Gabor滤波函数指纹识别系统探究

菜单

摘要：本文在对指纹特征认识的基础上，采用均值方差法对指纹图像进行分割，来减少指纹图像中所掺杂的噪声；文中为了增强指纹纹线的方向性和频率特性，选用了能够获得频域和空间域最佳分辨率的Gabor滤波函数对图像进行滤波。并对指纹图像进行二值化处理，再应用8邻域算法进行特征提取，最后做指纹图像的匹配。经仿真结果表明，通过预处理、二值化等各部分算法的处理，可以获得良好的指纹图像特征，为图像识别匹配打好了基础。54374

毕业论文关键词：指纹识别，图像处理，特征提取，图像匹配

Abstract: Based on the understanding of the characteristics of the fingerprint, the fingerprint image segmentation using mean variance method, to reduce the noise of the doped in fingerprint image; in order to enhance the direction and frequency characteristics of fingerprint ridge, the Gabor filter function to obtain the frequency domain and space domain optimal resolution for image filtering. The fingerprint image processing two values, using 8 neighborhood algorithm for feature extraction, the matching of fingerprint images. The simulation results show that, after treatment, pretreatment, two values, each part of the algorithm, can achieve good fingerprint image feature matching, to lay the foundation for the image recognition.

Key words: Fingerprint identification, Image processing, Feature extraction, Image matching

1 前言 3

1.1 指纹识别发展历史 3

1.2 指纹识别特点 4

1.3 指纹识别系统 5

1.4 指纹识别存在的问题 5

1.5 论文内容及结构 6

2 指纹图像的特征 6

2.1 指纹图像获取设备与采集方式 6

2.2 指纹的总体特征 8

2.3 指纹其他特征 9

2.4 指纹的局部特征 9

3 指纹图像预处理 10

3.1 图像均衡 10

3.2 指纹图像分割 12

3.3 指纹图像增强 14

3.4 基于Gabor函数的自适应指纹图像增强算法 14

3.5 指纹图像二值化处理 15

3.6 指纹图像细化 16

4 指纹特征提取概述 18

4.1 基于8邻域编码的指纹特征提取 19

5 指纹图像匹配概述 20

5.1 基于点模式的指纹匹配算法 20

结论 23

参考文献 24

致谢 25

1 前言

身份鉴别是每个人不可避免的基本问题，如我们经常使用身份证、工作证、信用卡等证件，或者用个人识别号码和密码来证明身份。但是，它们都容易被盗取，而且前者容易丢失，后者容易忘记，都不够保险，因此基于人自身的生物特征来做身份识别的生物特征识别技术便成了人们的最佳选择。

生物特征识别技术是一种结合了计算机与光学、声学、生物传感器和生物统计学原理等高科技手段，利用人体固有的生理特征与行为特征来进行个人身份鉴定的技术。其中，生理特征包括：体、人脸、虹膜、掌纹等由先天生成的个人固有特征，行为特征包括手写签名、声纹、步态等个人习惯性动作的度量。与传统的鉴别个人身份方法相比较，这些技术用来证明身份的恰恰是人本身，使生物识别身份验证方法不依赖于各种人造的和附加的物品来证明人的自身，所以它不会丢失、不会遗忘，很难伪造和假冒，是一种方便安全的身份鉴别手段。