指纹识别系统(文献综述)
指纹识别电子密码锁的设计文献综述
《指纹识别电子密码锁的设计》文献综述王文锐（机电工程学院指导老师李琳）关键词：单片机STC89C52 黑匣子指纹扫描模块矩阵键盘串行通信前言随着信息技术的飞速发展，单片机的应用技术日益渗透到社会生产生活的各个领域。
单片机的全称是单片微型计算机，国际上统称为微控制器。
它采用超大规模集成电路技术把具有数据处理能力（如算术运算、逻辑运算、数据传送、中断处理）的微处理器（CPU），随机存取数据存储器（RAM）、只读程序存储器（ROM）、输入/输出电路（I/O），可能还包括定时/计数器、串口通信口（SCI）、显示驱动电路、脉宽调制电路（PWM）、A/D转换电路等电路集成到一片芯片上，构成就一个最小而完善的计算机系统。
因此，它具有体积小、功能强、价格低等的特点。
其中最大的特点是它可以单独地完成现代工业控制所要求的智能化控制功能。
因此，选用单片机作为控制核心是较为理想的设计理念。
正文在设计系统中主要由单片机系统、矩阵键盘、LED显像管和报警系统组成。
设置开锁密码，利用软件与硬件结合的方法来实现。
系统能完成本机开锁、超时报警、超次锁定、管理员解密、修改用户密码基本的密码锁的功能。
除上述基本的密码锁功能外，依据实际的情况还可以添加调电存储、声光提示、遥控控制等功能。
本系统成本低廉，功能实用。
系统方框图如下：电子防盗锁应用于金融业，其根本的作用是“授权”，即被“授权”的人才可以存取钱、物。
广义上讲，金融业的“授权”主要包括以下三种层次的内容：1、授予保管权，如使用保管箱、保险箱和保险柜；2、授予出入权，如出入金库、运钞车和保管室；3、授予流通权，如自动存取款。
目前，金融行业电子防盗锁的应用主要集中在前两个层面上。
下面将介绍几种在金融行业中使用较多的电子防盗锁以及它们的技术发展方向。
当然，以上所说的授权技术再高超，都必须由精良的“锁具”担当承载结构部件，实现开启、闭锁的功能，而且承担实体防护作用，抵抗住或尽量延迟破坏行为，让电子防盗锁“软、硬不吃”。
基于单片机的指纹识别系统设计-文献综述
开题报告（文献综述）苏州大学应用技术学院 10电子（学号1016405061）陆易庭1. 引言随着时代的发展，社会越来越高效的生活方式，快速、有效的识别方式更受到了关注。
传统的身份证、IC卡、钥匙、口令等识别方式由于其可假冒、可伪造、可盗用、可破译的弱点。
生物识别技术以便捷安全的特点被应用大众生活中。
本设计的目的是设计基于单片机的指纹识别系统硬件电路，达到可以识别用户、添加用户、识别用户等功能。
选用STC89C52单片机，STC89C52是一种低功耗、高性能CMOS8位微控制器，具有8K系统可编程 Flash存储器。
系统主要由MCU （Microcontroller Unit，微程序控制器）、液晶屏、指纹模块组成。
系统的工作过程主要是当检测到有按键按下时先由MCU通过串口通信控制指纹模块对指纹进行采集、录入、存储、比对。
然后，根据所得的数据对其它接口器件，如显示屏、蜂鸣器、指示灯进行响应操作。
1.1 研究的背景及意义我国在广泛应用指纹的历史中，随着对外文化的交流，应用指纹的传统习惯传播到了世界上许多国家。
中国是世界公认的指纹发源地之一。
人们使用指纹进行个人身份鉴定已经有很长的历史.早在公元650年,唐代作家贾公秀在其作品中就着重提到了指纹是确认个人身份的方法[1]。
我国历史中对指纹的主要应用在于民间的契约，缺乏专门的研究，未能将指纹识别提升到一门学科。
现代指纹识别起源于16世纪后期。
苏格兰医生Henry Fauld[2]于1880年10月28日首次在英国《Nature》上发表论文，指出指纹人各不同，恒久不变，并利用现场指纹来鉴定罪犯。
接着，WilliamHerschel[2]也在《Nature》上发表了他本人关于指纹研究20多年来的成果，从此揭开了现代指纹识别的序幕。
1892年，英国Sir Francis Galton[2]对指纹进行了系统地研究，并提出了指纹细节特征分类，将指纹分为斗(whorl)、箕(loop)、弧(arch)三大类，使指纹识别应用进入了一个崭新的时期。
关于指纹识别技巧的参考文献综述[优质文档]
![关于指纹识别技巧的参考文献综述[优质文档]](https://img.taocdn.com/s3/m/97cf911703020740be1e650e52ea551811a6c955.png)
关于指纹识别技术的参考文献综述一引言指纹识别技术不但是一门目前被广泛应用的实用性技术，更是一个不断面临挑战的研究方向，因为在国内它相对于其他学科来说，是相当新的，无论是从理论方面还是在技术方面都有很多值得做大量研究的地方。
近年来，国际模式识别学会组织的FVC，即国际指纹识别算法竞赛，吸引了越来越多的厂商和科研机构对该方面的研究。
这也说明了学术界和产业界对此技术的关注和重视。
从大量的资料中显示，指纹识别技术除了在传统的公安司法等部门得到应用之外，已经越来越多地被应用于银行，社保，门禁，考勤和信息安全等许多行业，正逐渐步入人门的日常生活，因此，指纹识别根据用途的不同，被分为了警用自动指纹识别系统，即警用AFIS，和民用指纹识别系统，即民用AFIS。
二指纹应用历史据介绍，利用指纹进行身份认证已有很长一段历史了。
考古证实，公元前７０００年到公元前６０００年，指纹作为身份鉴别已在古中国和古叙利亚使用。
从那时出土的粘土陶器上留有的陶艺匠人的指纹，纸稿上印有的起草者的大拇指指纹，古城市的房屋留下的砖匠一对大拇指指纹的印记中可以看出，指纹认证已被应用于当时社会的许多领域里。
１９世纪初，科学发现了至今仍被承认的指纹的两个重要特征，即两个不同手指的指纹纹脊的式样不同，和指纹纹脊的式样终生不改变。
这个有关指纹唯一性和终身不变性的研究成果在指纹鉴别犯罪中得到正式应用。
１９世纪末到２０世纪初，阿根廷、苏格兰等国相继将指纹识别技术应用于罪犯鉴别。
最初的指纹识别采用手工方法，即将指纹卡片存放在指纹库中，需要时在指纹库中人工查找由指纹专家比对指纹卡。
２０世纪６０年代后，人们利用计算机代替了效率低、投入高的手工方式来处理指纹，个人电脑和光学扫描仪成为指纹取像工具。
９０年代后期，低价位取像设备的出现，为个人身份识别技术的发展提供了舞台。
三典型产品及国际问题当前市场上已有了相当一部分比较完善的指纹识别产品。
如，在指纹传感器类的AFS 系列电场式指纹传感器；指纹采集类的AST2100型指纹采集仪；指纹采集认证设备类的AST1000型PCI指纹处理卡；嵌入式指纹识别模块中的FP-DSP指纹识别模块；指纹门锁和门禁控制类的ES2000指纹门禁；指纹考勤设备类的BIOCLOCKIII指纹考勤门禁机；指纹算法软件类的BIOKEY指纹识别算法SDK，以及指纹应用软件类的EBIOGUARDPC指纹卫士等，都是同类产品中的具有代表性的典型产品。
指纹识别系统
指纹识别系统概述指纹识别系统是一种生物识别技术，通过分析和比对人体手指上的指纹图像，可以对人体进行识别和认证。
指纹识别系统已经广泛应用于各个领域，如手机解锁、门禁控制、身份认证等。
本文将介绍指纹识别系统的原理、应用场景以及一些最新的技术发展。
原理指纹识别系统的原理是基于每个人手指上的指纹图案是唯一的，没有两个人的指纹图案完全相同。
通过图像采集设备（如指纹传感器）获取手指上的指纹图像，然后对图像进行处理和特征提取，最后将提取到的特征与已存储的指纹特征进行比对，从而实现对人体身份的认证或识别。
指纹图像的采集通常使用光电传感器或压电式传感器，光电传感器使用光学透镜和光电二极管来捕捉指纹图像，而压电式传感器则是通过感应手指压力来获取图像。
采集到的指纹图像一般是二值化的图像，即黑白图像，黑色部分表示指纹线纹，白色部分表示指纹间隙。
图像的处理和特征提取是指纹识别系统的关键步骤。
常见的处理方法包括图像增强、边缘检测、细化等，这些方法可以使得指纹图像更加清晰可见。
特征提取主要是通过对指纹图像进行分析和计算，提取出一些具有唯一性和可区分性的特征，例如指纹纹线的形状、方向、密度等。
指纹特征的比对通常使用模式匹配算法，最常见的是基于特征的匹配算法和基于相似度的匹配算法。
基于特征的匹配算法将指纹特征表示为特征向量，然后计算特征向量之间的相似度或距离，从而进行比对。
基于相似度的匹配算法则是通过计算指纹图像之间的相似度来进行比对，一般使用相关性、欧氏距离等度量指标来衡量相似度。
应用场景指纹识别系统在各个领域有广泛的应用，下面列举几个常见的应用场景：手机解锁手机解锁是最常见的指纹识别应用之一。
通过在手机上搭载指纹传感器，用户可以将自己的指纹注册到手机系统中，并设置指纹解锁功能。
在解锁时，用户只需将手指放在指纹传感器上，系统会自动比对并认证指纹，从而解锁手机。
门禁控制指纹识别系统在门禁控制领域也有广泛的应用。
通过在门禁系统中搭载指纹识别设备，用户可以通过指纹认证来开启门禁。
基于无线网络的指纹识别考勤仪的设计的文献综述
文献综述前言本人毕业设计的论题为《基于无线网络的非接触式考勤仪的设计》。
考勤系统是指一套管理公司的员工的上下班考勤记录等相关情况的管理系统。
是考勤软件与考勤硬件结合的产品，一般为HR部门使用，掌握并管理企业的员工出勤动态。
目前国内应用最广泛的是基于无线射频的IC卡考勤系统，但是该考勤系统却不尽如人意,出现了找人代打卡等弊端,不能很好的满足公平性以及准确性,违背了考勤系统的初衷。
另外如果企业比较庞大的话考勤系统的布线将变的十分繁琐，而且移动性和扩展性较差。
随着科技的发展，指纹识别技术和无线通信技术的日益成熟，我们可以将其运用到考勤系统中来解决上述的缺点，实现对考勤的现场数据的实时录入、多点采集、无线传送。
本文在收集和分析了大量近年来国内外关于指纹识别技术，考勤系统设计，无线网络应用的学术论文、研究报告等，借鉴他们的成功经验，将指纹识别和无线通信运用到考勤系统中。
这些文献给与本文很大的参考价值。
本文主要查阅进2006年之后的相关文献期刊。
现在考勤系统在企业中运用已经十分广泛，这也是企业发展所决定的，考勤系统的运用极大的节省的人力、物力和时间，提高工作效率，降低运营成本。
近几年考勤机的一直处于不断的发展之中，随着科技的进步，考勤系统变的越来越智能越来越成熟稳定。
赵升、谢文彬、高猛（2011）在《基于无线通信的非接触式IC卡读卡器设计》中给出一种用于考勤系统的非接触式IC卡读卡器的设计及实现方法.采用射频识别技术及无线通信技术,以STM8S103F3P单片机为控制核心,设计了MFRC531读卡模块和Si4432无线收发模块,并详细论述了硬件外围电路相关参数的计算方法及软件实现方法.所设计的读卡器具有可移动性强、安装简单和扩展性好等优点。
胡建（2008）在《基于指纹识别的企业员工考勤系统的设计》中提出了一种基于指纹识别的企业员工考勤系统的设计方案。
该系统利用指纹识别技术,能够彻底解决代打卡的问题,保证考勤数据的真实性;另外,该系统所实现的分布式指纹考勤,便于管理者实时监控员工在岗状况和及时获得考勤统计信息。
智能门禁系统【文献综述】
文献综述智能家居门禁系统设计电气信息工程学院电气工程及其自动化专业学生：贺亚帮指导老师：牛莹摘要：智能门禁系统是一种新型现代化安全管理系统，集自动识别技术和现代安全管理措施为一体，涉及电子、机械、计算机技术、通讯技术、生物技术等诸多新技术。
由计算机或管理人员在中心控制室监控，从而实现对出入口的控制。
概述了门禁系统的发展，介绍了几种门禁系统及其各自的特点，从技术应用和生活实际的角度介绍了发展的趋势。
关键词：智能识别;远程控制；联动安防；计算机技术0 引言在日常生活中,人们无处不在的必须使用各种各样的门禁锁具,从门禁锁具的控制方式来说,主要有钥匙、密码、磁卡和IC卡。
随着人们生活水平的提高，门禁锁具这个不可缺少的必需用具也给生活带来了很多烦恼。
每个人都有过丢钥匙或者忘记钥匙的经历,每天都要为提醒自己放好钥匙而用脑，一大串钥匙对想轻便的人来说无疑是一件痛苦的事情。
而从目前已有的门禁锁具的控制方式来看,存在着一定的安全隐患，钥匙、密码和磁卡容易复制、窃取;IC卡的安全性较高，但也容易丢失。
因此,现在人们心目中的门禁锁具必须具有方便、安全、美观等特点。
早期的技术是基于个人密码,而密码被破解或偷窥的概率越来越高.后来出现了智能IC卡,但这种方式同样存在被复制或者偷盗的安全隐患。
生物识别将成为今后几年门禁产业的重要变革。
生物特征是通过计算机利用人体固有的生理特征或行为特征鉴别个人身份。
生物识别技术具有不易遗忘和丢失,不易伪造和被盗，可以“随身携带”，随时随地使用等优点，已经被全世界所关注，并应用于身份、出入口管理，安防监控,电子商务、电子政务等各个领域。
1 几种智能门禁系统1.1 密码识别通过检验输入密码是否正确来识别进出权限. 这类产品又分两类：一类是普通型，一类是乱序键盘型(键盘上的数字不固定，不定期自动变化）。
普通型：优点:操作方便,无须携带卡片；成本低. 缺点：同时只能容纳三组密码,容易泄露，安全性很差;无进出记录；只能单向控制。
指纹识别分析论文(全文)
指纹识别分析论文一、指纹的密钥量十分巨大，具有充分可靠的个人鉴别能力关于指纹的密钥量计算，有不同的计算方法，但密钥量十分巨大是共同的。
1910年，法国巴黎大学教授勃太柴就按照人完整指纹上有平均100个的特征点（实际75个-175个），且每个特征点存在4种特征类型计算，构成的排列总数为4100=1.6069×1060，这显然是一个天文数字，完全可以保证全人类都不可能有相同的指纹。
实际上现代对指纹密钥量的计算还远远高于勃太柴的大致计算，因为勃太柴没有将100个特征出现部位的变化计算进去，如果包含位置的变化，两枚指纹所有特征都相同的概率只有1.684×10-114。
这样高的密钥量是目前其他个人识别特征无法比拟的。
而且，指纹细节特征的特异性并不受遗传基因的制约，即使是孪生关系，也不可能存在相同的指纹。
二、指纹细节特征稳定不变，能够保证经济活动凭证的识别长期有效指纹纹线细节特征取决于真皮乳头的结构，胚胎发育完成以后，人的一生不会发生实质的变化，外界的摩擦损伤只要不伤及真皮层，就不影响外表指纹的细节特征。
如果真皮受到局部损伤，所形成的疤痕组织只限于伤痕的部位，并不会影响指纹其他部位的特征。
在指纹识别中只要避开受伤变化的部分，就能够正确进行指纹的鉴别。
如果指纹数据库得到充分的开发应用，个人完整的指纹信息资料建档以后，指纹识别就可以调用档案中的样本指纹进行比对，指纹受伤变化就完全不会影响个人的识别了。
指纹的这种稳定特性对经济活动凭证识别的长期有效具有重要的作用。
三、指纹反映明显、外在，在经济活动中方便易行指纹特征比较宏观、明显，作为个人识别标记直观清楚。
而且，指纹随时随身“携带”，留痕方法简便，效果容易掌握，不受文化程度的限制，作为最为有效的个人识别手段，非常方便。
现代指纹的留痕和采集主要有油墨捺印和电子扫描，油墨捺印是商业活动中进行留痕的主要方式，油墨捺印的指纹特征清楚，便于观察。
电子扫描是目前收集样本指纹的方法，在商业活动中，需要鉴别某份文件上指纹的时候，可以很方便地进行指纹取样，特征清楚，不会污染手指。
指纹识别技术综述
指纹识别技术综述——生物认证姓名：班级：专业：教师：引言生物认证技术又称为生物识别技术，是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。
而其中的指纹识别技术则是目前人们使用最为普遍的一种生物认证技术简介指纹识别技术是把一个人（待识别者）同他的指纹对应起来，利用特定的识别系统（例如安装了某种指纹识别软件、服务器的计算机）将他的指纹和预先保存的指纹（数据库中保存的正确的指纹数据）进行比较，就可以验证他的真实身份。
这是由于，每个人（包括指纹在内）皮肤纹路在图案、断点和交叉点等生理特征上各不相同，也就是说，是唯一的、可完全区分的，并且终生不变的——正因如此，依靠这种生理上的唯一性和稳定性，我们开发出了指纹识别技术！在这里，指纹识别主要是根据人体指纹的纹路、断点、交叉点等生物特征信息对操作或被操作者进行身份鉴定，而且得益于现代电子集成制造技术和快速而可靠的算法研究，已经开始走入并且普遍流行于我们的日常生活之中，在各种出入认证、机密事务操作等活动中都可以看见它的身影，不仅如此，指纹识别技术成为目前生物检测学中研究最为深入，应用最为广泛，发展最为成熟的技术!每个指纹都有几个独一无二、具有可测量性的特征点，每个特征点都有大约5~7个特征，我们的十个手指可以产生最少4900个独立可测量的特征，这足以说明指纹识别是一个十分可靠的鉴别方式。
个人理解“生物识别技术是把人体本身所具备的生理性状及行为特性当作长在我们身体上的钥匙一样，开启人们身份鉴定的大门。
生理性状包括有指纹、掌纹、脸貌、虹膜等；行为特征包括有语音、步态、签名等。
在生物识别过程中，需通过很多学科的结合来进行识别认证。
”——摘自[1] 陈婧,张苏.自动指纹识别技术综述[J].黑龙江科技信息, 2013(1).【维普】我们知道，生物识别和身份证识别、银行卡识别有很多相似之处，但更多的是不同，很多时候生物识别的可靠性比起那些物理硬件的识别的可靠性更高，具有高强的防伪造、防窃取、防篡改性能，也因此备受人们，尤其是需要从事机密任务的人士（相对于商业）的青睐，研究者们在这方面也是乐此不疲。
- 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)。
指纹识别方法的综述摘要 : 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关键性原理和技术做了详细的说明, 并对在各个过程中用到的方法做了进一步的比较, 讨论了各种方法的优越性。
0引言自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。
近年来, 随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识别技术越来越多地进入到人们的生活和工作中, 自动指纹识别系统的研究和开发正在成为国内外学术界和商业界的热点。
相对于其他生物特征鉴别技术例如语音识别及虹膜识别, 指纹识别具有许多独到的优点 ,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术有着十分广泛的应用前景, 是将来生物特征识别技术的主流。
,1指纹取像图1 是一个自动指纹识别系统 AFIS(Automated Fingerprint Identification System)的简单流程。
指纹取像→图像预处理→ 特征提取→ 指纹识别↓↑数据库管理————将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。
指纹图像的获取主要利用设备取像,方便实用 , 比较适合 AFIS 。
利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。
光学取像设备是根据光的全反射原理来设计的。
晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。
超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。
2图像的预处理与特征提取无论采取哪种方法提取指纹 ,总会给指纹图像带来各种噪声。
预处理的目的就是去除图像中的噪音,把它变成一幅清晰的点线图 ,以便于提取正确的指纹特征。
预处理是指纹自动识别过程的第一步 ,它的好坏直接影响着指纹识别的效果。
常用的预处理与特征提取( Image Preprocessing and Feature Ex2t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。
当然这些步骤可以根据系统和应用的具体情况再进行适当变化。
文献[ 1 ] 提出了基于脊线跟踪的方法能够从灰度指纹图像中直接抽取细节点及其相关信息。
21 1常用的方法21111方向图的计算6543276543217100*01712346723456图2计算灰度和的 9 × 9 模板Fig. 2The 9×9 mask to computethe slit sums预处理常基于方向图[2 ] 。
方向图是利用指纹纹线的方向信息, 把指纹的脊线和谷线分离。
一般采用 9× 9 模板 ,基准点位于模板的中心。
从水平位置开始 , 每隔π P8 确定一个方向 ,分别在每一个方向计算该点的灰度和 S i(slit sums , i = 0 ,1 , ?,7) , I ( i , j ) 代表点 ( i , j ) 的灰度值。
例如计算 S 3的公式如下 :S 3= I ( i - 2 , j - 4) + I ( i - 1 , j - 2) +I ( i + 1 , j+ 2) + I ( i + 2 , j + 4)(1)设S p和S q分别代表8个方向中最小的与最大的灰度和。
该点的方向一般只可能在 p 和q 这两个方向上。
用 C 代表该点的灰度值,那么可通过公式 (2) 得到该点的方向d。
如果该点位于脊沟上 ,那么该点的方向定义为p否则为q。
如此可以得到每一个像素点的方向。
37dp if (4 c s p s q )s i8i 0q 其他（ 2）文献 [3 ] 介绍了另外一种估计方向场的方法。
这种方法也将指纹脊线的走向分为类似图 2 的8个方向。
但在处理上大为不同。
他首先计算8 个方向的灰度平均值G mean[ i ] ( i = 0 ,1 , ?,7) ,然后将这8个平均值按两两垂直的方向分为4 组 (0 和4 、1 和 5 、2 和 6 、3 和 7) ,计算每组中两个平均值的差值 , 取差值的绝对值比较大的两个方向为可能的脊线方向,然后再取这两个方向中灰度平均值与该像素的灰度值比较接近的方向作为该像素处的脊线方向。
由于这些方向图的噪声很大 , 所以还必须进行平滑处理。
为便于进行下一步处理 ,计算各像素点方向角α ( α ? [ 0 ,180 ]) , 并用一个单位矢量υ = [cos2α ,sin2α ] 来表示该点的方向。
对于低质量的图像,不经过一定的图像增强,很难进行后续的处理工作。
指纹增强的目的是对低质量的灰度指纹图进行增强,得到清晰的脊线结构。
一般对灰度图的增强算法都要用到方向场和频率场的计算,如文献 [ 4 ] 提出的基于 Gabor 滤波器的增强算法。
由于增强算法计算量很大 ,通常是整个系统时间性能上的瓶颈.21112图像滤波图像滤波的方法很多,而且应用到指纹识别的很多步骤中。
对于噪声很大的指纹,还要在计算方向图之前对原始图像进行一次滤波,一般采用高斯滤波初步除噪。
在进行后续处理中常用的滤波方法有均值滤波、中值滤波、最小均方差滤波等。
由于高斯函数的傅立叶变换仍是高斯函数,因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。
可以通过在频域做乘积来实现高斯滤波。
均值滤波是对是对信号进行局部平均,以平均值来代表该象素点的灰度值。
矩形滤波器(AveragingBox Filter) [2 ]对这个二维矢量的每一个分量进行独立的平滑处理。
通过计算和转化, 得到一幅单位矢量图。
这个512 ×512 的矢量图被划分成一个8 × 8 的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向,亦即将对该区域内点方向数进行统计, 最多的方向作为区域的主方向。
于是就得到了一个新的64 ×64 的矢量图。
这个新的矢量图还可以采用一个 3 × 3 模板进行进一步的平滑。
中值滤波是常用的非线性滤波方法,也是图像处理技术中最常用的预处理技术。
它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。
加权中值滤波能够改进中值滤波的边缘信号保持效果。
但对方向性很强的指纹图像进行滤波处理时,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。
文献 [5 ] 采用方向加权中值滤波运用指纹方向图和模糊理论的思想来构造滤波模板,不同的前景点方向选择不同权值的模板。
最小均方差滤波器, 亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。
文献[ 6 ] 通过在不同区域内计算该区域的标准差和灰度平均值,取标准差最小区域的灰度平均值作为点( i , j) 的灰度。
21113二值化和细化以上所得的是增强后的256 级灰度图像 ,还需要将其进一步转变为二值图像(前景点取作景点取作 0) , 提取指纹脊线 ,便于后续处理。
指纹纹线的细化从实现上可分为两大类:一类是从外到内逐点剥去二值图像的边界点1 , 背, 如Hildth [7 ]算法 ; 另一类是从内到外 ,找到某一中间点 ,然后按扫描方向寻找其八邻域内也为纹条纹中间象素的点 , 逐次取得细化线。
前种方法中间定位性较好 ,易于实现 ,但往往要经过若干次迭代算法 ,速度较慢。
后种方法能保持较好的连通性,但情况复杂 ,中间定位不准 ,较难实现。
对于细化后的图像 , 经过一定的光滑处理后 ,进一步去噪 (如去处孤立点、毛刺、跨接短桥、小环等 )后 ,就可以初步提取指纹细节点。
21114特征提取在指纹图中出现频度较高的细节特征有8 种 ,即点、纹线端点、分支、眼、枝叉、交叉、小桥和短线 ,其中纹线端点和分支是两种基本的特征 ,而其他的特征可看作由其组合而成。
取纹线端点和分支作为指纹的细节特征。
指纹特征的提取采用链码搜索法对指纹纹线进行搜索, 提取出各种特征及其特征的坐标位置。
最终形成指纹特征文件 ,文件中包含指纹特征点的种类、大小、坐标、方向等有用的识别信息。
在有的系统中 ,还将细节特征与中心之间、或细节特征之间的纹线数提取并记录下来。
扫描完整幅图像后,可得其全部的特征点,这些特征点绝大部分是真实的, 但其中也包括由噪音引入的伪特征点,因此 , 还需进一步根据以下规则去除伪特征点:①纹线断点删除:若具有同一方向的两个端点之间的距离小于某一阀值,则认为是伪特征点。
②毛刺删除 :若连接于分支上的端点且其到分支的距离小于某一阀值,则认为是伪特征点。
③位于前景区域边界的特征点应删除。
经以上步骤的处理,可删除大部分假特征点。
21 2基于脊线跟踪的方法基于脊线跟踪的方法[1 ,8 ] 是直接从灰度及图像获取细节信息的新颖算法, 试验结果表明这种直接从灰度图像提取细节特征的方法比传统的先二值化再细化的方法具有明显的优点。
算法的基本思想是沿纹线方向自适应地追踪指纹脊线, 在追踪过程中 , 局部增强指纹图像, 最后得到一幅细化后的指纹脊线骨架图和附加在其上的细节点信息。
由于该算法只在占全图比例很少的点上估算方向并滤波处理,计算量相对较少,在时间复杂度上具有一定的优势。
3指纹分类,指纹识别常常需要在大规模的数据库上进行计算。
如果没有一种有效的数据库分类机制输入的指纹图像将不得不同数据库中大量的指纹数据逐一进行比对,系统工作将非常繁重。
为了减少时间和计算的复杂度 ,必须对指纹进行分类。
这样查询只需在指纹数据库中的一个相应子集中进行 , 从而节省了运算时间并降低了复杂度。
按照西方学者的惯例,在这篇文章中将指纹分为 5 类 :螺旋型 (Whorl)、右旋型(Right Loop) 、左旋型 (Left Loop)、弓型(Arch)、帐型( Tented Arch)。
指纹分类的实现方法很多,大致上可以分为 4 类:基于神经网络的分类方法、基于奇异点进行分类的方法、语法分析的方法和其他的方法。
3 . 1 基于神经网络的分类方法[9 ,10 ]神经网络的方法一般是基于多层感知器或Kohonen 自组织网络。
由于人工神经网络具有与人脑相似的高度并行性和良好的容错性,特别是以改进型 BP 网络为代表的神经网络具有良好的自学习能力、强大的分类能力和容错能力。
运用 BP 网络进行指纹分类是很可行的,但是在采用 BP 算法训练连接权值时,由于 BP 算法存在易于陷入局部极值的缺点,因而可能使最终的分类结果达不到理想状态。
遗传算法( GA)是一种自适应的启发式全局搜索算法,能从问题的解空间而不是单个解开始进行鲁棒性搜索,可以有效地防止寻优结果收敛于局部最优解。
该算法不依赖于问题模型特性,没有解析寻优算法要求目标函数连续光滑的限制, 具有较好的自适应性。