基于MATLAB的指紋識別系統(tǒng)的設(shè)計及實(shí)現(xiàn)

1、 本科畢業(yè)論文（設(shè)計）論文題目：基于MATLAB的指紋識別系統(tǒng)的設(shè)計與實(shí)現(xiàn)姓名：學(xué)號：班級： 年級： 專業(yè)： 學(xué)院： 指導(dǎo)教師：完成時間： 武昌工學(xué)院本科畢業(yè)論文（設(shè)計）專用稿紙 作者聲明本畢業(yè)論文（設(shè)計）是在導(dǎo)師的指導(dǎo)下由本人獨(dú)立撰寫完成的，沒有剽竊、抄襲、造假等違反道德、學(xué)術(shù)規(guī)范和其他侵權(quán)行為。對本論文（設(shè)計）的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。因本畢業(yè)論文（設(shè)計）引起的法律結(jié)果完全由本人承擔(dān)。畢業(yè)論文（設(shè)計）成果歸武昌工學(xué)院所有。特此聲明。 作者專業(yè)： 作者學(xué)號： 作者簽名： 年 月 日 基于MATLAB的指紋識別系統(tǒng)的設(shè)計與實(shí)現(xiàn)XXXThe design and

2、implementation of fingerprint identification system based on MATLABX, X 2017年02月26日武昌工學(xué)院本科畢業(yè)論文（設(shè)計）專用稿紙摘 要本文系統(tǒng)地介紹了指紋識別技術(shù)的發(fā)展和國內(nèi)外研究應(yīng)用現(xiàn)狀，闡述了建立指紋識別系統(tǒng)的必要性和意義。以數(shù)字圖像處理為基礎(chǔ)，研究指紋識別的原理和方法，重點(diǎn)分析基于神經(jīng)網(wǎng)絡(luò)指紋識別算法、濾波特征和不變矩指紋識別算法和指紋匹配算法，將matlab作為仿真工具，針對已有的三種指紋識別算法進(jìn)行編程識別；并通過實(shí)驗論證各種算法的優(yōu)缺點(diǎn)。關(guān)鍵詞：指紋識別；算法；Matlab仿真1AbstractThis p

3、aper systematically introduces the development of fingerprint recognition technology application status at home and abroad, establishing a fingerprint identification system described the necessity and significance. Based on digital image processing to study the principles and methods of fingerprint

4、identification, the focus of fingerprint recognition algorithm based on neural network, filter and moment invariant fingerprint recognition algorithm and fingerprint matching algorithm, matlab as a simulation tool for the existing three Fingerprint recognition algorithm programming; and various algo

5、rithms through experiments demonstrate the advantages and disadvantages.Keywords: fingerprint identification; Algorithm; Matlab simulation31武昌工學(xué)院本科畢業(yè)論文（設(shè)計）專用稿紙目 錄摘 要IAbstract21 緒論41.1 引言41.2指紋識別技術(shù)的發(fā)展和研究現(xiàn)狀51.3 指紋識別研究的目的和意義62 指紋識別的理論和方法82.1指紋識別的基本原理82.2指紋識別系統(tǒng)工作流程82.3指紋識別技術(shù)的方法103 matlab仿真實(shí)驗結(jié)果與分析163.1 算

6、法matlab仿真結(jié)果163.2 結(jié)果分析17結(jié)論18致 謝19主要參考文獻(xiàn)20附錄21201 緒論1.1 引言隨著網(wǎng)絡(luò)信息化時代的快速發(fā)展，個人身份的數(shù)字化和隱性化水平也得到了提高。如何準(zhǔn)確鑒定一個人的身份，保護(hù)信息安全是當(dāng)今信息化時代必須解決的一個關(guān)鍵性社會問題。目前，我國的各種管理大部分使用證件、磁卡、IC卡和密碼，這些手段無法避免偽造或遺失，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)。生物特征識別(BiometriCS)技術(shù)是指通過計算機(jī)利用人體所固有的生理特征或行為特征來進(jìn)行個人身份

7、鑒別。生理特征與生俱來，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;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，常見的生物特征識別手段主要有人臉、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，手寫體屬于行為

8、特征，而聲音則兼有兩方面的屬性。下面主要對其中指紋識別技術(shù)作介紹和研究。指紋識別技術(shù)不同人的指紋，即使同一個人不同手指的指紋，紋線走向及紋線的斷點(diǎn)和交叉點(diǎn)等各不相同，也就是說，每個指紋都是唯一的。另外，指紋不隨年齡的增長而發(fā)生變化，是終生不變的。依靠這種唯一性和穩(wěn)定性，可以把一個人同他的指紋對應(yīng)起來，通過對他的指紋和預(yù)先保存的指紋進(jìn)行比較，就能驗證他的真實(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，指紋鑒別就己經(jīng)開始應(yīng)用。19世紀(jì)初，科學(xué)研究發(fā)現(xiàn)了至今仍然承認(rèn)的指紋的兩個重要特征，一個是兩個不同手指的指紋紋線的式樣不同，另一個是指紋紋線的式樣終生不變。這個研究成果使得指紋在犯罪鑒別中

9、得以正式應(yīng)用。早期的指紋識別依靠人工對比方式進(jìn)行。由于指紋結(jié)構(gòu)的復(fù)雜性及對指紋識別要求的嚴(yán)格性，導(dǎo)致人工識別指紋難度大、速度慢并且識別準(zhǔn)確性受專家經(jīng)驗制約，遠(yuǎn)不能適應(yīng)實(shí)際工作的需要。20世紀(jì)60年代，隨著計算機(jī)技術(shù)的誕生、發(fā)展與不斷進(jìn)步，圖像處理與模式識別方法的日臻完善，人們開始著手研究利用計算機(jī)來處理指紋。從那時起，自動指紋識別系統(tǒng)(AFIS：Automated Fingerprint Identification System)在法律實(shí)施方面的研究和應(yīng)用在世界許多國家展開。20世紀(jì)80年代，個人電腦、光學(xué)掃描這兩項技術(shù)的革新，使得它們作為指紋取像的工具成為現(xiàn)實(shí)，從而使指紋識別可以在其他領(lǐng)域

10、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，低價位取像設(shè)備的引入及其飛速發(fā)展，可靠的比對算法的發(fā)現(xiàn)為個人身份識別應(yīng)用的增長提供了舞臺。據(jù)統(tǒng)計，到20世紀(jì)末，全世界生物識別市場約為1.56億美元，其中指紋識別約為1.2億美元，這標(biāo)志著指紋識別是當(dāng)前最成熟穩(wěn)定，并且應(yīng)用最廣泛的生物識別技術(shù)。1.2指紋識別技術(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)成為一門學(xué)科,卻只有百余年的歷史。指紋應(yīng)用可以分為三個時期。第一時期：摸索時期；據(jù)考證,我國已經(jīng)發(fā)現(xiàn)6千多年前的陶器上留下的指紋。中國是運(yùn)用指紋最早的國家之一,古代軍隊就設(shè)有箕斗花名冊。罪犯的供詞也以捺印指紋為證。在周代,

11、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。外國指紋應(yīng)用比我國晚得多,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。據(jù)考證,埃及、羅馬、印度這些具有悠久歷史的國家應(yīng)用指紋也有上千年的歷史。第二時期：指紋科學(xué)化時期；這一時期是從17世紀(jì)80年代開始的。第二時期：指紋科學(xué)化時期；這一時期是從17世紀(jì)80年代開始的。1684年,英國醫(yī)學(xué)博士格留第一次對指紋做了分類。1860年英國駐印殖民地行政長官威廉.赫謝爾,開始進(jìn)行犯罪指紋登記實(shí)驗,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

12、度最先始于英國。1892年英國高爾頓研究指紋,最早提出了用指紋進(jìn)行刑事登記的方法。1895年,英國采用高爾頓的研究成果,開始實(shí)行指紋登記制度。1897年,英國愛德華.享利發(fā)明指紋二部分析法,使指紋的分析、儲存、查對趨于完善。1901年,英國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重視和采用,并沿襲至今。1903年,中國青島市警察局首次應(yīng)用漢堡式指紋法。此后我國相繼開展了指紋的應(yīng)用及研究,還曾建立過“指紋學(xué)會”。劉紫宛編寫的中華指紋法一書是我國最早的指紋專著。全國解放后,我國對指紋研究一直比較重視。1955年編制了中華人民共和國十指紋分析法。這可以說是我國指紋的科學(xué)時期。

13、第三時期：現(xiàn)代化、自動化時期；這一時期是從本世紀(jì)60年代開始的。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)代化和自動化,例如,指紋的電子計算機(jī)應(yīng)用,使儲存、查對、鑒定開始走向自動化和半自動化的軌道。半自動管理,是采用人工或人與機(jī)器結(jié)合的半自動方式分析指紋,把人工鑒定方法計算機(jī)化。我國從60年代起,開始著手指紋管理現(xiàn)代化的工作,目前,我國基本上形成了一個指紋工作網(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。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,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)先后開發(fā)了指紋自動

14、識別系統(tǒng),指紋門禁系統(tǒng)、指紋考勤系統(tǒng)等。使指紋個人身份識別系統(tǒng)得到了實(shí)際運(yùn)用,另外,美國國家銀行根據(jù)這類技術(shù)將在21世紀(jì)初建成全國的個人身份認(rèn)證網(wǎng)絡(luò)系統(tǒng)。1.3 指紋識別研究的目的和意義指紋識別作為一種生物鑒定技術(shù)，為人類的個體的定義提供了一個到目前為止最為快捷和可信的方法。隨著指紋識別的普及，人們之間的信任成本將大大降低，提高人類社會活動的效率。在信息時代，一種安全便捷的身份認(rèn)證方式顯得越發(fā)重要。從生物測量角度而言，指紋識別將是一種非常理想的工具，用來定位一個人的基本社會坐標(biāo)原點(diǎn)。作為一個人，具有非常復(fù)雜的社會角色。在很多情況下，一個人的真實(shí)身份是很難被分辨的。指紋識別作為一個人基本社會角色

15、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。指紋識別承載了很多的社會意義，從最根本上來講，是可以良好的判斷和定義一個人的真實(shí)生物身份。從而降低社會活動中的信任成本，從根本上改變經(jīng)濟(jì)和社會交往模式改變，提高效率。指紋識別作為一種生物鑒定技術(shù)，為人類的個體的定義提供了一個到目前為止最為快捷和可信的方法。隨著指紋識別技術(shù)的日漸成熟，圖像處理及模式識別界曾一度認(rèn)為自動指紋識別問題已經(jīng)得到很好的解決。但實(shí)際上，指紋識別的核心技術(shù)仍然存在許多尚未解決的難題，尤其是對殘缺、污損指紋圖象進(jìn)行識別的魯棒性和適應(yīng)性方面不能令人滿意。指紋識別系統(tǒng)將隨著更小更廉價的指紋輸入設(shè)備的出現(xiàn)、計算能力更強(qiáng)更廉價的硬

16、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)用的自動指紋識別系統(tǒng)的算法有待進(jìn)一步改進(jìn)，多種指紋識別方法的集成應(yīng)用以及包括指紋識別在內(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，自動指紋識別技術(shù)現(xiàn)在是，未來幾年仍將是一個重要的、極具挑戰(zhàn)性的模式識別研究課題。2 指紋識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)的兩個重要特征：一是兩個不同手指的指紋紋脊的樣式（Ridge Pattern）不同，另外一個是指紋紋脊的樣式終生不變。這個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，由于計算機(jī)可以有效地處理圖形，人們開始著手研究計算機(jī)來處理指紋，自

17、動指紋識別系統(tǒng)AFIS在法律實(shí)施方面的研究與應(yīng)用有就由此展開來。2.1指紋識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，許多生物識別技術(shù)公司并不直接存儲指紋的圖象。多年來在各個公司及其研究機(jī)構(gòu)產(chǎn)生了許多數(shù)字化的算法（美國有關(guān)法律認(rèn)為，指紋圖象屬于個人隱私，因此不能直接存儲指紋圖象）。但指紋識別算法最終都?xì)w結(jié)為在指紋圖象上找到并比對指紋的特征。1指紋的特征我們定義了指紋的兩類特征來進(jìn)行指紋的驗證：總體特征和局部特征。在考慮局部特征的情況下，英國學(xué)者E.R.Herry認(rèn)為，只要比對13個特征點(diǎn)重合，就可以確認(rèn)為是同一個指紋。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

18、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分辨指紋是遠(yuǎn)遠(yuǎn)不夠的，這只是一個粗略的分類，但通過分類使得在大數(shù)據(jù)庫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)。兩枚指紋經(jīng)常會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指紋識別系統(tǒng)工作流程指紋識別技術(shù)主要涉及四個功能：讀取指紋圖象、提取特征

19、、保存數(shù)據(jù)和比對。系統(tǒng)開始，通過指紋讀取設(shè)備讀取到人體指紋的圖象，取到指紋圖象之后，要對原始圖象進(jìn)行初步的處理，使之更清晰。接下來，指紋辨識軟件建立指紋的數(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產(chǎn)生相同的特征數(shù)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)同時具有七種以上的唯一性特征。因為通常手指上平均具有70個節(jié)點(diǎn)，所以這種方法會產(chǎn)生大約490個數(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節(jié)點(diǎn)之間的關(guān)系，也有的算法還處理整幅指紋

20、圖像?？傊?，這些數(shù)據(jù)，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標(biāo)準(zhǔn)，也沒有一種公布的抽象算法，而是各個廠商自行其是。最后，通過計算機(jī)模糊比較的方法，把兩個指紋的模板進(jìn)行比較，計算出它們的相似程度，最終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。圖2.1 指紋識別系統(tǒng)工作原理框圖2.3指紋識別技術(shù)的方法本文重點(diǎn)研究基于神經(jīng)網(wǎng)絡(luò)指紋識別算法、濾波特征和不變矩指紋識別算法和指紋匹配算法，針對已有的三種指紋識別算法進(jìn)行編程識別，通過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)指紋識別算法用神經(jīng)網(wǎng)絡(luò)進(jìn)行識別選用哪種特征是個關(guān)鍵問

21、題考慮到本文這里的識別過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關(guān)緊要了通過對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)特征作為識別特征每個樣本提取的細(xì)節(jié)點(diǎn)特征是一個801維的向量包含20個特征點(diǎn)每個特征點(diǎn)的特征值是個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

22、概率分布估計從而可較好地完成指紋的識別,其識別模型如圖2.2所示.圖2.2 基于神經(jīng)網(wǎng)絡(luò)的自動指紋識別模型2.3.2 濾波特征和不變矩指紋識別算法濾波特征識別算法：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個特征。尺度不變性是滿足的。在濾波提取算法中,位移不變性是通過確定指紋圖像的中心參考點(diǎn)來實(shí)現(xiàn)的。 圖像的旋轉(zhuǎn)不變性可以通過在匹配階段建立多角度旋轉(zhuǎn)特征向量來實(shí)現(xiàn)。濾波特征的提取算法包括4 個步驟: 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 濾波器在八個不同的方向?qū)?/p>

23、ROI 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 個方向濾波器, 獲取全局結(jié)構(gòu)信息僅需要4 個方向濾波器)；在濾波圖像中,計算每一塊中灰度值相對于均值的平均絕對偏差, 進(jìn)而得到特征向量或特征編碼?；跒V波特征的指紋識別算法,首先對指紋圖像進(jìn)行濾波特征提取,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，計算區(qū)域的7個不變矩特征，認(rèn)為與模板匹配程度最高的區(qū)域為目標(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 =

24、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 = cvGetSubRect(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

25、.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,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過程。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)行匹配的過程。指紋匹配是一個模式識別的過程，判定的標(biāo)準(zhǔn)不是相等與不等，而是相似的程度。這

26、個程度判定依賴于事先設(shè)定的閾值，以及與判定時比較的特征點(diǎn)的個數(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（兩個特征點(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。指紋定位是使待驗證指紋的數(shù)個細(xì)節(jié)點(diǎn)的坐標(biāo)值與指紋庫中的數(shù)個細(xì)節(jié)點(diǎn)的坐標(biāo)值一一相互對準(zhǔn)的過程，從而使兩個指紋圖像對準(zhǔn)重合。由于在指紋采樣時，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

27、算法面對的首要問題?？梢赃x取奇異點(diǎn)作為對準(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別算法的流程圖。 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

28、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_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) +

29、(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 theta = 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 thet

30、a = 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 + arc; 3 matlab仿真實(shí)驗結(jié)果與分析本課題通過matlab仿真軟件分別對神經(jīng)網(wǎng)絡(luò)指紋識別算法、濾波特征和不變矩指紋識別算法、指紋匹配算法進(jìn)行仿真實(shí)驗與分析。3.1 算法matlab仿真結(jié)果圖3.1 原始指紋圖像圖3.2 經(jīng)過神經(jīng)網(wǎng)絡(luò)和高斯濾波的指紋圖像圖3.3 經(jīng)過不變矩的指紋圖像圖3.4 經(jīng)過匹配細(xì)化后的指紋圖

31、像3.2 結(jié)果分析試驗結(jié)果顯示：LVQ神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢在于網(wǎng)絡(luò)結(jié)構(gòu)簡單，只通過內(nèi)部單元的互相作用，就可以完成十分復(fù)雜模式識別的分類處理，具有很好的模式識別特性。濾波特征和不變矩指紋識別算法的優(yōu)勢在于它是基于直接線性變換的，因而無需確定與應(yīng)用相關(guān)的自適應(yīng)參數(shù)。矩技術(shù)類型很多，現(xiàn)已被應(yīng)用于圖像分類與識別處理的許多方面。從數(shù)學(xué)角度上看，矩是很簡單的。它的局限性在于無法對特定的目標(biāo)特性進(jìn)行精細(xì)計算，而且只能被應(yīng)用于全局目標(biāo)識別任務(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?；谌痔卣髌ヅ浞绞街饕褂弥讣y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

32、比較大。結(jié)論本文系統(tǒng)地介紹了指紋識別技術(shù)的發(fā)展和國內(nèi)外研究應(yīng)用現(xiàn)狀，闡述了建立指紋識別系統(tǒng)的必要性和意義，提出了用Matlab工具來解決指紋識別技術(shù)的處理方法，通過matlab仿真軟件分別對神經(jīng)網(wǎng)絡(luò)指紋識別算法、濾波特征和不變矩指紋識別算法、指紋匹配算法進(jìn)行仿真實(shí)驗與分析，比較了三種算法各自的優(yōu)勢。當(dāng)今，指紋自動識別技術(shù)仍是國內(nèi)外研究的熱點(diǎn)問題實(shí)現(xiàn)自動指紋識別系統(tǒng)的實(shí)時性網(wǎng)絡(luò)化提高系統(tǒng)識別率是人們研究的目標(biāo)相信不久以后指紋識別將廣泛應(yīng)用于我們的生活為人們提供更方便更快捷的服務(wù)。本文在分析指紋識別系統(tǒng)研究和發(fā)展的國內(nèi)外現(xiàn)狀的基礎(chǔ)上，通過指紋算法的理論和三個算法進(jìn)行系統(tǒng)的研究分析，并通過對指紋圖像

33、進(jìn)行matkab軟件仿真實(shí)驗，研究具有一定的應(yīng)用價值。致 謝這次的設(shè)計和論文是在各位老師的悉心指導(dǎo)下完成的。你們嚴(yán)肅的科學(xué)態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神，精益求精的工作作風(fēng)，深深地感染和激勵著我。從課題的選擇到項目的最終完成，你們都始終給予我細(xì)心的指導(dǎo)和不懈的支持。在此謹(jǐn)向老師們致以誠摯的謝意和崇高的敬意。感謝武昌工學(xué)院來對我的大力栽培；感謝大學(xué)所有的老師給予我諄諄教誨，為我打下堅實(shí)的知識基礎(chǔ)；同時還要感謝所有同學(xué)們。撰寫論文也使我的知識體系也在不斷地拓展和成熟，希望在未來的工作和生活過程中，亦能一直保持不斷的學(xué)習(xí)，不斷的完善自我，走向成熟。最后，希望在以后的學(xué)習(xí)和研究中能以更加優(yōu)異的成績來答謝所有關(guān)心

34、和幫助過我的老師和同學(xué)！再次謝謝您們！武昌工學(xué)院本科畢業(yè)論文（設(shè)計）專用稿紙主要參考文獻(xiàn)1 王建永.指紋圖像的特征提取與匹配D.大連：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:國防工業(yè)出版社,2004,5.3 董日榮.指紋識別系統(tǒng)核心算法的研究D.廣州：華南師范大學(xué),2004.4 Kim Y S, Kim W Y. Content-based trademark retrieval system using visually salient featuresJ. Image & Vision Computing, 2007, 16(1213):931-

35、939.5 王崇文.自動指紋識別方法研究.D.重慶：重慶大學(xué).2002.6 孫玉明, 王紫婷. 基于Matlab的指紋識別系統(tǒng)的研究與實(shí)現(xiàn)J. 電腦知識與技術(shù), 2009, 05(34):9803-9804.7 馮國進(jìn),顧國華,張保民.指紋圖像預(yù)處理與特征提取J.計算機(jī)應(yīng)用研究,2004,(5):183-186.8 田紀(jì)亞. 基于Matlab在指紋識別系統(tǒng)中的應(yīng)用研究D. 長春：吉林大學(xué), 2008.附錄程序1：function out = go_to_next_element(in, path); % called by end_track()% with the input image a

36、nd 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 path %simply go to the next element if (path(length,1) 197) flag =1; end; if (path(length,2) 197) flag =1; end; if f

37、lag = 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,branch_list) % 2/12 % this function will use the input image and the end_list to generate the % output image ( clean

38、ed ) 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) = end_list(i,2); if is_single(path(1,1),path(1,2),out) = 1 %it is a single