自动指纹识别匹配算法研究

论文摘要

随着电子信息技术、计算机及网络技术的快速发展,通过辨识人体生理或行为特征来进行身份认证的生物识别技术越来越多的得到广泛认同。和传统的身份鉴别方法相比,依靠生物特征进行身份鉴别可以避免伪造和窃取,因而安全性好。同时,生物特征无需携带,使用方便。指纹这一生物特征不仅具有上述生物特征的优势,和其他生物特征相比,指纹还同时具有信息量大,识别过程方便,不易随时间改变等特点,已经成为最流行、最方便、最可靠的个人身份认证技术之一。自动指纹识别系统一般包括指纹图像采集,预处理,特征提取和比对。本文重点对指纹识别的两种算法进行了研究,基于遗传算法的指纹匹配算法和基于区域特征点的匹配算法。遗传算法是一种全局搜索最优算法,在指纹识别中经常使用。本文首先利用指纹特征点的局部特征信息来产生遗传算法的初始种群,然后利用这个含有局部对准信息的种群进行遗传算法的全局搜索,根据两个指纹局部特征相似程度和全局的匹配程度来评价每个个体的适应度,比较最大适应度和判决门限的大小决定两枚指纹是否匹配。由于指纹中心点周围的特征点受噪声干扰比较小,用于指纹匹配可以达到比较可靠的效果,因此本文提出基于区域特征点的匹配算法,即利用模板和待匹配指纹的中心点和一个噪声较小的相同区域内部特征点寻找平移量和旋转量。该算法计算量小,但抗噪性能不够理想,匹配准确度稍差。而基于遗传算法的指纹匹配算法具有较好的抗噪性能。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 问题背景
• 1.2 指纹识别发展历史
• 1.3 自动指纹识别系统发展现状
• 1.4 本文工作及论文组成
• 2 自动指纹识别系统及匹配方法概述
• 2.1 指纹识别的基本概念
• 2.2 自动指纹识别系统（AFIS）
• 2.2.1 指纹图像采集
• 2.2.2 指纹图像预处理
• 2.2.3 特征点提取
• 2.2.4 去除虚假特征点
• 2.2.5 指纹比对
• 2.3 指纹匹配算法简介
• 2.3.1 基于点模式的匹配算法
• 2.3.2 基于纹理特征的匹配算法
• 2.3.3 基于结构特征的匹配算法
• 2.3.4 中心点的选择
• 3 基于遗传算法的指纹匹配算法
• 3.1 遗传算法产生的生物学基础
• 3.2 遗传算法的发展历史
• 3.3 遗传算法的应用领域
• 3.4 简单遗传算法的基本原理
• 3.5 遗传算法的具体实现步骤
• 3.5.1 编码方法
• 3.5.2 适应度函数
• 3.5.3 选择算子
• 3.5.4 交叉算子
• 3.5.5 变异算子
• 3.5.6 基本遗传算法的运行参数
• 3.6 基于遗传算法的指纹匹配算法
• 3.6.1 基于特征点指纹匹配算法模型
• 3.6.2 算法基本思想
• 3.6.3 入口参数
• 3.6.4 模板库的建立
• 3.6.5 算法对于待匹配指纹的处理
• 3.6.6 函数出口
• 3.6.7 参数设置
• 4 基于区域特征点的指纹匹配算法
• 4.1 算法基本思想
• 4.2 算法流程
• 4.2.1 对于模板的算法流程
• 4.2.2 待匹配指纹的算法流程
• 4.3 入口参数
• 4.3.1 块方向场
• 4.3.2 特征点的坐标
• 4.3.3 中心点位置
• 4.4 算法相关说明
• 4.5 函数出口
• 4.6 参数设置
• 5 实验仿真结果及分析
• 5.1 基于遗传算法的指纹匹配算法的实验结果
• 5.2 基于遗传算法的指纹匹配算法实验结果分析
• 5.2.1 误匹配情况分析
• 5.2.2 误拒情况分析
• 5.2.3 算法所需进化代数分析
• 5.2.4 误拒率和误判率结合分析
• 5.3 基于区域特征点的指纹匹配算法的实验结果
• 5.4 基于区域特征点的指纹匹配算法实验结果分析
• 5.4.1 误匹配情况分析
• 5.4.2 误拒情况分析
• 5.5 算法对比及分析
• 5.5.1 准确度比对及分析
• 5.5.2 算法复杂度比较及分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢