指纹自动分类技术的研究与实现

论文摘要

指纹识别作为生物特征识别领域中应用最为广泛的技术之一，目前普遍应用于身份验证和识别领域，特别是在电子商务、犯罪识别、信息安全等领域获得广泛的应用。因此，对自动指纹识别的研究具有重要的学术价值和实用价值。在指纹识别的研究中，虽然已有许多算法，但是仍然存在值得研究的问题。本文以自动指纹分类算法为主线，对指纹分类涉及的相关内容进行了研究并做了相应的改进：1．预处理阶段。为确保分类算法的鲁棒性，必须对指纹图像进行预处理。本文研究了指纹图像的分割、方向图的计算、指纹参考点的获取和指纹增强技术。在研究已有的分割算法的基础上，提出了基于Canny算子的指纹图像分割算法。此算法原理简单、分割效果好、能较为完整的保持指纹的模式信息。改进了基于方向场提取指纹参考点的算法，改进方法为以粗细模板代替原有的迭代过程，降低了算法复杂度。同时经实验比较，此方法比传统的poincare index方法提取的参考点更为准确。2．特征提取阶段。分析了基于poincare index的奇异点提取方法的优缺点；介绍了基于统计信息的特征提取方法；在研究基于方向场的半区域特征提取算法的基础上，对其做了改进，改进后的算法能更准确的提取分类信息，并具有旋转不变性。3．指纹分类实验阶段。选取支持向量机作为分类器，对指纹多类分类领域进行了探讨，并设计了一种二叉树支持向量机进行指纹的多类分类，通过实验验证该算法相对于传统的一对一、一对多的多分类支持向量机在分类效果上有明显改善，具有一定的实用价值。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 生物识别技术
• 1.3 指纹识别技术
• 1.3.1 概述
• 1.3.2 自动指纹识别系统的构成
• 1.3.3 指纹分类简介
• 1.4 本章小结与本文结构
• 2 指纹图像的预处理
• 2.1 引言
• 2.2 指纹图像的分割
• 2.2.1 已有的分割方法
• 2.2.2 基于Canny算子的分割方法
• 2.3 指纹方向图的计算
• 2.3.1 梯度法计算块方向图
• 2.4 指纹图像参考点的获取及截图
• 2.4.1 参考点计算的意义
• 2.4.2 本文采用的参考点计算方法
• 2.4.3 以参考点为基准截图
• 2.5 指纹图像增强
• 2.5.1 基于Gabor滤波的指纹图像增强
• 2.6 本章小结
• 3 用于分类的特征提取
• 3.1 引言
• 3.2 基于奇异点的指纹特征提取及其分类判决
• 3.3 基于统计信息的指纹特征提取
• 3.4 本文提出的改进的特征提取方法
• 3.4.1 半区域特征提取
• 3.4.2 改进的半区域特征提取
• 3.5 本章小结
• 4 分类器的选取与构造
• 4.1 支持向量机（SVM）原理简介
• 4.1.1 最优超平面
• 4.1.2 线性SVM
• 4.1.3 非线性SVM
• 4.1.4 求解大型二次规划问题的算法
• 4.2 SVM多类分类机构造
• 4.2.1 SVM多分类机
• 4.2.2 二叉树（层）SVM的原理
• 4.2.3 本文采用的二叉树SVM层结构
• 4.3 本章小结
• 5 指纹的自动分类实验
• 5.1 用于分类实验的指纹数据
• 5.2 分类实验
• 5.2.1 FVC2002数据库的分类实验
• 5.2.2 采集数据的分类实验
• 5.3 本章小结
• 6 总结与展望
• 6.1 本文工作小结
• 6.2 今后的研究与展望
• 致谢
• 参考文献