1、電路與系統(tǒng)專(zhuān)業(yè)畢業(yè)論文 精品論文 自動(dòng)指紋識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究關(guān)鍵詞：指紋識(shí)別 質(zhì)量評(píng)估 圖像二次分割 特征匹配摘要：由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指

2、紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配

3、的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。正文內(nèi)容 由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于

4、指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大

5、類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參

6、數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)

7、量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：

8、一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許

9、多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，

10、其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)

11、參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于

12、判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整

13、個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖

14、然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減

15、少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求

16、出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏

17、，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征

18、匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域

19、應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋

20、圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差

21、允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。

22、分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于

23、三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)

24、成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像

25、區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)成特征向量，利用線(xiàn)性支持向量機(jī)SVM對(duì)前景區(qū)域進(jìn)行分割以剔除指紋圖像中的不可恢復(fù)區(qū)域。 3.研究了指紋特征匹配算法。提出了一種基于三角形全等的指紋特征匹配算法，該算法將整個(gè)匹配過(guò)程分為三步：一是在采集到的指紋特征和待匹配的指紋特征模板中，以奇異點(diǎn)或細(xì)節(jié)點(diǎn)為三角形的一個(gè)頂點(diǎn)，通過(guò)指定方法查找在誤差允許的范圍之內(nèi)全等的兩個(gè)三角形；二是根據(jù)兩個(gè)全等三角形的相對(duì)位置，通過(guò)對(duì)所采集到的特征點(diǎn)所構(gòu)成的三角形進(jìn)行平移和旋轉(zhuǎn)操作，使

26、兩個(gè)全等三角形在誤差允許的范圍內(nèi)重疊，求出三角形的平移和旋轉(zhuǎn)參數(shù)，然后根據(jù)這些參數(shù)，對(duì)所采集到的全部指紋特征象素點(diǎn)進(jìn)行平移和旋轉(zhuǎn)操作；三是采用彈性匹配算法以確定細(xì)節(jié)點(diǎn)之間的對(duì)應(yīng)關(guān)系并計(jì)算出最終的匹配分?jǐn)?shù)，并由此確定指紋識(shí)別結(jié)果。由于人體指紋的長(zhǎng)期不變性與唯一性，通過(guò)指紋特征來(lái)鑒別人員身份的自動(dòng)指紋識(shí)別技術(shù)已經(jīng)成為生物識(shí)別技術(shù)領(lǐng)域應(yīng)用最廣泛的技術(shù)。雖然指紋識(shí)別領(lǐng)域已有許多研究成果，但是由于指紋識(shí)別所特有的復(fù)雜性和不確定性，自動(dòng)指紋識(shí)別系統(tǒng)仍面臨著不少問(wèn)題有待解決和完善。本文在指紋圖像質(zhì)量評(píng)估算法、指紋圖像預(yù)處理算法、指紋特征匹配算法等方面進(jìn)行了深入的分析和研究，主要完成了如下工作： 1.研究了指紋圖像質(zhì)量評(píng)估技術(shù)。分析了現(xiàn)有方法的缺乏，提出了一種新的基于判別因子的指紋圖像質(zhì)量評(píng)估算法。該算法依據(jù)不同的指紋質(zhì)量特征對(duì)最終評(píng)估結(jié)果影響的大小，依次對(duì)指紋圖像進(jìn)行評(píng)估，對(duì)不符合質(zhì)量要求的指紋圖像，立即終止其評(píng)估過(guò)程，提示用戶(hù)重新輸入指紋圖像，并給出修改建議。 2.研究了指紋圖像預(yù)處理算法。深入分析了指紋圖像區(qū)域類(lèi)型，提出對(duì)指紋圖像進(jìn)行二級(jí)分割以減少特征提取的錯(cuò)誤率，其中初級(jí)分割采用最大類(lèi)間方差閾值分割法把前景區(qū)域和背景區(qū)域分開(kāi)，次級(jí)分割采用指紋圖像子塊的傅立葉頻譜能量比和灰度比照度構(gòu)