基于Matlab的指纹图像特征提取毕业设计论文.docx
《基于Matlab的指纹图像特征提取毕业设计论文.docx》由会员分享，可在线阅读，更多相关《基于Matlab的指纹图像特征提取毕业设计论文.docx（42页珍藏版）》请在冰豆网上搜索。
基于Matlab的指纹图像特征提取毕业设计论文
单位代码
学号
分类号
密级
毕业设计（论文）
基于Matlab的指纹图像特征提取
毕业设计（论文）原创性声明和使用授权说明
原创性声明
本人郑重承诺：
所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：
日 期：
指导教师签名：
日 期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：
按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：
日 期：
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 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。
涉密论文按学校规定处理。
作者签名：
日期：
年月日
导师签名：
日期：
年月日
基于Matlab的指纹图像特征提取
摘要
随着社会的发展，传统的基于信物或口令的安全系统显得越来越脆弱，不能适应现代安全系统的需要，因而人们需要研究更加安全可靠，防伪性能更好的安全系统。
指纹识别技术就是在这种背景下产生的，它借助人体的生理特征来提高身份识别的可靠性，目前已经成为国内外研究的热点。
指纹识别大体分为三个步骤：
预处理、特征提取和特征匹配。
本文集中于研究特征提取部分，并针对特征提取中的一些关键算法和实现进行了研究和优化，其主要内容如下：
在特征提取方面，本论文采用了一种8邻域编码纹线跟踪算法，标注出端点和分叉点来进行特征提取；在剔除伪特征点时，先进行去边缘处理，再根据不同类型伪特征点的特征，采用相应剔除算法。
实验表明，以上算法具有较小的运算量和较高的准确性。
上述算法在本文中均用Matlab实现，取得了较好的效果，为后续的特征匹配工作打下了良好的基础。
关键字：
指纹特征提取，去除伪特征，算法仿真
Matlab-basedfingerprintimagefeatureextraction
Abstract
Withthedevelopmentofsociety,thetraditionalsafetysystembasedonkeepsakeandpasswordhasbeenweaker,Whichcannotmeettherequirementofmodernsafetysystem.Inthiscase,theneedofamorereliablesafetysystemwithhigheranti-fakeperformancepromptstheappearanceoffingerprintidentificationtechnique.Thistechnique,withahighersafetyandreliableperformance,canimprovethereliabilityofidentityresolutioninvirtueofhumanbody’sphysiologicalfeature,andithasbeenaresearchfocusthesedays.
Fingerprintidentificationfallsintothreeparts,theyarepretreatment,featureextraction,andcharacteristicmatching.Thethesismainlyfocusfeatureextraction,itoptimizedandinnovatedsomekeyalgorithmsofthisparts,whichcanbedescribedasfollows:
inthefeatureextractionpart,thethesisusedaeight-neighborhoodcodingridgetracingalgorithm,removingsometemplatesofconsecutivepointsandbifurcatepointswhichhavebeenoptimizedandremovedinthethinningalgorithm,andfinallymarkingterminatepointsaswellasbifurcatePointstoexecutefeatureextraction.Experimentresultindicatedthatsuchnewalgorithmhasalessoperationbutwithahigheraccuracy.AllthealgorithmsintroducedabovehavebeenimplementedonMatlab,andresultprovedanadaptivegoodeffect,whichfacilitatesthenextcharacteristicmatchingprocess.
Keywords:
Featureextraction,Removingoffalsecharacteristicpoints,Algorithmsimulate
1绪论
1.1引言
随着社会经济的发展，人们的工作生活越来越依赖现代信息技术和网络技术，越来越多的场合，小到个人的虚拟账户密码，大到一个公司甚至是国家机密都需要对使用者、来访者进行身份识别，从而达到对自身的信息、资料以及财产进行可控制的保护，努力避免被不法分子非法入侵或者占有。
因此信息安全对于现代社会来说己经变得越来越重要了，它涉及到人们生活的方方面面。
同时由于黑客技术借助互联网传播的十分泛滥，这类高科技犯罪活动追究起来过程非常复杂，导致了现在黑客犯罪活动十分地猖獗。
几乎每分每秒都有个人或者公司被非法入侵，因此目前形势非常严峻。
如何保护人们的信息安全已经成为不得不面对的问题。
如何准确识别个人身份信息是解决信息安全问题的一个关键。
目前常见的身份识别方法主要是基于实物（如证件、签名等等）的识别技术和基于电子技术的密钥或者密码的识别技术，而这些认证手段存在诸多缺陷。
首先，这些认证手段的安全性不高，极容易通过伪造、窃取或者破解获得。
其次，这些认证手段并不是随身携带的，都面临着证件丢失，密码遗忘等问题。
一旦这些凭证被不法分子获得，将直接给人们带来巨大的损失和潜在的风险，因此这些手段的可靠性都比较低。
目前，为了提高安全性、可靠性，一般采取经常更换密钥、甚至是证件等方式。
但是在这些措施只能暂时的缓解被破解、伪造的紧迫性，并不能从根本上提高安全性，并且这些方式都给人们的生活带来诸多不便和损失。
因此可以说这两种身份识别技术已经无法满足现实的需要，传统的身份识别技术己无法满足现代生活的需要，社会迫切的需要一种更高可靠性的，更方便的保密验证手段。
新的更高安全性的身份识别技术正吸引着越来越多的机构学者的目光，身份识别技术正成为当今信息安全领域的热点[1]。
1.2生物识别技术简介
生物识别[2]（Biometrics），简单来讲，就是利用人体生物特征进行人的身份辨别的过程。
生物识别的过程是一个模式识别的过程。
模式识别定义为：
对表征事物或现象的各种方式的（数值的、文字的或逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。
众所周知，人类具有很强的模式识别能力。
通过视觉信息识别文字、图片和周围的环境，通过听觉信息识别与理解语言。
模式识别能力是人类智能的重要组成部分。
生物识别遵循模式识别的原则规律，它通过判定相似度来确认生物特征相不相同。
通过筛选的方式，即事先设定一个相似度阈值，在阈值以上的确认通过筛选，以下的拒绝通过，筛选通过的就是符合匹配条件的对象。
生物识别的对象是人，生物识别的主体是机器系统或者计算机系统。
生物识别有两大基石。
一是它必须基于“人的生物特征是各不相同”这一基本规律，否则无法根据人的生物特征来辨识不同对象。
二是人的生物特征可以被外化，并表示为机器系统可读的形式，可以理解的“语言”。
外化表示通过专门的电子化、自动化的生物特征采集设备，直接获得生物特征数据，输送给计算机系统进行辨识。
生物识别是建立在对人的生物特征辨别的基础上的。
人的生物特征包括生理特性和行为方式。
生理特征有手形、指纹、脸形、声音、虹膜、视网膜、静脉图案、身体气味、足印、脑电波、脉搏、耳廓、DNA等，行为特征有签字、按键力度、步态等。
目前，全球来讲，在指纹识别、脸形识别、虹膜识别和语音识别四个方面的研究成果较多，产品化程度也较高。
在行为特征辨识的研究方面，对签名识别和按键力度识别的研究相对充分。
1.3指纹识别技术
1.3.1指纹识别简介
指纹，由于其具有终身不变性、唯一性和方便性，已几乎成为生物特征识别的代名词。
指纹是指手指末端正面皮肤上凸凹不平的纹路，是在胎儿期6个月时形成的，在人的一生中指纹的纹线类型、结构、统计特征的总体分布等始终没有明显变化。
任何手指指纹都独一无二，而且不同人的指纹特征相同的可能性几乎为零。
指纹纹线的形态终生不变，及其唯一性，所以使用指纹来鉴别身份，指纹识别[3]也是最安全最可靠的识别方法。
指纹特征是人终生不变的特征之一，人体指纹含有天然的密码信息，其具有作为密码信息必须具备的三个重要性质：
（1）广泛性，指每一个正常的人都有指纹。
（2）唯一性，指每一个人的指纹都不同。
（3）终身不变性，指非意外事故指纹终身不变。
指纹是人体所固有的特征，随身携带，不易遗忘或丢失，使用方便；与人体是唯一绑定的，防伪性好，不易伪造或被盗。
因此，作为一种可靠的方法，可以运用指纹鉴定进行身份认定。
1.3.2指纹识别原理
指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。
由于每个人的指纹不同，就是同一人的十指之间，指纹也有明显区别，因此指纹可用于身份鉴定。
其实，我国古代早就利用指纹（手印）来签押。
1684年，植物形态学家Grew发表了第一篇研究指纹的科学论文。
1809年Bewick把自己的指纹作为商标。
1823年解剖学家Purkije将指纹分为九类。
1880年，Faulds在《自然》杂志提倡将指纹用于识别罪犯。
1889年EdwardHerry提出了著名的Herry系统来对指纹进行分类[4]。
之后，英国、美国、德国等的警察部门先后采用指纹鉴别法作为身份鉴定的主要方法。
随着计算机和信息技术的发展，FBI和法国巴黎警察局于六十年代开始研究开发指纹自动识别系统（AFIS）用于刑事案件侦破。
目前，世界各地的警察局已经广泛采用了指纹自动识别系统。
九十年代，用于个人身份鉴定的自动指纹识别系统得到开发和应用。
由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊指纹，如何正确提取特征和实现正确匹配，是指纹识别技术的关键。
指纹识别技术涉及图像处理、模式识别、计算机视觉、数学形态学、小波分析等众多学科。
1.3.3指纹识别的发展
随着科技的进步，指纹识别技术已经开始慢慢进入计算机世界中。
目前许多公司和研究机构都在指纹识别技术领域取得了很大突破性进展，推出许多指纹识别与传统IT技术完美结合的应用产品，这些产品已经被越来越多的用户所认可。
指纹识别技术多用于对安全性要求比较高的商务领域，而在商务移动办公领域颇具建树的富士通、三星及IBM等国际知名品牌都拥有技术与应用较为成熟的指纹识别系统，下面就对指纹识别系统在笔记本电脑中的应用进行简单介绍。
（1）第一代指纹识别系统
众所周知，在两年前就有部分品牌的笔记本采用指纹识别技术用于用户登录时的身份鉴定，但是，当时推出的指纹系统属于光学识别系统，按照现在的说法，应该属于第一代指纹识别技术。
光学指纹识别系统由于光不能穿透皮肤表层（死性皮肤层），所以只能够扫描手指皮肤的表面，或者扫描到死性皮肤层，但不能深入真皮层。
在这种情况下，手指表面的干净程度，直接影响到识别的效果。
如果，用户手指上粘了较多的灰尘，可能就会出现识别出错的情况。
并且，如果人们按照手指，做一个指纹手模，也可能通过识别系统，对于用户而言，使用起来不是很安全和稳定。
（2）第二代电容式传感器
后来出现了第二代电容式传感器，电容传感器技术是采用了交替命令的并排列和传感器电板，交替板的形式是两个电容板，以及指纹的山谷和山脊成为板之间的电介质。
两者之间的恒量电介质的传感器检测变化来生成指纹图像。
但是由于传感器表面是使用硅材料，容易损坏，导致使用寿命降低，还有它是通过指纹的山谷和山脊之间的凹凸来形成指纹图像的，所以对脏手指、湿手指等困难手指识别率低。
（3）射频指纹识别技术
发展到今天，出现第三代生物射频指纹识别技术（射频原理真皮指纹核心技术（线型采集器）），射频传感器技术是通过传感器本身发射出微量射频信号，穿透手指的表皮层去控测里层的纹路，来获得最佳的指纹图像。
因此对干手指、汗手指等困难手指通过可高达99%，防伪指纹能力强，指纹敏感器的识别原理只对人的真皮皮肤有反应，从根本上杜绝了人造指纹的问题。
因为射频传感器产生高质量的图像，因此射频技术是最可靠，最有力的解决方案。
除此之外，高质量图像还允许减小传感器，无需牺牲认证的可靠性，从而降低成本并使得射频传感器的思想应用到可移动和大小不受拘束的任何领域中。
1.3.4指纹识别的优缺点
优点：
（1）指纹是人体独一无二的特征，并且它们的复杂度足以提供用于鉴别的足够特征；
（2）如果要增加可靠性，只需登记更多的指纹、鉴别更多的手指，最多可以多达十个，而每一个指纹都是独一无二的；
（3）扫描指纹的速度很快，使用非常方便；
（4）读取指纹时，用户必需将手指与指纹采集头相互接触，与指纹采集头直接接触是读取人体生物特征最可靠的方法；
（5）指纹采集头可以更加小型化，并且价格会更加的低廉；
缺点：
（1）某些人或某些群体的指纹特征少，难成像；
（2）过去因为在犯罪记录中使用指纹，使得某些人害怕“将指纹记录在案”。
（3）实际上现在的指纹鉴别技术都可以不存储任何含有指纹图像的数据，而只是存储从指纹中得到的加密的指纹特征数据；
（4）每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性
1.3.5指纹识别系统
指纹识别系统是一个典型的模式识别系统，包括指纹图像获取、处理、特征提取和比对等模块。
目前的自动指纹识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库等技术于一体的综合高端技术。
自动指纹识别技术主要包括四个方面：
指纹图像的录入、图像预处理、特征提取和特征匹配。
下面就以上各部分做简要的介绍。
（1）指纹采集
最早的指纹采集方法是用手指蘸上墨水或印油在纸上用扫描仪摄取，由于其严重的不可靠性，该方法早已经被淘汰。
随着光学仪器、传感器及数字技术的发展，各种快速精确、方便小巧的采集设备都得到了应用。
目前主要使用光学扫描仪和固态阵列传感器进行采集。
前者用激光照在手指上，然后用CCD阵列摄取其反射光，由于反射光随着指纹的脊线和谷线的深度不同而不同，因此可以得到指纹图像。
后者是用大量的敏感元件组成的固态阵列芯片，它们采用电容传感、热敏传感或其他传感技术，通过感受按压指纹的压力、热度等特征来摄取指纹。
（2）指纹图像预处理
预处理在整个自动指纹识别系统中是很关键的一步。
通常直接输入计算机的图像有一定的噪声，我们需要去除这些噪声才能进行下面的细化、特征提取和特征匹配等操作。
然而在实际应用中，由于采集条件（手指太湿、太干或太脏）和采集设备等因素的制约，采集到的指纹图像质量比较差，含有大量的噪音，容易导致很多问题，影响后续的处理效果。
因此，在对图像进行特征提取前，必须经过一系列的预处理消去大量的噪声信号，以便得到清晰的纹线。
（3）特征提取
传统的特征提取方法主要有两种：
第一种是直接从原始指纹图像上进行细节特征提取，另一种是从细化后的指纹图像上进行特征提取。
第一种算法比较复杂，受噪声干扰影响较大，特征点定位不精确，大多数系统都采用了第二种方法。
指纹图像存在两种待提取的特征：
全局特征和局部特征。
全局特征用于指纹的分类，一个重要的全局特征是中心区的形状；局部特征是指纹中的细节，它可以通过细化后的指纹图求得。
目前最常用的细节特征是美国联邦调查局（FBI）提出的细节点坐标模型，它利用端点和分叉点这两种特征，只需要一个3×3模板便可将端点和分叉点提取出来。
（4）特征匹配
特征匹配是将输入指纹的特征与指纹模板库中所存储的指纹特征进行比较，找出最相似的指纹作为识别的输出结果。
这个过程也就是我们所说的指纹识别/认证的过程，它是指纹识别系统的核心。
其中指纹识别用于判断指纹是属于哪个人的，而指纹认证则是用来判断两个指纹是否属于同一个人。
1.4指纹图像特征提取
指纹特征提取包括纹线细化、特征点（交叉点、断点、中心点、三角点等）检测与分类、伪特征点消除、特征点特性参数计算、特征参数压缩编码、全局特征（“斗”、“箕”、“旋向”等）检测等步骤，特征提取算法应能适应噪声、畸变、位移、旋转、缺损、变形等常见的实际情况。
细节特征的提取就是在指纹图像中找到脊终点和脊分叉两个细节特征，一般说来，如果指纹图像能够很好地分割，那么对于细节特征提取来说，就仅仅是对细化的指纹图像进行沿脊线的点的判断。
然而，在实际中由于指纹图像本身存在噪声或在提取特征时，滤波和细化引入了噪声，我们无法得到完美的指纹图像细化图，在提取特征时会产生一些虚假细节特征。
虚假细节特征的存在会同时提高指纹图像匹配时的误识率和拒识率。
因此，在特征提取时，往往需要进行虚假细节特征删除，一般采用启发式算法对虚假特征进行删除。
对于一个分叉点的分支如果小于某个给定阈值，就将其当作毛刺删除；如果脊线的两个端点很近，那么该脊线有可能是噪声引起的，应删除；在指纹图像边缘的脊终点也应删除。
特征提取的结果一般保存为特征模板，它包括脊终点或分叉类型、位置坐标以及该特征的方向。
一般的指纹图像提取的特征在10—100之间。
1.5主要内容和结构安排
1.5.1主要内容
指纹图像的处理，包括指纹图像预处理、特征提取和特征匹配三个部分工作。
其中指纹图像预处理是指对采集头采集的指纹进行图像归一化、图像增强、二值化和细化；特征提取，包括指纹特征的提取以及伪特征的剔除；特征匹配主要分为初匹配和二次匹配两个阶段。
本文主要研究指纹图像的特征提取，介绍了特征点的提取以及伪特征点剔除的算法。
1.5.2结构安排
本文共分为4章，结构安排大致遵循指纹图像识别的处理流程，即按照指纹图像处理的先后顺序：
先进行指纹图像的预处理、然后进行特征的提取，省去了指纹特征匹配阶段。
具体安排如下：
1．介绍了生物识别技术所包含的内容，指纹识别技术的优缺点与发展现状，以及指纹识别系统的结构，简要介绍了本文研究的主要内容。
2.对指纹图像的预处理的各个步骤做简要介绍。
3．指纹特征的提取。
首先介绍如何对指纹特征进行表征，即通过何种特征来标识一个指纹，具体方法有全局特征和局部特征。
接着介绍常用的特征提取方法，以及它们的优缺点。
最后给出了本文的指纹特征提取方法，并根据各种伪特征点的形成原因、特点，采用了富有针对性的剔除伪特征点算法，并通过Matlab进行算法仿真验证。
4.结语。
总结回顾指纹图像特征提取的方法，对后续进一步研究的进行合理的展望。
2指纹图像的预处理
对于一幅指纹采集头采集的原始图像，为了使后续特征提取的操作能够正常有效的进行，必须对原始指纹图像进行一定的处理。
通常这样的处理过程包括归一化、图像增强、二值化和细化等过程。
下面将依次介绍预处理是如何实现的。
2.1归一化
由于在指纹采集的过程中，采集的指纹图像灰度不均，即有的指纹图像偏暗，有的偏亮。
这给建立统一的、有效的后续指纹图像处理算法带来了极大的不便。
因此有必要将每幅指纹图像都通过归一化（又叫“规格化”，“均一化”）处理，方便后续的处理。
指纹图像的归一化主要是通过求取指纹图像的灰度均值和方差，将灰度均值和方差调整到一个期望的范围。
从而在不改变图像的灰度特性（指：
灰度均值和方差）的前提下，实现所有指纹图像的灰度都分布在同一个期望的范围内，实现指纹图像的归一化。
2.2图像增强
指纹图像增强，就是对指纹图像采用一定的算法进行处理，使其纹理结构清晰化，尽量突出和保留固有的指纹特征信息，并消除噪声，避免产生虚假特征。
其目的是保持特征信息提取的准确性和可靠性。
从目前的研究情况和各种算法的综合比较来看，空域滤波和频域滤波仍然是指纹图像增强中比较有效且占据主流地位的方法。
空域滤波法通过对滤波算子和原始图像作卷积来实现图像增强，具有简单直观，易于分析的优点。
O’Gorman和Nickerson较早提出采用方向滤波器进行指纹图像增强。
他们利用指纹独特的方向性设计出相应的方向滤波器模板，这种滤波器能够沿指纹纹线方向对图像进行平滑处理，具有一定的消除噪声和弥合裂纹的能力，同时能提高指纹脊线和谷线在图像中的对比度。
但是，该方法没有使用指纹的频率信息，主要依据经验来确定滤波器模板，对低质量指纹图像的处理效果较差，具有一定的局限性[5]。
Greenberg等使用具有结构自适应能力的各向异性滤波器对指纹图像进行滤波，能够在滤除噪声的同时保护指纹纹线结构，但是同样没有结合指纹的频率信息，对指纹纹线变化的适应能力有限。
Hong等提出采用具有方向和频率选择性的二维Gabor滤波器来增强指纹图像。
他们根据指纹的方向性将二维Gabor滤波器调制到各个方向，并根据指纹的频率信息来确定滤波器的中心频率，然后使用所得的Gabor滤波器组对图像进行滤波。
该方法较好地结合了指纹的方向信息和频率信息，对指纹图像的增强效果比较显著。
其不足之处在于，容易破坏纹线方向变化剧烈的模式区域，会在一定程度上改变脊线和谷线的位置及比例关系，对细节特征的保护能力有限[6]。
频域滤波法通过直接改善图像的频谱来实现图像增强。
由于指纹纹线具有较强的等周期性，因此从频谱上看，指纹图像的能量通常集中在某个频率附近，这为在频域进行指纹图像增强带来方便。
Sherlock等提出了基于频域的方向滤波算法。
首先在频域定义出一组方向滤波器对指纹图像的频谱进行滤波处理，每一个方向滤波器在提取出对应方向
升级会员 