基于小波技术与人工神经网络的指纹识别研究

论文摘要

随着上世纪八十年代计算机技术的飞速发展以及信息技术的广泛应用,模式识别技术取得了长足的进步。指纹以其不变性和唯一性成为目前应用最为广泛的身份验证与识别技术之一,它涉及到模式识别、图像处理、数字信号处理、人工智能、计算机、数学等多个领域,是一门综合性学科,广泛应用于犯罪识别、网络安全、信息设备安全等领域,有着重要的理论意义和实用价值。目前指纹识别技术还不是很成熟,其主要原因是在指纹识别过程中,指纹图像存在各种噪声因素影响,需要进行更有效的指纹图像压缩、存储、识别等处理,所以目前识别效率还不是很理想,运算速度也很慢。本文试图将小波技术、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,为解决指纹识别系统中存在的种种困难找到一种切实可行的新途径。本文主要对基于小波技术的指纹图像预处理、特征提取以及基于神经网络的指纹识别方法进行了深入研究。首先在预处理过程中,对指纹图像的增强、分割、二值化、细化等多方面分别进行了算法的深入研究和探讨,并且通过仿真实验对已有指纹图像进行了有效的预处理,实验结果很好证明了小波技术的优越性。在特征提取相关的技术研究中,本文描述了一种是基于模板的特征提取方法,这种方法相对来说技术比较成熟,而基于神经网络的特征提取方法比较新颖,但是相关研究还不是很深入,有待今后进一步学习。在对指纹图像识别的研究中,本文采用人工神经网络模型的基础上,首先介绍了几种传统识别方法的优缺点,接下来结合MATLAB仿真平台对神经网络进行了行之有效的训练,最后通过神经网络实现了指纹图像的识别工作。根据系统性能指标分析试验结果,数据表明该方法取得了较好的识别效果,可以在今后的指纹识别领域进行推广。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究背景及选题意义
• 1.2 指纹识别的历史和发展
• 1.3 指纹的特点
• 1.4 指纹识别系统的应用领域
• 1.5 指纹识别系统概述
• 1.6 目前指纹识别系统存在的主要问题
• 1.7 论文安排与主要工作
• 第二章 小波与神经网络概述
• 2.1 小波变换历史
• 2.2 连续小波变换
• 2.3 二进小波变换与离散小波变换
• 2.3.1 二进小波变换与滤波器
• 2.3.2 离散小波变换
• 2.4 小波技术在指纹识别中的优势
• 2.5 相关模糊技术简述
• 2.6 人工神经网络（Artificial Neural Network，ANN）
• 2.7 本章小结
• 第三章 指纹图像预处理
• 3.1 指纹识别系统概述
• 3.2 指纹图像采集
• 3.3 指纹图像预处理
• 3.3.1 平滑滤波
• 3.3.2 方向增强
• 3.3.3 图像分割
• 3.3.4 二值化
• 3.3.5 细化
• 3.4 本章小结
• 第四章 指纹细节特征提取
• 4.1 指纹特征分类
• 4.2 常规的特征提取方法
• 4.3 指纹特征提取
• 4.4 特征提取的后处理
• 4.5 本章小结
• 第五章 指纹特征识别与匹配
• 5.1 传统的模式识别
• 5.2 神经网络的学习方法
• 5.3 图像处理中常用的神经网络模型
• 5.4 基于神经网络的图像识别基本原理
• 5.5 BP神经网络的训练
• 5.6 关于神经网络的设计以及匹配
• 5.7 指纹识别系统的性能指标以及试验分析
• 5.8 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 附录