基于图像的指纹识别系统
姓名:钟涛
学号:0951246
班级:计科2班
基于DSP 指纹识别系统
一、系统概述
人类社会活动中需要身份验证，指纹识别在生物特征识别领域具有重要作用。随着计算机技术的发展，自动指纹识别系统得到了广泛的重视和应用。作为一种生物特识别技术，人的指纹具有唯一性和稳定性的特点。目前多数指纹识别系统是将指纹图象采集到计算机中，利用计算机进行识别。
指纹识别系统在结构上可分为三层:系统硬件平台、操作系统和指纹识别算法。如下图所示。
最底层系统硬件平台，是系统的物理基础，提供软件的运行平台和通信接口。系统的硬件平台一般是基于DSP 等微处理器构建的。第二层是操作系统，这一层提供任务调度以及接口驱动，同时，通过硬件中断来实现系统通信请求的实时响应，如对指纹采集的控制、对 HPI 通信的控制等。这种方式可以提高系统的运行效率。最上层是指纹识别核心算法的实现。该算法高效地对采集到的指纹进行处理和匹配。采用 C 语言在 DSP 处理器的集成开发环境(IDE)CCS 中实现，并最终下载到芯片上
指纹识别系统的简单流程如下图所示:
指纹传感器
扫描指纹图像
脊线方向、脊线频率
GABOR滤波器
特征提取、匹配
图像识别预处理
图像匹配
识别结果输出
, 脊线方向、脊线频率:提取脊线方向，计算脊线频率
, GABOR滤波器:GABOR 变换由于具有最佳时域和频域连接分辨率的特点，能够同时对
图像局部结构的方向和空域频率进行解析，可以很好地兼顾指纹图像的脊线方向和脊线
频率信息。GABOR 滤波器函数的实部作为模板，以与子块纹线方向垂直的方向作为滤
波器方向，以脊线频率作为滤波器频率来构建滤波器。滤波过程如下式所示:
其中，为原始图像灰度，是 GABOR 滤波后的图像灰度，W 为滤波器模板大小，S 为模
板系数和，为子块的域方向值。需要注意的是GABOR 滤波器中的与指纹文理方向垂直。
对和的取值需要进行折衷，取值越大，则滤波器的抗噪性能越好，但也容易声成假的脊线。
这里取和。
, 特征提取、匹配:将从指纹数据库中寻找与待识别指纹相似度最高的指纹图像。
二、图像处理模块
1. 图像识别预处理
图像识别预处理:减少由于指纹采集设备本身给指纹图像带来的一些噪声，和指纹本身
有可能被污染，太干或太湿，给指纹图像带来噪声。图像识别预处理有以下几个步骤:
(1)去毛孔噪声:去除在采集指纹时采集到纹线上的毛孔，如果不先将毛孔噪声去除，
细化之后会出现大量的小圈，影响特征点提取;
(2)指纹增强:指纹增强技术的实质是提高图像纹线结构的清晰程度; (3)图像分割:指纹增强我们将指纹图像分为前景区、背景区、模糊区和白背景区。
2. 指纹图像二值化算法
指纹图像二值化:就是把灰度图像转变为黑白相间的二值图像，通过设定一个全局
阈值对增强后的指纹图像转变为用0、1 两种灰度表示，0 代表脊线，为黑像素，作
为前景。1 代表谷线，作为白像素。处理方式如下:
(1)基于阈值的二值化
由于采集到的指纹图像不同区域深浅不一，如对整幅图像使用同一阈值进行二值分
割，会造成大量有用信息的丢失。因此我们使用适应局部阈值二值化的思想，既将
图像分割成多个小块，对每个小块进行分别计算，局部阈值的选取参考局部块的各
个像素，而且选取的阈值应尽量使该块图像内大于该阈值的像素点数等于小于该阈
值的像素点数，这样可以使阈值具有自适应性，不会使大量有用信息丢失。
自适应
局部阈值二值化的流程图如图5:
图5 中T 为该块指纹图像的平均灰度值Nh、Nl 分别为第(k，l)块指纹图像中灰度值大于等于T 和小于T 的像素点数，δ= w ×w ×10 % ，w 是分块尺寸(像素) 。
(2)图像的细化
图像细化操作应该在经过阀值分割后的二值图像上进行。对图像进行细化处理的主要目的是为后继的后处理算法和细节特征提取算法做准备。在自动指纹识别技术中，一般要求细化后的图像必须是单像素宽的，而且细化总体效果一定要好，否则将无法使用常规的特征提取算法提取细节特征信息。
3. 指纹图像匹配算法
(1)基于角度的特征点距离匹配算法
如果模板指纹和待识指纹中有一对分叉点是同一手指的同一分叉点，那么它们通过上式计算出的欧式距离也是严格一一对应的。经过长时间的统计分析，如果在两幅指纹图中这样一一对应的分叉点超过闭值，可认为两幅指纹严格匹配。算法过程如下:
(1)提取待识指纹和模板指纹中每一分叉点到其他所有分叉的欧式距离和角度;
(2)将每个分叉点到其他分叉点的角度按逆时针顺序从小到大排列;
(3)计算出第(2)步每一个分叉点到其按逆时针排列对应的分叉点的欧式距离;
(4)如果待识指纹和模板指纹中有一对分叉点对欧式距离严格匹配，则认为该
对分叉
点是一对匹配点对;
(5)统计匹配点对数，如超过某一个阂值，则认为匹配成功。
图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning
指纹识别系统 1.1 指纹识别系统原理 指纹识别系统的组成原理。如图1-1所示。图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取这些指纹的特征，作为将来的比对模板存人数据库。而识别模块则负责采集和处理指纹图像，在提取特征后与数据库中的指纹模板进行比对，然后判断是否匹配．得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。 图1-1 1.2 指纹采集与指纹图像处理方法 目前，主要的指纹采集方法有两种：一种是光学采集器；另一种是用半导体传感器。光学采集器采集指纹是通过把手指沾上油墨后按在白纸上，然后用摄像机把图像转换为电信号。光学采集受外界干扰小、采集精度较高，但是数据量较大，因此处理时问较长。而对于半导体传感器来说，手指的温度、湿度对其测量结果有影响，但是数据量不大，处理比较方便。随着半导体技术的发展，半导体传感器的成本低、体积小、方便集成等优点逐步体现，它已逐步代替光学采集器。指纹鉴定过程的第一个阶段是指纹图像的采集阶段，也就是指纹模板的录A阶段。为了初步确定图像预处理方法，我们必须首先了解指纹传感器获得的图像的尺寸和质量。根据不同的指纹传感器，我们设计不同的方案进行图像采集，并将从各个图中提出特征点储存到数据库中，来产生“活模板”，为后面的指纹鉴定做准备。 指纹图像处理是整个指纹识别过程的核心。常见的指纹图像处理包括滤波增强、二值化、细化、提取特征点四个步骤。在采集指纹图像的过程中，由于采集环境，皮肤表面的性质，采集设备的差异等各种因素的影响，采集的图像会不同程度的受到各种噪声的干扰，从而影响了采集图像的质量。所以实际的指纹图像首先通过一个滤波增强来改善图像的质量，恢复
数字图像处理技术在识别领域的应用 1、定义 数字图像处理是利用计算机对图像进行处理，常用的方法技术有去除噪声、复原、增强、分割、提取特征等。数字图像发展初期，主要应用于提高图片质量，第一次应用该技术是对伦敦和纽约之间海底电缆发送的图片进行改善。图像处理的应用领域涉及到人类生活的方方面面。 2、数字图像处理的优点 数字图像处理应用于人类依靠图像获取外界的信息经过处理，具有如下优点：①重现性能好，数字图像处理在进行传输、存储、复制等处理从而用来服务于生活。 ②数字化处理精度高。 ③数字信号处理技术适用面宽。 ④数字图像处理的灵活性高。 3、主要研究内容 数字图像处理技术是利用计算机图像处理系统对图像进行输入、加工和输出，主要研究的内容包括以下几项：图像变换；图像增强和复原；图像编码压缩；图像分割。 因为数字图像处理技术应用太过广泛，我在这里仅探究它在识别领域的应用，从这里认识数字图像处理技术的方方面面。 4、数字图像处理在识别领域的应用： （一）数字图像处理在指纹识别中的应用 传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。指纹，作为人体独一无二的生理特征，虽然只是人体皮肤的一小部分，但是它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。 为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的，采用数字图像处理则可以实现图像的增强。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。
计算机视觉与图像处理、模式识别、机器学习学科之间的关系 在我的理解里，要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。 计算机视觉（computer vision），用计算机来模拟人的视觉机理获取和处理信息的能力。就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。 图像处理（image processing），用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。模式识别研究主要集中在两方面,一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。
从数字图像处理技术角度谈谈对指纹识别的认识 4.1 指纹图像表示 从指纹传感器输出的是指纹原始图像，其数据量比较大。这对整个指纹识别系统的处理和存储都是个不小的负担。在远程采集系统中，对通信带宽会造成较大负荷。因此需要对指纹图像进行压缩存储。指纹图像压缩一般经过图像变换、量化和编码等过程。解压需经过解码、量化解码和反变换等过程。 压缩后的指纹图像需确保指纹特征信息的不丢失不损坏。理论上来讲采用无损压缩算法是最理想的。但经过实践证明，对于分辨率不是很高的指纹图像来说，采用无损压缩的压缩比很低。通常情况下采用JEPG、WSQ和EZW三种压缩算法。 4.2 指纹图像处理 4.2.1 指纹图像增强 刚获得的图象有很多噪音。这主要由于平时的工作和环境引起的。指纹还有一些其他的细微的有用信息，我们要尽可能的使用。指纹图像增强的目的主要是为了减少噪音，增强嵴峪对比度，使得图像更加清晰真实，便于后续指纹特征值提取的准确性. 指纹图像增强常用的是平滑和锐化处理。 （1）平滑处理 平滑处理是为了让整个图像取得均匀一致的明暗效果。平滑处理的过程是选取整个图像的象素与其周围灰阶差的均方值作为阈值来处理的。这种做法实现的是一种简单的低通滤波器。 实验表明：一般的自然图像相邻像素的灰度相关性约为0.9。因此在图像受到白噪声干扰时，以像素的邻域平均值代替中心像素，是一个去除噪声的好办法。算法是：。其中f(x,y)表示被噪声污染的原始图像，大小为N*N，g(n,m)是平滑后的图像，S是处理点(x,y)邻域中点的坐标（不包括（x,y）点）的集合，而M是集合S内坐标点的总数。例如，以(x,y)点为中心，取单位距离构成的邻域，其中点的坐标集合为：s={(x,y+1),(x,y-1),(x+1,y),(x-1,y)}。
图像处理与识别的应用研究 摘要：图像处理与识别技术是时代进步与科学技术快速发展的必然产物，目前，图像处理与识别技术已普遍应用于社会各个领域，应用优势也逐步突显出来。本 文将结合图像处理与识别技术的优势，围绕该技术在人脸识别领域、交通实时监 控领域、医疗卫生领域、工业生产领域以及刑事案件侦破领域的实际应用效果展 开全面论述。 关键词：图像处理；识别；实际应用 图像处理与识别技术能够在海量的图像数据信息中提取出应用价值高的信息，为各项工作的顺利开展提供重要的技术支持。根据图像不同的记录方式，可以将 图像分为数字图像与模拟图像两种，计算机图像处理系统对数字图像进行采集、 存储、处理，进而在系统中形成模拟图像，经过与计算机系统内部的原始图像模 型进行比对，找到图像匹配源，最终得到经过优化的图像类型与图像数据信息。 一、图像处理与识别技术概述 （一）图像处理与识别技术优势 计算机图像处理与识别系统首先对图像的外观形态进行判定，以形状、颜色、尺寸作为判定参数，准确识别出图像特征，然后根据这些特征，对共性参数进行 有效提取，再对获取的图像进行优化处理，处理内容包括去噪、对比度、清晰度 调整以及边缘修饰等。与传统的人工图像处理方法相比，计算机图像处理与识别 技术具有处理速度快、精准度高、灵活性好等优势。由于计算机图像处理系统接 纳的图像信息处理量较大，而通过程序软件的快速运算，能够在短时间内完成图 像的识别和处理工作[1]。在信息处理过程中，一些没有应用价值的图像会被系统 逐一剔除，而留下了具有参考价值与应用价值的信息，因此，图像信息处理的精 准度较高。此外，由于计算机图像处理系统应用了人工智能技术，该系统的自动化、智能化水平较高，不但节省了人工，而且也能够灵活调整精准度，使图像实 现自动化处理。 （二）图像处理的常用方法 图像处理与识别技术的最终目的是改善和提高图像质量，使人们更易于辨识 图像的本来面目。因此，图像增强是图像处理与识别过程中最常用的处理方案， 它可以细分为灰度增强、图像锐化以及边缘检测三方面。灰度增强技术是基于数 学模型，图像在不同区域内的像素数量与图像上各个区域的灰度值有着必然联系，如果灰度值的区域范围较大，则这一区域内的像素数量就随之增多，图像表现出 来的明暗度就比较亮，如果灰度值较小，图像的视觉效果就偏暗。图像锐化是针 对图像轮廓不清晰，利用锐化技术还原图像的本来面目，基本原理是将图像中的 人物或者物品轮廓的灰度值进行两极分化，灰度值高的则变得更高，灰度值低的 则变得更低。所谓边缘检测是对图像进行分割处理，因为边缘区是图像中亮度变 化最为明显的区域，在检测过程中，可以结合一阶与二阶导数对图像灰度进行精 准测算，以坐标变换的方式使曲线上各点形成固定峰点，工作人员可以根据峰点 对整条曲线进行检测，进而得到精确的数据信息。 二、图像处理与识别技术的实际应用 （一）人脸识别 人脸识别系统的应用和发展经历了三个阶段，第一阶段是收集面部信息，借 助于系统数据库中的人脸信息形成一种比对和匹配关系，这一阶段需要介入大量 的人工操作，不但工作量大，而且人脸识别的准确度也相对较低。第二阶段逐步
龙源期刊网 https://www.doczj.com/doc/db11278720.html, 常用图像去噪方法比较及其性能分析 作者：孟靖童王靖元 来源：《信息技术时代·下旬刊》2018年第02期 摘要：本文介绍了噪声的分类模型，之后又分别介绍了空间域去噪、傅里叶去噪算法以及小波去噪中的部分算法，并分别对相似算法进行了分析比较。同时为了更好的比较出各算法之间的去噪差别针对其中部分去噪算法进行了用matlab的实现，比较了去噪的效果。 关键词：数字图像；噪声；滤波 一、引言 随着当今社会数字化的普及，人们传递图像信息的方式已经从之前单纯的实物传递变为当今的数字图像的传递。然而由于各种原因会导致数字图像真实性减弱。针对这种问题，数字图像处理技术应运而生。数字图像处理技术的产生，不仅满足了人们的视觉，同时经过处理的图像还可以更好的应用于图像加密，图像识别等领域。 二、空间域去噪算法 （一）均值滤波去噪 通过计算某一滤波目标区域内的算数平均值来替代目标区域中心所对应的像素值的方法来达到去除噪声的目的。而加权均值滤波则是在原有均值滤波的基础上，通过对某些更趋进于真实像素的点进行加权的方法来达到更好的去噪效果，使最终区域中心像素更加趋近于真实像素。 利用均值滤波可以很好的去除由高斯噪声带来的对于图像的影响，然而对于由于椒盐噪声带来的对于图像的影响，均值滤波去除的效果并不很好。同时，由于均值滤波的算法是通过取目标范围内一小区域中点灰度值的平均值，来决定区域中心点灰度值的，所以不可避免的造成图像经过均值滤波后会导致图像部分原始真实细节被滤掉，造成视觉上细节不清楚的情况。并且所取范围越大，图像中细节部分越不清晰，图像越平滑。 （二）中值滤波去噪 通过求区域中心点及其周围点灰度值的中值，来代替该中心点的灰度值。因此利用中值去噪的方法可以较好的弥补均值滤波对于图像边缘不清晰处理的缺点。然而由于中值滤波对于所选滤波区域的选择要求较高，因此对于滤波区域大小形状的选择需要根据具体图像来确定。此外，与均值滤波相比，中值滤波对于椒盐噪声的处理比对于高斯噪声的处理更好。 （三）维纳滤波去噪
第2章机器视觉系统与数字图像处理 2.1机器视觉系统 2.1．1机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科，其能以及应用范围随着工业自动化的发展逐渐完善和推广，其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展，有力地推动了机器视觉的发展。机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。 机器视觉系统通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成。在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去；在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。机器视觉系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平 机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和
指纹识别中的图像处理研究--基础名词解释 1.1传统安全技术的弊端及其所面临的挑战 以信息技术为代表的现代科学技术大大地推动了现代社会的进步和发展，为人类提供了更为快捷与便利的交流手段，同时它也给各个国家和社会的管理者带来一个全新的重要课题：如何及时、准确地验证每个社会成员的身份。 传统的身份验证方法是验证该人是否持有有效的证明文件或信物。从本质上来说，这种方法验证的是该人持有的某种物，而不是验证其本人。只要物的有效性得到确认，则持有该物的人的身份也就随之得到确认。这种以物认人的办法明显存在以下漏洞： ①。合法的人如果遗失验证其身份的物（如密码、钥匙等），则合法的人本身得不到合法的验证。 ②。各种伪造证件、信物以及密码被破译或盗用又使非法的人得到合法的验证。例如一些罪犯通过伪造证件进入机密场所窃取机密信息；另一个例子是考勤机，它的使用方便了企业进行职工的考勤管理，但使领导头疼的是经常有人弄虚作假，代别人打卡，代替别人打考勤 ③。如果丢了需要验证的物，例如钥匙，则不仅打不开门，还要当心坏人拾到你的钥匙盗取你的家财，其他使用钥匙的场合同样也有如此的问题。 现行的许多计算机系统中，包括许多非常机密的系统，都是使用用户ID+密码的方法来进行用户的身份认证和访问控制的。实际上，这种方案隐含着一些问题。例如，密码容易被忘记，也容易被别人窃取。而且，如果用户忘记了他的密码，他就不能进入系统。调查表明，因为忘记密码而产生的问题已经成为IT厂商售后服务的最常见问题之一；密码被别人盗取则是一件更可怕的事情，因为用心不良的人可能会进一步窃取公司机密数据、可能会盗用别人的名义做不正当的事情、甚至从银行、ATM终端上提取别人的巨额存款。实际上，密码的盗取比较容易，别人只要留意你在计算机终端前输入口令时的击键动作就可以知道你的密码，甚至可以通过你的生日、姓名、电话号码或者其他一些信息猜出你的密码，这就显得极不安全。众所周知，高度机密的美国一些军事机构计算机网络（包括五角
1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。 (1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ） (2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（F ） (3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（T ） 2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C A 点运算是对一副图像的灰度级进行变换。 B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。 D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是：D A GMY B YIQ C HSV D HSI (4) 以下说法正确的是：B A 用数学形态学处理一些图像时，膨胀运算会收缩图像，腐蚀运算会扩大图像。 B 用数学形态学处理一些图像时，开运算和闭运算都可以平滑图像的轮廓。 C 在形态算法设计中，结构元的选择非常重要，它可以在几何上比原图像复杂，且 无界。 D 在形态算法设计中，用非凸子集作为结构元也是可以的。 (5) 数字图像的灰度直方图的横坐标表示：A A 灰度级 B 出现这种灰度的概率 C 像素数 D 像素值 (6) 以下说法正确的是 C A 先膨胀后腐蚀的运算称为开运算。 B 先腐蚀后膨胀的运算称为闭运算。 C 细化是将一个曲线型物体细化为一条单像素宽的线，从而图形化的显示出其拓扑 性质。 D 消除连续区域内的小噪声点，可以通过连续多次使用开闭运算。 (7) 下列描述正确的有 D A 只有傅立叶变换才能够完成图像的频率变换。 B 图像经频域变换后，变换结果是能量分布向高频方向集中，图像上的边缘、线条
《图像处理设计》大作业 题目：选题二：《X战警-第一战》分析短评专业：数字媒体技术 姓名：王潇 学号：0305110228
一、引言 随着时代的发展，人们对于文化生活要求变高。电影作为一种艺术表现形式，也经受着人们的考验。过去的技术已经不能给我们带来让我们满意的视觉效果，尖端的电影技术正在发展。从电影这个音画艺术诞生开始，影视创作人员一直在积极的寻求新鲜的元素，是电影传达更多的思想和情感，或是呈现给观众不同寻常的或是匪夷所思的画面，从而给观众留下深刻的印象收到最震撼的效果。从历史上第一个特效镜头出现在大屏幕的一瞬间就注定了它今后在电影界的举足轻重的地位。 说起影视视觉特效的发展，不得不惊叹其惊人的成长速度，然而回顾历史不得不承认这也是在情理之中。当第一台电子计算机在宾夕法尼亚大学中诞生以来，计算机这一强有力的工具就像一只催化剂迅速的提升了各行各业的发展。 在20世纪八九十年代，计算机图形学CG技术的发展进入应用与普及阶段，计算机生成图像CGI技术和三维动画，数字合成技术等相关技术的飞速进步，使得呈现在观众眼前的视觉效果越来越震撼，可谓视觉盛宴。与此同时美国好莱坞商业电影在迅猛地崛起，众多好莱坞大片为了取得绝佳的影片视觉效果以及良好的票房收入，不惜在影片特效部分投入巨资，更有甚者，影片本身就是一部特效电影。所有的这些都极大的促进了影视视觉特效的发展与进步。 电影发展到今天，影视特效已经成为一部电影不可或缺的一部分，从经济角度来看，他更环保，更节约，成本更低。例如，某些影片中的场景更不不可能依靠现实的布景来实现，就算可以实现也劳民伤财，耗资巨大，这时候CGI技术就现实出其强大的优势；某些电视剧的制作，因为成本的限制，不可能到将剧组四处迁徙完成拍摄，这时候，就可借助绿屏或蓝屏以及跟踪的技术，在摄影棚中完成前景的拍摄，然后利用数字合成技术，将其与背景实拍素材合成的天衣无缝即可达到以假乱真的效果。而这种拍摄手段在现在的影视制作中被广泛的使用。 现代使用电子计算机进行特殊处理使影片出现特殊效果的方法有很多，其技术集中在建模与渲染和特效与合成方面。经过了大学对计算机图形学和图像处理技术的学习，我在这方面也有了一些自己的理解。下面让我以2011年上映的《X战警：第一战》（X-men:First Class）为具体实例，阐述我个人的理解与分析。 具体完整动态视觉效果请看附录视频。附录视频内含镜头一至镜头五，并整合了相关技术应用。 关键词：数字图像技术计算机图形学图像处理与分析影视特效X战警
数字图像处理与机器视觉 2015-2016期末试卷参考答案南昌大学研究生2015,2016年第2学期期末考试试卷 试卷编号: (开)卷课程名称: 数字图像处理与机器视觉适用班级: 2015级硕士研究生姓名: 学号: 专业: 学院: 机电工程学院考试日期: 题号一二三四五六七八九十总分累分人 签名题分 10 15 15 10 20 30 100 得分 考生注意事项:1、本试卷共4页，请查看试卷中是否有缺页或破损。如有请报告以便更换。 2、使用A4答题纸，注意装订线。 一、单项选择题(从下列各题四个备选答案中选出一个正确答案，并将其 代号填在题前的括号内。每小题1分，共10分) ( b )1.图像与灰度直方图间的对应关系是: a.一一对应 b.多对一 c.一对多 d.都不对 ( d )2. 下列算法中属于图象平滑处理的是: a.Hough变换法 b.状态法 c.高通滤波 d. 中值滤波 ( c )3.下列算法中属于图象锐化处理的是: a.局部平均法 b.最均匀平滑法 c.高通滤波 d. 中值滤波 ( d )4. 下列图象边缘增强算子中对噪声最敏感的是: a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( b )5. 下列算法中属于点处理的是: a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( d )6.下列算子中利用边缘灰度变化的二阶导数特性检测边缘的是:
a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c )7.将灰度图像转换成二值图像的命令为: a.ind2gray b.ind2rgb c.im2bw d.ind2bw ( d )8.数字图像处理的研究内容不包括: a.图像数字化 b.图像增强 c.图像分割 d.数字图像存储 ( d )9.对一幅100?100像元的图象，若每像元用,bit表示其灰度值，经霍夫曼编码后图象的压缩比为2:1，则压缩图象的数据量为: a.2500bit b.20000bit c.5000bit d.40000bit ( b )10.图像灰度方差说明了图像哪一个属性: a.平均灰度 b.图像对比度 c.图像整体亮度 d.图像细节 第 1 页 二、填空题(每空1分，共15分) l. 图像处理中常用的两种邻域是 4-邻域和 8-邻域。 2.图象平滑既可在空间域中进行，也可在频率域中进行。 3.常用的灰度内插法有最近邻元法、双线性内插法和三次内插法。 4. 低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 5.Prewitt边缘检测算子对应的模板是和。 -1 -1 -1 -1 0 1 0 0 0 -1 0 1 1 1 1 -1 0 1 (不分先后) 6.图像压缩系统是有编码器和解码器两个截然不同的结构块组成的。 7.灰度直方图的纵坐标是该灰度出现的频率。 8.依据图象的保真度，图象编码可分为无失真(无损)编码和有失真(有损)编码两 种。
数字图像处理课程考试论文 论文题目：数字图像处理在指纹识别中的应用 学院地理与环境科学学院 专业: 地理科学 姓名郑凯鹏 学号: 10280235 提交时间: 2013-1-4 短号： 662126 成绩:
数字图像处理在指纹识别中的应用 郑凯鹏 （地理与环境科学学院地理102班 10280235） 摘要：图像处理（image processing）对图像进行一系列的操作，以达到预期目的技术。图像处理分为模拟图像处理和数字图像处理两助攻方式。所谓数字图像处理，就是利用计算机对数字图像进行系列操作，从而达到某种预期目的的技术。由于指纹具有终身的稳定性和惊人的特殊性，很早以来在身份鉴别方面就得到了应用，且被尊为“证物之首”。 关键词：数字图像、图像处理、指纹识别 Abstract:image processingconducted a series of operations on an image, and technology to achieve the desired purpose. Image processing is divided into two Dunks analog image processing and digital image processing. The so-called digital image processing is to use computers to manipulate the digital image series, so as to achieve a certain desired technology. Due to stability and alarming specificity of the fingerprint has a life, an early identification has been applied since, and was hailed as "exhibits". Keywords:digital images, image processing and fingerprint recognition 引言 在网络化时代的今天，我们每个人都拥有大量的认证密码，比如开机密码、邮箱密码、银行密码、论坛登陆密码等等；并配备了各种钥匙，如门锁钥匙，汽车钥匙，保险柜钥匙等。这些都是传统的安全系统所采用的方式，随着社会的发展，其安全性越来越脆弱。而我们的生活随时都需要进行个人身份的确认和权限的认定，尤其是在信息社会，人们对于安全性的要求越来越高，同时希望认证的方式简单快速。为了解决这一问题，人们把目光转向了生物识别技术，希望能借助人体的生理特征或行为动作来进行身份识别。这样您可以不必携带大串钥匙，也不用费心去记各种密码。另外，生物特征具有唯一性，不可复制性，例如指纹，有学者推论：以全球 60 亿人口计算，300 年内都不会有两个相同的指纹出现。以电子商务、电子银行的安全认证为例，目前在电子商务中他人会假冒当事人的身份，如果通过生物特征进行论证，就可有效防止此类事件的发生。另外，网络、数据库和关键文件等的安全控制，机密计算机的登陆认证，银行 ATM、POS 终端等的安全认证，蜂窝电话，PDA 的使用认证等等，都离不开可靠安全的生物特征识别。可见，生物特征识别不但有可观的经济效益，还有不可估量的国家信息安全效益。 一、指纹识别技术概述 1.1 概述
计算机图形学与图形图像处理技术分析 计算机技术的普及与发展带动了全社会的进步，现代社会活动中几乎所有领域都在使用计算机技术，该技术为企业节约了大量的生产成本，提高了工作效率，改变了人们的生活方式。计算机图形学和图形图像技术在人们工作中的使用日益频繁，凸显了现代科学应用领域对该技术研究的重要性，本文就计算机图形学与图形图像处理技术从定义、区别和联系以及具体应用几方面展开论述，期望该技术能够为人们的工作和生活提供更大便利。 标签：计算机图形学；图形图像处理；技术 1概述 1.1概念 计算机图像处理是指利用计算机技术，来对图像进行一定的加工和分析，以获取最终的目标图像及结果。 目前该项处理技术在应用中，主要经过两个基本过程。第一，转化要研究的图像，把它变成通过计算机能够清晰辨别的数据，这样把图像存放在计算机中；第二，在将电脑中的图像做出相关处理与转化时，将采用不同形式的计算方法进行处理。 1.2图像的分类 根据图像能否在计算机上处理，将图像的种类进行了以下归类： 第一类，数字化图像。由于科技的迅猛发展，图像已经逐渐走向数字化。同时，数字化图像具有与生俱来的优势，例如处理方法便捷、精准度高等，满足了现代化国家的需求。 第二类，模拟图像。在现代生活中，模拟图像到处可以看到，比如胶片照相机相片、光学图像等，这些都是模拟图像。模拟图像一般在输出时较方便快捷，但是也有不是很灵活、精密度不够的缺陷。 2计算机图形与图像技术的区别与联系 计算机图形处理技术与图像处理技术是两种技术，两种技术密不可分，两者的有机融合才能将图像和图像处理更加符合客户需求，两者的转换和联系如图1所示，但两者也有若干区别： （1）理论基础不同。计算机图形学的理论基础是计算几何、分型、透视、变换、仿射理论、分形理论等，而计算机图像处理技术的理论基础是统计学、模
机器视觉应用有哪些浅谈机器视觉软件的介绍与选择 本文主要是关于机器视觉的相关介绍，并着重对机器视觉的应用场景进行了详尽的阐述。 机器视觉机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品（即图像摄取装置，分CMOS 和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O 卡等）。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。［2］机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。 一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。 系统可再分为 一、采集和分析分开的系统。 主端电脑（Host Computer） 影像撷取卡（Frame Grabber）与影像处理器 影像摄影机 定焦镜头镜头 显微镜头
辽宁工业大学 关于图像识别技术的论述 --图像处理与识别结课论文 学院：电子与信息工程学院 班级：电子102班 学号：100404054 姓名：包媛
关于图像识别技术的论述 随着科学技术的不断发展,计算机应用领域的不断开拓,一种全新的图像处理方法应运而生,这就是数字图像处理技术,即利用计算机设备将图像转变成数字信息来进行保存、处理、传输和重现。数字图像识别技术则是从数字图像处理技术中延伸出来的一个重要的研究方向。目前,数字图像处理与识别的应用范围越来越广。但就目前的水平而言,计算机对外部的感知能力还比较薄弱,还需要投入大量人力、物力从事数字图像处理与识别的理论和应用的研究。图像处理与识别的应用有很多种，如指纹识别，条码识别，人脸识别,车牌识别，残损纸币识别等等在生活，生产中，和警方侦破案件中都有很多很重要的应用。数字图像处理方法的分类以及数字图像处理系统的基本部件,“数字图像处理的基本方法”、“人脸识别”及“残损纸币识别”进行详细叙述。一些数字图像处理的基本方法,包括图像增强与图像检测两部分。人脸识别”当中,可采用SN-tuple神经网络的方法进行识别,同时网络参数的变化对识别率也会有所影响影响。对于“残损纸币识别”,可以选择边缘检测、Fisher判别和神经网络三种方法进行识别。其中,边缘检测需要区分纸币的面值和正反,之后方可识别,但性能较为稳定,识别效果较好;Fisher判别无需区分纸币的面值和正反,但识别率受样本选择的影响,不同样本,识别率有可能相差较大;神经网络方法也可不区分纸币的面值与正反,但识别率较低,若区分面值与正反,则可获得较高的识别率。下面分别对车牌识别，纸币、票据识别和手势识别做陈述。 随着我国国民经济的迅速增长,机动车的规模与流量大幅增加,随之而来的管理问题也日益严重。因此迫切需要采用高科技手段,对这些违法违章车辆牌照进行登记,汽车牌照识别系统的出现成为了交通管制必不可少的有力武器。汽车牌照的识别系统在公共安全,交通管理,及相关军事部门有着重要的应用价值。它是一个基于数字图像处理和字符识别的智能化交通管理系统,该系统先通过图像采集,再对图像进行处理以克服图像干扰,改善识别效果,而后进行二值化,归一化等处理,最后进行识别。车牌识别系统使得车辆管理更趋于数字化,网络化,大大提高了交通管理的有效性与方便性。车牌识别系统作为整个智能交通系统的一部分,其重要性不言而喻。 车牌识别是一项涉及到数字图像处理、计算机视觉、模式识别、人工智能等多门学科的技术,它在交通监视和控制中占有很重要的地位,已成为现代交通工程领域中研究的重点和热点之一。该项技术应用前景广泛,例如用在自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制
上海交通大学图象处理与模式识别专业 考研 本学科创建于80年代初，是国内首批有权授予硕士学位、博士学位并设有博士后流动站的重点学科，也是国家“211工程”资助学科。1998年该学科改名为模式识别与智能系统。本学科点的创建人是我国著名图像处理和模式识别专家、美国匹兹堡大学访问学者李介谷教授。他的研究方向是模式识别和计算机视觉。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；智能中文信息处理，中（英）文全文检索，基于内容的网上检索；人工智能和智能系统，主要从事人工神经网理论及应用，机器学习和推理、智能交通指挥系统等。目前正在进行的科研项目有国家高科技863项目，国家自然科学基金，国家教委博士点科研基金项目。省、部、市重大科技开发和国际合作项目。 模式识别和智能系统学科拥有设备先进的图像工程实验室。1978年恢复招收研究生来，已培养硕士、博士生216名，主要在国内外大学、科研机构和高新技术产业从事教学、科研及高新技术的开发研究工作。该学科有广泛的国际合作和交流，招收国内外访问学者和国外留学生。本学科所从事的研究项目曾多次荣获过国家科技进步一等奖、省部级的奖励，并有着广泛的国际合作和交流。 研究方向 a.数字图象处理 b.计算机模式识别 c.计算机图形学与CAD技术 d.人工智能与专家系统 e.计算机视觉 f.语音识别及机器翻译 g.人工神经网络 h.虚拟现实 i.算法理论与分析 j.网络信息处理 k.文本信息处理 l.网上三维图象重建 m.城市交通监控与管理系统 n.生物信息特征识别 o.网络信息智能处理 p.自然语言理解与人机界面 q.成像光谱技术与遥感 r.三维空间信息处理与分析 s.多媒体与网络信息智能处理 t.智能理论与系统。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；