基于分类因子的多模式指纹识别技术研究

论文摘要

指纹识别作为一种生物鉴定技术,在金融、公安、个人安全及防伪等方面得到了广泛的应用。本文在分析总结国内外已有研究成果的基础上,对指纹识别模式与算法进行了深入的研究,提出了基于分类因子的多模式指纹识别技术,开发了测试平台,并对实现的算法进行测试分析。第一章介绍了生物识别和指纹识别的重要意义以及指纹识别的应用领域,还介绍了国内外指纹识别技术的研究现状,指出了目前指纹识别中存在的问题。在此基础上,给出了本文的研究内容和组织结构。第二章分析了指纹图像的采集技术,介绍了传感器使用的基本要求,并对三种常用的指纹传感器--光学传感器、半导体传感器和超声波传感器进行总结和比较。介绍了图像预处理技术的基本知识,实现了指纹图像预处理中的图像归一化,关键区域提取,滤波,二值化和细化等技术,为后续指纹识别提供了基础。第三章研究了多模式指纹识别技术,介绍了多模式指纹识别技术的整体架构,对现有的三种匹配模式—基于细节点的匹配模式,基于图的匹配模式以及基于频域的匹配模式进行分析和比较,建立了最终选择的匹配模式。介绍了四种描绘子,即规则度描绘子,能量集中度描绘子,平行度描绘子和均匀度描绘子的产生,实现了分类因子的局部整合以及全局整合算法。第四章研究了基于FMT与自适应绑定频域带宽的匹配算法,介绍了POC算法和BLPOC算法的基本原理及其局限性,提出了FMT算法的旋转配准,自适应椭圆绑定相关以及峰值能量对比模式的成因,并通过实验证明该算法的有效性。针对模板注册问题,给出了复合指纹模板的生成算法。第五章介绍了基于分类因子的多模式指纹识别技术开发测试平台及其总体框架结构。并介绍了指纹预处理模块,指纹模式导向模块,指纹频域匹配模块,指纹模板图像生成模块等功能的实现,给出了相应的测试结果。第六章总结了本文的主要研究内容和成果,并给出了今后进一步的研究展望。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 生物识别方式与指纹识别的意义
• 1.2.1 生物识别方式
• 1.2.2 指纹识别的重要性与应用领域
• 1.3 指纹识别技术研究现状
• 1.3.1 图像增强
• 1.3.2 特征提取
• 1.3.3 匹配算法
• 1.4 指纹识别中存在的问题
• 1.5 本文的主要研究内容
• 第2章 指纹图像的采集与预处理
• 2.1 引言
• 2.2 指纹图像的采集
• 2.3 指纹图像的预处理实现
• 2.3.1 图像归一化
• 2.3.2 关键区域提取
• 2.3.3 滤波
• 2.3.4 二值化
• 2.3.5 细化
• 2.4 本章小结
• 第3章 多模式指纹识别技术
• 3.1 引言
• 3.2 多种匹配模式的研究及选择
• 3.2.1 基于细节点的匹配模式
• 3.2.2 基于图的匹配模式
• 3.2.3 基于频谱信息的匹配模式
• 3.2.4 不同匹配模式的比较及选择
• 3.3 分类因子
• 3.3.1 分类因子的数学描述
• 3.3.2 规则度描绘因子
• 3.3.3 能量集中度描绘因子
• 3.3.4 平行度描绘因子
• 3.3.5 均匀度描绘因子
• 3.4 分类因子的整合
• 3.4.1 全局总分
• 3.4.2 局部总分
• 3.4.3 实验结果及分析
• 3.5 基于分类因子的多模式指纹识别处理流程
• 3.6 本章小结
• 第4章 基于 FMT与自适应绑定频域带宽的匹配算法
• 4.1 引言
• 4.2 POC/BLPOC算法的局限分析
• 4.2.1 POC算法基本原理
• 4.2.2 POC/BLPOC算法存在问题
• 4.3 基于 FMT与自适应绑定算法流程概述
• 4.4 FMT算法的旋转配准
• 4.4.1 STR不变性研究
• 4.4.2 FMT变换基本原理
• 4.4.3 对数极坐标变换及其性质
• 4.4.4 旋转配准的主要步骤
• 4.5 自适应绑定频域带宽算法
• 4.5.1 自适应椭圆绑定频域相关
• 4.5.2 峰值对比能量模式
• 4.5.3 实验结果及分析
• 4.6 复合指纹模板图像注册
• 4.6.1 复合模板图像融合
• 4.6.2 实验结果及分析
• 4.7 本章小结
• 第5章 开发测试平台构建
• 5.1 引言
• 5.2 实验开发环境
• 5.3 系统结构框架
• 5.4 系统各模块功能实现
• 5.5 测试平台和实验结果
• 5.6 本章小结
• 第6章 总结和展望
• 6.1 本文的研究成果
• 6.2 工作展望
• 参考文献
• 附录: 攻读硕士学位期间发表的学术论文和参加的科研项目
• 致谢