指纹识别毕业设计开题报告.docx
《指纹识别毕业设计开题报告.docx》由会员分享,可在线阅读,更多相关《指纹识别毕业设计开题报告.docx(11页珍藏版)》请在冰豆网上搜索。
指纹识别毕业设计开题报告
本科生开题报告
题目:
基于机器视觉的模式识别研究
学号:
************
**********
专业:
机械设计制造及其自动化
指导老师:
肖鹏
院(系):
机械科学与工程学院
一、选题背景与论文综述
1、课题来源
本课题来源于企业横向课题。
2、课题目的
基于机器视觉技术的印刷品质量检测系统,在印刷行业有着广阔的市场前景。
尤其是以单张成品为对象的图像检测系统,相对于在线式检测系统,有着对所有工序进行把关,对多种产品均可检测的优势。
在整个检测过程中,往往都要用到模式识别技术。
不论是图像配准阶段的配准特征判断,还是检测后期对缺陷的识别与分类,都要求系统有着稳定和高效的图像模式识别算法。
本课题将针对这一技术进行研究。
本课题以指纹识别问题为对象,研究基于机器视觉的图像模式识别算法。
通过算法实现指纹识别过程中涉及的若干图像处理过程,比如图像的预处理,特征点的识别和选取,以及特征点比较和判断。
通过积累和分析实验数据,改进算法,以提高算法的识别成功率。
3、课题背景与意义
3.1指纹识别技术的背景
我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。
这些纹路的存在增加了皮肤表面的摩擦力,使得我们能够用手来抓起重物。
人们也注意到,包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同,也就是说,是唯一的。
依靠这种唯一性,我们就可以把一个人同他的指纹对应起来,通过对他的指纹和预先保存的指纹进行比较,就可以验证他的真实身份。
这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术,指纹识别是生物识别技术的一种。
目前,从实用的角度看,指纹识别技术是优于其他生物识别技术的身份鉴别方法。
这是因为指纹各不相同、终生基本不变的特点已经得到公认。
最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破,已经有30多年的历史,这为指纹身份识别的研究和实践打下了良好的技术基础。
特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段,正逐步应用于民用市场。
指纹识别系统通过特殊的光电转换设备和计算机图像处理技术,对活体指纹进行采集、分析和比对,可以迅速、准确地鉴别出个人身份。
系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。
现代电子集成制造技术使得指纹图像读取和处理设备小型化,同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能,而优秀的指纹处理和比对算法保证了识别结果的准确性。
3.2指纹识别技术的意义
相对于其它身份验证技术,例如语音识别及虹膜识别等,指纹识别是一种更为理想的身份验证技术,原因如下:
(1)个人的指纹是独一无二的,两人之间不存在着相同的手指指纹,指纹识别的有效性已经得到了广泛的证明和认可;
(2)个人的指纹是相当稳定的,很难发生变化。
如不会随年龄、身体健康改变而改变;
(3)便于获取指纹样本,易于开发识别系统,实用性强;
(4)每个人的十指指纹皆不相同,这样,可以方便得利用多枚指纹构成多重口令,提高系统的安全性;
(5)指纹识别中使用的模板并非最初的指纹图像,而是从指纹图像中提取的关键特征,这样使存储的信息量减小。
另外,对输入的指纹图像提取关键特征后,可以大大减少网络传输的负担,便于实现异地身份验证,支持计算机的网络功能。
指纹识别技术相对于其它方法的这些优点,使指纹识别成为最流行、最方便、最可靠的个人身份验证技术之一。
4、国内外研究现状
指纹识别技术的进步和指纹传感器技术的发展密切相关。
早期指纹传感器都是基于光学技术的传感器,这种传感器结构复杂、价格昂贵、体积庞大,因此造成实际系统价格非常昂贵,所以过去指纹识别系统仅在公安、银行等特殊部门使用。
随着光电技术的发展,光学传感器的价格和体积开始大幅度下降,AFI的应用也开始进入民用领域。
20世纪90年代中期开始出现半导体指纹传感器,最初的这类传感器和光学传感器相比,在采集的图像质量方面有较大的差距。
但是随着半导体技术的进步,它采集的图像质量也越来越高,现在这两种传感器采集的图像质量差距已经很小,而且半导体传感器具有价格低、体积小的优点,特别适合集成在普通的消费电子产品中,大有取代光学传感器的趋势。
目前,半导体传感器芯片技术被国外所垄断,完全依赖进口,国内主要是做代理二次开发和系统集成等。
指纹识别算法是AFIS的核心技术,这方面的研究是从20世纪60年代后随着计算机技术的引入而发展起来的。
早期的研究都是在高性能计算机上完成的,主要针对脱机的指纹图像进行研究。
随着技术的发展,80年代到90年代初,人们开始对联机的指纹识别算法进行研究,这个时期的研究工作都是针对光学传器,由于当时AFIS只在特殊的行业部门使用,所以往往使用了价格比较昂贵的DSP等硬件设备来解决指纹识别的实时性问题。
90年代末到现在,由于半导体指纹传感器的出现,使得指纹识别的应用领域迅速扩大,在个人电脑上、掌上电脑、自动提款机等很多领域都开始使用AFIS技术,所以指纹识别算法的研究重点从光学传感器转移到了半导体传感器,对算法的性能也提出了更高的要求。
目前,国内外指纹识别技术基本上都基于细节特征点进行识别,差距并不明显。
但是国内对于AFIS主要侧重于研究角度,在实际应用中较少,所以这些技术和实际的市场需求还有不少差距,而实际从事指纹应用的公司大多也没有自己的技术,使用国外厂商的指纹识别算法。
虽然指纹识别技术在过去的30多年中取得很大进展,但随着图像处理、模指纹识别算法及小规模指纹识别系统的开发式识别和计算机科学等学科的发展,指纹识别技术仍将是国内外模式识别研究中的热点之一。
目前,每年在IEEE、PAMI杂志上都有许多关于指纹识别方面的文章。
指纹识别技术的应用领域将随着更小更廉价的指纹采集设备的出现、计算能力更强更廉价的硬件以及互联网的广泛应用而进一步拓宽,其中,能适应联网在线的指纹识别算法还有待进一步的改进,多种指纹识别方法的集成应用以及包括指纹识别在内的多种生物特征鉴定的集成应用也将是今后研究发展的方向。
近年来,国外指纹识别相关研究又有升温的趋势。
因此,指纹识别技术未来几年仍然是一个重要的、极具挑战性的研究课题,相信在不久的将来,自动指纹识别系统必将会融入人们的日常生活,成为人们日常生活必不可少的部分。
二、课题方案
本课题以指纹识别为对象,研究基于机器视觉的图像模式识别算法。
在指纹识别的一般流程中,包括指纹图像的采集,预处理,特征提取,特征匹配等。
指纹识别系统的总体框图如下:
图2.1指纹识别系统总体框图
指纹的表面积相对较小,日常生活中手指常常会受到磨损,所以获得优质的指纹细节图像是一项十分复杂的工作。
当今所使用的主要指纹采集技术有光学指纹采集技术,半导体指纹采集技术和超声波指纹采集技术。
光学采集设备有着许多优势:
它经历了长时间实际应用的考验,能承受一定程度温度变化,稳定性很好,成本相对较低,并能提供分辨率为500dpi的图像。
随着光学设备技术的革新,光学指纹采集设备的体积也不断减小。
这些进展得益于多种光学技术的发展。
因此这里采用最常用的光学采集技术。
指纹识别的其他技术如预处理,特征提取,特征匹配等,将在下面详细介绍。
1、指纹图像的特征及描述
指纹图像是一种比较特殊的数字纹理图像,所以它即具有数字图像的性质,又具有纹理图像的性质,除了具有上述两种共性之外,指纹图像还具有指纹的特殊的性质。
①指纹图像具有方向性,但是,指纹的方向性与纹理的方向性有不同之处,一般纹理的方向一般具有一致性,但是指纹图像只有在指纹的局部才有一致性,并且,指纹图像的局部方向还要有连续性,因为对于不同的指纹纹线走向会发生变化,但是这种变化是缓慢变化的。
②指纹图像中的纹线的宽度是有一定的限制的,它即不会很宽,又不会很窄,这是指纹图像区别与其它纹理图像的又一个方面。
这为图像的分割提供了一个有用的先验知识。
③指纹图像的有效区域中包含的纹线是黑白交替出现的,在有效区域的局部,即不会出现2条连续的白色纹线,也不会出现2条连续的黑色纹线。
这也是对指纹图像统计出的先验知识,可以为后续的指纹图像的处理提供帮助。
④指纹图像的噪声也是有区别于其它的数字图像的,一般的数字图像中的噪声大部分可以认为是随机噪声,可以用比较多的现成的算法来尽可能的去除。
而指纹图像的噪声除了具有随机噪声之外,还有因为器件或者其它人为因素造成的噪声,这种噪声的一般的表现是:
图像中纹线断断续续,纹线不清晰,不连贯;或者图像中的纹线全部粘连在一起,分不清纹线的走向;这种噪声给指纹图像的分割造成了极大的困难。
图2.1是两个具有这种噪声的指纹图像。
图2.2两种具有噪声的指纹图像
2、基本原理和概念
本课题研究的基本原理是,基于细节点的指纹匹配方法。
通过对指纹图像进行捕捉,根据一定的软件或者算法对指纹图像的细节点进行处理、分析,而后与标准指纹图像匹配、比较,得出两个指纹图像是否一致的结论。
两枚指纹经常会具有相同的总体特征,但它们的局部特征(纹上的细节点特征)却不可能完全相同。
指纹纹线并不是连续的、平滑笔直的,而是经常出现中断、分叉或打折,这些端点、分叉点和转折点就称为细节特征点,就是这些细节特征点提供了指纹唯一性的确认信息。
指纹上的细节点有四种不同特性:
(1)分类
指纹的细节特征可分为以下几种类型,如图2.2(a)~(f)所示:
a)端点(Ending)——一条纹路在此终结。
b)分叉点(Bifurcation)——一条纹路在此分开成为两条或更多的纹路。
c)分歧点(RidgeDivergence)——两条平行的纹路在此分开。
d)孤立点(DotorIsland)——一条特别短的纹路,以至于成为一点。
e)环点(Enclosure)——一条纹路分开成为两条之后,立即有合并成为
一条,这样形成的一个小环称为环点。
f)短纹(ShortRidge)——一端较短但不至于成为一点的纹路。
图2.3指纹细节特征类型
(2)方向(Orientation)——细节点所在纹线的方向。
(3)曲率(Curvature)——描述纹线方向改变的速度。
(4)位置(Position)——细节点的位置通过(x,y)坐标来描述,可以是绝对坐标,也可以是相对于三角点或核心点相对坐标。
3、本论文的主要工作
本文主要研究了自动指纹算法的实现,主要工作是研究了图像的预处理算法、图像的特征提取算法,图像的特征匹配算法。
3.1图像的预处理算法
在图像分析中,对输入图像进行特征抽取、分割和匹配前所进行的处理。
图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。
指纹图像预处理基本过程如下图所示:
图2.4指纹图像预处理框图
本课题利用指纹图像梯度特性进行图像分割,提取有效的图像区域。
对指纹增强算法进行研究,根据指纹纹线间距均匀且局部平行的特点,建立用于指纹图像增强的物理模型,降低了算法的复杂,显著提高了图形品质。
采用平滑阈值自适应法对图像进行了二值化,分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点。
针对这两种算法的不足,分析其产生的原因,并且在两种细化算法的基础上,提出了复合细化算法。
3.2图像的特征提取算法
指纹识别中的一个重要处理过程是指纹的细节特征提取。
指纹特征值提取是对指纹的特征信息(总体和局部的)进行选择、编码,形成二进制数据的过程。
在这个过程中,通过提取指纹的细节特征点,形成细节特征向量,用于指纹的识别,因而所提取的特征向量的好坏,会直接影响指纹的识别效果。
指纹特征点的提取算法是指纹算法的核心。
一般采用8邻域法对二值化、细化后的指纹图像抽取特征点,这种方法将嵴上的点用"1"表示,峪(背景)用"0"表示,将待测点(i,j)的八邻域点进行
图2.5 8领域法
循环比较,若"0","1"变化有六次,则此待测点为分叉点,若变化两次,则为端点。
通过这个过程可以记录下来指纹的所有特征点。
通常一个指纹的特征点在100~150之间,在形成指纹特征值模板(也就是特征值的有序集合)时,尽量多的提取特征点对于提高准确性是有很大帮助的。
本课题采用8邻域法提取指纹细节特征,并对指纹特征的可靠性进行检测,利用伪特征点的分布规律,对伪特征点进行删除。
该方法速度较快且指纹特征提取效果能够满足应用需要。
3.3图像的特征匹配算法
本课题采用特征点对的匹配算法,克服了特征点匹配中的问题,运用了点对之间的关系,比对两个特征点之间的矢量线段之间是否匹配。
这个比对算法中,把所有指纹特征模板上的特征点两两连接起来,得到一组方向各异、长短不一的矢量线段。
同样对待测指纹模板中的每个特征点两两相连,也形成一组矢量线段。
然后把两组矢量线段按长度、方向分类和排序。
按次序一一比对,找出匹配的矢量线段。
选出最具代表性的矢量线段进行平移和旋转定位。
完成定位后,对每个矢量线段再进行一一匹配。
这种方法的指纹匹配速度和准确率可以满足实际应用的需要。
图2.6指纹特征点对几何表示
图2.7指纹特征点对匹配
基于细节点的指纹匹配是指通过比对两枚指纹的核心点和三角点的类型、坐标的相似度来判定是否为同一个指纹。
在某些情况下,由于采集设备的采集面积小,指纹按压位置偏移,导致可能采集不到核心点或三角点。
所以使用基于奇异点匹配算法有一定的限制条件。
不过在一般情况下还是可以满足应用需要。
本文在VisualC++6.0软件环境下自行开发自动指纹识别系统,并对其性能进行初步测试。
三、设计任务
1、了解基于机器视觉的模式识别技术的基本原理;
2、了解基于机器视觉的指纹图像识别技术的原理与应用;
3、编写一种实用的指纹图像匹配算法;
4、积累和分析实验数据,改进算法,提高算法的识别成功率。
四、进度安排
1、上学期尾至本学期1-3周,查阅中、外文文献,完成文献翻译;
2、4-5周,查阅资料,学习相关知识,完成开题报告,准备开题答辩;
3、6-14周,深入研究毕业设计课题,并完成工程图纸绘制;
4、14-16周,撰写并修改毕业设计论文,准备毕业设计答辩。
五、参考文献
[1]A.K.Jain,Who'sWho?
:
ChallengesandOpportunitiesinBiometricAuthentication,第三届中国生物识别学术会议学术报告,2002.8
[2]戴平阳,指纹识别技术研究进展,厦门大学学报(自然科学版),2002,41(8):
750-755
[3]孙冬梅,裘正定,生物特征识别技术综述,电子学报,2001,29(12A):
1744-1748
[4]张敏贵,周德龙,潘泉,生物特征识别及研究现状况,生物物理学报,2002,18
(2):
156-162
[5]张峰,穆晓敏,杨守义,数字指纹技术的研究进展,电讯工程,2005
(2):
5-10
[6]S.G.Davies.HowbiometrictechnologywillfusefleshandmachineInformationTechnology&People,1994,7(4):
60-69
[7]HUXinrong.FingerprintIdentificationSystemandItsApplication.ComputerTechnologyInformation,1999(12):
31-35
[8]王鑫,指纹识别算法研究及其实现,[硕士学位论文],南京,南京理工大学,2004
[9]F.Galton.Fingerprints.DaCapoPress,NewYork,1961
[10]柴晓光,芩宝炽,民用指纹识别技术,北京,人民邮电出版社,2004:
15-20
[11]苏彦华,VisualC++数字图像识别技术典型案例,北京,人民邮电出版社,2004.8
[12]沙占友,集成化智能传感器原理与应用,北京,电子工业出版社,2004:
298-322
[13]卢朝阳,张岗山,刘琳,指纹识别系统性能评价方法,西安电子科技大学学报(自然科学版)2002(12):
804-809
[14]罗翔,自动指纹识别算法研究,[硕士学位论文],合肥,中国科学技术大学,2004
[15]舒乃秋,指纹图像预处理技术研究,[硕士学位论文],武汉,武汉大学,2004