黑，谷線更白，當(dāng)前在實(shí)際 指紋圖像增強(qiáng)算法的應(yīng)用中一般是幾種濾波增強(qiáng)方式結(jié)合起來(lái)使用， 主要的方案是基于 傅里葉變換結(jié)合濾波和指紋圖像點(diǎn)方向場(chǎng)的下上下濾波器；指紋圖像二值化，是將指紋 圖像變成灰度值只有 0和 255兩種顏色的圖像，當(dāng)前，在自動(dòng)指紋識(shí)別中常采用的是根 據(jù)指紋圖像的點(diǎn)方向場(chǎng)在指紋紋線方向和指紋紋線垂直方

12、向上對(duì)指紋圖像進(jìn)行二值化 處理；指紋圖像細(xì)化是指刪除指紋紋線的邊緣像素，使之只有一個(gè)像素寬度，目前在自 動(dòng)指紋識(shí)別技術(shù)中常用的是 OPTA 算法的改進(jìn)的圖像模板細(xì)化算法； 指紋特征提取，是 將細(xì)化后使用計(jì)算機(jī)數(shù)字圖像處理技術(shù)采集指紋圖像中奇異點(diǎn)、端點(diǎn)、叉點(diǎn)等指紋特征 數(shù)據(jù)，目前常用的特征提取算法是先對(duì)細(xì)化后的指紋圖像進(jìn)行初步去噪，然后提取特征 點(diǎn)，再根據(jù)閾值去除偽特征點(diǎn)；指紋匹配，是指紋預(yù)留模板圖像與輸入樣板圖像中的所1 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì) 有特征點(diǎn)的匹配， 目前在自動(dòng)指紋識(shí)別系統(tǒng)中常采用可變大小的界限盒的指紋特征匹配 算法。目前指紋識(shí)別技術(shù)還有諸多困

13、難， 例當(dāng)三維的指紋被指紋錄入設(shè)備掃描成二維的數(shù) 字圖像時(shí)，就會(huì)丟失一部分信息，手指劃破、割傷、弄臟、不同干濕程度以及不同的按 壓方式，還會(huì)導(dǎo)致指紋圖像的變化，這就給可靠的特征提取帶來(lái)了困難；例如傳統(tǒng)的基 于細(xì)節(jié)點(diǎn)的識(shí)別方法， 是依靠提取指紋脊線上的細(xì)節(jié)點(diǎn)， 然后對(duì)其位置和類型進(jìn)行匹配， 來(lái)識(shí)別指紋的， 而噪聲會(huì)影響特征提取準(zhǔn)確度， 增加錯(cuò)誤的特征點(diǎn)或丟失真正的特征點(diǎn)。 當(dāng)噪聲很大時(shí)，就要增加圖像增強(qiáng)算法來(lái)改善圖像的質(zhì)量，但很難找到一種增強(qiáng)算法能 夠適應(yīng)所用的噪聲，多種增強(qiáng)算法又會(huì)大幅增加算法運(yùn)行時(shí)間，不好的增強(qiáng)算法又會(huì)增 加人為特征。當(dāng)噪聲增大時(shí)，提取了許多虛假細(xì)節(jié)點(diǎn)，還有可能丟失細(xì)節(jié)點(diǎn)，這

14、就是傳 統(tǒng)的基于細(xì)節(jié)點(diǎn)識(shí)別算法的不足之處之一， 因?yàn)樗焕昧酥讣y圖像中的一小部分信息 （細(xì)節(jié)點(diǎn)位置和方向） 作為特征進(jìn)行匹配， 丟失了蘊(yùn)涵在圖像中的其他豐富的結(jié)構(gòu)信息。 不難想象，基于這種方法的識(shí)別算法，很難全面適應(yīng)指紋的變化。人的指紋含有天然的密碼信息，它們具有幾點(diǎn)重要特特點(diǎn)。 廣泛性，指每一個(gè)正常的人都有指紋。 唯一性， 指每一個(gè)人的指紋都不同。 指紋的細(xì)節(jié)由細(xì)微紋點(diǎn)和紋線的起點(diǎn)、 終點(diǎn)、 分叉等組成。正是這些無(wú)窮無(wú)盡的細(xì)節(jié)特征組合構(gòu)成了指紋的唯一性事實(shí)上，甚至包 括雙胞胎， 世界上兩個(gè)指紋相同的概率小于 1109，幾乎為零， 這就構(gòu)成了指紋的第一 大特點(diǎn)。 終生不變性，指紋終身不變即指

15、紋的圖案永遠(yuǎn)不會(huì)改變，從人的出現(xiàn)到死后的分 解為止 （ 除非指紋受到傷害 ） 。 指紋與主體的不可分離性：即指紋不存在丟失、遺忘、被竊取的可能。指紋的使用比起其它證卡來(lái)說(shuō)更快捷、 安全、準(zhǔn)確、無(wú)干擾，可實(shí)現(xiàn)快速登錄注冊(cè)， 系統(tǒng)兼容性好， 也就是說(shuō)可以獨(dú)立或者通過(guò)聯(lián)網(wǎng)構(gòu)成系統(tǒng)并且很容易并入各類證卡和定 義識(shí)別系統(tǒng)中。因此，指紋識(shí)別技術(shù)的應(yīng)用范圍極廣。1.3 本文的章節(jié)安排本文以研究指紋識(shí)別中指紋圖像分割、細(xì)化、特征提取、匹配等若干問(wèn)題為研究主 體，針對(duì)指紋識(shí)別技術(shù)中分割、細(xì)化和匹配進(jìn)行了仿真和修正。其中分割部分采用了方 差均值的方法，細(xì)化選取了一種偽特征較少的模板，匹配時(shí)以分叉點(diǎn)和端點(diǎn)信息進(jìn)行匹

16、 配。具體的章節(jié)和各章的內(nèi)容安排如下：第一章：在介紹本論文的研究背景及意義， 在指紋識(shí)別技術(shù)的現(xiàn)狀和特點(diǎn)的基礎(chǔ)上， 確定了本文所做的主要工作。（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì) 第二章：本章主要介紹了指紋識(shí)別系統(tǒng)設(shè)計(jì)原理，為后續(xù)的研究工作奠定基礎(chǔ)，介 紹了均值方差的基礎(chǔ)知識(shí)和基本理論以及仿真中具體的分割運(yùn)用算法； 指紋圖像細(xì)化的 方法；指紋圖像細(xì)化后的特征提取，需要哪些特征，去除哪些偽特征，以方便和正確地 進(jìn)行匹配工作；指紋圖像匹配的概念、匹配問(wèn)題的困難所在和常用方法。第三章：指紋識(shí)別系統(tǒng)的仿真結(jié)果及分析。結(jié)論：總結(jié)本文所取得的一些研究成果，并對(duì)課題發(fā)展進(jìn)行了展望。3 / 3

17、7(畢業(yè)論文)基于MATLAB的指紋識(shí)別系統(tǒng)設(shè)計(jì)2 指紋識(shí)系統(tǒng)設(shè)計(jì)2.1 指紋識(shí)別系統(tǒng)設(shè)計(jì)基本結(jié)構(gòu)指紋識(shí)別系統(tǒng)主要由指紋圖像讀取，圖像預(yù)處理，特征提取，特征匹配四大步驟組 成。首先，我們要提取需要處理的指紋識(shí)別的原始圖片。其次，進(jìn)行圖像預(yù)處理。通常圖像預(yù)處理包括分割、歸一化、二值化和細(xì)化 , 圖 像預(yù)處理的目的就是去除圖像中的噪聲，將圖像變成清晰點(diǎn)線圖，這樣才能提取到正確 的指紋特征，從而達(dá)到正確匹配的目的。它的好壞直接影響到指紋識(shí)別的效果。在此基礎(chǔ)上 , 接下來(lái)就是要對(duì)細(xì)化后的數(shù)字圖像進(jìn)行關(guān)鍵特征提取，從而達(dá)到識(shí) 別不同的志文數(shù)字圖像的目的。普遍采用的特征提取是提取細(xì)節(jié)點(diǎn)。最后，我們將處理后

18、的圖像進(jìn)行匹配，指紋圖像的特征匹配主要是對(duì)所提取的細(xì)節(jié) 特征進(jìn)行匹配，將要比對(duì)的圖像與庫(kù)中圖像的細(xì)節(jié)特征進(jìn)行比對(duì)，并將比對(duì)結(jié)果輸出， 這是指紋識(shí)別系統(tǒng)設(shè)計(jì)中最重要的一個(gè)環(huán)節(jié)，這也是指紋識(shí)別系的最終目的。2.2 指紋圖像分割2.2.1 指紋圖像分割介紹指紋圖像分割在指紋識(shí)別系統(tǒng)中作為圖像與處理的一部分， 指紋圖像分割的基本依 據(jù)是圖像的某些特征及特征的集合。如灰度值 , 鄰域關(guān)系, 紋線的扭曲程度等。圖像特征 是指紋圖像的固有屬性。 通過(guò)提取圖像特征 , 可將原始圖像映射到特征空間 ,使圖像特征 在特征空間中呈現(xiàn)一定的分布 6 。因此根據(jù)以上的的灰度值領(lǐng)域關(guān)系， 紋線的扭曲程度， 指紋圖像分割大

19、致分為三類：基于像素的圖像分割，基于塊特征的圖像分割以及基于全 局的圖像分割。基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法。 小波變換和傅里葉 變換的出發(fā)點(diǎn)都是將信號(hào)表示成基函數(shù)的線性組合。 所不同的是傅里葉變換采用時(shí)間屬 于（一s,）的諧波函數(shù)exp（inx）作為基函數(shù)，計(jì)算機(jī)中的圖像信息是以離散信號(hào)形式存放的，在信號(hào)處理中，特別是在數(shù)字信號(hào) 處理和數(shù)值計(jì)算等方面，為了計(jì)算機(jī)實(shí)現(xiàn)的方便，連續(xù)小波必須進(jìn)行離散化，而最基本 的離散化方法就是二進(jìn)制離散， 一般將這種經(jīng)過(guò)離散化的小波及其變換叫做二進(jìn)小波和 二進(jìn)變換。小波變換的特點(diǎn)是壓縮比高，壓縮速度快，壓縮后能保持信號(hào)與圖象的特征不變，

20、且在傳遞中可以抗干擾。 在指紋識(shí)別識(shí)別中使用小波變換有助于噪聲的濾除以及有利于 檢測(cè)奇異點(diǎn)。但是小波變換的明顯缺點(diǎn)是它計(jì)算復(fù)雜，計(jì)算效果也取決于函數(shù)的選擇。另一種閾值分割就是簡(jiǎn)單地用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾個(gè)類，認(rèn)為圖像中灰度在同一個(gè)灰度類內(nèi)的像素屬同一物體。它是圖像分割中最基本的方法。其 原理是先定一個(gè)閾值，大于此值為 1,小于則認(rèn)為為0;多閥值則可以利用多維函數(shù)。 此原理在匹配中也可以運(yùn)用。其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，僅需比較灰度值即可；運(yùn)算效率較高， 速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對(duì)于圖像中 不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分

21、割問(wèn)題難以得到準(zhǔn)確 的結(jié)果。代表塊特征的指紋圖像分割目前研究趨勢(shì)為多種塊基本特征如灰度均值、塊灰度方差、塊方向圖等綜合運(yùn)用和重新定義塊特征。其中塊指的是將圖像分個(gè)成一個(gè)個(gè)小的 圖像塊。圖像均值就是對(duì)每一個(gè)單位塊的灰度值取均值，方差則反映該塊中各點(diǎn)與均值 的偏差性，方向10這可以很好的反映紋理的變化趨勢(shì)。一般來(lái)說(shuō)，常見(jiàn)的方向場(chǎng)的計(jì)算 分為掩模法和公式法兩大類。Lin Ho ng等人開(kāi)發(fā)的基于最小均方估計(jì)算法，即公式法。x i, jG i1,j1 2G i, j 1G i1,j 1G i1,j 12G i,j 1G i1,j 1yi, jG i1,j1 2G i, j 1G i1,j 1G i1,

22、j 12G i 1,jG i1,j 1i W2jW2Rxi, j2u,v u,vi w2j 役Ry i, j匕篤22u,vu,vi JW2(3.1)它是利用正交坐標(biāo)系下，原點(diǎn)到它們組成的坐標(biāo)點(diǎn)的有向線段與 X的正半軸的夾角 可來(lái)表示該子塊的塊方向。這種方法最大的優(yōu)點(diǎn)是易實(shí)現(xiàn)，很好體現(xiàn)出紋理，但缺點(diǎn)是 對(duì)于變化太快的部分出錯(cuò)。此方法的實(shí)現(xiàn)是利用方向?yàn)V波器?；谌值膱D像分割則是根據(jù)情況特別是某些特殊場(chǎng)合的利用，如殘缺指紋。全局 的圖像分割可以是人工選定幾個(gè)特定點(diǎn)后再根據(jù)全局的特點(diǎn)來(lái)處理，此法也可運(yùn)用于匹配?；谌值闹讣y識(shí)別仍處于實(shí)驗(yàn)室探索階段 ，應(yīng)用領(lǐng)域中尚不廣泛。2.2.2 均值方差法在圖像

23、分割概述中，已經(jīng)提到基于塊特征的指紋圖像分割。在這部分將重點(diǎn)介紹 均值法差法的計(jì)算方法和在仿真中的運(yùn)用該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分成塊，計(jì) 算每一塊的方差，如果該塊的方差小于閾值為背景，否則為前景。具體步驟分以下三 步：(1) 將低頻圖分成M X M大小的無(wú)重疊方塊，方塊的大小以一谷一脊為宜。(2) 計(jì)算出每一塊的均值和方差。 H 1 L 11AVEIH L i o j o1 H 1 L 1VAR -IH L i o j oi, j2i, j AVE(3.2)(3) 如果計(jì)算得到的方差幾乎接近于 0就認(rèn)為是背景，對(duì)于方差不為零的區(qū)域在進(jìn) 行閾值分割算法，這種算

24、法主要是根據(jù)計(jì)算得到的方差來(lái)決定其是否為背景區(qū)。在使用方差均值法之前還要使用歸一法將圖變?yōu)榈皖l圖。歸一化的目的是把不同原圖像的對(duì)比度和灰度調(diào)整到一個(gè)固定的級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng)一的圖像規(guī)格。指紋圖像的歸一化公式如式所示。其中AVE o和VAR 為期望的灰度均值和方差。但是小波變換的明顯缺點(diǎn)是它計(jì)算復(fù)雜，計(jì)算效果也取決于函數(shù)的選擇。I x, y(3.3)在使用方差均值法之前還要使用歸一法將圖變?yōu)榈皖l圖。歸一化11的目的是把不同原圖像的對(duì)比度和灰度調(diào)整到一個(gè)固定的級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng)一的圖像 規(guī)格。2.3指紋圖像的細(xì)化2.3.1指紋圖像細(xì)化的預(yù)處理這部分預(yù)處理主要為二值化。由

25、于指紋圖像脊、谷相間，因此指紋圖像的處理常是 將指紋圖像二值化?；叶葓D像二值化是將灰度圖變換為只有黑和白兩種灰度的圖像。這 樣不僅可以壓縮原指紋圖像的數(shù)據(jù)量，而且也方便后面的細(xì)節(jié)特征的提取?；叶葓D二值 化的基本思想是選取適當(dāng)?shù)幕叶乳u值，將灰度圖像轉(zhuǎn)化為二值圖像，閾值的選擇是關(guān)鍵, 對(duì)于閾值的選擇，有多種方法，如熵法，Ostu法等。根據(jù)是否將圖像分塊處理，又分全 局閾值算法和局部閾值算法兩種，全局閾值算法是將整幅圖像以一個(gè)閾值處理，而局部 閾值算法則把原圖分成若干個(gè)子圖，在每個(gè)子圖中確定閩值，在進(jìn)行二值化，由于指紋 圖像在不同區(qū)域的亮度和對(duì)比度是有差別的，因而全局閾值算法不適用?；叶葓D二值化的基

26、本思路是選取適當(dāng)?shù)幕叶乳撝?，將灰度圖像轉(zhuǎn)化為二值圖像。一 般的圖像處理中的二值化算法主要是計(jì)算整幅圖像的灰度平均值，然后將該值作為門 限，高于該門限的像素點(diǎn)就置 1,反之置0。我們通過(guò)研究發(fā)現(xiàn)，這種方法雖然簡(jiǎn)單，5 / 37(畢業(yè)論文 )基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì) 但是對(duì)噪聲較大，圖像質(zhì)量不好的指紋會(huì)產(chǎn)生較大的二值化噪聲。所以最好選用局部閾 值法作為二值化算法。論文中采用了一種動(dòng)態(tài)局部閾值，滿足這種條件下的灰度值為128，不滿足則灰度值為 255。再根據(jù)前面判斷的是否為背景即 Icc 值的來(lái)修正 Icc 值：灰度值為 128且 Icc 為 1 時(shí)(非背景指紋紋線時(shí))， Icc 值為

27、 0 ，像素值置為 0 。背景和灰度值為 255 的紋線 像素置為 1，這做法的目的是去除不確切的點(diǎn)。此時(shí)背景為白，紋線為黑。二值化后的圖像中的點(diǎn)還要進(jìn)行修改，修改條件為：當(dāng)像素為 1 時(shí)，它周圍點(diǎn)不大 于 3 個(gè)為像素 1 點(diǎn)則修改為 0 ；當(dāng)像素為 0 時(shí)，它周圍不小于 7 個(gè)點(diǎn)為像素 1 的點(diǎn)，則 修改為 1。這種修改是為了使圖像連續(xù)圓滑。2.3.2 指紋圖像細(xì)化方法計(jì)算由于灰度過(guò)渡區(qū) 12 的存在，指紋細(xì)化是指紋圖像預(yù)處理中的一個(gè)重要環(huán)節(jié)，因?yàn)橐?般的特征提取都是在細(xì)化的基礎(chǔ)上進(jìn)行的，如果細(xì)化不好，將無(wú)法使用常規(guī)的特征提取 算法提取細(xì)節(jié)特征信息 13 。細(xì)化可以便我們得到絞線的單像素的

28、骨架。所謂“骨架”， 是指圖像中央的骨骼部分，是描述圖像幾何及拓?fù)湫再|(zhì)的重要方法之一。獲取一個(gè)圖像 骨架的過(guò)程通常稱為對(duì)圖像“細(xì)化”的過(guò)程。在文字識(shí)別、地質(zhì)構(gòu)造識(shí)別、工業(yè)零件形 狀識(shí)別或圖像理解中，先對(duì)被處理圖像進(jìn)行細(xì)化有助于突出形狀特點(diǎn)和減少冗余信息。細(xì)化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基礎(chǔ)上，刪除紋線的 邊緣像素，直到紋線為單像素寬為止。理想細(xì)化后的紋線骨架應(yīng)該是原始紋線的中間位 置，并保持紋線的連通性、拓?fù)浣Y(jié)構(gòu)和細(xì)節(jié)特征。一種好的細(xì)化算法應(yīng)該滿足下列條件 14 ：(1) 收斂性：迭代必須是收斂的。(2) 連通性；不破壞紋線的連接性。(3) 拓?fù)湫裕翰灰鸺y線的逐步吞食，

29、保持原圖像的基本結(jié)構(gòu)特性。(4) 保持性：保護(hù)指紋的細(xì)節(jié)特征。(5) 細(xì)化性：骨架紋線的寬度為 1 個(gè)像素，即單像素寬。(6) 中軸性：骨架盡可能接近條紋中心線。(7) 快速性：算法簡(jiǎn)單，速度快。 已有的算法迭代按迭代方式的不同分為串行算法和并行算法。在串行細(xì)化算法中， 當(dāng)前迭代的結(jié)果不僅取決于前一次的迭代迭代圖像，而且與當(dāng)前處理情況有關(guān)；而在并 行方式中，當(dāng)前迭代僅僅是由前一次的迭代情況決定，串行細(xì)化算法的處理結(jié)果依賴于 對(duì)像素處理的先后順序，因而像素點(diǎn)的消除或保留不可預(yù)測(cè)。并行細(xì)化算法對(duì)圖像進(jìn)行 細(xì)化時(shí)利用相同的條件同時(shí)檢測(cè)所有像素點(diǎn)，其結(jié)果具有各向同性，因此從算法原理上 并行算法優(yōu)于串行

30、算法。由于并行細(xì)化算法具有快速而準(zhǔn)確的特性，因此他一直是人們 研究的熱點(diǎn)，并且相應(yīng)的提出了許多并行細(xì)化算法，如OPTA細(xì)化算法，R W Hall細(xì)（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)化算法，Rosenfeld細(xì)化算法，Zhang & Suen細(xì)化算以及ZR細(xì)化算法等等。性能上這 些算法各有所長(zhǎng)。不同的文獻(xiàn)上有不同的關(guān)于細(xì)化方法，如王家隆等 16以及王業(yè)琳等 17 的細(xì)化模板。 制約細(xì)化的直觀表現(xiàn)在計(jì)算速度、 毛刺和斷點(diǎn)上。 因而細(xì)化中選擇一個(gè)好的模板很關(guān)鍵。 模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點(diǎn)去除作為背景的模板； 保留模板則是根據(jù)條件判定這點(diǎn)保留作為前景的

31、模板。 這樣就可以將較粗的圖像曲線細(xì) 化成很細(xì)的以像素為單位的線，大大減少了圖像的信息量，有利于匹配的高效進(jìn)行。方法步驟：（1）建立 3 維數(shù)組，第一組數(shù)據(jù)為預(yù)處理后的圖像信息，定義每一個(gè)像素點(diǎn)它周 圍點(diǎn)像素參數(shù)。（2）對(duì)于滿足 6 種情況的模板，賦值為 2 ，其實(shí)為像素 1情況。對(duì)于滿足后六種 情況的模板賦值為 3，別的情況點(diǎn)值不做改變。（3）16 種消去模板是在不滿足上述情況下衍生的模板，對(duì)于滿足這些模板的點(diǎn)像 素全為 0，以上都未涉及的點(diǎn)不做改變。（4） 循環(huán)進(jìn)行上述過(guò)程，到所有點(diǎn)值不改變?yōu)橹梗疃噙M(jìn)行20 次細(xì)化。2.4 指紋圖像的特征提取2.4.1 指紋特征提取概述特征提取就是對(duì)細(xì)化

32、后的指紋圖像提取表示其特征的信息的操作。 我們前面所敘述 的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識(shí)別建立一個(gè)良好的基礎(chǔ)， 以保證 整個(gè)系統(tǒng)識(shí)別率比較高。對(duì)于自動(dòng)指紋識(shí)別技術(shù)而言，選擇一種合適的、能表達(dá)指紋唯 一性的特征量是非常關(guān)鍵的。一般說(shuō)來(lái)，這種特征應(yīng)有以下性質(zhì)：（1）單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。（2）可測(cè)試性：適用于指紋匹配算法，便于在匹配算法中應(yīng)用。（3）緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要 盡量小，便于存儲(chǔ)、管理和計(jì)算。（4）魯棒性：要求這種特征對(duì)噪聲的存在與指紋形變不敏感。 為了比較兩個(gè)指紋是否相同，需要從指紋圖像中提取出能表

33、示指紋唯一性的特征。Galton 提出的指紋細(xì)節(jié)點(diǎn)是人工指紋匹配中最常用的特征。指紋由脊線和谷線交替構(gòu) 成，在大多數(shù)地方紋線連續(xù)且相互平行， 而某些局部不連續(xù)的地方構(gòu)成了細(xì)節(jié)點(diǎn)。 Galton 定義了 4 種細(xì)節(jié)點(diǎn)類型：分叉點(diǎn)，端點(diǎn)，環(huán)、島，并指出細(xì)節(jié)點(diǎn)具有唯一性，可以用于 指紋匹配。目前已定義的特征類型己達(dá) 150多種，但是這些擴(kuò)展的特征往往不易提取相互區(qū)分， 并且它們都可以由端點(diǎn)和分叉點(diǎn)的組合進(jìn)行描述， 這使得端點(diǎn)和分叉點(diǎn)成為最常用的結(jié)（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì) 構(gòu)特征，也稱為細(xì)節(jié)特征， 它被認(rèn)為是最穩(wěn)定、 最容易檢查的， 而且占全部特征點(diǎn)的 80 以上。提取出的

34、特征點(diǎn)還必須經(jīng)過(guò)偽特征點(diǎn)的去除，盡可能地去除掉由于二值化、細(xì)化 處理等過(guò)程引入的偽特征點(diǎn)。最后確定出特征點(diǎn)的類型、位置、方向。本章就是根據(jù)端點(diǎn)和分叉點(diǎn)是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點(diǎn)，再 去除不是端點(diǎn)和分叉點(diǎn)的偽特征點(diǎn)，最終實(shí)現(xiàn)特征值的提取，有利于后面匹配的展開(kāi)。2.4.2 指紋特征提取和去偽特征目前在細(xì)化二值圖像中提取細(xì)節(jié)特征多是用 8 鄰域法，該方法比較簡(jiǎn)單，在得到可 靠的細(xì)化二值圖像后，只需要一個(gè) 3X3的模板便可將端點(diǎn)和分叉點(diǎn)提取出來(lái)。對(duì)于細(xì) 化二值圖像，像素點(diǎn)的灰度值只有 2 種情況。在提取指紋圖像的細(xì)節(jié)特征中， 由于圖像質(zhì)量和噪聲的干擾， 存在大量的偽特征點(diǎn)， 實(shí)驗(yàn)表明

35、一幅質(zhì)量較差的圖像在經(jīng)過(guò)預(yù)處理，細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩萬(wàn)個(gè) 細(xì)節(jié)特征點(diǎn)，其中包含了大量的偽特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大 大降低，還使指紋識(shí)別性能急劇下降，造成識(shí)別系統(tǒng)的拒真率和誤識(shí)率的上升，因此在 進(jìn)行指紋匹配之前，應(yīng)對(duì)細(xì)節(jié)特征進(jìn)行驗(yàn)證，盡可能將偽特征點(diǎn)去除，同時(shí)保留真特征 點(diǎn)。去除偽特征點(diǎn)是特征提取要解決的一個(gè)重要問(wèn)題。 對(duì)整個(gè)圖像進(jìn)行特征提取后得 到的特征點(diǎn)并非全部都是真實(shí)的分叉點(diǎn)和端點(diǎn)，由于指紋質(zhì)量，細(xì)化、特征提取過(guò)程引 入的噪聲造成了很多偽特征點(diǎn)，特別是圖像邊緣有很多圖像分割產(chǎn)生的邊界偽端點(diǎn)。本章中將特征建立為一個(gè) 3 維數(shù)組，前兩組用于記錄端點(diǎn)和分叉點(diǎn)。第

36、 3足則專門 記錄偽特征最終可以除去。端點(diǎn)和分叉點(diǎn)的判斷都是運(yùn)用了上述的 8 鄰域法。其中（1）端點(diǎn)的判斷條件為：周圍的 8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 2 個(gè)不同值。此時(shí) 的處理為記錄數(shù)組 2，記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域點(diǎn)記為 1。（2）分叉點(diǎn)的判斷條件為：周圍的 8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在 6 個(gè)不同值。此 時(shí)的處理為記錄數(shù)組 1，在上述基礎(chǔ)上記錄點(diǎn)的個(gè)數(shù) ，并將該點(diǎn)記為 0，而它的 8 鄰域 點(diǎn)記為 1。處理方式類同上面。（3）偽特征的判斷比較多 , 全部計(jì)入數(shù)組 3。第一類：超出一定邊界，仿真中用了 17。此時(shí)把它和周圍 8 點(diǎn)記為 0，并在上述基礎(chǔ)上減去不是特征點(diǎn)

37、的個(gè)數(shù)。第二類：對(duì) 于直線 12 點(diǎn)的和不超過(guò) 1 的點(diǎn)也被視為偽特征點(diǎn)，處理方式類同。第三類為斷點(diǎn)：在 上述的范圍內(nèi)， 特征值為 2。此時(shí)在更小 12 的上半范圍或下半范圍， 特征仍為 2 則認(rèn)為 為斷點(diǎn)。處理方式為把它和周圍 8點(diǎn)置為 0，在上述基礎(chǔ)上減去 2 倍的斷點(diǎn)數(shù)。第四類 為毛刺，毛刺的判斷類似于短點(diǎn)。因?yàn)橹讣y變化多的部分為中間，所以處理的范圍比斷 點(diǎn)來(lái)的范圍小，并且在特征值為 2 的情況下僅僅是縮小范圍再次判斷特征值，這點(diǎn)就不 相同了。毛刺的處理方式也類同斷點(diǎn)。第五類為小橋。小橋的判斷條件為 :10 范圍內(nèi)特9 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)征值為

38、1，6 的上半范圍或下半范圍特征值仍為 1。此時(shí)該點(diǎn)則被視為小橋。 小橋處理方 式類同斷點(diǎn)和毛刺。2.5 指紋圖像匹配方法2.5.1 指紋圖像匹配介紹指紋匹配要解決的是對(duì)兩幅給定指紋圖像的特征模式進(jìn)行比對(duì)， 判斷這兩幅圖像是 否來(lái)自同一個(gè)人的同一手指。指紋匹配是自動(dòng)指紋識(shí)別的最后一步，也是非常關(guān)鍵的一 步。指紋圖像匹配方面，主要有基于圖像，脊線結(jié)構(gòu)和特征點(diǎn)的方法。基于特征點(diǎn)的匹 配算法具有簡(jiǎn)單、快速、魯棒性等優(yōu)點(diǎn)。目前最為常用的方法是 FBI 提出的細(xì)節(jié)點(diǎn)坐標(biāo) 模型來(lái)做細(xì)節(jié)匹配。它利用脊線上的端點(diǎn)和分叉點(diǎn)這兩種關(guān)鍵點(diǎn)來(lái)鑒定指紋。通過(guò)將細(xì) 節(jié)點(diǎn)表示為點(diǎn)模式，一個(gè)指紋識(shí)別問(wèn)題可以轉(zhuǎn)化為一個(gè)點(diǎn)模式匹

39、配問(wèn)題。點(diǎn)匹配算法是 通過(guò)某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個(gè)點(diǎn)集中的對(duì)應(yīng)點(diǎn)匹配起 來(lái)。對(duì)于基于細(xì)節(jié)點(diǎn)的匹配思路大體分兩種：基于直角坐標(biāo)系的特征識(shí)別和基于極坐標(biāo) 系的特征識(shí)別 19 。點(diǎn)模式匹配 20 將注冊(cè)指紋和待識(shí)指紋的特征點(diǎn)定義為兩個(gè)點(diǎn)集和 P 和 Q 通過(guò)平移 和旋轉(zhuǎn)使得兩個(gè)點(diǎn)集重合點(diǎn)數(shù)最多。點(diǎn)模式匹配是著名的數(shù)學(xué)難題。目前的指紋識(shí)別系 統(tǒng)主要采用基于節(jié)點(diǎn)的匹配方法，即點(diǎn)模式匹配。從模板指紋和輸入指紋中選取一個(gè)節(jié) 點(diǎn)作為參考節(jié)點(diǎn)對(duì)，在進(jìn)行節(jié)點(diǎn)匹配時(shí)先利用基準(zhǔn)點(diǎn)將指紋對(duì)齊，然后再評(píng)估其它節(jié)點(diǎn) 的匹配程度。很多情況下選用圖片的中心點(diǎn)。當(dāng)然，他所帶來(lái)的難題有：(1) 如何快速

40、找到基準(zhǔn)點(diǎn)把兩幅指紋對(duì)齊。(2) 例如圖片 A 中有圖片 B 中不存在的點(diǎn)，集合 B 中也有圖片 A 中不存在的點(diǎn)，匹 配的時(shí)候如何處理這些點(diǎn)。(3) 由于指紋存在變形位移， 任何一對(duì)匹配點(diǎn)之間都不是絕對(duì)相等， 而是存在一定的 差距。設(shè)計(jì)算法的時(shí)候，必須要有一定的容錯(cuò)能力。(4) 最終得到的是兩幅指紋的相似度，怎么確定相似度的計(jì)算方式。 另外，計(jì)算匹配的時(shí)間即效率性也很重要。參考點(diǎn)在指紋圖像的識(shí)別中是也至關(guān)重 要的。能獲得參考點(diǎn)表明從被識(shí)別圖像中獲得的任意比特流與登記圖像中獲得的比特流 相近，則有可能得出兩圖像相同的結(jié)果；沒(méi)有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖 像。2.6 本章小結(jié)本章主要介

41、紹指紋圖像分割及其算法，指紋圖像分割分類：主要提到的基于像素。 基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法。對(duì)比兩種方法優(yōu)缺點(diǎn)： 小波變換的特點(diǎn)是壓縮比高，壓縮速度快，壓縮后能保持信號(hào)與圖象的特征不變，且在 傳遞中可以抗干擾。閾值法其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，僅需比較灰度值即可；運(yùn)算效率較高， 速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對(duì)于圖像中 不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分割問(wèn)題難以得到準(zhǔn)確 的結(jié)果。此外，本章還詳細(xì)介紹了均值方差法，以及應(yīng)用之前的處理要求：在使用方差均值 法之前還要使用歸一法將圖變?yōu)榈皖l圖。11 / 37（畢業(yè)論文）基于

42、MATLAB的指紋識(shí)別系統(tǒng)設(shè)計(jì)3仿真結(jié)果及其分析3.1仿真結(jié)果及分析指紋圖像讀取如圖2.1,指紋識(shí)別歸一化仿真結(jié)果如圖 2.2，對(duì)指紋圖像的首次預(yù) 處理，將指紋圖像的對(duì)比度和灰度調(diào)整到一個(gè)固定級(jí)別上，為后續(xù)處理提供一個(gè)較為統(tǒng) 一的圖像規(guī)格。指紋識(shí)別分割仿真結(jié)果如圖2.3,從中可以看到用方差均值法分割既適用 于比較圓滑的指紋，又適用紋線變化很大的指紋圖像。在歸一化處理降頻和通過(guò)區(qū)域均 值方差的后得到的圖像條紋清晰，輪廓分明，對(duì)于后面的細(xì)化和匹配有很大的幫助。該 方法快捷，損壞程度低，缺點(diǎn)是計(jì)算有一定的復(fù)雜度，要通過(guò)2次方差均值來(lái)處理。原圖像歸一化圖2.3指紋識(shí)別分割后圖像圖2.4指紋識(shí)別二值化圖

43、像# / 37指紋識(shí)別二值化仿真結(jié)果如圖2.4,指紋圖像的二值化就是從一個(gè)具有紋理灰度變（畢業(yè)論文）基于MATLAB的指紋識(shí)別系統(tǒng)設(shè)計(jì)特征提取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。二值化操作使得指紋灰度中，相對(duì)色調(diào)較淺的谷紋線部分被轉(zhuǎn)成了白色，而相對(duì)較深的脊紋線部分被轉(zhuǎn)成了黑 色。使具有灰度的圖像變成只有黑白兩種色調(diào)的二值化圖像。可以提高指紋圖像中脊線 和谷線的對(duì)比度，因此有利于細(xì)節(jié)點(diǎn)提取。指紋識(shí)別二值化去噪仿真圖2.5 o指紋識(shí)別細(xì)化仿真結(jié)果如圖2.6,從分割后的二值化處理圖像中，我們可以看到，整 個(gè)灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實(shí)現(xiàn)有助于壓縮數(shù)據(jù)量和

44、 細(xì)化的實(shí)現(xiàn)。細(xì)化將黑白二值圖像細(xì)化成了單個(gè)像素帶寬的指紋圖像，由于模板的選擇不同，上 圖中的細(xì)化圖像一定程度上存在毛刺、分叉、斷點(diǎn)等不理想的情況。所以在特征提出前 還需稍加處理，細(xì)化好的模板選擇可以提高圖片的質(zhì)量和細(xì)化運(yùn)算的速度。當(dāng)然，此次仿真的細(xì)化還有待改進(jìn)。對(duì)于細(xì)化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征 來(lái)修改判定模板來(lái)決定這個(gè)點(diǎn)的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡(jiǎn)化模 板，又提高運(yùn)算速度，這點(diǎn)還可以有很大的深入研究。指紋識(shí)別特征提取仿真結(jié)果如圖2.7,這個(gè)特征點(diǎn)分布結(jié)果圖包含了特征點(diǎn)和偽特征點(diǎn)。在匹配前還需對(duì)毛刺、小橋等偽特征點(diǎn)加以識(shí)別和處理，這樣有助于后面匹配的 進(jìn)行，使匹配更加

45、精確無(wú)誤和快速。對(duì)于特征點(diǎn)和偽特征點(diǎn)的判斷方法還有很多，端點(diǎn) 判斷和分叉點(diǎn)判斷屬于比較多的特征點(diǎn)判斷，偽特征點(diǎn)也還有別的種類，短線之類也屬 于處理后出現(xiàn)的偽特征，本仿真中沒(méi)有對(duì)此作出處理。在上述基礎(chǔ)上也可以根據(jù)特征基 本構(gòu)造出相似原圖像。指紋識(shí)別匹配仿真結(jié)果如圖2.8 o指紋識(shí)別匹配結(jié)果仿真結(jié)果如圖 2.9,匹配與否用success返回。返回1說(shuō)明匹配 成功，返回0則匹配失敗。圖2.9給出的匹配結(jié)果為匹配不成功，細(xì)耗時(shí) 3.516411秒。圖2.5指紋識(shí)別二值化去噪后圖像圖2.6指紋識(shí)別細(xì)化圖像圖2.7指紋識(shí)別特征提取圖像圖2.8指紋識(shí)別匹配圖像圖2.9指紋識(shí)別匹配結(jié)果3.2本章小結(jié)本章主要對(duì)

46、指紋識(shí)別系統(tǒng)進(jìn)行了仿真，并對(duì)其結(jié)果進(jìn)行了分析，歸納，及總結(jié)。本文中采用的匹配方式，為主流的點(diǎn)模匹配法。首先采用了在原圖基礎(chǔ)上修改參數(shù) 值來(lái)驗(yàn)證的方法。這種方法將原特征點(diǎn)的相對(duì)距離進(jìn)行修改，使得各個(gè)特征點(diǎn)之間的相 對(duì)距離產(chǎn)生差異。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿足一定值的點(diǎn)視 為可積點(diǎn)。最后判斷可積點(diǎn)的個(gè)數(shù)和相對(duì)值。當(dāng)它們個(gè)數(shù)滿足一定條件時(shí)即為匹配成功， 不滿足視為不匹配。匹配與否用 success值返回。返回1說(shuō)明匹配成功，返回0則匹配 失敗。此外，本實(shí)驗(yàn)做了多次仿真，經(jīng)驗(yàn)證該系統(tǒng)可以較好的進(jìn)行識(shí)別，準(zhǔn)確率達(dá)到了 95.1%。15 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋

47、識(shí)別系統(tǒng)設(shè)計(jì)結(jié)論本文系統(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，實(shí)現(xiàn)了基于 Matlab 的指紋識(shí)別系統(tǒng)。針對(duì)指紋圖像的特性， 將均值方差法、 模板細(xì)化、點(diǎn)模匹配應(yīng)用于指紋識(shí)別技術(shù)， 以改善指紋識(shí)別算法的性能。本系統(tǒng)主要完成了如下幾項(xiàng)工作：（1）綜合分析了指紋分割目前主流的三種趨勢(shì)，選擇了基于區(qū)域特征的均值方差 法并用MATLA語(yǔ)言來(lái)對(duì)指紋圖像進(jìn)行分割。分割前還對(duì)圖像進(jìn)行低頻歸一化處理。（2）對(duì)分割好的圖像進(jìn)行了二值化處理，使得細(xì)化的信息量大大減少。選用了一 種比較精確的模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。（3）對(duì)細(xì)化后的圖像進(jìn)行特征提取

48、，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、 毛刺視為偽特征點(diǎn)，對(duì)他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。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?；?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。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)。# / 37(畢業(yè)論文 )基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)參考文獻(xiàn)1 王崇文 ,李見(jiàn)為 ,周宏文 .指紋識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).計(jì)算

49、機(jī)應(yīng)用 ,2001.21(12):23-252 謝立鋒 ,陳靈梟 .淺談指紋識(shí)別基本原理 .技術(shù)與市場(chǎng) ,2008.1:44-453 耿德英 ,陳志敏 ,陳梅琴 .圖像處理在指紋識(shí)別中實(shí)踐.西昌學(xué)院學(xué)報(bào) ,2009.32(4):72-744 田捷,陳新建,張陽(yáng)陽(yáng). 指紋識(shí)別技術(shù)的新進(jìn)展 . 自然科學(xué)進(jìn)展 ,2006.16(4):400-405 王業(yè)琳 ,寧新寶 ,尹義龍 ,指紋圖像細(xì)化算法的研究.南京大學(xué)學(xué)報(bào) :自然科學(xué)版 ,2003.39(4):469-4756 張雄,賀貴明 ,一種指紋宏觀曲率特征提取算法.武漢大學(xué)軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室 ,2002.17 R. J. Langley, TR

50、W Integrated Engineering Division SIG Technology Review ? Winter 1995 .3-108 高月紅 .灰度圖像分割算法的研究 .科技信息 .2009.27:17-189 郭丹穎 ,吳成東 ,曲道奎 .小波變換理論應(yīng)用進(jìn)展 . 信息與控制 .2004.33(1):67-7110 李晨丹 ,徐進(jìn),指紋圖像預(yù)處理和特征提取算法的MATLAN 實(shí)現(xiàn) .計(jì)算機(jī)工程與科學(xué) .11 張雄 ,賀貴明 ,一種指紋宏觀曲率特征提取算法.武漢大學(xué)軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室.2002.1112 趙磊，陳瓊，陳中.一種新的改進(jìn) OPTA細(xì)化算法計(jì)算機(jī)應(yīng)用，200

51、8.28(10):2639-264213 .Asker M. Bazen,Fingerprint Identification - Feature Extraction,Matching, and Database Search14 Ranade osenfeld .A.oint Pattem Matching by Relaxation .Pattem Recogition，1993.12(2):269-27515 郭晶瑩 ， 吳晴， 商慶瑞 . 基于 Matlab 實(shí)現(xiàn)的指紋圖像細(xì)節(jié)特征提取 . 計(jì)算機(jī)仿真 ， 2007. 24:116 KASS M，WITKIN A，TERZOPOULO

52、S DSnake:Active contour models.International Journal ofComputer Vision.1988.1(4):32l-33117 MORTENSEN E N，BARRETF W A.Intelligent scissors for image composition.Proceedings of theACM SIGGRAPH 95.New York，NY.USA:ACM.1995.8:191-19817 / 37（畢業(yè)論文 ）基于 MATLAB 的指紋識(shí)別系統(tǒng)設(shè)計(jì)附錄MATLAE程序clcclear allclose all originI=imread(1.tif); m,n,s = size(originI);I=originI;if s = 3I = rgb2gray(originI);endI=double(I);figure, imshow(uint8(I) tic%歸%一%化%M=0;var=0;for x=1:mfor y=1:nM=M+I(x,y);endendM1=M/(m*n);fo