指纹识别技术研究论文
指纹识别技术研究
摘要：随着生物识别技术的不断发展，人们发现每个人的指纹具有唯一性和不变性。因此指纹识别技术逐步发展为一种新的身份识别方式，并且凭借其良好的安全可靠性，大有取代传统身份识别方式的趋势。
本文简要介绍了指纹识别的基本步骤，分别是指纹图像预处理、指纹特征提取、指纹匹配。在图像预处理中，依次介绍了规格化处理、图像增强、二值化处理和细化处理的方法。预处理后将得到一幅宽度为一个像素的细化二值图像，然后通过特定的端点和交叉点的特征进行指纹匹配。实验表明，该方法效果良好。
论文中采用Matlab 编程实现全部算法。
关键词：指纹识别，图像处理，特征提取，特征匹配
1．引言
传统的身份识别技术包括基于密码的身份识别技术和基于令牌的身份识别技术。但是这两种方式都存在着一定的安全风险：令牌容易丢失，密码容易忘记，且它们都容易被窃取或冒充。近年来，依赖人体特征的新型身份识别技术正在兴起，凭借其唯一且不变的特点，生物识别技术逐步成为人们研究的热点。
而在生物识别技术中，指纹识别技术已经被广泛的研究和应用。它的基本原理框图如图一所示。
图1指纹识别的基本原理框图
2．指纹图像预处理
2.1图像规格化
受采集设备参数和环境的影响，采集到的指纹图像可能总体对比度较差。图像归一化的作用就是使所有指纹图像具有相同的灰度均值和方差，从而将每一幅图像的灰度调整到统一的范围，方便后续处理。归一化的算法是：
（1） 先计算图像的平均值和方差。这部分工作主要通过统计图像中各点像素值得到该图
像的直方图，然后利用直方图来计算指纹图像的相关指标。
11
00
1
()(,)H W i j M I I i j WH
--===
∑∑
11
2
00
1
()((,)())
H W i j Var I I i j M I WH
--===
-∑∑
（2） 指定期望经过处理后的图像均值和方差，计算归一化后的图像G 。
指纹采集
指纹图像预处理 特征点提取 特征点匹配 输出显示
2
002
00
((,)()),(,)(,)((,)()),Var I i j M I M I i j M Var G i j Var I i j M I M others Var ?-+
>??
=?
-?-??
图像规格化的Matlab 程序如下（其中方差取Var0=2000,M0=150）：
% 归一化
M=0;var=0;%图像的平均值和方差开始进行初始化
for x=1:m for y=1:n M=M+I(x,y); end end
M1=M/(m*n);%计算图像的平均值 for x=1:m for y=1:n
var=var+(I(x,y)-M1).^2;%计算图像的方差 end end
var1=var/(m*n); for x=1:m for y=1:n if I(x,y)>=M1
I(x,y)=150+sqrt(2000*(I(x,y)-M1)/var1);%处理后的图像均值 else
I(x,y)=150-sqrt(2000*(M1-I(x,y))/var1);%处理后的图像方差 end end end
figure, imshow(uint8(I)) ;%显示归一化后的图像
带入指纹图像’zhiwen1.bmp ’后得到的原始图像和归一化图像见图2和图3：
图2原始指纹图像图3规格化后的指纹图像
2.2图像分割
指纹图像通常包括纹线区域和周边的无用区域。如果保留这些无用区域，会致使计算冗余度增加。为此要先将其从待处理区域中去除。通常用的分离方法有像素领域特征的方法和基于像素分布概率的方法等。本文采取对各像素邻域特征进行分析，然后分割图像算法。
吧图像分成T*T的非重叠块，计算每一块的灰度均值M和方差Var，通过下列条件区分前景与背景：
（1）如果M>M1且Var （2）如果M<=M1且Var>=Var1，则认为前景，否则待定； （3）对所有分块划分完毕后，在对待定块进行判决。如果在8邻域中，背景景小于等于4则认为是前景，否则是背景 在编程过程中通过几次调试后对图像进行3*3分块处理 Matlab程序如下： % 分割 M =3; %3*3 H = m/M; L= n/M; aveg1=zeros(H,L); var1=zeros(H,L); % 计算每一块的平均值 for x=1:H; for y=1:L; aveg=0;var=0; for i=1:M; for j=1:M; aveg=I(i+(x-1)*M,j+(y-1)*M)+aveg; end end aveg1(x,y)=aveg/(M*M); % 计算每一块的方差值 for i=1:M; for j=1:M; var=(I(i+(x-1)*M,j+(y-1)*M)-aveg1(x,y)).^2+var; end end var1(x,y)=var/(M*M); end end Gmean=0;Vmean=0; for x=1:H for y=1:L Gmean=Gmean+aveg1(x,y); Vmean=Vmean+var1(x,y); end end Gmean1=Gmean/(H*L);%所有块的平均值 Vmean1=Vmean/(H*L);%所有块的方差 gtemp=0;gtotle=0;vtotle=0;vtemp=0; for x=1:H for y=1:L if Gmean1>aveg1(x,y) gtemp=gtemp+1; gtotle=gtotle+aveg1(x,y); end if Vmean1 vtemp=vtemp+1; vtotle=vtotle+var1(x,y); end end end G1=gtotle/gtemp;V1=vtotle/vtemp; gtemp1=0;gtotle1=0;vtotle1=0;vtemp1=0; for x=1:H for y=1:L if G1 gtemp1=gtemp1-1; gtotle1=gtotle1+aveg1(x,y); end if 0 vtemp1=vtemp1+1; vtotle1=vtotle1+var1(x,y); end end end G2=gtotle1/gtemp1;V2=vtotle1/vtemp1; e=zeros(H,L); for x=1:H for y=1:L if aveg1(x,y)>G2 && var1(x,y) e(x,y)=1; end %如果M<=M1且Var>=Var1，则认为前景，否则待定 if aveg1(x,y)< G1-100 && var1(x,y)< V2 e(x,y)=1; end end end for x=2:H-1 for y=2:L-1 if e(x,y)==1 if e(x-1,y) + e(x-1,y+1) +e(x,y+1) + e(x+1,y+1) + e(x+1,y) + e(x+1,y-1) + e(x,y-1) + e(x-1,y-1) <=4 e(x,y)=0; end end end end Icc = ones(m,n); for x=1:H for y=1:L if e(x,y)==1 for i=1:M for j=1:M I(i+(x-1)*M,j+(y-1)*M)=G1; Icc(i+(x-1)*M,j+(y-1)*M)=0; end end end end end figure, imshow(uint8(I));title('分割'); 得到的图像如图4： 图4经过分割处理后的图像 2.3图像二值化 一般的指纹图像都有比较清晰的方向场，方向场估计得准确性直接决定了图像增强算法的效果。 为估计方向场，我们把指纹脊线的走向分为如下8个方向，如下图： 图5 在一个像素处的8个指纹脊线方向 我们先对分割后的图像进行了平均滤波，然后对图像的每一个像素，为确定在该像素出的脊线方向，在以该像素为中心的9*9窗口内，分别计算8个方向上的经过处理后的灰度值，即将图5中标了i（i=0,1,…7分别代表8个方向）的位置的像素灰度值去他们中最大summax 和最小值summin，若满足(summax+summin+ 4*I(x,y))> (3*summ/8),则该像素点的脊线方向为summin,否则为summax. 确定完方向后就根据该向场对图像进行二值化。 Matlab程序如下： %二值化ˉ temp=(1/9)*[1 1 1;1 1 1;1 1 1];%模板系数均值滤波 Im=double(I); In=zeros(m,n);% 创建一个全0的二维数组，m行n列 for a=2:m-1; for b=2:n-1; In(a,b)=Im(a-1,b-1)*temp(1,1)+Im(a-1,b)*temp(1,2)+Im(a-1,b+1)*temp(1, 3)+Im(a,b-1)*temp(2,1)+Im(a,b)*temp(2,2)+Im(a,b+1)*temp(2,3)+Im(a+1,b -1)*temp(3,1)+Im(a+1,b)*temp(3,2)+Im(a+1,b+1)*temp(3,3); end end I=In; Im=zeros(m,n);% 创建一个全0的二维数组，m行n列 for x=5:m-5; for y=5:n-5; %分别计算8个方向上的经过处理后的灰度值 sum1=I(x,y-4)+I(x,y-2)+I(x,y+2)+I(x,y+4); sum2=I(x-2,y+4)+I(x-1,y+2)+I(x+1,y-2)+I(x+2,y-4); sum3=I(x-2,y+2)+I(x-4,y+4)+I(x+2,y-2)+I(x+4,y-4); sum4=I(x-2,y+1)+I(x-4,y+2)+I(x+2,y-1)+I(x+4,y-2); sum5=I(x-2,y)+I(x-4,y)+I(x+2,y)+I(x+4,y); sum6=I(x-4,y-2)+I(x-2,y-1)+I(x+2,y+1)+I(x+4,y+2); sum7=I(x-4,y-4)+I(x-2,y-2)+I(x+2,y+2)+I(x+4,y+4); sum8=I(x-2,y-4)+I(x-1,y-2)+I(x+1,y+2)+I(x+2,y+4); sumi=[sum1,sum2,sum3,sum4,sum5,sum6,sum7,sum8]; summax=max(sumi);%经过处理后的灰度值，找到他们中最大值 summin=min(sumi);%经过处理后的灰度值，找到他们中最小值 summ=sum(sumi); b=summ/8;%若满足(summax+summin+ 4*I(x,y))> (3*summ/8) if (summax+summin+ 4*I(x,y))> (3*summ/8) sumf = summin;%则该像素点的脊线方向为summin else sumf = summax;%否则为summax end if sumf > b%确定完方向后就根据该向场对图像进行二值化 Im(x,y)=128; else Im(x,y)=255; end end end for i=1:m for j =1:n Icc(i,j)=Icc(i,j)*Im(i,j); end end for i=1:m for j =1:n if (Icc(i,j)==128) Icc(i,j)=0; else Icc(i,j)=1; end; end end figure,imshow(double(Icc));title('二值化'); 得到的二值化图像如图6： 图6二值化后的图像 2.4图像增强 在当前的指纹采集条件下，不可避免的会受到环境，皮肤上的油脂、水分、污渍的影响，使采集到的指纹图像出现纹线粘连、纹线断裂等缺陷，对后续的指纹特征提取带来很大困难。所以我们必须对指纹图像进行图像增强处理，例如分离粘连的纹线，连接断裂的纹线，平滑纹线的边缘等，以保证指纹特征提取的可靠性。 实验中进行了初步去除空洞和毛刺的处理，程序如下： u=Icc; [m,n]=size(u) %去除空洞和毛刺 for x=2:m-1 for y=2:n-1 if u(x,y)==0 if u(x,y-1)+u(x-1,y)+u(x,y+1)+u(x+1,y)>=3 u(x,y)=1; end else u(x,y)=u(x,y); end end end figure,imshow(u) %title('去除毛刺') for a=2:m-1 for b=2:n-1 if u(a,b)==1 if abs(u(a,b+1)-u(a-1,b+1))+abs(u(a-1,b+1)-u(a-1,b))+abs(u(a-1,b)-u(a-1, b-1))+abs(u(a-1,b-1)-u(a,b-1))+abs(u(a,b-1)-u(a+1,b-1))+abs(u(a+1,b-1 )-u(a+1,b))+abs(u(a+1,b)-u(a+1,b+1))+abs(u(a+1,b+1)-u(a,b+1))~=1%寻找端点 if (u(a,b+1)+u(a-1,b+1)+u(a-1,b))*(u(a,b-1)+u(a+1,b-1)+u(a+1,b))+(u(a-1, b)+u(a-1,b-1)+u(a,b-1))*(u(a+1,b)+u(a+1,b+1)+u(a,b+1))==0 %去除空洞和毛刺 u(a,b)=0; end end end end end figure,imshow(u) %title('去除空洞') 得到的去除毛刺后的图像和再去除空洞后的图像分别如图7和图8： 图7去除毛刺后的图像图8去除空洞后的图像 2.5图像细化 二值化后的纹线仍然具有一定的宽度，因为指纹识别只与纹线的走向有关，所以需要对二值图像进行细化，以减少冗余信息，突出纹线的有效特征，便于后续的特征提取。 程序如下： v=~u; se=strel('square',3);%创建形态学结构元素 fo=imopen(v,se);%对图像进行开操作和闭操作 v=imclose(fo,se); %对图像进行开操作和闭操作 w=bwmorph(v,'thin',Inf);%对图像进行细化 figure,imshow(w) title('细化图') 得到的图像如图9： 图9细化后的图像 3．特征点提取 3.1 找出所有的端点和交叉点 因为特征点必然是从端点和交叉点里找出，所以在得到细化的图像后，我们首先要找出所有的端点和交叉点。 首先对通过定义函数P.m对图像中每个点的8邻域位置进行坐标定义，方便后续编程。 P.m程序如下： %-----Sub functions------- function j = P (img, x, y, i) % get pixel value based on chart: % 4 | 3 | 2 % 5 | | 1 % 6 | 7 | 8 switch (i) case {1, 9} j = img(x+1, y); case 2 j = img(x + 1, y-1); case 3 j = img(x, y - 1); case 4 j = img(x - 1, y - 1); case 5 j = img(x - 1, y); case 6 j = img(x - 1, y + 1); case 7 j = img(x, y + 1); case 8 j = img(x + 1, y + 1); end 然后定义函数point.m来找出细化后图像的所有端点。 将一个点的8个邻域依次两两相减并取绝对值，并将所有结果相加，从细化图像的特征来说，和为2时为端点，和为6时为交叉点。 程序如下： function txy=point(thin) count = 1; txy(count, :) = [0,0,0]; siz=min(size(thin,1),size(thin,2)); for x=40:siz - 40 for y=40:siz - 40 if (thin(y, x) ) CN = 0; for i = 1:8 CN = CN + abs (P(thin, y, x, i) - P(thin, y, x, i + 1)); end if (CN == 2) txy(count, :) = [x, y,2]; count = count + 1; end if (CN == 6) txy(count, :) = [x, y,6]; count = count + 1; end end end end for i=1:count - 1 x(i) =txy(i, 1); y(i)= txy(i, 2); end imshow(double(thin)); hold on; plot(x,y,'.'); 运行完程序后，将所有的端点和交叉点全部找出。定义的数组txy第一项为横坐标，第二项为纵坐标，第三项为2或6（2为端点、6为交叉点）。 得到的标出端点和交叉点的图像如图10： 图10标出端点和交叉点的细化图像 3.2 纹线光滑处理 在指纹图像预处理中，已经对指纹图像进行过去除毛刺和空洞的处理。这里通过定义函数guanghua.m进一步对细化后的图像进行光滑处理。基本原理为：找到每个端点，使其沿着纹线的方向移动5个像素，如果在5个像素之内遇到交叉点，则认为此端点为毛刺，去除此点。 guanghua.m程序如下： function w=guanghua(thin,txy) for j=1:5 txy=point(thin); pxy=txy(find(txy(:,3)==2),:); n=size(pxy,1); for i=1:n error=0; error=walk(thin,pxy(i,1),pxy(i,2),5); if error==1 thin(pxy(i,2),pxy(i,1))=0; end end end w=thin; imshow(w); 光滑后的图像如图11所示： 图11 光滑后的图像 光滑完后需再次执行point函数来画出新的端点，如下图所示： 图12 光滑后标出端点和特征点的图像 3.3 去除图像边缘的端点 可以看出，在指纹图像的边缘，由于采集仪器的关系，不可避免的多出很多端点，一方面增加了后续工作量，另一方面还可能产生错误，所以有必要将这些边缘的端点去除。本实验中设计了cut函数来进行处理。 函数如下： function txy=cut(thin,txy) s(8,8)=0; delta(8,8)=0; n=size(txy,1); for i=1:8 for j=1:8 mp{i,j}=thin(1+31*(i-1):31+31*(i-1),1+31*(j-1):31+31*(j-1)); s(i,j)=sum(sum(mp{i,j}))/(31*31); mp{i,j}=(mp{i,j}-s(i,j)).^2; delta(i,j)=sum(sum(mp{i,j})); if delta(i,j)<=70 for k=1:n if (txy(k,1)>=1+31*(i-1)&&txy(k,1)<=31+31*(i-1)&&txy(k,2)>=1+31*(j-1)&&t xy(k,2)<=31+31*(j-1)&&txy(k,3)==2) txy(k,:)=[0,0,0]; end end end end end txy=txy(find(txy(:,1)),:); plot(txy(:,1),txy(:,2),'ro'); 得到的图像如下： 图13 去除图像边缘端点后的图像 3.4 找出特征点 3.4.1 single_point函数 经过光滑处理和去除边缘端点后进一步减少了端点和交叉点的个数。下面就要找出一些独特的端点来作为特征点。在一幅细化的指纹图上，如果一个端点的周围半径为r个像素的圆内没有任何端点或交叉点，那么随着r的逐渐变大，这样的点会越来越少，也就越来越独特。于是我们设计了一个函数single_point来找出这样的点。 程序如下： function [pxy2,error]=single_point(txy,r) error=0; x=txy(:,1); y=txy(:,2); n=length(x); d(1:n,1:n)=0; for j=1:n for i=1:n if (i~=j) d(i,j)=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2); else d(i,j)=2*r; end end end [a,b]=min(d); c=find(a>r); pxy2=txy(c,:); pxy2=pxy2(find(pxy2(:,3)==2),:); t=size(pxy2,1); if t==0 error=1 else plot(x,y,'b.'); hold on plot(pxy2(:,1),pxy2(:,2),'r.'); end 比如在执行[pxy2,error]=single_point(txy,20)后，会显示出下图： 图14 执行single-point函数后Matlab的显示情况 由运行结果可知，有3个端点满足周围半径为20个像素的圆内没有任何端点和交叉点的条件。 这三个点在下图中用红点标出。 图15 满足条件的特征点 3.4.2 walk函数 在此，我们还定义了一个walk函数，用于进一步找出特征点，它的作用是判断离某一端点num距离是否有另一端点。 函数如下： function [error,a,b]=walk(thin,x0,y0,num) error=0; thin(y0,x0)=0; t1=0; for n=1:num if error==1 break; else x=x0; y=y0; for x=x0-1:x0+1 if error==1 break; else for y=y0-1:y0+1 t1=sum(sum(thin(y0-1:y0+1,x0-1:x0+1))); if (t1==0||t1>=2) error=1; a=x0; b=y0; break; else if (thin(y,x)==1&&(x-x0)^2+(y-y0)^2~=0) if (t1>=2 ) error=1; break ; else thin(y,x)=0; x0=x; y0=y; a=x0; b=y0; plot(x0,y0,'r.') end end end end end end end end 3.4.3 last1函数 综合以上两个找特征点的函数，可以设计一个新的last1函数。通过执行 [pxy3,error2]=last1(thin,r,txy,num)可以找出周围半径为r个像素的圆内没有任何端点或交叉点，并且沿纹线走num个像素内没有另一个端点或交叉点的端点。 程序如下所示： function [pxy3,error2]=last1(thin,r,txy,num) error=0; [pxy2,error]=single_point(txy,r); n=size(pxy2,1); l=1; error2=0; for i=1:n [error,a,b]=walk(thin,pxy2(i,1),pxy2(i,2),num); if error~=1 pxy3(l,1)= pxy2(i,1); pxy3(l,2)= pxy2(i,2); pxy3(l,3)= pxy2(i,3); l=l+1; error2=0; plot(pxy2(i,1) ,pxy2(i,2),'r+'); end end 得到的Matlab运行结果显示为： 图16 last1函数的运行结果 得到的图像如下： 图17 执行last1函数后指纹图像的显示 其中红色的端点为满足single_point函数的端点，红色的纹线为沿上述端点走一定距离后的纹线，一部分可以一直走到规定距离（这些即是要找的特征点），还有一部分走到端点或叉点停止。 至此，每幅指纹图像的特征点均可找出。 4．特征点匹配 4.1 纹线长度匹配 上面，我们已经可以找出每幅指纹图像的特征点，并画出一段纹线。下面就是匹配的问题了。在此，我们设置了三层匹配。 首先是纹线长度匹配。对于上面找出的特征点和纹线，每沿着纹线走5个像素测量一下到原始端点的距离。由distance函数得到。 function d=distance(x0,y0,num,thin) num2=fix(num/5); for i=1:num2 [error,a,b]=walk(thin,x0,y0,5*i); if error~=1 d(i)=sqrt((a-x0)^2+(b-y0)^2); else break; end end 最后会得到一个装有长度信息的数组。试想如果两幅指纹图中的指纹是一样的，则它们会包含相同的特征点和从这个特征点出发画出的纹线，则这两个长度数组对应位置的比例应基本相等（考虑到老师所给的24幅指纹图像大小相同，这个比例应近似为1）；最终的函数中定义了一个数f=(sum(abs((d1./d2)-1)))，所以f值越接近于0，这两幅图像的匹配度越高。 4.2 三角形边长匹配 找到一个特征点后，可以找出距离其最近的2个端点或交叉点，与原特征点构成三角形，若两幅图像的三角形边长比例相等（本实验中都为1），则说明这两幅图像匹配。 其中，找到距离最近的端点的函数find_point如下所示： function pxy=find_point(x0,y0,txy,num) x=txy(:,1); y=txy(:,2); n=length(x); l(1,n)=0; lnn=1; pxy(num,:)=[0,0,0]; for i=1:n l(i)=sqrt((x(i)-x0)^2+(y(i)-y0)^2); end ll=sort(l); for i=1:num xiao=ll(i+lnn); nn=find(l==xiao); lnn=length(nn); pxy(i,:)=[x(nn(1)),y(nn(1)),txy(nn(1),3)]; 《MATLAB语言》课程论文 Matlab指纹识别系统 姓名：江帅璋 学号：12013241957 专业：通信工程 班级：通信2班 指导老师：朱瑜红 学院：物理电气信息学院 完成日期：2014.11.11 Matlab指纹识别系统 （姓名江帅璋2013级2班） 摘要 本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。 关键字：指纹识别；算法；matlab仿真 目录 第一章绪论 (4) 1.1 引言 (4) 1.2指纹识别技术的发展和研究现状 (5) 1.3 指纹识别研究的目的和意义 (7) 1.4 本论文结构 (8) 第二章指纹识别的理论和方法 (9) 2.1指纹识别的基本原理 (9) 2.2指纹识别系统工作流程 (9) 2.3指纹识别技术的方法 (10) 2.3.1神经网络指纹识别算法 (10) 2.3.2 滤波特征和不变矩指纹识别算法 (11) 2.3.3指纹匹配算法 (13) 第三章matlab仿真实验结果与分析 (16) 3.1 算法matlab仿真结果 (16) 3.2 结果分析 (17) 第四章总结与展望 (18) 参考文献 (19) 附录 (20) 致谢............................................................................................ 错误！未定义书签。 程序： #include uchar code ri[]={"日"}; uchar code xinqi[]={"星期"}; uchar code mao=0x3a; unsigned char code text1[]={" 请按指纹"}; unsigned char code text2[]={" 请再次按指纹"}; unsigned char code text3[]={" 指纹采集成功"}; unsigned char code text4[]={"请按任意键继续"}; unsigned char code text5[]={" 指纹采集失败"}; unsigned char code text6[]={"输入删去的指纹号"}; unsigned char code text7[]={" 删指纹号成功"}; unsigned char code text8[]={"按键一：增加指纹"}; unsigned char code text9[]={"按键二：删去指纹"}; unsigned char code text10[]={" 请重新按指纹"}; unsigned char code text11[]={"清空指纹库成功"}; unsigned char code text12[]={" 没搜索到指纹"}; unsigned char code text13[]={"请先按键再刷指纹"}; unsigned char code text14[]={" 请重新操作"}; unsigned char code text15[]={" 删去失败"}; unsigned char code text16[]={" 接收包出错"}; unsigned char code text17[]={" 编号为："}; unsigned char code text18[]={"指纹已找到请进"}; unsigned char code text19[]={" 该指纹已存储"}; unsigned char code text20[]={" 请输入密码"}; unsigned char code text21[]={" 密码错误"}; unsigned char code text22[]={"按键三：更新密码"}; // @@@ unsigned char code text23[]={"请再次输入密码"}; unsigned char code text24[]={"两次输入的密码不"}; unsigned char code text25[]={"一致，请重新操作"}; unsigned char code text26[]={" 密码更新成功"}; 另外： void delay(uint tt) { uchar i; while(tt--) { for(i=0;i<125;i++); } } void initialize51() { 指纹识别技术的研究 指纹识别技术的研究 【摘要】由于指纹的唯一性和不变性，指纹识别己成为当前最流行、最方便、最可靠的个人身份认证技术之一。本文以自动指纹识别系统的处理流程为线索，介绍了系统的三个部分：指纹预处理、特征提取和指纹匹配。在前人工作的基础上，我们在各个环节都提出了自己的方法，结合那些经典的算法，在很大程度上提高了图像的处理效果与匹配结果。在指纹增强阶段，我们结合方向图与频率图修改了Gabor滤波器；在细化阶段，我们对传统的OPTA算法进行了一些改进；在指纹匹配阶段，我们着重研究了基于点模式的细节匹配。此外，我们还成功的实现了各个算法，完成该指纹识别系统，经实验证明，该系统能够快速准确的识别指纹，达到了预期目的。 【关键字】图像分割，图像增强，二值化，细化，特征提取，特征匹配 一课题研究背景 （一）指纹识别的发展历史 最早记载的人的手印和脚印大约在4000年前古埃及建造金字塔的年代。在那个年代。一些粘土陶器上留有陶艺匠人的指纹，中国人曾经在官方文件上按自己的指纹，公元前300年前的按有指纹的文件现在还存在，直到现在这种签名方式仍然被采用。 早在1880年英国人亨利·福兹就提出了用指纹识别系统识别犯罪。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。 （二）指纹识别的研究现状 指纹识别是生物识别技术中最早应用、价格最低廉的分支。目前的指纹自动识别系统采用了先进的光电识别办法，采集一个指纹信息，然后经相关的识别算法进行判断。 根据已掌握的报道资料来看，目前的自动指纹识别系统已具有如下特点： (1)可靠性：采用独特的容错技术，既使指纹有破坏，即指纹不全或指纹随时间有自然的变化时也不影响正确识别。 (2)快捷性：大多数系统鉴别时间仅需1-3s，登录注册一个新客户只需1分钟的时间。 (3)灵活性：一个指纹信息的代码可以压缩到几十个字节到几百个字节，因此可以存放在一个磁条上或者一张二维条码卡上或者IC卡上。 (4)安全性：所有个人代码都经过了特殊加密。通过所存储的代码不可能复原源指纹，彻底避免了指纹冒用。因此既使证卡丢失，也不存在安全问题。 (5)方便性：目前出现的各类指纹识别系统一般外观设计精巧、结实，采用了精密独特的光电系统，具有全程液晶提示，备有多种安装模式。 (8)实时性：可实现完整的跟踪、实时报警功能。 迄今为止，自动指纹识别技术的研究虽然已经取得了很大的成绩，但同时也面临一些严重的困难: (1)指纹采集技术有待提高 就实际应用来讲，目前的指纹采集设备还不能很好地满足需要，这己经成为制约自动指纹识别技术 指纹识别系统设计题目:指纹识别系统设计 专业：电气工程及其自动化 学生姓名：陈 指导教师：黄 摘要 指纹作为人体的重要特征具有长期不变性和唯一性已经成为生物识别领域的重要手段通过指纹特征来鉴别人的身份的技术正在得到越来越广泛的应用随着指纹检测技术和指纹识别算法的不断改进指纹识别技术还将在越来越多的部门得到更广泛的应用。针对指纹的唯一性和终身不变性的特点．提出了一种基于FPS200固态指纹传感器和TMS320VC5402 DSP 芯片的快速指纹识别系统，促使指纹识别设备向小型化、嵌入式、自动化方向发展；对系统的组成原理、指纹采集和指纹图像处理力法进行了分析；结合FPS200和TMS320VC5402芯片的特性，对系统硬件核心和图像采集电路做了详细介绍，并给出系统硬件设计方案、软件设计流程;实验结果表明．系统指纹采集效率高，识别速度快，识别结果准确可靠；该系统性能稳定．实用性强，应用范围广泛。 关键词：指纹识别；TMS320VC5402;DSP；指纹采集；图像处理 Abstract As the uniqueness and constancy of fingerprint ,a quick fingerprint recognition system based on fingerprint sensor FPS200 and DSP chip TMS320VC5402 is presented. The composing principles of the system , fingerprint collection and fingerprint image processing methods are introduced particular .with the characteristics of FPS200 TMS320VC5402 ,the core of the hardware collecting circuit and the designs of the hardware and software are introduced in details. The results of experiments indicated that this system works with great fingerprint collection efficiency, high recognition speed and credible recognition results because of the stead performance and practicability the system will have wide application area . 分类号: 单位代码:10452 临沂大学理学院 毕业论文 指纹识别过程的探究 姓名刘冉 学号 200807690230 年级 2008 专业电子信息工程 系（院）理学院 指导教师樊三强 2012年03月15日 摘要 本文的主要工作是对指纹识别系统的基本流程进行了简单总结.首先概述了指纹识别的研究意义及现状,并对指纹识别的技术特点和基本原理进行了论述.其次把指纹识别过程的四个模块分成四节进行介绍,模块一主要讲的是指纹采集设备的分类并对其进行了对比,模块二是把图像预处理的详细过程分小节进行了论述,这一步也是指纹识别过程中关键的一步,因为指纹图像处理的好坏关系到最后的匹配,模块三介绍了指纹的特征以及提取的步骤,模块四主要介绍了特征匹配的方法.最后对指纹识别技术进行了简单的总结. 关键词：身份识别；指纹识别；图像处理；特征匹配 ABSTRACT The paper briefly summarizes the basic process of fingerprint identification system.First,there is an overview of theresearch significance and the current situation of fingerprint recognition, then the technological characteristics of fingerprint identifications and its basic principle is discussed. Second, four sections is used to introduce the four modules of the fingerprint identification: Module one is mainly about the classifications fingerprint collecting device and the contrasts between them. Module two we discuss the image preprocessing in details, this step is a significant one in the process of fingerprint identification ,as the stand or fall of the fingerprint image processing is crucial to the last match.Module three introduce the characteristics of fingerprint and the steps to extract.Module four is mainly introduced the methods of feature matching.And there is a summarization of the fingerprint recognition technology at the end of the paper. Key words: Identification, fingerprint identification. Image processing, feature matching 指纹识别系统 1.1 指纹识别系统原理 指纹识别系统的组成原理。如图1-1所示。图中的学习模块负责采集用户指纹数据，对指纹图像进行预处理，提取这些指纹的特征，作为将来的比对模板存人数据库。而识别模块则负责采集和处理指纹图像，在提取特征后与数据库中的指纹模板进行比对，然后判断是否匹配．得出结论。整个系统的核心就是图像处理、特征提取以及指纹比对。 图1-1 1.2 指纹采集与指纹图像处理方法 目前，主要的指纹采集方法有两种：一种是光学采集器；另一种是用半导体传感器。光学采集器采集指纹是通过把手指沾上油墨后按在白纸上，然后用摄像机把图像转换为电信号。光学采集受外界干扰小、采集精度较高，但是数据量较大，因此处理时问较长。而对于半导体传感器来说，手指的温度、湿度对其测量结果有影响，但是数据量不大，处理比较方便。随着半导体技术的发展，半导体传感器的成本低、体积小、方便集成等优点逐步体现，它已逐步代替光学采集器。指纹鉴定过程的第一个阶段是指纹图像的采集阶段，也就是指纹模板的录A阶段。为了初步确定图像预处理方法，我们必须首先了解指纹传感器获得的图像的尺寸和质量。根据不同的指纹传感器，我们设计不同的方案进行图像采集，并将从各个图中提出特征点储存到数据库中，来产生“活模板”，为后面的指纹鉴定做准备。 指纹图像处理是整个指纹识别过程的核心。常见的指纹图像处理包括滤波增强、二值化、细化、提取特征点四个步骤。在采集指纹图像的过程中，由于采集环境，皮肤表面的性质，采集设备的差异等各种因素的影响，采集的图像会不同程度的受到各种噪声的干扰，从而影响了采集图像的质量。所以实际的指纹图像首先通过一个滤波增强来改善图像的质量，恢复 指纹识别的原理和方法 一、概述 指纹识别的背景知识 我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认。 最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正快速的应用于民用市场。 指纹识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以迅速、准确地鉴别出个人身份。 系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀的指纹处理和比对算法保证了识别结果的准确性。 指纹自动识别技术正在从科幻小说和好莱坞电影中走入我们实际生活中，就在今天，您不必随身携带那一串钥匙，只需手指一按，门就会打开；也不必记住那烦人的密码，利用指纹就可以提款、计算机登录等等。 指纹识别技术主要涉及四个功能：读取指纹图像、提取特征、保存数据和比对。 在一开始，通过指纹读取设备读取到人体指纹的图像，取到指纹图像之后，要对原始图像进行初步的处理，使之更清晰。 接下来，指纹辨识软件建立指纹的数字表示——特征数据，一种单方向的转换，可以从指纹转换成特征数据但不能从特征数据转换成为指纹，而两枚不同的指纹不会产生相同的特征数据。软件从指纹上找到被称为―节点‖（minutiae）的数据点，也就是那些指纹纹路的分叉、终止或打圈处的坐标位置，这些点同时具有七种以上的唯一性特征。因为通常手指上平均具有70个节点，所以这种方法会产生大约490个数据。 有的算法把节点和方向信息组合产生了更多的数据，这些方向信息表明了各个节点之间的关系，也有的算法还处理整幅指纹图像。总之，这些数据，通常称为模板，保存为1K大小的记录。无论它们是怎样组成的，至今仍然没一流种模板的标准，也没一流种公布的抽象算法，而是各个厂商自行其是。 最后，通过计算机模糊比较的方法，把两个指纹的模板进行比较，计算出它们的相似程度，最终得到两个指纹的匹配结果。 指纹识别的原理和方法 二. 取得指纹图象 1.取象设备原理 取像设备分成两类：光学、硅晶体传感器和其他。 目录 1绪论 (1) 1.1指纹识别技术的研究背景及意义 (1) 1.2指纹识别技术的国内外研究现状 (3) 1.3本文主要的研究内容和章节安排 (4) 1.3.1研究内容 (4) 1.3.2章节安排 (5) 2指纹图像预处理 (7) 2.1图像规格化 (7) 2.2方向图 (8) 2.2.1点方向图 (9) 2.2.2块方向图 (9) 2.3图像分割 (12) 2.3.1基于灰度分割算法 (12) 2.3.2基于方向图的分割算法 (13) 2.4Gabor滤波 (14) 2.5二值化 (18) 2.6图像细化 (21) 2.61快速并行细化算法 (21) 2.62改进的OPTA细化算法 (22) 2.63合成细化算法 (24) 3特征点提取及匹配 (26) 3.1特征点提取 (26) 3.1.1端点和分叉点的提取 (26) 3.1.2伪特征点的去除 (27) 3.1.3实验结果及其分析 (29) 3.2特征点匹配 (32) 3.2.1图像校准 (32) 3.2.2细节点的匹配 (35) 3.3本章小结 (38) 4指纹识别技术在PC端和Android端的实现 (39) 4.1指纹识别技术在PC端的实现 (39) 4.1.1指纹图像处理模块 (40) 4.1.2指纹匹配模块 (43) 4.2指纹识别技术在Android端的实现 (45) 4.2.1搭建开发环境 (46) 4.2.2Android指纹识别系统的架构设计和实现 (46) 4.2.3指纹匹配测试 (53) 4.3本章小结 (56) 5总结与展望 (57) 5.1总结 (57) 5.2展望 (58) 参考文献 (59) 致谢 (63) V 基于MATLAB的指纹识别系统设计 摘要 生物识别技术已经成为身份识别和网络安全的发展技术之一，其中指纹识别技术是目前公认的安全，准确，方便的身份认证技术之一，使之成为人们研究的热点。 本文主要设计一个基于matlab 的指纹识别系统。首先主要介绍了指纹识别技术研究的背景，意义，及现状。其次，实现了指纹识别系统，描述了指纹识别系统的基本结构，并且对指纹图像的预处理、特征提取、特征匹配这三个必要的环节的算法进行了详细地研究，在指纹图像预处理阶段，本文使用基于灰度的算法对图像进行了分割，同时，针对二值化后图像中仍存在的噪声，也进行了相应的修整处理，尽可能的为以后指纹特征的提取打好基础，从而成功地实现了对指纹数字图像的处理、特征提取、保存和匹配等功能。最后，对指纹识别系统进行了仿真，仿真结果表明该系统可以较好的进行识别，准确率达到了95.1%。 关键词：指纹识别；预处理；二值化；特征提取；特征匹配 Abstract Biometric technology has become one of the developing technologies for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers. This paper designs a matlab-based fingerprint recognition system. The first introduces the fingerprint recognition technology research background, significance, and the status quo. Secondly, to achieve fingerprint identification system, describes the basic structure of the fingerprint identification system, and the fingerprint image preprocessing, feature extraction, feature matching these three essential aspects of the algorithm is studied in detail in the fingerprint image pre-processing stage this article uses an algorithm based on gray image segmentation carried out at the same time, for the image after binarization noise still exists, but also for the corresponding trimming process, as much as possible for the future lay the foundation for fingerprint feature extraction and thus successfully achieved fingerprint digital image processing, feature extraction, storage and matching functions. Finally, the fingerprint identification system for simulation, simulation results show that the system can identify a better accuracy rate reached 95.1%. Key Words：Fingerprint Recognition；Processing；Binarization；Feature Extraction；Feature Matching 科学技术创新2019.22 (4)实现对监测数据的保存、 提取和打印功能,以备分析。4.2控制供电节能的子系统 供电节能具体包含照度、智能开关、 人体传感器、通讯设施、计算机管理、网络控制等众多部件。其中,智能开关包括控制命 令接收板块、通讯板块、系统供电与照明控制、 开关与状态型号的发送,以此构成有效的现场控制网络;红外传感器与照度负责收集人体探测信息与室内照度并且传递。而计算机管理部门整合管理要求,拟定软件管理过程,同时结合实时数据与信息对其发放控制要求,同时标注照明系统的整个工作状态。另外,控制系统需要整合光照度、课程时间与人体在教室内部是否需要远程控制进行综合处理。 需要系统落实的功能:(1)对于正常上课时间,需要整合光照信息与标准点,确定是否需要对教室照明供电,若系统不对照明系统提供电源,那么将无法使用照明系统。(2)针对特殊光照强度的教室,需要结合教室光照强度与相关参数判别是否需要单独供电,若系统不供电,那么将无法正常使用该系统。(3)下课时间系统可以断开照明系统的供电,手动开关将无法照明。(4)对于上课时间需要立即恢复照明与供电,部分教室会考虑手动开关,以恢复教室内部照明,虽然无人教室有电,但是依然不会使用。(5)整合校内规定,对于自习时间自动恢复一些教室的内部供电,不存在供电的教室将难以控制供电与断电。(6)系统应该整合管理要求,对每个照明系统进行设计。(7)结合作息制度与相关要求设置开关灯,结合作息要求对灯光灵活的控制,或者借助该平台对 于照明实施手动的远方为控制。 也可以整合校园内部网络,与平台进行衔接,将设备能够检测到的开灯数量、 教室内部人数等相关信息传递给平台。(8)对节电控制参数进行远程安排,具体包含 空调、人数、照明设备与作息时间等各个方面。 4.3校园节水方案 加强用水设备的日常维护和管理,及时维修损坏的供水管网和设施,定期检查更换水龙头、管道阀门、冲水阀等排、给水器具, 防止“跑、冒、滴、漏”等各种浪费情况。杜绝“长流水”现象。 绿化浇灌坚持使用节能设施浇灌,加强水资源的循环使用,倡导二次用水、多次用水,提高水资源的利用率。对于本次系统的相关要求,需要将红外感应器安装到卫生间,借助人体感应区的判断,让 控制器自动打开防水阀门,水流出一定时间后再关闭阀门。 放水的延时时间必须整合现场状态调节,这样才能达到控水与节能的目的。另外,阀门还具备手动开关的效果,它能快速解决无法冲水与停电等问题。 参考文献 [1]陈锦勇.校园智能视频监控系统的研究与设计[D].广州： 广东技术师范学院,2014. [2]齐岳,汪小婷,张喻姝.引入绿色基金参与高校绿色校园建设的探索研究[J].未来与发展,2019,4. [3]栾笛.高校建筑电气照明节能设计[J].电子技术与软件工程,2018(22). [4]许立冬,赵满成,吕启元.加强节水管理,建设可持续发展的节水型校园———清华大学建设节水型校园的实践[J].高校后勤研究,2010,6. [5]李杨.北京高校节水管理工作探析———以北京农学院为视角[J].科技经济导刊,2017,20. 作者简介:倪国英(1963-),汉,男,籍贯:山东济南市,大专学历,研究方向:节能减排。 论指纹识别技术的发展现状及发展方向 梁晓菊 （成都理工大学， 四川成都610000）1指纹识别技术简介 指纹识别技术是通过计算机来实现的身份识别手段，也是 当今应用最为广泛的生物特征识别技术， 在过去主要应用于刑侦系统，近几年来已逐渐地走向了民用市场。在具体的使用流程中用户首先需要将手指按压在传感器上来扫描读取采集与储存个人的指纹，然后再将指纹与其已采集的指纹进行指纹识别对比最后鉴定结果，以此来验证身份的真实性，是一项集计算机、网络、光电技术、图像处理、智能卡、数据库技术于一体的 综合高技术。每个人指纹的断点与交叉点都是不一样的， 指纹作为人体特征之一，因其重复率极小，被称为“人体身份证”，具 有唯一与终生不变的特点。所以建立在指纹基础上的指纹识别 技术同时也就具有着很高的可靠性及稳定性， 而且具有随时随地可以使用的特征，方便快捷。这些特征使得指纹识别技术在指纹解锁、指纹支付等方面都得到了大范围的应用。关于指纹 识别技术的发展要追溯到19世纪80年代。早在1880年，英国 人亨利就提出用指纹识别技术来识别犯罪系统， 直到二十世纪七十年代，随着计算机的不断发展及应用， 科学家们就逐步开始使用计算机进行指纹识别技术的相关研究。自二十世纪七十年代末开始，一些有关于指纹识别技术的实用系统就开始出现，相继的其他的有关指纹识别技术的科技产品也就逐步的开始被研究开发与应用。 2智能手机中的指纹识别技术 现目前，智能手机市场差不多已经达到了饱和的状态， 急需寻找一个新的创新点来增强智能手机各自的竞争力，指纹识别技术对于智能手机来说就是这样的一个创新点。每个人的手机中几乎都储存了大量的个人信息及隐私，对于摘要：据相关记载，指纹识别技术最早是应用在刑事鉴定方面，通过指纹来鉴定罪犯的身份， 后来随着指纹识别技术的不断成熟，指纹识别技术就被逐渐的运用到指纹解锁、指纹支付等其他生活领域。首先对指纹识别技术及指纹识别技术的发展进行简单的介绍，再对指纹识别技术在智能手机中及门禁控制系统中的应用来简介指纹识别技术的发展现状以及探讨其未来的发展方向。 关键词：指纹识别；指纹； 技术；应用中图分类号:TP391.4文献标识码:A 文章编号:2096-4390(2019)22-0076-02（转下页）76-- 指纹识别方法的综述 摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 0 引 言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年 来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到 的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分 广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → → → ↓ ↑ ———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪 音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步, 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理 数字图像处理报告 题目指纹识别算法研究学院信息学院 专业通信工程 班级通信ZY1101 姓名郑涛、江代民 摘要 随着计算机和网络的迅速发展，人们对身份认证的准确性、安全性与实用性提出了更高的要求。基于生物特征识别的智能身份认证技术也逐渐受到广泛的关注。在众多的生物识别技术中，指纹识别技术是发展最早、应用最广泛的一种。指纹识别技术充分利用了指纹的普遍性、唯一性和永久性的生物特征，已逐步取代了传统的基于标志和数字的识别方式，目前在网络、银行、金融、医疗和安检等行业均得到了广泛应用。本文对指纹识别系统的原理和基本过程进行了分析研究，重点研究了指纹图像预处理算法，并且进行了验证。 在指纹图像预处理部分，论文对预处理的各个步骤包括规格化、图像分割、中值滤波、二值化、细化等以及各个步骤的方法进行了深入的分析和研究，选择了一种图像预处理方案。 在指纹特征提取部分，采用基于Matlab实现的指纹细节特征提取方法，并给出了去伪算法。指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响匹配精度。采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹匹配。 在指纹匹配部分，本文采用基于细节点的指纹匹配算法，并进行研究。 关键词指纹识别、预处理、特征提取、匹配 Fingerprint Recognition Algorithm Abstract With the rapid Progress of computer science and network technique，An accurate，secure and practical techno1ogy of Personal identification becomes more and more important. Technology of Personal identification based on Biometrics has received extensive attention. Technology of Fingerprint recognition is the earliest one and is app1ied widely in the all techniques of biometrics recognition, then is taking full advantage of the universality, uniqueness and permanency of the fingerprint, and gradually has taken place of traditional identification method that is based on symbol and number. Nowadays the technology of fingerprint identification is fully used in network, bank, finance, insurance and security. This paper research the basic principles and process of the fingerprint identification system，and focus on the pre-processing algorithms of fingerprint image and finally verify. In the fingerprint image processing section, thesis on preprocessing steps including specifications, image segmentation, median filtering, binarization, refinement, and so on, and each step of the way to in-depth analysis and research, is an image processing program. Part of the fingerprint feature extraction, fingerprint-based Matlab implementation details of feature extraction methods, and gives to the pseudo-algorithm. Fingerprint feature extraction is refined to get the details of fingerprint feature points (the endpoint and bifurcation points), this feature points contain a large number of false features, time-consuming and will affect the matching accuracy. Used and the distance to the edge of the false and counterfeit, makes the feature points to reduce the false front of nearly 1 / 3, and then extract a reliable feature point information, in order to achieve the fingerprint match. Part of the fingerprint match, the paper-based fingerprint minutiae matching algorithm, and conduct research. Keywords Fingerprint recognition、Pretreatment、Feature extraction、Matching 基于FPGA的指纹识别系统设计 第一章绪论 1.1 设计背景 生物识别技术是利用人的胜物特征进行身份认证的技术, 人的指纹就是生物特征之一。此外, 生物特征还包括虹膜、视网膜、声音和脸部热谱图等。指纹识别是生物识别技术中最为成熟的, 其唯一性、稳定性, 一直都被视为身份鉴别的可靠手段之一。 由于最早的指纹识别技术仅仅依靠人工对比，工作效率低下、比对正确率低、对比对人员的要求高，从而使得指纹识别技术无法得到广泛应用。但随着计算机的出现及其运算速度的迅速提高,使指纹对比鉴定的应用发生了革命性的变化。使用计算机管理指纹数据库,极大提高了指纹对比的速度,同时由于计算机比对算法的不断改进提高,使指纹比对误识率已降到了10 - 6 以下,不仅可以满足刑侦方面的需要,而且迅速进入了更多的应用领域。 随着光学技术和光学仪器加工工艺的进步,各种采集指纹图案进行身份认证的系统和设备中需要配备的高清晰、无畸变光学采集仪也达到了很高水平,确保可以生成高质量的指纹图像。计算机运算速度的提高和计算机小型化的进展,使采用微机甚至单片机也可以进行指纹对比运算成为可能。现代电子集成制造技术使得我们可以生产出相当小的指纹图像读取设备和指纹识别模块。其成本下降得也很快,大大加快了指纹识别技术的推广速度。 同时人们对消费类产品的要求越来越趋向于小型化，并且对可携带设备的安全性要求也与日俱增。传统的PC、MCU、或者DSP的处理平台移动性比较差，体积比较大，无法满足人们日益增长的需求。所以，设计一套体积比较小、速度更快的嵌入式指纹识别系统是非常有意义的。 而本设计正是为了这一目的，选用具有高集成度、低功耗、短开发周期的FPGA来完成此项设计，以实现系统的ASIC为研究背景，具有很强的现实意义和广阔的市场空间。 本系统采用xilinx公司Spartan 3E系列FPGA作为核心控制器件，这款器件采 指纹识别技术的基本原理 指纹其实是比较复杂的。与人工处理不同，许多生物识别技术公司并不直接存储指纹的图象。多年来在各个公司及其研究机构产生了许多数字化的算法（美国有关法律认为，指纹图象属于个人隐私，因此不能直接存储指纹图象）。但指纹识别算法最终都归结为在指纹图象上找到并比对指纹的特征。 指纹的特征 我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。总体特征是指那些用人眼直接就可以观察到的特征，包括： 环型（loop）, 弓型（arch）, 螺旋型（whorl）。其他的指纹图案都基于这三种基本图案。仅仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便 1、模式区（Pattern Area） 模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。Aetex 的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。 2、核心点（Core Point） 核心点位于指纹纹路的渐进中心，它用于读取指纹和比对指纹时的参考点。 3、三角点（Delta） 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数和跟踪的开始之处。 4、式样线（Type Lines） 式样线是在指包围模式区的纹路线开始平行的地方所出现的交叉纹路，式样线通常很短就中断了，但它的外侧线开始连续延伸。 5、纹数（Ridge Count） 指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征局部特征是指指纹上的节点。两枚指纹经常会具有相同的总体特征，但它们的局部特征——节点，却不可能完全相同。 6、节点（Minutia Points） 指纹纹路并不是连续的，平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“节点”。就是这些节点提供了指纹唯一性的确认信息。 指纹上的节点有四种不同特性：基于matlab指纹识别论文详解
指纹识别模块程序及原理图
指纹识别技术的研究
指纹识别系统设计
论文：指纹识别过程的探究
指纹识别系统综述简介
指纹识别的原理和方法
指纹识别技术的研究与实现
基于MATLAB的指纹识别系统设计
论指纹识别技术的发展现状及发展方向
指纹识别系统(文献综述)
指纹识别报告
基于FPGA的指纹识别系统设计
指纹识别技术原理及发展