指紋識(shí)別畢業(yè)設(shè)計(jì)論文(編輯修改稿)

　

【文章內(nèi)容簡(jiǎn)介】 重要。參考點(diǎn)在指紋圖像的識(shí)別中是也至關(guān)重要的。能獲得參考點(diǎn)表明從被識(shí)別圖像中獲得的任意比特流與登記圖像中獲得的比特流相近，則有可能得出兩圖像相同的結(jié)果；沒(méi)有參考點(diǎn)表明被識(shí)別圖像完全是另一不同圖像。 針對(duì)上述中提及的問(wèn)題，本論文采用了兩種匹配方式，第一種為主流的點(diǎn)模匹配法，第二種則是較簡(jiǎn)單的FFT卷積判斷法。本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來(lái)驗(yàn)證的方法。這種方法將原特征點(diǎn)的相對(duì)距離進(jìn)行修改，使得各個(gè)特征點(diǎn)之間的相對(duì)距離產(chǎn)生差異。在找到核心點(diǎn)后，比較它們相對(duì)距離的差異，對(duì)于滿(mǎn)足一定值的點(diǎn)視為可積點(diǎn)。最后判斷可積點(diǎn)的個(gè)數(shù)和相對(duì)值。當(dāng)它們個(gè)數(shù)滿(mǎn)足一定條件時(shí)即為匹配成功，不滿(mǎn)足視為不匹配。匹配與否用success值返回。返回1說(shuō)明匹配成功，返回0則匹配失敗。本論文還參考了一種匹配方式，它先讀取所有的數(shù)據(jù)庫(kù)，庫(kù)的大小可自己選擇。然后錄用需要辨別的指紋圖像，濾波增強(qiáng)去噪后，找到它們的中心點(diǎn)，依次與數(shù)據(jù)庫(kù)圖像進(jìn)行二維FFT卷積，然后判斷出數(shù)據(jù)庫(kù)中哪幅圖片與錄用圖片最相似，并返回它們的差異長(zhǎng)度值。這種方法簡(jiǎn)單明了，缺點(diǎn)在于計(jì)算量比較大，需要較久的計(jì)算時(shí)間。為了驗(yàn)證這種匹配方法的可用性，這里特地選取了30張圖片做指紋圖片數(shù)據(jù)庫(kù)，目標(biāo)圖片為數(shù)據(jù)庫(kù)某圖片稍加修改后的圖片。如果可行，則此匹配法能找到最相近的圖片代號(hào)并顯示出它們的距離。以下為部分?jǐn)?shù)據(jù)庫(kù)圖片： 圖51數(shù)據(jù)庫(kù)中其中6張圖每張子圖都標(biāo)號(hào)(a)、(b)。 圖a 庫(kù)中第13號(hào)原圖 圖b庫(kù)中第13號(hào)修改圖 圖52數(shù)據(jù)庫(kù)中理想會(huì)配對(duì)的圖這個(gè)改動(dòng)太小了，可以選擇旋轉(zhuǎn)一個(gè)角度，或去掉上面的四分之一、加噪等方法選兩張修改圖，然后進(jìn)行比較。 圖53 指紋匹配程序模塊這個(gè)圖去掉。你只要顯示結(jié)果就行了。 圖54 指紋匹配結(jié)果這里以表格的形式列出修改后幾張圖像的匹配結(jié)果。以上結(jié)果論證了該指紋匹配的實(shí)用性。FFT卷積的方法能從多幅數(shù)據(jù)庫(kù)的指紋圖片中挑選出與當(dāng)前輸入圖片最相近的指紋，即使它的圖像有所殘缺，也不大會(huì)影響它的判斷和距離的計(jì)算。這兩種方法都很好地解決了找到基準(zhǔn)點(diǎn)，容錯(cuò)性和相似度的問(wèn)題。兩種方法都以中心點(diǎn)為基準(zhǔn)點(diǎn)。第一種方法的點(diǎn)判斷條件本身就是一個(gè)人為的容錯(cuò)估計(jì)值，很小的出錯(cuò)不會(huì)影響最終的匹配結(jié)果；第二種方法中的卷積值也存在一定限定值，具有容錯(cuò)性。相似度的計(jì)算，方法一以滿(mǎn)足特征點(diǎn)的相對(duì)距離差距不大的點(diǎn)的個(gè)數(shù)為相似依據(jù)；方法二以卷積值的大小來(lái)判斷圖像的相似性，并計(jì)算圖像的相似距離。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯(cuò)小，適合一對(duì)一匹配。方法二對(duì)圖像的預(yù)處理要求不高，方法簡(jiǎn)單，但計(jì)算復(fù)雜，適合一對(duì)多的檢索性匹配。第6章 總結(jié)和展望作為一種可靠的生物識(shí)別技術(shù)，指紋識(shí)別技術(shù)受到了廣泛關(guān)注，開(kāi)發(fā)高效可靠的指紋圖像識(shí)別算法不但具有重要的理論意義，而且具有很高的實(shí)用價(jià)值。本文針對(duì)指紋圖像的特性，將均值方差法、模板細(xì)化、點(diǎn)模匹配應(yīng)用于指紋識(shí)別技術(shù)，以改善指紋識(shí)別算法的性能。主要研究成果內(nèi)容如下：（1）綜合分析了指紋分割目前主流的三種趨勢(shì)，選擇了基于區(qū)域特征的均值方差法并用matlab語(yǔ)言來(lái)對(duì)指紋圖像進(jìn)行分割。分割前還對(duì)圖像進(jìn)行低頻歸一化處理。（2）對(duì)分割好的圖像進(jìn)行了二值化處理，使得細(xì)化的信息量大大減少。選用了一種比較精確的模板細(xì)化，得到了指紋細(xì)化后比較清晰的圖像。（3）對(duì)細(xì)化后的圖像進(jìn)行特征提取，其中分叉點(diǎn)和端點(diǎn)視為特征點(diǎn)，小橋、邊界、毛刺視為偽特征點(diǎn)，對(duì)他們進(jìn)行加以區(qū)分和提取以進(jìn)行匹配。（4）在上述的特征點(diǎn)的部分選用了點(diǎn)模匹配，以特征點(diǎn)滿(mǎn)足相對(duì)距離的個(gè)數(shù)和相對(duì)值為依據(jù)判斷是否匹配。此外，還介紹了一種濾波卷積的FFT卷積匹配，適合檢索匹配。本文由于時(shí)間上的限制，在實(shí)現(xiàn)細(xì)化和匹配的基礎(chǔ)上沒(méi)有能夠?qū)?xì)化和匹配算法進(jìn)行更深入的改進(jìn)研究，是一個(gè)缺憾。如何有效的對(duì)指紋圖像的分割細(xì)化的不足之處進(jìn)行彌補(bǔ)，對(duì)匹配算法改進(jìn)效率以及將指紋識(shí)別技術(shù)與在實(shí)踐中結(jié)合起來(lái)應(yīng)該是今后開(kāi)展工作的方向。參考文獻(xiàn)請(qǐng)仔細(xì)檢查格式上的一些細(xì)微錯(cuò)誤。[1]王崇文,李見(jiàn)為,[J].計(jì)算機(jī)應(yīng)用,2001,21(12):23—25[2]B Moayer and K S Fu. An application of stochastic languages to finger patrtern recognition[J]. Pattern recognition,1976,12:173179[3]謝立鋒,[J].技術(shù)與市場(chǎng),:4445[4]耿德英,陳志敏,[J].西昌學(xué)院學(xué)報(bào),(4):7274[5]劉明生,吳小培,[J].電子測(cè)量技術(shù)第32卷,:9294[6]郭文鵑,楊公平,[J]. 山東大學(xué)學(xué)報(bào),(7):94100[7][J].科技信息,2009年27期:1718[8]郭丹穎,吳成東,[J]. 信息與控制,(1):6771[9Ratha N KChen S Wain A Flow orientation BsedFeature Extraction in Fingerpfint lmages[J].Pattem Recognition, 1995,28(11):16571672[10]李晨丹,[J].計(jì)算機(jī)工程與科學(xué),（(7）):6164[11] 溫苗利，梁彥等．基于GaborN數(shù)的小波域指紋圖像增強(qiáng)算法[J]．計(jì)算機(jī)應(yīng)用，2006,20(9):6874[12]Gerbrands J J,Segmengtation of Noisy Images[D],Delft University of Technology,1988[13] 田捷,陳新建,張陽(yáng)陽(yáng). 指紋識(shí)別技術(shù)的新進(jìn)展[J]. 自然科學(xué)進(jìn)展,2006,16(4):400408[14]王業(yè)琳,寧新寶,[J].南京大學(xué)學(xué)報(bào):自然科學(xué)版,2003,39(4):469475[15] 趙磊,陳瓊,陳中. 一種新的改進(jìn)OPTA細(xì)化算法[J] . 計(jì)算機(jī)應(yīng)用,2008,28(10):26392642[16] KASS M,WITKIN A,TERZOPOULOS D．Snake:Active contour models[J].International Journal of Computer Vision,1988,1(4):32l一331[17] MORTENSEN E N,BARRETF W scissors for image position[J].Proceedings of the ACM SIGGRAPH York,NY，USA:ACM,1995,8:191—198[18]張雄,賀貴明,一種指紋宏觀曲率特征提取算法[D].武漢大學(xué)軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,2002,11[19]Ranade osenfeld . Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269275[20]A．Hrechak and J．Mchugh．Automated fingerprint recognition using structural matching[J]．Patern Recognition,1990,23(8):893—904致 謝經(jīng)過(guò)半年的材料準(zhǔn)備、開(kāi)題、論文寫(xiě)作及修改，我的畢業(yè)論文終于定稿。在論文完成前后，我的心情波動(dòng)較大。從論文的選題、資料的收集到論文的撰寫(xiě)編排整個(gè)過(guò)程中，我有來(lái)自各方面的幫助。在這個(gè)寫(xiě)作過(guò)程中，才發(fā)現(xiàn)要感謝的人真的很多。 首先，我要感謝我的畢業(yè)設(shè)計(jì)指導(dǎo)老師周老師。我在選題及研究過(guò)程中，得到周老師的悉心指導(dǎo)。周老師多次開(kāi)會(huì)討論研究進(jìn)程，幫助我開(kāi)拓研究思路，精心點(diǎn)撥。對(duì)論文中出現(xiàn)的許多問(wèn)題及時(shí)當(dāng)面溝通，悉心地指導(dǎo)我在論文問(wèn)題的解決思路，經(jīng)過(guò)反復(fù)修改，論文終于得以定稿。周老師一絲不茍的作風(fēng)，嚴(yán)謹(jǐn)求實(shí)的態(tài)度，踏踏實(shí)實(shí)的精神，熱情寬容的態(tài)度讓我時(shí)刻想著要盡快完成自己的論文早日畢業(yè)。 四年寒窗，所收獲的不僅僅是愈加豐厚的知識(shí)，更重要的是在閱讀、實(shí)踐中所培養(yǎng)的思維方式、表達(dá)能力和廣闊視野。很慶幸這些年來(lái)我遇到了許多恩師益友，無(wú)論在學(xué)習(xí)上、生活上都給予了我無(wú)私的幫助和熱心的照顧。在此，衷心的感謝他們。在論文的撰寫(xiě)和資料搜集期間，前人的資料對(duì)我提供了莫大的幫助，這里感謝設(shè)計(jì)中被我引用或參考的論著的作者。 感謝對(duì)我論文進(jìn)行評(píng)審的各位老師，感謝對(duì)論文的指導(dǎo)和提出的寶貴意見(jiàn)。我還要感謝我的父母，給予我生命并竭盡全力給予了我接受教育的機(jī)會(huì)。最后，再次感謝所有關(guān)心我、幫助過(guò)我的老師、同學(xué)、朋友和親人。他們也在我寫(xiě)作期間或多或少的幫過(guò)我的忙。附錄把所有代碼去掉，到時(shí)上交可自行的源代碼。主掃描程序clcclear allclose alloriginI=imread(39。39。)。[m,n,s] = size(originI)。I=originI。if s == 3 I = rgb2gray(originI)。endI=double(I)。figure, imshow(uint8(I)) tic%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 歸一化M=0。var=0。for x=1:m for y=1:n M=M+I(x,y)。 endendM1=M/(m*n)。for x=1:m for y=1:n var=var+(I(x,y)M1)*(I(x,y)M1)。 endendvar1=var/(m*n)。%c=sqrt(30*(I(x,y)M1)/var1)。for x=1:m for y=1:n if I(x,y)=M1 I(x,y)=150+sqrt(100*(I(x,y)M1)*(I(x,y)M1)/var1)。 else I(x,y)=150sqrt(100*(M1I(x,y))*(M1I(x,y))/var1)。 end endendfigure, imshow(uint8(I))%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 分割M = 10。 %1H = m/M。 L= n/M。aveg1=zeros(H,L)。var1=zeros(H,L)。for x=1:H。 for y=1:L。 aveg=0。var=0。 for i=1:M。 for j=1:M。 aveg=I(i+(x1)*M,j+(y1)*M)+aveg。 end end aveg1(x,y)=aveg/(M*M)。 for i=1:M。 for j=1:M。 var=(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))*(I(i+(x1)*M,j+(y1)*M)aveg1(x,y))+var。 end end var1(x,y)=var/(M*M)。 endendGmean=0。Vmean=0。for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y)。 Vmean=Vmean+var1(x,y)。 endendGmean1=Gmean/(H*L)。Vmean1=Vmean/(H*L)。gtemp=0。gtotle=0。vtotle=0。vtemp=0。for x=1:H for y=1:L if Gmean1aveg1(x,y) gtemp=gtemp+1。 gtotle=gtotle+aveg1(x,y)。 end if Vmean1var1(x,y) vtemp=vtemp+1。 vtotle=vtotle+var1(x,y)。 end endendG1=gtotle/gtemp。V1=vtotle/vtemp。gtemp1=0。gtotle1=0。vtotle1=0。vtemp1=0。for x=1:H for y=1:L if G1aveg1(x,y) gtemp1=gtemp1+1。 gtotle1=gtotle1+aveg1(x,y)。 end if 0var1(x,y)V1 vtemp1=vtemp1+1。 vtotle1=vtotle1+var1(x,y)。 end endendG2=gtotle1/gtemp1。V2=vtotle1/vtemp1。moban=zeros(H,L)。T1=G2。T2=V2。T3=G1100。T4=V210。for x=1: