《MATLAB语言》课程论文
Matlab指纹识别系统
姓名：江帅璋
学号：12013241957
专业：通信工程
班级：通信2班
指导老师：朱瑜红
学院：物理电气信息学院
完成日期：2014.11.11
Matlab指纹识别系统
（姓名江帅璋2013级2班）
摘要
本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。
关键字：指纹识别；算法；matlab仿真
目录
第一章绪论 (4)
1.1 引言 (4)
1.2指纹识别技术的发展和研究现状 (5)
1.3 指纹识别研究的目的和意义 (7)
1.4 本论文结构 (8)
第二章指纹识别的理论和方法 (9)
2.1指纹识别的基本原理 (9)
2.2指纹识别系统工作流程 (9)
2.3指纹识别技术的方法 (10)
2.3.1神经网络指纹识别算法 (10)
2.3.2 滤波特征和不变矩指纹识别算法 (11)
2.3.3指纹匹配算法 (13)
第三章matlab仿真实验结果与分析 (16)
3.1 算法matlab仿真结果 (16)
3.2 结果分析 (17)
第四章总结与展望 (18)
参考文献 (19)
附录 (20)
致谢............................................................................................ 错误！未定义书签。
第一章绪论
1.1 引言
随着网络信息化时代的快速发展，个人身份的数字化和隐性化水平也得到了提高。如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便。生物特征身份鉴别方法可以避免这些麻烦。因此，这一技术已成为身份鉴别领域的研究热点。
生物特征识别(BiometriCS)技术是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴别。生理特征与生俱来，多为先天性的;行为特征则是习惯使然，多为后天性的。这里将生理和行为特征统称为生物特征，用于身份鉴别的生物特征应具有普遍性，即任何人都具有这一特征;唯一性，不同人的这一特征各不相同;稳定性，这一特征不随时间、外界环境等的变化发生改变;可接受性，用这一特征进行人体身份鉴别可以被人们接受和认可;防伪性，这一特征不易仿造、窃取。
目前，常见的生物特征识别手段主要有人脸、指纹、手形、手部血管分布、虹膜、视网膜、手写体、声音和脸部热量图等。它们有的已逐步得到推广和应用，有的还仅处于实验研究阶段。其中，人脸、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图属于生理特征，手写体属于行为特征，而声音则兼有两方面的属性。下面主要对其中指纹识别技术作介绍和研究。
指纹识别技术——不同人的指纹，即使同一个人不同手指的指纹，纹线走向及纹线的断点和交叉点等各不相同，也就是说，每个指纹都是唯一的。另外，指纹不随年龄的增长而发生变化，是终生不变的。依靠这种唯一性和稳定性，可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就能验证他的真实身份。
指纹用于身份鉴定的历史悠久。早在古叙利亚和中国，指纹鉴别就己经开始应用。19世纪初，科学研究发现了至今仍然承认的指纹的两个重要特征，一个是两个不同手指的指纹纹线的式样不同，另一个是指纹纹线的式样终生不变。这个研究成果使得指纹在犯罪鉴别中得以正式应用。早期的指纹识别依靠人工对比方式进行。由于指纹结构的复杂性及对指纹识别要求的严格性，导致人工识别指纹难度大、速度慢并且识别准确性受专家经验制约，远不能适应实际工作的需要。20世纪60年代，随着计算机技术的诞生、发展与不断进步，图像处理与模式识别方法的日臻完善，人们开始着手研究利用计算机来处理指纹。从那时起，自动
指纹识别系统(AFIS：Automated FingerprintIdentification System)在法律实施方面的研究和应用在世界许多国家展开。20世纪80年代，个人电脑、光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别可以在其他领域中得以应用，比如代替IC卡，普通锁等。20世纪90年代后期，低价位取像设备的引入及其飞速发展，可靠的比对算法的发现为个人身份识别应用的增长提供了舞台。据统计，到20世纪末，全世界生物识别市场约为1.56亿美元，其中指纹识别约为1.2亿美元，这标志着指纹识别是当前最成熟稳定，并且应用最广泛的生物识别技术。
1.2指纹识别技术的发展和研究现状
指纹应用可以追溯到几千年以前,但指纹学成为一门学科,却只有百余年的历史。指纹应用可以分为三个时期。
第一时期：摸索时期；据考证,我国已经发现6千多年前的陶器上留下的指纹。中国是运用指纹最早的国家之一,古代军队就设有箕斗花名册。罪犯的供词也以捺印指纹为证。在周代,指纹被用于民间契约的签署。指纹在侦察断案中也有着2千余年的应用历史。外国指纹应用比我国晚得多,巴比伦与西腊人,公元前2世纪在陶器上捺印指纹,以从鉴识。据考证,埃及、罗马、印度这些具有悠久历史的国家应用指纹也有上千年的历史。
第二时期：指纹科学化时期；这一时期是从17世纪80年代开始的。第二时期：指纹科学化时期；这一时期是从17世纪80年代开始的。1684年,英国医学博士格留第一次对指纹做了分类。1860年英国驻印殖民地行政长官威廉.赫谢尔,开始进行犯罪指纹登记实验,提出了指纹“人各不同,至死不变”的观点,建立了指纹分析和分类的方法。从此,指纹研究逐步走向科学化的轨道。指纹正式作为一种刑事登记制度最先始于英国。1892年英国高尔顿研究指纹,最早提出了用指纹进行刑事登记的方法。1895年,英国采用高尔顿的研究成果,开始实行指纹登记制度。1897年,英国爱德华.享利发明指纹二部分析法,使指纹的分析、储存、查对趋于完善。1901年,英国政府正式采用了享利指纹分析法。从此,指纹的登记制度逐渐被世界各国重视和采用,并沿袭至今。1903年,中国青岛市警察局首次应用汉堡式指纹法。此后我国相继开展了指纹的应用及研究,还曾建立过“指纹学会”。刘紫宛编写的《中华指纹法》一书是我国最早的指纹专著。全国解放后,我国对指纹研究一直比较重视。1955年编制了《中华人民共和国十指纹分析法》。这可以说是我国指纹的科学时期。
第三时期：现代化、自动化时期；这一时期是从本世纪60年代开始的。随着现代科学技术的发展,指纹应用迅速地实现了现代化和自动化,例如,指纹的电子计算机应用,使储存、查对、鉴定开始走向自动化和半自动化的轨道。半自动
管理,是采用人工或人与机器结合的半自动方式分析指纹,把人工鉴定方法计算机化。实施的步骤是:借助于带有投影屏幕的指纹分析仪或光笔,将十指纹型、中心纹线的形态、中心花纹的特征数字加以表述。再用电子计算机自动化储存和查对。全自动化管理,不仅指纹储存和查对采用自动化的方式,而且指纹分析也由电子计算机自动进行图像识别。利用电子计算机管理指纹的方法已在美国、日本、南非、罗马尼亚、德国等国实施,采取的方法有图像检查法和编码检索法两种。法国CIMSA公司和M0R-PH0SYSTEMS公司为了提高工作的效率,研制出了用于获取指纹、处理存贮和比较检索的整套指纹处理装置,主要用子犯罪记录、图像存贮、传输照片、指纹、十指卡和现场指纹的犯罪检索等方面。该系统包括指纹自动化分析系统和数字数据系统。指纹自动分析系统的基本功能是获取指纹(图像处理)、编码(特征点检索)、识别(根据参照指纹检索)、证实(难证检索结果)。数字数据系统的主要功能是能满足主管民事案件或刑事案件调查的各种指纹处理要求。这种设计的主要优点是系统、简便、灵活,便于改进安装;同时,集中和分散的控制结构,具有添加处理器和专用外围设备的扩展能力;由于它的安全性和开发利用的方便,使得非专业人员也能运用这种系统开展工作,在不必全部重新组织原有系统的情况下,能适应用户的工作方式和满足开发等需要。
日本电气公司(NEC)发明的由计算机控制的指纹取样装置(FAIS),可使调查人员在极短的时间内将现场提取的指纹与过去有犯罪前科犯人的二指纹档案进行比较,速度达到每秒钟检索650枚指纹。扫描器先用不到3秒钟的时间分析、记录下乳突纹线和纹形等指纹的细微特征。然后,调查人员将分析资料输入带有图像屏幕的具有高分辨能力的监控器中,操作者根据监控器和计算机提供的大量资料处理模糊的指纹,纠正变形,采用外推法将一枚残缺指纹修复成一枚完整的指纹。经过处理后的模糊指纹,被贮存在“光盘”中。操作者再将“光盘”输入由微处理机驱动的分析器作指纹比较。分析器每分钟可滤过万枚指纹,并告诉调查人员哪一级十指指纹与现场提取的指纹最接近,以便于指纹专家做最后的判断。1984年2月,美国旧金山警察局用160万美元装备了“指纹自动识别系统”,六年成功识别指纹一千多例。而在1990年以前,旧金山警察局平均每年查对指纹仅能成功70例。这套“指纹自动识别系统”还配有远距离终端,警察在终端也能进行指纹检索。
我国从60年代起,开始着手指纹管理现代化的工作,目前,我国基本上形成了一个指纹工作网,在指纹理论研究上也取得了重要成果,指纹的应用日益广泛起来。如民间把捺印指印作为合同和证件的凭证;在公安司法部门,指纹作为证实犯罪的证据;在医学方面,指纹用于诊断遗传病症等。特别是在90年代后期,西安交大、清华大学先后开发了指纹自动识别系统,指纹门禁系统、指纹考勤系统等。
使指纹个人身份识别系统得到了实际运用,另外,美国国家银行根据这类技术将在21世纪初建成全国的个人身份认证网络系统。
1.3 指纹识别研究的目的和意义
指纹识别作为一种生物鉴定技术，为人类的个体的定义提供了一个到目前为止最为快捷和可信的方法。随着指纹识别的普及，人们之间的信任成本将大大降低，提高人类社会活动的效率。在信息时代，一种安全便捷的身份认证方式显得越发重要。“在网络上，没有人知道你是一只狗，”在这种情况下，任何基于网络环境下的交往活动都被蒙上了一层技术意义的灰色。不可避免，所有基于这种网络技术基础之上的经济活动也因此被深深打上了不真实和不被信任的烙印。面对如此伟大的技术，人类对它的应用仅仅局限于虚拟网络群落中的狂欢，而不能真正对经济交往模式和效率起到推动作用，实在是遗憾。对于想从事和已经从事网络商务的公司来讲，确认交易人的身份是解决信用问题的第一步，而且是最重要的一步。对于淘宝网来讲，它能做的仅仅是通过身份证注册来保证交易人身份，这样的确是降低了身份冒用的及率，但不能不说这道防线是非常脆弱的。盗用他人身份证到淘宝上注册来骗取货款的案例层出不穷。对于阿里巴巴这样的大型B2B网站，即使他们在授予“诚信通”之前会对企业的注册资料等方面做详尽评估和考察，但是谁又能保证后续的交易者就是企业本身呢？毕竟，“诚信通”不能保证使用者的帐号和密码不会被盗取。这正是电子商务所面临的困境和瓶颈。Paypal已经推出通过指纹识别来进行网络支付。相信随着技术成熟和应用成本降低，除了支付之外的任何网络信任问题都可以指纹识别得到极大改善，从而体高人们在信息时代的行动效率。
从生物测量角度而言，指纹识别将是一种非常理想的工具，用来定位一个人的基本社会坐标原点。作为一个人，具有非常复杂的社会角色。在公司的时候，你可能是产品总监、员工等工作性角色；回到家，你就是丈夫、孩子、爸爸、舅舅、哥哥等血缘性角色；当参加公司年度运动会时，你又是一名长跑运动员。所有这些角色都是基于你的生物测量基础上的。社会公共管理中，必须有一个基础变量来确认一个人的基本身份。在过去的很长一段时间里，我们是通过户籍制度来进行管理和定义一个人的，一个从出生到死亡都是根据其出生地来定义和追溯其身份。这种方式的随意性很大，防伪性比较差，容易引起管理上的漏洞。在现实生活中，有些内地考生为了取得成绩优势，到偏远省份重新办理一套身份系统，包括户口、身份证、档案等。在很多情况下，一个人的真实身份是很难被分辨的。指纹识别作为一个人基本社会角色定位点，其方便性和准确性已经得到了全世界范围内的认可。通过各种各样的指纹识别系统，社会公共管理的职能得到了强化，效率得到了提高。原来的养老保险系统，冒领保险金现象比较严重。随着越来
越多的地方实施了指纹养老金发放系统，这一现象得到了彻底改善，没有当事人的指纹，对应的养老金是不可能被领取的。深圳罗湖口岸，指纹出入境系统的实施大大提高了通关效率，过关旅客再也不需要拿着身份证排长队等待检查。
指纹识别承载了很多的社会意义，从最根本上来讲，是可以良好的判断和定义一个人的真实生物身份。从而降低社会活动中的信任成本，从根本上改变经济和社会交往模式改变，提高效率。指纹识别作为一种生物鉴定技术，为人类的个体的定义提供了一个到目前为止最为快捷和可信的方法。
随着指纹识别技术的日渐成熟，图像处理及模式识别界曾一度认为自动指纹识别问题已经得到很好的解决。但实际上，指纹识别的核心技术仍然存在许多尚未解决的难题，尤其是对残缺、污损指纹图象进行识别的鲁棒性和适应性方面不能令人满意。指纹识别系统将随着更小更廉价的指纹输入设备的出现、计算能力更强更廉价的硬件以及互联网的广泛应用而进一步拓宽应用。其中，能适应在线应用的自动指纹识别系统的算法有待进一步改进，多种指纹识别方法的集成应用以及包括指纹识别在内的多种生物特征鉴定技术的集成应用也将是今后研究的发展方向。因此，自动指纹识别技术现在是，未来几年仍将是一个重要的、极具挑战性的模式识别研究课题。
1.4 本论文结构
本论文主要分为四章：
第一章绪论。介绍课题研究背景意义及国内外发展研究现状；
第二章指纹识别的理论和方法。介绍指纹识别系统的基本理论和几种常见算法；
第三章matlab仿真实验结果与分析。分析几种算法的实验仿真结果，并通过结果进行分析总结各个算法的特点；
第四章结论。
第二章指纹识别的理论和方法
十九世纪初，科学研究发现了至今仍然承认的两个重要特征：一是两个不同手指的指纹纹脊的样式（Ridge Pattern）不同，另外一个是指纹纹脊的样式终生不变。这个研究成果使得指纹在犯罪鉴别中得以正式应用。二十世纪六十年代，由于计算机可以有效地处理图形，人们开始着手研究计算机来处理指纹，自动指纹识别系统AFIS在法律实施方面的研究与应用有就由此展开来。
2.1指纹识别的基本原理
指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。
1．指纹的特征
我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。在考虑局部特征的情况下，英国学者E.R.Herry认为，只要比对13个特征点重合，就可以确认为是同一个指纹。
总体特征：总体特征是指那些用人眼直接就可以观察到的特征，包括：基本纹路图案环型（loop）,弓型（arch）,螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。
局部特征：局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征--特征点，却不可能完全相同。
2．指纹的特征点
指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。
2.2指纹识别系统工作流程
指纹识别技术主要涉及四个功能：读取指纹图象、提取特征、保存数据和比对。
系统开始，通过指纹读取设备读取到人体指纹的图象，取到指纹图象之后，要对原始图象进行初步的处理，使之更清晰。接下来，指纹辨识软件建立指纹的数字表示特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特
征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。软件从指纹上找到被称为（minutiae）的数据点，也就是那些指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。因为通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没有一种模板的标准，也没有一种公布的抽象算法，而是各个厂商自行其是。
最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。指纹识别系统框图如图2.1所示。
图2.1 指纹识别系统工作原理框图
2.3指纹识别技术的方法
本文重点研究基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，，针对已有的三种指纹识别算法进行编程识别，通过matlab仿真，从而进一步论证三种算法的优缺点。
2.3.1神经网络指纹识别算法
用神经网络进行识别选用哪种特征是个关键问题考虑到本文这里的识别过
程是在同类型指纹间进行的这些指纹具有相似的纹线走向指纹的方向信息在这里就显得无关紧要了通过对同类型指纹的分析发现它们差别主要体现在具体的每个细节点上因此本文就提取了指纹的细节点特征作为识别特征每个样本提取的细节点特征是一个80×1维的向量包含20个特征点每个特征点的特征值是个4维的向量分别是特征点的类型特征点与参考点的纹线方向差值特征点与参考点的距离特征点与参考点的角度我们认为特征点的这些信息即可充分体现同类型指纹间的细微差别也同时具有一定的抗平移和抗旋转性。
本文采用的是学习矢量量化LVQ神经网络模型LVQ神经网络由于其自身的自组织和聚类特性可以很好地给出模式在多维空间的概率分布估计从而可较好地完成指纹的识别,其识别模型如图2.2所示.
图2.2 基于神经网络的自动指纹识别模型
2.3.2 滤波特征和不变矩指纹识别算法
滤波特征识别算法：指纹图像特征的表示要求满足尺度不变性、位移不变性和旋转不变性3个特征。尺度不变性是满足的。在滤波提取算法中,位移不变性是通过确定指纹图像的中心参考点来实现的。图像的旋转不变性可以通过在匹配阶段建立多角度旋转特征向量来实现。滤波特征的提取算法包括4 个步骤: 确定指纹图像的中心参考点,以及要处理的指纹区域,记为ROI 区域；以参考点为中心, 对ROI 区域进行划分, 得到一定大小的块; 用一组Gabor 滤波器在八个不同的方向对ROI 区域进行滤波运算(在指纹图像中,完全获取指纹的局部脊线特征需要使用8 个方向滤波器, 获取全局结构信息仅需要4 个方向滤波器)；在滤波图像中,计算每一块中灰度值相对于均值的平均绝对偏差, 进而得到特征向量或特征编码。基于滤波特征的指纹识别算法,首先对指纹图像进行滤波
特征提取,然后在滤波特征值构成的特征向量的基础上进行匹配。
不变矩识别算法：算法的基本思路是:搜索预处理后的二值图像中所有可能为目标的区域，计算区域的7个不变矩特征，认为与模板匹配程度最高的区域为目标。其中相似度度量采用欧式距离。
算法程序：
void COpenCVTest::TestMoment()
{
CvRect r;
r.x = 120;
r.y = 100;
r.width = 20;
r.height = 20;
CvMoments m;
CvMat mat;
IplImage* src;
//8位图必须为灰度图像
src = cvLoadImage("c:\\自然图2.bmp",0);
CvArr *arr;
arr = cvGetSubRect(src, &mat, r);
//获取矩
cvMoments(arr, &m, 0);
//获取空间矩
double m00 = cvGetSpatialMoment(&m,0,0);
//获取hu不变矩
CvHuMoments hu;
cvGetHuMoments(&m, &hu);
CString str;
str.Format("空间矩： m00 = %f \n Hu不变矩：h1 = %f, h2 = %f, h3 = %f, h4 = %f, h5 = %f, h6 = %f, h7 = %f, ",
m00,hu.hu1,hu.hu2,hu.hu3,hu.hu4,hu.hu5,hu.hu6,hu.hu7);
AfxMessageBox(str);
cvReleaseImage(&src);
cvWaitKey(0);
}
2.3.3指纹匹配算法
指纹匹配就是指纹特征值比对过程。它是把当前取得的指纹特征值集合与事先存的指纹特征值模板进行匹配的过程。指纹匹配是一个模式识别的过程，判定的标准不是相等与不等，而是相似的程度。这个程度判定依赖于事先设定的阈值，以及与判定时比较的特征点的个数。阈值取的合理，特征点取的越多，误判的机率就越小。指纹匹配的方法很多，包括基于奇异点的匹配、嵴模式的匹配、特征点的匹配、特征点线对（两个特征点的连线）匹配，以及特征点组的匹配方法。
指纹匹配之前需作指纹定位。指纹定位是使待验证指纹的数个细节点的坐标值与指纹库中的数个细节点的坐标值一一相互对准的过程，从而使两个指纹图像对准重合。由于在指纹采样时，用户手指每次放置的位置和角度不同，形成的指纹图像也略有不同，因此各个指纹特征值的坐标值也就不同。主要表现为手指平移和旋转的差异，形成平移误差和旋转误差。解决指纹图像的平移误差和旋转误差是指纹比对算法面对的首要问题。可以选取奇异点作为对准参数，也可以选择某一区域内的特征点及嵴方向、嵴密度作为对准参数。实际上，在除了处理两种误差之外，在指纹采集过程中，由于每次按压的力度不同而形成的指纹图像挤压变形和拉伸变形，同样是指纹匹配之前需处理的。下图为基于混合模式的指纹识别算法的流程图。
图2.3 混合模式匹配算法流程图
算法程序：
function [sector_num] = whichsector(index)
% Modiofied by Luigi Rosa
% index is the index of current pixel of cropped image ( cropped image is % 175 x 175 ); sector_num is the output and represents what is the
% corresponding sector.
global immagine n_bands h_bands n_arcs h_radius h_lato n_sectors matrice
length = h_lato;
x = rem( index , length );
y = floor(index / length);
x = x - floor(length / 2);
y = y - floor(length / 2);
rad = (x*x) + (y*y);
if rad < (h_radius*h_radius) % innerest radius = 12 (144=12*12) sector_num = (n_sectors-1)+1;
sector_num;
return
end
if rad >= (h_bands*n_bands+h_radius)^2 % outtest radius = 72 (5184=72*72) sector_num = (n_sectors-1)+2;
sector_num;
return
end
if x ~= 0
theta = atan( y / x );
else
if y > 0
theta = pi/2;
else
theta = -pi/2;
end
end
if x < 0
theta = theta + pi;
else
if theta < 0
theta = theta + 2*pi;
end
end
if theta < 0
theta = theta + 2*pi;
end
r = floor(rad ^ 0.5);
ring = floor(( r-h_radius )/h_bands);
arc = floor(theta /(2*pi/n_arcs));
sector_num = ring * n_arcs + arc;
第三章 matlab仿真实验结果与分析本课题通过matlab仿真软件分别对神经网络指纹识别算法、滤波特征和不变矩指纹识别算法、指纹匹配算法进行仿真实验与分析。
3.1 算法matlab仿真结果
图3.1 原始指纹图像
图3.2 经过神经网络和高斯滤波的指纹图像
图3.3 经过不变矩的指纹图像
图3.4 经过匹配细化后的指纹图像
3.2 结果分析
试验结果显示：
LVQ神经网络模型的优势在于网络结构简单，只通过内部单元的互相作用，就可以完成十分复杂模式识别的分类处理，具有很好的模式识别特性。
滤波特征和不变矩指纹识别算法的优势在于它是基于直接线性变换的，因而无需确定与应用相关的自适应参数。矩技术类型很多，现已被应用于图像分类与识别处理的许多方面。从数学角度上看，矩是很简单的。它的局限性在于无法对特定的目标特性进行精细计算，而且只能被应用于全局目标识别任务中。
指纹匹配算法具有速度快、指纹模板小的优点，但是容易受指纹图像噪声干扰。基于全局特征匹配方式主要使用指纹纹理特征，具有特征稳定、信息丰富的优点，但是匹配精度不高、指纹模板比较大。
第四章总结与展望
本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义，提出了用Matlab工具来解决指纹识别技术的处理方法，通过matlab仿真软件分别对神经网络指纹识别算法、滤波特征和不变矩指纹识别算法、指纹匹配算法进行仿真实验与分析，比较了三种算法各自的优势。
当今，指纹自动识别技术仍是国内外研究的热点问题实现自动指纹识别系统的实时性网络化提高系统识别率是人们研究的目标相信不久以后指纹识别将广泛应用于我们的生活为人们提供更方便更快捷的服务。
本文在分析指纹识别系统研究和发展的国内外现状的基础上，通过指纹算法的理论和三个算法进行系统的研究分析，并通过对指纹图像进行matkab软件仿真实验，研究具有一定的应用价值。
参考文献
[1] 王建永.指纹图像的特征提取与匹配[D]大连理工大学,2003.
[2] 王家文,曹宇.MATLAB 6.5图形图像处理[M].北京:国防工业出版社,2004,5.
[3] 董日荣.指纹识别系统核心算法的研究[D]华南师范大学,2004.
[4]KmYS,KmWY.Content-basedtrademarkretrievalsystemusingavisuallysalientfeatUre.Imageand VisionComPuting,1998,16:931一939.
[5] 王崇文.自动指纹识别方法研究.博士学位论文.重庆大学.2002.
[6]ChimY,KassimAA,IbrahimYCharaeterreeo,itionusistatistiealmoments.IlnageandVisionComPuti
ng,1999,17:299一307.
[7] 冯国进,顾国华,张保民.指纹图像预处理与特征提取[M].计算机应用研究,2004,(5):183-186.
附录
程序1：
function out = go_to_next_element(in, path);
% called by end_track()
% with the input image and the path list, it will track to the next % connected element of the ridge
[ix,iy] = size(in);
[length, dummy] = size(path);
next_x = 0;
next_y = 0;
flag = 0;
% length is the length of the path
%simply go to the next element
if (path(length,1) <4)
flag = 1;
end;
if (path(length,1) > 197)
flag =1;
end;
if (path(length,2) <4)
flag = 1;
end;
if (path(length,2) > 197)
flag =1;
end;
if flag == 0
[next_x,next_y] = find_next(in,path);
end;
%add it to the path
path(length+1,1) = next_x;
path(length+1,2) = next_y;
out = path;
《MATLAB语言》课程论文 Matlab指纹识别系统 姓名：江帅璋 学号：12013241957 专业：通信工程 班级：通信2班 指导老师：朱瑜红 学院：物理电气信息学院
完成日期：2014.11.11 Matlab指纹识别系统 （姓名江帅璋2013级2班） 摘要 本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。 关键字：指纹识别；算法；matlab仿真
目录 第一章绪论 (4) 1.1 引言 (4) 1.2指纹识别技术的发展和研究现状 (5) 1.3 指纹识别研究的目的和意义 (7) 1.4 本论文结构 (8) 第二章指纹识别的理论和方法 (9) 2.1指纹识别的基本原理 (9) 2.2指纹识别系统工作流程 (9) 2.3指纹识别技术的方法 (10) 2.3.1神经网络指纹识别算法 (10) 2.3.2 滤波特征和不变矩指纹识别算法 (11) 2.3.3指纹匹配算法 (13) 第三章matlab仿真实验结果与分析 (16) 3.1 算法matlab仿真结果 (16) 3.2 结果分析 (17) 第四章总结与展望 (18) 参考文献 (19) 附录 (20) 致谢............................................................................................ 错误！未定义书签。
基于MATLAB的指纹识别系统设计
摘要 生物识别技术已经成为身份识别和网络安全的发展技术之一，其中指纹识别技术是目前公认的安全，准确，方便的身份认证技术之一，使之成为人们研究的热点。 本文主要设计一个基于matlab 的指纹识别系统。首先主要介绍了指纹识别技术研究的背景，意义，及现状。其次，实现了指纹识别系统，描述了指纹识别系统的基本结构，并且对指纹图像的预处理、特征提取、特征匹配这三个必要的环节的算法进行了详细地研究，在指纹图像预处理阶段，本文使用基于灰度的算法对图像进行了分割，同时，针对二值化后图像中仍存在的噪声，也进行了相应的修整处理，尽可能的为以后指纹特征的提取打好基础，从而成功地实现了对指纹数字图像的处理、特征提取、保存和匹配等功能。最后，对指纹识别系统进行了仿真，仿真结果表明该系统可以较好的进行识别，准确率达到了95.1%。 关键词：指纹识别；预处理；二值化；特征提取；特征匹配
Abstract Biometric technology has become one of the developing technologies for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers. This paper designs a matlab-based fingerprint recognition system. The first introduces the fingerprint recognition technology research background, significance, and the status quo. Secondly, to achieve fingerprint identification system, describes the basic structure of the fingerprint identification system, and the fingerprint image preprocessing, feature extraction, feature matching these three essential aspects of the algorithm is studied in detail in the fingerprint image pre-processing stage this article uses an algorithm based on gray image segmentation carried out at the same time, for the image after binarization noise still exists, but also for the corresponding trimming process, as much as possible for the future lay the foundation for fingerprint feature extraction and thus successfully achieved fingerprint digital image processing, feature extraction, storage and matching functions. Finally, the fingerprint identification system for simulation, simulation results show that the system can identify a better accuracy rate reached 95.1%. Key Words：Fingerprint Recognition；Processing；Binarization；Feature Extraction；Feature Matching
指纹识别技术研究 个人的指纹是独一无二的，两人之间不存在着相同的手指指纹。 每个人的指纹是相当固定的，不会随着人的年龄的增长或身体健康程度的变化而变化，但是人的声音等却存在较大变化的可能。 3)指纹样本便于获取，易于开发识别系统，实用性强。目前已有标准的指纹样本库，方便了识别系统的软件开发；另外，识别系统中完成指纹采样功能的硬件部分也较易实现。而对视网膜则难于采样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识别系统难以开发，可行性较低。 一个人的十指指纹皆不相同，这样可以方便地利用多个指纹构成多重口令，提高系统的安全性。 指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关键特征，这样使系统对模板库的存储量较小。另外，对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。 近些年来，电子信息技术的飞速发展，特别是传感技术、电子信号处理技术、计算机数据管理技术、计算机网络技术的飞速发展，为指纹识别技术的成型提供了强大的硬件支持。与此同时，图形图像处理学、人工智能学、软件工程学等新兴学科的蓬勃发展也为指纹识别技术的进步提供了强有力的软件支持。指纹识别的发展中，也存在自身的不足，如指纹识别系统性能的测试和评估标准的确立、相关软件的标准化问题都是有待进一步解决的。指纹识别技术作为一项迅猛发展的新技术，有了软硬件等方面的强大保障，同时又有指纹识别自身的诸多优点，相信指纹识别技术一定会有更加美好的发展前景。 摘要：随着生物识别技术的不断发展，人们发现每个人的指纹具有唯一性和不变性。因此指纹识别技术逐步发展为一种新的身份识别方式，并且凭借其良好的安全可靠性，大有取代传统身份识别方式的趋势。 本文简要介绍了指纹识别的基本步骤，分别是指纹图像预处理、指纹特征提取、指纹匹配。在图像预处理中，依次介绍了规格化处理、图像增强、二值化处理和细化处理的方法。预处理后
指纹识别系统的简述 指纹识别提取的特征点有两个地方，一个是结束点和分叉点。而指纹的自动匹配就是取决于这些区域对比的特征以及关系来达到识别的目的。这些细节点比对的正确程度又很大的依赖于输入指纹的质量。所以提高输入指纹的图片质量成为了识别的基础。 指纹图像加强步骤 步骤简述 grey-level fingerprint image:用matlab计算出图片的平均值mean 以及方差varianc. orientation image：显示指纹图像的纹路方向 frequency image：显示指纹脊谷沿着该区域的指纹方向的频率 region mask：判断指纹是否可恢复，可修复的指纹图像才能进入滤波器步骤 Gabor filter:使图像平滑，消除原始图像噪点 上两周与导师在时间方面做了一次交流，对第一步标准化得灰值图在matlab上进行了试验。我们输入一个图像Image进去以后，通过matlab计算出它原始的平均值mean以及方差variance，分别记为M(I)和VAR(I),然后再输入我们的期望M以及期望VAR，将计算出M(I)和VAR(I)，期望M以及期望VAR带入公式得出一个期望的G(i,j),得到一个标准化得灰值图。 具体步骤的实施 1.标准化 用论文中的公式计算出期望的灰度值，公式中包含期望的均值和方差以及已计算出的图像本身的均值和方差，得到标准化后的灰度图像G。 2.方向性图像 图片会沿着指纹的方向显示出脊谷的方向，是一个指纹图像固有的特性。 1）将标准化后的图像G按块分。 2）计算每个像素中x与y方向上的梯度(利用Sobel Operator 索贝尔算子) 3）运用论文中所给等式估计出每块的区域的中心方向。（最小二乘估计） 4）由于噪点的存在，毁坏了指纹的脊谷结构和细节点，所以我们所估计的方向未必准确。又因为在没有单个点出现的区域以及邻域当中脊谷的方向变化不大，所以我们可以用低通滤波器去修改不正确的区域方向。为了得到这个滤波器我们可根据论文中等的公式将方向图像转化为一个连续的矢量场。 5）再计算一次正确的方向 3.脊谷的频率图像
课程设计报告 设计题目：指纹图像的增强— 学院：电子工程学院 专业：电子信息工程 班级：__________________________ 成绩： 指导教师: 一、设计概述 1. 课程设计题目：指纹图像的增强方法 2. 基本要求：读取初始指纹图像，设计程序，实现指纹图像的增强，使指纹的纹理更加清晰，便于 识别。
3. 指纹图像增强的意义：指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。是人类进化过程式中自然形成的。目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索，使得指纹识别技术得到了飞快的发展，指纹图像的识别也就变得非常具有意义，但是通过传感器等方式获取到的指纹图像往往是比较模糊的，识别率相对较低，此时，指纹图像增强就孕育而生，通过对指纹图像的增强处理，得出了具有较清晰的图像，是识别率更高。 二．设计思路：指纹图像增强的主要步骤及方法 ①读取指纹图像 ②指纹图像灰度化处理 ③指纹图像平滑处理 ④指纹图像的腐蚀处理 ⑤指纹图像的锐化处理 ⑥指纹图像二值化 ⑦指纹图像纹理的细化处理 三．具体的处理流程及其分析 1. 指纹图像的读取 将通过传感器或者别的方式获取到的指纹图像读取到matlab 中；如.bmp .jpg 等格式的图片文件。通过matlab 实现： I=imread（‘文件路径+图像名.jpg'）; 2. 指纹图像灰度化处理 数字图像可分为灰度图像和彩色图像。通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化；灰度化就是使彩色的R，G，B 分量值相等的过程 I=rbg2gray （I ） 3. 指纹图像平滑处理(此处我们使用的是中值滤波的方法处理) 图像平滑的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰(如电磁波或经电源窜进系统内部的外部噪声) ，也有来自于系统内部的干扰(如摄像机的热噪声、电器机械运动而产生的抖动噪声等内部噪声) 。实际获得的图像都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或频率域处理。在空间域中进行时，基本方法就是
第24卷 第1期计 算 机 仿 真2007年1月 文章编号:1006-9348(2007)01-0182-04 基于M a tl ab实现的指纹图像细节特征提取 郭晶莹,吴晴,商庆瑞 (北京工业大学,北京100022) 摘要:指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配。介绍了一套基于Matlab实现的指纹细节 特征提取方法,并给出了去伪算法。指纹特征提取是从细化后的指纹图中得到细节特征点(即端点和分叉点),此特征点含 有大量的伪特征,既耗时又影响匹配精度。采用了边缘去伪和距离去伪,使得特征点去伪前后减小了近1/3,然后提取可靠 特征点信息,以便实现指纹匹配。实验证明,用Matlab实现的这种方法,既简单快速,而且具有较高的准确率。 关键词:指纹识别;细节点;特征提取;伪特征点 中图分类号:TP391.4 文献标识码:A M i n uti a e Extracti on of F i n gerpr i n t I mage Ba sed on M a tl ab G UO J ing-ying,WU Q ing,SHANG Q ing-rui (Beijing University of Technol ogy,Beijing100022,China) ABSTRACT:M inutiae extracti on is essential in finger p rint recogniti on,and finger p rintmatch is used t o search m inu2 tiae.This paper intr oduces a set of algorith m s for extracting m inutiae fr om finger p rint i m age based on Matlab.M inuti2 aes(end m inutia and bifurcati on m inutia)are extracted fr om thinned finger p rint i m age and they have a l ot of false m i2 nutiaes.They are not only ti m e-consu m ing,but als o affectmatching p recisi on.Most false m inutiae are eli m inated by a method using edge-deleting and distance-threshold in this paper.Reliable m inutiaes are extracted in order t o a2 chieve finger p rint match.The experi m ental results show that this algorith m of matlab is si m p le,quick and accurate. KE YWO RD S:Finger p rint recogniti on;M inutia;M inutiae extracti on;False m inutiae 1 引言 指纹识别技术是一种应用前景非常乐观的生物识别技术,国内外很多机构都在进行相关研究,尽管目前已有多种商用自动指纹识别系统在市场上销售,这些产品都宣称有极好的性能[1],但由于技术的保密性、现有算法的缺陷性以及追求产品的完美实用性,使得指纹识别算法的研究仍然是当前国内外研究的热点之一。在指纹自动识别系统中,必须对指纹进行特征提取,然后根据特征及其相互之间的位置与拓扑关系在指纹库中进行匹配,从而检索到有关信息。指纹的特征是指纹脊线的某种构型,如端点、分叉点等。 本文介绍了一套基于Matlab实现的指纹细节特征提取及其后处理算法。本文的算法都是通过MAT LAB仿真而验证的,以Matlab作为指纹图像识别算法仿真的平台,既有较高的准确率,而且可以大大减小仿真的难度。 2 指纹识别系统的工作原理 指纹识别流程如图1。 活体指纹通过指纹采集装置采集到系统中,形成指纹数据图像。采入的指纹图像一般存在大量无用信息和干扰信息(噪声),预处理就是要把这些信息尽量去除掉,使图像更清晰,以便提取正确的指纹特征从而达到正确匹配。预处理过程主要包括指纹图像的滤波增强、二值化、细化等,最后输出纹线宽度只有一个像素的细化二值指纹图像。并在此基础上,进行指纹特征信息的提取,得到该枚指纹的特征集(特征点的坐标、方向、数量等信息),然后用该枚指纹的特征集与已登记的指纹特征集进行匹配,最后显示识别结果。 3 M AT LAB语言简介 MAT LAB语言是一种优秀的计算机语言,具有数学运算能力是它的突出优点之一。许多在C语言中或者其它高级语言中很复杂的编程问题在MAT LAB语言编程中只需要一条专用指令就可以完成。MAT LAB语言的所有计算都基于矩阵运算来完成,所以,MAT LAB中的所有变量都定义为矩阵,所有的运算都是关于矩阵的运算。它是一种解释型语言,几乎没有格式上的限制。为了缩短算法的开发周期,运用MAT LAB语言描述简单和图形显示功能比较强大的特点,以它作为指纹图像识别算法仿真的平台。 收稿日期:2005-11-04 修回日期:2005-11-07
基于MATLAB图像处理的指纹特征点提取[权威资料] 基于MATLAB图像处理的指纹特征点提取 摘要:伴随着信息科学技术飞速发展的步伐，非常多的系统更加关注安全的问题，因此，可靠的、安全的身份识别技术成为了众多系统安全应用的首选。指纹图像特征提取作为指纹识别领域非常重要的研究部分，自然而然的引起了广大学者的关注。本课题研究的主要内容便是指纹图像特征点提取以及伪特征点的剔除。 关键词:MATLAB;特征点;指纹识别;分叉点 TP391.41 随着科学技术以及社会的不断进步，基于口令、信物、数字等的传统的安全认证模式正在变得越来越脆弱[1]，现代化的安全系统必须寻求全新的安全认证方法才能满足现代化的社会需求。指纹识别技术是到目前为止应用最为广泛的个人身份认证技术，指纹所具备的稳定性以及唯一性更加的确定了指纹识别技术的应用地位，在计算机不断进步的同时，指纹识别技术以及算法也在不断的提升，甚至指纹传感器的性能也得到了大幅度的提升，所以，较高质量的指纹图像信息采集技术成为了安防领域以及身份认证领域研究的重点课题。 1 指纹图像特征 1.1 指纹图像全局特征 指纹的全局特征通常指的是常人通过肉眼就可以辨认出的特征，全局特征的基本纹路图案通常分为三种:环型(loop)，弓型(arch)以及螺旋型(whorl)[2]，这三个指纹图案是其余的指纹图案的基础，但是三种类型的分类相对比较粗略，并不能完全比对出采集到的指纹图像，但是对指纹进行分类却能够为指纹图案的比对查询提供方便。
通常情况下，指纹图像中的用于描述全局特征的区域称之为模式区，即通过指纹图像的模式区便可以将指纹图像进行分类划分，有的指纹算法提取的只是模式区的指纹数据，而有的指纹算法则仅仅提取模式区的一部分指纹数据。 指纹图像的核心点具体指的是指纹图像纹路的渐进中心，这个点的数据信息非常重要，通常被用作读取指纹时以及比对指纹时候的参考点，指纹图像的核心点被很多的指纹识别算法采用，但是局限是仅仅能够识别具备核心点的指纹图像。 指纹图像数据也存在三角点，具体指的是以核心点为标准，开始之后的第一个断点或者分叉点，亦或者相交纹路的汇聚点、折转点、孤立点，或者指向这些点的怪异点。三角点是指纹识别算法的关键点之一，为指纹图像纹路的计数跟踪提供了基准参考点。 指纹纹数具体指的是模式区内所有指纹纹路的数量。指纹纹数在计算的时候，通常会将核心点与三角点连接起来[3]，这条连线与指纹纹路交接点的数量便可以确定指纹图像的纹数。 1.2 指纹图像局部特征 指纹图像的局部特征具体指的是指纹上节点的详细特征，具备一些特征的指纹图像节点被称之为特征点。不同的指纹可能会出现总体特征相同的情况，但是绝对不会出现特征点相同的不同指纹。 1.2.1 指纹图像的特征点 指纹图像的纹路并不是笔直的、平滑的、连续的，伴随着指纹纹路的经常是分叉、打折亦或者中断，指纹纹路的这些分叉点、断点以及转折点便被称之为“特征点”，众多的“特征点”的集合便构成了确定指纹图像唯一的信息数据。 1.2.2 指纹图像特征点的分类 指纹的特征点通常被分为终结点、分叉点、分歧点、孤立点、环点、短纹、方向、曲率以及位置。终结点以及分叉点是特征点最为典型的两类。
重庆工商大学 毕业论文(设计)开题报告计算机科学与信息工程学院(系)测控技术与仪器专业(本科)2006级1班课题名称：基于MATLAB的指纹图像预处理系统设计 毕业论文(设计)起止时间： XX年XX月XX日～XX月XX日(共XX周) 学生姓名：XX学号：XX 指导教师：XX 报告日期： XX学毕业论文(设计)开题报告3－1
1．本课题所涉及的问题在国内(外)的研究现状综述 1、指纹识别及其优点。人手的指纹即为手指皮肤上的花纹,它是人的一种生物特征。该特征具有独特的性质,其花纹的细节由细微纹点和纹脊的起点、终点、分叉、结合等组成。正是这些无穷无尽的细节特征组合构成了指纹 的唯一性。事实上,甚至包括双胞胎,世界上两个指纹相同的几率<1/ 9 10,几乎为零,这就构成了指纹的第一大特 点。指纹特征的另外几大特点是:不变性——即指纹的图案永远不会改变;与主体永不分离性——即指纹不存在丢失、遗忘、被窃取的可能;指纹的使用比起其它证卡来说更快捷、安全、准确、无干扰,可实现快速登录注册,系统兼容性好,也就是说可以独立或者通过联网构成系统且很容易并入各类证卡和定义识别系统中。因此,指纹识别技术的应用范围极广(除化学家和矿工外均能鉴定)。 2、指纹自动识别系统的发展现状。指纹自动识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库技术等于一体的综合高技术。目前的指纹自动识别系统是采用先进的光电识别办法采集一个指纹信息,并把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理,然后经独特的相关算法进行识别判断,在算法上有的采用是一个指纹的全部图案,而有的是指纹的特殊细节。 目前的自动指纹识别系统已具有如下特点:(1)可靠性:采用独特的容错技术,既使指纹有破坏,即指纹不全或指纹随时间有自然的变化时也不影响正确识别。(2)快捷性:大多数系统鉴别时间仅需1～3s,登录注册一个新客户只需1m in的时间。(3)灵活性:一个指纹信息的代码可以压缩到几十个字节到几百个字节,因此可以存放在一个磁条上或者一张两维条码卡上或者IC卡上,甚至几个指纹代码可以存在一张智能卡上。当然,成千上万的代码可以存放在局域或网络化数据库中,这样,代码可以沿网络迅速传输,因而可以灵活的构成各类系统,即可以独立使用或集成到一个大范围的出入口控制或者安全处理系统如证卡存档识别系统中。(4)可接受性:一个因素是目前的系统具有高性能;另一个因素是目前的系统设计已考虑到人类工程学设计,因而易被用户接受。(5)安全性:所有个人代码都经过了特殊加密,通过所存储的代码不可能复原原指纹,彻底避免了指纹的冒用,因此既使证卡丢失,也不存在安全问题。(6)方便性:目前出现的各类指纹识别系统一般外观设计精巧、结实,采用了精密独特的光电系统,具有LD或全程液晶提示,备有多种安装模式。(7)兼容性:可以与现有的各类系统兼容,可实现全自动化的识别。(8)实时性:可实现完整的跟踪、实时报警功能。正是由于目前已经开发出了具有如上特点的指纹识别技术,因此以此为基础的个人识别技术,即证卡、代码、指纹的综合动态模式组合,将可以对不同的应用场所提供不同的安全等级。 3、市场前景。自动指纹识别系统有着极其广阔的应用前景。众所周知,指纹识别最早是在罪犯鉴别中应用,它对于提高侦破手段、震慑罪犯、打击刑事犯罪成为强有力的武器并起到了重要作用。根据目前的了解,A F IS的其它适用场所为:政府各类机要部门(例如档案馆(室)、机要室)、国家重点实验室及生产重地、机场、军事要地(例如基地、仓库)、重要军事装备或关键设备的启动控制、银行金库、金融系统、代保管库、博物馆、珍宝馆、高级住宅、高级宾馆等重要门禁或入口控制、汽车门锁等。除此之外,另一大潜在应用前景是:自动取款机(A TM)、信用卡、驾驶执照、身份证、医疗健康卡、移民登记、计算机系统安全、机械登记等方面。1、指纹锁，指纹锁可以装在门里、车内、保险箱柜的内部,外面无锁眼,从而避免了撬锁,可广泛用于金库、保安、银行、出纳、自动门、百叶门、保险柜、电控装置等门禁系统中。2，指纹卡，国际上偷盗使用卡和利用信用卡进行诈骗犯罪活动越来越猖獗,仅1995年英国因此损失8千万英镑,法国损失3100万英镑,目前我国信用卡用户已达2～3千万,利用信用卡犯罪我国也在呈不断上升趋势。我国政府打算用10年左右的时间,在全国400多个城市的3亿人中推广信用卡,预计发行量将达到2亿张。目前我国IC卡年产量已达6千万张,生产能力已达1亿张,全世界到2000年IC卡的总需求超过38亿张,我国需求量为年均2千万张。目前,国内各种磁卡、IC卡系统已十分普遍。例如:大庆市1996年已拥有医疗保险IC卡80万张,全国联网的200电话磁卡已有上百万用户。由于指纹识别技术的诸多优点,可以预料,一方面指纹卡将会在一切需要验证身份的场所发挥越来越重要的作用,其应用领域将会进一步拓宽;另一方面,由于市场的推动,指纹识别技术也会不断提高,在其识别可靠性、速度、成本等方面进一步朝实用化迈进。我们期待着指纹识别这一高技术在人们的生活中起到应有的越来越重要的作用。
课程设计报告 设计题目：指纹图像的增强 学院：电子工程学院 专业：电子信息工程 班级： 学号： 姓名： 电子邮件： 日期： 2013 年 9 月 成绩： 指导教师：
一、设计概述 1.课程设计题目：指纹图像的增强方法 2.基本要求：读取初始指纹图像，设计程序，实现指纹图像的增强，使指纹的 纹理更加清晰，便于识别。 3.指纹图像增强的意义： 指纹是人类手指末端指腹上由凹凸的皮肤所形成的纹路。指纹能使手在接触物件时增加摩擦力，从而更容易发力及抓紧物件。是人类进化过程式中自然形成的。目前尚未发现有不同的人拥有相同的指纹，所以每个人的指纹也是独一无二。由于指纹是每个人独有的标记，近几百年来，罪犯在犯案现场留下的指纹，均成为警方追捕疑犯的重要线索，使得指纹识别技术得到了飞快的发展，指纹图像的识别也就变得非常具有意义，但是通过传感器等方式获取到的指纹图像往往是比较模糊的，识别率相对较低，此时，指纹图像增强就孕育而生，通过对指纹图像的增强处理，得出了具有较清晰的图像，是识别率更高。 二．设计思路：指纹图像增强的主要步骤及方法 ①读取指纹图像 ②指纹图像灰度化处理 ③指纹图像平滑处理 ④指纹图像的腐蚀处理 ⑤指纹图像的锐化处理 ⑥指纹图像二值化
⑦指纹图像纹理的细化处理 三．具体的处理流程及其分析 1.指纹图像的读取 将通过传感器或者别的方式获取到的指纹图像读取到matlab中；如 .bmp .jpg 等格式的图片文件。 通过matlab实现： I=imread(‘文件路径+图像名.jpg'); 2. 指纹图像灰度化处理 数字图像可分为灰度图像和彩色图像。通过灰度化处理和伪彩色处理，可以使伪彩色图像与灰度图像相互转化；灰度化就是使彩色的R，G，B分量值相等的过程 I=rbg2gray（I） 3.指纹图像平滑处理（此处我们使用的是中值滤波的方法处理） 图像平滑的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声、电器机械运动而产生的抖动噪声等内部噪声）。实际获得的图像都因受到干扰而含有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或频率域处理。在空间域中进行时，基本方法就是求像素的平均值或中值；在频率域中则运用低通滤波技术。
毕业设计选题：基于matlab的指纹识别 随着科学技术的不断发展，自动化的指纹识别技术如今已经被人们广泛地应用在银行、商业交易、公安部门、海关部门等需要对人的身份进识别的领域，而本文所描述的是对自动化指纹识别系统的研究现状以及自动化指纹识别系统的基本算法和流程，本实验是利用MATLAB2012来进行了指纹识别系统的仿真和实验的。 然而在生物识别技术的快速发展的今天，人们通过研究发现了每一个人的指纹都具有唯一性和不变性。也正因为这样，指纹识别技术正在逐步的发展成为一种新的身份识别技术，并且凭借它良好的安全性以及可靠性，逐步有取代传统身份认证的方式趋势。 本实验简单的介绍了指纹识别图像的预处理的方法和步骤。指纹图像预处理之后将会得到一个宽度为统一像素的细化后的二值化图像，最后再根据特定的指纹图像的端点以及交叉点的特征进行对指纹自动匹配。本论文中采用MATLAB2012编程实现所有算法。 关键词：指纹识别技术指纹图像预处理指纹识别 MATLAB2012 1.1指纹及其识别 如今，生物特征识别领域中的最为成熟的应用技术之一--指纹识别技术。其实它已经有非常悠久的历史了。很久以前，指纹识别技术已经很早就应用于刑事侦查和司法鉴定领域了，很多人不知道的是。随着计算机网络和信息处理技术的快速发展，这门历史悠久的指纹识别技术也开拓了更多更广阔的市场，自动的指纹识别技术和与其相关的产品越来越多的应用在普通人的生活当中。 生物识别技术（Biometric Identification Technology）的定义是：利用人体的不同的生物特征来进行对人的身份进行认证的一种技术[1]。这是因为人的生物特征是唯一的，可以区分与他人不同的特征。并且我们还可以通过技术测量或者是自动识别来检验出生理特性以及行为方式，我们所说的这个特征分为生理特征、行为特征。我们对生物特性来进行提取并放入数据库，再将提取出来的人
大连民族学院本科毕业设计（论文）基于MATLAB的指纹识别系统设计
摘要 生物识别技术已经成为身份识别和网络安全的发展技术之一，其中指纹识别技术是目前公认的安全，准确，方便的身份认证技术之一，使之成为人们研究的热点。 本文主要设计一个基于matlab 的指纹识别系统。首先主要介绍了指纹识别技术研究的背景，意义，及现状。其次，实现了指纹识别系统，描述了指纹识别系统的基本结构，并且对指纹图像的预处理、特征提取、特征匹配这三个必要的环节的算法进行了详细地研究，在指纹图像预处理阶段，本文使用基于灰度的算法对图像进行了分割，同时，针对二值化后图像中仍存在的噪声，也进行了相应的修整处理，尽可能的为以后指纹特征的提取打好基础，从而成功地实现了对指纹数字图像的处理、特征提取、保存和匹配等功能。最后，对指纹识别系统进行了仿真，仿真结果表明该系统可以较好的进行识别，准确率达到了95.1%。 关键词：指纹识别；预处理；二值化；特征提取；特征匹配
Abstract Biometric technology has become one of the developing technologies for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers. This paper designs a matlab-based fingerprint recognition system. The first introduces the fingerprint recognition technology research background, significance, and the status quo. Secondly, to achieve fingerprint identification system, describes the basic structure of the fingerprint identification system, and the fingerprint image preprocessing, feature extraction, feature matching these three essential aspects of the algorithm is studied in detail in the fingerprint image pre-processing stage this article uses an algorithm based on gray image segmentation carried out at the same time, for the image after binarization noise still exists, but also for the corresponding trimming process, as much as possible for the future lay the foundation for fingerprint feature extraction and thus successfully achieved fingerprint digital image processing, feature extraction, storage and matching functions. Finally, the fingerprint identification system for simulation, simulation results show that the system can identify a better accuracy rate reached 95.1%. Key Words：Fingerprint Recognition；Processing；Binarization；Feature Extraction； Feature Matching
摘要 随着社会的发展，传统的基于信物或口令的安全系统显得越来越脆弱，不能适应现代安全系统的需要，因而人们需要研究更加安全可靠，防伪性能更好的安全系统。指纹识别技术就是在这种背景下产生的，它借助人体的生理特征来提高身份识别的可靠性，目前已经成为国内外研究的热点。 指纹识别大体分为三个步骤：预处理、特征提取和特征匹配。本文集中于研究特征提取部分，并针对特征提取中的一些关键算法和实现进行了研究和优化，其主要内容如下：在特征提取方面，本论文采用了一种8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取；在剔除伪特征点时，先进行去边缘处理，再根据不同类型伪特征点的特征，采用相应剔除算法。实验表明，以上算法具有较小的运算量和较高的准确性。上述算法在本文中均用Matlab实现，取得了较好的效果，为后续的特征匹配工作打下了良好的基础。 关键字：指纹特征提取，去除伪特征，算法仿真
Matlab-based fingerprint image feature extraction Abstract With the development of society, the traditional safety system based on keepsake and password has been weaker, Which can not meet the requirement of modern safety system. In this case, the need of a more reliable safety system with higher anti-fake performance prompts the appearance of fingerprint identification technique. This technique, with a higher safety and reliable performance, can improve the reliability of identity resolution in virtue of human body’s physiological feature, and it has been a research focus these days. Fingerprint identification falls into three parts, they are pretreatment, feature extraction, and characteristic matching. The thesis mainly focus feature extraction, it optimized and innovated some key algorithms of this parts, which can be described as follows: in the feature extraction part, the thesis used a eight-neighborhood coding ridge tracing algorithm, removing some templates of consecutive points and bifurcate points which have been optimized and removed in the thinning algorithm, and finally marking terminate points as well as bifurcate Points to execute feature extraction. Experiment result indicated that such new algorithm has a less operation but with a higher accuracy. All the algorithms introduced above have been implemented on Matlab, and result proved an adaptive good effect, which facilitates the next characteristic matching process. Key words:Feature extraction, Removing of false characteristic points, Algorithm simulate
指纹识别算法的matlab实现 摘要由于指纹所具有的普遍性，唯一性和不变性，以及指纹识别技术具有很高的可行性和实用性，使之成为目前最流行、也最可靠的个人身份认证技术之一。 本文主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。图像预处理包括四个步骤：图像分割、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理；特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹的图像进行特征点比较，来确定两幅图像是否来自于同一手指。 本文给出了指纹图像预处理、特征提取、特征匹配的matlab程序及处理结果。该结果证明，用matlab实现的这些算法的处理结果比较理想，满足识别的可行性和应用性。 关键词分割，二值化，细化，特征点提取，匹配，Matlab Abstract Because of the universality, uniqueness and constantness of a fingerprint, and fingerprint identification technology has very high feasibility and practical applicability, make it to be one of the most popular, and most reliable personal identity authentication technology. This paper focuses on three aspects of the fingerprint image processing：image preprocessing, feature extraction, feature matching. Image preprocessing including four steps: image segmentation, filtering, binary, Refining, after The fingerprint image preprocessing, in addition to the original image of redundancy part, convenient subsequent identification processing; The main feature extraction is extracted from the end of the fingerprint image after thinning and
课程设计 课程名称 课题名称基于Matlab的人体指纹识别程序设计 专业 班级 学号 姓名 指导老师 年月日
课程设计任务书 课题名称基于Matlab的人体指纹识别程序设计 姓名专业班级学号 指导老师 课程设计时间 教研室意见意见：审核人： 一、任务及要求 1）根据所学的知识和能力，利用Matlab软件设计程序实现根据指纹的大小、形状等特征，识别出不同的指纹； 2）利用按键标志当前指纹识别的状态，例如录入状态、识别状态、清楚状态。 设计要求： 1）对指纹识别的过程进行分析，掌握指纹识别系统算法的工作原理； 2）进行指纹识别程序的方案设计； 3）进行指纹识别程序的模块设计； 4）要有必要的算法设计说明； 5）写出课程设计报告。报告中应包括原理框图、参数曲线分析、操作方法、算法分析、软件调试等，调试过程中遇到的问题，改进方法和总结体会； 6）答辩。 二、进度安排 周一：集中布置课程设计任务和相关事宜，查资料确定指纹识别程序设计总体方案。 周二～周五：完成人体指纹识别程序设计及仿真。 周六～周日：设计报告撰写，周日进行答辩和设计结果检查。 三、参考资料
目录 第1章绪论 (1) 1.1 Matlab介绍 (1) 1.2 Matlab优势特点 (1) 1.3 指纹识别 (1) 1.4 指纹识别技术的主要优点 (1) 第2章设计任务及要求 (2) 2.1 设计任务 (2) 2.2 设计要求 (2) 第3章系统方案设计 (3) 3.1 系统方案设计 (3) 3.2 系统框图 (3) 第4章系统软件设计 (4) 4.1 主函数 (4) 4.2 归一化和切割 (5) 4.3 二值化 (7) 4.4 细化 (9) 4.5 中心点提取 (11) 4.6 求特征点 (14) 4.7 指纹匹配 (16) 第5章系统仿真及调试 (17) 总结 (20) 参考文献.......................................................................................................... 错误!未定义书签。附录. (23)