基于MATLAB的指纹识别PPT.pptx

基于MATLAB的指纹识别一、序言： 随着21世纪的到来，电子设备变得越来越普遍，人身份的识别也变得越来越重要，比如说我们的银行卡和身份证都要经过电子设备才能被访问，而他们的密码普遍使用数字的形式，这存在着很大的隐患，因而人们一直努力创造一种独一无二的识别方式，比如说现在已有的人脸识别、指纹识别、虹膜识别、掌纹识别等，他们使用人体这些独一无二的特征来识别每个人的身份；就像我们学校对老师的考勤就是用的是指纹识别，门禁系统，它使用的是数字和字母识别。二、指纹识别的发展： 指纹应用可以追溯到几千年以前,但指纹学成为一门学科,却只有百余年的历史。指纹应用可以分为三个时期。 第一时期：摸索时期；据考证,我国已经发现6千多年前的陶器上留下的指纹。中国是运用指纹最早的国家之一,古代军队就设有箕斗花名册。罪犯的供词也以捺印指纹为证。 第二时期：指纹科学化时期；这一时期是从17世纪80年代开始的。1684年,英国医学博士格留第一次对指纹做了分类。 第三时期：现代化、自动化时期；这一时期是从上世纪60年代开始的。随着现代科学技术的发展,指纹应用迅速地实现了现代化和自动化,例如,指纹的电子计算机应用,使储存、查对、鉴定开始走向自动化和半自动化的轨道。三、几种生物特征身份认证技术的比较鉴定方法广泛性独特性持久性采集性性能接受性防伪性人脸高低中高低高低指纹中高高中高中高掌形中中中高中中中掌纹中中中中中中高虹膜高高高中高低高视网膜高高中低高低高签名低低低高低高低语音中低低中低高低热成像高高低高中高高 国际生物特征组织IBG(International Biometric Group)公布的2005年生物特征识别技术报告权威，其中上图将各种常用的生物特征识别技术所占的市 场份额做了比较.目前有三种身体特征被认为最具有固定性和唯一性：视网膜、虹膜和指纹。但是，从综合性能上讲，指纹识别要优于其它技术。b)指纹识别的缺点 1、某些人或某些群体的指纹指纹特征少，难成像； 2、过去因为在犯罪记录中使用指纹，使得某些人害怕“将指纹记录在案”。 3、实际上现在的指纹鉴别技术都可以不存储任何含有指纹图像的数据，而只是存储从指纹中得到的加密的指纹特征数据； 4、每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。五、指纹识别系统原理-验证图例 登记 验证 输入 出示指纹 计算特征值 保存ID与特征值 取出相应的指纹特征值 比较俩个指纹特征值用户ID211342指纹库指纹特征值34556指纹特征值比对6（3）指纹匹配（5）实战演练（6）实验总结（4）实验操作及结果（2）图像预处理指纹识别流程：（1）指纹采集(1)、指纹采集灰度处理灰度处理灰度处理(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：灰度图滤波去噪二值化细化后的图像去噪二值图像去噪指纹的细化(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。 图1：方向图滤波去噪效果(b)二值化：把灰度图像变成一幅二值指纹图像。图2：二值化后的效果(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。图3：二值化去噪后的效果(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。图4：细化后的效果(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。图5：细化去噪后的效果(3)、指纹匹配目前流行的自动指纹识别系统大多采用基于细节点的表述方式，这种方法是模仿人工指纹匹配，在指纹图像上确定细节特征的位置，然后通过比较特征之间的相互关系来确定指纹是否匹配。对于细化后的点线指纹图，主要有四种伪结构。 a)因为脊线断裂产生的错误端点； b)因为脊线的错误连接产生了伪分歧点； c)因为脊线的错误断开，产生了伪端点； d)在对非平滑脊线进行细化后产生的短枝。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