基于MATLAB的拇指指纹识别研究

1、江西理工大学专科毕业论文基于matlab的拇指指纹识别研究摘要随着全球对身份认证的需求越来越多, 指纹识别作为一种生物识别技术，历来受到人们的广泛关注和重视，是未来个人身份认证的重要组成部分，其作为一个新生先进的技术将得到广泛的应用。指纹是手指末端正面批皮肤上凹凸不平的纹路，其俱有唯一性和稳定性的特点，在此基础上利用人体拇指指纹携带的信息和每个人的指纹重合率几乎为零特性, 运用matlab仿真软件对拇指指纹进行处理识别和指纹特征的提取,从多个不同的人的拇指指纹中找出特定人的指纹，实现指纹的识别和身份确认。关键词：指纹识别 特征提取 图象处理 the rresearch of fingerpri

2、nt recognition system based on matlababstractwith the global demand for identity authentication, more and more as a biometric fingerprint recognition technology, have long been widespread concern and attention to personal authentication in the future an important part of it as a new advanced technol

3、ogy will be a wide range of applications. fingerprint is the front end of the grant fingers uneven skin texture, and have made their uniqueness and stability of its characteristics, based on the use of the information carried by the human thumbprint and each persons fingerprint characteristics of co

4、incidence rate is almost zero, using matlab simulation software for processing thumbprint recognition and fingerprint features are extracted from a number of different peoples thumb-print to find out a specific persons fingerprint to achieve fingerprint identification and identity confirmation. keyw

5、ords: fingerprint recognition minutiae extraction image目录1前言.51.1生物特征识别.51.1.1生物特征识别现状和意义.51.1.2生物特征识别的基本原理.61.1.3生物特征识别的分类.71.2指纹识别.91.2.1指纹识别的历史、研究现状.91.2.2指纹的特征.101.3本章小结.112 matlab概述.122.1 matlab简介.122.2 matlab常用常用工具箱、函数、命令解释.153指纹识别的基本原理.193.1指纹识别基本概念.193.2指纹识别原理和过程.193.3本章小结.204 指纹识别算法的实现.224.

6、1指纹图片的经典图像处理方法.224.2指纹图像的预处理.234.3指纹图像的特征点提取.314.4特征点的保存.324.5指纹图像特征的匹配.324.6匹配的判决条件.344.7本章小结.365总结.37参考文献.38致谢.39前言1.1生物特征识别1.1.1生物特征识别现状和意义随着科学技术的迅猛发展，人类社会已经进入快速发展的信息时代，信息技术的进步使人类的信息交流变得更加方便和快捷，极大的提高了人们的工作效率，并推动社会的快速发展。但也给人们带来了一个重要的课题:在高科技信息时代，如何及时、准确和有效的进行身份验证，确保人们的合法权益和各种社会活动的合法性和有效性，及时打击与遏制各种违

7、法犯罪活动，维护国家安全和社会稳定。传统的身份认证方式包括基于知识(whatyou如ow)的身份认证和基于令牌(whatyouhave)的身份认证。传统的身份认证存在许多缺点:密码和口令存在容易忘记、攻击、泄露等问题，钥匙和身份证等存在容易被盗、丢失、伪造和冒用等问题。传统的身份认证方式的这些缺点给我们的生活带来了诸多不便和很多安全问题。因此，寻找更加方便、更加安全可靠的身份认证方式已是势在必行。由于人体的生物特征具有不可复制的特点，人们把目光转向了生物特征识别技术。生物特征识别技术是利用人体生物特征进行身份认证的一种技术。生物特征是唯一的(与他人不同)、可以测量或可以自动识别和验证的生理特性

8、或行为方式，分为生理特征和行为特征。生物特征识别系统对生物特性进行取样，提取其唯一特征并且转化成数字代码，并进一步将这些代码组成特征模板，人们同识别系统交互进行身份认证时，识别系统获取其特征并与数据库中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝该人。与传统的身份认证方式相比，生物特征识别技术所采用的人体特征具有不怕遗忘、不会丢失、难以伪造等突出优点。每个人都拥有许多种生物特征，当某个生物特征满足以下要求时，可以用来鉴定个人身份(l)普遍性(universality):每个人都具有这种生物特征;(2)唯一性(uniqueness):每个人拥有的这种生物特征各不相同;(3)持久性(pe

9、rmanenee):这些生物特征正常情况下保持不变;(4)可采集性(colleetability):这些生物特征是否容易采集到;(5)接受程度(useracceptanee):人们是否愿意接受这种身份认证方式;(6)防欺骗性(resistaneetocireumvention):防止环境欺骗的能力。1.1.2生物特征识别的基本原理生物特征识别是一种根据人的生理特征或行为特征来识别人的身份的模式识别，它以生物特征识别为核心，并结合计算机和传感器等技术来构建。从工作流程上看，生物特征识别可以分为注册和辩识两个模块，如图1.1所示。注册模块用于提取个体的生物特征信息并形成特征模板，然后以与用户id相

10、关联的形式保存到系统的数据库中。辩识模块则用于将实时获得的个体特征与数据库中的模板进行比较，并根据比较结果确定用户身份。 对于安全性要求较高的系统，采用综合了几种个人生物特征的自动识别系统可以提供较高安全级别的保障。但比较所有的识别方式，指纹识别由于其作为识别特征的高可靠性、相对简便的实现技术、小巧便携的硬件设备可以应用于更为宽广的范围。数据库 注册模块数据采集特征提取个体 识别模块数据采集特征提取特征匹配个体 图1.1 1.1.3生物特征识别分类人体用于生物特征识别的特征可分为两类:身体特征和行为特征。身体特征是指与生俱来的特征，其包括:指纹,掌形,眼睛(视网膜,虹膜),人体气味,脸型,皮肤

11、毛孔,手腕/手的血管纹理和dna等。行为特征是指后天形成的特征，其主要包括:签名,语音,行走的姿态,击打键盘的力度等。常见的生物特征识别方式有：1.指纹识别 指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点，称为指纹的细节特征点。指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定。 2.静脉识别 静脉识别系统就是首先通过静脉识别仪取得个人静脉分布图，从静脉分布图依据专用比对算法提取特征值，通过红外线ccd摄像头获取手掌静脉、手背静脉的图像，将静

12、脉的数字图像存贮在计算机系统中，将特征值存储。静脉比对时，实时采取静脉图，提取特征值，运用先进的滤波、图像二值化、细化手段对数字图像提取特征，同存储在主机中静脉特征值比对，采用匹配算法对静脉特征进行匹配，从而对个人进行身份鉴定，确认身份。 3.虹膜识别 虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环状区域，在红外光下呈现出丰富的纹理信息，如斑点、条纹、细丝、冠状、隐窝等细节特征。 虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。 4.视网膜识别 视网膜是眼睛底部的血液细胞层。视网膜扫描是

13、采用低密度的红外线去捕捉视网膜的独特特征，血液细胞的唯一模式就因此被捕捉下来。 5.面部识别面部识别是根据人的面部特征来进行身份识别的技术，包括标准视频识别和热成像技术两种。标准视频识别是透过普通摄像头记录下被拍摄者眼睛、鼻子、嘴的形状及相对位置等面部特征，然后将其转换成数字信号，再利用计算机进行身份识别。热成像技术主要透过分析面部血液产生的热辐射来产生面部图像。与视频识别不同的是，热成像技术不需要良好的光源，即使在黑暗情况下也能正常使用。 6.手掌几何学识别 手掌几何学识别就是通过测量使用者的手掌和手指的物理特征来进行识别。 7. dna识别 人体内的dna在整个人类范围内具有唯一性（除了同

14、卵双胞胎可能具有同样结构的dna外）和永久性。因此，除了对同卵双胞胎个体的鉴别可能失去它应有的功能外，这种方法具有绝对的权威性和准确性。dna鉴别方法主要根据人体细胞中dna分子的结构因人而异的特点进行身份鉴别。这种方法的准确性优于其它任何身份鉴别方法，同时有较好的防伪性。 8.声音和签字识别 声音和签字识别属于行为识别的范畴。声音识别主要是利用人的声音特点进行身份识别。签字是一种传统身份认证手段。现代签字识别技术，主要是透过测量签字者的字形及不同笔划间的速度、顺序和压力特征，对签字者的身份进行鉴别。签字与声音识别一样，也是一种行为测定，因此，同样会受人为因素的影响。 下面对五类主要的人体生物

15、特征的自然属性进行了比较自然属性虹膜指纹面部dna手掌静脉唯一性因人而异因人而异因人而异亲子相近同卵双胞胎相同唯一性稳定性终身不变终身不变随着年龄变终身不变终生不变抗磨损性不易易较易不受影响不受影响痕迹残留不留接触时留不留体液、细胞有不留遮蔽情况可戴手套面罩不可戴手套不可戴手套不需接触 从上表列出的特性可以看出，某一应用领域可能特别需要某种生物特征，如刑侦应用与手掌静脉、指纹识别、dna 等。与其他生物特征相比，虹膜组织更适合于信息安全和通道控制领域。例如，虽然多种特征都具有因人而异的自然属性，但虹膜的重复率极低，远远低于其他特征。又如，容易留痕迹可以给刑侦带来很大方便，但痕迹易被他人利用来造

16、假，则不利于信息安全。再则，虹膜相对不易因伤受损，更加大大减少了因外伤而导致无法进行识别的可能性。而手掌静脉识别更完美，精确度可以和虹膜识别媲美，无需接触，操作方便，适应人群广泛。1.2指纹识别1.2.1指纹识别的历史、研究现状19世纪初，科学家发现了至今仍然承认的指纹两个重要的特征，指纹的唯一性和不变性。这个研究成果使得指纹在犯罪的事件鉴别中得以正式应用。20世纪60年代，由于计算机可以有效地处理图形，人们开始着手研究利用计算机来处理指纹。 到了20世纪80年代，个人计算机、光学扫描这两项技术的革新，使得它们作为指纹取象的工具成为现实，从而是指纹识别可以在其他领域中得以应用。现在，随着取象设

17、备引入的飞速发展，生物指纹识别的逐渐成熟、可乘的对比算法的发现都为指纹识别技术提供了更广阔的舞台。比如指纹考勤系统代替了ic卡、磁卡等传统的考勤方法，从而从根本上杜绝了代打考勤的现象。 很多国家都有公司或专门机构从事自动指纹识别技术的研究。其中，美国在这一领域的研究水平处于世界最前沿。美国identicator公司，secugen公司，digitalpersona公司等都有成型产品问世。亚洲在这一领域研究水平最高的是朝鲜，朝鲜pefis株式会社研发的指纹比对算法，在大容量指纹处理上是世界上公认的较好的算法。我国台湾的startek公司的指纹识别技术产品的性能也达到世界领先水平。在国内，清华大学

18、在80年代开始指纹识别的研究。中科院自动化所模式识别国家重点实验室自90年代以来，一直致力于“基于生物特征的身份鉴别”的研究，在指纹、虹膜、脸相识别等方面取得了很多的研究成果。另外，自九十年代初以来，我国的北大方正集团、长春鸿达集团、西安青松集团等机构分别以所在地高校为技术依托，陆续开展了这方面的研究工作。总的来说，国内开展了很多研究，而且取得了很多成果。1.2.2指纹的特征指纹主要运用两类特征来进行指纹识别：总体特征和局部特征。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。

19、如图1.2所示三种基本纹形：图1.2（1）模式区：模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。 aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。 （2）核心点：核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。（3）三角点：三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。 （4）式样线：式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它

20、的外侧线开始连续延伸。（5）纹数：指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。 局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征-节点，却不可能完全相同，节点的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节点。这些节点提供了指纹唯一性的信息。节点又可分为：起点、终点、结合点和分叉点。如图1.3所示图1.3 指纹局部特征：a终结点；b分叉点；c分歧点;d孤立点;e环点;f短纹 起点:一条纹路在此终结。分叉点:一条纹路在此分成两条或更多的纹路

21、。分歧点:两条平行的纹路在此分开。孤立点:一条特别短的纹路，以至于成为一点。环点:一条纹路分开两条以后又立即合成一条，这样形成小环叫做环点。短纹:一条较短但不至于成为一点的纹路。1.3本章小结本章介绍了生物特征识别，主要介绍了生物特征识别的现状、意义和它的分类。人体用于生物特征识别的特征可分为两类:身体特征和行为特征。常见的有指纹识别、静脉识别、虹膜识别、面部识别、dna识别。进一步介绍了指纹识别的历史和研究现状、指纹识别的分类。常见的指纹分类有弓形、环形、螺旋形，也介绍了指纹纹形的细节点分类，其为指纹识别特征更好的提取。第二章 matlab概述2.1 matlab简介matlab是矩阵实验室

22、（matrix laboratory）的简称，是美国mathworks公司于1967年出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括matlab和simulink两大部分。目前最新的7.x版本是一种功能强、效率高便于进行科学和工程计算的交互式软件包。其中包括：一般数值分析、矩阵运算、数字信号处理、建模和系统控制和优化等应用程序，并集应用程序和图形于一便于使用的集成环境中。在此环境下所解问题的matlab语言表述形式和其数学表达形式相同，不需要按传统的方法编程。不过，matlab作为一种新的计算机语言，要想运用自如，充分发挥它的威力，首

23、先需系统地学习它。但由于使用matlab编程运算与人进行科学计算的思路和表达方式非常相似，所以不象学习其它高级语言-如basic、fortran和c等那样难于掌握。且实践证明，我们可在几十分钟的时间内学会matlab的基础知识，在短短几个小时的使用中就能初步掌握它.从而使你能够进行高效率和富有创造性的计算。 matlab大大降低了对使用者的数学基础和计算机语言知识的要求，而且编程效率和计算效率极高，还可在计算机上直接输出结果和精美的图形拷贝。matlab基本功能matlab和mathematica、maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。matlab可以进

24、行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。matlab的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用matlab来解算问题要比用c，fortran等语言完成相同的事情简捷得多，并且matlab也吸收了像maple等软件的优点,使其成为一个强大的数学软件。在新的版本中也加入了对c，fortran，c+ ，java的支持。可以直接调用,用户也可以将自己编写的实用程序导入到matlab函数库中方便自己以后调用。此外matlab还包含了编好的一些经

25、典程序，用户可以直接下载使用。 matlab应用matlab 的应用非常广泛，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。且附加的工具箱（单独提供的专用 matlab 函数集）扩展了 matlab 环境，可以解决这些应用领域内出现的特定类型问题。matlab 产品族可以用来进行以下各种工作：1、数值分析 ；2、数值和符号计算；3、工程与科学绘图；4、控制系统的设计与仿真；5、 数字图像处理；6、数字信号处理；7、通讯系统设计与仿真；8、 财务与金融工程。matlab基本特征特点：1、可用于技术计算；2、开发环境可对代码、文件和数据进行管理；3

26、、交互式工具可以按迭代的方式探查、设计及求解问题；4、数学函数可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等；5、二维和三维图形函数可用于可视化数据；6各种工具可用于构建自定义的图形用户界面；7、各种函数可将基于matlab的算法与外部应用程序和语言（如 c、c+、fortran、java、com 以及 microsoft excel）集成；8、不支持大写输入，内核仅仅支持小写。matlab优势（1）友好的工作平台和编程环境matlab由一系列工具组成。这些工具方便用户使用matlab的函数和文件，其中许多工具采用的是图形用户界面。包括matlab桌面和命令窗口、历史命令窗口、编辑

27、器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着matlab的商业化以及软件本身的不断升级，matlab的用户界面也越来越精致，更加接近windows的标准界面，人机交互性更强，操作更简单。而且新版本的matlab提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。（2）简单易用的程序语言matlab一个高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较

28、大的复杂的应用程序（m文件）后再一起运行。新版本的matlab语言是基于最为流行的c语言基础上的，因此语法特征与c语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计算机专业的科技人员使用。而且这种语言可移植性好、可拓展性极强，这也是matlab能够深入到科学研究及工程计算各个领域的重要原因。（3）强大的科学计算机数据处理能力matlab是一个包含大量计算算法的集合。其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和容错处理。在通常情况下，可以用它来代替底层编

29、程语言，如c和c+ 。在计算要求相同的情况下，使用matlab的编程工作量会大大减少。matlab的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。 （4）出色的图形处理功能 图形处理功能matlab自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视

30、化、图象处理、动画和表达式作图。可用于科学计算和工程绘图。新版本的matlab对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），matlab同样表现了出色的处理能力。同时对一些特殊的可视化要求，例如图形对话等，matlab也有相应的功能函数，保证了用户不同层次的要求。另外新版本的matlab还着重在图形用户界面（gui）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。（5）应用广泛的模块集合工具箱matlab对

31、许多专门的领域都开发了功能强大的模块集和工具箱。一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。目前，matlab已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、lmi控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、dsp与通讯、电力系统仿真等，都在工具箱（toolbox）家族中有了自己的一席之地。2.2 matlab常

32、用工具箱、函数、命令解释常用工具箱matlab拥有数百个内部函数的主包和三十几种工具包。工具包又可以分为功能工具包和学科工具包。功能工具包用来扩充matlab的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。开放性使matlab广受用户欢迎。除内部函数外，所有matlab主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。matlab main toolboxmatlab主工具箱control system toolbox控制系统工具箱communicat

33、ion toolbox通讯工具箱financial toolbox财政金融工具箱system identification toolbox系统辨识工具箱fuzzy logic toolbox模糊逻辑工具箱higher-order spectral analysis toolbox高阶谱分析工具箱image processing toolbox图象处理工具箱lmi control toolbox线性矩阵不等式工具箱model predictive control toolbox模型预测控制工具箱-analysis and synthesis toolbox分析工具箱neural network

34、toolbox神经网络工具箱optimization toolbox优化工具箱partial differential toolbox偏微分方程工具箱robust control toolbox鲁棒控制工具箱signal processing toolbox信号处理工具箱spline toolbox样条工具箱statistics toolbox统计工具箱symbolic math toolbox符号数学工具箱simulink toolbox动态仿真工具箱wavele toolbox小波工具箱 常用函数matlab内部常数eps：浮点相对精度 exp：自然对数的底数e i 或 j：基本虚数单位i

35、nf 或 inf：无限大， 例如1/0nan或nan：非数值（not a number），例如0/0pi：圆周率 p（= 3.1415926.）realmax：系统所能表示的最大数值realmin：系统所能表示的最小数值nargin: 函数的输入引数个数nargout: 函数的输出引数个数matlab常用基本数学函数abs(x)：纯量的绝对值或向量的长度angle(z)：复数z的相角(phase angle)sqrt(x)：开平方real(z)：复数z的实部imag(z)：复数z的虚部conj(z)：复数z的共轭复数round(x)：四舍五入至最近整数fix(x)：无论正负，舍去小数至最近整数

36、floor(x)：地板函数，即舍去正小数至最近整数ceil(x)：天花板函数，即加入正小数至最近整数rat(x)：将实数x化为分数表示rats(x)：将实数x化为多项分数展开sign(x)：符号函数 (signum function)。当x0时，sign(x)=1。rem(x,y)：求x除以y的馀数gcd(x,y)：整数x和y的最大公因数lcm(x,y)：整数x和y的最小公倍数exp(x) ：自然指数pow2(x)：2的指数log(x)：以e为底的对数，即自然对数或log2(x)：以2为底的对数log10(x)：以10为底的对数 matlab基本绘图函数plot: x轴和y轴均为线性刻度（li

37、near scale）loglog: x轴和y轴均为对数刻度（logarithmic scale）semilogx: x轴为对数刻度，y轴为线性刻度semilogy: x轴为线性刻度，y轴为对数刻度 matlab插值和样条plot绘图函数的参数 字元 颜色 字元 图线型态y 黄色 . 点k 黑色 o 圆w 白色 x xb 蓝色 + +g 绿色 * *r 红色 - 实线c 亮青色 : 点线m 锰紫色 -. 点虚线 - 虚线注解xlabel(input value); % x轴注解ylabel(function value); % y轴注解title(two trigonometric funct

38、ions); % 图形标题legend(y = sin(x),y = cos(x); % 图形注解grid on; % 显示格线第三章第四章 指纹识别的基本原理3.1指纹识别基本概念 指纹因具有终身不变性、唯一性和方便性，已成为生物特征识别的代表。指纹是指人的手指末端正面皮肤凹凸不平产生的纹线。纹线的规律排列形成纹型。纹线的起点、终点、结合点和分叉点，为指纹的细节特征点。指纹识别是通过比较不同指纹的细节特征点来进行识别的。因每个人的指纹都不同，所以已此来进行身份的识别。由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊指纹，所以如何正确提取指纹特征和实现指纹正确匹配，

39、是指纹识别技术的关键。3.2 指纹识别原理和过程指纹识别技术的原理和其它生物识别技术的原理相似。它是利用人体的指纹特征对个人身份进行区分和鉴定。在所有的生物识别技术中指纹识别技术是目前最为成熟，也是应用最广的生物识别技术。主要是指纹采集过程非常简单和指纹识别准确率高的原因。准确来说指纹识别的原理包括指纹采集原理、指纹特征提取原理和指纹特征匹配原理三大部分。指纹采集原理主要是根据指纹的几何特性或生理特性，通过各种传感技术把指纹表现出来，形成数字图像。指纹的嵴和峪的几何特征不同，嵴是凸起的，峪是凹下的，手指在接触到光线时，其反射光的强度不同。在接触到平面时，在平面上形成的压力也不同。另一方面，由于

40、指纹的嵴和峪的生理特征不同，表现为嵴和峪的温度不同，使其导电性不同，其对波长的反馈也就不同。通过这些几何的、生理的特性的不同，把人的指纹采集到计算机系统中形成指纹图像。进行对指纹图像的识别来实现个人的身份识别。指纹特征分析的原理主要是对指纹图像的整体特征和细节特征进行提取、鉴别。分析的对象包括纹形特征和特征点的分布、类型，以及一组或多组特征点之间的平面几何关系。特征点的平面几何关系表现为某两个特征点之间的距离等，或者某三个或多个特征点之间组成的多边形的几何特性。不论是特征点的单体特征，还是特征点的组合特征，都是指纹特征的组成部分。最后把这些指纹特征用数字模板的形式表示出来，就实现了一个指纹特征

41、分析的过程。指纹特征值匹配原理是对指纹图像的整体特征和细节特征按模式识别的原理进行比对匹配。匹配是在已存储的指纹和当前待验证的指纹之间进行的。匹配运算不是对两个指纹图像进行比较，而是对已形成数字模板的指纹特征值进行匹配。指纹特征值匹配从整体特征和局部特征两个方面进行。整体特征的匹配包括对指纹纹形的分类和判断、指嵴密度的判断等。局部匹配包括每个细节点的类型匹配、坐标匹配、质量匹配、方向匹配等，甚至还包括由一组特征值之间形成的拓扑关系的匹配。匹配的时候并不需要把当前指纹图像中的所有的特征值进行匹配。实际上根据科学证明，只需要匹配8个或以上的特征点就可以区分出两个手指来。另外匹配过程是多维匹配的过程

42、。即要对整体特征进行匹配，又要对特征点进行匹配。对特征点进行匹配时，还需要对它分不同的维度进行比对。最后需把所有的特征点的匹配结果综合起来，根据事先定义的判定模式和判定标准，判定是否达到预设的阈值。综合判定的过程，可以看作是对各个匹配点的相似度进行类似加权求和的过程。指纹识别的过程，包括两个子过程和4个阶段点。两个子过程是指纹注册过程和指纹识别过程。指纹注册过程包括四个阶段，分别是指纹采集、指纹图像处理、指纹特征值提取及建立指纹模板库。指纹识别的过程也经过四个阶段，包括指纹采集、指纹图像处理、指纹特征值提取和指纹特征值匹配。指纹图像处理在两个子过程中是相同的。但指纹采集和指纹特征值提取，虽然名

43、称相同，但内部算法流程是有区分的。在指纹注册过程中的指纹采集，其采集次数要多，且其特征值提取环节的算法也多一些对特征点的归纳处理步骤。3.3本章小结 指纹识别是生物识别的一种。不过其所分析的对象是指纹特征。本章主要描述了指纹识别的基本概念，重点介绍了指纹识别的基本原理和过程，原理包括指纹采集原理、指纹特征提取原理和指纹特征匹配原理三大部分。指纹识别过程分为两个子过程和四个阶段点，两个子过程是指纹注册过程和指纹识别过程。两个过程都有四个阶段点，分别是指纹采集、指纹图像处理、指纹特征值提取及建立指纹模板库和指纹采集、指纹图像处理、指纹特征值提取和指纹特征值匹配。指纹就是通过这两个过程达到指纹的识别

44、，从而达到身份的验证和识别。第四章 指纹识别算法的实现指纹识别作为一个有较大难度的模式识别研究分支，其研究难点主要集中在如何对采集进来的各种有噪声图像进行滤波和增强、如何抽取指纹的整体和细节特征以及如何进行在图像不能完全定位和图像可能发生扭曲变形情况下的特征匹配。指纹识别算法流程主要包括灰度滤波、二值化、二值滤波、细化、细化后的去噪等步骤，最后进行特征提取和匹配。 4.1指纹图片的经典图像处理方法指纹图像的经典图像处理方法有图像的阈值化、图像的几何交换、图像的边缘检测、图像的分割、图像的伪彩色处理及图像的增强和复原等阈值化图像处理方法最一般的就是设个值大于某个值的时候把这个像素变为255，小于

45、这个值就是0。边缘是图像的重要特征之一，是计算机视觉、模式识别等研究领域的重要基础。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。所谓的图像分割是指将图像中具有特殊含义不同区域区分开来，这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。常见的分割技术有阈值分割技术、微分子边缘检测、区域增长技术、聚类分割技术。图像的几何变换，是指用户获得或设计的原始图像，按照需要产生大小、形状、位置的变化。从图像的类型来分，图像的几何变换有二维图像几何变换和三维几何变换以及由三维向二维平面投影变换等。从变换的性质分，图像的几何变换有平移、

46、比例缩放、旋转、反射和错切等基本变换，透视变换等复合变换，以及插值运算等。4.2指纹图像预处理 指纹图像预处理主要是灰度滤波、二值化、二值滤波、细化、细化后的去噪，其目的是是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。处理流程如图4.1所示：灰度图像方向图提取cabor滤波二值化细化细化后去噪图4.1指纹图像预处理流程由图4.1可以看出，预处理分5步进行：灰度图像方向图提取，gabor滤波，二值化，细化，细化后去噪。每一步的功能如下：灰度图像方向图提取：利用指纹图像的方向特性提取出点方向图，设计点方向图滤

47、波器，对指纹灰度图进行滤波去噪。gabor滤波：gabor滤波是对指纹图像进行增强的处理，增强纹线的走向，提高指纹的清晰度，便于以后的图像处理。二值化：二值化就是把灰度指纹图像变成0-1取值的二值图像。这样就使图像的灰度层次由原来的256级(8-bits)降为2级(1-bits)，从而大大减少了需要存储和处理的数据量，增强了脊和谷的对比度。细化：细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。为了提高处理速度和识别精度，而去掉多余的信息。细化后去噪：由于灰度去噪的不完全及二值化、细化过程又可能引入新的噪声，所以对细化后的指纹图像还需要进行一次去噪，去除图像中的噪声。下面是采集到的人物指纹

48、人物一拇指指纹图片人物二拇指指纹图片人物三拇指指纹图片指纹采集后将指纹做简单的处理，选取有用的部分进行分析下面是简单处理后的指纹图片处理后人物一指纹图像处理后人物二的指纹图像处理后人物三的指纹图片下面是指纹图像预处理算法的介绍一、灰度图像的方向图提取指纹图像不同于其他的图像，具有很强的方向性和纹理特性。从局部放大的指纹图中可以看到在局部范围内指纹具有如下特点：1指纹纹线具有一致的方向性；2指纹纹线的宽度基本相同；3指纹纹线间的距离基本相同。方向图是指用指纹图像中脊的走向所构成的点阵，是指纹图像的一种变换表示方法，它反映了指纹图像的整体模式。常用的指纹方向图有两种：一是点方向图，即表示原始指纹图

49、像中每一个像素点的脊线方向；二是块方向图，即表示原始指纹图像中某点区域内所有像素的平均方向。而这里我们采用求点方向图的方法。由于纹线的方向是与梯度方向垂直的，所以只要求出每个象素的梯度方向（即象素灰度值变化最快的方向）即可。具体算法如下：1.将指纹图像分割成多个互不重叠的图像块，大小为ww（我们取值为1616）；2.利用sobel的水平和垂直算子求出每个像素点的水平梯度gx(i,j)和垂直梯度gy(i,j)；3两个方向相反的梯度向量可能对应着相同的指纹纹线方向，直接对各分量求平均将导致方向相反的梯度向量之间相互抵消。为解决这一问题，在求平均之前将各梯度向量的方向角放大一倍，大小取平方gxx(i

50、,j)=gx2(i,j)-gy2(i,j) (4-1)gyy(i,j)= gx2(i,j)-gy2(i,j) (4-2)4求出每个像素的平均梯度值，局部邻域大小取ww区间；gxx(i,j)= 1/wwu=-w/2v=-w/2gxx(i,u)(j-v) (4-3)gyy(i,j)= 1/wwu=-w/2v=-w/2gyy(i,u)(j-v) (4-4)5求出每个像素的平均梯度方向；(i,j)=1/2tan-1gyy(i,j)/gxx(i,j) (4-5)6求出每个像素的纹线方向，它与该像素的平均梯度方向垂直。 (i,j)+ /2 gxx(i,j)0 (i,j)= (4-6) (i,j)+ else二、指纹图像gabor图像增强在