指纹算法的研究与实现

论文摘要

指纹是由人手指表面上的脊线和谷线组成的纹路结构,它已经被用于个人的身份认证。前人们在这一领域中研究了指纹固有的细节特征和其总体上的结构特征。然而,需要将一枚采集到的指纹同一个数据库中的指纹进行识别的自动指纹识别系统的研究依然是一个很具挑战的课题。相对于简单的认证系统来说,将指纹识别这种模式直接用在识别系统中的时候,其准确率和速度都有可能出现大幅的下降。为了解决现存的这些问题,本文主要对指纹图像的质量评估,指纹图像的分类,指纹图像的分割,指纹图像的增强这几种算法进行了讨论和研究,研究结果如下：1.根据实际应用情况的不同,分析和研究了两种不同类型的指纹图像质量评估算法：基于方向性和细节点的质量评估算法和基于特征融合的质量评估算法。这两种算法前者依据的是指纹局部的细节特征,后者依据的是指纹的全局特征。2.指纹的分类和分割。研究并测试了一种采用遗传程序设计来提取指纹的分类特征,并采用BP神经网络和支撑向量机相结合来进行分类的模式。但该算法的复杂度较高,运行效率低下。分析和研究了一种基于细胞神经网络和形态学的指纹分割算法。细胞神经网络能够兼顾到邻域中的像素在空间的关联性,这种特性可以应用于指纹图像的分割和提取,而采用形态学算法使得处理后的指纹图像中有效区域的边沿比较光滑,但该算法的准确率和运行效率都不高。3.分析和研究了一种基于第二代Curvelet变换的指纹增强算法。第二代Curvelet变换能够有效地改善采集到的质量较差的指纹图像中的纹理结构,并且对断裂脊线间的缝隙有较强的修复能力。以上算法均在PC机上用MATLAB7.0平台上进行仿真,测试结果发现分类算法难以满足系统实时性的需求,分割算法与现有的算法相比没有优越性,唯有增强算法效果较好,但是把增强部分转化为C代码后在原指纹系统中运行,虽然测试效果略优于原算法但是耗时稍大。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 指纹识别技术的研究背景
• 1.2 指纹识别技术的研究现状
• 1.2.1 指纹图像的获取
• 1.2.2 指纹图像的质量评估
• 1.2.3 指纹图像的分类
• 1.2.4 指纹图像的分割
• 1.2.5 指纹图像的增强
• 1.2.6 指纹图像的二值化和细化
• 1.2.7 指纹图像的特征提取和匹配
• 1.2.8 指纹识别系统的性能评估和总结
• 1.3 本文研究内容和结构安排
• 第二章 指纹图像的质量评估
• 2.1 指纹图像质量评估的背景
• 2.2 基于方向性和细节点的质量评估方法
• 2.2.1 粗评估过程
• 2.2.2 细评估过程
• 2.2.3 测试结果分析
• 2.3 基于特征融合的质量评估方法
• 2.3.1 指纹中心区域黑像素比例
• 2.3.2 指纹的能量谱
• 2.3.3 试验测试和结果分析
• 2.4 本章总结
• 第三章 指纹图像的分类算法研究
• 3.1 指纹图像分类的背景
• 3.2 指纹方向场的计算
• 3.2.1 掩模法
• 3.2.2 结构张量法
• 3.3 遗传程序设计（GP）分类算法
• 3.4 BP神经网络分类器
• 3.5 支撑向量机（SVM）分类器
• 3.6 多分类器使用测试结果分析
• 3.7 本章总结
• 第四章 指纹图像的分割算法研究
• 4.1 基于细胞神经网络和形态学的分割方法
• 4.1.1 数字图像中的细胞神经网络模型
• 4.1.2 基于细胞神经网络的指纹图像分割
• 4.1.3 对细胞神经网络分割结果的形态学分割
• 4.1.3.1 数学形态学
• 4.1.3.2 对分割后的结果进行形态学分割
• 4.2 本章总结
• 第五章 指纹图像的增强算法研究
• 5.1 Gabor小波滤波增强法
• 5.1.1 二维Gabor滤波器
• 5.1.2 基于小波域的Gabor滤波增强
• 5.1.2.1 小波变换
• 5.1.2.2 Gabor小波增强
• 5.2 基于第二代Curvelet变换增强算法
• 5.2.1 Curvelet变换
• 5.2.2 粗尺度滤波器
• 5.2.3 细尺度软阈值去噪
• 5.3 三种不同增强算法的效果比较
• 5.4 本章总结
• 第六章 结束语
• 致谢
• 参考文献
• 硕士研究生期间取得的研究成果