指纹识别的预处理与特征提取毕业论文
2022-06-06 22:34:54
论文总字数：18998字
摘 要
由于指纹纹理的唯一性和较高的稳定性，指纹识别技术在近些年来具有很高的研究意义。目前，指纹已经被官方认可为鉴别个人身份的主要依据。虽然指纹识别产品在市场上占有较高的份额，但由于技术还属于机密部分，对于指纹识别的开发仍然具有很高的研究价值。
指纹识别包括对指纹的采集，对指纹图像进行预处理，特征提取以及特征匹配。本文着重研究对指纹图像的预处理和特征提取。预处理部分包括确定核心点和指纹增强。本文采用基于Gabor滤波器的增强方法对原图像进行增强处理，得到纹路较为清晰的灰度化图像。主要步骤包括计算指纹的核心点，以这个核心点为中心，裁剪出有效指纹处理区域。得到这个区域后，通过Gabor滤波器组图像进行增强。特征提取部分，对指纹图像进行扇形分区，将每个区域全体像素相对于其平均灰度均值的方差的和，按照一定的顺序进行排列，作为指纹的特征，该特征同时具备全局特征性和局部特性。
实验表明，本文的方法有较好的预处理效果，提取的特征较为理想。
关键词：指纹 预处理 特征提取
Preprocessing and Feature Extraction of Fingerprint
Abstract
Due to the uniqueness and high stability fingerprint texture, fingerprint recognition technology has high significance in these years. Currently, the fingerprint has been officially recognized as the main basis for identification of personal identity. But now, although the fingerprint identification products on the market occupies a higher share, but because technology is a confidential part, for the development of fingerprint identification still has high research value.
Fingerprint identification including fingerprint acquisition, fingerprint image preprocessing, feature extraction and feature matching. This paper focuses on the characteristics of the fingerprint image pre-processing and extraction. Preprocessing includes determining core points and fingerprint enhancement. In this paper, Gabor filter enhancement method based on the original image are enhanced to give a clearer lines of grayscale images. The main steps include calculating a fingerprint core point to point as the center of the core, cutting an effective fingerprint processing area. After getting this region, to enhance the image by Gabor filters. Feature extraction, fingerprint image sector partition, all the pixels of each region relative to its average gray mean and variance, arranged in a certain order, as the fingerprint feature that also have global features and local characteristics.
Experiments show that the proposed method has better pretreatment, feature extraction is preferable.
Key Words: Fingerprint；Pretreatment；Feature Extraction
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1课题背景 1
1.2 指纹识别的发展和现状 1
1.3 本课题的主要研究内容和安排 3
第二章 指纹识别与指纹图像的采集 4
2.1指纹识别的整体构成 4
2.2 指纹图像的采集 4
2.3 指纹图像质量的评价 5
第三章 指纹图像的初步处理 6
3.1 图像去噪 6
3.2 指纹核心点的定位 7
3.2.1 核心点定位算法简介 7
3.2.2 基于方向场定位算法 7
3.3 Gabor滤波增强 10
3.3.1 指纹的扇区化与归一化 10
3.3.2 方向域估计 13
3.3.3 频率域估计 14
3.3.4 八方向Gabor滤波 14
3.4 指纹增强的实现 14
3.4.1 指纹图像增强的相关流程和主要程序 14
3.4.2 指纹图像扇区化程序流程图及主要程序 16
3.4.3 指纹图像归一化程序流程图及主要程序 17
3.4.4 八方向Gabor滤波器实现的程序流程图及主要程序 19
3.5 增强效果图 21
第四章 特征提取 23
4.1 指纹的特征和特征提取 23
4.2 本文选取的特征及特征的提取 24
4.2.1 本文选取的特征 24
4.2.2 特征提取的实现 25
4.3 算法性能分析 26
第五章 总结与展望 27
5.1 总结 27
5.2 展望 28
参考文献 29
致谢 31
第一章 绪论
1.1课题背景
在当今的信息化的时代，一个人的身份的确定，以及保证个人信息的安全已经成为一个必须要解决的问题，通过使用更适合的方法去认证一个人的个人信息已经迫在眉睫。目前，常用于识别个人身份的特征主要有生物特征、行为特征、遗传特征。生物特征包括指纹，掌纹，虹膜，面像等人类固有属性的特征；行为特征包括步态、声音、笔迹，这些都是人的固有特征，不会轻易改变；遗传特征主要是DNA。
表1-1 生物识别之间的比较
特殊性 | 范围度 | 不变性 | 易接受性 | 准确度 | |
指纹 | 高 | 高 | 高 | 高 | 高 |
掌纹 | 高 | 高 | 中 | 中 | 高 |
虹膜 | 高 | 高 | 高 | 低 | 高 |
面像 | 中 | 高 | 中 | 高 | 低 |
步态 | 低 | 低 | 低 | 低 | 低 |
声音 | 中 | 低 | 低 | 中 | 中 |
笔迹 | 中 | 高 | 中 | 高 | 低 |
DNA | 高 | 高 | 高 | 低 | 高 |
由上表可见，生物特征都拥有很高的准确性。因此，就目前的科学而言，生物特征都具有很高的研究价值。其中，指纹由于其优秀的特性，是目前用于保存和识别个人信息最常用的手段之一[1]。
1.2 指纹识别的发展和现状
早在石器时代，中国人和古代亚述人便开始在契约中以应用指纹来代表制约双方[2]。到了唐朝时期，国家之间常常通过“按指为契”的方式进行约束，并得到了广泛的运用[2]。延续了很多年，直到十九世纪传入西方，引起了欧洲各国的广泛关注。由于当时身份认证方式的匮乏，众多学者企图找到一种方式，用来简单，准确的识别人与人的不同，指纹识别便出现了。
请支付后下载全文，论文总字数：18998字
