指紋圖像預(yù)處理畢業(yè)論文

目錄TOC\o"1-3"\h\u指紋是人體獨一無二的特性，其復(fù)雜度足以提供用于鑒別的特性。隨著有關(guān)支持技術(shù)的逐步成熟，指紋識別技術(shù)通過數(shù)年的發(fā)展已成為現(xiàn)在最方便、可靠、非侵害和價格便宜的生物識別技術(shù)解決方案，對于廣大市場的應(yīng)用有著很大的發(fā)展?jié)摿Α?.7指紋識別的重要應(yīng)用指紋識別鍵盤現(xiàn)在的計算機應(yīng)用中，涉及許多非常機密的文獻保護，大都使用“顧客ID+密碼”的辦法來進行顧客的身份認證和訪問控制。但是，如果一旦密碼忘記，或被別人竊取，計算機系統(tǒng)以及文獻的安全問題就受到了威脅[11]。隨著科技的進步，指紋識別技術(shù)已經(jīng)開始慢慢進入計算機世界中?，F(xiàn)在許多公司和研究機構(gòu)都在指紋識別技術(shù)領(lǐng)域獲得了很大突破性進展，推出許多指紋識別與傳統(tǒng)IT技術(shù)完美結(jié)合的應(yīng)用產(chǎn)品，這些產(chǎn)品已經(jīng)被越來越多的顧客所承認。指紋識別技術(shù)多用于對安全性規(guī)定比較高的商務(wù)領(lǐng)域，而在商務(wù)移動辦公領(lǐng)域頗具建樹的富士通、三星及IBM等國際出名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識別系統(tǒng)，下面就對指紋識別系統(tǒng)在筆記本電腦中的應(yīng)用進行簡樸介紹。眾所周知，在兩年前就有部分品牌的筆記本采用指紋識別技術(shù)用于顧客登錄時的身份鑒定第一代光學式指紋讀取器，但是，當時推出的指紋系統(tǒng)屬于光學識別系統(tǒng)，按照現(xiàn)在的說法，應(yīng)當屬于第一代指紋識別技術(shù)。光學指紋識別系統(tǒng)由于光不能穿透皮膚表層（死性皮膚層），因此只能夠掃描手指皮膚的表面，或者掃描到死性皮膚層，但不能進一步真皮層。在這種狀況下，手指表面的干凈程度，直接影響到識別的效果。如果，顧客手指上粘了較多的灰塵，可能就會出現(xiàn)識別出錯的狀況。并且，如果人們按照手指，做一種指紋手模，也可能通過識別系統(tǒng)，對于顧客而言，使用起來不是很安全和穩(wěn)定。因此出現(xiàn)了第二代電容式傳感器，電容傳感器技術(shù)是采用了交替命令的并排列和傳感器電板，交替板的第二代電容式傳感器形式是兩個電容板，以及指紋的山溝和山脊成為板之間的電介質(zhì)。兩者之間的恒量電介質(zhì)的傳感器檢測變化來生成指紋圖像。但是由于傳感器表面是使用硅材料容易損壞，造成使用壽命減少，尚有它是通過指紋的山溝和山脊之間的凹凸來形成指紋圖像的，因此對臟手指、濕手指等困難手指識別率低。發(fā)展到今天，出現(xiàn)第三代生物射頻指紋識別技術(shù)，射頻傳感器技術(shù)是通過傳感器本身發(fā)射出微量射頻信號，穿透手指的表皮層去控測里層的紋路，來獲得最佳的指紋圖像。因此對干手指，漢手指等困難手指通過可高達99%，防偽指紋能力強，指紋敏感器的識別原理只對人的真皮皮膚有反映，從根本上杜絕了人造指紋的問題，寬溫區(qū)：適合特別嚴寒或特別炎熱的地區(qū)。由于射頻傳感器產(chǎn)生高質(zhì)量的圖像，因此射頻技術(shù)是最可靠，最有力有解決方案。除此之外，高質(zhì)量圖像還允許減小傳感器，無需犧牲認證的可靠性，從而減少成本并使得射頻傳感器思想的應(yīng)用到可移動和大小不受拘束的任何領(lǐng)域中。指紋識別技術(shù)還能夠通過幾個辦法應(yīng)用到許多方面。能夠想象如果計算機上的全部系統(tǒng)和應(yīng)用程序都能夠使用指紋驗證的話，人們使用計算機就會非常方便和安全，顧客不再討厭必要的安全性檢查，而IT開發(fā)商的售后服務(wù)工作也會減輕許多。IBM公司已經(jīng)開發(fā)成功并廣泛應(yīng)用的GlobalSignOn軟件通過定義唯一的口令，或者使用指紋，就能夠在公司整個網(wǎng)絡(luò)上暢行無阻。把指紋識別技術(shù)同IC卡結(jié)合起來，是現(xiàn)在最有前景的一種方向之一[12]。該技術(shù)把卡的主人的指紋（加密后）存儲在IC卡上，并在IC卡的讀卡機上加裝指紋識別系統(tǒng)，當讀卡機閱讀卡上的信息時，一并讀入持卡者的指紋，通過比對卡上的指紋與持卡者的指紋就能夠確認持卡者的與否卡的真正主人，從而進行下一步的交易。在更加嚴格的場合，還能夠進一步同后端主機系統(tǒng)數(shù)據(jù)庫上的指紋作比較。指紋IC卡能夠廣泛地運用于許多行業(yè)中，例如取代現(xiàn)行的ATM卡、制造防偽證件（簽證或護照、公費醫(yī)療卡、會員卡、借書卡等）。現(xiàn)在ATM提款機加裝指紋識別功效在美國已經(jīng)開始使用。持卡人能夠取消密碼(避免老人和孩子記憶密碼的困難)或者仍舊保存密碼，在操作上按指紋與密碼的時間差不多。近年來，自動發(fā)送信息的互聯(lián)網(wǎng)絡(luò)，帶給人們的方便與利益，正在快速增加之中，但也因此產(chǎn)生了諸多的問題，特別在信息安全方面。無論是團體或者個人的信息，都膽怯在四通八達的網(wǎng)絡(luò)上傳送而發(fā)生有損權(quán)益的事情。由于指紋特性數(shù)據(jù)能夠通過電子郵件或其它傳輸辦法在計算機網(wǎng)絡(luò)上進行傳輸和驗證，通過指紋識別技術(shù)，限定只有指定的人才干訪問有關(guān)信息，能夠極大地提高網(wǎng)上信息的安全性，這樣，涉及網(wǎng)上銀行、網(wǎng)上貿(mào)易、電子商務(wù)的一系列網(wǎng)絡(luò)商業(yè)行為，就有了安全性保障。在SFNB(SecurityFirstNetworkBank安全第一網(wǎng)絡(luò)銀行)[22]，就是通過互聯(lián)網(wǎng)絡(luò)來進行資金劃算的，他們現(xiàn)在正在實施以指紋識別技術(shù)為基礎(chǔ)的保障安全性的項目，以增強交易的安全性。在醫(yī)院里，指紋識別技術(shù)能夠驗證病人身份，例如輸血管理。指紋識別技術(shù)也有助于證明謀求公共救援、醫(yī)療及其它政府福利或者保險金的人的身份確認。在這些應(yīng)用中，指紋識別系統(tǒng)將會取代或者補充許多大量使用照片和ID的系統(tǒng)?？傊S著許多指紋識別產(chǎn)品已經(jīng)開發(fā)和生產(chǎn)，指紋識別技術(shù)的應(yīng)用已經(jīng)開始進入民用市場，并且發(fā)展迅猛，相信這一技術(shù)的普及應(yīng)用已經(jīng)指日可待。1.8本次設(shè)計的任務(wù)規(guī)定 本次設(shè)計，重要為了學習圖像解決的有關(guān)知識，弄懂指紋圖像的格式，讀取各象素點的顏色信息。將圖像轉(zhuǎn)換成灰度圖像，根據(jù)指紋圖像各個部分灰度的不同，將指紋圖像二值化。細化二值化后的指紋圖像，提取紋線的骨架。對指紋圖像進行修補，彌補紋線斷裂、指頭皮膚受傷等缺點。尋找指紋的特性點，擬定特性點的位置和方向。對此，本文將通過MATLAB平臺進行對指紋圖像的預(yù)解決，并得到對指紋特性值提取的圖片。 第二章設(shè)計方案 圖像預(yù)解決的目的是去除圖像中的噪聲，使指紋圖像清晰、邊沿明顯，方便于提高提取和存儲特性點的精確率．分為平滑解決、二值化、細化、特性值提取、特性值去除等幾個環(huán)節(jié)[12]。2.1平滑解決2.1.1增強對比度 圖像增強的辦法分空域法和頻域法[4]，空域法是增強圖像的像素，空域解決可用下式定義：g(X，Y)=T(F(X，Y))公式(2.1) 式中F(X，Y)是輸入的原始指紋圖像，灰度范疇是[m，M]，g(X，Y)為解決后的圖像，灰度變換增強能夠用下式描述： 公式(2.2)能夠提高指紋圖像脊與谷的對比度．2.1.2指紋圖像規(guī)格化和濾波 指紋圖像通過規(guī)格化后，才干將該圖的均值和方差控制在給定范疇內(nèi)。即對指紋的每個像素進行操作，采用公式以下： N(x,y)=公式（2.3） 式中：N(x，y)是規(guī)格化后的圖像，G(x，y)是原圖像，表達第x行第j列象素點對應(yīng)的灰度值，Var和M是圖像G的方差和均值，Var0和M0是盼望方差和盼望均值[15]。 通過觀察很小局部鄰域內(nèi)脊的方向，能夠得出該脊的方向，設(shè)脊線的方向向量為▽f，α(x，y)為▽f，在(x，y)處的方向角，有[19]，Hy、Hx為梯度分量。由上式能夠求得此像素點的指紋脊線方向，然后將此持續(xù)的方向在0~180°范疇內(nèi)離散化成8個方向，各方向之間的夾角為,π／8，求出每一塊的整體方向的平均作為此塊中全部點的方向，如圖2.l。4435673567N3N2N1N4NS0N5N6N7221 100(a)8個方向（b）8鄰塊圖2.1方向的選用 取N塊的8鄰塊(圖l.1(b))出現(xiàn)最多的方向為N塊的主方向。在該小鄰域內(nèi)與脊方向不同的點往往正是附加了噪聲的點。根據(jù)這一特性設(shè)計7×7自適應(yīng)濾波器，對圖像進行方向濾波。使在指紋脊線方向上的像素點得到加強，在其它方向受到不同的削弱，從而不僅使指紋圖像的噪聲得到克制，也保存了指紋的細節(jié)特性。通過方向濾波后的指紋圖像效果較好[17]。2.2銳化解決 為增強指紋紋線間的界限，突出邊沿信息，以利于二值化，要對指紋圖像進行銳化解決．用空間微分來完畢銳化解決。由于微分算子的響應(yīng)強度與圖像在該點的突變程度有關(guān)，因此銳化能夠增強指紋邊沿并削弱灰度變換緩慢的區(qū)域．二階微分形成增強細節(jié)的能力優(yōu)于一階微分，對灰度級階梯變化產(chǎn)生雙響應(yīng)，因此用拉普拉斯單一掩模進行銳化[14]。 由二元圖像的拉普拉斯變換離散形式的定義：公式（2.4）可推出單一掩模的系數(shù) 公式（2.5） 所用掩模0-10-15-10-10圖（2.2）掩模 拉普拉斯單一掩模銳化變換后使圖像中小的脊線部分得到增強。2.3二值化 對于指紋識別系統(tǒng)，有用的信息包含在脊線(指紋中突起的)和谷線(凹下的)的二值描述中．因而必須根據(jù)原始的灰度圖像來擬定圖像上的每一種點應(yīng)屬于客體區(qū)域還是背景區(qū)域，從而產(chǎn)生對應(yīng)的二值圖像，它不僅可大大減少存儲量，還能夠根據(jù)指紋的形狀(環(huán)型、弓型、螺旋型等信息)將指紋分類，這樣能夠大大提高指紋識別的速度[20]。 在基于含糊集理論的增強算法基礎(chǔ)上提出廣義度閾點的辦法．閾值的對的選擇在二值化中是很重要的，直接影響著分割的精度及圖像描述分析的對的性．在此采用動態(tài)自適應(yīng)閾值進行二值化，并根據(jù)脊線擴散張量特點，分解擴散4n個方向的和．即位于(x，y)處的像素g(x，y)的閾值V(x，y)是由以(x，y)為中心的指紋圖像窗口(2n+1)×(2n+1)中全部點的灰度值來擬定。即公式（2.6） 由于當(2n+1)×(2n+1)窗口落在下面2種不同區(qū)域?qū)l(fā)錯誤鑒別： 1)當(2+1)×(2n+1)窗口較多地落在谷線區(qū)，將會使一部分乃至大部分象素點被判為脊線； 2)當(2+1)×(2n+1)窗口較多地落在脊線區(qū)，將會使一部分乃至大部分象素點被判為谷線。 借助于參數(shù)δ和參考閾值Vt能夠得到修正。 令δ為一種通過實驗獲得的正整數(shù)，即令δ>0，有：公式（2.7）則 公式（2.8） 其中Vt為參考閾值。 令二值化后的圖像為r（x，y），則：公式（2.9） 此算法有點事不變化脊線持續(xù)性和奇異點的前提下，能夠有效連接斷裂脊線。2.4細化 細化是在不變化圖像像素拓撲連接關(guān)系的條件下，持續(xù)擦除圖像的邊沿像素，把紋線粗細不均勻的指紋圖像轉(zhuǎn)化成線寬僅為一種像素的條紋中心線圖像的過程。細化能夠去除不必要的紋線粗細信息，使得指紋圖像的數(shù)據(jù)量及連接構(gòu)造更加突出，便于從指紋圖像中提取細節(jié)特性，如圖2.2從而在指紋特性提取和匹配環(huán)節(jié)上提高圖像的解決速度和效率[21]。 圖2.2紋線特性分類 在此先在脊線的端點用二次曲線來擬合局部脊線，在沿該端點的方向延伸得到的擬合曲線，并根據(jù)端點附近的脊線信息建立不同的解決規(guī)則來解決不同的狀況，如對簡樸的脊線構(gòu)造，即明顯的斷線、脊線間明顯的橋以及作為短紋存在的毛刺等做初步解決，去除圖像的邊沿像素。為了克服指紋形變，用圖示模板進行細化解決： 從而得到最后的細化的指紋圖像，這樣提取出的指紋細節(jié)點、特性點和脊線才更為可靠和有效。 2.5特性值的提取指紋圖像特性提取的辦法有兩種：(1)從指紋的原灰度圖像上識別細節(jié)特性；(2)從指紋的細化圖像上識別細節(jié)特性。提取的特性重要有兩類：①奇異點指紋奇異點有三種類型：核形(Core)、三角形(Delta)和渦輪形(Whor1)；②構(gòu)造特。它涉及端點(Endpoint)、叉點(Bifurcation)、歧點、孤立點(Dot)、環(huán)點(Loop)、短紋(shortRidge)等及其方向、曲率、位置等信息。端點及叉點(圖2.3(b))是指紋細化圖像的重要特性，本文采用這兩種重要特性構(gòu)造指紋特性向量[18]。它的提取辦法為：設(shè)Cn(P)為交叉數(shù)，Sn(P)為像素8-鄰域(圖2.3(a))紋線點數(shù)：公式（2.10）公式（2.11）圖2.3特性提取 對于一幅徹底細化的指紋圖像來說，只有三種紋線點：(1)Cn(P)=1，Sn(P)=1，稱為端點；(2)Cn(P)=2，Sn(P)=2，3，4，稱為持續(xù)點；(3)Cn(P)=3，Sn(P)=3，稱為叉點。設(shè)提取的特性點集用P(P1，P2，?，Pn)表達，其中n為所提取的特性點的個數(shù)，Pi=(Xi，Yi，Ti，Ai)，Xi，Yi表達特性點的坐標；Ti表達特性點的類型，當特性點為端點時Ti=1，當特性點為端點時Ti=2；a表達特性點的角度，端點的角度取從端點為起點的端線的角度，又點的角度取圖2.3(b)中角度a，b，c中最小者相對的分支的角度。端線及分支的角度求法為：從特性點開始搜索持續(xù)點直到搜到另一種特性點或步長達成7，設(shè)搜索到的最后一點為(X，Y)，有：公式（2.12）2.6偽特性點的去除造成偽特性的因素有諸多，指紋提取、二值化及細化等過程均可能引入偽特性。偽特性的存在將影響指紋的比對，減少識別率．(1)偽特性的分析。對于取端點及叉點作為特性算法，偽特性重要指圖4中的五種：(a)毛刺；(b)假橋；(c)島嶼；(d)斷脊；(e)短脊。對于這些偽特性的消除，文獻[10]提出了基于紋線跟蹤的后解決辦法，文獻[13]提出了基于知識的指紋后解決辦法，將指紋后解決與指紋原灰度圖聯(lián)系了起來，文獻[14]提出了基于統(tǒng)計與構(gòu)造的指紋后解決辦法。 分析這五種偽特性，它們帶來的偽特性點總是成對在近距離內(nèi)出現(xiàn)并且除斷脊外都有短脊線相連接。毛刺、短脊及島嶼均為從一種特性點出發(fā)通過很小的步長達成另一種特性點，能夠采用沿脊線搜索特性點的辦法去除偽特性對。假橋、斷脊則要考慮偽特性的角度關(guān)系。圖2.4為抱負化的偽特性，各偽特性的角度關(guān)系非常明顯，假橋連線與脊線垂直，斷脊連線則與脊線平行，實際狀況則有偏差。設(shè)Pi，Pj為假橋或斷脊帶來的特性點對，v為小的角度閾值，且設(shè)A為Pi，與Pj連接線的角度：公式（2.13） 則對于假橋，A與Ai，及a近于垂直，即90°-v<<90°+v或90°-v<<90°+v；對于斷脊，Pi與Pj之間沒有脊線，并且A與Ai或Aj的差不大于v，即<v或<v。對于圖2.4(f)的雙叉構(gòu)造我們不將其當作偽特性，它與圖2.4(c)的島嶼的區(qū)別是連接兩叉點的脊線較長，這在現(xiàn)實中是可能存在的構(gòu)造，因此被保存。 圖2.4五種偽特性 (2)偽特性的去除[13]。由于提取的特性集合P(P1，P2．．．，Pn)全為端點與叉點，端點的偽形態(tài)有毛刺端點、短脊端點與斷脊端點；叉點的偽形態(tài)有毛刺叉點、假橋叉點與島嶼叉點。我們能夠分別從端點與叉點出發(fā)搜索其鄰域，判斷其真?zhèn)?，全部偽特性被分為偽端點與偽叉點予以去除。根據(jù)上面的分析，偽特性可按以下規(guī)則去除： ①去除孤立點與邊界點，邊界點定義為掩膜值為0的任何區(qū)域的距離不大于閾值的特性點； ②對于各端點Pi，從該特性點出發(fā)沿脊線搜索，若通過很小的步長達成另一種特性點即搜索到一種脊線點滿足Cn(P)!=2或Sn(P)!=2則分別當作短脊、毛刺所帶來的偽特性點予以去除；若該端點不是毛刺、短脊引發(fā)的偽端點，則搜索其鄰域與否有端點Pj滿足Pi與Pj之間沒有脊線，A與Ai或Aj的差不大于30°，即<30°或<30°，據(jù)此來判斷該端點與否為斷脊； ③對于各叉點Pi，從該特性點出發(fā)沿脊線搜索其中一種分支，若有兩個分支通過很小的步長均達成同一種叉點則當作島嶼予以去除；若有一種分支通過很小的步長達成另一種叉點P且滿足70°<110°或70°<<110°，則可當作假橋剔除；若有一種分支通過很小的步長達成另一種端點Pj則可當作毛刺剔除。2.7本章小結(jié)本章節(jié)介紹了MATLAB進行指紋解決的整個過程，同時也給出了每個環(huán)節(jié)的原理和算法，通過對指紋圖像平滑解決、二值化、細化、特性值提取、特性值去除等環(huán)節(jié)的具體介紹，使得我們能夠清晰理解到實驗過程的進行，為下文的軟件設(shè)計提供了理論根據(jù)。 第三章MATLAB軟件設(shè)計3.1MATLAB的介紹 MATLAB是矩陣實驗室（MatrixLaboratory）的簡稱，是美國MathWorks公司出品的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，重要涉及MATLAB和Simulink兩大部分。 MATLAB的應(yīng)用范疇非常廣，涉及信號和圖像解決、通訊、控制系統(tǒng)設(shè)計、測試和測量、財務(wù)建模和分析以及計算生物學等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨提供的專用MATLAB函數(shù)集）擴展了MATLAB環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。他含有下列諸多的優(yōu)點[23]：（1）和諧的工作平臺和編程環(huán)境 MATLAB由一系列工具構(gòu)成。這些工具方便顧客使用MATLAB的函數(shù)和文獻，其中許多工具采用的是圖形顧客界面。涉及MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、途徑搜索和用于顧客瀏覽協(xié)助、工作空間、文獻的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不停升級，MATLAB的顧客界面也越來越精巧，更加靠近Windows的原則界面，人機交互性更強，操作更簡樸。并且新版本的MATLAB提供了完整的聯(lián)機查詢、協(xié)助系統(tǒng)，極大的方便了顧客的使用。簡樸的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必通過編譯就能夠直接運行，并且能夠及時地報告出現(xiàn)的錯誤及進行出錯因素分析。（2）簡樸易用的程序語言 Matlab一種高級的矩陣/陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)構(gòu)造、輸入和輸出和面對對象編程特點。顧客能夠在命令窗口中將輸入語句與執(zhí)行命令同時，也能夠先編寫好一種較大的復(fù)雜的應(yīng)用程序（M文獻）后再一起運行。新版本的MATLAB語言是基于最為流行的C＋＋語言基礎(chǔ)上的，因此語法特性與C＋＋語言極為相似，并且更加簡樸，更加符合科技人員對數(shù)學體現(xiàn)式的書寫格式。使之更利于非計算機專業(yè)的科技人員使用。并且這種語言可移植性好、可拓展性極強，這也是MATLAB能夠進一步到科學研究及工程計算各個領(lǐng)域的重要因素。（3）強大的科學計算機數(shù)據(jù)解決能力 MATLAB是一種包含大量計算算法的集合。其擁有600多個工程中要用到的數(shù)學運算函數(shù)，能夠方便的實現(xiàn)顧客所需的多種計算功效。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前通過了多種優(yōu)化和容錯解決。在普通狀況下，能夠用它來替代底層編程語言，如C和C++。在計算規(guī)定相似的狀況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數(shù)集涉及從最簡樸最基本的函數(shù)到諸如矩陣，特性向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問題其大致涉及矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復(fù)數(shù)的多種運算、三角函數(shù)和其它初等數(shù)學運算、多維數(shù)組操作以及建模動態(tài)仿真等。 （4）杰出的圖形解決功效 圖形解決功效MATLAB自產(chǎn)生之日起就含有方便的數(shù)據(jù)可視化功效，以將向量和矩陣用圖形體現(xiàn)出來，并且能夠?qū)D形進行標注和打印。高層次的作圖涉及二維和三維的可視化、圖象解決、動畫和體現(xiàn)式作圖?？捎糜诳茖W計算和工程繪圖。新版本的MATLAB對整個圖形解決功效作了很大的改善和完善，使它不僅在普通數(shù)據(jù)可視化軟件都含有的功效（例如二維曲線和三維曲面的繪制和解決等）方面更加完善，并且對于某些其它軟件所沒有的功效（例如圖形的光照解決、色度解決以及四維數(shù)據(jù)的體現(xiàn)等），MATLAB同樣體現(xiàn)了杰出的解決能力。同時對某些特殊的可視化規(guī)定，例如圖形對話等，MATLAB也有對應(yīng)的功效函數(shù)，確保了顧客不同層次的規(guī)定。另外新版本的MATLAB還著重在圖形顧客界面（GUI）的制作上作了很大的改善，對這方面有特殊規(guī)定的顧客也能夠得到滿足。（5）應(yīng)用廣泛的模塊集合工具箱MATLAB對許多專門的領(lǐng)域都開發(fā)了功效強大的模塊集和工具箱。普通來說，它們都是由特定領(lǐng)域的專家開發(fā)的，顧客能夠直接使用工具箱學習、應(yīng)用和評定不同的辦法而不需要自己編寫代碼?，F(xiàn)在，MATLAB已經(jīng)把工具箱延伸到了科學研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號解決、圖像解決、系統(tǒng)辨識、控制系統(tǒng)設(shè)計、LMI控制、魯棒控制、模型預(yù)測、含糊邏輯、金融分析、地圖工具、非線性控制設(shè)計、實時快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。 （6）實用的程序接口和公布平臺 新版本的MATLAB能夠運用MATLAB編譯器和C/C++數(shù)學庫和圖形庫，將自己的MATLAB程序自動轉(zhuǎn)換為獨立于MATLAB運行的C和C++代碼。允許顧客編寫能夠和MATLAB進行交互的C或C++語言程序。另外，MATLAB網(wǎng)頁服務(wù)程序還允許在Web應(yīng)用中使用自己的MATLAB數(shù)學和圖形程序。MATLAB的一種重要特色就是含有一套程序擴展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序。工具箱是MATLAB函數(shù)的子程序庫，每一種工具箱都是為某一類學科專業(yè)和應(yīng)用而定制的，重要涉及信號解決、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、含糊邏輯、小波分析和系統(tǒng)仿真等方面的應(yīng)用。 （7）應(yīng)用軟件開發(fā)（涉及顧客界面）在開發(fā)環(huán)境中，使顧客更方便地控制多個文獻和圖形窗口；在編程方面支持了函數(shù)嵌套，有條件中斷等；在圖形化方面，有了更強大的圖形標注和解決功效，涉及對性對起連接注釋等；在輸入輸出方面，能夠直接向Excel和HDF5進行連接。 本次設(shè)計中使用的是MATLAB7.6，屬于最新的版本之一，功效強大，有助于對實驗進行簡易操作，更能提高設(shè)計實驗的精確性。3.2程序調(diào)試3.2.1設(shè)計思路指紋圖像預(yù)解決采集到的指紋圖像受多種因素的影響，是一幅含較多噪聲的灰度圖像。預(yù)解決的目的就是去除圖像中的噪聲，把它變成一幅清晰的點線圖，這樣才干提取對的的指紋特性，從而達成后邊的對的匹配。預(yù)解決過程重要涉及指紋規(guī)格化，平滑濾波解決，方向增強解決，二值化，細化等，它是指紋自動識別系統(tǒng)中極為核心的一步，它的好壞將直接影響著指紋識別的效果。在此基礎(chǔ)上，提取指紋特性信息，得到輸入指紋特性模板，然后用輸入指紋特性模板與已登記的指紋特性模板進行匹配，最后顯示識別成果。指紋圖像預(yù)解決指紋獲得歸一化指紋增強二值化指紋細化指紋分割特性提取輸出指紋匹配指紋獲得歸一化指紋增強二值化指紋細化指紋分割特性提取輸出指紋匹配圖3.1指紋識別的解決過程其整體構(gòu)造如上圖（3.1）所示，對此，我們將通過MATLAB進行下列的環(huán)節(jié)[26]：1讀入圖像：通過MATLAB指令imread將圖像讀入。2圖像灰度化：通過MATLAB指令將圖像進行灰度化，同時將其保存為bmp的圖像格式。 3顯示圖像：將指紋圖像進行初步解決，二值化，細化等基本環(huán)節(jié)，并且在應(yīng)用程序中將指紋圖像顯示出來。 4保存BMP文獻：把修改正的指紋圖像存人原來的文獻，或者把解決過的指紋圖像另存為一種BMP文獻。 5圖像增強：重要有兩種增強辦法，一是直方圖均衡算法，一是對比度的增強算法。 6有效區(qū)域選用：由于原始指紋圖像中指紋的脊線和谷線的邊界可能達不到對比度的規(guī)定，并且指紋圖像邊沿的指紋不是那么清晰，因此要對整個圖像進行有效區(qū)域的選用，對比度達成規(guī)定的圖像區(qū)域才干進行后期解決。 7特性值的提取：將指紋圖像中出現(xiàn)的紋線的起點、終點、結(jié)合點和分叉點選擇出來，并用小圓圈將其圈出。 8偽特性點的去除：將指紋圖像中出現(xiàn)的多種不合理的特性點，通過上文講的5種偽特性點的篩選，從而進行去除，進而得到更完美的指紋特性值提取圖像。3.3圖像解決 首先，先將選擇的指紋圖像進行灰度化解決，在此過程中，只規(guī)定我們將選好的圖像輸入到已經(jīng)完畢的程序中即可。下圖中為各個不同圖像得到的灰度化圖像。圖3.2（a）彩色指紋圖像灰度化后的比較圖3.2（b）彩色指紋圖像灰度化后的比較圖3.3灰度化指紋圖像灰度化后的比較以上兩圖中，分別為彩色圖像和黑白圖像的灰度化解決。 將選擇的灰度化指紋圖像讀入，通過MATLAB的指令將其進行二值化和細化，我們進行二值化后來，指紋圖形的脊線將變成黑色，而指紋皺褶將由白色替代。指紋細化消除了多出的指紋脊線，直至像素脊線只是一種像素寬。其圖以下圖3.4，左上角的圖像是指紋圖像，右邊的為二值化圖像，下面的為指紋細化圖像。 圖3.4灰度化圖像進行二值化和細化后來的比較 指紋圖像的特性值提取，我們篩選的篩選脊線圖像。其程序框圖以下,紋線跟蹤邁進識別器的編碼encode.m提取全部除去毛刺的莫少點selectend.m再次提取除去斷紋與邊界的末梢點reselectend.m提取去除偽特性點的分叉點selctbif.m細節(jié)提取圖3.5特性值提取的程序流程圖通過計算出一種值的每個3×3窗標語碼：如果中央像素是1，只有當兩個像素都是1和1且作為鄰居，當時的核心像素是終止（判斷端點的辦法）。如果中央像素是1，有3個單值一起作為鄰居，當時的核心像素是分岔（判斷分叉點辦法）。如果中央像素值是1，有2個1值作為鄰居，當時的核心像素是普通的像素。其程序及成果圖形以下：I=imread('Empreinte.bmp');subplot(221);imshow(I);set(gcf,'position',[11600600]);J=I(:,:,1)>160;subplot(222);imshow(J)set(gcf,'position',[11600600])K=bwmorph(~J,'thin','inf');subplot(223);imshow(~K)set(gcf,'position',[11600600]);L=nlfilter(K,[33],fun); 圖3.6特性值提取 上圖中，我們有諸多虛假的特性點。其中有很大一部分是為邊沿點，為此，我們選擇了一塊有效區(qū)域，同時將進行下列操作來去除偽特性點，其過程1：如果終止點的距離和交叉點比D（D為自己設(shè)定的參數(shù)值）較小，我們會刪除這個細節(jié)。過程2：如果兩個交叉點距離比D較小，我們會刪除這個細枝末節(jié)。過程3：如果兩個終止點之間的距離比D較小，我們會刪除這個細枝末節(jié)，從而得到最后成果。執(zhí)行后以下圖3.7-圖3.9所示。 圖3.7有效區(qū)域的選用圖3.8有效的指紋特性值 圖3.9有效的指紋特性值的細化圖像 其除偽特性值程序重要以下：D=6;%%Process1Distance=DistEuclidian(CentroidBif,CentroidTerm);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidBif(i,:)=[];CentroidTerm(j,:)=[];%%Process2Distance=DistEuclidian(CentroidBif);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidBif(i,:)=[];%%Process3Distance=DistEuclidian(CentroidTerm);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidTerm(i,:)=[];[m,n]=size(I(:,:,1));indTerm=sub2ind([m,n],CentroidTerm(:,1),CentroidTerm(:,2));Z=zeros(m,n);Z(indTerm)=1;ZTerm=Z.*ROI';[CentroidTermX,CentroidTermY]=find(ZTerm);indBif=sub2ind([m,n],CentroidBif(:,1),CentroidBif(:,2));Z=zeros(m,n);Z(indBif)=1;ZBif=Z.*ROI';[CentroidBifX,CentroidBifY]=find(ZBif);figureimshow(I)set(gcf,'position',[11600600]);holdonplot(CentroidTermX,CentroidTermY,'ro','linewidth',2)plot(CentroidBifX,CentroidBifY,'go','linewidth',2)holdonplot(CentroidTermX,CentroidTermY,'ro','linewidth',2)plot([CentroidTermXCentroidTermX+dyTerm]',...[CentroidTermYCentroidTermY-dxTerm]','r','linewidth',2) 如果在開始將D的值進行變化，將其變小為5時，能夠得到更多的特性值，由于D的變化，將造成特性值點的取值變化，其得到的圖像以下圖3.10所示： 圖3.10 當參數(shù)D變化后來的特性值選項圖3.10與圖3.8相比，圖3.10中綠色的交叉點跟紅色的起始點與終止點都多了某些，而這些多是偽特性點，如3.11所示：偽特性點偽特性點偽特性點偽特性點圖3.11當D取值不同時候特性值的比較故而對于不同的圖形要選用不同參數(shù)進行解決，實驗要通過不停的調(diào)試，才干獲得最優(yōu)值。3.4本章小結(jié)本章節(jié)介紹了MATLAB軟件的某些功效及優(yōu)勢，并得到了用MATLAB進行指紋圖像解決的成果，簡要的介紹了重要程序，通過上面圖像的顯示，能夠看出已經(jīng)完畢了設(shè)計的任務(wù)的基本規(guī)定，找到了指紋的特性點。結(jié)束語 在這兩個多月里，我學到了許多以前沒有學到的知識和技能，鍛煉了自己的獨立思考能力和實際操作能力，系統(tǒng)整頓了大學四年所學的知識。同時，也理解了自己曾經(jīng)未曾接觸過的一種領(lǐng)域，指紋圖像的解決。指紋圖像預(yù)解決是指紋自動識別過程的第一步，它的好壞直接影響著指紋識別的效果。實驗中通過MATLAB編程進行圖像解決的各個環(huán)節(jié)，從而做到特性值的提取。在自己的努力尚有老師同窗的協(xié)助下，實驗已經(jīng)能完好的完畢各個基本功效，如圖像的灰度化，圖像二值化，圖像的細化，特性值的提取，偽特性點的去除等，從基本上來說，實驗已經(jīng)較好的達成了預(yù)期的目的。但是由于畢業(yè)設(shè)計的時間較短，因此有許多考慮還不夠全方面，還存在某些問題，這些都有待于進一步完善。例如在灰度化過程中，不能較好的進行圖像修理，從而使得得到的圖像不能進行下一步的工作，由于時間限制，為了不影響后續(xù)安排，只選了一種效果較好的圖像進行解決。我相信，通過這次設(shè)計，讓我充足理解到了一種設(shè)計的整體過程，并且也懂得了通過哪些辦法能夠讓自己更快更加好的完畢任務(wù)，為我后來步入社會工作提供了一種較好的經(jīng)驗，正是有了這一次的設(shè)計，使我對自己的職業(yè)將來充滿了信心。致謝 在此論文完畢之際，向我的導師李菲老師表達衷心的感謝。在我畢業(yè)設(shè)計期間，李老師予以了我悉心的指導，在我不懂得如何解決問題的時候，她總是能給出諸多的解決方案，同時不停的歸納我們所做的失誤之處，并且還能及時的予以我一種星期內(nèi)的任務(wù)，使得我們進度能準時進行，不至于搞的太倉促，使得我們都能有條不紊的進行畢業(yè)設(shè)計，同時李老師淵博的學識，嚴謹?shù)膶W風，認真負責的做事態(tài)度也是我學習的楷模，對我將來工作將會有很大的協(xié)助。 我同時也要感謝我身邊的同窗，在設(shè)計期間予以了我不少有益的信息和建議，使我順利解決了許多問題，在此向大家表達真誠的感謝。 最后衷心地感謝學院領(lǐng)導與老師，為我們提供了良好的學習環(huán)境，予以了我們許多有益的指導與協(xié)助。 參考文獻[1]RClarke．Humanidentificationininformationsystems：Managementchallengesandpublicpolicyissues[J]．Info．Technol．Peopie，1994.7(4)：6~37．[2]張志涌．精通MATLAB6．5版[M]．北京：北京航空航天大學出版社..3．[3]喬治宏．基于細節(jié)構(gòu)造的指紋特性提取及匹配算法研究[D][碩士學位論文]．北京：北京工業(yè)大學碩士學位論文.，5．[4]羅希平，田捷．自動指紋識別中的圖像增強和細節(jié)匹配算法[J]．軟件學報，.5.13(5)：946~956．[5]DarioMaio，Member，IEEE，andDavideMaltoni．Directgrayscaleminutiaedetectioninfingerprints[J]．IEEEtransactionsonpatternanalysisandmachineintelligence，1997，19(1)：27~40．[6]王家文，曹字．MATLAB6．5圖形圖像解決[M]．北京：國防工業(yè)出版社，.5．[7]田捷，楊鑫．生物特性識別技術(shù)理論與應(yīng)用[M]．北京：電子工業(yè)出版社，．[8]張顯全，唐瑩，郭明明．一種改善的指紋快速細化算法[J]．廣西科學院學報，，22(4)：237~239．[9]劉文星，王肇圻，母國光．紋線跟蹤及其在細化指紋后解決中的應(yīng)用[J]．光電子,激光，，13(2)：184~187．[10]繆紹綱．數(shù)字圖像解決——活用MATLAB[M]．成都：西南交通大學出版社，．[11]徐曉明．指紋圖像的預(yù)解決及特性提取[D][碩士學位論文]，大連：大連理工大學，[12]蘇彥華．VisualC++數(shù)字圖像識別技術(shù)典型案例[M]．北京：人民郵電出版社，．[13]0'ORMANl,NICKERSONJN.Anapproachtofingerprintfilterdesign[J]．PatternRecognition，1989，22(1)：29~38．[14]林國清，李見為，王崇文．指紋圖像預(yù)解決辦法的研究[J]．光電工程，，29(5)：56—58．[15]回紅，陳祥獻，周泓，等．Gabor函數(shù)實現(xiàn)基于構(gòu)造的指紋識別[J]．浙江大學學報(工學版)，，38(6)：712~716．[16]郭桂容．含糊模式識別[M]．長沙：國防科技大學出版社，1993．[17]KalleKava．FingerprintClassification[J]．PatternRecognition，1996，29(3)：389~404．[18]沈?qū)W寧．從指紋的原灰度圖像上識別細節(jié)特性[J]．模式識別與人工智能，I989，2(4)：53~57．[19]簡兵．基于脊線跟蹤的指紋圖細節(jié)提取算法[J]．電路與系統(tǒng)學報，,6(3)：1~5．[20]ZhaoQiBian．Knowledge—basedFingerprintPost—Processing[J]．In—ternationalJournalofPatternRecognitionandAificialIntelligence，，16(1)：53~67[21]QingHanXiao．FingerprintImagePost—Processing：ACombinedSta—iisticalandStructuralApproach[J]．PatternRecognition，1991，24(10)：985~992．[22]韓偉紅．指紋自動識別系統(tǒng)中的預(yù)解決技術(shù)[J]計算機研究與發(fā)展，1997，34(2):913~920．[23]馬笑瀟．指紋自動識別系統(tǒng)中的核心技術(shù)——方向圖[J]，重慶大學學報，，24(3).91~94．[24]HONGL,WANGY,JAINAK．Fingerprintimageenhancement：Algorithmandperformanceevaluation[J]．1EEETransactionsonPatternAnalysisandMachineIntelligence.85(9)：777~789．[25]JAINAK．FARROKHNIA．F．UnsupervisedTextureSegmentationUsingGaborFilters[J]．PatternRecognition，1991,24(12)：l167~1186，[26]趙書蘭.MATLABR數(shù)字圖像解決與分析實例教程[M].北京:化學工業(yè)出版社.,6.附錄1MATLAB實驗主程序：clearall,closeall,clc%%Loadimage%Thegeneralshapeofthefingerprintisgenerallyusedtopre-processthe%images,andreducethesearchinlargedatabases.Thisusesthegeneral%directionsofthelinesofthefingerprint,andthepresenceofthecore%andthedelta.SeveralcategorieshavebeendefinedintheHenrysystem:%whorl,rightloop,leftloop,arch,andtentedarch.%Mostalgorithmsareusingminutiae,thespecificpointslikeridges%ending,bifurcation...Onlythepositionanddirectionofthesefeatures%arestoredinthesignatureforfurthercomparison.I=imread('Empreinte.bmp');imshow(I)set(gcf,'position',[11600600]);%Acriticalstepinautomaticfingerprintmatchingistoautomaticallyand%reliablyextractminutiaefromtheinputfingerprintimages.However,the%performanceofaminutiaeextractionalgorithmreliesheavilyonthe%qualitytheinputfingerprintimages.Inordertoensurethatthe%performanceofanautomaticfingerprintidentification/verificationsystem%wouldberobustwithrespecttothequalityofthefingerprintimages,it%shouldbeessentialtoincorporateafingerprintenhancementalgorithminthe%minutiaeextractionmodule.%Inourcase,thequalityoftheimageisreallygood,andwewwon'tneed%toenhanceourimage￡.%%Binarize%Webinarizetheimage.Aftertheoperation,ridgesinthefingerprintare%highlightedwithblackcolorwhilefurrowarewhite.J=I(:,:,1)>160;imshow(J)set(gcf,'position',[11600600]);%%Thining%Ridgethiningistoeliminatetheredundantpixelsofridgestillthe%ridgesarejustonepixelwide.K=bwmorph(~J,'thin','inf');imshow(~K)set(gcf,'position',[11600600]);%%Minutiae%Wefilterthethinnedridgemapbythefilter"minutie"."minutie"%computethenumberofone-valueofeach3x3window:%*ifthecentralis1andhasonly1one-valueneighbor,thenthecentral%pixelisatermination.%*ifthecentralis1andhas3one-valueneighbor,thenthecentral%pixelisabifurcation.%*ifthecentralis1andhas2one-valueneighbor,thenthecentral%pixelisausualpixel.fun=@minutie;L=nlfilter(K,[33],fun);%%TerminationLTerm=(L==1);imshow(LTerm)LTermLab=bwlabel(LTerm);propTerm=regionprops(LTermLab,'Centroid');CentroidTerm=round(cat(1,propTerm(:).Centroid));imshow(~K)set(gcf,'position',[11600600]);holdonplot(CentroidTerm(:,1),CentroidTerm(:,2),'ro')%%BifurcationLBif=(L==3);LBifLab=bwlabel(LBif);propBif=regionprops(LBifLab,'Centroid','Image');%MeasurepropertiesofimageregionsCentroidBif=round(cat(1,propBif(:).Centroid));%Roundtonearestintegerplot(CentroidBif(:,1),CentroidBif(:,2),'go')%%Remarks%Wehavealotofspuriousminutae.%Wearegoingtoprocessthem.%process1:ifthedistancebetweenaterminationandabiffurcationis%smallerthanD,weremovethisminutiae%process2:ifthedistancebetweentwobiffurcationsis%smallerthanD,weremovethisminutia%process3:ifthedistancebetweentwoterminationsis%smallerthanD,weremovethisminutiaD=6;%%Process1Distance=DistEuclidian(CentroidBif,CentroidTerm);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidBif(i,:)=[];CentroidTerm(j,:)=[];%%Process2Distance=DistEuclidian(CentroidBif);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidBif(i,:)=[];%%Process3Distance=DistEuclidian(CentroidTerm);SpuriousMinutae=Distance<D;[i,j]=find(SpuriousMinutae);CentroidTerm(i,:)=[];%%holdoffimshow(~K)holdonplot(CentroidTerm(:,1),CentroidTerm(:,2),'ro')plot(CentroidBif(:,1),CentroidBif(:,2),'go')holdoff%%ROI%WehavetodetermineaROI.Forthat,weconsiderthebinaryimage,and%weaplyanclosingonthisimageandanerosion.%WiththeGUI,IallowtheuseofROItoolsofMATLAB,todefinemanually%theROI.Kopen=imclose(K,strel('square',7));KopenClean=imfill(Kopen,'holes');KopenClean=bwareaopen(KopenClean,5);imshow(KopenClean)KopenClean([1end],:)=0;KopenClean(:,[1end])=0;ROI=imerode(KopenClean,strel('disk',10));imshow(ROI)%%imshow(I)holdonimshow(ROI)alpha(0.5)holdonplot(CentroidTerm(:,1),CentroidTerm(:,2),'ro')plot(CentroidBif(:,1),CentroidBif(:,2),'go')holdoff%%Suppressextremaminutiae%OncewedefinedtheROI,wecansuppressminutiaeexternaltothisROI.[m,n]=size(I(:,:,1));indTerm=sub2ind([m,n],CentroidTerm(:,1),CentroidTerm(:,2));Z=zeros(m,n);Z(indTerm)=1;ZTerm=Z.*ROI';[CentroidTermX,CentroidTermY]=find(ZTerm);indBif=sub2ind([m,n],CentroidBif(:,1),CentroidBif(:,2));Z=zeros(m,n);Z(indBif)=1;ZBif=Z.*ROI';[CentroidBifX,CentroidBifY]=find(ZBif);imshow(I)holdonplot(CentroidTermX,CentroidTermY,'ro','linewidth',2)plot(CentroidBifX,CentroidBifY,'go','linewidth',2)%%Orientation%Oncewedeterminedthedifferentsminutiae,wehavetofindthe%orientationofeachoneTable=[3*pi/42*pi/3pi/2pi/3pi/45*pi/6000pi/6pi0000-5*pi/6000-pi/6-3*pi/4-2*pi/3-pi/2-pi/3-pi/4];%%TerminationOrientation%Wehavetofindtheorientationofthetermination.%Forfindingthat,weanalyzethepositionofthepixelontheboundaryof%a5x5boundingboxofthetermination.Wecomparethispositiontothe%Tablevariable.TheTablevariablegivestheangleinradian.forind=1:length(CentroidTermX)Klocal=K(CentroidTermY(ind)-2:CentroidTermY(ind)+2,CentroidTermX(ind)-2:CentroidTermX(ind)+2);Klocal(2:end-1,2:end-1)=0;[i,j]=find(Klocal);OrientationTerm(ind,1)=Table(i,j);enddxTerm=sin(OrientationTerm)*5;dyTerm=cos(OrientationTerm)*5;figureimshow(K)set(gcf,'position',[11600600]);hold