英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
指纹识别
摘要：指纹识别是最流行和最可靠的个人生物识别方法之一。本文描述了一种利用Matlab2010程序对指纹进行特征化的方法，即先读取指纹，然后进行一系列的特征提取过程(将图像转换为灰度图像，再转换为二值图像，然后进行构造过程，找出指纹图像的内外边界和滤波后的边缘，并找出特征点)。指纹属性包括一丛和末端，将图像分割成块3*3，提取这些部分并观察是否包含末端或分叉，并将这些特征的坐标以坐标x和坐标y存储在二维矩阵中，删除不需要的特征并确定其方向，尽管指纹在印记方向方面不同，但很可能会在指纹的坐标中匹配印记，然后将它们与包括一系列指纹特征的数据库进行比较，以是否匹配确定在该组内存在或不存在。
关键词-指纹，细化，细节点，脊线，分叉，终止边缘检测。
1.引言
尽管技术世界科学不断发展，尽管拥有者尽力保护他们的所有物，但现在最私密的系统也有可能被专业人员渗透，从而为间谍活动、盗窃和强行控制提供便利，包括那些操作系统，因此，系统的所有者有责任谨慎对待给与他的东西，这就要求他寻找现代和复杂的保护方法，使其包含一种独一无二的限制，别人很难穿透，使它的安全得到保证。
基于科学和广泛的步伐，以取代传统的方法，如磁卡比密码更安全，最新和最成功的一种想法，是Al生物特征统计系统，称为B(Al Biometry Characteristic)。基于生物识别的安保技术已经成为研发的前端技术，它要求人们在进入或使用该系统之前必须要有准确的身份，才能允许其进入或使用这种系统，在军事和民用以及网络系统和出入境系统的机构和国家的出入境系统还有金融业务等方面都有应用。
值得一提的是，它还规定了生物特征识别的规则。在不使用密码、号码或个人卡片的地方，这些系统已经被社会接受，而且不太昂贵。
我们把其中一种技术拿到本文中进行讲解，这种技术通过指纹来区分人们，这种方法是最为人们熟识，分布最广，最适合用户需求并适应他们未来的高需求的技术，指纹在每个人身上都是独一无二的，世界上没有两个人有相同的指纹，即使是双胞胎也是如此。
2.建议方法
2.1指纹系统设计：
指纹识别系统主要包括三个部分，即：1-创建数据库。2-提取指纹特征。3-与指纹数据库比较。
程序执行后向我们展示以下主界面，其中系统操作如下：
2.1.1强大的数据库
这个过程通过选择要建立数据库的图像指纹组，相继绘制它们的特征，并通过绘制特征将其属性传递给电脑，然后将其存储在数据库中以供以后进行比较，算法程序完成后的测试可以告诉我们构建是成功的：
2.1.2指纹特征提取：
系统区分为指纹系统的三个基本阶段取决于：
指纹读取阶段(采集)和指纹特征的相位提取(细节点提取器)和相位匹配(细节点匹配器)。
指纹读取阶段：
用来读取不同设备的指纹的，获取数字指纹图像的常用方式有两种，第一种是光扫描，第二种是电测，两者得出的结果是一样的，但方式不同。
光扫描：扫描器装置具有灵敏电荷耦合器件(CCD)，如在数码相机中发现的，一组光敏单元称为光点(Photo Site)，当暴露在光中时产生电信号，每个细胞在短时间内产生有限的正方形，并且这个正方形发亮或者发暗，这是根据光暴露的结果的，没有暴露在光中的单元是暗的，而那些暴露在光中的单元将被照亮，并且组成暗和亮的图像，然后转换成数字周期以电子方式保存。当将人的手指放在玻璃板上，然后得到设备扫描的图像，之后将该图像去掉杂质，然后将其与原始存储的图像进行比较。
电扫描：不是使用光获得指纹图像，而是通过电容和电流产生相同的图像，它是围绕扬声器的电路，功率放大器由几个晶体管、电阻器和电容器组成，与功放电源改变电压值的发电机电压是闭路连接的，并依次连接到另一个。扬声器内装有两张半导体阿库纳集约式电荷储存卡，当你取指纹时，一个人把手放在电容器的板上，这样纹路会印在皮肤表面，提取特征时会根据指纹的形状而变化，该装置的灵敏程度和电荷电压决定了指纹值的形式。图像是由这样的方法在扫描中形成的。
这里出现的问题是，为什么要用电生理的方法来获取指纹，这个方法复杂程度很高，是否有扫描的简单方法？答案很简单：你可以通过纸张上的一张指纹图片愚弄光扫描仪，而电子设备则要有一只真正的手在按在设备上，还有它的小尺寸也是优点之一。在本文中，利用MATLAB实现了一种将图像存储在计算机上的指纹识别装置该软件是基于图像的矩阵图进行指纹后续处理提取指纹特征的阶段。该程序在执行后向我们展示了我们在下图中看到的主页：Axes1它是文件列表，选择它加载图像以上传要分开并位于计算机上的图像指纹，并显示以下图像：
2.1.3双相提取指纹特征：
包括提取指纹T基本步骤集合是将图像转换为二值图像的过程以及图像的形成和分割，以及指纹提取阶段属性(终止和分叉)以及删除不需要的特征的操作。
通过我们的系统流程都是依次激活的，一个接一个，下图显示了绘制指纹的操作，任何一台电脑读取的指纹都是转换成数字矩阵的，以方便处理。
图像二值化：
该过程转换图像(矩阵)，它是RGB图像。这种类型的图像由三层组成：红、蓝、绿。这些层的每个像素需要一个字节来表示他，因此，每个像素层表示24个字节，并且我们可以处理它必须被转换成任意无限范围的图像值的二进制图像，以包括0和1，其中该图像被转换为灰度图像的值是介于0-255之间的值，然后将其转化为黑白二值图像，因为0表示的是黑色，图像的边缘任意一个数字代表的是白色的背景图像，这一步是非常重要的一步，这将有助于我们对图像进行去除杂质，清洗画面，方便指纹的提取。其中就是在这一步中，利用阈值水平特征选择作为现有图像，以获得最好的结果。如果图像的值大于阈值限制为一个，则为零。在操作时可以选择自动或者手动，手动则需要设置阈值为160。
我们看到的输出图像如下
细化过程：
细化操作，这是指纹系统中的重要操作过程之一，通过这种方式找到图像(指纹)的内部和外部边界，并为我们的指纹标注边缘。
系统中最重要的阶段是特征点指纹属性的查找阶段，其中包括一丛和末尾都是将图像分割成块3*3并提取这些块是否包含末端或分叉，并将这些特征的坐标存储在二维矩阵中以坐标x和坐标Y，然后继续搜索这些特征的方式，并以回旋或折叠的方式包含查找图像中的所有像素点，在选定的块中以单向或分叉的方式查找属性，如下图所示在任意整数中进行搜索。
图中是一个边缘指纹。因此，如果质心的值等于1，这表明特征点的存在取决于像素中心附近的细节点是分叉还是末端。如果它大于一个像素值，则它们是分叉的，否则就是末端。
作为该过程的结果，我们会获得图形的矩阵坐标、结尾和矩阵坐标。
删除错误的细节点：
先前的过程提取了广泛的特征，自然所有这些特征对于这个过程都是必不可少的，但是将需要几个错误特征的去除：
1-如果两个末端或分叉之间的距离小于10个像素，则删除它们中的一个。2-如果我们有三个终端或三个分叉，它们之间的距离小于10个像素，取它们的位置。
3-如果有分叉的末端，就继续分叉。
这个过程只识别指纹的重要区域(中心区域)，已知指纹的属性集中在指纹的手指中心和外围并不重要，所以仍然使用构象操作，特别是闭合、侵蚀的过程。当您指定中心区域然后删除外部的所有属性ROI的框架是手动或自动完成的。
如果手动：它会为我们打开以下界面，使我们能够手动识别重要区域。
先前的操作的顺序导致提取指纹，使它在指纹特征的比较阶段可能匹配指纹在坐标中的指纹特征，尽管特征在印记方向方面不同。因此该过程将确定特征属性的方向取5*5的块大小，并且我们应用以下矩阵来确定
趋势表=[3*pi/4 2*pi/3 pi/2 pi/3 pi/4
5*pi/6 0 0 0 pi/6
Pi 0 0 0 0
-5*pi/6 0 0 0 -pi/6
-3*pi/4 -2pi/3 -pi/2 -pi/3 -pi/4]
此过程是指纹识别的最后一个操作，提取特征，可以使用户能够手动删除任何不需要的分叉或边缘，在此阶段只对指纹输入的特征有影响，即指纹输入的特征表示，这是输入到比较过程的特征。实际验证时，我们会看到以下窗口：
其中有列表中的所有端点和其坐标上的分叉点列表，并根据我们看到的预览指纹手动删除任何末端或分叉。
通过它可以保存导出坐标上的终止和分叉，当选择时它是一个文本文件，会向弹出一个对话框，要求我们输入指纹名称以便存贮
2.1.3.3 Third：比较流程匹配：
基于相关系数计算的数据库与指纹新特征的匹配：该过程使用以下步骤的指纹算法匹配模板：
第一步：选择指纹的设置功能。
第二步：计算指纹的相关系数。
第三步：计算模板的相关系数，将结果保存到数组中。
第四步：在第三步产生的数组中找出指标最大值。
相关方法被广泛应用于统计分析、模式识别和图像处理。后者的应用包括比较两幅图像用于图像配准、视差测量等。它描述如下
其中xi是图像1中像素的强度，yi是图像2中像素的强度，x是图像1的平均强度，y是图像2的平均强度
不匹配的话，它将向我们显示以下信息来表明输入的图像不存在于数据库中：找不到指纹
3．总结
指纹丰富的可测量的特征，这使得它很容易被人接受和用作生物特征识别来验证人在特定人群中的存在，因为它的特点是排他性，独一无二的，使得它适合作为一种高可靠性、安全性的工具。
利用在Matlab环境下开发的指纹识别系统，是完全用C语言编写的指纹识别源代码，并对其进行了评测。这是通过C语言MEX文件来执行的，这样就可以运行原始的C代码，而无需使用Matlab脚本。利用NBIS开发了一个函数，他有助于从灰度指纹图像中提取特征点，并对两个特征点进行匹配以确定匹配程度。在这项工作中，使用了60个独立用户，每个用户8个指纹，即480个指纹用于评估该系统。在与真品匹配和冒名顶替者匹配进行比较后，通过特征点匹配程度的情况使用接收器绘制特征(ROC)图。
最后，通过对绘制的接收机工作特性(ROC)图的分析，对系统的性能进行了评估。使用此功能获得的结果可用于与其他测量系统性能的技术(在两种情况下都使用相同的DB)进行比较，通过使用ROC图。
参考文献
[1] D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handboo of Fingerprint Recognition, Springer, 2003, ISBN 0-387-95431-7.
[2] Ahmad, F.; Mohamad, D.; “A Review on Fingerprint Classification Techniques”, International Conference on computer Technology and Development, ICCTD rsquo;09, Vol.2, pp. 411-415, 2009.
[3] Dijana Petrovska-Delacreacute;taz, Geacute;rard Chollet, Bernadette Dorizzi; “Guide to Biometric Reference Systems and Performance Evaluation”, Springer-Verlag London Limited 2009, ISBN 978-1-84800-291-3.
[4] BioSec: Biometrics and security, FP6 IP, IST - 2002-001766 -http://www.biosec.org (2004)
[5] Bolle, R., Serior, A., Ratha, N., Pankanti, S.: Fingerprint minutiae: A constructive definition.Proc. Workshop on Biometric Authentication, BIOAW LNCS-2359, (2002).
[6] Cappelli, R., Maio, D., Maltoni, D., Wayman, J.L., Jain, A.K.: Performance evaluation of fingerprint verification systems. IEEE Trans.
[7]Chen, Y., Jain, A.: Dots and incipients: Extended features for partial fingerprint matching.Proceedings of Biometric Sympo
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[258606]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
