電路與系統(tǒng)專業(yè)畢業(yè)論文自動指紋識別系統(tǒng)關(guān)鍵技術(shù)研究

1、電路與系統(tǒng)專業(yè)畢業(yè)論文 精品論文 自動指紋識別系統(tǒng)關(guān)鍵技術(shù)研究關(guān)鍵詞：指紋識別 質(zhì)量評估 圖像二次分割 特征匹配摘要：由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指

2、紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配

3、的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。正文內(nèi)容 由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于

4、指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大

5、類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參

6、數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)

7、量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：

8、一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許

9、多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，

10、其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)

11、參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于

12、判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整

13、個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖

14、然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減

15、少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求

16、出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏

17、，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征

18、匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域

19、應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋

20、圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差

21、允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。

22、分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于

23、三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)

24、成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像

25、區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線性支持向量機(jī)SVM對前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對位置，通過對所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使

26、兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識別結(jié)果。由于人體指紋的長期不變性與唯一性，通過指紋特征來鑒別人員身份的自動指紋識別技術(shù)已經(jīng)成為生物識別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識別領(lǐng)域已有許多研究成果，但是由于指紋識別所特有的復(fù)雜性和不確定性，自動指紋識別系統(tǒng)仍面臨著不少問題有待解決和完善。本文在指紋圖像質(zhì)量評估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評估算法。該算法依據(jù)不同的指紋質(zhì)量特征對最終評估結(jié)果影響的大小，依次對指紋圖像進(jìn)行評估，對不符合質(zhì)量要求的指紋圖像，立即終止其評估過程，提示用戶重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類型，提出對指紋圖像進(jìn)行二級分割以減少特征提取的錯誤率，其中初級分割采用最大類間方差閾值分割法把前景區(qū)域和背景區(qū)域分開，次級分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)