1、MATLAB語言課程論文Matlab指紋識別系統姓名：學號：專業：通信工程班級：指導老師：學院：物理電氣信息學院完成日期：2014.11.11Matlab指紋識別系統（姓名）摘要本文系統地介紹了指紋識別技術的發展和國內外研究應用現狀，闡述了建立指紋識別系統的必要性和意義。以數字圖像處理為基礎，研究指紋識別的原理和方法，重點分析基于神經網絡指紋識別算法、濾波特征和不變矩指紋識別算法和指紋匹配算法，將matlab作為仿真工具，針對已有的三種指紋識別算法進行編程識別；并通過實驗論證各種算法的優缺點。關鍵字：指紋識別；算法；matlab仿真第一章緒論4.1.1 引言4.1.2 指紋識別技術的發展和研究

2、現狀5.1.3 指紋識別研究的目的和意義7.1.4 本論文結構8.第二章指紋識別的理論和方法9.2.1 指紋識別的基本原理9.2.2 指紋識別系統工作流程9.2.3 指紋識別技術的方法1.02.3.1 神經網絡指紋識別算法1.02.3.2 濾波特征和不變矩指紋識別算法1.12.3.3 指紋匹配算法1.3第三章matlab仿真實驗結果與分析1.63.1 算法matlab仿真結果1.63.2 結果分析1.7.第四章總結與展望1.8.參考文獻1.9.附錄2.0.致謝錯.誤！未定義書簽。第一章緒論1.1 引言隨著網絡信息化時代的快速發展，個人身份的數字化和隱性化水平也得到了提高。如何準確鑒定一個人的身

3、份，保護信息安全是當今信息化時代必須解決的一個關鍵性社會問題。目前，我國的各種管理大部分使用證件、磁卡、IC卡和密碼，這些手段無法避免偽造或遺失，密碼也很容易被竊取或遺忘。這些都給管理者和使用者帶來很大不方便。生物特征身份鑒別方法可以避免這些麻煩。因此，這一技術已成為身份鑒別領域的研究熱點。生物特征識別(BiometriCS)技術是指通過計算機利用人體所固有的生理特征或行為特征來進行個人身份鑒別。生理特征與生俱來，多為先天性的;行為特征則是習慣使然，多為后天性的。這里將生理和行為特征統稱為生物特征，用于身份鑒別的生物特征應具有普遍性，即任何人都具有這一特征;唯一性，不同人的這一特征各不相同;穩

4、定性，這一特征不隨時間、外界環境等的變化發生改變;可接受性，用這一特征進行人體身份鑒別可以被人們接受和認可;防偽性，這一特征不易仿造、竊取。目前，常見的生物特征識別手段主要有人臉、指紋、手形、手部血管分布、虹膜、視網膜、手寫體、聲音和臉部熱量圖等。它們有的已逐步得到推廣和應用，有的還僅處于實驗研究階段。其中，人臉、指紋、手形、手部血管分布、虹膜、視網膜和臉部熱量圖屬于生理特征，手寫體屬于行為特征，而聲音則兼有兩方面的屬性。下面主要對其中指紋識別技術作介紹和研究。指紋識別技術不同人的指紋，即使同一個人不同手指的指紋，紋線走向及紋線的斷點和交叉點等各不相同，也就是說，每個指紋都是唯一的。另外，指紋

5、不隨年齡的增長而發生變化，是終生不變的。依靠這種唯一性和穩定性，可以把一個人同他的指紋對應起來，通過對他的指紋和預先保存的指紋進行比較，就能驗證他的真實身份。指紋用于身份鑒定的歷史悠久。早在古敘利亞和中國，指紋鑒別就己經開始應用。19世紀初，科學研究發現了至今仍然承認的指紋的兩個重要特征，一個是兩個不同手指的指紋紋線的式樣不同，另一個是指紋紋線的式樣終生不變。這個研究成果使得指紋在犯罪鑒別中得以正式應用。早期的指紋識別依靠人工對比方式進行。由于指紋結構的復雜性及對指紋識別要求的嚴格性，導致人工識別指紋難度大、速度慢并且識別準確性受專家經驗制約，遠不能適應實際工作的需要。20世紀60年代，隨著計

6、算機技術的誕生、發展與不斷進步，圖像處理與模式識別方法的日臻完善，人們開始著手研究利用計算機來處理指紋。從那時起，自動指紋識別系統(AFIS:AutomatedFingerprintidentificationSystem)在法律實施方面的研究和應用在世界許多國家展開。20世紀80年代，個人電腦、光學掃描這兩項技術的革新，使得它們作為指紋取像的工具成為現實，從而使指紋識別可以在其他領域中得以應用，比如代替IC卡，普通鎖等。20世紀90年代后期，低價位取像設備的引入及其飛速發展，可靠的比對算法的發現為個人身份識別應用的增長提供了舞臺。據統計，到20世紀末，全世界生物識別市場約為1.56億美元，其

7、中指紋識別約為1.2億美元，這標志著指紋識別是當前最成熟穩定，并且應用最廣泛的生物識別技術。1.2 指紋識別技術的發展和研究現狀指紋應用可以追溯到幾千年以前,但指紋學成為一門學科,卻只有百余年的歷史。指紋應用可以分為三個時期。第一時期：摸索時期；據考證,我國已經發現6千多年前的陶器上留下的指紋。中國是運用指紋最早的國家之一,古代軍隊就設有箕斗花名冊。罪犯的供詞也以捺印指紋為證。在周代,指紋被用于民間契約的簽署。指紋在偵察斷案中也有著2千余年的應用歷史。外國指紋應用比我國晚得多,巴比倫與西臘人,公元前2世紀在陶器上捺印指紋,以從鑒識。據考證,埃及、羅馬、印度這些具有悠久歷史的國家應用指紋也有上千

8、年的歷史。第二時期：指紋科學化時期；這一時期是從17世紀80年代開始的。第二時期：指紋科學化時期；這一時期是從17世紀80年代開始的。1684年,英國醫學博士格留第一次對指紋做了分類。1860年英國駐印殖民地行政長官威廉.赫謝爾,開始進行犯罪指紋登記實驗,提出了指紋“人各不同,至死不變”的觀點,建立了指紋分析和分類的方法。從此,指紋研究逐步走向科學化的軌道。指紋正式作為一種刑事登記制度最先始于英國。1892年英國高爾頓研究指紋,最早提出了用指紋進行刑事登記的方法。1895年,英國采用高爾頓的研究成果,開始實行指紋登記制度。1897年,英國愛德華.享利發明指紋二部分析法,使指紋的分析、儲存、查對

9、趨于完善。1901年,英國政府正式采用了享利指紋分析法。從此,指紋的登記制度逐漸被世界各國重視和采用,并沿襲至今。1903年,中國青島市警察局首次應用漢堡式指紋法。此后我國相繼開展了指紋的應用及研究,還曾建立過“指紋學會”。劉紫宛編寫的中華指紋法一書是我國最早的指紋專著。全國解放后,我國對指紋研究一直比較重視。1955年編制了中華人民共和國十指紋分析法。這可以說是我國指紋的科學時期。第三時期：現代化、自動化時期；這一時期是從本世紀60年代開始的。隨著現代科學技術的發展,指紋應用迅速地實現了現代化和自動化,例如,指紋的電子計算機應用,使儲存、查對、鑒定開始走向自動化和半自動化的軌道。半自動管理,

10、是采用人工或人與機器結合的半自動方式分析指紋,把人工鑒定方法計算機化。實施的步驟是:借助于帶有投影屏幕的指紋分析儀或光筆,將十指紋型、中心紋線的形態、中心花紋的特征數字加以表述。再用電子計算機自動化儲存和查對。全自動化管理,不僅指紋儲存和查對采用自動化的方式,而且指紋分析也由電子計算機自動進行圖像識別。利用電子計算機管理指紋的方法已在美國、日本、南非、羅馬尼亞、德國等國實施,采取的方法有圖像檢查法和編碼檢索法兩種。法國CIMSA公司和M0R-PH0SYSTEMS公司為了提高工作的效率,研制出了用于獲取指紋、處理存貯和比較檢索的整套指紋處理裝置,主要用子犯罪記錄、圖像存貯、傳輸照片、指紋、十指卡

11、和現場指紋的犯罪檢索等方面。該系統包括指紋自動化分析系統和數字數據系統。指紋自動分析系統的基本功能是獲取指紋（圖像處理）、編碼（特征點檢索）、識別（根據參照指紋檢索）、證實（難證檢索結果）。數字數據系統的主要功能是能滿足主管民事案件或刑事案件調查的各種指紋處理要求。這種設計的主要優點是系統、簡便、靈活,便于改進安裝;同時,集中和分散的控制結構,具有添加處理器和專用外圍設備的擴展能力;由于它的安全性和開發利用的方便,使得非專業人員也能運用這種系統開展工作,在不必全部重新組織原有系統的情況下,能適應用戶的工作方式和滿足開發等需要。日本電氣公司（NEC）發明的由計算機控制的指紋取樣裝置（FAIS）,

12、可使調查人員在極短的時間內將現場提取的指紋與過去有犯罪前科犯人的二指紋檔案進行比較,速度達到每秒鐘檢索650枚指紋。掃描器先用不到3秒鐘的時間分析、記錄下乳突紋線和紋形等指紋的細微特征。然后,調查人員將分析資料輸入帶有圖像屏幕的具有高分辨能力的監控器中,操作者根據監控器和計算機提供的大量資料處理模糊的指紋,糾正變形,采用外推法將一枚殘缺指紋修復成一枚完整的指紋。經過處理后的模糊指紋,被貯存在“光盤”中。操作者再將“光盤”輸入由微處理機驅動的分析器作指紋比較。分析器每分鐘可濾過萬枚指紋,并告訴調查人員哪一級十指指紋與現場提取的指紋最接近,以便于指紋專家做最后的判斷。1984年2月,美國舊金山警察

13、局用160萬美元裝備了“指紋自動識別系統”,六年成功識別指紋一千多例。而在1990年以前,舊金山警察局平均每年查對指紋僅能成功70例。這套“指紋自動識別系統”還配有遠距離終端,警察在終端也能進行指紋檢索。我國從60年代起,開始著手指紋管理現代化的工作,目前,我國基本上形成了一個指紋工作網,在指紋理論研究上也取得了重要成果,指紋的應用日益廣泛起來。如民間把捺印指印作為合同和證件的憑證;在公安司法部門,指紋作為證實犯罪的證據;在醫學方面,指紋用于診斷遺傳病癥等。特別是在90年代后期,西安交大、清華大學先后開發了指紋自動識別系統,指紋門禁系統、指紋考勤系統等。使指紋個人身份識別系統得到了實際運用,另

14、外,美國國家銀行根據這類技術將在21世紀初建成全國的個人身份認證網絡系統。1.3 指紋識別研究的目的和意義指紋識別作為一種生物鑒定技術，為人類的個體的定義提供了一個到目前為止最為快捷和可信的方法。隨著指紋識別的普及，人們之間的信任成本將大大降低，提高人類社會活動的效率。在信息時代，一種安全便捷的身份認證方式顯得越發重要。“在網絡上，沒有人知道你是一只狗，”在這種情況下，任何基于網絡環境下的交往活動都被蒙上了一層技術意義的灰色。不可避免，所有基于這種網絡技術基礎之上的經濟活動也因此被深深打上了不真實和不被信任的烙印。面對如此偉大的技術，人類對它的應用僅僅局限于虛擬網絡群落中的狂歡，而不能真正對經

15、濟交往模式和效率起到推動作用，實在是遺憾。對于想從事和已經從事網絡商務的公司來講，確認交易人的身份是解決信用問題的第一步，而且是最重要的一步。對于淘寶網來講，它能做的僅僅是通過身份證注冊來保證交易人身份，這樣的確是降低了身份冒用的及率，但不能不說這道防線是非常脆弱的。盜用他人身份證到淘寶上注冊來騙取貨款的案例層出不窮。對于阿里巴巴這樣的大型B2B網站，即使他們在授予“誠信通”之前會對企業的注冊資料等方面做詳盡評估和考察，但是誰又能保證后續的交易者就是企業本身呢？畢竟，“誠信通”不能保證使用者的帳號和密碼不會被盜取。這正是電子商務所面臨的困境和瓶頸。Paypal已經推出通過指紋識別來進行網絡支付

16、。相信隨著技術成熟和應用成本降低，除了支付之外的任何網絡信任問題都可以指紋識別得到極大改善，從而體高人們在信息時代的行動效率。從生物測量角度而言，指紋識別將是一種非常理想的工具，用來定位一個人的基本社會坐標原點。作為一個人，具有非常復雜的社會角色。在公司的時候，你可能是產品總監、員工等工作性角色；回到家，你就是丈夫、孩子、爸爸、舅舅、哥哥等血緣性角色；當參加公司年度運動會時，你又是一名長跑運動員。所有這些角色都是基于你的生物測量基礎上的。社會公共管理中，必須有一個基礎變量來確認一個人的基本身份。在過去的很長一段時間里，我們是通過戶籍制度來進行管理和定義一個人的，一個從出生到死亡都是根據其出生地

17、來定義和追溯其身份。這種方式的隨意性很大，防偽性比較差，容易引起管理上的漏洞。在現實生活中，有些內地考生為了取得成績優勢，到偏遠省份重新辦理一套身份系統，包括戶口、身份證、檔案等。在很多情況下，一個人的真實身份是很難被分辨的。指紋識別作為一個人基本社會角色定位點，其方便性和準確性已經得到了全世界范圍內的認可。通過各種各樣的指紋識別系統，社會公共管理的職能得到了強化，效率得到了提高。原來的養老保險系統，冒領保險金現象比較嚴重。隨著越來越多的地方實施了指紋養老金發放系統，這一現象得到了徹底改善，沒有當事人的指紋，對應的養老金是不可能被領取的。深圳羅湖口岸，指紋出入境系統的實施大大提高了通關效率，過

18、關旅客再也不需要拿著身份證排長隊等待檢查。指紋識別承載了很多的社會意義，從最根本上來講，是可以良好的判斷和定義一個人的真實生物身份。從而降低社會活動中的信任成本，從根本上改變經濟和社會交往模式改變，提高效率。指紋識別作為一種生物鑒定技術，為人類的個體的定義提供了一個到目前為止最為快捷和可信的方法。隨著指紋識別技術的日漸成熟，圖像處理及模式識別界曾一度認為自動指紋識別問題已經得到很好的解決。但實際上，指紋識別的核心技術仍然存在許多尚未解決的難題，尤其是對殘缺、污損指紋圖象進行識別的魯棒性和適應性方面不能令人滿意。指紋識別系統將隨著更小更廉價的指紋輸入設備的出現、計算能力更強更廉價的硬件以及互聯網

19、的廣泛應用而進一步拓寬應用。其中，能適應在線應用的自動指紋識別系統的算法有待進一步改進，多種指紋識別方法的集成應用以及包括指紋識別在內的多種生物特征鑒定技術的集成應用也將是今后研究的發展方向。因此，自動指紋識別技術現在是，未來幾年仍將是一個重要的、極具挑戰性的模式識別研究課題。1.4 本論文結構本論文主要分為四章：第一章緒論。介紹課題研究背景意義及國內外發展研究現狀；第二章指紋識別的理論和方法。介紹指紋識別系統的基本理論和幾種常見算法；第三章matlab仿真實驗結果與分析。分析幾種算法的實驗仿真結果，并通過結果進行分析總結各個算法的特點；第四章結論。23第二章指紋識別的理論和方法十九世紀初，科

20、學研究發現了至今仍然承認的兩個重要特征：一是兩個不同手指的指紋紋脊的樣式（RidgePattern）不同，另外一個是指紋紋脊的樣式終生不變。這個研究成果使得指紋在犯罪鑒別中得以正式應用。二十世紀六十年代，由于計算機可以有效地處理圖形，人們開始著手研究計算機來處理指紋，自動指紋識別系統AFIS在法律實施方面的研究與應用有就由此展開來。2.1 指紋識別的基本原理指紋其實是比較復雜的。與人工處理不同，許多生物識別技術公司并不直接存儲指紋的圖象。多年來在各個公司及其研究機構產生了許多數字化的算法（美國有關法律認為，指紋圖象屬于個人隱私，因此不能直接存儲指紋圖象）。但指紋識別算法最終都歸結為在指紋圖象上

21、找到并比對指紋的特征。1指紋的特征我們定義了指紋的兩類特征來進行指紋的驗證：總體特征和局部特征。在考慮局部特征的情況下，英國學者E.R.Herry認為，只要比對13個特征點重合，就可以確認為是同一個指紋。總體特征：總體特征是指那些用人眼直接就可以觀察到的特征，包括：基本紋路圖案環型（loop）,弓型（arch）,螺旋型（whorl）。其他的指紋圖案都基于這三種基本圖案。僅僅依靠圖案類型來分辨指紋是遠遠不夠的，這只是一個粗略的分類，但通過分類使得在大數據庫中搜尋指紋更為方便。局部特征：局部特征是指指紋上的節點的特征，這些具有某種特征的節點稱為特征點。兩枚指紋經常會具有相同的總體特征，但它們的局部

22、特征-特征點，卻不可能完全相同。2指紋的特征點指紋紋路并不是連續的、平滑筆直的，而是經常出現中斷、分叉或打折。這些斷點、分叉點和轉折點就稱為“特征點”。就是這些特征點提供了指紋唯一性的確認信息。2.2 指紋識別系統工作流程指紋識別技術主要涉及四個功能：讀取指紋圖象、提取特征、保存數據和比對。系統開始，通過指紋讀取設備讀取到人體指紋的圖象，取到指紋圖象之后，要對原始圖象進行初步的處理，使之更清晰。接下來，指紋辨識軟件建立指紋的數字表示特征數據，一種單方向的轉換，可以從指紋轉換成特征數據但不能從特征數據轉換成為指紋，而兩枚不同的指紋不會產生相同的特征數據。軟件從指紋上找到被稱為（minutiae）

23、的數據點，也就是那些指紋紋路的分叉、終止或打圈處的坐標位置，這些點同時具有七種以上的唯一性特征。因為通常手指上平均具有70個節點，所以這種方法會產生大約490個數據。有的算法把節點和方向信息組合產生了更多的數據，這些方向信息表明了各個節點之間的關系，也有的算法還處理整幅指紋圖像。總之，這些數據，通常稱為模板，保存為1K大小的記錄。無論它們是怎樣組成的，至今仍然沒有一種模板的標準，也沒有一種公布的抽象算法，而是各個廠商自行其是。最后，通過計算機模糊比較的方法，把兩個指紋的模板進行比較，計算出它們的相似程度，最終得到兩個指紋的匹配結果。指紋識別系統框圖如圖2.1所示。圖2.1指紋識別系統工作原理框

24、圖2.3 指紋識別技術的方法本文重點研究基于神經網絡指紋識別算法、濾波特征和不變矩指紋識別算法和指紋匹配算法，針對已有的三種指紋識別算法進行編程識別，通過matlab仿真，從而進一步論證三種算法的優缺點。2.3.1 神經網絡指紋識別算法用神經網絡進行識別選用哪種特征是個關鍵問題考慮到本文這里的識別過程是在同類型指紋間進行的這些指紋具有相似的紋線走向指紋的方向信息在這里就顯得無關緊要了通過對同類型指紋的分析發現它們差別主要體現在具體的每個細節點上因此本文就提取了指紋的細節點特征作為識別特征每個樣本提取的細節點特征是一個80X1維的向量包含20個特征點每個特征點的特征值是個4維的向量分別是特征點的

25、類型特征點與參考點的紋線方向差值特征點與參考點的距離特征點與參考點的角度我們認為特征點的這些信息即可充分體現同類型指紋間的細微差別也同時具有一定的抗平移和抗旋轉性。本文采用的是學習矢量量化LVQ神經網絡模型LVQ神經網絡由于其自身的自組織和聚類特性可以很好地給出模式在多維空間的概率分布估計從而可較好地完成指紋的識別，其識別模型如圖2.2所示.指紋分類訓練特征指紋識別訓練特征指紋分類特征類出 分輸指紋識別特行漩渦型LVQ網絡左環LVQ網絡右環LVQ網絡拱型LVQ網絡圖2.2基于神經網絡的自動指紋識別模型2.3.2 濾波特征和不變矩指紋識別算法濾波特征識別算法：指紋圖像特征的表示要求滿足尺度不變性

26、、位移不變性和旋轉不變性3個特征。尺度不變性是滿足的。在濾波提取算法中，位移不變性是通過確定指紋圖像的中心參考點來實現的。圖像的旋轉不變性可以通過在匹配階段建立多角度旋轉特征向量來實現。濾波特征的提取算法包括4個步驟:確定指紋圖像的中心參考點，以及要處理的指紋區域，記為ROI區域；以參考點為中心，對ROI區域進行劃分，得到一定大小的塊；用一組Gabor濾波器在八個不同的方向對ROI區域進行濾波運算（在指紋圖像中，完全獲取指紋的局部脊線特征需要使用8個方向濾波器，獲取全局結構信息僅需要4個方向濾波器）；在濾波圖像中，計算每一塊中灰度值相對于均值的平均絕對偏差，進而得到特征向量或特征編碼。基于濾波

27、特征的指紋識別算法，首先對指紋圖像進行濾波特征提取,然后在濾波特征值構成的特征向量的基礎上進行匹配。不變矩識別算法：算法的基本思路是:搜索預處理后的二值圖像中所有可能為目標的區域，計算區域的7個不變矩特征，認為與模板匹配程度最高的區域為目標。其中相似度度量采用歐式距離。算法程序：voidCOpenCVTest:TestMoment()CvRectr;r.x=120;r.y=100;r.width=20;r.height=20;CvMomentsm;CvMatmat;IplImage*src;/8位圖必須為灰度圖像自然圖2.bmp",0);CvArr*arr;arr=cvGetSubR

28、ect(src,&mat,r);/獲取矩cvMoments(arr,&m,0);/獲取空間矩doublem00=cvGetSpatialMoment(&m,0,0);/獲取hu不變矩CvHuMomentshu;cvGetHuMoments(&m,&hu);CStringstr;str.Format("空間矩：m00=%fnHu不變矩：h1=%f,h2=%f,h3=%f,h4=%f,h5=%f,h6=%f,h7=%f,",m00,hu.hu1,hu.hu2,hu.hu3,hu.hu4,hu.hu5,hu.hu6,hu.hu7);AfxM

29、essageBox(str);cvReleaseImage(&src);cvWaitKey(0);2.3.3 指紋匹配算法指紋匹配就是指紋特征值比對過程。它是把當前取得的指紋特征值集合與事先存的指紋特征值模板進行匹配的過程。指紋匹配是一個模式識別的過程，判定的標準不是相等與不等，而是相似的程度。這個程度判定依賴于事先設定的閾值，以及與判定時比較的特征點的個數。閾值取的合理，特征點取的越多，誤判的機率就越小。指紋匹配的方法很多，包括基于奇異點的匹配、嵴模式的匹配、特征點的匹配、特征點線對（兩個特征點的連線）匹配，以及特征點組的匹配方法。指紋匹配之前需作指紋定位。指紋定位是使待驗證指紋的數

30、個細節點的坐標值與指紋庫中的數個細節點的坐標值一一相互對準的過程，從而使兩個指紋圖像對準重合。由于在指紋采樣時，用戶手指每次放置的位置和角度不同，形成的指紋圖像也略有不同，因此各個指紋特征值的坐標值也就不同。主要表現為手指平移和旋轉的差異，形成平移誤差和旋轉誤差。解決指紋圖像的平移誤差和旋轉誤差是指紋比對算法面對的首要問題。可以選取奇異點作為對準參數，也可以選擇某一區域內的特征點及嵴方向、嵴密度作為對準參數。實際上，在除了處理兩種誤差之外，在指紋采集過程中，由于每次按壓的力度不同而形成的指紋圖像擠壓變形和拉伸變形，同樣是指紋匹配之前需處理的。下圖為基于混合模式的指紋識別算法的流程圖。圖2.3混

31、合模式匹配算法流程圖算法程序：functionsector_num=whichsector(index)%ModiofiedbyLuigiRosa%indexistheindexofcurrentpixelofcroppedimage(croppedimageis%175x175);sector_numistheoutputandrepresentswhatisthe%correspondingsector.globalimmaginenbandshbandsnarcshradiushlatonsectorsmatricelength=h_lato;x=rem(index,length);y=

32、floor(index/length);x=x-floor(length/2);y=y-floor(length/2);rad=(x*x)+(y*y);ifrad<(h_radius*h_radius)%innerestradius=12(144=12*12)sector_num=(n_sectors-1)+1;sector_num;returnendif rad >= (h_bands*n_bands+h_radius42 sector_num = (n_sectors-1)+2;sector_num;returnend% outtest radius = 72 (5184=72

33、*72)ifx=0theta=atan(y/x);elseify>0theta=pi/2;elsetheta=-pi/2;endendifx<0theta=theta+pi;elseiftheta<0theta=theta+2*pi;endendiftheta<0theta=theta+2*pi;endr=floor(radA0.5);ring=floor(r-h_radius)/h_bands);arc=floor(theta/(2*pi/n_arcs);sector_num=ring*n_arcs+arc;第三章matlab仿真實驗結果與分析本課題通過matlab仿

34、真軟件分別對神經網絡指紋識別算法、濾波特征和不變矩指紋識別算法、指紋匹配算法進行仿真實驗與分析。3.1 算法matlab仿真結果圖3.1原始指紋圖像圖3.2經過神經網絡和高斯濾波的指紋圖像圖3.3經過不變矩的指紋圖像圖3.4經過匹配細化后的指紋圖像3.2 結果分析試驗結果顯示:LVQ神經網絡模型的優勢在于網絡結構簡單，只通過內部單元的互相作用，就可以完成十分復雜模式識別的分類處理，具有很好的模式識別特性。濾波特征和不變矩指紋識別算法的優勢在于它是基于直接線性變換的，因而無需確定與應用相關的自適應參數。矩技術類型很多，現已被應用于圖像分類與識別處理的許多方面。從數學角度上看，矩是很簡單的。它的局

35、限性在于無法對特定的目標特性進行精細計算，而且只能被應用于全局目標識別任務中。指紋匹配算法具有速度快、指紋模板小的優點，但是容易受指紋圖像噪聲干擾。基于全局特征匹配方式主要使用指紋紋理特征，具有特征穩定、信息豐富的優點，但是匹配精度不高、指紋模板比較大。第四章總結與展望本文系統地介紹了指紋識別技術的發展和國內外研究應用現狀，闡述了建立指紋識別系統的必要性和意義，提出了用Matlab工具來解決指紋識別技術的處理方法，通過matlab仿真軟件分別對神經網絡指紋識別算法、濾波特征和不變矩指紋識別算法、指紋匹配算法進行仿真實驗與分析，比較了三種算法各自的優勢。當今，指紋自動識別技術仍是國內外研究的熱點

36、問題實現自動指紋識別系統的實時性網絡化提高系統識別率是人們研究的目標相信不久以后指紋識別將廣泛應用于我們的生活為人們提供更方便更快捷的服務。本文在分析指紋識別系統研究和發展的國內外現狀的基礎上，通過指紋算法的理論和三個算法進行系統的研究分析，并通過對指紋圖像進行matkab軟件仿真實驗，研究具有一定的應用價值。參考文獻1 王建永.指紋圖像的特征提取與匹配D大連理工大學,2003.2 王家文,曹宇.MATLAB6.5圖形圖像處理M.北京:國防工業出版社,2004,5.3 董日榮.指紋識別系統核心算法的研究D華南師范大學,2004.4KmYS,KmWY.Content-basedtrademark

37、retrievalsystemusingavisuallysalientfeatUre.ImageandVisionComPuting,1998,16:931一939.5王崇文.自動指紋識別方法研究.博士學位論文.重慶大學.2002.6ChimY,KassimAA,IbrahimYCharaeterreeo,itionusistatistiealmoments.IlnageandVisionComPuting,1999,17:299一307.7馮國進,顧國華,張保民.指紋圖像預處理與特征提取M.計算機應用研究,2004,(5):183-186.附錄程序1：functionout=go_to_n

38、ext_element(in,path);%calledbyend_track()%withtheinputimageandthepathlist,itwilltracktothenext%connectedelementoftheridgeix,iy=size(in);length,dummy=size(path);next_x=0;next_y=0;flag=0;%lengthisthelengthofthepath%simplygotothenextelementif(path(length,1)<4)flag=1;end;if(path(length,1)>197)flag

39、=1;end;if(path(length,2)<4)flag=1;end;if(path(length,2)>197)flag=1;end;ifflag=0next_x,next_y=find_next(in,path);end;%addittothepathpath(length+1,1)=next_x;path(length+1,2)=next_y;out=path;程序2：functionout,real_end=end_track(in,end_list,branch_list)%2/12%thisfunctionwillusetheinputimageandtheend_listtogeneratethe%outputimage(cleaned)andthelistofrealminutiae(endpoints)%out-outputimage%real_end-realminutiae(endpoints)%in-inputimage%end_list-thelistofvalidandinvalidendpointsreal_end=zeros(1,3);end_count=0;'