未来智讯 > 人脸语音识别论文 > 基于MATLAB的指纹识别研讨

基于MATLAB的指纹识别研讨

发布时间:2018-11-25 01:06:05 文章来源:未来智讯    
    基于MATLAB的指纹识别研讨作者: 张先峰 李灿平   【摘要】随着网络信息化时代的快速发展,个人身份的数字化和隐性化水平也得到了提高。如何正确鉴定一个人的身份,保护信息平安是当今信息化时代必须解决的一个关键性社会问题。目前,我国的各种管理大局部使用证件、磁卡、IC卡和密码,这些手段无法避免伪造或遗失,密码也很容易被窃取或遗忘。这些都给管理者和使用者带来很大不方便,因此更加突显指纹识别验证技能的重要性。
  【关键词】网络信息化 指纹识别 特征 原理
  【中图分类号】TP391.41 【文献标识码】A 【文章编号】1672-5158(2013)01―0179-01
  当今社会事务生活中,无论你是到银行取钱,网上购物,还是注册微博、社交网站,甚至平日的进出校园,上下班都需要经过身份认证,太多太多的局面都需要身份的认证,而传统的基于标志的身份认证技能由于受到证件伪造以及密码破解等手段的威胁,逐步表现得有些力不从心。如何保护我们的个人隐私不受泄露,如何保证我们的重要文献资料的保密性成了我们今天热议的话题。在传统的操作中,我们往往使用密码加密法,但这种方法也许是“防君子不防小人”的。在高明的黑客眼里,由几个字符组成的密码脆弱得不堪一击。如今,科技的发展让我们有了新的选择――指纹识别加密产品。将指纹锁应用于笔记本,机箱甚至鼠标上,能够对文件、系统起保护作用,并且进行身份识别。
  一、指纹识别的初步探究
  每个人包括指纹在内的皮肤纹路在图案、断点和交叉点上各不相同,呈现不同人指纹或同一个人不同手指指纹的互异性、唯一性,且随着人们年龄的不时增长,指纹也不会发生改变。根据指纹的这些特性,我们就能够把一个人与其的指纹对应起来,通过将其的指纹和预先保存的指纹数据进行对照,就能够验证它的真实身份,这便是指纹识别技能。
  二、指纹识别的基本原理
  1、指纹的特征
  我们定义了指纹的两类特征来进行指纹的验证:整体特征和部分特征。在考虑部分特征的情况下,英国学者E.R.Herry认为,只要比对13个特征点重合,就能够确认为是同一个指纹。整体特征是指那些用人眼直接就能够观察到的特征,包括:基本纹路图案环型(100p),弓型(arch),螺旋型(whorl)。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分别指纹是远远不够的,这不过一个粗略的分类,但通过分类使得在大数据库中搜寻指纹更为方便。
  2、指纹识别的基本原理
  指纹其实是对照复杂的。与人工处理不同,许多生物识别技能公司并不直接存储指纹的图象。多年来在各个公司及其研讨机构产生了许多数字化的算法(美国有关法律认为,指纹图象属于个人隐私,因此不能直接存储指纹图象)。但指纹识别算法最后都归结为在指纹图象上找到并比对指纹的特征。
  指纹识别技能常常使用指纹的整体特征如纹形、三角点等来进行分类,再用部分特征如位置和方向等来进行识别用户身份。常常,最初从获取的指纹图像上找到“特征点”,然后根据特征点的特性建立用户活体指纹的数字表示――指纹特征数据。由于两枚不同的指纹不会产生相同的特征数据,所以通过对所采集到的指纹图像的特征数据和存放在数据库中的指纹特征数据进行模式匹配,计算出它们的相似程度,最后得到两个指纹的匹配结果,根据匹配结果来辨别用户身份。根据指纹识别的基本原理分析,指纹识别技能主要通过四个个步骤来实现:①指纹图像的获取,而指纹图像的获取技能主要有4种类型:光学扫描设备、温差感应式指纹传感器、半导体指纹传感器、超声波指纹扫描。②指纹图像的预处理、③指纹特征的提取④指纹特征匹配。
  三、Matlab在指纹识别系统中的应用
  Matlab和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。Matlab能够进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、抑制设计、信号处理与通信、图像处理、信号检测、金融建模设计与分析等领域。
  Matlab是美国Math Works公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技能计算语言和交互式环境,主要包括Matlab和Simulink两大局部。
  利用Matlab对图像进行预处理。对图像进行滤波、消除毛刺、空洞处理以及二值化处理由于分割后的图像质量仍然不是很好,所以需要对其进行滤波、消除毛刺、空洞处理和二值化处理,以使指纹图像清晰,消除不必要的噪声,以利于进一步的辨识。最初对图像进行3X3的中值滤波。经过中值滤波后的指纹图像最初要进行二值化过程,形成二值图像,才能进行细化处理。由于采集到的指纹图像不同区域深浅不一,如对整幅图像使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部分阈值二值化的思维,对每块指纹图像,采用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。对图像进行细化处理细化处理是在指纹图像二值化之后,在不影响纹线连通性的基础上,删除纹线的边缘像素,直到纹线为单像素宽为止,并在此基础长进行细化纹线的修复,包括断线的连接、毛刺和叉连的去除、短线和小孔的消除等。理想细化后的纹线骨架应位于原始纹线的中间位置,并保持纹线的连通性、拓扑结构和细节特征。细化算法种类很多,按细化顺序来看主要有3类:串行细化、并行细化和混合细化,其中快速细化算法和改进的OPTA算法是目前使用较多的两种细化算法。
  参考文献
  [1]董日荣.指纹识别系统核心算法的研讨[D]华南师范大学,2004
  [2]林喜荣,苏晓生,丁天怀,于政涛,黄新营,王敏.Gabor滤波器在指纹图像处理中的应用[J].仪器仪表学报,2003,24(2):183-186
  [3]冯国进,顾国华,张保民.指纹图像预处理与特征提取[M].计算机应用研讨,2004,(5):183-186
  [4]田捷,杨鑫.生物特征识别技能理论与应用[M].北京:电子工业出版社,2005
  [5]刘军波,马利庄,聂栋栋,等.改进的基于Gabor滤波器的指纹增强算法[J].计算机工程,2005,31(15):146-148
转载请注明来源。原文地址:https://www.7428.cn/page/2018/1125/46786/
 与本篇相关的热门内容: