基于matlab的拇指指纹识别研究

基于matlab的拇指指纹识别研究内容摘要：

完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等）， MATLAB 同样表现了出色的处理能力。 同时对一些特殊的可视化要求，例如图形对话等， MATLAB 也有相应的功能函数，保证了用户不同层次的要求。 另外新版本的 MATLAB 还着重在图形用户界面（ GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。 （ 5）应 用广泛的模块集合工具箱 MATLAB 对许多专门的领域都开发了功能强大的模块集和工具箱。 一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。 目前， MATLAB 已经把工具箱延伸到了科学研究和工程应用的诸多领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、 LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌 入式系统开发、定点仿真、 DSP 与通讯、电力系统仿真等，都在工具箱（ Toolbox）家族中有了自己的一席之地。 MATLAB 常用工具箱、函数、命令解释 常用工具箱 MATLAB 拥有数百个内部函数的主包和三十几种工具包。 工具包又可以分为功能工具包和学科工具包。 功能工具包用来扩充 MATLAB 的符号计算，可视化建模仿真，文字处理及实时控制等功能。 学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。 开放性使 MATLAB 广受用户欢迎。 除内部函数外，所有 MATLAB 主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。 Matlab Main Toolbox—— matlab 主工具箱 Control System Toolbox—— 控制系统工具箱 Communication Toolbox—— 通讯工具箱 Financial Toolbox—— 财政金融工具箱 System Identification Toolbox—— 系统辨识工具箱 Fuzzy Logic Toolbox—— 模糊逻辑工具箱 HigherOrder Spectral Analysis Toolbox—— 高阶谱分析工具箱 Image Processing Toolbox—— 图象处理工具箱 LMI Control Toolbox—— 线性矩阵不等式工具箱 江西理工大学专科毕业论文 15 Model predictive Control Toolbox—— 模型预测控制工具箱 μ Analysis and Synthesis Toolbox—— μ 分析工具箱 Neural Network Toolbox—— 神经网络工具箱 Optimization Toolbox—— 优化工具箱 Partial Differential Toolbox—— 偏微分方程工具箱 Robust Control Toolbox—— 鲁棒控制工具箱 Signal Processing Toolbox—— 信号处理工具箱 Spline Toolbox—— 样条工具箱 Statistics Toolbox—— 统计工具箱 Symbolic Math Toolbox—— 符号数学工具箱 Simulink Toolbox—— 动态仿真工具箱 Wavele Toolbox—— 小波工具箱 常用函数 Matlab 内部常数 eps：浮点相对精度 exp：自然对数的底数 e i 或 j：基本虚数单位 inf 或 Inf：无限大， 例如 1/0 nan 或 NaN：非数值（ Not a number），例如 0/0 pi：圆周率 p（ = ...） realmax：系统所能表示的最大数值 realmin：系统所能表示的最小数值 nargin: 函数的输入引数个数 nargout: 函数的输出引数个数 MATLAB 常用基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数 z 的相角 (Phase angle) sqrt(x)：开平方 江西理工大学专科毕业论文 16 real(z)：复数 z 的实部 imag(z)：复数 z 的虚部 conj(z)：复数 z 的共轭复数 round(x)：四舍五入至最近整数 fix(x)：无论正负，舍去小数至最近整数 floor(x)：地板函数，即舍去正小数至最近整数 ceil(x)：天花板函数，即加入正小数至最近整数 rat(x)：将实数 x 化为分数 表示 rats(x)：将实数 x 化为多项分数展开 sign(x)：符号函数 (Signum function)。 当 x0 时， sign(x)=1； 当 x=0 时， sign(x)=0。 当 x0 时， sign(x)=1。 rem(x,y)：求 x 除以 y 的馀数 gcd(x,y)：整数 x 和 y 的最大公因数 lcm(x,y)：整数 x 和 y 的最小公倍数 exp(x) ：自然指数 pow2(x)： 2 的指数 log(x)：以 e 为底的对数，即自然对数或 log2(x)：以 2 为底的对数 log10(x)：以 10 为底的对数 MATLAB 基本绘图函数 plot: x 轴和 y 轴均为线性刻度（ Linear scale） loglog: x 轴和 y 轴均为对数刻度（ Logarithmic scale） semilogx: x 轴为对数刻度， y 轴为线性刻度 semilogy: x 轴为线性刻度， y 轴为对数刻度 matlab 插值和样条 江西理工大学专科毕业论文 17 plot 绘图函数的参数 字元 颜色 字元 图线型态 y 黄色 . 点 k 黑色 o 圆 w 白色 x x b 蓝色 + + g 绿色 * * r 红色 实线 c 亮青色 : 点线 m 锰紫色 . 点虚线 虚线 注解 xlabel(39。 Input Value39。 )。 % x 轴注解 ylabel(39。 Function Value39。 )。 % y 轴注解 title(39。 Two Trigonometric Functions39。 )。 % 图形标题 legend(39。 y = sin(x)39。 ,39。 y = cos(x)39。 )。 % 图形注解 grid on。 % 显示格线 江西理工大学专科毕业论文 18 第三章 第四章 指纹识别的基本原理 指纹识别基本概念 指纹 因 具有终身不变性、唯一性和方便性，已成为生物特征识别的代 表。 指纹是指人的手指末端正面皮肤 凹凸 不平产生的纹线。 纹线的规律排列形成纹型。 纹线的起点、终点、结合点和分叉点， 为指纹的细节特征点。 指纹识别 是 通过比较不同指纹的细节特征点来进行 识别的。 因每个人的指纹都不同，所以已此来进行身份的识别。 由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，又存在大量模糊指纹， 所以 如何正确提取 指纹 特征和实现 指纹 正确匹配，是指纹识别技术的关键。 指纹识别原理和过程 指纹识别技术的原 理和其它生物识别技术的原理相似。 它是利用人体的指纹特征对 个人 身份进行区分和鉴定。 在所有的生物识别技术中指纹识别技术是目前最为成熟，也 是 应用最广的生物识别技术。 主要是 指纹 采集 过程非常简 单和 指纹识别准确率高的原因。 准确来说 指纹识别的原理包括指纹采集原理、指纹特征提取原理和指纹特征匹配原理三大部分。 指纹采集原理主要是根据指纹的几何特性或生理特性，通过各种传感技术把指纹表现出来， 形成数字图像。 指纹的嵴和峪的几何特征不同，嵴是凸 起的，峪是凹下的 ，手指在接触到光线时，其反射光的强度不同。 在接触到平面时， 在平面上形成 的压力也不同。 另一方面，由于指纹的嵴和峪的生理特征不同， 表现为 嵴和峪的温度不同， 使 其导电性不同，其对波长的反馈也就不同。 通过这些几何的、生理的特性的不同，把人的指纹采集到计算机系统中形成指纹图像。 进行对指纹图像的识别来实现个人的身份识别。 指纹特征分析的原理 主要 是对指纹图 像 的整体特征和细节特征进行提取、鉴别。 分析的对象包括纹形特征和特征点的分布、类型，以及一组或多组特征点之江西理工大学专科毕业论文 19 间的平面几何关系。 特征点的平面几何关系表现为某两个特征点之间的距离等，或者某三个或多 个 特征点之间组成的多边形的几何特性。 不论是特征点的单 体特征，还是特征点的组合特征，都是指纹特征的组成部分。 最后 把这些指纹特征用数字模板的形式表示出来，就实现了一个指纹特征分析的过程。 指纹特征值匹配原理是对指纹图像 的整体 特征和细节特征按 模式识别的原理进行比对匹配。 匹配是在已 存储 的指纹和当前待验证的指纹之间进行的。 匹配运算不是对两个指纹图像进行比较，而是对已形成数字模板的指纹特征值进行匹配。 指纹特征值匹配从整体特征和 局部特征两个方面进行。 整体特征的匹配包括对指纹纹形的分类和判断、 指嵴密度的判断等。 局部匹配包括每个细节点的类型匹配、坐标匹配、质量匹配、方向匹配等 ，甚至还包括由一组特征值之间形成的拓扑关系的匹配。 匹配的时候并不需要把当前指纹图像中的所有的特征值进行匹配。 实际上根据科学证明，只需要匹配 8 个或以上的特征点就可以区分出两个手指来。 另外 匹配过程是多维匹配的过程。 即要对整体特征进行匹配，又要对特征点进行匹配。 对特征点进行匹配时，还需要对它分不同的维度进行比对。 最后需把所有的特征点的匹配结果综合起来，根据事先定义的判定模式和判定标准，判定是否达到预设的阈值。 综合判定的过程，可以看作是对各个匹配点的相似度进行类似加权求和的过程。 指纹识别的过程，包括两个子过程 和 4个阶段点。 两个子过程是指纹注册过程和指纹识别过程。 指纹注册过程包括四个阶段，分别是指纹采集、指纹图像处理、指纹特征值提取及建立指纹模板库。 指纹识别的过程也经过四个阶段， 包括指纹采集、指纹图像处理、指纹特征值提取和指纹特征值匹配。 指纹图像处理在两个子过程中是相同的。 但指纹采集和指纹特征值提取，虽然名称相同，但内部算法流程是有区分的。 在指纹注册过程中的指纹采集，其采集次数要多， 且其特征值提取环节的算法也多一些对特征点的归纳处理步骤。 本章小结 指 纹识别是生物识别的一种。 不过其所分析的对象是指纹特 征。 本章主要描述了指纹识别的基本概念，重点介绍了指纹识别的基本原理和过程，原江西理工大学专科毕业论文 20 理包括指纹采集原理、指纹特征提取原理和指纹特征匹配原理三大部分。 指纹识别过程分为两个子过程和四个阶段点， 两个子过程是指纹注册过程和指纹识别过程。 两个过程都有四个阶段点，分别是指纹采集、指纹图像处理、指纹特征值提取及建立指纹模板库和指纹采集、指纹图像处理、指纹特征值提取和指纹特征值匹配。 指纹就是通过这两个过程达到指纹的识别，从而达到身份的验证和识别。 江西理工大学专科毕业论文 21 第四章 指纹识别算法的实现 指纹识别作为一 个有较大难度的模式识别研究分支，其研究难点主要集中在如何对采集进来的各种有噪声图像进行滤波和增强、如何抽取指纹的 整体 和 细节 特征以及如 何进行在图像不能完全定位和图像可能发生扭曲变形情况下的特征匹配。 指纹识别算法流程主要包括灰度滤波、二值化、二值滤波、细化、细化后的去噪等步骤，最后进行特征提取和匹配。 指纹图片的经典图像处理方法 指纹图像的经典图像处理方法有图像的阈值化、图像的几何交换、图像的边缘检测、图像的分割、图像的伪彩色处理 及图像的增强和复原等 阈值化图像处理方法 最一般的就是设个值大于某个值 的时候把这个像素变为 255，小于这个值就是 0。 边缘是图像的重要特征之一，是计算机视觉 、模式识别等研究领域的重要基础。 经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处。