匹配算法形狀上下文質量評估神經(jīng)網(wǎng)絡碩士論文

1、指紋識別系統(tǒng)中圖像質量評估與匹配算法的研究及實現(xiàn)信號與信息處理， 2011， 碩士【摘要】 由于具有唯一性、可靠性和穩(wěn)定性等特點,指紋已成為身份識別和鑒定的一個重要標志,并被公認為“物證之首”。盡管指紋識別系統(tǒng)的研發(fā)已取得重大進展,但是仍然存在許多難題,如:在對不同環(huán)境下采集到的不同質量的指紋圖像進行一對一識別時的準確度不夠理想;針對大規(guī)模指紋庫的識別率和搜索時間遠遠不能滿足實際應用的需求等。針對上述問題,本文將綜合利用數(shù)字圖像處理、計算機視覺、智能算法等方面的知識,主要研究指紋圖像質量評估算法和指紋匹配算法,并取得了以下研究成果:(1)研究并實現(xiàn)了自動指紋識別系統(tǒng)中的關鍵技術。主要包括質量評

2、估、預處理、特征提取和匹配算法。這些算法的實現(xiàn)為自動指紋識別系統(tǒng)的實現(xiàn)和后續(xù)對質量評估算法和匹配算法的研究實驗奠定了基礎。(2)分析了現(xiàn)有質量評估算法的不足,并嘗試使用神經(jīng)網(wǎng)絡進行指紋圖像質量的評估。這種算法以局部特征為神經(jīng)網(wǎng)絡的輸入,質量分數(shù)為輸出,用神經(jīng)網(wǎng)絡模仿人類對圖像質量的評估方法。該方法相對于其他基于局部特征的算法更能準確地評估圖像的質量,給出合理的質量分數(shù)。(3)嘗試將形狀上下文算法用于指紋識別中以提高指紋匹配的性能,該算法利用某特征點附近其余特征點的分布情況作為特征進行特征. 更多還原【Abstract】 Due to its uniqueness, reliabili

3、ty and permanence, fingerprint has become the most important symbol of individual identification, which also was acknowledged as“the chief physical evidence”. Although the research and development of AFIS (Automatic Fingerprint Identification System) has obtained significant progress, some difficult

4、ies still exist. For example, the accuracy of one-to-one identification between fingerprints which were collected under different environments is not ideal; and the per. 更多還原 【關鍵詞】 匹配算法； 形狀上下文； 質量評估； 神經(jīng)網(wǎng)絡； 【Key words】 matching algorithm； shape context； quality estimation； BP neural network； 摘要

5、4-5 ABSTRACT 5 第一章 緒論 9-18 1.1 引言 9-10 1.2 生物特征識別技術簡介 10-11 1.3 指紋識別技術簡介 11-13 1.4 課題的研究現(xiàn)狀 13-16 1.4.1 指紋圖像質量評估 13-15 1.4.2 指紋匹配算法 15-16 1.5 本文的研究內容及結構安排 16-18 1.5.1 研究內容 16-17 1.5.2 文章結構安排 17-18 第二章 指紋識別系統(tǒng)中關鍵算法介紹 18-32 2.1 指紋識別系統(tǒng)的設計 18-22 2.1.1 指紋圖像的獲取 18-19 2.1.2 指紋的表示方法 19-20 2.1.3 特征提取 20 2.1.4

6、指紋的匹配 20-22 2.1.5 設計總結 22 2.2 指紋圖像分割算法 22-25 2.2.1 指紋圖像的梯度 23-24 2.2.2 圖像分割 24-25 2.3 圖像增強算法 25-29 2.3.1 方向場的計算 26-27 2.3.2 Gabor 濾波增強 27-29 2.4 特征提取算法 29-31 2.4.1 脊線平滑 29 2.4.2 提取細節(jié)點 29-30 2.4.3 去除偽細節(jié)點 30-31 2.5 本章總結 31-32 第三章 指紋圖像質量評估算法的研究 32-51 3.1 指紋圖像質量評估 32-38 3.1.1 圖像局部質量的評估 32-36 3.1.2 圖像全局質

7、量的評估 36-37 3.1.3 本文的質量評估算法 37-38 3.2 人工神經(jīng)網(wǎng)絡 38-44 3.2.1 人工神經(jīng)元 38-39 3.2.2 感知器的學習算法 39-40 3.2.3 反向傳播神經(jīng)網(wǎng)絡 40-43 3.2.4 對反向傳播神經(jīng)網(wǎng)絡的改進 43-44 3.3 實驗測試與結果分析 44-50 3.3.1 建立神經(jīng)網(wǎng)絡模型 44-46 3.3.2 網(wǎng)絡的訓練 46-47 3.3.3 實驗結果 47-50 3.4 本章總結 50-51 第四章 指紋匹配算法的研究 51-65 4.1 基于點模式的匹配方法 51-53 4.2 基于形狀上下文的指紋匹配方法 53-62 4.2.1 形狀上下文 54-55 4.2.2 基于形狀上下文的算法 55-58 4.2.3 形狀