统计方法在指纹识别中的应用研究毕业设计(论文)开题报告.doc

苏州科技学院 毕业论文开题报告 论文题目 统计方法在指纹识别中的应用研究 院 系 电子与信息工程学院 专 业 电子信息工程 学生姓名 吴 志 伟 学 号 1030106215 指导教师 胡 伏 原 2014年 1 月 10 日 1．本课题研究的背景、目的及意义 随着计算机和网络的迅速发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。传统的加密方式已经不能满足现在的要求。指纹识别技术充分利用了指纹的普遍性、唯一性和永久性的生物特征，已逐步取代了传统的识别方式，目前在网络、银行、金融、医疗和安检等行业均得到了广泛应用。 在自动指纹识别中，指纹识别过程一般分为指纹图像采集、图像预处理、特征提取和特征匹配四大部分。 指纹图像采集。主要分为指印转录和活体扫描两种。指印转录是早期的指纹图像获取方式，具体操作步骤是在手指表面均匀涂抹印泥或墨水，再按压在白纸上形成指纹印记，然后利用扫描仪或数码相机等设备录入到计算机或其他存储介质中。活体扫描采集的指纹图像是直接进行数字化的，操作简单方便，图像质量好。 2）指纹图像预处理。通常包含指纹图像分割[1-2]、增强[3-4]等操作。前者用来将指纹前背景分离，并排除前景中无法修复的低质量区域，后者目的在于提高指纹纹线的清晰度，保证特征提取的可靠性。 3）指纹的特征。包括全局特征和局部细节特征。全局特征描述了指纹纹线的整体走向，其主要表现形式是指纹纹线存在奇异区，在这些区域中，纹线方向是不连续的，通常将方向变化较大的点称为奇异点。指纹奇异点可分为中心点和三角点两种，它们的位置、方向等信息比细节特征更为稳定，是指纹匹配特征对齐及指纹分类的主要依据。通常，指纹奇异点都是通过对指纹方向图的分析而提取得到的。对于指纹的局部细节特征，根据特征匹配方法的不同，其提取过程和目的也不一样。主要提取方法有三类： 细化图像提取[5]：在预处理阶段需要对增强的图像进行二值化和细化处理，然后分析指纹纹线“骨架”上像素点的8邻域像素的取值来判定细节点的类型和位置，再通过追踪与该细节点相连的纹线来计算其方向。这种原理简单、便于实现，但处理比较耗时。 灰度图像提取[6-7]：首先增强指纹图像，在灰度图像上选取追踪起始点，再根据指纹方向设置步长并开始追踪指纹纹线。每前进一段距离，由图像在与追踪方向垂直的线段上灰度投影的极值确定纹线位置，当遇到端点和分叉点时停止追踪。这种方法执行效率高，但实现复杂，算法性能依赖于指纹方向的准确估计，追踪起始点和追踪步长难以合理地选取。 二值化图像提取[8-9]：在二值图像中，采用从上到下、从右到左逆时针的顺序检测像素取值的变化以追踪脊线边缘，若追踪像素之间变化角度大于阈值，则认为找到细节点，且根据角度变化方向确定细节点类型。这种方法的缺陷在于易造成提取结果中终止点和分叉点类型交换，在指纹奇异区提取的错误细节点较多。 4）指纹匹配。主要有图像相关匹配[10-11]、纹理特征匹配[12]、纹线匹配[13]以及细节点匹配[14]等。前两者匹配速度快，对图像质量要求不严格，但由于忽略了指纹的细节特征，匹配准确性不高。纹线匹配方法需要较多的特征信息，造成提取速度慢，模板容量大。细节点匹配方法表达方式简单，充分利用了指纹图像在细节特征上的差异，所以得到了广泛采用。 本文将对基于图像分割和图像增强的预处理，基于二值化和细化的特征提取和基于点模式的特征匹配对指纹的识别进行研究。 2．本课题主要研究内容和预期目标 研究内容 1.基于图像分割和图像增强的方法对采集的图像进行预处理。 2.基于二值化和细化的方法对指纹图像进行特征提取。 3.基于点模式的细节匹配方法进行指纹的特征匹配。 二.预期目标 掌握指纹识别基本过程； 熟练每个过程中的算法基本原理； 通过学习和掌握指纹识别中算法的运用； 运用MATLAB分析设计出指纹识别系统； 提交本科毕业论文一篇。 3．本课题拟采用的研究方法、步骤 本课题主要研究基于统计方法的指纹识别研究，选择二值化和8邻域编码纹线跟踪算法。软件工具为MATLAB。 一、MATLAB简介 M