基于MATLAB的指纹识别系统的研究

基于MATLAB的指纹识别系统的研究和实现班级：通信工程07-1班学号：200710204007姓名：胡欣指导老师：辛莉指纹识别的意义与目的指纹识别系统的发展状况指纹识别系统的基本原理指纹识别系统的实现方法一、指纹识别的意义目的随着计算机和网络的迅速发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。传统的加密方式已经不能满足现在的要求。指纹识别技术充分利用了指纹的普遍性、唯一性和永久性的生物特征，已逐步取代了传统的识别方式，目前在网络、银行、金融、医疗和安检等行业均得到了广泛应用。二、指纹识别系统的发展状况•国内研究的发展状况我国从20世纪80年代开始研究指纹自动识别技术，也取得了令人瞩目的成绩。比较出色的有北京大学的Delta-S系统，清华大学的CAFIS系统等。近年，指纹识别系统的研究与应用成为一个热点，指纹考勤机，指纹门禁系统等产品得到广泛使用。现代的指纹匹配技术主要是16世纪后期产生。20世纪60年代，美国FBI开始开展基于指纹的自动生物特征识别研究工作，美国在这一领域的研究水平处于世界最前沿。在国外从事指纹识别研究和开发的公司、科研机构、学校比较多。其中较为著名的有：法国Morph，日本NEC。美国国家标准局视觉处理研究所，加州理工学院，新加坡南洋理工大学信号处理中心等。•国外研究发展状况三、指纹识别系统的基本原理指纹的识别系统是典型的模式识别系统，它包含两个主要的模块：鉴定模块和识别模块。目前指纹识别系统的基本流程为指纹采集、指纹图像预处理、指纹图像预处理、特征点提取及特征点匹配。指纹采集指纹采集指纹图像预处理特征点提取特征点存储指纹图像预处理特征点提取特征点匹配匹配结果鉴定模块识别模块（一）、指纹采集指纹采集的方法目前常用的指纹采集设备有三种：光学式，硅芯片式，超声波式采集器。我们采用的是直接将指纹图片存储在电脑中读取到MATLAB中。用imread函数读BMP格式。filename='e.bmp';imgRgb=imread(filename);%读入一幅图像imshow(imgRgb);%显示图像四、指纹识别系统的实现方法（二）、图像预处理预处理的目的就是去除图像中的噪声，把其变成一幅清晰点线图，这样才能提取到正确的指纹特征，从而达到后边的正确匹配。预处理的过程主要包括：指纹图像的归一化、背景分割、二值化，细化。指纹图像的归一化指纹图像的背景分割指纹图像的二值化指纹图像的细化1、指纹图像的归一化归一化的目的，将指纹图像的对比度和灰度调整到一个固定的级别上，为后续处理提供一个较为统一的图像规格。200200((,))(,)((,))(,)ARARARARVIijMeanMIijMVVIijMeanMotherwiseVNij指纹原图像归一化后的指纹图像2.指纹图像的背景分割指纹图像分割的目的是把指纹图像中质量很差，在后续处理中很难恢复的图像区域与有效区域区分开来，使后续处理能够集中于有效区域。分割处理不仅能提高特征提取的精确度，而且还能大大减少指纹处理的时间，指纹图像背景分割的方法有许多，下面具体介绍一下自适应的局部阈值分割法。自适应局部阈值分割法的优点是算法简单，分割效果较好。开始结束指纹图像分块VAR大于一定阈值计算每一块的方差VAR指纹图像区域背景区域保留原来灰度值灰度值置0YN背景分割后的指纹图像图像分割算法流程图指纹识别要求的图像只能是包含0和1的信息的图像，在图像上面不能呈现出灰度的变化。其目的是在获得背景分割的图像之后，将其纹线的脊、谷区分开来，便于从中提取指纹特征。3.指纹图像的二值化局部阈值法在指纹图像二值化处理过程中，为尽可能减少信息丢失，将整幅指纹图像分块，结合各块图像的自身特点，为每块图像分别选取不同的阈值，对各块指纹图像区域进行二值化处理。该方法对一些噪声的抗干扰能力较强，以及对纹线的断线有一定的连接作用。二值化后的指纹图像4、指纹图像的细化细化是二值图像处理中很重要的一个处理环节。指纹图像纹线的细化处理，是指把纹线粗细不均匀的指纹图像转化成线宽仅为一个像素的条纹中心线图像的过程。去除了大量的不需要的冗余信息，同时保持了原来图像的拓扑连接关系。细化后的图像更有利于特征提取及后续的图像识别。下面我们具体介绍一下取改进的OPTA细化算法。细化算法流程图细化后的指纹图像开始第n个像素点抽取出14个相邻像素8邻域像素点与8个消除模板比较抽取的像素再和保留模板比较有与之匹配的消除模板吗？P点保留有与之匹配的保留模板吗？P点删除n=N结束扫描统计像素点总个数Nn=0NYNYNn=n+1Y（三）指纹的特征提取指纹的特征分为全局特征和细节特征。端点分叉点分歧点孤立点环点短纹纹线模式区指纹的全局特征指纹的细节特征指纹细化图像的主要特征是纹线端点和分叉点，采用这两种主要特征构造指纹特征向量，它的提取方法是模板匹配法。端点模板分叉点模板模板匹配法有运算量小、速度快的优点。该算法基本上可以提取所有的真特征点，但同时也提取出了几乎所有的伪特征点，因此需要进一步处理以消除伪特征。特征点提取后的指纹图像开始跟踪黑点数和交叉点数统计跟踪黑点数sn和交叉点数cnsn=1且cn=2此点为端点此点为分叉点sn=3且cn=6结束YNYN伪特征点去除常见的伪特征点有端点、断点、毛刺、小桥等。对这些伪特征点进行了去除。消除毛刺后的特征点消除小桥后的特征点(四)指纹图像的匹配指纹的匹配是指纹识别的最后一步，要最后确定两枚指纹是否来自同一枚手指。采用指纹特征的点匹配算法，统计待识别的指纹特征点与事先学习的指纹特征点的重合点对数目与特征点总个数之比是否大于70%，大于则认为匹配成功。否则，不匹配。存储多幅指纹的特征ZZ开始pppp与ZZ的每一个元素比较相同个数C/600=0.7与之匹配不匹配结束待识别指纹特征点存ppNY输出与之对应的指纹名称输出不匹配本文还对一定程度上模糊，存在污渍，指纹信息缺失的指纹进行处理。经过这些处理，统计出匹配算法的识别率可以达到70%以上。下面用GUI界面来演示一下指纹识别系统