基于统计方法的指纹识别研究开题
基于指纹的考勤管理系统开发的开题报告
基于指纹的考勤管理系统开发的开题报告一、项目背景随着公司规模的不断扩大，员工的管理变得越来越复杂。
传统的人工考勤方法不仅效率低下，而且存在着很多问题，比如：考勤卡被别人代打、考勤记录容易被修改等等。
因此，基于指纹的考勤管理系统的开发就变得尤为重要。
二、项目内容本项目旨在开发一套基于指纹的考勤管理系统，主要包括以下内容：1. 指纹采集模块：通过考勤机采集员工指纹信息，并保存在数据库中。
2. 考勤记录模块：考勤机在每次员工打卡时采集员工的指纹信息，与数据库中的指纹信息进行匹配，并将考勤记录保存在数据库中。
3. 数据统计模块：系统可以方便地对员工考勤数据进行统计分析，包括迟到、早退、缺勤等情况的统计。
4. 考勤报表模块：系统可以生成各种类型的考勤报表，包括日报表、周报表、月报表等，方便管理人员进行查看和分析。
三、项目目标本项目的主要目标是：开发一套基于指纹的考勤管理系统，实现员工考勤的自动化管理，解决传统考勤方法存在的问题，提高考勤效率和准确性。
四、项目技术本项目采用以下技术：1. 指纹识别技术：通过对员工指纹信息的采集和匹配，实现员工考勤的自动化管理。
2. 数据库技术：使用MySQL数据库存储员工的指纹信息和考勤记录，方便进行统计和分析。
3. Web开发技术：采用PHP语言进行后端开发，使用HTML/CSS/JavaScript等技术进行前端开发。
4. 操作系统：系统将在Linux系统上运行。
五、项目计划本项目的开发周期预计为3个月，计划按以下步骤进行：1. 需求调研：对员工考勤管理需求进行调研和分析，明确需求和功能。
2. 设计数据库：设计MySQL数据库，包括员工信息、指纹信息和考勤记录等。
3. 编写后端代码：使用PHP语言编写后端代码，包括指纹采集、考勤记录和数据统计等功能。
4. 编写前端代码：使用HTML/CSS/JavaScript等技术编写前端代码，包括登录、考勤记录查询和报表生成等功能。
自动指纹识别系统关键技术研究的开题报告
自动指纹识别系统关键技术研究的开题报告一、研究背景和目的随着社会的不断发展，安全问题日益凸显，各种安全技术被广泛应用，其中指纹识别技术因其高效、方便、准确等特点受到了广泛关注。
自动指纹识别系统作为指纹识别技术的重要组成部分，已经成为很多场合的必要设施。
自动指纹识别系统的目的是采集、处理及识别指纹图像，实现指纹的自动识别，其应用范围广泛，涉及银行、保险、医疗、公共安全等多个领域。
由于指纹图像的复杂性，在自动指纹识别系统的研究与开发过程中，需要解决多个技术难点，如图像采集、特征提取、匹配等。
二、研究现状目前，国内外对自动指纹识别系统的研究已经取得了很大的进展，各大高校和研究机构纷纷投入到其研究中。
目前已经开发出了多种成熟的自动指纹识别系统，如国外的AFIS、Fingerprint Identification System 等，国内的指纹比对系统、指纹捺印系统等。
在研究中，涉及到的技术主要包括指纹图像采集、特征提取、特征匹配等。
其中，指纹图像采集技术主要包括硬件器件的优化，如指纹采集器的优化，改善采集环境等；特征提取技术则主要包括特征点提取、图像增强和配准等；特征匹配技术则主要包括局部匹配和全局匹配等。
三、研究内容和方法本次研究旨在针对自动指纹识别系统中特征提取技术的研究，探索提高自动指纹识别系统的准确度和效率的方法。
具体研究内容包括以下几个方面：1.特征提取算法的研究。
针对自动指纹识别系统中的特征提取问题，分析目前主流的特征提取算法，并根据实验结果评估各自的优缺点，在此基础上提出一种针对特定场景优化的自适应特征提取算法。
2.特征匹配算法的研究。
根据自适应特征提取算法的特征点提取结果，采用全局匹配算法进行指纹图像匹配，分析其准确度和效率。
3.实验测试与结果分析。
基于以上两个研究内容进行实验测试，对自主研发的自适应特征提取算法和全局匹配算法进行结果分析，对比主流算法的性能优劣。
四、研究意义本次研究重点探讨特征提取技术，在指纹自动识别系统中具有重要的意义。
基于细节点特征的指纹识别算法研究与改进的开题报告
基于细节点特征的指纹识别算法研究与改进的开题报告摘要：指纹识别是一种广泛应用的生物特征识别技术，基于指纹的细节点特征进行识别已经成为了主流的识别方式。
然而，现有的指纹识别算法仍然存在一些问题，比如识别率不高、鲁棒性差等。
本文将研究和改进基于细节点特征的指纹识别算法，以提高指纹识别的准确度和鲁棒性。
关键词：指纹识别、细节点特征、识别率、鲁棒性一、研究背景及意义目前，指纹识别技术广泛应用于安全领域、金融领域等多个领域。
指纹作为一种生物特征，其具有唯一性、普及性以及难以伪造、不易改变等特点，因此成为了识别技术中的优选方案。
指纹图像中的细节点是指纹的最基本的特征之一，其具有“三不变”特性，即位置不变、形态不变、数量不变，因此在指纹识别的过程中，常常会选取细节点作为识别指标。
然而，随着指纹识别技术的不断发展，识别率和鲁棒性仍然存在一些问题。
一些指纹图像因为受到纹路清晰度、干扰、损坏等因素的影响，使得细节点的提取和匹配变得异常困难。
另外，传统的指纹识别算法在处理大量数据时，也存在着识别速度慢、运算量大等问题，因此需要对指纹识别算法进行优化和改进，使其更加高效和准确。
二、研究内容和方法本文将基于细节点特征对指纹识别算法进行研究和改进，进而提高其准确度和鲁棒性。
具体的，我们的研究工作主要包括以下两个方面：1. 基于深度学习的指纹识别算法。
深度学习算法具有非常强的适应性和优秀的性能，在视觉识别和语音识别等领域都取得了显著的成果。
因此，我们将考虑运用深度学习算法对指纹图像进行处理，使其能够更好的提取细节点特征。
具体的，我们将使用卷积神经网络对指纹图像进行卷积提取特征，从而得到更加准确的细节点数据。
2. 改进指纹图像的预处理算法。
指纹图像预处理对于指纹识别的准确率和效率起着至关重要的作用。
本文拟采用基于小波变换的图像预处理算法，以减少噪声和干扰，提高指纹识别的鲁棒性。
三、预期研究结果和意义研究旨在进一步优化和改进指纹识别算法，以提高其准确度和鲁棒性。
指纹自动识别系统若干关键算法研究的开题报告
指纹自动识别系统若干关键算法研究的开题报告一、研究背景指纹自动识别系统已经广泛应用于身份识别、出入场所管理、金融交易安全等领域，成为现代信息技术领域中不可或缺的技术手段。
指纹作为人类身份的标识特征，其独特性、稳定性和便捷性在现实应用中表现得十分突出。
然而，针对指纹自动识别系统的攻击也逐渐增多，如假指纹攻击、剪切指纹攻击、恶意软件攻击等，这些攻击都需要一个高效、准确、安全的指纹识别算法来进行防御，因此指纹自动识别算法的研究显得尤为重要。
二、研究目的本文旨在研究指纹自动识别系统中的若干关键算法，包括指纹图像采集、指纹图像预处理、指纹特征提取和指纹匹配等。
通过对指纹自动识别算法的深入研究和实验验证，提高指纹自动识别系统的识别准确率和安全性，为指纹自动识别系统的实际应用提供技术支持。
三、研究内容（一）指纹图像采集在指纹自动识别系统中，指纹图像采集是识别准确率的关键之一。
我们将研究如何获取高质量的指纹图像，提高指纹识别的效率和准确率。
其中包括指纹图像采集设备的选型、指纹采集角度的选择、采集环境的优化等。
（二）指纹图像预处理为了保证指纹自动识别系统的准确性和鲁棒性，需要对采集到的指纹图像进行预处理。
主要包括灰度调整、滤波、细化、分割等预处理技术。
通过对指纹图像进行预处理，去除图像噪声，保留指纹特征，提高指纹自动识别系统的准确性和可靠性。
（三）指纹特征提取指纹自动识别系统的核心是指纹特征提取，通过将指纹图像的特征提取出来，以便于后续的处理和匹配。
我们将研究传统的指纹特征提取算法，如Minutiae和SIFT等算法，并结合深度学习技术进行指纹特征提取，以提高指纹识别准确率和鲁棒性。
（四）指纹匹配指纹自动识别系统的最后一步是指纹匹配，将采集到的指纹特征与数据库中已有的指纹特征进行比对。
我们将研究基于Minutiae和SIFT等特征的指纹匹配算法，并对深度学习算法在指纹匹配中的应用进行深入研究。
四、研究方法本文主要采用实验研究的方法进行研究。
指纹识别相关算法研究的开题报告
指纹识别相关算法研究的开题报告一、题目：指纹识别相关算法研究二、研究背景随着计算机应用的不断扩大，安全问题也越来越重要。
而指纹识别技术是一种非常安全、可靠、方便的身份验证方式。
因为每个人的指纹都是唯一的，基于指纹识别的身份验证不仅可以避免与他人混淆的可能性，还可以提高验证的成功率。
目前，指纹识别技术被广泛应用于各个领域，如门禁系统、金融支付、边境管理等。
但是，由于指纹图像受到环境光线、污染和损坏等因素的影响，传统的指纹识别算法存在一些问题，如误识别率高和复杂度大等。
因此，需要对指纹识别相关算法进行深入研究，提高指纹识别的准确性和稳定性，为实际应用提供更好的服务。
三、研究内容本课题将从以下几个方面展开研究：1. 指纹图像采集：采集高质量的指纹图像是指纹识别系统的基础。
因此，本课题将对指纹图像采集设备和方法进行研究。
2. 特征提取：指纹图像中包含大量的信息，如纹路、汗孔和切口等。
为了提高指纹识别的准确性和效率，本课题将研究基于滤波、方向场和纹线跟踪等算法的特征提取技术。
3. 模式匹配：特征提取后，将使用模式匹配算法对识别指纹进行分类和匹配。
本课题将研究基于支持向量机、人工神经网络等算法的模式匹配技术。
4. 指纹数据库管理：指纹识别系统需要一个稳定、可靠的指纹数据库，以便进行指纹验证和识别。
本课题将研究指纹数据库的设计和管理方法。
四、研究目标本课题旨在研究指纹识别相关算法，提高指纹识别技术在实际应用中的准确性和稳定性，推动指纹识别技术的进一步发展。
具体目标如下：1. 设计并实现一套完整的指纹识别系统，包括指纹图像采集、特征提取、模式匹配和指纹数据库管理等模块。
2. 提出一种有效的指纹图像增强方法，提高指纹图像的质量和可用性。
3. 研究并优化指纹特征提取算法，提高指纹识别的准确性和性能。
4. 研究并优化指纹模式匹配算法，提高指纹识别的准确性和效率。
五、研究方法本课题将采用以下研究方法：1. 文献综述法：对指纹识别技术的相关文献进行梳理和综述，了解国内外指纹识别技术的发展和研究现状。
指纹识别毕业设计开题报告
本科生开题报告题目：基于机器视觉的模式识别研究学号：*************名：**专业：机械设计制造及其自动化指导老师：肖鹏院（系）：机械科学与工程学院一、选题背景与论文综述1、课题来源本课题来源于企业横向课题。
2、课题目的基于机器视觉技术的印刷品质量检测系统，在印刷行业有着广阔的市场前景。
尤其是以单张成品为对象的图像检测系统，相对于在线式检测系统，有着对所有工序进行把关，对多种产品均可检测的优势。
在整个检测过程中，往往都要用到模式识别技术。
不论是图像配准阶段的配准特征判断，还是检测后期对缺陷的识别与分类，都要求系统有着稳定和高效的图像模式识别算法。
本课题将针对这一技术进行研究。
本课题以指纹识别问题为对象，研究基于机器视觉的图像模式识别算法。
通过算法实现指纹识别过程中涉及的若干图像处理过程，比如图像的预处理，特征点的识别和选取，以及特征点比较和判断。
通过积累和分析实验数据，改进算法，以提高算法的识别成功率。
3、课题背景与意义3.1指纹识别技术的背景我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。
这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。
人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。
依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。
这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。
目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。
这是因为指纹各不相同、终生基本不变的特点已经得到公认。
最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。
特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正逐步应用于民用市场。
自动指纹识别算法研究与系统设计的开题报告
自动指纹识别算法研究与系统设计的开题报告一、选题背景及研究意义：在当今社会，人们对生命和财产安全的需求日益增长。
身份识别和控制的需求也由此而生。
指纹识别技术由于其高精度、高可靠性和易用性而得到广泛应用。
指纹识别系统可以应用于各种安全领域，如银行、机场安全、进出口管理等。
指纹识别技术的核心是指纹图像的处理和特征提取。
自动指纹识别算法在指纹图像的处理和特征提取方面有很大的发展空间。
在未来的指纹识别系统中，自动指纹识别算法将扮演更加重要的角色。
本研究的目标是探讨自动指纹识别算法的特征提取和识别技术，并设计一个完整的指纹识别系统。
这将有助于提高指纹识别系统的精度和可靠性，为社会和个人的安全提供更好的保障。
二、研究内容与方法：1、自动指纹识别算法的研究：探讨指纹图像的特征提取方法，包括基于局部特征和全局特征的相应算法。
比较各种算法的性能和适用范围，为指纹识别系统的设计提供理论支持。
2、指纹识别系统的设计：建立一个包含预处理、特征提取和识别三个模块的指纹识别系统。
在预处理模块中，对输入的指纹图像进行去噪、增强、定位和分割等处理，使其适合后续处理。
在特征提取模块中，对预处理后的图像提取特征，并对其进行编码。
在识别模块中，将编码后的特征与数据库中存储的样本比对，并根据相似度评分进行识别。
3、实验分析：评估所提出的自动指纹识别算法及设计的指纹识别系统的性能和精度，并与其他已有的指纹识别系统进行比较分析。
确定其适应的场景和局限性。
三、预期研究成果：本研究预期完成如下的研究成果：1、自动指纹识别算法的探讨：比较各种特征提取方法的性能，探讨利用深度学习方法进行特征提取的可行性。
2、指纹识别系统的设计：设计一个包含三个模块的指纹识别系统，其中预处理模块、特征提取模块和识别模块的性能都经过了严格的实验验证。
3、实验分析：对自动指纹识别算法和设计的指纹识别系统的性能和精度进行实验分析，同时比较和分析已有的指纹识别系统，确定其适应的场景和局限性。
指纹识别算法研究的开题报告
指纹识别算法研究的开题报告题目：指纹识别算法研究一、选题背景随着生物识别技术的不断发展，指纹识别技术已成为应用最广泛的一种。
指纹识别技术以其高效、准确、便捷的特点，在安全、金融、人员管理等领域得到广泛的应用。
然而，目前的指纹识别技术也存在一些问题，如指纹图像质量问题、橙皮效应、容易受到猜测攻击等问题。
因此，研究指纹识别算法，提高指纹识别的准确性和安全性，具有重要的理论和应用价值。
二、研究目的和内容目的：本研究旨在深入探讨指纹识别算法的原理、发展历程和应用领域，研究指纹图像预处理、特征提取、匹配算法等关键技术，提出一种高效、准确的指纹识别算法，以实现更加精确和安全的指纹识别应用。
内容：1. 指纹识别技术的背景和概述2. 指纹图像预处理技术研究3. 指纹特征提取算法研究4. 指纹匹配算法研究5. 算法设计和实现6. 实验和结果分析三、研究方法1.收集和分析文献，系统研究指纹识别技术的发展和现状；2.对指纹图像进行预处理和特征提取，并进行特征选择和降维；3.比较和分析不同的匹配算法，提出一种新的高效、准确的匹配算法；4.设计和实现指纹识别系统，进行实验测试。
四、预期结果本研究预期结果是提出一种高效、准确的指纹识别算法，能够有效解决现有识别技术存在的问题，使指纹识别更加精确和安全。
五、研究意义本研究对指纹识别技术的发展和应用具有重要的理论和实践意义，为指纹识别技术的进一步发展提供重要的指导和支持。
同时，此研究也对提高安全保障、优化社会资源的利用和实现智慧城市的建设等方面具有实际和深远的经济、社会和科技价值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一般能找到13个相同的特征就可以认为这两个指纹出自同一个手指，但从匹配来看，平均50个特征匹配点会有3～4个误配，于是将成功匹配点设置为>30个，认为是出自同一个手指。
匹配成功的特征点：端点用红色‘o’标注，分叉点用绿色标注‘o’。
4．本课题主要参考文献
[1]高婧婧．指纹识别预处理算法研究[D]．北京:电子科技大学,2007.
a.将指纹图像划分为不重叠的大小为 的块，求取该区域内所有像素的灰度平均值。在综合考虑算法速度和处理效果两方面的条件下，本文分块尺寸为8×8； 为块的灰度平均值．见式(2）：
（2）
b.计算区域内的 和 的值， =灰度值大于等于 的像素点的个数。 =灰度值小于 的像素点的个数；
c.如果 ，则 为阈值；
[11]RAVI．J，K．B．RAJA，VENUGOPAL．K．R．Fingerprint Recognition Using Minutia Score Matching，2009，1（2）：35～42.
(1)基于灰度方差法进行分割运算对指纹图像进行分割。
a．先对初步处理后的指纹图像进行归一化处理[11]，在此利用公式如下：
（1）
如果 ，则把灰度值 归一
化为255背景处理，其中 和 为期望的均值和方差，根据实际情况而定， 和 为指纹图像的均值和方差。
b．对指纹图像进行分块，将其分为 的小块，如果是背景区域，其灰度的方差较小，而前景区的指纹图像的方差较大，所以对每个小块求其方差，再设定一个阈值，小于阈值的方块区域设置为背景区域，将其灰度值设定为255，而大于阈值的区域的灰度值保持不变，从而可以将指纹图像从背景区域很好的分离。
3．本课题拟采用的研究方法、步骤
本课题主要研究基于统计方法的指纹识别研究，通过识别软件提取出指纹图像中的特征数据，然后根据匹配算法得到的结果鉴别指纹所有人身份的生物特征识别技术。系统流程框图如图1所示.
图1指纹识别系统流程图
一、图像的预处理大致可以划分为以下几步：分割、平滑滤波[9]、二值化和细化[10]。
(4)建立特征模板。
特征端点分类为1，特征分叉点分类为2；建立特征端点相对中心点的距离向量，和特征分叉点相对中心点的距离向量；建立特征端点相对中心点的方向向量，和特征分叉点相对中心点的方向向量。
定义匹配点PointOfModel（点集合 中的特征点）是从输入的指纹图像中提取出来的，另外一个匹配点PointOfMatch（点集合Q中的特征点）则是从指纹图像库中提取出来储存在模板库中的。将两组点集合进行比对。
目前自动指纹识别技术基于细节特征的最多，一般步骤为:指纹信息预处理、特征提取和匹配等。
(1)指纹图像预处理:通常按处理目的把预处理过程分为平滑、增强、二值化等步骤。
每一步骤都有一些常用算法，如用于平滑的均值滤波法、中值滤波法、迭代加权法[3]等，用于增强的规格化法、自适应算法、拉普拉斯法、Wdlis滤波、Lee滤波等。本文采用灰度分割法对质问图像进行分割,然后利用中值滤波进行去噪;通过自适应二值化的方法处理指纹图像，最后再对图像进行细化以及去除毛刺，断裂等干扰[4]。
d.若 ，则 ，否则 ，返回第b步。
(3)利用查表的方法对指纹图像进行细化处理。
为了避免它是有条件的，也就是说那些被标记的可除去的像素点并不立即消去；在第二步中，只将那些消除后并不破坏连通性的点消除，否则的话保留这些边界点。以上的步骤是在一个3×3邻域内运算，可以通过查表实现细化的操作。算法的实现步骤如下：
a.定义一个3×3模板和一个查找表；
b.对二值图像从上到下、从左到右进行扫描；该过程结束后再对图像进行从左到右，从上到下的扫描；如果图像中当前像素点的灰度值为“0”，且其左右（第一次扫描过程考虑左右像素点）或上下（第二次扫描过程考虑上下两个像素点）两个像素点中有任意一个为“255”则转至步骤c，否则回转到步骤b；
[6]杨庆生.自动指纹图像分类与匹配方法的研究[D] .大连:大连理工大学, 2005.
[7] 黄轩宇.统计指纹识别系统的研究[D].南京:东南大学，2008.
[8]魏冬冬.指纹特征提取与识别关键技术研究[D].北京:.国防科学技术大学，2006.
[9]Eun-Kyung Yun，Sung-Bae Cho．Adaptive fingerprint image enhancement with fingerprint image quality analysis．Image and Vision Computing，2006：101～110.
(2)指纹图像特征提取:针对提取出指纹细节特征点含有大量的伪特征[5]这一问题,本文采用了一种边缘信息判别法[6]，有效地去除了边界伪特征点[7]，再根据脊线结构特性去除其毛刺和短脊等伪特征点,减少伪特征点。
(3)指纹匹配：指纹的匹配是指将两个指纹的信息，用两个指纹模板进行适当的计算,由最后的计算结果判断匹配是否成功的过程。本文采用基于结构特征的点匹配算法，对校准后的点集进行匹配，匹配的特征点个数在两个点集中所占比例大约百分之六十五的范围[8]内就可判为匹配成功。
c.该像素点为中心的3×3区域内的各个像素值和定义的模板中的权值进行卷积求和，得到查找索引值k；
d.根据这个索引值k得到表里相应的数据，如果为“1”，那么该像素点的灰度值设为“255”，如果为“0”，则该像素点的灰度值为“0”。
e.图像从头至尾扫描二遍后，如果该次扫描修改了图像中的点，则跳转至步骤b，开始新的一轮扫描。否则图像细化结束。
[10]Yi Wang，Jiankun Hu．A Fingerprint Orientation Model Based on2D Fourier Expansion (FOMFE) and Its Application to Singular-Point Detection and Fingerprint Indexing．Ieee transactions on pattern analysis and machine intelligence，2007，29（4）：573～585.
（3）
（4）
（5）
求出特征点后，再根据平均纹线距离等信息对所得特征点进行有效性检验，去除伪特征点，保留真特征点。然后以特征点的坐标 ，及特征点的方向d，结合其邻域情况(邻域内的特征点数、相对位置、脊线上特征点所处位置的纹曲率、特征点邻域内的脊线纹密度等等)，可以构成该指纹细节特征点的特征向量。将所有的特征向量进行筛选后留下50到80个特征向量，构成指纹特征模板。
(2)伪特征点滤除。
a．若在半径 内有 个相邻特征点，如果 个特征点与中心特征点的结构关系符合上面所述的准则，则是真特征点，保存。如果不符合，需进一步分析，对端点和分叉点分别讨论。
b．对于端点，判断个相邻特征点种有无短枝、纹线间断伪特征结构，如没有是真特征点。如果有一个或两个，则是伪特征，按照先短枝后纹线间断的顺序进行删除。对于分叉点，判断个相邻结构中，有无毛刺、孔洞、叉连伪特征结构，如没有，则是真特征点。如有一个或多个，是伪特征结构，按照毛刺、孔洞、叉连的顺序进行删除。
基于以上概述,本文对指纹图像预处理主要运用灰度分割法、中值滤波和二值化的方法处理指纹图像;再通过边缘信息判别法对指纹图像特征进行提取;然后采用基于结构特征的点匹配算法完成指纹匹配。
2．本课题主要研究内容和预期目标
一.研究内容
本课题是基于统计方法的指纹识别研究。主要分为以下三个部分:
1.研究指纹图像的预处理:指纹灰度分割法、中值滤波、二值化和细化等。
[2]陈倩．基于细节特征的指纹识别算法研究[D]．武汉:武汉理工大学，2008.
[3]田纪亚．基于Matlab在指纹识别系统中的应用研究[D]．吉林:吉林大学，2008.
[4]黄韧.实用指纹识别系统中若干算法的研究及实现[D] .上海:上海大学, 2002.
[5]罗剑.指纹图像特征点提取和匹配算法的研究[D] .上海:上海大学, 2002.
苏州科技学院
毕业论文开题报告
论文题目基于统计方法的指纹识别研究
院系
专 业
学生姓名学 号
指导教师
2014年2月31日
1．本课题研究的背景、目的及意义
生物识别技术是依靠人体的身体特征来进行身份验证的一种解决方案。人体的生物特征包括指纹、声音、脸孔、视网膜、掌纹、骨架等等。生物识别的核心技术是如何获取这些生物特征,并将之转换为数字信息,存储于计算机中,利用可靠的匹配算法来完成验证与识别个人身份的过程。相对于其它生物特征鉴定技术例如语音识别及视网膜识别等,指纹识别是一种更为理想的身份确认技术。每个人的指纹是独一无二,两人之间不存在着相同的指纹，每个人的指纹是相当固定的,很难发生变，易于获取指纹样本,易于开发识别系统,实用性强[1]。目前已有标准的指纹样本库,方便了识别系统的软件开发;另外,识别系统中完成指纹采样功能的硬件部分(即指纹采集仪)也较易实现。但是指纹其实是比较复杂的。与人工处理不同,许多生物识别技术公司并不直接存储指纹的图像。多年来在各个公司及其研究机构产生了许多数字化的算法(美国有关法律认为,指纹图像属于个人隐私,因此不能直接存储指纹图像)但指纹识别算法最终都归结为在指纹图像上找指纹特征到并对指纹特征进行对比[2]。
二、指纹的特征提取。
(1)基于模板匹配法对特征点提取。
a.从端点出发，端点的八邻域只有一个黑点,该点就是脊线跟踪的下一点；
b.对脊线中间连续点，因为八邻域只有两个黑点,除去上一个被跟踪的点，下的一点即为下一个待跟踪点；
c.设集合 ，记录下端点或分叉点的横坐标 ，纵坐标 ，及特征点的类型 是特征点的角度跟踪结束条件。若被跟踪点的八邻域黑点数等于1且交叉数等于2时如下式(3)，则认为是端点；若被跟踪点的八邻域黑点数等于3且交叉数等于6时如下式(4)，则认为是分叉点；端点的角度取从端点为起点的端线的角度，分叉点的角度取相对最小分支的角度。端线及分支线的角度求法为：即从一个特征的位置出发坐标为 搜索到步长为7是最后一点坐标为 。见式(5)：