自动指纹识别系统.pptVIP

　　　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。 改进的特征提取算法 第一步，选定全局特征点。 第二步，选定细节点。采用之前讲述的八邻域编码算法。 第三步，对选定好的特征点进行去伪存真处理。 　　　识别时本文用到特征点间距离和特征点方向差两概念，特征点和间距离用欧式距离计算，见式（4－6）： 　　　伪特征点滤除算法步骤如下： 　　　1．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。 　　　2．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。 　　　3．对边界特征点的去除，搜索指纹分割时的边缘块，根据块所在的位置，判断特征点离边界的距离，如果小于阈值(一般设为5)，则认为该特征点为伪特征点，应予以删除。 　　　算法步骤： 　　　（1）分别读取两个特征点集合中的特征点； 　　　（2）对特征点进行分类。定义取“1”时，属于特征点端点分类，取“2”时，属于特征点分叉点分类； 　　　（3）分别计算他们相对于中心点的方向向量和距离向量； 　　　（4）若两特征点的距离向量之差小于“2”且两特征点的方向向量小于等于，则认为两特征点匹配； 　　　（5）若不满足（4）的条件则认为不匹配，并删除。 　　　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’。 指纹图像比对流程图 指纹识别系统 王梦菲 2011082136 毛凯丽 2011082141 朱东 2011082144 指纹识别的概念 a. 指纹识别就是利用人的指纹来识别、验证人的 身份，指纹具有唯一性和终身不变性b. 指纹识别是一种生物特征识别技术。生物特征 识别技术就是采用自动技术测量人体固有的生 理特性和行为特征，并将这些特征与数据库的 模板数据进行比较来进行个人身份的鉴定。 (1)互异性；世界上两个指纹完全相同的概率小于10-9，几乎为零。 (2)不变性；人的指纹特征不随年龄的增长和胖瘦或其他情况的改变而改变。 (3)具有和主体永不分离性；这样对主体身份的识别更具真实性。 (4)指纹的使用比起其它证卡来说更快捷、安全准确、无干扰，可实现快速登录注册。 (5)一个人的十指指纹皆不相同，这样可以方便地利用多个指纹构成多重口令，提高系统的安全性。 (6)指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关键特征，这样使系统对模板库的存储量较小。另外，对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。 指纹取像 图像预处理 特征提取 指纹识别 数据库管理 自动指纹识别系统AFIS的简单流程 预处理流程图 图像滤波 目前市场上常用的指纹采集设备有三种：光学式、硅芯片式、超声波式 指纹图像预处理：预处理的目的是改善输入指纹图像的质量，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,以提高特征提取的准确性。本文采用灰度分割法对质问图像进行分割。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。 指纹图像特征提取：对指纹图像的特征点进行提取。由于经过预处理后的细化图像上存在大量的伪特征点，所以提取大量的伪特征点，这些伪特征点的存在，不但使匹配的速度大大降低，还使指纹识别性能急剧下降，造成识别系统的误拒率和误识率的上升，因此在进行指纹匹配之前，尽可能将伪特征点去除，针对提取出指纹细节特征点含有大量的伪特征这一问题，提出了一种边缘信息判别法，有效地去除了边界伪特征点，再根据脊线结构特性去除其毛刺和短脊等伪特征点，显的减少了伪特征点。 指纹匹配：对指纹图像的匹配算法进行研究。特征匹配是识别系统的关键环节，匹配算法的好坏直接影响识别的性能、速度和效率。为了克服指纹图像非线性形变的影