指纹识别算法的matlab实现毕业设计
指纹图像预处理和特征提取算法的Matlab实现
ａｌｇｏｒｉｔｈｍ ｆｏｒ ｆｉｎｇｅｒｐｒｉｎｔ ｒｅｃｏｇｎｉｔｉｏｎ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｓｅｔ ｏｆ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｍｉｎｕｔｉａｅ ｅｘｔｒａｃｔｉｏｎ ｉｓ ｄｅｓｉｇｎｅｄ
∥ ／燃
ａ末梢点 图１末梢点和分叉点
图２自动指纹识别系统流程图
３指纹图像的预处理
本文采用的图像预处理算法流程如图３所示。
方向滤波 图３指纹图像预处理算法流程图 各步骤得到的图像如图４所示。
－原始指纹图像 ｂ规格化后的图像 ｛ ｃ方向滤波后的图像
ｄ＝值化丘的盥像
ｅ细化后的图像
３．１规格化
图４预处理实验效果图
３．４细化
细化处理（Ｔｈｉｎｎｉｎｇ）是指在二值化的指纹图像上，在
不影响纹线连通性的基础上删除纹线的边缘像素，直到纹 线为单像素宽为止。细化后理想的结果是纹线骨架应该为 原始纹线的骨架中心，并保持纹线细节特征以及纹线的收 敛性、拓扑性、细化性和快速性。细化图像是基于点模式细 节特征点提取的前提，如果无法得到较好的细化图像，后续
不高。本文采用ＬｉｎＨｏｎｇ等人开发的基于最小均方估计
算法，即公式法。公式见式（３）、式（４）：
＝Ｇ（ｉ一１，歹一１）＋２Ｇ（ｉ，歹一１）＋
｛二
Ｇ（ｉ＋１，ｉ—１）一Ｇ（ｉ一１．ｉ＋１） ２Ｇ（ｉ，Ｊ＋１）一Ｇ（ｉ＋１，ｊ＋１） ＝Ｇ（ｉ一１，ｊ一１）＋２Ｇ（ｉ，Ｊ＋１）＋ Ｇ（ｉ一１，Ｊ＋１）一Ｇ（ｉ＋１，Ｊ一１）
毕业论文-基于Matlab的指纹识别
毕业论文基于Matlab的指纹识别姓名院（系）专业班级学号指导教师职称论文答辩日期学生承诺书本人郑重声明：所提交的学位论文，全部是本人在指导教师的指导下，和同学们的协助下独立完成的工作研究成果。
文中除了特别标注和致谢的地方外，学位论文中不包含其他人或集体已经发表或撰写过的研究成果。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律结果由本人承担。
签名：_____________日期：_______________摘要随着科学技术的不断发展，自动化的指纹识别技术如今已经被人们广泛地应用在银行、商业交易、公安部门、海关部门等需要对人的身份进识别的领域，而本文所描述的是对自动化指纹识别系统的研究现状以及自动化指纹识别系统的基本算法和流程，本实验是利用MATLAB2012来进行了指纹识别系统的仿真和实验的。
然而在生物识别技术的快速发展的今天，人们通过研究发现了每一个人的指纹都具有唯一性和不变性。
也正因为这样，指纹识别技术正在逐步的发展成为一种新的身份识别技术，并且凭借它良好的安全性以及可靠性，逐步有取代传统身份认证的方式趋势。
本文简单的介绍了指纹识别图像的预处理的方法和步骤。
指纹图像预处理之后将会得到一个宽度为统一像素的细化后的二值化图像，最后再根据特定的指纹图像的端点以及交叉点的特征进行对指纹自动匹配。
本论文中采用MATLAB2012编程实现所有算法。
关键词：指纹识别技术指纹图像预处理指纹识别 MATLAB2012目录1 绪论 (1)1.1 生物特征识别的意义 (1)1.2 生物特征识别分类 (2)2 指纹识别的原理和方法 (5)指纹识别的基本原理 (5)指纹识别系统工作流程 (5)指纹识别技术的方法 (7)神经网络指纹识别算法 (7)2.3.2 滤波特征和不变矩指纹识别算法 (7)指纹匹配算法 (9)3 指纹识别算法的实现 (10)3.1 指纹图像的预处理 (10)图像的平滑 (10)图像的归一化 (12)图像的纹理方向 (13)图像的二值化 (15)纹线细化 (16)3.2 指纹图像的特征提取和特征匹配 (19)3.2.1 特征提取 (19)3.2.2 特征点匹配 (20)4 系统实现 (22)仿真实验前期准备 (22)4.1.1 仿真实验的实验软件 (22)4.1.2 仿真实验数据的选取 (22)4.1.3 仿真实验界面的设计 (23)仿真实验算法 (24)4.2 指纹图像的预处理 (25)4.3 实验结果与分析 (31)4.4 实验结果分析与总结 (40)5 小结 (41)参考文献Abstract致谢仲恺农业工程学院毕业论文(设计)成绩评定表1 绪论如今，生物特征识别领域中的最为成熟的应用技术之一--指纹识别技术。
基于MATLAB软件的指纹识别研究
基于MATLAB软件的指纹识别研究作者：陈秉权来源：《东方教育》2017年第12期人的指纹各不相同，里面藏着很多秘密。
指纹可以用来确定人的身份，广泛用于刑侦、加密、考勤等领域，最近还出现了用指纹进行手机解锁等应用。
还有一些人声称指纹与人的健康、性格、命运等都有一定的联系。
指纹传统上以图像格式存储，一般占用较多的空间，且图像里面的像素信息并不易用来进行分析或比对。
为发现指纹中隐藏的秘密，我们需要有一种方法来描述指纹的内在结构、具体形态和其它特征并將其用最少的字节数来存储于计算机中。
指纹具有普遍性、唯一性和不变性的特点，使得指纹识别技术成为目前世界公认的最可靠的个人身份认证技术之一，本文主要对指纹特征进行了研究，最终得出指纹所唯一确定的指纹密码的数学表示以及指纹分类的方法。
在合理的假设下，首先利用软件对指纹原图像进行预处理，包括指纹分割、二值化、去毛刺和空洞以及细化四个步骤，得到细化后的指纹图像。
基于细化后的图像提取出指纹特征点，给出合理的指纹密码。
然后根据指纹的总体特点，利用基于奇异点的指纹分类方法，对指纹进行了分类。
一、指纹图像的预处理在指纹采集过程中由于手指本身的因素和采集条件等各种原因的影响，从指纹传感器上采集到的原始图像会不同程度地受到各种因素的干扰，图像中往往包含有很多噪声，造成指纹图像质量严重下降。
为了改善图像、去除噪声干扰、有效的提取指纹特征，必须进行图像预处理。
二、图像分割图像分割的目的是为了将指纹前景区域和背景区域分离开，避免在噪声和背景区域中提取特征，提高特征的准确性。
根据前景图像中指纹脊和谷的灰度差比较大，局部灰度方差也很大，而背景区域的值很小这一特性，本文采用方差法对图像进行分割。
具体算法如下：将输入的指纹图像划分为互不重叠的子块，对每一分块进行处理。
1.计算每一子块图像的平均灰度值2.计算每一图像子块的方差3.对于每一图像子块，当大于所有子块的平均方差时，将其设定为背景区域；否则，作为前景保留其灰度值。
基于MATLAB的指纹识别系统(开题报告)
重庆工商大学
毕业论文(设计)开题报告计算机科学与信息工程学院 (系)测控技术与仪器专业(本科) 2006级1班课题名称：基于MATLAB的指纹图像预处理系统设计
毕业论文(设计)起止时间：
XX年XX 月XX 日～ XX 月XX日(共XX周)
学生姓名：XX 学号：XX
指导教师： XX
报告日期：
XX学毕业论文(设计)开题报告3－1
说明：
1.本报告必须由承担毕业论文(设计)课题任务的学生在接到“毕业论文(设计)任务书”、正式开始做毕
业论文(设计)的第2周或第3周末之前独立撰写完成，并交指导教师审阅。
每个毕业论文(设计)课题撰写本报告一份，作为指导教师、毕业论文(设计)指导小组审查学生能否承担该毕业设计(论文)课题任务的依据，并接受学校的抽查。
数字图像处理在指纹识别中的应用本科毕业设计
数字图像处理在指纹识别中的应用摘要指纹具有唯一性和稳定性，因此被人们用来当作鉴别个人身份的主要依据。
随着光学技术、化工技术、纳米技术等多种学科的快速发展．指纹显现和提取技术取得了较快的控展。
但有不少显现或提取得到的指纹效果较差，不易分辨指纹纹线与客体背景主间的差异或指纹纹线成像模糊等，主要表现为指纹纹统与客体背景的反差较弱。
指纹纹线受客体背景的干扰、两枚或多枚指纹相互重叠干扰、弯曲表面客体上的指数威像问题等。
但由于存在指纹图像的噪声和皮肤弹性等因素影响，指纹识别一直存在识别率不高、运算速度较慢的问题。
这时可利用数字图像处理技术对不易辨识的指纹进行增强处理．便于后续的指纹识别鉴定。
本文总结了基于小波变换的数字图像处理在指纹图像增强、指纹图像二值化、指纹图像压缩编码、指纹图像细化、指纹图像特征提取等方向的各种算法及技术。
另外本文还给出了基于matlab软件的指纹自动识别系统实现。
在指纹图像的预处理中，首先进行分块归一化，为后续处理提供统一的规格图像；在求方向图中，用沿着某个方向的灰度方差代替Metre方法中的灰度变化，相当于在求点方向图之前先进行了一次均滤波操作，这样得到的方向图更有鲁棒性；在二值化中，阀值的选取引入最大熵的概念，使图像具有抗噪性。
但对于部分噪声严重的指纹图像仍然无法识别，另外，算法的运行效率还有待提高。
在指纹图像的降噪中：应用中值滤波与小波包变换相结合去除图像随机噪。
关键词：数字图像，指纹处理，小波变换，matlab，指纹识别系统研究注：本设计（论文）题目来源于教师的国家级（或部级、省级、厅级、市级、校级、企业）科研项目，项目编号为：。
AbstractFingerprint is unique and stability, and therefore are used as main basis of personal identity. With the rapid development of optical technology, chemical technology, nanotechnology and other disciplines. Fingerprint and extraction technology has made rapid development. But many poor fingerprint effect appeared or extract, is not easy to distinguish the difference between background and object of the main ridge or fingerprint image blur, mainly for the contrast fingerprint system and object background of the weak. Interference, fingerprint by object background two or more fingerprints overlap interference, index Wei curved surface objects like problem etc.. But because of the existence of the fingerprint image noise and the elasticity of the skin and other factors, the fingerprint recognition has been the recognition rate is not high, the low speed problem. Then the difficult identification of fingerprint enhancement processing by using digital image processing technique for fingerprint identification later. This paper summarizes the wavelet transform of digital image processing in the fingerprint images enhancement, two values, fingerprint image compression coding, the fingerprint image thinning, fingerprint image feature extraction algorithm based on direction and technology. In addition the system of automatic fingerprint identification system based on MATLAB software. In the fingerprint image preprocessing, the first block normalization, image unified specifications for the subsequent processing; in the pattern of change, gray gray variance in one direction instead of the Metre method, the equivalent of before asking the direction of point to a mean filtering operation, robustness pattern more so obtained; in the two value, threshold selection by introducing the concept of maximum entropy, the image with noise immunity. But for the fingerprint image noise serious still not recognized, in addition, the efficiency of the algorithm is yet to be improved. In the noise of fingerprint image: application of median filtering and wavelet packet transform combined with random noise removal of images.KEY WORDS:digital image, fingerprint processing, wavelet transform, MATLAB, fingerprint recognition system目录本科毕业设计（论文） ......................................................................... 错误！未定义书签。
基于matlab指纹识别论文(DOC)
《MATLAB语言》课程论文Matlab指纹识别系统姓名：***学号：***********专业：通信工程班级：通信2班指导老师：***学院：物理电气信息学院完成日期：2014.11.11Matlab指纹识别系统（姓名江帅璋2013级2班）摘要本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。
以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。
关键字：指纹识别；算法；matlab仿真目录第一章绪论 (4)1.1 引言 (4)1.2指纹识别技术的发展和研究现状 (5)1.3 指纹识别研究的目的和意义 (7)1.4 本论文结构 (8)第二章指纹识别的理论和方法 (9)2.1指纹识别的基本原理 (9)2.2指纹识别系统工作流程 (9)2.3指纹识别技术的方法 (10)2.3.1神经网络指纹识别算法 (10)2.3.2 滤波特征和不变矩指纹识别算法 (11)2.3.3指纹匹配算法 (13)第三章matlab仿真实验结果与分析 (16)3.1 算法matlab仿真结果 (16)3.2 结果分析 (17)第四章总结与展望 (18)参考文献 (19)附录 (20)致谢.............................................................................................. 错误!未定义书签。
第一章绪论1.1 引言随着网络信息化时代的快速发展，个人身份的数字化和隐性化水平也得到了提高。
如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决的一个关键性社会问题。
目前，我国的各种管理大部分使用证件、磁卡、IC卡和密码，这些手段无法避免伪造或遗失，密码也很容易被窃取或遗忘。
开题报告-基于Matlab的指纹识别
毕业设计选题：基于matlab的指纹识别随着科学技术的不断发展，自动化的指纹识别技术如今已经被人们广泛地应用在银行、商业交易、公安部门、海关部门等需要对人的身份进识别的领域，而本文所描述的是对自动化指纹识别系统的研究现状以及自动化指纹识别系统的基本算法和流程，本实验是利用MATLAB2012来进行了指纹识别系统的仿真和实验的。
然而在生物识别技术的快速发展的今天，人们通过研究发现了每一个人的指纹都具有唯一性和不变性。
也正因为这样，指纹识别技术正在逐步的发展成为一种新的身份识别技术，并且凭借它良好的安全性以及可靠性，逐步有取代传统身份认证的方式趋势。
本实验简单的介绍了指纹识别图像的预处理的方法和步骤。
指纹图像预处理之后将会得到一个宽度为统一像素的细化后的二值化图像，最后再根据特定的指纹图像的端点以及交叉点的特征进行对指纹自动匹配。
本论文中采用MATLAB2012编程实现所有算法。
关键词：指纹识别技术指纹图像预处理指纹识别 MATLAB20121.1指纹及其识别如今，生物特征识别领域中的最为成熟的应用技术之一--指纹识别技术。
其实它已经有非常悠久的历史了。
很久以前，指纹识别技术已经很早就应用于刑事侦查和司法鉴定领域了，很多人不知道的是。
随着计算机网络和信息处理技术的快速发展，这门历史悠久的指纹识别技术也开拓了更多更广阔的市场，自动的指纹识别技术和与其相关的产品越来越多的应用在普通人的生活当中。
生物识别技术（Biometric Identification Technology）的定义是：利用人体的不同的生物特征来进行对人的身份进行认证的一种技术[1]。
这是因为人的生物特征是唯一的，可以区分与他人不同的特征。
并且我们还可以通过技术测量或者是自动识别来检验出生理特性以及行为方式，我们所说的这个特征分为生理特征、行为特征。
我们对生物特性来进行提取并放入数据库，再将提取出来的人的唯一特征和它的身份一一对应起来。
毕业设计_指纹识别算法的matlab实现
指纹识别算法的matlab实现摘要由于指纹所具有的普遍性，唯一性和不变性，以及指纹识别技术具有很高的可行性和实用性，使之成为目前最流行、也最可靠的个人身份认证技术之一。
本文主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。
图像预处理包括四个步骤：图像分割、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理；特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹的图像进行特征点比较，来确定两幅图像是否来自于同一手指。
本文给出了指纹图像预处理、特征提取、特征匹配的matlab程序及处理结果。
该结果证明，用matlab实现的这些算法的处理结果比较理想，满足识别的可行性和应用性。
关键词分割，二值化，细化，特征点提取，匹配，MatlabAbstractBecause of the universality, uniqueness and constantness of a fingerprint, and fingerprint identification technology has very high feasibility and practical applicability, make it to be one of the most popular, and most reliable personal identity authentication technology.This paper focuses on three aspects of the fingerprint image processing：image preprocessing, feature extraction, feature matching. Image preprocessing including four steps: image segmentation, filtering, binary, Refining, after The fingerprint image preprocessing, in addition to the original image of redundancy part, convenient subsequent identification processing; The main feature extraction is extracted from the end of the fingerprint image after thinning and bifurcation point; Feature matching is use two fingerprint image feature point is to determine whether the two images from the same finger.This paper provides the fingerprint image preprocessing, feature extraction, feature matching use matlab and handling results, The results prove that these algorithms had ideal results be used by matlab,, Be satisfied with the recognition and feasibility of the application.Key Words:Segmentation, Binary, Refining, Feature point extracting, Matching, Matlab毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
基于MATLAB的指纹识别系统-本科生毕业设计(论文).doc
xx大学厦门工学院本科生毕业设计（论文）题目：基于MATLAB的指纹识别系统姓名： xx学号：系别：电子信息系专业：通信工程年级：级指导教师： xxx2015 年 4 月 7 日xx大学厦门工学院毕业设计（论文）独创性声明本毕业设计（论文）是我个人在导师指导下完成的。
文中引用他人研究成果的部分已在标注中说明；其他同志对本设计（论文）的启发和贡献均已在谢辞中体现；其它内容及成果为本人独立完成。
特此声明。
论文作者签名：日期：关于论文使用授权的说明本人完全了解xx大学厦门工学院有关保留、使用学位论文的规定，即：学院有权保留送交论文的印刷本、复印件和电子版本，允许论文被查阅和借阅；学院可以公布论文的全部或部分内容，可以采用影印、缩印、数字化或其他复制手段保存论文。
保密的论文在解密后应遵守此规定。
论文作者签名：指导教师签名：日期：基于MATLAB的指纹识别系统摘要随着科技的不断发展，基于指纹所具有的普遍性，唯一性和不变性，以及指纹识别系统开发具有很高的可行性和实用性，使得它成为目前世界上最流行、也是最可靠的个人身份认证技术之一。
本文主要介绍了指纹识别技术的发展和世界上指纹识别系统的研究应用现状，分别阐述了指纹系统的必要性和意义。
以数字图像处理伟基础，分别研究了指纹识别的原理和方法，将Matlab作为仿真工具。
本文主要通过Matlab对指纹图像进行三方面的处理，分别是：图像预处理、指纹特征提取和指纹特征匹配。
图像预处理主要包括四个步骤：图像分割、二值化、细化。
对指纹预处理的主要原因是，可以去除原图像的冗余部分，以便后续的识别系统进行识别；指纹特征提取主要是提取指纹图像细化后的端点和分叉点；指纹特征匹配是通过两个指纹的图像进行特征点比较，来确定是否是统一手指的指纹图。
本文中有给出相应模块的Matlab程序及处理的结果。
通过实验结果可得，用Matlab 来实现指纹识别系统的设计是可行的。
关键词：Matlab，指纹识别，特征提取，特征匹配xx大学厦门工学院毕业设计（论文）Design and Implement of Web Chat System Base on AjaxAbstractWith the development of science and technology,Based on the fingerprint has universality, uniqueness and invariance, as well as the development of fingerprint identification system has feasibility and practicability is very high, making it one of the most popular personal identity authentication technology, the world is the most reliable at present.This paper mainly introduces the present situation of research and application of fingerprint identification technology and the development of the fingerprint identification system, illustrates the necessity and significance of fingerprint system. Based on digital image processing of Wei, the principle and method of fingerprint recognition are studied, the Matlab as a simulation tool.This paper mainly through the Matlab process, the three aspects of the fingerprint image, respectively is: image preprocessing, fingerprint feature extraction and fingerprint. Image preprocessing includes four steps: image segmentation, binarization, thinning two. The main reason for the fingerprint image preprocessing is to remove redundant parts of the original image, so that the recognition system for the follow-up identification; fingerprint feature extraction is to extract the fingerprint image thinning after endpoint and bifurcation point; fingerprint feature matching is carried out by comparing the image feature points of two fingerprints, to determine whether the fingerprint map integration finger.Matlab program and gives the corresponding module of the result in this paper. Through the experiment we can see the results, using Matlab to achieve the design of fingerprint identification system is feasible.Key Words: Matlab, Fingerprint identification,Feature extraction,Feature matching目录第1章绪论 (1)1.1 研究背景 (1)1.2 研究意义 (2)1.3 研究内容 (3)1.4 论文组织 (3)第2章 Web版聊天系统的设计 (4)2.1 功能设计 (4)2.2 概要设计 (4)2.3详细设计 (10)2.3.1用户界面逻辑设计.............................. 错误!未定义书签。
【matlab国外编程代做】指纹识别的matlab源码及相关配套论文含注释
function [Outputprint,XofCenter,YofCenter] = centralizing(fingerprint,ctrl)% modified by Luigi Rosaglobal immagine n_bands h_bands n_arcs h_radius h_lato n_sectors matricex=[-16:1:16];y=[-16:1:16];dimx=size(x,2);dimy=size(y,2);% variance Gaussian, order complex filtervarianza=sqrt(55);ordine=1;gamma=2;filtro_core=zeros(dimx,dimy);filtro_delta=zeros(dimx,dimy);for ii=1:dimxfor jj=1:dimyesponente=exp(-(x(ii)^2+y(jj)^2)/(2*varianza^2));% filtro corefattore=x(ii)+i*y(jj);filtro_core(ii,jj)=esponente*fattore^ordine;% Delta Filterfattore=x(ii)-i*y(jj);filtro_delta(ii,jj)=esponente*fattore^ordine;endend%--------------------------------------------------------------------------%--------------------------------------------------------------------------%------------------------------------% The low-pass filter ---------------%------------------------------------% Gaussian Low Pass Filter ----------%------------------------------------x=[-16:1:16];y=[-16:1:16];dimx=size(x,2);dimy=size(y,2);varianza=sqrt(1.2);filtro=zeros(dimx,dimy);for ii=1:dimxfor jj=1:dimyesponente=exp(-(x(ii)^2+y(jj)^2)/(2*varianza^2));filtro(ii,jj)=esponente;endend% normalizationfiltro=filtro/sum(sum(filtro));%------------------------------------%------------------------------------img=fingerprint;img=double(img);%--------------------------------------------------------------------------% complex field at 0 level[gx,gy]=gradient(img);num=(gx+i*gy).^2;den=abs((gx+i*gy).^2);pos=find(den);%find the nozero elementsnum(pos)=num(pos)./den(pos);%nonzero elements to 1z=zeros(size(img,1),size(img,2));%行列z(pos)=num(pos);pos=find(den==0);z(pos)=1;% ---------- ----------------------- ------------ - new algorimtmo%-----------------------------------------> z z1 z2 z3 -----------------------% now I have different complex field for different levels of blur%-------------------------------------------------------------------%--------------------------------------------------------------------------% ------------------- parametri -------------------------------------------angle=0; % initial rotation angle image rotation angle initial imagebxv=8; % block size variancebyv=8;bxc=64; % dimension block core pointbyc=64;soglia_var=20; % threshold variancedimseclose=10; % dimension if transaction closingdimseerode=44; % dimension if erosion operationmaxcore=200; % max number of core points calculated during scanning[dimx,dimy]=size(fingerprint);%--------------------------------------------------------------------------%--------------------------------------------------------------------------%--------------------------------------------------------------------------temp=z;[temp,dimxt,dimyt]=mirror(temp);z_f=conv2fft(temp,filtro_core,'same');z_f=recrop(z_f,dimxt,dimyt);z_f=abs(z_f);%--------------------------------------------%--------------------------------------------% resize--------------------imgd=double(fingerprint);dimxr=dimx-mod(dimx,bxv);dimyr=dimy-mod(dimy,byv);imgr=imgd(1:dimxr,1:dimyr);%---------------------------nbx=dimxr/bxv;nby=dimyr/byv;mat_var=zeros(dimxr,dimyr);for ii=1:nbxfor jj=1:nbyblocco=imgr((ii-1)*bxv+1:ii*bxv,(jj-1)*byv+1:jj*byv);media=sum(sum(blocco))/(bxv*byv);%varianza=1/(bxv*byv)*sum(sum(abs(media.^2-blocco.^2)));%计算方差mat_var((ii-1)*bxv+1:ii*bxv,(jj-1)*byv+1:jj*byv)=sqrt(varianza);endendmat_ok=zeros(dimxr,dimyr);pos=find(mat_var>soglia_var);mat_ok(pos)=1;mat_ok(dimx,dimy)=0;figure('Name','Simple variance > soglia');imshow(mat_ok);mat_ok=imclose(mat_ok,ones(dimseclose));figure('Name','Variance Closed');imshow(mat_ok);mat_ok=imerode(mat_ok,ones(dimseerode));figure('Name','Closed variance and eroded');imshow(mat_ok);%--------------------------------------------------------------------------%--------------------------------------------------------------------------% hours calculating core point of each blockdimxr=dimx-mod(dimx,bxc);dimyr=dimy-mod(dimy,byc);imgr=imgd(1:dimxr,1:dimyr);matrice_finale=z_f.*mat_ok;%--------------------------------------------------------------------------%--------------------------------------------------------------------------%--------------------------------------------------------------------------%--------------------------------------------------------------------------%--------------------------------------------------------------------------%--------------------------------------------------------------------------[massimo_vettore,posizione_vettore]=max(matrice_finale);[massimo,posizione]=max(massimo_vettore);y_max=posizione;x_max=posizione_vettore(posizione);XofCenter=y_max;YofCenter=x_max;Outputprint=zeros(50);function [out] = conv2fft(z1,z2,shape,shape2)%CONV2FFT FFT-based two dimensional convolution.% C = CONV2FFT(A, B) performs the 2-D convolution of matrices% A and B. If [ma,na] = size(A) and [mb,nb] = size(B), then% size(C) = [ma+mb-1,na+nb-1].% C = CONV2FFT(H1, H2, A) convolves A first with the vector H1% along the rows and then with the vector H2 along the columns.%% C = CONV2FFT( ... ,'shape') returns a subsection of the 2-D% convolution with size specified by 'shape':% 'full' - (default) returns the full 2-D convolution,% 'same' - returns the central part of the convolution% that is the same size as A.% 'valid' - returns only those parts of the convolution% that are computed without the zero-padded% edges. size(C) = [ma-mb+1,na-nb+1] when% all(size(A) >= size(B)), otherwise C is empty.%%% Please contribute if you find this software useful.%*********************************%%***************************************************************** % Luigi Rosa% Via Centrale 27% 67042 Civita di Bagno% L'Aquila --- ITALY% email *********************% mobile +39 340 3463208% http://utenti.lycos.it/matlab%***************************************************************** %%--------------------------------------------------------------------------%--------------------------------------------------------------------------% 3 input arguments: matrix 1, matrix 2, shapeif ((nargin==3)&&(isa(shape,'char')))if strcmp(shape,'same')z1x=size(z1,1);z1y=size(z1,2);z2x=size(z2,1);z2y=size(z2,2);if any(any(imag(z1)))||any(any(imag(z2)))out=(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));elseout=real(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));endpx=((z2x-1)+mod((z2x-1),2))/2;py=((z2y-1)+mod((z2y-1),2))/2;out=out(px+1:px+z1x,py+1:py+z1y);return;endif strcmp(shape,'full')z1x=size(z1,1);z1y=size(z1,2);z2x=size(z2,1);z2y=size(z2,2);if any(any(imag(z1)))||any(any(imag(z2)))out=(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));elseout=real(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));endreturn;endif strcmp(shape,'valid')z1x=size(z1,1);z1y=size(z1,2);z2x=size(z2,1);z2y=size(z2,2);if ((z1x<z2x)||(z1y<z2y))out=[];return;elseendif any(any(imag(z1)))||any(any(imag(z2)))out=(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));elseout=real(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));endpx=z2x;py=z2y;out=out(px:px+z1x-z2x,py:py+z1y-z2y);return;endend%--------------------------------------------------------------------------%--------------------------------------------------------------------------% 2 input argiments: matrix 1, matrix 2, by default shape is 'full'if (nargin==2)z1x=size(z1,1);z1y=size(z1,2);z2x=size(z2,1);z2y=size(z2,2);if any(any(imag(z1)))||any(any(imag(z2)))out=(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));elseout=real(ifft2(fft2(z1,z1x+z2x-1,z1y+z2y-1).*fft2(z2,z1x+z2x-1,z1y+z2y-1)));endreturn;end%--------------------------------------------------------------------------%--------------------------------------------------------------------------% conv2(c,r,a) where c and r are arrays, a is a matrixif (isa(shape,'double'))%--------------------------% by default shape is 'full'a=shape;c=z1;r=z2;[ax,ay]=size(a);[rx,ry]=size(r);[cx,cy]=size(c);if size(convfft(a(1,:),r),1)==1for ii=1:axy2(ii,:)=convfft(a(ii,:),r);endelsefor ii=1:axy2(ii,:)=convfft(a(ii,:),r)';endend[y2x,y2y]=size(y2);if size(convfft(y2(:,1),c),1)==1for ii=1:y2yy3(:,ii)=convfft(y2(:,ii),c)';endelsefor ii=1:y2yy3(:,ii)=convfft(y2(:,ii),c);endendout=y3;return;end%-------------------------if (nargin==4)a=shape;c=z1;r=z2;[ax,ay]=size(a);[rx,ry]=size(r);[cx,cy]=size(c);dimx=cy;elsedimx=cx;endif rx==1dimy=ry;elsedimy=rx;endif size(convfft(a(1,:),r),1)==1for ii=1:axy2(ii,:)=convfft(a(ii,:),r);endelsefor ii=1:axy2(ii,:)=convfft(a(ii,:),r)';endend[y2x,y2y]=size(y2);if size(convfft(y2(:,1),c),1)==1for ii=1:y2yy3(:,ii)=convfft(y2(:,ii),c)';endelsefor ii=1:y2yy3(:,ii)=convfft(y2(:,ii),c);endendout=y3;[outx,outy]=size(out);%--------------------------------------------- if strcmp(shape2,'full')return;end%--------------------------------------------- if strcmp(shape2,'valid')lx=ax-dimx+1;ly=ay-dimy+1;if (dimx>outx)||(dimy>outy)||(dimx+lx-1>outx)||(dimy+ly-1>outy) out=[];return;elseout=out(dimx:dimx+lx-1,dimy:dimy+ly-1);return;endend%---------------------------------------------if strcmp(shape2,'same')lx=ax;ly=ay;px=((dimx-1)+mod((dimx-1),2))/2;py=((dimy-1)+mod((dimy-1),2))/2;out=out(px+1:px+ax,py+1:py+ay);return;end%---------------------------------------------end%-------------------------end。
- 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)。
摘要随着生物识别技术的不断发展，人们发现每个人的指纹具有唯一性和不变性。
因此指纹识别技术逐步发展为一种新的身份识别方式，并且凭借其良好的安全可靠性，大有取代传统身份识别方式的趋势。
本文简要介绍了指纹识别的基本步骤，分别是指纹图像预处理、指纹特征提取、指纹匹配。
在图像预处理中，依次介绍了规格化处理、图像增强、二值化处理和细化处理的方法。
预处理后将得到一幅宽度为一个像素的细化二值图像，然后通过特定的端点和交叉点的特征进行指纹匹配。
论文中采用MATLAB编程实现全部算法。
关键词：指纹识别，图像处理，特征提取，特征匹配AbstractWith the continuous development of Biometric Identification Technology,People found that each person's fingerprint has uniqueness and invariant.Therefore Fingerprint Identification Technology gradually developed as a new identity recognition mode，and with its good safety and reliability，it has replaced the traditional identification way trends.This paper briefly introduces the basic step of Fingerprint Identification，they are Fingerprint image preprocessing, Fingerprint characteristic extraction,Fingerprint matching.In the Fingerprint image preprocessing,in turn introduced the normalized processing, Image enhancement, Binary treatment and Refining processing method.After pretreatment will get a picture for a pixel width of twenty-first-century binary image,then through the particular endpoint and intersection on the characteristics of the Fingerprint matching.This paper using Matlab programs all algorithm.Key words Fingerprint identification Image processing Feature extraction Feature matching毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：日期：指导教师签名：日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：日期：学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名：日期：年月日导师签名：日期：年月日目录摘要 (I)Abstract (II)第1章绪论 (1)1.1 研究背景及意义 (1)1.2 国内外研究现状及分析 (1)1.3 设计内容与要求 (2)第2章指纹识别的基本理论及应用 (3)2.1 指纹识别的原理和方法 (3)2.1.1 指纹的特征与分类 (3)2.1.2 指纹识别的原理和方法 (3)2.2.1 算法的精确度 (4)2.2.2 误识率和拒识率的测试方法 (4)2.2.3 系统参数 (4)2.3 指纹识别技术的应用 (5)2.4 指纹识别的可靠性 (5)2.5 本章小结 (6)第3章指纹图像处理及特征提取与实现 (6)3.1 方法概述 (6)3.2 方向图的计算 (7)3.2.1 求点方向图 (7)3.2.2 由点方向图求块方向图的算法 (8)3.2.3 最小均方估计块方向算法 (9)3.3 指纹图像的滤波 (10)3.4 基于方向图的动态阀值指纹图像二值化方法 (12)3.5 指纹图像的细化算法 (14)3.6 特征提取及其后处理 (16)3.6.1 特征点的提取 (16)3.6.2 假特征点的去除 (16)3.6.3 细节点信息的提取及记录 (17)3.6.4 指纹识别中细节点的匹配 (17)3.7 本章小结 (18)第4章指纹识别算法的MATLAB实现 (19)4.1 MATLAB简介 (19)4.1.1 MATLAB 的概况 (19)4.1.2 MATLAB产生的历史背景 (19)4.1.3 MATLAB 的语言特点 (21)4.1.4 MATLAB在指纹识别中的应用 (22)4.2 指纹图像预处理 (23)4.2.1 图像规格化 (23)4.2.2 图像分割 (23)4.2.3 图像二值化 (24)4.2.4 图像增强 (24)4.2.5 图像细化 (25)4.3 特征点提取 (25)4.3.1 找出所有的端点和交叉点 (25)4.3.2 纹线光滑处理 (25)4.3.3 去除图像边缘的端点 (25)4.4 找出特征点 (26)4.4.1 single_point函数 (26)4.4.2 walk函数 (26)4.4.3 last1函数 (26)4.5 特征点匹配 (26)4.5.1 纹线长度匹配 (26)4.5.2 三角形边长匹配 (27)4.5.3 点类型匹配 (27)4.6 本章小结 (27)结论 (28)参考文献 (29)致谢 (30)附录1图像预处理代码 (31)附录2特征点提取代码 (37)附录3找特征点代码 (40)附录4特征点匹配代码 (43)第1章绪论1.1研究背景及意义现代门禁系统是一种随着电子技术和计算机技术的发展而迅速发展起来的安防系统，一套现代化的、功能齐全的门禁系统，不仅可用于进出口控制，而且有助于单位内部的有序化管理。
门禁系统是新型现代化公共安全管理系统，它集微机自动识别技术和现代安全管理措施为一体，涉及电子、机械、光学、计算机技术、通信技术和生物技术等诸多新技术，是重要部门出入口实现安全防范管理的有效保障[1]。
目前有很多的生物测定技术可用于身份认证，包括虹膜识别技术、视网膜识别技术、面部识别、签名识别、声音识别技术、指纹识别等，具有安全、可靠的特点，其中自动指纹识别系统是目前研究最多、最有应用前景的生物识别系统。
指纹识别技术的应用十分广泛，指纹因具有终生不变性及稳定性,而且不同人指纹相同的概率几乎为零,因此指纹自动识别系统被广泛应用于案例分析、商业活动中的身份鉴别等领域。
指纹识别技术的发展得益于现代电子集成制造技术的进步和快速可靠的算法的研究。
指纹门禁系统通过将用户的指纹特征与指纹特征数据库中的数据进行对比实现用户身份的鉴别，并不直接保存和使用用户的指纹图像信息，不会侵犯到用户的隐私信息，是当前技术最先进、应用最广泛的门禁系统。
对生物识别(指纹识别)技术来说，被广泛应用意味着它能在影响亿万人的日常生活的各个地方使用。
通过取代个人识别码和口令，生物识别（指纹识别）技术可以阻止非授权的“访问”，可以防止盗用ATM、蜂窝电话、智能卡、桌面PC、工作站及其计算机网络；在通过电话、网络进行的金融交易时进行身份认证；在建筑物或工作场所生物识别技术（指纹识别）可以取代钥匙、证件、图章等。
生物识别(指纹识别)技术的飞速发展及其广泛应用将开创个人身份鉴别的新时代。
指纹所具有的唯一性、不变性、易于获取、分类存储有规律等特性使其成为生物鉴定学中最为成熟的方式[2]。
1.2国内外研究现状及分析指纹识别技术从早期的人工比对到现在采用计算机技术实现自动指纹识别，指纹对比更加准确，识别效率得到极大提高。
自动指纹识别过程通常由指纹图像滤波增强、二值化、细化、特征提取以及指纹匹配等几个环节构成。
指纹图像滤波增强的目的是将有噪声干扰的指纹图像变得更加清晰，使得指纹图像的脊线更黑，谷线更白，当前在实际指纹图像增强算法的应用中一般是几种滤波增强方式结合起来使用，主要的方案是基于傅里叶变换结合滤波和指纹图像点方向场的下上下滤波器；指纹图像二值化，是将指纹图像变成灰度值只有0和255两种颜色的图像，当前，在自动指纹识别中常采用的是根据指纹图像的点方向场在指纹纹线方向和指纹纹线垂直方向上对指纹图像进行二值化处理；指纹图像细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度，目前在自动指纹识别技术中常用的是OPTA算法的改进的图像模板细化算法；指纹特征提取，是将细化后使用计算机数字图像处理技术采集指纹图像中奇异点、端点、叉点等指纹特征数据，目前常用的特征提取算法是先对细化后的指纹图像进行初步去噪，然后提取特征点，再根据阈值去除伪特征点；指纹匹配，是指纹预留模板图像与输入样板图像中的所有特征点的匹配，目前在自动指纹识别系统中常采用可变大小的界限盒的指纹特征匹配算法。
目前指纹识别技术还有很多困难，例如当三维的指纹被指纹录入设备扫描成二维的数字图像时，会丢失一部分信息、，手指划破、割伤、弄脏、不同干湿程度以及不同的按压方式，还会导致指纹图像的变化，这给可靠的特征提取带来了相当地困难；例如传统的基于细节点的识别方法，是依靠提取指纹脊线上的细节点，然后对其位置和类型进行匹配，来识别指纹的，而噪声会影响特征提取准确度，增加错误的特征点或丢失真正的特征点。