基于MATLAB的指纹识别概述.pptx

基于MATLAB的指纹识别;一、序言：;二、指纹识别的发展：;三、几种生物特征身份认证技术的比较;;四、指纹识别的优缺点;b)指纹识别的缺点;五、指纹识别系统原理-验证;;(1)、指纹采集;;(2)、图像预处理 图像预处理的任务是准确可靠地找到图像特征，以保证后续的指纹匹配或分类，并能对较模糊的指纹图像有较强的鲁棒性（其是系统的健壮性，它是在异常和危险情况下系统生存的关键） 。 图像预处理主要有五个步骤： ;(a)灰度图滤波去噪：目的是，对输入的噪声较多的灰度图像进行滤波处理，去除图像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像。 ;(b)二值化：把灰度图像变成一幅二值指纹图像。 ;(c)二值化图像去噪：由于灰度去噪的不完全性及二值化的指纹图像还需要进行一次去噪操作，得到清晰的二值指纹图像。 ;(d)细化：把清晰的二值指纹图像通过细化变为点线图，即指纹图中的脊线都以点线的方式表示。 ;(e)细化后的去噪：由于前面滤波去噪的不完全性及细化算法本身可能引入的噪音，因此，细化后的指纹图还需进行一次滤波操作，以得到一幅清晰的点线图。 ;(3)、指纹匹配;1、提取细节特征 定义： （a）脊线间的平均距离为λ； （b）细节特征的方向：从端点出发，沿脊线跟踪λ个像素，用一元线性回归，求出这些点的拟合直线，该直线的方向就是所求特征端点的方向。 （c）特征点的距离为d（欧式距离）。 （d）特征点的结构数为N。 用3x3的模板逐点对细化后的指纹图像的脊线进行检测，就可以初步选出所有的细节特征，记录下这些细节特征的类型和位置坐标，以便于下一步的剪枝处理。 ; 如图所示，为基于细节点的细节特征提取示例图 ;2、去除伪特征点 （1）消除图像的边缘效应 ； （2）删除图像的模糊部分带来的伪特征点； （3）删除因脊线断裂造成的伪特征点； （4）删除短枝和桥形伪特征点。 （a）细节特征剪枝前 （b）细节特征剪枝后 去除伪特征点前后比较;?;?; 图为两幅图像匹配的示例，（a）和（b）为原始指纹图像，它们来自同一手指，（c）和（d）为细化匹配的指纹图像。 ;(4)实验操作及结果;;;;(6)实验总结及分析;;;分析：;;硬件分析图：;六、附录：;;;%计算手指的编码并加入到数据库 if chos==1 clc; close all; selezionato=0; while selezionato==0 [namefile,pathname]=uigetfile({*.bmp;*.tif;*.tiff;*.jpg;*.jpeg;*.gif;*.png,IMAGE Files (*.bmp,*.tif,*.tiff,*.jpg,*.jpeg,*.gif;*.png)},Chose GrayScale Image); if namefile~=0 [img,map]=imread(strcat(pathname,namefile)); selezionato=1; else disp(请选择图片); end if (any(namefile~=0) (~isgray(img))) disp(请选择图片); selezionato=0; end end