匹配算法形狀上下文質(zhì)量評(píng)估神經(jīng)網(wǎng)絡(luò)碩士論文

1、指紋識(shí)別系統(tǒng)中圖像質(zhì)量評(píng)估與匹配算法的研究及實(shí)現(xiàn)信號(hào)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(diǎn),指紋已成為身份識(shí)別和鑒定的一個(gè)重要標(biāo)志,并被公認(rèn)為“物證之首”。盡管指紋識(shí)別系統(tǒng)的研發(fā)已取得重大進(jìn)展,但是仍然存在許多難題,如:在對(duì)不同環(huán)境下采集到的不同質(zhì)量的指紋圖像進(jìn)行一對(duì)一識(shí)別時(shí)的準(zhǔn)確度不夠理想;針對(duì)大規(guī)模指紋庫(kù)的識(shí)別率和搜索時(shí)間遠(yuǎn)遠(yuǎn)不能滿足實(shí)際應(yīng)用的需求等。針對(duì)上述問(wèn)題,本文將綜合利用數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、智能算法等方面的知識(shí),主要研究指紋圖像質(zhì)量評(píng)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(shí)現(xiàn)了自動(dòng)指紋識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)。主要包括質(zhì)量評(píng)

2、估、預(yù)處理、特征提取和匹配算法。這些算法的實(shí)現(xiàn)為自動(dòng)指紋識(shí)別系統(tǒng)的實(shí)現(xiàn)和后續(xù)對(duì)質(zhì)量評(píng)估算法和匹配算法的研究實(shí)驗(yàn)奠定了基礎(chǔ)。(2)分析了現(xiàn)有質(zhì)量評(píng)估算法的不足,并嘗試使用神經(jīng)網(wǎng)絡(luò)進(jìn)行指紋圖像質(zhì)量的評(píng)估。這種算法以局部特征為神經(jīng)網(wǎng)絡(luò)的輸入,質(zhì)量分?jǐn)?shù)為輸出,用神經(jīng)網(wǎng)絡(luò)模仿人類對(duì)圖像質(zhì)量的評(píng)估方法。該方法相對(duì)于其他基于局部特征的算法更能準(zhǔn)確地評(píng)估圖像的質(zhì)量,給出合理的質(zhì)量分?jǐn)?shù)。(3)嘗試將形狀上下文算法用于指紋識(shí)別中以提高指紋匹配的性能,該算法利用某特征點(diǎn)附近其余特征點(diǎn)的分布情況作為特征進(jìn)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(guān)鍵詞】 匹配算法； 形狀上下文； 質(zhì)量評(píng)估； 神經(jīng)網(wǎng)絡(luò)； 【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(shí)別技術(shù)簡(jiǎn)介 10-11 1.3 指紋識(shí)別技術(shù)簡(jiǎn)介 11-13 1.4 課題的研究現(xiàn)狀 13-16 指紋圖像質(zhì)量評(píng)估 13-15 指紋匹配算法 15-16 1.5 本文的研究?jī)?nèi)容及結(jié)構(gòu)安排 16-18 研究?jī)?nèi)容 16-17 文章結(jié)構(gòu)安排 17-18 第二章 指紋識(shí)別系統(tǒng)中關(guān)鍵算法介紹 18-32 2.1 指紋識(shí)別系統(tǒng)的設(shè)計(jì) 18-22 指紋圖像的獲取 18-19 指紋的表示方法 19-20 特征提取 20 指紋的匹配 20-22 設(shè)計(jì)總結(jié) 22 2.2 指紋圖像分割算法 22-25 指紋圖像的梯度 2

6、3-24 圖像分割 24-25 2.3 圖像增強(qiáng)算法 25-29 方向場(chǎng)的計(jì)算 26-27 Gabor 濾波增強(qiáng) 27-29 2.4 特征提取算法 29-31 脊線平滑 29 提取細(xì)節(jié)點(diǎn) 29-30 去除偽細(xì)節(jié)點(diǎn) 30-31 2.5 本章總結(jié) 31-32 第三章 指紋圖像質(zhì)量評(píng)估算法的研究 32-51 3.1 指紋圖像質(zhì)量評(píng)估 32-38 圖像局部質(zhì)量的評(píng)估 32-36 圖像全局質(zhì)量的評(píng)估 36-37 本文的質(zhì)量評(píng)估算法 37-38 3.2 人工神經(jīng)網(wǎng)絡(luò) 38-44 人工神經(jīng)元 38-39 感知器的學(xué)習(xí)算法 39-40 反向傳播神經(jīng)網(wǎng)絡(luò) 40-43 對(duì)反向傳播神經(jīng)網(wǎng)絡(luò)的改進(jìn) 43-44 3.3 實(shí)驗(yàn)測(cè)試與結(jié)果分析 44-50 建立神經(jīng)網(wǎng)絡(luò)模型 44-46 網(wǎng)絡(luò)的訓(xùn)練 46-47 實(shí)驗(yàn)結(jié)果 47-50 3.4 本章總結(jié) 50-51 第四章 指紋匹配算法的研究 51-65 4.1 基于點(diǎn)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 形狀上下文 54-55 基于形狀上下文的算法 55-58 形狀上下文算法用于指紋