基于神经网络的指纹识别系统研究.pdf

基于神经网络的指纹识别系统研究.pdf

《基于神经网络的指纹识别系统研究.pdf》由会员分享，可在线阅读，更多相关《基于神经网络的指纹识别系统研究.pdf（67页珍藏版）》请在冰豆网上搜索。

湖南大学硕士学位论文基于神经网络的指纹识别系统研究姓名：

潘滟申请学位级别：

硕士专业：

电工理论与新技术指导教师：

谢胜曙20070410硕士学位论文II摘要随着信息时代的发展，生物识别技术已成为身份识别的热门技术，自动指纹识别技术作为其中很重要的一个分支，已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。

但由于指纹图像的噪声和皮肤弹性等因素影响，并且需要进行大量的指纹匹配处理，自动指纹识别系统存在识别率不高、运算速度慢等问题。

本文试图将神经网络技术与模式识别技术相结合，提出若干行之有效的新方法，为解决指纹自动识别技术中存在的困难找到切实可行的新途径。

概括起来，本文主要对指纹识别系统的如下几个方面进行了深入研究。

在指纹图像的预处理技术的研究中，在对原始的指纹图像进行了图像增强后，采用方向滤波实现了指纹图的前景和背景的分离；综合了指纹图像局部灰度方差分割算法和指纹图像方向信息分割算法，加以改进后提出了一种新的复合算法，有效实现了指纹图像的分割；对指纹图像的细化技术进行研究，在比较、优化后，采用相应的算法对纹线进行了修复和去噪处理。

经过预处理以后，指纹图像质量得到了明显的提高，较好地满足了后续工作的需要。

在特征提取技术研究中，本文分别提取了指纹的分类特征和识别特征。

采用新颖的全局特征用于神经网络指纹分类，而提取指纹的局部细节点特征作为神经网络指纹识别的特征，从而达到有效提高整体识别性能的目的。

在指纹分类和识别方法研究中,本文提出了一种基于BP神经网络的指纹识别算法，在不同阶段采用神经网络模型分别对指纹进行分类和识别。

实验结果表明，该方法取得了较好的识别结果。

最后简单介绍了基于CPLD的BP神经网络硬件实现。

本文深入地研究了自动指纹识别中图像预处理、特征提取和指纹识别方法的理论和技术，重点研究了指纹图像的二值化处理、特征提取和指纹分类、识别等算法，为进一步开发具有商业价值的自动指纹识别系统提供了理论依据和技术基础。

关键词：

指纹识别；神经网络；BP算法基于神经网络的指纹识别系统研究IIIAbstractWiththedevelopmentsoftheinformationage,biometricidentificationtechnologyhasbecomeahotidentificationtechnology,automatedfingerprintidentificationtechnologyasaveryimportantonebranchhasbeenwidelyusedinpublicsecurity,customs,banking,Networksecurityneedsidentificationfield.However,asthefingerprintimagenoiseandskinelasticity,andotherfactors,andtheneedforalargenumberoffingerprintmatching,AutomatedFingerprintIdentificationSystemidentificationrateisnothighcomputationalspeedslow,andsoon.Thispaperattemptstoneuralnetworksandpatternrecognitiontechnology,anumberofeffectivenewmethods,TosolvetheAutomaticFingerprintIdentificationTechnologyofthedifficultyoffindingpracticalways.Tosumup,thispaperfingerprintidentificationsystemtothefollowingaspectsofin-depthresearch.Thetechnologyoffingerprintimagepreprocessing,theimageoftheoriginalfingerprintimageenhancement,usingfilteringdirectionofafingerprintbackgroundseparation;LocalGrayvarianceintegratedfingerprintimagesegmentationalgorithmandtheimageofafingerprintsegmentationalgorithmorientationinformation.Anewcomplexhasbeenmodifiedandimproved,effective,thefingerprintimagesegmentation;Refinementoftheimageofafingerprinttechnology,incomparison,optimization,ThealgorithmusedfortherehabilitationoftheridgeandDataProcessing.Afterpretreating,thefingerprintimagequalityhasbeenmarkedlyimproved,tobettermeettheneedsofthefollow-upwork.Infeatureextractiontechnologyresearch,thepaperextractthefingerprintclassificationandidentificationofcharacteristics.Usinginnovativeglobalfeaturesfortheneuralnetworkfingerprintclassification,andtheextractionofpartialfingerprintminutiaeasthecharacteristicsofneuralnetworkfingerprintidentificationfeaturesthuseffectivelyimprovingtheoverallperformanceofthepurposeofidentification.Inthefingerprintclassificationstudy,thispaper,afingerprintrecognitionalgorithmbasedonBPneuralnetwork.Neuralnetworkmodelswereusedatdifferentstagesoffingerprintclassificationandidentification.Experimentalresultsshowthatthemethodofobtainingabetterrecognitionresults.FinallyabriefintroductionofBPneuralnetwork-basedCPLDhardware.硕士学位论文IVInthispaper,in-depthstudyoftheautomaticfingerprintidentificationimagepreprocessing,featureextractionandfingerprintidentificationmethodsandthetheory,focusonthefingerprintimagebinarizationprocessing,featureextractionandfingerprintclassificationalgorithm,forthefurtherdevelopmentofcommerciallyvaluableAutomatedFingerprintIdentificationSystemtoprovideatheoreticalbasisandtechnologicalfoundation.KeyWords:

FingerprintIdentification;NeuralNetwork;BPAlgorithmI湖南大学学位论文原创性声明本人郑重声明：

所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律后果由本人承担。

作者签名：

日期：

年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、保密，在_年解密后适用本授权书。

2、不保密。

（请在以上相应方框内打“”）作者签名：

日期：

年月日导师签名：

日期：

年月日硕士学位论文1第1章绪论1.1生物识别技术简介生物识别技术是指通过计算机将人体作固有的生理特征或行为特征收集并进行处理，来进行个人身份鉴定的技术。

人体生物特征具有“人人不同，终身不变，随身携带”的特性。

生物特征分为生理特征和行为特征：

生理特征是与生俱来的特点，而行为特征多为后天形成，习惯使然，但总的来讲，行为特征的稳定性和可靠性差一些。

因此，生物识别技术应该尽量选择最稳定和最可靠的特征作为识别的依据。

生物识别技术的种类共有近20种之多，常见的生物识别技术主要有9种:

脸形、指纹、手形、手部血管分布、虹膜、视网膜、手写体、声音和脸部热量图等。

其中，脸形、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图属于生理特征，手写体属于行为特征，而声音则兼具两方面的属性。

所有这些生物特征都能在一定程度上满足生物识别技术的需要，己实际应用于生物识别系统或有潜力成为实用的生物识别技术1。

这几种生物识别技术各有自己的优势和不足之处，没有任何一种技术能够在任何场合都比其他识别技术表现的优越。

从这个意义上讲，各种生物识别技术都有继续发展和完善的必要。

1.2问题的提出迄今为止，具有人人各异和终生不变的人体特征主要是指纹、虹膜及DNA结构等。

此外，有一些人体特征能在一段时间内保持不变，如面容、掌纹与声音等。

因此如何识别人体特有的生物特征是目前模式识别领域研究热点之一，而实现该功能的计算机系统被称为生物识别系统。

指纹识别技术是目前生物检测技术中研究最深入、应用最广泛、发展最成熟的技术，具有悠久的历史，但长期以来指纹识别技术主要应用于刑事侦查和司法鉴定，并不为大多数人了解。

随着科技的进步和人们文化素质的提高，指纹认证系统己广泛应用于人们的日常生活中，如在电子行业中，人们只需通过身份认证就可以通过电话、网络进行金融交易;在建筑物出入口或工作场所，人们利用指纹可以取代钥匙、证件、图章等，而无需记忆密码和携带证件，指纹就是身份证明，给人们生活带来极大的方便。

指纹识别技术是对所采集的指纹图像进行识别，确定指纹所有人身份的生物特征识别技术2