畢業(yè)設(shè)計論文 指紋識別系統(tǒng)設(shè)計

1、<p>　　浙 江 理 工 大 學(xué)</p><p>　　畢業(yè)論文(設(shè)計)誠信聲明</p><p>　　我謹在此保證：本人所寫的畢業(yè)論文(設(shè)計)，凡引用他人的研究成果均已在參考文獻或注釋中列出。論文(設(shè)計)主體均由本人獨立完成，沒有抄襲、剽竊他人已經(jīng)發(fā)表或未發(fā)表的研究成果行為。如出現(xiàn)以上違反知識產(chǎn)權(quán)的情況，本人愿意承擔(dān)相應(yīng)的責(zé)任。</p><

2、p><b>　　聲明人(簽名)：</b></p><p>　　年 月 日</p><p><b>　　摘 要</b></p><p>　　隨著信息時代的發(fā)展, 自動指紋識別技術(shù)已經(jīng)廣泛地應(yīng)用于公安、海關(guān)、銀行、網(wǎng)絡(luò)安全等需要進行身份識別領(lǐng)域。本文概述了自動指紋識別系統(tǒng)的研究現(xiàn)狀和指紋識別系統(tǒng)的算法流程

3、，并在此基礎(chǔ)上重點研究了指紋圖像的分割算法和指紋圖像細化算法。</p><p>　　首先，本文系統(tǒng)介紹了指紋識別的研究意義及現(xiàn)狀，并對指紋識別原理及實現(xiàn)過程做了系統(tǒng)介紹，給出了關(guān)鍵步驟的具體算法，并且進行了編程驗證。</p><p>　　其次，針對在指紋采集過程中存在著大量的低質(zhì)量指紋圖像，影響指紋識別系統(tǒng)的識別率的問題，本文對指紋圖像的分割等預(yù)處理作了較為深入的研究，提出采用了均值方差的

4、指紋圖像分割算法，該算法通過計算每一小塊的均值和方差，然后將計算得到的方差幾乎接近于0就認為是背景，對于方差不為零的區(qū)域在進行閾值分割算法仿真結(jié)果表明，該方法有效的地改善了指紋圖像的質(zhì)量。</p><p>　　此外，對指紋圖像的細化作了深入的研究，使用的細化模板雖然數(shù)量較多，計算時間比較長，但對于像素的處理很到位，使得毛刺比較少，保持原圖像的基本結(jié)構(gòu)特性，還最大地保留了細節(jié)特征。仿真結(jié)果表明。。。當(dāng)然，鑒于此法速

5、度慢，仍存在毛刺的缺點，還可以有很大的改進。</p><p>　　最后，研究了指紋識別過程中特征的提取方法，針對細節(jié)點提取過程中存在偽特征點的問題，本文提出采用了一種消除偽特征點的算法。仿真結(jié)果表明，這種算法可以有效的去除偽特征點。</p><p>　　關(guān)鍵詞：指紋識別；均值方差；指紋細化；特征提取</p><p><b>　　ABSTRACT</b

6、></p><p>　　With the developments of the information age, automated fingerprint identification technology has been widely used in public security, customs, banking. This article outlines both the study sta

7、tus and algorithm process of a Automated Fingerprint Recognition System, and on this basis, focuses on the segmentation of fingerprint image and fingerprint image thinning algorithm to do the study. </p><p>

8、　　First, the paper describes the research significance of fingerprint recognition and its status. Fingerprint recognition theory and the key steps in the algorithm are introduced in this part .They are also used for prog

9、ramming verification.</p><p>　　Secondly, in the fingerprint collection process, there are existences of a large number of low-quality fingerprint images, affecting the identification rate of fingerprint reco

10、gnition system problems. The paper focuses on fingerprint image segmentation which belongs to pre-research makes a more thorough study, putting forward a fingerprint image segmentation algorithm by used the mean and vari

11、ance of the image. Calculating the mean and variance of each piece, and then if this result is almost cl</p><p>　　In addition, the fingerprint image thinning is studied deeply, although the number of templat

12、es to use is a lot, calculation time is longer, the deal is in place for the pixels, making relatively few glitches and maintain the basic structural characteristics of the original image, retaining the details of the bi

13、ggest features too. Of course, given the slow speed of this method, there are still shortcomings of burr can be used for making a great improvement.</p><p>　　Finally, the feature extraction method in the fin

14、gerprint recognition process is studied. Focus on feature extraction methods for extraction of minutiae feature points exist in pseudo-problem, we propose a pseudo-feature points to eliminate the algorithm. Simulation re

15、sults show that the algorithm can effectively remove pseudo feature points.</p><p>　　Keywords: fingerprint recognition; mean and variance; fingerprint refinement; feature extraction</p><p><b

16、>　　目 錄</b></p><p><b>　　摘 要</b></p><p><b>　　Abstract</b></p><p>　　第1章 緒論………………………………………………………………………………1</p><p>　　1.1 研究的意義………………………………

17、………………………………1</p><p>　　1.2 指紋識別技術(shù)………………………………………………………………1</p><p>　　1.2.1 指紋識別技術(shù)發(fā)展現(xiàn)狀…………………………………………………………2</p><p>　　1.2.2 指紋識別技術(shù)特點……………………………………………………………3</p><p>　　1.3

18、 本論文的工作………………………………………………………………4</p><p>　　第2章 指紋圖像的分割 …………………………………………………5</p><p>　　2.1 指紋圖像分割概述……………………………………………………………5</p><p>　　2.2均值方差法……………………………………………………………6</p><p&g

19、t;　　2.3 仿真結(jié)果與結(jié)論……………………………………………………………7</p><p>　　第3章 指紋圖像的細化 …………………………………………………9</p><p>　　3.1 指紋圖像細化的預(yù)處理……………………………………………………………9</p><p>　　3.2 指紋圖像細化方法介紹……………………………………………………………9<

20、/p><p>　　3.3 仿真結(jié)果與結(jié)論……………………………………………………………11</p><p>　　第4章 指紋圖像的特征提取 …………………………………………………13</p><p>　　4.1 指紋圖像特征提取概述……………………………………………………………13</p><p>　　4.2 特征提取和去偽特征………………………

21、……………………………………14</p><p>　　4.3 仿真實驗與結(jié)論……………………………………………………………15</p><p>　　第5章 指紋圖像的匹配 …………………………………………………16</p><p>　　5.1 指紋圖像匹配方法……………………………………………………………16</p><p>　　5.2 本論

22、文匹配方法介紹……………………………………………………………17</p><p>　　第6章 總結(jié)和展望 …………………………………………………20</p><p>　　參考文獻……………………………………………………………21</p><p>　　致謝…………………………………………………………………22</p><p>　　附錄……………

23、……………………………………………………23</p><p><b>　　第1章 緒論</b></p><p>　　1.1 研究的背景及意義</p><p>　　科學(xué)技術(shù)的迅猛發(fā)展為人類的生產(chǎn)生活帶來了極大的便利，大大地推動了現(xiàn)在社會的進步和發(fā)展。在網(wǎng)絡(luò)化時代的今天，我們每個人都擁有大量的認證密碼，比如開機密碼、郵箱密碼、銀行密碼、論壇登陸密碼

24、等等；并配備了各種鑰匙，如門鎖鑰匙，汽車鑰匙，保險柜鑰匙等。這些都是傳統(tǒng)的安全系統(tǒng)所采用的方式，隨著社會的發(fā)展，其安全性越來越脆弱。而我們的生活隨時都需要進行個人身份的確認和權(quán)限的認定。</p><p>　　指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個重要性質(zhì)：</p><p>　?、購V泛性，指每一個

25、正常人都有指紋。</p><p>　　②唯一性， 指每一個人的指紋都不同。</p><p>　　③終生不變性， 指非意外事故指紋終身不變。</p><p>　　因此，指紋識別技術(shù)，作為一種可靠的生物識別技術(shù)[1]，受到了人們的重視。盡管人們已經(jīng)對自動指紋識別技術(shù)作了深入廣泛的研究，指紋識別技術(shù)也獲得了不少應(yīng)用，但是指紋識別的應(yīng)用在目前并沒有獲得普及，這主要是因為指紋

26、識別在識別準確性和識別速度方面還遠遠不能滿足很多實際應(yīng)用的要求。</p><p>　　這就要求研究指紋識別環(huán)節(jié)中若干問題，這對于問題的解決很有意義。</p><p>　　1.2 指紋識別技術(shù)</p><p>　　相對于其它生物識別認證技術(shù)而言，自動指紋識別是一種更為理想的身份確認技術(shù)，因為指紋相對于其它幾種生物特征具有以下一些獨特的性質(zhì)：</p>&l

27、t;p>　　(1)互異性；世界上兩個指紋完全相同的概率小于10-9，幾乎為零。</p><p>　　(2)不變性；人的指紋特征不隨年齡的增長和胖瘦或其他情況的改變而改變。</p><p>　　(3)具有和主體永不分離性；這樣對主體身份的識別更具真實性。</p><p>　　(4)指紋的使用比起其它證卡來說更快捷、安全準確、無干擾，可實現(xiàn)快速登錄注冊。</

28、p><p>　　(5)一個人的十指指紋皆不相同，這樣可以方便地利用多個指紋構(gòu)成多重口令，提高系統(tǒng)的安全性。</p><p>　　(6)指紋識別中使用的模板并非最初的指紋圖，而是由指紋圖中提取的關(guān)鍵特征，這樣使系統(tǒng)對模板庫的存儲量較小。另外，對輸入的指紋圖提取關(guān)鍵特征后，可以大大減少網(wǎng)絡(luò)傳輸?shù)呢摀?dān)，便于實現(xiàn)異地確認，支持計算機的網(wǎng)絡(luò)功能。</p><p>　　1.2.1指

29、紋識別技術(shù)發(fā)展現(xiàn)狀</p><p>　　指紋識別算法的研究方向主要分為：基于圖像的識別算法和基于特征的識別算法。</p><p>　　基于圖像的識別算法認為，指紋圖像的頻域和空域信息可以用來唯一表示并識別不同的指紋[2]。它是一種使用全局信息進行識別的方法，例如使用指紋圖像的Fourier頻譜來表示和識別指紋。這類算法的問題在于圖像特征難以定義和匹配，因此算法的拒識率和誤識率較高。<

30、/p><p>　　基于特征的指紋識別算法是找到并比對指紋的特征[3]。指紋特征的復(fù)雜度足以提供用于鑒別的足夠特征。目前大多數(shù)的自動指紋識別系統(tǒng)使用的都是這類算法。指紋特征多種多樣，有特征點、奇異點、域方向圖、脊線數(shù)目，甚至脊線線型等。對應(yīng)的匹配方法可以分為：基于點模式的匹配，基于脊線的匹配，基于紋理的匹配以及多種細節(jié)特征混合的匹配方法。</p><p>　　大多數(shù)基于特征的識別算法專注于脊線上

31、的末梢點和分叉點，該方法根據(jù)各個特征點的位置和方向來表示和區(qū)分指紋，從而使指紋識別問題轉(zhuǎn)化為判斷兩個特征點集間的最大相似度(最大重合度)的問題。提取該細節(jié)特征有多種方法：基于灰度指紋圖像直接提取，基于二值圖像的特征提取，基于細化圖像的特征提取。</p><p>　　目前許多公司和研究視梅在指紋識別技術(shù)領(lǐng)域都取得了突破性的進展，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)被越來越多的用戶所認可。中

32、科院自動化所智能生物信怠系統(tǒng)研究組和北京數(shù)字指通軟件技術(shù)有限公司對自動指紋識別技術(shù)進行了長期的理論研究和應(yīng)用系統(tǒng)開發(fā)，指紋圖像的識別準確率和識別速度已達到國際先進水平。另外，一些公司和機構(gòu)結(jié)合社會應(yīng)用的實際需求，開發(fā)了各種類型的具有獨立知識產(chǎn)權(quán)的嵌入式指紋識別模塊、指紋應(yīng)用系統(tǒng)軟件等，用戶反映良好。指紋識別技術(shù)多用于對安全性要求比較高的領(lǐng)域，麗在商務(wù)移動辦公領(lǐng)域頗其建樹的富圭通、三星及l(fā)BM等國際知名品牌都擁有技術(shù)與應(yīng)用較為成熟的指紋識

33、別系統(tǒng)[4]。</p><p>　　與國外相比，我國在自動指紋識別技術(shù)的研究水平上還存在一定的差距。主要表現(xiàn)在：(1)指紋錄入設(shè)備的質(zhì)量還不太過關(guān)：(2)自動指紋識別算法研究水平還有待提高，在應(yīng)用上的表現(xiàn)為產(chǎn)品適應(yīng)性和易用性較差，對干、濕一些的指紋往往不能正確區(qū)別，對指紋錄入時的旋轉(zhuǎn)、平移比較敏感。</p><p>　　1.2.2指紋識別技術(shù)特點</p><p>　

34、　指紋特征是人終生不變的特征之一，而且不同人的指紋特征相同的可能性幾乎為零。人體指紋含有天然的密碼信息，其具有作為密碼信息必須具備的三個重要性質(zhì)：</p><p>　?、購V泛性，指每一個正常的人都有指紋。</p><p>　?、谖ㄒ恍?，指每一個人的指紋都不同。指紋的細節(jié)由細微紋點和紋線的起點、終點、分叉等組成。正是這些無窮無盡的細節(jié)特征組合構(gòu)成了指紋的唯一性．事實上，甚至包括雙胞胎，世界上

35、兩個指紋相同的概率小于1／109，幾乎為零，這就構(gòu)成了指紋的第一大特點。</p><p>　　③終生不變性，指紋終身不變即指紋的圖案永遠不會改變，從人的出現(xiàn)到死后的分解為止(除非指紋受到傷害)。</p><p>　?、苤讣y與主體的不可分離性：即指紋不存在丟失、遺忘、被竊取的可能。</p><p>　　指紋的使用比起其它證卡來說更快捷、安全、準確、無干擾，可實現(xiàn)快速登

36、錄注冊，系統(tǒng)兼容性好，也就是說可以獨立或者通過聯(lián)網(wǎng)構(gòu)成系統(tǒng)并且很容易并入各類證卡和定義識別系統(tǒng)中。因此，指紋識別技術(shù)的應(yīng)用范圍極廣。</p><p>　　在實際應(yīng)用中，有相當(dāng)一部分要處理的指紋圖像的質(zhì)量是比較差的。指紋識別系統(tǒng)主要包括4部分：指紋圖像采集，指紋圖像預(yù)處理，指紋特征提取和指紋特征匹配[5]。論文涉及指紋的圖像分割、細化和匹配。就現(xiàn)有文獻和產(chǎn)品來看，對低質(zhì)量的指紋圖像的處理效果還遠不能令人滿意。要想使

37、設(shè)計的細節(jié)特征提取算法能夠?qū)Φ唾|(zhì)量指紋圖像也能可靠工作，目前看來還是一件難度很大的事情。對于質(zhì)量很差的圖像，如果不經(jīng)過特殊的增強處理，是很難正確地進行特征提取的。</p><p>　　指紋匹配算法的性能主要決定于所提取到的特征點的數(shù)目、位置和相互關(guān)系的可靠性。要想設(shè)計一個對較多真正特征點缺失、較多偽特征點出現(xiàn)和較大形變均不敏感的指紋匹配算法，也是一件十分困難的事。</p><p>　　計算

38、復(fù)雜性是自動指紋識別技術(shù)中一個重要的研究課題。實際應(yīng)用要求最好自動指紋識別系統(tǒng)能對識別任務(wù)實時做出響應(yīng)，而讓指紋匹配算法同時達到高速度和高準確率也是一個難題。</p><p>　　1.3本論文的工作內(nèi)容及安排</p><p>　　本文以研究指紋識別中指紋圖像分割、細化、特征提取、匹配等若干問題為研究主體，針對指紋識別技術(shù)中分割、細化和匹配進行了仿真和修正。其中分割部分采用了方差均值的方法，

39、細化選取了一種偽特征較少的模板，匹配時以分叉點和端點信息進行匹配。具體的章節(jié)和各章的內(nèi)容安排如下：</p><p>　　第一章：在介紹本論文的研究意義，在指紋識別技術(shù)的現(xiàn)狀和特點的基礎(chǔ)上，確定了本文所做的主要工作。</p><p>　　第二章：為后續(xù)的研究工作奠定基礎(chǔ)，本章介紹了均值方差的基礎(chǔ)知識和基本理論以及仿真中具體的分割運用算法。</p><p>　　第三章：

40、介紹了指紋圖像細化的方法并仿真得到結(jié)果。</p><p>　　第四章：主要介紹了指紋圖像細化后的特征提取，需要哪些特征，去除哪些偽特征，以方便和正確地進行匹配工作。</p><p>　　第五章：介紹了指紋圖像匹配的概念、匹配問題的困難所在和常用方法，給出了一種修改基礎(chǔ)上驗證用的匹配方法。</p><p>　　第六章：總結(jié)本文所取得的一些研究成果，并對課題發(fā)展進行了展

41、望。</p><p>　　第2章 指紋圖像的分割</p><p>　　2.1 指紋圖像分割概述</p><p>　　在指紋識別系統(tǒng)中，指紋圖像分割是圖像預(yù)處理的一部分。指紋分割的最基本的依據(jù)是圖像某些特征和特征集合。圖像特征是指紋圖像的固有屬性,如灰度值,鄰域關(guān)系,紋線的扭曲程度等。特征集合則是幾種的結(jié)合。通過提取圖像特征,可將原始圖像映射到特征空間,使圖像特征在特

42、征空間中呈現(xiàn)一定的分布[6]。因此根據(jù)以上的的灰度值領(lǐng)域關(guān)系，紋線的扭曲程度，指紋圖像分割大致分為三類：基于像素的圖像分割，基于塊特征的圖像分割以及基于全局的圖像分割。</p><p>　　基于像素的指紋圖像分割中目前流行多尺度小波變換和閾值法。小波變換和傅里葉變換的出發(fā)點都是將信號表示成基函數(shù)的線性組合。所不同的是傅里葉變換采用時間屬于(一∞，+∞)的諧波函數(shù)作為基函數(shù)，而小波變換的基函數(shù)是具有緊支集的母函數(shù)(

43、t)，通過對母函數(shù)(t)進行伸縮和平移得到一個小波序列： ； 式中為伸縮因子，b為平移因子。對于任意函數(shù)的連續(xù)小波變換[7]：公式（1）為變換公式，公式（2）為重構(gòu)公式。</p><p><b>　?。?）</b></p><p><b>　?。?）</b></p><p>　　計算機中的圖像信息是以離散信號形式存放的

44、，在信號處理中，特別是在數(shù)字信號處理和數(shù)值計算等方面，為了計算機實現(xiàn)的方便，連續(xù)小波必須進行離散化，而最基本的離散化方法就是二進制離散，一般將這種經(jīng)過離散化的小波及其變換叫做二進小波和二進變換。</p><p>　　小波變換的特點是壓縮比高，壓縮速度快，壓縮后能保持信號與圖象的特征不變，且在傳遞中可以抗干擾。在指紋識別識別中使用小波變換有助于噪聲的濾除以及有利于檢測奇異點。但是小波變換的明顯缺點是它計算復(fù)雜，計算

45、效果也取決于函數(shù)的選擇。</p><p>　　另一種閾值分割就是簡單地用一個或幾個閾值將圖像的灰度直方圖分成幾個類，認為圖像中灰度在同一個灰度類內(nèi)的像素屬同一物體。它是圖像分割中最基本的方法。其原理是先定一個閾值，大于此值為1，小于則認為為0；多閥值則可以利用多維函數(shù)。此原理在匹配中也可以運用。其優(yōu)點是計算簡單，僅需比較灰度值即可；運算效率較高，速度快；它的缺陷在于僅考慮圖像的灰度信息，而忽略了圖像的空間信息，對

46、于圖像中不存在明顯灰度差異或各物體的灰度值范圍有較大熏疊的圖像分割問題難以得到準確的結(jié)果[8]。</p><p>　　代表塊特征的指紋圖像分割目前研究趨勢為多種塊基本特征如灰度均值、塊灰度方差[9]、塊方向圖等綜合運用和重新定義塊特征。其中塊指的是將圖像分個成一個個小的圖像塊。圖像均值就是對每一個單位塊的灰度值取均值，方差則反映該塊中各點與均值的偏差性，方向[10]這可以很好的反映紋理的變化趨勢。一般來說，常見的

47、方向場的計算分為掩模法和公式法兩大類。LinHong等人開發(fā)的基于最小均方估計算法，即公式法。</p><p><b>　?。?）</b></p><p><b>　　（2）</b></p><p>　　它是利用正交坐標系下，原點到它們組成的坐標點的有向線段與X的正半軸的夾角可來表示該子塊的塊方向。這種方法最大的優(yōu)點是易實

48、現(xiàn)，很好體現(xiàn)出紋理，但缺點是對于變化太快的部分出錯。此方法的實現(xiàn)是利用方向濾波器。</p><p>　　基于全局的圖像分割則是根據(jù)情況特別是某些特殊場合的利用，如殘缺指紋。全局的圖像分割可以是人工選定幾個特定點后再根據(jù)全局的特點來處理，此法也可運用于匹配。基于全局的指紋識別仍處于實驗室探索階段,應(yīng)用領(lǐng)域中尚不廣泛。</p><p><b>　　2.2 均值方差法</b>

49、;</p><p>　　在圖像分割概述中，已經(jīng)提到基于塊特征的指紋圖像分割。在這部分將重點介紹均值法差法的計算方法和在仿真中的運用。</p><p>　　該算法基于背景區(qū)灰度方差小，而指紋區(qū)方差大的思想，將指紋圖像分成塊，計算每一塊的方差，如果該塊的方差小于閾值為背景，否則為前景。具體步驟分以下三步：</p><p>　　(1)將低頻圖分成M×M大小的無重

50、疊方塊，方塊的大小以一谷一脊為宜。</p><p>　　(2)計算出每一塊的均值和方差。</p><p>　　設(shè)指紋圖像I的大小為H×L，I(i,j)為像素點(i,j)的灰度，AVE和VAR分別為原指紋圖像的均值和方差，AVE和VAR可以通過公式(2.1)和(2.2)計算得到。</p><p><b>　?。?.1）</b></

51、p><p><b>　　（2.2）</b></p><p>　　(3)如果計算得到的方差幾乎接近于0就認為是背景，對于方差不為零的區(qū)域在進行閾值分割算法，這種算法主要是根據(jù)計算得到的方差來決定其是否為背景區(qū)。</p><p>　　在使用方差均值法之前還要使用歸一法將圖變?yōu)榈皖l圖。歸一化[11]的目的是把不同原圖像的對比度和灰度調(diào)整到一個固定的級別上

52、，為后續(xù)處理提供一個較為統(tǒng)一的圖像規(guī)格。指紋圖像的歸一化公式如式(2.3)所示，當(dāng)大于平均值時為加。</p><p><b>　?。?.3）</b></p><p>　　其中和為期望的灰度均值和方差。</p><p>　　2.3 仿真結(jié)果和結(jié)論</p><p>　　本實驗基于2.0GHz的Pc機，Window 7操作系統(tǒng)

53、，MATLAB7.0的仿真軟件環(huán)境下。指紋來自于指紋數(shù)據(jù)庫，為了驗證這種分割方法的適用性，從數(shù)據(jù)庫中挑選了2幅差異較大的指紋圖像。仿真中歸一化的參數(shù)取了150，取了100，分割的區(qū)域大小M取了10。下面的圖像為指紋圖像歸一化和分割結(jié)果。</p><p>　　圖(a) 指紋原始圖像 圖(b) 歸一化處理圖像 圖(c) 分割后圖像</p><p>

54、;　　圖2-1指紋1的處理結(jié)果</p><p>　　圖a 指紋原始圖像 圖b 歸一化處理圖像 圖c 分割后圖像</p><p>　　圖2-2 指紋2的處理結(jié)果</p><p>　　從圖中可以看到用方差均值法分割既適用于比較圓滑的指紋，又適用紋線變化很大的指紋圖像。在歸一化處理降頻和通過區(qū)域均值方差的后得到的圖像條紋清

55、晰，輪廓分明，對于后面的細化和匹配有很大的幫助。該方法快捷，損壞程度低，缺點是計算有一定的復(fù)雜度，要通過2次方差均值來處理。</p><p>　　第3章 指紋圖像的細化</p><p>　　3.1 指紋圖像細化的預(yù)處理</p><p>　　這部分預(yù)處理主要為二值化。由于指紋圖像脊、谷相間，因此指紋圖像的處理常是將指紋圖像二值化。灰度圖像二值化是將灰度圖變換為只有黑和

56、白兩種灰度的圖像。這樣不僅可以壓縮原指紋圖像的數(shù)據(jù)量，而且也方便后面的細節(jié)特征的提取?；叶葓D二值化的基本思想是選取適當(dāng)?shù)幕叶乳u值，將灰度圖像轉(zhuǎn)化為二值圖像，閾值的選擇是關(guān)鍵，對于閾值的選擇，有多種方法，如熵法，Ostu法等。根據(jù)是否將圖像分塊處理，又分全局閾值算法和局部閾值算法兩種，全局閾值算法是將整幅圖像以一個閾值處理，而局部閾值算法則把原圖分成若干個子圖，在每個子圖中確定閩值，在進行二值化，由于指紋圖像在不同區(qū)域的亮度和對比度是有差

57、別的，因而全局閾值算法不適用。</p><p>　　灰度圖二值化的基本思路是選取適當(dāng)?shù)幕叶乳撝?，將灰度圖像轉(zhuǎn)化為二值圖像。一般的圖像處理中的二值化算法主要是計算整幅圖像的灰度平均值，然后將該值作為門限，高于該門限的像素點就置1，反之置0。我們通過研究發(fā)現(xiàn)，這種方法雖然簡單，但是對噪聲較大，圖像質(zhì)量不好的指紋會產(chǎn)生較大的二值化噪聲。所以最好選用局部閾值法作為二值化算法。</p><p>　　

58、論文中采用了一種動態(tài)局部閾值，滿足這種條件下的灰度值為128，不滿足則灰度值為255。再根據(jù)前面判斷的是否為背景即Icc值的來修正Icc值：灰度值為128且Icc為1時（非背景指紋紋線時），Icc值為0，像素值置為0。背景和灰度值為255的紋線像素置為1，這做法的目的是去除不確切的點。此時背景為白，紋線為黑。</p><p>　　二值化后的圖像中的點還要進行修改，修改條件為：當(dāng)像素為1時，它周圍點不大于3個為像素

59、1點則修改為0；當(dāng)像素為0時，它周圍不小于7個點為像素1的點，則修改為1。這種修改是為了使圖像連續(xù)圓滑。</p><p>　　3.2 指紋圖像細化方法計算</p><p>　　由于灰度過渡區(qū)[12]的存在，指紋細化是指紋圖像預(yù)處理中的一個重要環(huán)節(jié)，因為一般的特征提取都是在細化的基礎(chǔ)上進行的，如果細化不好，將無法使用常規(guī)的特征提取算法提取細節(jié)特征信息[13]。細化可以便我們得到絞線的單像素的

60、骨架。所謂“骨架”，是指圖像中央的骨骼部分，是描述圖像幾何及拓撲性質(zhì)的重要方法之一。獲取一個圖像骨架的過程通常稱為對圖像“細化”的過程。在文字識別、地質(zhì)構(gòu)造識別、工業(yè)零件形狀識別或圖像理解中，先對被處理圖像進行細化有助于突出形狀特點和減少冗余信息。</p><p>　　細化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基礎(chǔ)上，刪除紋線的邊緣像素，直到紋線為單像素寬為止。理想細化后的紋線骨架應(yīng)該是原始紋線的中間

61、位置，并保持紋線的連通性、拓撲結(jié)構(gòu)和細節(jié)特征。一種好的細化算法應(yīng)該滿足下列條件[14]：</p><p>　　(1)收斂性：迭代必須是收斂的。</p><p>　　(2)連通性；不破壞紋線的連接性。</p><p>　　(3)拓撲性：不引起紋線的逐步吞食，保持原圖像的基本結(jié)構(gòu)特性。</p><p>　　(4)保持性：保護指紋的細節(jié)特征。<

62、;/p><p>　　(5)細化性：骨架紋線的寬度為1個像素，即單像素寬。</p><p>　　(6)中軸性：骨架盡可能接近條紋中心線。</p><p>　　(7)快速性：算法簡單，速度快。</p><p>　　已有的算法迭代按迭代方式的不同分為串行算法和并行算法。在串行細化算法中，當(dāng)前迭代的結(jié)果不僅取決于前一次的迭代迭代圖像，而且與當(dāng)前處理情況有

63、關(guān)；而在并行方式中，當(dāng)前迭代僅僅是由前一次的迭代情況決定，串行細化算法的處理結(jié)果依賴于對像素處理的先后順序，因而像素點的消除或保留不可預(yù)測。并行細化算法對圖像進行細化時利用相同的條件同時檢測所有像素點，其結(jié)果具有各向同性，因此從算法原理上并行算法優(yōu)于串行算法。由于并行細化算法具有快速而準確的特性，因此他一直是人們研究的熱點，并且相應(yīng)的提出了許多并行細化算法，如OPTA細化算法[15]，R．W．Hall細化算法，Rosenfeld細化算法

64、，Zhang & Suen 細化算以及ZR細化算法等等。性能上這些算法各有所長。</p><p>　　不同的文獻上有不同的關(guān)于細化方法，如王家隆等[16]以及王業(yè)琳等[17]的細化模板。制約細化的直觀表現(xiàn)在計算速度、毛刺和斷點上。因而細化中選擇一個好的模板很關(guān)鍵。模板分為保留模板和消除模板，消除模板就是根據(jù)條件判定這點去除作為背景的模板；保留模板則是根據(jù)條件判定這點保留作為前景的模板。這樣就可以將較粗的圖

65、像曲線細化成很細的以像素為單位的線，大大減少了圖像的信息量，有利于匹配的高效進行。</p><p>　　本論文中采用了方法步驟如下：</p><p>　?。?）建立3維數(shù)組，第一組數(shù)據(jù)為預(yù)處理后的圖像信息，定義每一個像素點它周圍點像素參數(shù)。</p><p>　?。?）對于滿足6種情況的模板，賦值為2 ，其實為像素1情況。對于滿足后六種情況的模板賦值為3，別的情況點值

66、不做改變。</p><p>　　（3）16種消去模板是在不滿足上述情況下衍生的模板，對于滿足這些模板的點像素全為0，以上都未涉及的點不做改變。</p><p>　?。?）循環(huán)進行上述過程，到所有點值不改變?yōu)橹梗疃噙M行20次細化。</p><p>　　3.3 仿真結(jié)果和結(jié)論</p><p>　　實驗基于2.0GHz的Pc機，Window 7操

67、作系統(tǒng)，MATLAB7.0的仿真軟件環(huán)境下，先對分割好的圖像進行二值化處理，簡化后面的細化計算。細算中的模板在一個函數(shù)中實現(xiàn)，細化結(jié)果如下圖所示。</p><p>　　圖a 指紋分割圖像 圖b 指紋二值化圖像 圖c 指紋細化圖像 </p><p>　　圖3-1指紋1的細化結(jié)果</p><p>　　圖a 指

68、紋分割圖像 圖b 指紋二值化圖像 圖c 指紋細化圖像</p><p>　　圖3-2 指紋2的細化結(jié)果</p><p>　　從分割后的二值化處理圖像中，我們可以看到，整個灰度變成了黑白的二值圖像圖，圖像的條紋比較清楚，它的實現(xiàn)有助于壓縮數(shù)據(jù)量和細化的實現(xiàn)。</p><p>　　細化將黑白二值圖像細化成了單個像素

69、帶寬的指紋圖像，由于模板的選擇不同，上圖中的細化圖像一定程度上存在毛刺、分叉、斷點等不理想的情況。所以在特征提出前還需稍加處理，細化好的模板選擇可以提高圖片的質(zhì)量和細化運算的速度。</p><p>　　當(dāng)然，此次仿真的細化還有待改進。對于細化中出現(xiàn)的毛刺現(xiàn)象，要根據(jù)局部特征來修改判定模板來決定這個點的像素，甚至可以減少模板的數(shù)量和判斷次數(shù)，既簡化模板，又提高運算速度，這點還可以有很大的深入研究。</p>

70、;<p><b>　　指紋圖像的特征提取</b></p><p>　　4.1 指紋特征提取概述</p><p>　　特征提取就是對細化后的指紋圖像提取表示其特征的信息的操作。我們前面所敘述的指紋圖像預(yù)處理目的就是為指紋的特征提取和最終識別建立一個良好的基礎(chǔ)，以保證整個系統(tǒng)識別率比較高。對于自動指紋識別技術(shù)而言，選擇一種合適的、能表達指紋唯一性的特征量是非

71、常關(guān)鍵的。一般說來，這種特征應(yīng)有以下性質(zhì)：</p><p>　　(1)單一性：要求這種特征能夠充分體現(xiàn)指紋的唯一性。</p><p>　　(2)可測試性：適用于指紋匹配算法，便于在匹配算法中應(yīng)用。</p><p>　　(3)緊湊性：要求提取的特征不應(yīng)包含指紋唯一性以外的冗余信息，并且信息量要盡量小，便于存儲、管理和計算。</p><p>　　

72、(4)魯棒性：要求這種特征對噪聲的存在與指紋形變不敏感。</p><p>　　對于特征點提取的常用算法很多，如：</p><p>　　(1)基于二值化的特征提取方法：這種算法對于預(yù)處理和增強后得指紋圖像進行二值化，然后再提取特征點。</p><p>　　(2)基于直接灰度的特征提取方法：這種方法直接從灰度圖像出發(fā)，通過分析圖像的紋理屬性和拓撲結(jié)構(gòu)提取特征點。<

73、/p><p>　　(3)基于細化圖像的特征提取方法：這種方法是將指紋圖像處理后得到細化圖像，通過細化圖像提取特征點。</p><p>　　為了比較兩個指紋是否相同，需要從指紋圖像中提取出能表示指紋唯一性的特征。Galton提出的指紋細節(jié)點是人工指紋匹配中最常用的特征。指紋由脊線和谷線交替構(gòu)成，在大多數(shù)地方紋線連續(xù)且相互平行，而某些局部不連續(xù)的地方構(gòu)成了細節(jié)點。Galton[18]定義了4種細節(jié)

74、點類型：分叉點，端點，環(huán)、島，并指出細節(jié)點具有唯一性，可以用于指紋匹配。</p><p>　　目前已定義的特征類型己達150多種，但是這些擴展的特征往往不易提取相互區(qū)分，并且它們都可以由端點和分叉點的組合進行描述，這使得端點和分叉點成為最常用的結(jié)構(gòu)特征，也稱為細節(jié)特征，它被認為是最穩(wěn)定、最容易檢查的，而且占全部特征點的80％以上。提取出的特征點還必須經(jīng)過偽特征點的去除，盡可能地去除掉由于二值化、細化處理等過程引入

75、的偽特征點。最后確定出特征點的類型、位置、方向。</p><p>　　本章就是根據(jù)端點和分叉點是最常用的結(jié)構(gòu)特征，提取滿足一定條件接近的點，再去除不是端點和分叉點的偽特征點，最終實現(xiàn)特征值的提取，有利于后面匹配的展開。</p><p>　　4.2 指紋特征提取和去偽特征</p><p>　　目前在細化二值圖像中提取細節(jié)特征多是用8鄰域法，該方法比較簡單，在得到可靠的

76、細化二值圖像后，只需要一個3×3的模板便可將端點和分叉點提取出來。對于細化二值圖像，像素點的灰度值只有2種情況。</p><p>　　在提取指紋圖像的細節(jié)特征中，由于圖像質(zhì)量和噪聲的干擾，存在大量的偽特征點，實驗表明一幅質(zhì)量較差的圖像在經(jīng)過預(yù)處理，細節(jié)特征提取后可能產(chǎn)生多達一、兩萬個細節(jié)特征點，其中包含了大量的偽特征點，這些偽特征點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)

77、的拒真率和誤識率的上升，因此在進行指紋匹配之前，應(yīng)對細節(jié)特征進行驗證，盡可能將偽特征點去除，同時保留真特征點。</p><p>　　去除偽特征點是特征提取要解決的一個重要問題。對整個圖像進行特征提取后得到的特征點并非全部都是真實的分叉點和端點，由于指紋質(zhì)量，細化、特征提取過程引入的噪聲造成了很多偽特征點，特別是圖像邊緣有很多圖像分割產(chǎn)生的邊界偽端點。</p><p>　　本章中將特征建立為

78、一個3維數(shù)組，前兩組用于記錄端點和分叉點。第3足則專門記錄偽特征最終可以除去。端點和分叉點的判斷都是運用了上述的8鄰域法。其中（1）端點的判斷條件為：周圍的8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在2個不同值。此時的處理為記錄數(shù)組2，記錄點的個數(shù) ，并將該點記為0，而它的8鄰域點記為1。</p><p>　?。?）分叉點的判斷條件為：周圍的8鄰域兩兩相鄰當(dāng)且僅當(dāng)存在6個不同值。此時的處理為記錄數(shù)組1，在上述基礎(chǔ)上記錄點的個數(shù) ，

79、并將該點記為0，而它的8鄰域點記為1。處理方式類同上面。</p><p>　　（3）偽特征的判斷比較多,全部計入數(shù)組3。第一類：超出一定邊界，仿真中用了17。此時把它和周圍8點記為0，并在上述基礎(chǔ)上減去不是特征點的個數(shù)。第二類：對于直線12點的和不超過1的點也被視為偽特征點，處理方式類同。第三類為斷點：在上述的范圍內(nèi)，特征值為2。此時在更小12的上半范圍或下半范圍，特征仍為2則認為為斷點。處理方式為把它和周圍8點

80、置為0，在上述基礎(chǔ)上減去2倍的斷點數(shù)。第四類為毛刺，毛刺的判斷類似于短點。因為指紋變化多的部分為中間，所以處理的范圍比斷點來的范圍小，并且在特征值為2的情況下僅僅是縮小范圍再次判斷特征值，這點就不相同了。毛刺的處理方式也類同斷點。第五類為小橋。小橋的判斷條件為:10范圍內(nèi)特征值為1，6的上半范圍或下半范圍特征值仍為1。此時該點則被視為小橋。小橋處理方式類同斷點和毛刺。</p><p>　　4.3 仿真結(jié)果和結(jié)論&

81、lt;/p><p>　　實驗基于2.0GHz的Pc機，Window 7操作系統(tǒng)，MATLAB7.0的仿真軟件環(huán)境下，根據(jù)上部分的判斷方法決定的特征點和偽特征點，代碼運行顯示結(jié)果如下。</p><p>　　圖a 指紋1判斷點 圖b 指紋2判斷點</p><p>　　圖4-1通過判斷后得到的特征點分布圖</p

82、><p>　　這個特征點分布結(jié)果圖包含了特征點和偽特征點。在匹配前還需對毛刺、小橋等偽特征點加以識別和處理，這樣有助于后面匹配的進行，使匹配更加精確無誤和快速。對于特征點和偽特征點的判斷方法還有很多，端點判斷和分叉點判斷屬于比較多的特征點判斷，偽特征點也還有別的種類，短線之類也屬于處理后出現(xiàn)的偽特征，本仿真中沒有對此作出處理。在上述基礎(chǔ)上也可以根據(jù)特征基本構(gòu)造出相似原圖像。</p><p>&

83、lt;b>　　指紋圖像的匹配</b></p><p>　　5.1 指紋圖像匹配方法</p><p>　　指紋匹配要解決的是對兩幅給定指紋圖像的特征模式進行比對，判斷這兩幅圖像是否來自同一個人的同一手指。指紋匹配是自動指紋識別的最后一步，也是非常關(guān)鍵的一步。</p><p>　　指紋圖像匹配方面，主要有基于圖像，脊線結(jié)構(gòu)和特征點的方法。基于特征點的匹

84、配算法具有簡單、快速、魯棒性等優(yōu)點。目前最為常用的方法是FBI提出的細節(jié)點坐標模型來做細節(jié)匹配。它利用脊線上的端點和分叉點這兩種關(guān)鍵點來鑒定指紋。通過將細節(jié)點表示為點模式，一個指紋識別問題可以轉(zhuǎn)化為一個點模式匹配問題。點匹配算法是通過某些變換，如平移變換、旋轉(zhuǎn)變化、伸縮變換，可以把兩個點集中的對應(yīng)點匹配起來。對于基于細節(jié)點的匹配思路大體分兩種：基于直角坐標系的特征識別和基于極坐標系的特征識別[19]。</p><p&

85、gt;　　點模式匹配[20]將注冊指紋和待識指紋的特征點定義為兩個點集和P和Q通過平移和旋轉(zhuǎn)使得兩個點集重合點數(shù)最多。點模式匹配是著名的數(shù)學(xué)難題。目前的指紋識別系統(tǒng)主要采用基于節(jié)點的匹配方法，即點模式匹配。從模板指紋和輸入指紋中選取一個節(jié)點作為參考節(jié)點對，在進行節(jié)點匹配時先利用基準點將指紋對齊，然后再評估其它節(jié)點的匹配程度。很多情況下選用圖片的中心點。當(dāng)然，他所帶來的難題有：</p><p>　　(1)如何快速找

86、到基準點把兩幅指紋對齊。</p><p>　　(2)圖片A中有圖片B中不存在的點，集合B中也有圖片A中不存在的點，匹配的時候如何處理這些點。</p><p>　　(3)由于指紋存在變形位移，任何一對匹配點之間都不是絕對相等，而是存在一定的差距。設(shè)計算法的時候，必須要有一定的容錯能力。</p><p>　　(4)最終得到的是兩幅指紋的相似度，怎么確定相似度的計算方式。

87、</p><p>　　另外，計算匹配的時間即效率性也很重要。參考點在指紋圖像的識別中是也至關(guān)重要的。能獲得參考點表明從被識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；沒有參考點表明被識別圖像完全是另一不同圖像。</p><p>　　5.2本論文匹配方法介紹 </p><p>　　針對上述中提及的問題，本論文采用了兩種匹配

88、方式，第一種為主流的點模匹配法，第二種則是較簡單的FFT卷積判斷法。</p><p>　　本論文中，首先采用了在原圖基礎(chǔ)上修改參數(shù)值來驗證的方法。這種方法將原特征點的相對距離進行修改，使得各個特征點之間的相對距離產(chǎn)生差異。在找到核心點后，比較它們相對距離的差異，對于滿足一定值的點視為可積點。最后判斷可積點的個數(shù)和相對值。當(dāng)它們個數(shù)滿足一定條件時即為匹配成功，不滿足視為不匹配。匹配與否用success值返回。返回1

89、說明匹配成功，返回0則匹配失敗。</p><p>　　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，庫的大小可自己選擇。然后錄用需要辨別的指紋圖像，濾波增強去噪后，找到它們的中心點，依次與數(shù)據(jù)庫圖像進行二維FFT卷積，然后判斷出數(shù)據(jù)庫中哪幅圖片與錄用圖片最相似，并返回它們的差異長度值。這種方法簡單明了，缺點在于計算量比較大，需要較久的計算時間。為了驗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)

90、據(jù)庫，目標圖片為數(shù)據(jù)庫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并顯示出它們的距離。以下為部分數(shù)據(jù)庫圖片：</p><p>　　圖5-1數(shù)據(jù)庫中其中6張圖</p><p>　　圖a 庫中第13號原圖 圖b庫中第13號修改圖 </p><p>　　圖5-2數(shù)據(jù)庫中理想會配對的圖</p><p

91、>　　圖5-3 指紋匹配程序模塊</p><p>　　圖5-4 指紋匹配結(jié)果</p><p>　　以上結(jié)果論證了該指紋匹配的實用性。FFT卷積的方法能從多幅數(shù)據(jù)庫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，也不大會影響它的判斷和距離的計算。</p><p>　　這兩種方法都很好地解決了找到基準點，容錯性和相似度的問題。兩種方法都以中

92、心點為基準點。第一種方法的點判斷條件本身就是一個人為的容錯估計值，很小的出錯不會影響最終的匹配結(jié)果；第二種方法中的卷積值也存在一定限定值，具有容錯性。相似度的計算，方法一以滿足特征點的相對距離差距不大的點的個數(shù)為相似依據(jù)；方法二以卷積值的大小來判斷圖像的相似性，并計算圖像的相似距離。方法一處理信息少，雖然要一定的預(yù)處理，但快捷高效，出錯小，適合一對一匹配。方法二對圖像的預(yù)處理要求不高，方法簡單，但計算復(fù)雜，適合一對多的檢索性匹配。<

93、;/p><p><b>　　總結(jié)和展望</b></p><p>　　作為一種可靠的生物識別技術(shù)，指紋識別技術(shù)受到了廣泛關(guān)注，開發(fā)高效可靠的指紋圖像識別算法不但具有重要的理論意義，而且具有很高的實用價值。本文針對指紋圖像的特性，將均值方差法、模板細化、點模匹配應(yīng)用于指紋識別技術(shù)，以改善指紋識別算法的性能。主要研究成果內(nèi)容如下：</p><p>　?。?/p>

94、1）綜合分析了指紋分割目前主流的三種趨勢，選擇了基于區(qū)域特征的均值方差法并用matlab語言來對指紋圖像進行分割。分割前還對圖像進行低頻歸一化處理。</p><p>　?。?）對分割好的圖像進行了二值化處理，使得細化的信息量大大減少。選用了一種比較精確的模板細化，得到了指紋細化后比較清晰的圖像。</p><p>　?。?）對細化后的圖像進行特征提取，其中分叉點和端點視為特征點，小橋、邊界、

95、毛刺視為偽特征點，對他們進行加以區(qū)分和提取以進行匹配。</p><p>　　（4）在上述的特征點的部分選用了點模匹配，以特征點滿足相對距離的個數(shù)和相對值為依據(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。</p><p>　　本文由于時間上的限制，在實現(xiàn)細化和匹配的基礎(chǔ)上沒有能夠?qū)毣推ヅ渌惴ㄟM行更深入的改進研究，是一個缺憾。如何有效的對指紋圖像的分割細化的不足

96、之處進行彌補，對匹配算法改進效率以及將指紋識別技術(shù)與在實踐中結(jié)合起來應(yīng)該是今后開展工作的方向。</p><p><b>　　參考文獻</b></p><p>　　[1]王崇文,李見為,周宏文.指紋識別系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機應(yīng)用,2001,21(12):23—25</p><p>　　[2]B Moayer and K S Fu. An

97、application of stochastic languages to finger patrtern recognition[J]. Pattern recognition,1976,12:173-179</p><p>　　[3]謝立鋒,陳靈梟.淺談指紋識別基本原理[J].技術(shù)與市場,2008.1:44-45</p><p>　　[4]耿德英,陳志敏,陳梅琴.圖像處理在指紋識別中

98、實踐[J].西昌學(xué)院學(xué)報,2009.32(4):72-74</p><p>　　[5]劉明生,吳小培,項明.一種基于指紋圖像特征的圖像分割算法[J].電子測量技術(shù)第32卷,2009.8:92-94</p><p>　　[6]郭文鵑,楊公平,董晉利.指紋圖像分割方法綜述[J]. 山東大學(xué)學(xué)報,2010.45(7):94-100</p><p>　　[7]高月紅.灰度圖

99、像分割算法的研究[J].科技信息,2009年27期:17-18</p><p>　　[8]郭丹穎,吳成東,曲道奎.小波變換理論應(yīng)用進展[J]. 信息與控制,2004.33(1):67-71</p><p>　　[9Ratha N KChen S Wain A K.Adaptive Flow orientation BsedFeature Extraction in Fingerpfint

100、lmages[J].Pattem Recognition, 1995,28(11):1657-1672</p><p>　　[10]李晨丹,徐進.指紋圖像預(yù)處理和特征提取算法的Matlab實現(xiàn)[J].計算機工程與科學(xué),2009.31（(7）):61-64</p><p>　　[11] 溫苗利，梁彥等．基于GaborN數(shù)的小波域指紋圖像增強算法[J]．計算機應(yīng)用，2006,20(9):68-

101、74</p><p>　　[12]Gerbrands J J,Segmengtation of Noisy Images[D],Delft University of Technology,1988</p><p>　　[13] 田捷,陳新建,張陽陽. 指紋識別技術(shù)的新進展[J]. 自然科學(xué)進展,2006,16(4):400-408</p><p>　　[14]王業(yè)

102、琳,寧新寶,尹義龍.指紋圖像細化算法的研究[J].南京大學(xué)學(xué)報:自然科學(xué)版,2003,39(4):469-475</p><p>　　[15] 趙磊,陳瓊,陳中. 一種新的改進OPTA細化算法[J] . 計算機應(yīng)用,2008,28(10):2639-2642</p><p>　　[16] KASS M,WITKIN A,TERZOPOULOS D．Snake:Active contour

103、models[J].International Journal of Computer Vision,1988,1(4):32l一331</p><p>　　[17] MORTENSEN E N,BARRETF W A.Intelligent scissors for image composition[J].Proceedings of the ACM SIGGRAPH 95.New York,NY，USA:A

104、CM,1995,8:191—198</p><p>　　[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)軟件工程國家重點實驗室,2002,11</p><p>　　[19]Ranade osenfeld .A.oint Pattem Matching by Relaxation[J].Pattem Recogition,1993,12(2):269-275</p&g

105、t;<p>　　[20]A．Hrechak and J．Mchugh．Automated fingerprint recognition using structural matching[J]．Patern Recognition,1990,23(8):893—904</p><p><b>　　致 謝</b></p><p>　　經(jīng)過半年的材料準備

106、、開題、論文寫作及修改，我的畢業(yè)論文終于定稿。在論文完成前后，我的心情波動較大。從論文的選題、資料的收集到論文的撰寫編排整個過程中，我有來自各方面的幫助。在這個寫作過程中，才發(fā)現(xiàn)要感謝的人真的很多。 </p><p>　　首先，我要感謝我的畢業(yè)設(shè)計指導(dǎo)老師周老師。我在選題及研究過程中，得到周老師的悉心指導(dǎo)。周老師多次開會討論研究進程，幫助我開拓研究思路，精心點撥。對論文中出現(xiàn)的許多問題及時當(dāng)面溝通，悉心地指導(dǎo)我在

107、論文問題的解決思路，經(jīng)過反復(fù)修改，論文終于得以定稿。周老師一絲不茍的作風(fēng)，嚴謹求實的態(tài)度，踏踏實實的精神，熱情寬容的態(tài)度讓我時刻想著要盡快完成自己的論文早日畢業(yè)。 </p><p>　　四年寒窗，所收獲的不僅僅是愈加豐厚的知識，更重要的是在閱讀、實踐中所培養(yǎng)的思維方式、表達能力和廣闊視野。很慶幸這些年來我遇到了許多恩師益友，無論在學(xué)習(xí)上、生活上都給予了我無私的幫助和熱心的照顧。在此，衷心的感謝他們。</p&