基于脊线矢量化的指纹识别算法研究

论文摘要

指纹识别已经成为现在最为人们所关注、最为成熟的生物识别技术。传统的指纹识别算法大多是基于指纹细节点的方法,这些方法只是利用指纹的细节点,而对指纹的脊线的信息没有很好的利用,造成这部分信息的丢失。由于原始图像或者预处理的原因,指纹图像很容易产生很多噪声,这些噪声对基于细节点的指纹识别算法具有很大影响。另外,对于两幅尺寸不同、采集角度和位置不同的指纹图像进行比对时,大多数算法是将两幅指纹图像进行尺寸、角度和位置的归一化,再进行匹配。这在很大程度上增加了匹配算法的复杂度,降低了识别的准确性。本文在总结前人研究成果的基础上,形成了一套完整的指纹识别系统,该系统包括指纹图像的预处理、指纹图像的矢量化和基于脊线曲率的指纹匹配。首先,通过归一化、均衡化、图像分割、图像滤波、二值化、细化以及细化后处理,对指纹图像进行了预处理操作;其次,为了更准确地描述指纹脊线,将矢量化技术应用到指纹识别系统中,采用道格拉斯一普克法对指纹脊线进行了矢量化操作,形成了以提取到的特征点的坐标为存储内容的矢量文件,并在此基础上实现了图像的重构,将图像转化为矢量化图形;最后,利用平面曲线在特定点的曲率不变性原理提出基于指纹脊线曲率的指纹匹配算法。实验表明,本文预处理算法很好的降低了指纹图像中各种噪声的影响,并通过细化后处理去除了各种伪特征;矢量文件能够准确的描述指纹图像,具有放大不失真性,并且能够极大缩减指纹图像所占用的存储空间;基于指纹脊线曲率的匹配算法,对指纹图像的放大和旋转具有很好的鲁棒性,提高了识别的准确率。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 指纹识别技术
• 1.1.1 指纹识别的理论研究现状
• 1.1.2 自动指纹识别系统的应用现状
• 1.2 本论文主要内容
• 2 自动指纹识别系统的基本原理
• 2.1 指纹图像的采集
• 2.2 指纹图像的基本特征
• 2.2.1 总体特征
• 2.2.2 局部特征
• 2.3 指纹图像的预处理
• 2.4 指纹特征提取与识别
• 2.5 系统性能评估
• 2.6 本章小结
• 3 指纹图像的预处理
• 3.1 指纹图像的归一化
• 3.2 指纹图像的均衡化
• 3.3 指纹图像分割
• 3.4 指纹图像滤波
• 3.5 指纹图像的二值化
• 3.6 本章总结
• 4 指纹图像的矢量化
• 4.1 矢量化技术分类
• 4.1.1 基于细化的矢量化
• 4.1.2 基于非细化的矢量化
• 4.2 指纹图像的细化
• 4.2.1 图像连通
• 4.2.2 细化指纹图像
• 4.2.3 二次细化
• 4.3 脊线跟踪提取及噪声的去除
• 4.3.1 常见的噪声
• 4.3.2 脊线跟踪技术
• 4.3.3 方向模块的自适应调节
• 4.3.4 去除伪特征
• 4.4 指纹图像的矢量化
• 4.4.1 脊线提取
• 4.4.2 曲线拟合
• 4.5 实验结果与分析
• 4.5.1 矢量化指纹图像放大不失真性实验
• 4.5.2 矢量指纹图像的存储空间分析
• 4.5.3 实验结论
• 4.6 本章总结
• 5 基于脊线曲率的指纹匹配
• 5.1 基于细节点的匹配算法的优缺点
• 5.1.1 基于细节点匹配算法概述
• 5.1.2 基于细节点匹配算法的缺陷
• 5.2 基于脊线曲率的匹配算法
• 5.2.1 提取脊线曲率特征点
• 5.2.2 脊线的曲率的计算
• 5.2.3 脊线曲率特征点比对
• 5.3 实验结果与分析
• 5.3.1 相互匹配实验
• 5.3.2 同一手指旋转比对
• 5.3.3 放缩后的指纹图像的比对
• 5.3.4 实验结论
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢