自动指纹识别系统.pptVIP

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;预处理流程图 ;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???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响，采用基于结构特征的点匹配算法，对校准后的点集进行匹配，匹配的特征点个数在两个点集中所占比例大约百分之六十五的范围内就可判为匹配成功。 ;根据灰度的大小对图像进行初步处理，得到初步处理然后对指纹图像进行归一化及分割处理，消除剩下的背景区域。;对指纹图像进行分割处理，消除剩下的背景区域。 a．先对初步处理后的指纹图像进行归一化处理，在此利用公式如下：; b. 对指纹图像进行分块，将其分为8*8的小块，如果是背景区域，其灰度的方差较小，而前景区的指纹图像的方差较大，所以对每个小块求其方差，再设定一个阈值，小于阈值的方块区域设置为背景区域，将其灰度值设定为255，而大于阈值的区域的灰度值保持不变，从而可以将指纹图像从背景区域很好的分离。;基于灰度的指纹图像与背景分离算法 　　　; 指纹预处理过程中最重要的一步就是对指纹图像进行滤波去噪，它是指纹图像预处理需要解决的核心问题。图像滤波的目的是在增强脊线谷线结构对比度的同时抑制噪声，连接断裂的脊线和分离粘连的脊线，按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息。; 图像经滤波处理后，其中的纹线(脊)部分得到了增强，不过脊的强度并不完全相同，表现为灰度值的差异。二值化的目的就是使脊的灰度值趋向一致，将灰度图变换为只有黑和白两种灰度的图像。使整幅图像简化为二元信息在指纹识别中，一方面对图像信息进行了压缩，保留了纹线的主要信息，节约了存储空间，另一方面还可以去除大量的粘连，为指纹特征的提取和匹配作准备。; 由于原始指纹图像不同区域深浅不一，如对整幅图像用同一阈值进行二值分割，会造成大量有用信息的丢失。这里我们使用自适应阈值二值化的思想，对每块指纹图像，选取的阈值应尽量使该块图像内大于该阈值的像素点数等于小于该阈值的像素点数。 一般灰度图像二值化的变换函数用下列公式表示 ;;指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只对纹线的走向感兴趣，不关心它的粗细。细化的目的是为了删除指纹纹线的边缘像素，使之只有一个像素宽度，减少冗余的信息，突出指纹纹线的主要特征，从而便于后面的特征提取。细化时应保证纹线的连接性，方向性和特征点不变，还应保持纹线的中心基本不变。;（1）建立3维数组，第一组数据为预处理后的图像信息，定义每一个像素点它周围点像素参数。 （2）对于满足6种情况的模板，赋值为2 ，其实为像素1情况。对于满足后六种情况的模板赋值为3，别的情况点值不做改变。 （3）16种消去模板是