matlab指纹特征提取

《matlab指纹特征提取》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、图形图像处理课程大作业姓名：班级：学号：12目录问题描述2摘要3正文41、指纹细节特征提取42、指纹图像的预处理43、指纹图像的特征提取54、指纹特征的去伪...................................................................................65、指纹特征提取和识别MATLAB实现.........................................7总结9附录：912Matlab图形界面操作------指纹图像细节特征提取问题描述期末运用学习的mat

2、lab知识对指纹图像进行细节特征提取，实现如下功能。l实现指纹图像的细化。l实现指纹图像的特征点提取。l实现特征图像的细化去伪。l编写代码实现上述功能。12摘要：本次任务旨在完成对指纹图像的细化、去伪和特征点的提取。采用了8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取。用matlab软件实现功能。12正文1、指纹细节特征提取对于一幅指纹的原始图像，为了使后续特征提取的操作能够正常有效的进行，必须对原始指纹图像进行一定的处理，即对原始图像进行预处理，预处理后对图像进行特征提取，包括端点和分叉点。最后对图像进行指纹特征去伪。2、指纹图像

3、的预处理指纹图像的预处理一般包括二值化和细化处理过程（1）二值化所谓二值化就是将灰度图像转化为灰度值为0、1组成的黑白图像，0为背景灰度，1为纹线点灰度，它是指纹图像处理中重要的一步。由于指纹图像的方向特征、细节点位置等特征的提取以及匹配都跟像素点灰度值的多少没关系，只跟指纹图像的脊线的形状、走向有关系，因此二值化处理不会丢失指纹图像的特征信息，另外二值化还可以方便图像信息的存储，节约存储空间，并且方便了后续的计算处理。常用的二值化方法有：固定阀值法、局部自适应阀值法等。（2）细化细化是图象分析、信息压缩、特征提取、模式识别常用的基本技术。它

4、是在不改变图像像素的拓扑关系的条件下，连续擦除图像边缘像素，使纹线最终成为一个像素宽。细化算法的迭代必须收敛且不能破坏纹线的连接性，不能引起纹线的逐步吞食，还要尽可能的保护指纹的细节特征，细化的骨架也要尽可能接近纹线中心线，要求算法简单、高效。常用的细化算法包括逐层剥离法、距离变换法。代码实现：I=im2bw(origin);%二值化%细化指纹图像[M,N]=size(I);fori=2:M-1forj=2:N-1ifI(i,j)==012if(I(i-1,j)==0&I(i,j+1)==0)

5、(I(i-1,j)==0&I(i,j-1)==0

6、)

7、(I(i+1,j)==0&I(i,j-1)==0)

8、(I(i+1,j)==0&I(i,j+1)==0)I(i,j)=1;elseI(i,j)=0;endendendendsubplot(2,2,2);imagesc(I);xlabel('细化后指纹图像')3、指纹图像的特征提取指纹图像的特征提取采用了8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取。传统的特征提取方法主要有两种：第一种是直接从原始指纹图像上进行细节特征提取，另一种是从细化后的指纹图像上进行特征提取。第一种算法比较复杂，受噪声干扰影响较大，特征点定位不精确，大多数系

9、统都采用了第二种方法。代码实现：%特征点提取（端点或分叉点）t=0;fori=2:M-1forj=2:N-1ifI(i,j)==0n=I(i-1,j-1)+I(i-1,j)+I(i-1,j+1)+I(i,j-1)+I(i,j+1)+I(i+1,j-1)+I(i+1,j)+I(i+1,j+1);if(n==5

10、n==7)t=t+1;x(t)=j;12y(t)=i;endendendendsubplot(2,2,3);imagesc(I);xlabel('指纹特征提取图像')4、指纹特征的去伪提取指纹图像的细节特征，是在细化图像进行的。由于图像质

11、量和噪声的干扰，经过预处理后的细化图像上存在大量的伪特征点。伪特征一般具有以下特点：大部分处于图像边缘；在图像内部的伪特征点距离较近，两个或多个伪特征同时存在于很小的区域内。根据指纹图像伪特征分布特点提出两种去伪方法：首先对于图像边缘的点，采用指纹图像切割的方法，即对边缘的点直接切除掉；然后利用最短距离阈值法去除距离较近的特征点。代码实现：fori=1:t-1forj=i+1:td=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);ifd<6%去除距离较近的特征点x(i)=-1;y(i)=-1;x(j)=-1;y(j)=-1

12、;endendendc=0;d=0;fori=1:tif(x(i)>=10&x(i)<165)&(y(i)>=10&y(i)<140)%去除边缘的特征点c=c+1;