科技创新-指纹识别算法研究.docx

《科技创新-指纹识别算法研究.docx》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、$2理EASTCHINAINSTITUTEOFTECHNOLOGY东华理工大学第十届大学生科技创新基金项目作品名称：指纹识别算法研究院系全称：核工程与地球物理学院姓名：温志平洪运柏植张皓王青卿摘要第1章一绪论41.1研究背景和意义41.2指纹识别技术41.2.1指纹识别技术发展现状61.2.2指纹识别技术特点71.3本论文的工作8第2章指纹图像的分割92.1指纹图像分割概述92.2均值方差法U62.3仿真结果与结论第3章指纹图像的细化£93.1指纹图像细化的预处理13^3.2指纹图像细化方法介绍13^3.3仿真结果与结论

2、154-第4章指纹图像的特征提取1丄34.1指纹图像特征提取概述1834.2特征提取和去伪特征1844.3仿真实验与结论19S第5章指纹图像的匹配20«5.1指纹图像匹配方法20W5.2本论文匹配方法介绍21U〔带格式的：字体：小四第6章总结230，参考文献254-摘要带格式的：字体：三号随着信息时代的发展，口动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。本文概述了口动指纹识别系统的研究现状和指纹识别系统的算法流程，并在此基础上重点研究了指纹图像的分割算法和指纹图像细化算法。首先，木文系

3、统介绍了指纹识别的研究总义及现状，并对指纹识别原理及实现过程做了系统介绍。莫次，针对在指纹采集过程中存在着大量的低质量指纹图像，影响指纹识别系统的识别率的问题，本文对指纹图像的分割等预处理作了较为深入的研究，采用了均值方差的指纹图像分割算法，仿真结杲表明，该方法有效地改善了指纹图像的质量。此外，对指纹图像的细化作了深入的研究，使用的细化模板虽然数量较多，计算时间比较氏，但对于像索的处理很到位，使得毛刺比较少，保持原图像的基本结构特性，还最大地保留了细节特征。最后，研究了指纹识别过程中特征的提取方法，针对细节点提取过程中存

4、在伪特征点的问题，木文采用了一种消除伪特征点的算法。仿真结果表明，这种算法可以有效的去除伪特征点。第1章绪论1.1研究的背景及意义科学技术的迅猛发展为人类的生产生活带來了极大的便利，大大地推动了现在社会的进步和发展。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。指纹特征是人终生不变的特征

5、z—,而且不同人的指纹特征相同的可能性儿乎为零。人体指纹含有天然的密码信息，其具有作为密码信息必须具备的三个重要性质：①广泛性，指每一个正常人都冇指纹。②唯一性，-指每一个人的指纹都不同。③终生不变性，-指非意外事故指纹终身不变。因此，指纹识别技术，作为一种可靠的生物识别技术4,受到了人们的重视。尽管人们已经对口动指纹识别技术作了深入广泛的研究，指纹识别技术也获得了不少应用，但是指纹识别的应用在目前并没冇获得普及，这主要是因为指纹识别在识别准确性和识别速度方面还远远不能满足很多实际应用的要求。这就要求研究指纹识別环节中若

6、干问题，这对于问题的解决很冇意义。1.2指纹识别技术相对于其它牛物识别认证技术而言，门动指纹识别是一种更为理想的身份确认技术，因为指纹和対于其它几种生物特征具有以下一些独特的性质：(1)互异性；世界上两个指纹完全相同的概率小于10",儿乎为零。(2)不变性；人的指纹特征不随年龄的增长和胖瘦或其他情况的改变而改变。(3)具有和主体永不分离性；这样对主体身份的识别更具真实性。(4)指纹的使川比起其它证卡來说更快捷、安全准确、无干扰，可实现快速登录注册。(5)—个人的十指指纹皆不和同，这样可以方便地利用多个指纹构成多重口令，捉

7、高系统的安全性。(1)指纹识别屮使用的模板并非故初的指纹图，而是市指纹图屮捉取的关键特征,这样使系统对模板库的存储量较小。另外，对输入的指纹图提取关键特征后，可以大人减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。1.2.1指纹识别技术发展现状指纹识別算法的研究方向主要分为：基于图像的识別算法和基于特征的识別算法。基于图像的识别算法认为，指纹图像的频域和空域信息可以用來唯一农示并识别不同的指纹。它是一种使用全局信息进行识别的方法，例如使用指纹图像的Fourier频谱来表示和识别指纹。这类算法的问题在于图像特征

8、难以定义和匹配，因此算法的拒识率和谋识率较窩。基于特征的指纹识别算法是找到并比对指纹的特征指纹特征的复杂度足以提供用于鉴别的足够特征。目前大多数的口动指纹识别系统使用的都是这类算法。指纹特征多种多样，冇特征点、奇异点、域方向图、脊线数目，甚至脊线线型等。对应的匹配方法可以分为：基于点模式的匹配，基于脊线的匹配，基于纹