四隊(duì)和一隊(duì)三區(qū)隨著建設(shè)的深入指揮自動(dòng)化系統(tǒng)管理者需要一種方法了

隨著信息化建設(shè)的深入，指揮自動(dòng)化系統(tǒng)的管理者需要法了解和控制系統(tǒng)的者，并對(duì)者的行為作出分級(jí)控制，生物特征識(shí)別就是一種加強(qiáng)這種控制的有力工具。如登錄查勤系統(tǒng)，鑒別疑犯，勤務(wù)等。在這其中，應(yīng)用最為廣泛的就是自動(dòng)識(shí)別系統(tǒng)，而由于傳統(tǒng)識(shí)別系統(tǒng)一般采用高，想要提高識(shí)別系統(tǒng)的性能，就必須突破這一問(wèn)題的限制。非接觸識(shí)別系統(tǒng)采用非接觸式系統(tǒng)，有效地解決了過(guò)出現(xiàn)的圖像質(zhì)量不高，設(shè)備使用短等缺點(diǎn)，成本低，有著更為廣闊的應(yīng)用前景。日常勤務(wù)多種多樣，人員往來(lái)復(fù)雜，對(duì)于門(mén)禁等識(shí)別系統(tǒng)本文中，我們首先對(duì)非接觸圖像的特點(diǎn)進(jìn)行了分析，然后介紹了非接觸別。在每個(gè)步驟中，我們介紹了該步驟的意義和作用，利用圖像場(chǎng)將非接觸圖像去噪對(duì)進(jìn)行效果增強(qiáng)，使非接觸圖像轉(zhuǎn)化為傳統(tǒng)圖像，在特別的，在非接觸圖像的細(xì)節(jié)特征提取中，我們嘗試采用了基于拓?fù)浣Y(jié)：識(shí)別系統(tǒng)非接觸拓?fù)浣Y(jié)構(gòu)理論去偽Withthedeepeningoftheinformatizationconstructionofarmed commandautomationsystemofmanagersneedtoknowonewayandvisitorstothecontrolsystem,andstepcontrolforthevisitor'sbehavior,biometricsisakindofisapowerfultooltostrengthenthecontrolof.Suchasloginsystem,identifythe,detainedservice,etc.Amongthese,themostwidelyusedistheautomaticfingerprintidentificationsystem,andthetraditionalfingerprintidentificationsystem,commonlyusednon-contactsensorisinfluencedbytheoutsideworldisbig,equipmentlossquickly,imagequalityispoorer,thereliabilityoftherecognitionisnothigh,wanttoimprovetheperformanceoffingerprintrecognitionsystem,itmustbreakthroughthelimitoftheproblem.Contactlessfingerprintidentificationsystemusingcontactlessfingerprintacquisitionsystem,caneffectivelysolvethefingerprintacquisitionintheprocessofimagequalityisnothigh,shortservicelifeofequipment,suchasfaults,lowcost,hasawiderapplicationprospect.Armeddailydutiesarediverse,complex, exchangesforaidentificationsuchasentranceguardsystemhasahigherrequest.Inthisarticle,wefirst ysesthenon-contactthecharacteristicsoffingerprintimage,andthenintroducesthecontactlessfingerprintimageprocessinggeneralsteps:pretreatment,binarization,thinning,detailfeaturepointextraction,featurepointsscreening.Ineachstep,weintroducedthesignificanceandfunctionsofthestep,bymakinguseoftheimagefieldcontactlessfingerprintimageprocessing,computervision,grayscaleaverageofusingpointenhancementandGaborwaveletmodelof ligentfingerprintimageenhancementeffectoffingerprintenhancement,makecontactlessfingerprintimageintotraditionalfingerprintimage,inthedetailsofthefingerprintcharacteristic,istoextractthefeaturepointsofimagesforthescreening,removethefalsefeaturepoints,improvethequalityofrecognition,finallyusesthesimulationsoftware,thevariousstepsoffingerprintimageprocessingworkforthesimulationcalculation,andthesimulationresultsareyzed.Inparticular,inthecontactdetailsofthefingerprintimagefeatureextraction,wetrytoadopttherecognitionalgorithmbasedonthetheoryofthetopologyandfalserecognitionalgorithmoffeaturepoints,theextractionofhasobtainedthegoodeffect.:Fingerprintidentificationsystem Touchlessfingerprint Topologystructuretheory Pseudofeaturepointalgorithm 第一章引 傳統(tǒng)自動(dòng)識(shí)別技 非接觸式識(shí)別原理與概 結(jié) 的總體框 的主要工 第二章非接觸圖像的全局處 引 非接觸圖像場(chǎng)的計(jì) 非接觸圖像場(chǎng)的實(shí)驗(yàn)描 非接觸圖像強(qiáng)度 非接觸圖像梯度 非接觸圖像場(chǎng)的實(shí)驗(yàn)程 計(jì)算強(qiáng)度 計(jì)算梯度 非接觸圖像的輪廓提 本章小 第三章非接觸圖像的局部處 非接觸圖像的效果增 第一步：點(diǎn)增 第三步：Gabor小波模型的圖像去 二值化的方 細(xì)化方 本章小 第四章非接觸圖像細(xì)節(jié)特征提 引 算法思 算法步 算法實(shí) 特征點(diǎn)的甄 本章小 第五章結(jié)束 工作總 參考文 致 第一章識(shí)別在軍事和法學(xué)領(lǐng)域應(yīng)用甚廣。生物特征識(shí)別技術(shù)是利用生物特征進(jìn)行鎖定的技術(shù)。由于其唯一性和有效性等特點(diǎn)，在諸多領(lǐng)域得到實(shí)踐。因?yàn)樘卣骶哂羞@兩個(gè)特點(diǎn)，所以有廣泛的應(yīng)用。隨著計(jì)算機(jī)技術(shù)的發(fā)展，借助計(jì)算機(jī)的自動(dòng)認(rèn)證系統(tǒng)(AutomatedFingerprintIdentificationSystem/AFIS)也在研究趨成熟。[7]非接觸圖像具有諸多優(yōu)秀的特點(diǎn)，所以在圖像處理的個(gè)個(gè)步驟都有著與眾不同的算法，因此我們采用了區(qū)別于傳統(tǒng)的處理算法對(duì)圖像進(jìn)行圖像預(yù)處理。從圖像效果來(lái)看，非接觸能夠用戶(hù)的信息，在后期識(shí)別處理中能夠提取的細(xì)節(jié)點(diǎn)便于匹配，出錯(cuò)的概率更目前，也存在眾多隱患，在人員管控方面若單純依賴(lài)哨崗則必然會(huì)產(chǎn)生安全。采用非接觸的自動(dòng)識(shí)別系統(tǒng)花費(fèi)時(shí)間少，精度高，能夠有效識(shí)敵辨我，將扼殺在萌芽之中，有效防止分子侵入我方機(jī)要地區(qū)。因此，自動(dòng)識(shí)別系統(tǒng)在中也有著較大的應(yīng)用前景。具有以下特的生理特征就可以作為生物特征來(lái)對(duì)進(jìn)行鎖定可任何兩個(gè)人都不一般情況下?tīng)顟B(tài)1-1生物人高低中高低高低臉指中高高中高中高紋手中中中高中中中形手掌 管中中中中中高 高高中高低高膜視網(wǎng)簽名 聲中低低中低高低音高高低高中高高譜表1-1由表1-1可見(jiàn)識(shí)別以較高的性能和良好的接受度受到用戶(hù)的青睞種生物特性的市場(chǎng)份額的比較報(bào)告，其中識(shí)別的市場(chǎng)份額為48%。開(kāi)開(kāi)圖1-1由此可知，高穩(wěn)定性和較好的可接受性的識(shí)別在社會(huì)生活中扮演著重要的角色，這也是我們研究識(shí)別系統(tǒng)的主要原因之一。傳統(tǒng)的自動(dòng)識(shí)別技術(shù)包含以下幾個(gè)方面圖像特征提取匹配、判定。即將來(lái)的進(jìn)行計(jì)算處理，提取出其中專(zhuān)屬于該的細(xì)節(jié)點(diǎn)，并點(diǎn)之間的相對(duì)距離等方法確定兩幅圖像是否是同一用戶(hù)其計(jì)算過(guò)程如下圖1-2自動(dòng)識(shí)別系統(tǒng)工作步如圖1-2所示自動(dòng)識(shí)別系統(tǒng)特征提取步驟包含載入圖像預(yù)處理、細(xì)節(jié)點(diǎn)提取以及特征文件。其中的全局處理部分又包含圖像場(chǎng)的。由于傳統(tǒng)接觸式普遍采取按壓式工作原理使用一段時(shí)間后會(huì)產(chǎn)生提取儀器磨損，按壓形變等問(wèn)題，故產(chǎn)生了非接觸的想法方式的不同是。非接觸過(guò)不接觸面按照工作間接的方式不同非接觸采集方式有兩種：第一種：基于反射的非接觸式（RTFI）第二種：基于透射的非接觸式如圖所示第式的工作原理可以理解為將可見(jiàn)光光源置于正面，入射到表面的光線經(jīng)過(guò)一次反射后通過(guò)透鏡被光學(xué)傳感器接收。第二種采圖1-3非接觸式原如圖所示，從效果可以明顯看出非接觸較接觸式包含的非接 接觸圖1-4非接觸與傳統(tǒng)對(duì)目前國(guó)外已經(jīng)有很多對(duì)非接觸進(jìn)行了研究如的（TouchlessBiometricSystems)和韓國(guó)的BERCC（BiometricsEngineering基圖1- 總體框物識(shí)別技術(shù)傳統(tǒng)自動(dòng)識(shí)別計(jì)算和非接觸自動(dòng)識(shí)別技術(shù)著重介紹可接觸性識(shí)別與非接觸性識(shí)別的區(qū)別；最后，給出的總體框架。第二章，非接觸圖像的全局處理。首先，介紹了已經(jīng)圖像場(chǎng)的計(jì)算機(jī)視相關(guān)結(jié)果對(duì)圖像的輪廓進(jìn)行提取。， ，第二章非接觸圖像的全局處描述紋線脊谷變2-1，強(qiáng)度場(chǎng)：反 圖像能量分布情況，與物理場(chǎng)論的場(chǎng)強(qiáng)有關(guān)，基于以上定義，則對(duì)于一張Z

f(x,y)的灰度圖像圖像的強(qiáng)度場(chǎng)即圖像強(qiáng)度場(chǎng)的大小為（x,y）f(x,y)，其中f(x,y)是圖像場(chǎng)該點(diǎn)梯度場(chǎng)：反 圖像場(chǎng)的紋線隆起等情況，與物理場(chǎng)論中的梯度有關(guān)設(shè)(xyz為梯度，其可定義為fffxyz

ijij灰度函數(shù)f(x,y)的梯度向量是

f 。設(shè)圖像的梯度場(chǎng)為T(mén)(x,yxy T(x,y)f(x,y 對(duì)Z

zz zzf(x,y)求(x,y)的偏導(dǎo) ，梯度向量為T(mén)

y

y 記

(x,y為(x,yz,記

(x,y為(x,yzGXF(x1,y)F(x,GyF(xy1F(x

T(x,y)

G(x,G(x,y)G(x,22Xy旋度向量rotvvrotvv方向場(chǎng)是旋度的方向函數(shù)，該場(chǎng)計(jì)算與旋度向量rotvv設(shè)為O(x,y為方向場(chǎng)，則O(x,y)v。方向場(chǎng)也表示為與坐標(biāo)軸的夾角(x,y)。因此，求圖像方向場(chǎng)數(shù)學(xué)模型建模步驟如下GX(x,GX(x,TGX(x,y)T 因sin

，cos

，其中ij

2sin cos2sin2

O(xy)為1tan1(tan22實(shí)驗(yàn)表明以 ，效果優(yōu)于tansin i j Vx(x,y)uiwvj

2Gx(u,v)Gy(u,

i j V(x,y)

(G2(u,v)G2(u,

uiwvj 那么方向場(chǎng)的大小為(x,y)1tan1(Vx(x,y))

Vy(x,其中，i和j分別為圖像以塊單位分割后正方形的中心點(diǎn)，邊長(zhǎng)為w正圖2-1方向場(chǎng)分如圖所示，本文中將正方形ww選取為1616。分塊計(jì)算圖像的方圖T

f1Tf為該點(diǎn)方向場(chǎng)(xy垂直方向上單位長(zhǎng)度內(nèi)脊線的條數(shù)。首先定義V(h)為在[x1,x2的區(qū)間內(nèi)灰度垂直變化的總量，然后根據(jù)以下兩xV(h)

V(h)(x2x1)2

可得該圖像場(chǎng)的頻率場(chǎng)

f ，本文的實(shí)驗(yàn)平臺(tái)為一臺(tái)CPU主頻為2.4GHz、2G內(nèi)存的PCR2012a的編譯環(huán)境按照上文中圖像場(chǎng)數(shù)學(xué)模型本節(jié)分別的強(qiáng)度場(chǎng)，，由于本文所采用的非接觸圖像為0-255之間的灰度圖像故圖像的圖2-2強(qiáng)度圖像的梯度算法，我們采用M.Kass與A.Witkin基于均方梯度SobelXY軸的梯度向量Gx，Gy，其中A為原始圖像:： xG 2 x yG 0 y 1 圖X方向上梯 Y方向上梯 圖像梯度T=(Gx.^2+Gy.^2).^0.5;%計(jì)算梯度除圖像的“背景，便于我們的下一步的研究和對(duì)紋路的提取。我們采用基于圖像強(qiáng)度場(chǎng)的閾值分割算法迭代選擇閾值選擇一個(gè)T利用閾值T把圖像分為兩個(gè)區(qū)域R1和對(duì)區(qū)域R1R2.1和2T1(

2~4T值小于事先定義的參數(shù)T。 原圖像的灰度直方 閾值分割法提取輪從分割效果上看，由于圖像有著較好的灰度閾值，閾值分割法迭代選擇灰度閾值后取得了較好的分割效果，將輪廓很好地提取出來(lái)。我們均采用軟件進(jìn)行仿真計(jì)算，并給出了計(jì)算后的數(shù)值分布示意圖和第三章非接觸圖像的局部處，設(shè)r和s分別是輸入圖像f(x,y)和輸出圖像g(x,y)在任一點(diǎn)(x,y)的灰度 sT 在這個(gè)中，T為點(diǎn)運(yùn)算算子，反映在原始圖像和輸出圖像之間的某種y(x

其中，x與y的取值范圍均為[0,1]。esp則為伽馬系數(shù)。我們可以通過(guò)調(diào)整的取值有效的單一增加高灰度圖像區(qū)域或者低灰度圖像區(qū)域像和輸出圖像之間的灰度映射方式，也就是說(shuō)決定了是增強(qiáng)低灰度（陰影區(qū)域）對(duì)比度還是增強(qiáng)高灰度（區(qū)域）對(duì)比度。其中：111原圖 點(diǎn)增強(qiáng)后圖圖3-1 255（PDFp(x),0x

（3-1

p(x)

（3-pr(rps(s，灰度映射關(guān)系為sf(rp(s)p(r)

（3- 如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)：ps(s1，0s1（的P(r)等式兩邊對(duì)r

rsf(r)pr()d0

（3-（CDF，，對(duì)每一個(gè)灰度進(jìn)行，此時(shí)灰度均衡的轉(zhuǎn)換為DBf(DA)Dmax0

()dDAD

（3-而對(duì)于離散型灰度級(jí)，根據(jù)概率論相關(guān)知識(shí)可知,相應(yīng)的轉(zhuǎn) 應(yīng)為 Df

)Max

（3- Hi為第iA0式（4-8）f察方便，直接截取圖像中256256的一部分，進(jìn)行均衡化處理。均衡 均衡圖3-2圖像的均If=fft2(I);%快速變換If=fftshift(If)將零頻調(diào)到圖像的中心imshow(If)Gabor 2H(x 2

}cos(2

（3-GaborH(x)G(x',y')exp(2fx

（3-(1)分量：G(x,y)

1

(x/)2

x'

)x

cosxy

)

sin f為擴(kuò)散因子，數(shù)學(xué)意義為標(biāo)準(zhǔn)差為旋轉(zhuǎn)因子，數(shù)學(xué)幾何意義為相對(duì)于x軸正方向的夾角，物理意10 圖3-3Gabor之后我們對(duì)均衡后的圖像進(jìn)行Gabor變換在計(jì)算圖像方向場(chǎng)和濾波 濾波3-4Gabor，可以看出，經(jīng)過(guò)Gabor濾波處理圖像的紋路已被清晰地提取出來(lái)，說(shuō)Gabor濾波處理的效果是能夠?qū)φ麄€(gè)識(shí)別系統(tǒng)起到有效作用的，更重要的是說(shuō)明將非接觸圖像轉(zhuǎn)化為接觸式圖像進(jìn)而采取接觸式的方法進(jìn)行紋路，function[G,gabout]=gaborfilter(I,Sx,Sy,f,theta);ifisa(I,'double')~=1I=forx=-fix(Sx):fix(Sx)fory=-fix(Sy):fix(Sy)xPrime=x*cos(theta)+y*sin(theta);yPrime=y*cos(theta)-x*sin(theta);G(fix(Sx)+x+1,fix(Sy)+y+1)=Imgabout=conv2(I,double(imag(G)),'same');Regabout=gabout=sqrt(Imgabout.*Imgabout+圖像骨架的最佳方法之一。下面介紹圖像二值化的第法灰度閾值分割法g(xx(1x255時(shí)，該圖g(x的極大值，并按g(Pi從大到小的順序排列：P1，P2g(x)的極小值，并按g(QiQ1Q2尋找i，使Qi位于P1，P2之間并且使i最小，那么，Qi路部分為黑，其余部分都為白色。在這里，我們直接調(diào)用中的二值化二值化 二值化圖3-5二值化示可以看出，該算法對(duì)絕大多數(shù)的部分起到了很到的二值化作用，Gabor濾波后紋路灰度模糊的圖像變得更為清晰，脊線和谷線黑白分明bw1=im2bw(image_out_gray,thresh)對(duì)濾波后的圖像進(jìn)行二值化處理A3-6A點(diǎn)周?chē)憩F(xiàn)如此色彩順序，A點(diǎn)就是邊緣，要去掉以實(shí)現(xiàn)細(xì)化。然28=256種，一種一種枚舉顯然不現(xiàn)實(shí)。不過(guò)人們1表示黑色，0表示白色，則如果中心P1=1（黑點(diǎn)4個(gè)條件同時(shí)滿(mǎn)足，就刪除P1（令P1=0Z0(P1)P2*P4*P80或者Z0(P1P2*P4*P60或者Z0(P4)1NZ(P)P81Z0(P)可按照如下方式P-P-P-P-P 確地提取細(xì)節(jié)點(diǎn)，我們這里直接采取中的細(xì)化算法，對(duì)二值化后的細(xì)化 細(xì)化圖3-7細(xì)化示thin=bwmorph(bw1,'thin',5);%直接調(diào)用中的細(xì)化算BW2=“傳統(tǒng)”采取Gabor濾波和二值化、細(xì)化。得到了增強(qiáng)后的。上文中，我們介紹了圖像灰度變換、灰度均衡、Gabor0.04Gabor化算法，采用了構(gòu)造好的Gabor濾波器和自帶的二值化、細(xì)化函數(shù)。第四章非接觸圖像細(xì)節(jié)特征提形變不正確方法以及干濕臟的影響使到的圖像不夠清晰，理灰度圖像的方法利用數(shù)字學(xué)把傳統(tǒng)學(xué)的特征點(diǎn)轉(zhuǎn)化為數(shù)字指紋特征點(diǎn)的拓?fù)浣Y(jié)構(gòu)圖從而進(jìn)行識(shí)別消除了圖像形變的影響同時(shí)也減少行了的實(shí)現(xiàn)。 在中出現(xiàn)的機(jī)會(huì)最多，最穩(wěn)定，具有唯一性，而且比較容易獲取和檢測(cè)。通過(guò)算法檢測(cè)這兩類(lèi)特征點(diǎn)的數(shù)量，以及每個(gè)特征點(diǎn)的位置和所在區(qū)域紋線的方向是細(xì)節(jié)提取算法的任務(wù)。4-1θ θθθ ：2*255，則其為端點(diǎn)。：原理如下：在給紋線端點(diǎn)像素模型的九點(diǎn)圖中，如果AA2*255，A88CNRk1Rk2：6*255，則其為叉點(diǎn)。：原理如下：在該紋線叉點(diǎn)像素模型的九點(diǎn)圖中，如果AA6*255，A88CNRk1RkI=thin%細(xì)化后的圖像fori=2:M-1forj=2:N-ifif(n==7|n==5)

holdon;plot(x,y,'bo');holdoff;仿真后的處理結(jié)果，如圖4-2

4-2，提取圖像的細(xì)節(jié)特征是在細(xì)化圖像進(jìn)行的由于圖像質(zhì)量和噪聲的干擾，圖像中的偽特征點(diǎn)，如上圖中就可以看出須使用一些算法，，但是與短線不同的是這兩個(gè)偽端點(diǎn)是分布在兩條脊線上，沿脊線方向兩個(gè)偽圖4- 假特針對(duì)上面這些假特征，我們采用了法：計(jì)算特征點(diǎn)間的距離，如果距fori=1:t-for ifd<6

forif(x(i)>=10&x(i)<165)&(y(i)>=10&y(i)<140) holdon;plot(l,h,'bo');holdoff;4-4處理完邊緣的特征點(diǎn)后下面需要對(duì)內(nèi)的偽特征點(diǎn)進(jìn)行剔除根據(jù)下面將利用脊線以及偽特征點(diǎn)的特點(diǎn)提出剔除偽特征點(diǎn)的算法：定義：D(i,j)ijA(i,j)ijθ(i,j)i，jΔθ(i,j)A(i,j)與θ(i,j)通過(guò)脊線，若在一個(gè)端點(diǎn)i的D1范圍內(nèi)存在另外一個(gè)端點(diǎn)j，且方向近似相同，則端點(diǎn)ij通過(guò)脊線，若在一個(gè)端點(diǎn)i的D2范圍內(nèi)存在一個(gè)分叉點(diǎn)j，則這樣的特征點(diǎn)i，jΔθ(i,j)近似等于π/2，則這兩個(gè)特征點(diǎn)為橋形成的偽特征點(diǎn)，需要將它們i或