基于细节特征的自动指纹识别系统的研究

论文摘要

近几年，指纹识别技术获得了较大的发展，但仍是目前研究的热点，主要集中在如何提高指纹识别系统的准确率和识别速度，因此无论是在理论上还是在应用上研究自动指纹识别技术都具有非常重要的意义。在自动指纹识别系统中，提取到的指纹特征的质量对指纹特征匹配有很大的影响。对于高质量的特征，目前的算法都能得到一个很好的匹配结果。此外，在指纹识别系统中，指纹特征的提取耗时最多。所以对指纹特征提取的研究是当前和今后指纹识别研究的重点。本文通过对指纹特征提取全过程的系统分析，对其中指纹图像的分割、纹线方向计算、纹线周期的计算、图像的增强、细节特征提取和特征匹配提出了一些新的见解。主要包括：改进了基于梯度的方向计算方法；提出了基于特征融合的指纹图像分割算法；提出了基于一维傅立叶变换的纹线周期提取算法；提出了新的Gabor滤波函数参数的设计方法，提高了滤波器的自适应性；在细节特征的提取过程中，设计了基于方向和纹线波形的二值化方法，引入了新的细节特征滤除算法，避免毛刺消除和断线连接步骤带来的时间开销，提高了细节特征的质量；在指纹特征匹配部分，设计基于统计的平移旋转参数的确定方法，克服了目前基于细节特征匹配方法的缺点。分析研究表明，新的指纹图像预处理算法从整体上提高了系统的处理效果，降低了时间复杂度；基于统计的细节特征匹配算法提高了匹配算法的鲁棒性，降低了错误拒绝的概率。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究身份识别的意义
• 1.2 生物识别简介
• 1.3 指纹识别技术简介
• 1.3.1 指纹识别的起源
• 1.3.2 自动指纹识别系统简介
• 1.4 指纹识别技术研究现状
• 1.4.1 指纹图像获取
• 1.4.2 指纹的特征提取
• 1.4.3 指纹特征的匹配
• 1.5 本文研究内容和结构安排
• 第二章 基于光学的指纹采集技术
• 2.1 指纹采集技术综述
• 2.2 光学指纹传感器采集技术
• 第三章 基于结构的指纹图像预处理
• 3.1 引言
• 3.2 基于特征融合的指纹分割算法
• 3.2.1 指纹图像分割的概述
• 3.2.2 特征融合分割算法的提出
• 3.2.3 指纹图像梯度的计算
• 3.2.4 基于梯度的初次分割
• 3.2.4 基于方向一致性的二次分割
• 3.3 指纹图像的质量评价
• 3.4 指纹方向的计算
• 3.4.1 指纹局部方向提取算法研究现状
• 3.4.2 基于梯度的指纹方向提取算法
• 3.4.3 方向计算的改进
• 3.5 指纹平均周期的计算
• 3.6 指纹图像的增强
• 3.6.1 指纹图像增强概述
• 3.6.2 基于 Gabor滤波增强算法
• 3.6.3 Gabor滤波增强算法的改进
• 3.6.4 指纹图像增强的实现
• 第四章 指纹特征的提取
• 4.1 引言
• 4.2 指纹图像的二值化
• 4.2.1 指纹图像二值化概述
• 4.2.2 基于方向和纹线波形二值化方法
• 4.3 指纹图像的细化
• 4.4 指纹特征的提取
• 4.4.1 指纹细节特征的提取
• 4.4.2 指纹结构特征的提取
• 第五章 指纹特征的匹配
• 5.1 引言
• 5.2 基于局部细节特征集匹配算法剖析
• 5.3 基于统计的匹配算法
• 5.3.1 基于统计的匹配算法概述
• 5.3.2 基于统计方法的匹配的实现
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间的主要研究成果
• 攻读学位期间发表的论文