發(fā)布時(shí)間：2018-06-20 07:11

  本文選題：指紋 + 指印��； 參考：《西南政法大學(xué)》2010年碩士論文

【摘要】： 指紋是手指末節(jié)的乳突花紋,其花紋結(jié)構(gòu)較之于手掌面其他部位最為復(fù)雜、典型,具有較高的應(yīng)用價(jià)值。具有各人各指不同、終身穩(wěn)定不變的特性。指紋因其蘊(yùn)涵大量的人身個(gè)體信息,而具有很高的人身識(shí)別價(jià)值。百多年來(lái),人們通過(guò)對(duì)指紋不懈的研究和探索,逐步對(duì)指紋的特征體系有了清晰的認(rèn)識(shí),在此基礎(chǔ)上,人們對(duì)指紋特征提取的算法進(jìn)行了大量研究,開(kāi)發(fā)出了比較完善的指紋自動(dòng)識(shí)別系統(tǒng)。在指紋識(shí)別技術(shù)中,指紋特征提取技術(shù)是其中一個(gè)非常重要的部分。如果指紋特征得不到準(zhǔn)確有效的提取,將直接影響指紋特征匹配的質(zhì)量。許多學(xué)者對(duì)指紋特征提取方法進(jìn)行了探討,其中,主要包括兩大類(lèi)方法,即依據(jù)指紋灰度圖像直接提取指紋特征的方法和依據(jù)二值化后的指紋圖像提取特征的方法。實(shí)驗(yàn)表明,基于二值化指紋圖像提取特征方法所提取到的特征更全面、質(zhì)量更高。 上述方法均為通過(guò)對(duì)指紋圖像進(jìn)行局域分析來(lái)估計(jì)指紋方向圖,而后對(duì)圖像進(jìn)行濾波增強(qiáng)。當(dāng)系統(tǒng)中輸入的指紋源圖像質(zhì)量較低時(shí),其分辨率會(huì)大大降低,這些方法難以準(zhǔn)確得到局域的方向圖估算值,將無(wú)法進(jìn)行有效的濾波增強(qiáng)。實(shí)質(zhì)上,司法領(lǐng)域中所需識(shí)別的指紋圖像大多遭到嚴(yán)重污染,分辨率較低,因此,現(xiàn)有的特征提取算法大多難以在該領(lǐng)域發(fā)揮較大的作用。 針對(duì)此情況,為增強(qiáng)指紋識(shí)別系統(tǒng)處理低質(zhì)量指紋的能力,在總結(jié)相關(guān)研究成果的基礎(chǔ)上,本文提出了一套新的指紋圖像細(xì)節(jié)特征提取算法。本文分為三個(gè)部分,第一部分著重闡述指紋的基礎(chǔ)知識(shí)和分類(lèi)概況;第二部分闡述指紋自動(dòng)識(shí)別系統(tǒng)的概況、指紋自動(dòng)匹配的基本原理以及指紋自動(dòng)識(shí)別系統(tǒng)的內(nèi)容和特點(diǎn);第三部分詳細(xì)闡述指紋細(xì)節(jié)特征提取的改進(jìn)算法,該部分從比較基于灰度指紋圖像提取細(xì)節(jié)特征的算法與基于二值化指紋圖像提取細(xì)節(jié)特征的算法入手,著重論述了基于細(xì)化二值化指紋圖像細(xì)節(jié)特征點(diǎn)提取的改進(jìn)算法,以及如何對(duì)用該種算法提取到的細(xì)節(jié)特征中一些典型的偽特征點(diǎn)的去除;結(jié)束語(yǔ)部分總結(jié)了本文的研究?jī)r(jià)值和對(duì)細(xì)節(jié)特征提取算法的展望。該套算法分為七個(gè)部分:一是指紋圖像預(yù)處理算法。此算法包括對(duì)指紋圖像進(jìn)行規(guī)一化、分割、指紋圖像的增強(qiáng)三方面的算法;二是指紋圖像的二值化。在指紋圖像預(yù)處理的基礎(chǔ)上對(duì)指紋圖像進(jìn)行二值化,目的在于將指紋圖像轉(zhuǎn)換為0和1表示的圖像。三是指紋圖像的細(xì)化;四是基于細(xì)化圖像的細(xì)節(jié)特征提取算法的改進(jìn),該部分主要論述了基于紋線端點(diǎn)和分叉點(diǎn)提取特征的改進(jìn)算法;五是偽特征點(diǎn)的去除,主要內(nèi)容闡述了毛刺、短脊的刪除算法;六是論述了指紋特征點(diǎn)的影響因素,主要論述了閾值和二值化對(duì)所提取的特征點(diǎn)的影響;第七部分主要闡述了該算法的效能。 本文所述新的提取算法能夠在選定的局部窗口內(nèi)提取到質(zhì)量比較高的細(xì)節(jié)特征,較其他算法有所改進(jìn),但對(duì)于更大面積的低質(zhì)量指紋圖像區(qū)域或者整幅指紋圖像,本文所述算法暫不能實(shí)現(xiàn)細(xì)節(jié)特征的有效提取,需要進(jìn)一步結(jié)合指紋自身的特點(diǎn),不斷擴(kuò)展算法的處理窗口,使之具備從宏觀上提取到高質(zhì)量指紋細(xì)節(jié)特征的能力。這些將是作者繼續(xù)努力研究的方向。
[Abstract]:Fingerprint is the mastoid pattern of the end of the finger. Its pattern structure is the most complex and typical of the other parts of the palmar surface. It has a high value of application. It has the characteristics of the stability and stability of each person's fingers. The fingerprint has a high personal personal recognition value because it contains a lot of personal information. The unremitting research and exploration of the fingerprint have a clear understanding of the fingerprint feature system. On this basis, people have done a lot of research on the algorithm of fingerprint feature extraction, and developed a relatively perfect automatic fingerprint recognition system. In fingerprint recognition technology, fingerprint feature extraction is one of the most important parts. Fingerprint features can not be extracted accurately and effectively, which will directly affect the quality of fingerprint matching. Many scholars have discussed fingerprint feature extraction methods, including two major methods, namely, the method of extracting fingerprint features directly according to the gray level of fingerprint and the method of extracting features based on the two valued fingerprint images. Experiments show that the extracted features based on the two valued fingerprint image extraction method are more comprehensive and of higher quality.
The above methods all estimate the fingerprint image by local analysis of the fingerprint image, and then filter and enhance the image. When the quality of the fingerprint source image is low, the resolution will be greatly reduced. These methods are difficult to get the estimation value of the local pattern accurately, and the effective filtering will not be enhanced. Most of the fingerprint images needed to be identified in the field of justice are seriously polluted and the resolution is low. Therefore, most of the existing feature extraction algorithms are difficult to play a major role in this field.
In this case, in order to enhance the ability of fingerprint recognition system to deal with low quality fingerprints, a new algorithm for extracting details of fingerprint images is proposed in this paper. This paper is divided into three parts. The first part focuses on the basic knowledge and classification of fingerprints, and the second part describes the automatic fingerprint recognition. The basic principle of automatic fingerprint matching and the content and characteristics of fingerprint automatic identification system are introduced in the third part, and the improved algorithm for extracting fingerprint details is described in detail. This part starts with the algorithm based on the comparison of the details based on the gray level fingerprint image and the algorithm based on the two value fingerprint image extraction. This paper mainly discusses the improvement algorithm based on thinning two value fingerprint image details feature point extraction, and how to remove some typical pseudo feature points in the detail features extracted with this algorithm. The end language summarizes the research value of this paper and the prospect of the Extraction Calculation of detail features. The algorithm is divided into seven parts: 1 It is a fingerprint image preprocessing algorithm. This algorithm includes three aspects of the fingerprint image, the two is the two value of the fingerprint image. The fingerprint image is two valued on the basis of the fingerprint image preprocessing. The purpose is to convert the fingerprint image to the 0 and 1 image. Three is the fingerprint image. The four is the improvement of the detail feature extraction algorithm based on the thinning image. This part mainly discusses the improvement algorithm based on the feature extraction based on the line end point and the bifurcation point; five is the removal of the pseudo feature points, the main content describes the burr, the deletion algorithm of the short ridge, and six discusses the influence factors of the fingerprint feature points, and mainly discusses the threshold value. The two part is the influence on the extracted feature points; the seventh part mainly expounds the effectiveness of the algorithm.
The new extraction algorithm described in this paper can extract high quality details in selected local windows, and is better than other algorithms. However, for the larger area of the low quality fingerprint image region or the whole fingerprint image, the algorithm described in this paper can not achieve the effective extraction of the details for the time being. It needs to be further combined with the fingerprint self. The characteristics of the body, and continue to expand the processing window of the algorithm, so that it has the ability to extract the detailed features of high quality fingerprints from the macro level. These will be the direction of the author's continued efforts.
【學(xué)位授予單位】：西南政法大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類(lèi)號(hào)】：D918.91

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 何劍春;鮑晉軍;;一種改進(jìn)的指紋圖像歸一化方法[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 宋建中;陸穎;朱進(jìn);;指紋圖像的自動(dòng)識(shí)別[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

3 張松宇;呂芳;;指紋圖像預(yù)處理算法研究[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

4 桑愛(ài)軍;王世剛;陳綿書(shū);;指紋預(yù)處理中的一種新方法[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

5 李茶茶;李飛;;一種新的指紋圖像合成分割法[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

6 藍(lán)章禮;曹建秋;王華清;;基于動(dòng)態(tài)梯度的指紋圖像二值化算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

7 殷新春;王秋平;陳春霞;;一種改進(jìn)的指紋圖像預(yù)處理算法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 駱功慶;尹義龍;亓秀燕;劉懋;;一種綜合的指紋圖像質(zhì)量分析方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

9 葉茂;閔春平;李傳光;;基于BP神經(jīng)網(wǎng)絡(luò)圖像的指紋細(xì)化算法[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

10 苑瑋琦;夏義勇;;方向?yàn)V波指紋圖像二值化[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 王會(huì)杰 李華欣;用數(shù)碼相機(jī)“鎖住”作案者指紋[N];人民公安報(bào);2002年

2 柴曉光 陳佳實(shí);慧眼識(shí)設(shè)備[N];計(jì)算機(jī)世界;2002年

3 陳麗梅;一指“走”天下[N];光明日?qǐng)?bào);2000年

4 成成;指紋識(shí)別 正走入我們的生活[N];山西科技報(bào);2000年

5 向良璧;指紋識(shí)別技術(shù)及其應(yīng)用[N];經(jīng)濟(jì)參考報(bào);2003年

6 中科院自動(dòng)化所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室 王蘊(yùn)紅;指紋識(shí)別 掌上識(shí)人[N];計(jì)算機(jī)世界;2001年

7 黃中;指紋 聲紋 味紋和DNA紋[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2001年

8 柴曉光 陳佳實(shí);指紋技術(shù)因“民用”而不同[N];計(jì)算機(jī)世界;2002年

9 朱巨軍 陳順子;指紋比口令好[N];中國(guó)計(jì)算機(jī)報(bào);2004年

10 劉暉;閃存盤(pán)競(jìng)爭(zhēng)細(xì)化[N];計(jì)算機(jī)世界;2004年

相關(guān)博士學(xué)位論文 前10條

1 張圓圓;指紋識(shí)別技術(shù)相關(guān)算法的研究[D];北京郵電大學(xué);2012年

2 任春曉;自動(dòng)指紋識(shí)別中若干關(guān)鍵算法的研究[D];山東大學(xué);2011年

3 陳暉;結(jié)合方向場(chǎng)特征的扭曲指紋圖像識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

4 江虹;基于手部特征識(shí)別關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D];吉林大學(xué);2011年

5 劉歡喜;人體生物特征的綜合分析與應(yīng)用[D];上海交通大學(xué);2010年

6 李永;多樣本、多單元、多角度、多模態(tài)生物特征識(shí)別技術(shù)的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

7 李秀艷;多生物特征身份識(shí)別方法研究[D];天津大學(xué);2010年

8 回紅;基于結(jié)構(gòu)的指紋表達(dá)及其匹配算法研究[D];浙江大學(xué);2002年

9 王崇文;自動(dòng)指紋識(shí)別方法研究[D];重慶大學(xué);2002年

10 施金洋;基于心電和指紋特征的生物密鑰技術(shù)研究[D];清華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 馬小妹;指紋圖像的分類(lèi)和識(shí)別[D];大連理工大學(xué);2002年

2 李敏;自動(dòng)指紋識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D];天津師范大學(xué);2011年

3 林國(guó)清;指紋識(shí)別中的圖像處理研究[D];重慶大學(xué);2003年

4 徐梅花;指紋圖像奇異點(diǎn)檢測(cè)及特征提取算法研究[D];中北大學(xué);2010年

5 呂群禮;基于司法應(yīng)用的指紋圖像預(yù)處理[D];安徽工業(yè)大學(xué);2010年

6 桂可;指紋圖像處理及匹配算法研究[D];武漢理工大學(xué);2010年

7 劉永霞;指紋圖像預(yù)處理及特征提取算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

8 王家隆;指紋圖像的預(yù)處理及其改進(jìn)算法[D];大連理工大學(xué);2003年

9 王晶;自動(dòng)指紋識(shí)別系統(tǒng)研究[D];山東大學(xué);2010年

10 卓燈亮;低質(zhì)量指紋圖像特征提取的研究[D];華南理工大學(xué);2010年

，

本文編號(hào)：2043430