指纹识别论文
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指纹识别算法研究
设计论文
• 答辩人： 甲
学号：1231245
研
1 研究的目的和意义
究
概
2 国内外的研究现状及分析
述
3
研究内容
4
指纹识别的基本原理
5
指纹图像预处理
6 指纹图像特征提取与匹配
1 .研究的目的和意义
理论概念
传统的验证个 人身份的，都 是验证那人是 否持有某有效 “物”，而不 是验证到底是 不是本人。。
4.图像细化。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。 Zhang并行快速细化算法
模板:
p3 p2 p9
p4 p1 p8
p5 p6 p7
第一步，（其中p1为前景点，如果以下四个条件同时满足，则删除p1，即令
p1=0）
. 2<=N(p1)<=6
// 中心为黑点
2. Z0(p1)=1
// Nz为八邻域中黑点的数目
3. p2*p8*p6=0
// 避免图像被打断( 其反条件时不可删)
2.图像增强。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
3.二值化。二值化的目的就是使脊的灰度值趋向一致， 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。一般灰度图像二值化的 变换函数 用下列公式表示， 为指定的阈值， 为灰度 值
现实表现
依靠指纹的独 特性、持久性 和防卫性能都 比较高，是众 多生物特征中 综合性能最高 的。提高系统 的识别能力
课题的提出
基于以上特征 ，人们发展了指 纹识别,本文对指 纹识别系统的原 理和基本过程进 行了分析研究， 研究了指纹图像 预处理算法及匹 配算法，并且进
行了验证。
2 .研究现状及分析
4. p4*p8*p6=0
其中，Z0(p1)是以p2,p3,...p8,p9为序时，这些点的值从0->1变化的次数 N(p1)是p1的非0邻近点的个数
被判定为删除的点暂不删除，但要加以记录。
等所有边界点都被判断完后，再一起将所有标记了的点删除，接下来进入第二阶 段的删除步骤。
第二步，按照如下条件进行第二阶段的删除，条件为
• 现状分析
2.现状分析
现在国内外指纹识别大都采用基于细节特征点的 指纹识别技术，即采用基于图像处理的指纹识别算 法，其中比较有代表性的有两种。一种是基于方向 滤波增强，并在指纹细化图上提取特征点的算法， 另一种是直接从指纹灰度图上提取特征点的算法。 指纹识别作为一种热门的生物识别技术建受筑到业越应来用软越件 多人的关注，国内外许多机构和学者都采用了很多 不同的算法对指纹图像进行预处理和匹配。但有些 算法会由于指纹图像的噪音、皮肤弹性引起的非线 性形变等多方面因素，导致在识别过程中出现误差， 影响识别率
4 指纹识别的基本原理
1、
2、
4 .指纹的基本特征
（一）全局特征 （二）局部特征
全局特征是指那些用人眼直接就可以观察到 的特征，包括：基本纹路图案环型,弓型,螺旋 型。
局部特征是指指纹上的节点的特征，这些 具有某种特征的节点称为特征点。两枚指纹经 常会具有相同的总体特征，但它们的局部特征-特征点，却不可能完全相同，本文的重点是研 究节点取出特征点
求出特征点后，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。
特征点如下
2。指纹的匹配。将提取后的指纹点保留后，采用特征 点的最小距离算法，求取与目标指纹的最小距离，若 最小距离小于某个阈值，则该指纹匹配成功
谢谢
• 请各位老师批评指正
特征提取
指纹匹配
1.特征提取。主要提取指纹的细节特征即端点和分叉 点。对于细化图像而言，像素点的灰度值只有两种情 况（即0或1）“0”为背景点灰度，“1”为纹线点灰度。 对于细化图像上的任意点P，
(1)从端点出发，端点的八邻域只有一个黑点,该点就是脊线跟踪 的下一点； (2)对脊线中间连续点，因为八邻域只有两个黑点,除去上一个被 跟踪的点，下的一点即为下一个待跟踪点； (3)设集合 ，记录下端点或分叉点的横坐标 ，纵坐标 ，及特征 点的类型 是特征点的角度跟踪结束条件。若被跟踪点的八邻域 黑点数等于1且交叉数等于2时如下式4－3，则认为是端点；若 被跟踪点的八邻域黑点数等于3且交叉数等于6时如下式4－4， 则认为是分叉点；端点的角度取从端点为起点的端线的角度， 分叉点的角度取相对最小分支的角度。端线及分支线的角度求 法为：即从一个特征的位置出发坐标为 搜索到步长为7是最后 一点坐标为 。
LOGO
4
端点
分支点
图像分割
图像增强
二值化
图像细化
1.图像分割。由于有的原始图像跟其背景区域相混合， 在背景和指纹图像之间存在一道白色区域，所以需要 对原始指纹图像进行背景分离，，消除最外面的不需 要的部分。我们可以根据灰度的大小对图像进行阈值 的设定，阈值的设定采用全局的图像的均值，得到初 步处理然后对指纹图像进行分割处理，消除剩下的背 景区域。
ຫໍສະໝຸດ Baidu
1. 2<=N(p1)<=6
// 中心为黑点
2. Z0(p1)=1
// Nz为八邻域中黑点的数目
3. p2*p4*p6=0
// 避免图像被打断( 其反条件时不可删)
4. p2*p4*p8=0 同第一步一样，判定要删除的点只是加以记录而暂不删除，等待
最后同时删除
对一副图像反复执行第一步与第二步的算法步骤，知道都没有可删除的点为止
3.
1、 指纹图像预处理：
研
预处理的目的是改善输入指纹图像的质量，以
究
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。利用中值滤波进行图像增强去噪。
内
通过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。
容
2、 指纹图像特征提取与匹配
经过预处理后的细化图像上特征点，对这些特征点的进行 处理，提取，采用基于最小距离特征的点匹配算法，对校准 后的点集进行匹配，匹配的最小距离小于某个阈值可判为匹 配成功。
在国内，清华大学在80年代开始指纹识别的研究。中 科院自动化所模式识别国家重点实验室自90年代以来，一 直致力于“基于生物特征的身份鉴别”的研究，在指纹、 虹膜、脸相识别等方面取得了很多的研究成果。北京大学 视觉与听觉信息处理国家重点实验室先后承担了国家“七 五”和“八五”，科技攻关项目，对指纹识别进行了长期 的基础性研究，提出了一整套独创的理论和高效实用的算 法。我国的指纹识别系统是个很成熟的技术了
设计论文
• 答辩人： 甲
学号：1231245
研
1 研究的目的和意义
究
概
2 国内外的研究现状及分析
述
3
研究内容
4
指纹识别的基本原理
5
指纹图像预处理
6 指纹图像特征提取与匹配
1 .研究的目的和意义
理论概念
传统的验证个 人身份的，都 是验证那人是 否持有某有效 “物”，而不 是验证到底是 不是本人。。
4.图像细化。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。 Zhang并行快速细化算法
模板:
p3 p2 p9
p4 p1 p8
p5 p6 p7
第一步，（其中p1为前景点，如果以下四个条件同时满足，则删除p1，即令
p1=0）
. 2<=N(p1)<=6
// 中心为黑点
2. Z0(p1)=1
// Nz为八邻域中黑点的数目
3. p2*p8*p6=0
// 避免图像被打断( 其反条件时不可删)
2.图像增强。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
3.二值化。二值化的目的就是使脊的灰度值趋向一致， 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。一般灰度图像二值化的 变换函数 用下列公式表示， 为指定的阈值， 为灰度 值
现实表现
依靠指纹的独 特性、持久性 和防卫性能都 比较高，是众 多生物特征中 综合性能最高 的。提高系统 的识别能力
课题的提出
基于以上特征 ，人们发展了指 纹识别,本文对指 纹识别系统的原 理和基本过程进 行了分析研究， 研究了指纹图像 预处理算法及匹 配算法，并且进
行了验证。
2 .研究现状及分析
4. p4*p8*p6=0
其中，Z0(p1)是以p2,p3,...p8,p9为序时，这些点的值从0->1变化的次数 N(p1)是p1的非0邻近点的个数
被判定为删除的点暂不删除，但要加以记录。
等所有边界点都被判断完后，再一起将所有标记了的点删除，接下来进入第二阶 段的删除步骤。
第二步，按照如下条件进行第二阶段的删除，条件为
• 现状分析
2.现状分析
现在国内外指纹识别大都采用基于细节特征点的 指纹识别技术，即采用基于图像处理的指纹识别算 法，其中比较有代表性的有两种。一种是基于方向 滤波增强，并在指纹细化图上提取特征点的算法， 另一种是直接从指纹灰度图上提取特征点的算法。 指纹识别作为一种热门的生物识别技术建受筑到业越应来用软越件 多人的关注，国内外许多机构和学者都采用了很多 不同的算法对指纹图像进行预处理和匹配。但有些 算法会由于指纹图像的噪音、皮肤弹性引起的非线 性形变等多方面因素，导致在识别过程中出现误差， 影响识别率
4 指纹识别的基本原理
1、
2、
4 .指纹的基本特征
（一）全局特征 （二）局部特征
全局特征是指那些用人眼直接就可以观察到 的特征，包括：基本纹路图案环型,弓型,螺旋 型。
局部特征是指指纹上的节点的特征，这些 具有某种特征的节点称为特征点。两枚指纹经 常会具有相同的总体特征，但它们的局部特征-特征点，却不可能完全相同，本文的重点是研 究节点取出特征点
求出特征点后，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。
特征点如下
2。指纹的匹配。将提取后的指纹点保留后，采用特征 点的最小距离算法，求取与目标指纹的最小距离，若 最小距离小于某个阈值，则该指纹匹配成功
谢谢
• 请各位老师批评指正
特征提取
指纹匹配
1.特征提取。主要提取指纹的细节特征即端点和分叉 点。对于细化图像而言，像素点的灰度值只有两种情 况（即0或1）“0”为背景点灰度，“1”为纹线点灰度。 对于细化图像上的任意点P，
(1)从端点出发，端点的八邻域只有一个黑点,该点就是脊线跟踪 的下一点； (2)对脊线中间连续点，因为八邻域只有两个黑点,除去上一个被 跟踪的点，下的一点即为下一个待跟踪点； (3)设集合 ，记录下端点或分叉点的横坐标 ，纵坐标 ，及特征 点的类型 是特征点的角度跟踪结束条件。若被跟踪点的八邻域 黑点数等于1且交叉数等于2时如下式4－3，则认为是端点；若 被跟踪点的八邻域黑点数等于3且交叉数等于6时如下式4－4， 则认为是分叉点；端点的角度取从端点为起点的端线的角度， 分叉点的角度取相对最小分支的角度。端线及分支线的角度求 法为：即从一个特征的位置出发坐标为 搜索到步长为7是最后 一点坐标为 。
LOGO
4
端点
分支点
图像分割
图像增强
二值化
图像细化
1.图像分割。由于有的原始图像跟其背景区域相混合， 在背景和指纹图像之间存在一道白色区域，所以需要 对原始指纹图像进行背景分离，，消除最外面的不需 要的部分。我们可以根据灰度的大小对图像进行阈值 的设定，阈值的设定采用全局的图像的均值，得到初 步处理然后对指纹图像进行分割处理，消除剩下的背 景区域。
ຫໍສະໝຸດ Baidu
1. 2<=N(p1)<=6
// 中心为黑点
2. Z0(p1)=1
// Nz为八邻域中黑点的数目
3. p2*p4*p6=0
// 避免图像被打断( 其反条件时不可删)
4. p2*p4*p8=0 同第一步一样，判定要删除的点只是加以记录而暂不删除，等待
最后同时删除
对一副图像反复执行第一步与第二步的算法步骤，知道都没有可删除的点为止
3.
1、 指纹图像预处理：
研
预处理的目的是改善输入指纹图像的质量，以
究
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。利用中值滤波进行图像增强去噪。
内
通过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。
容
2、 指纹图像特征提取与匹配
经过预处理后的细化图像上特征点，对这些特征点的进行 处理，提取，采用基于最小距离特征的点匹配算法，对校准 后的点集进行匹配，匹配的最小距离小于某个阈值可判为匹 配成功。
在国内，清华大学在80年代开始指纹识别的研究。中 科院自动化所模式识别国家重点实验室自90年代以来，一 直致力于“基于生物特征的身份鉴别”的研究，在指纹、 虹膜、脸相识别等方面取得了很多的研究成果。北京大学 视觉与听觉信息处理国家重点实验室先后承担了国家“七 五”和“八五”，科技攻关项目，对指纹识别进行了长期 的基础性研究，提出了一整套独创的理论和高效实用的算 法。我国的指纹识别系统是个很成熟的技术了