|
125 可以得到任意精度的方向值。虽然指纹图像已经通过了中值滤波，噪声已经被大幅度的降低， 但是指纹图像中仍然存在某些噪声，为了提高所设计的系统的性能，进一步降低噪声的干扰， 本文采取将指纹分成若干不重叠的小块，对这些指纹小块中的所有像素点的灰度梯度进行平 均，以平均梯度作为像素点梯度，该像素点的方向为其平均梯度方向的垂直方向。从而将求 像素点的方向图转化为求指纹平均梯度方向图[4]。 输入指纹图像 参考点定位 扇形化 扇形1 扇形2 扇形n 匹配 Gabor 滤波器 特征编码 特征1 特征2 特征n 数据库 归一化 滤波 130 在求块内平均梯度矢量时，如果对块内的所有梯度矢量进行直接求和，会造成方向相反 的梯度矢量因直接求和而互相抵消。为解决这个问题，本文引入了平方梯度矢量，将求块内 平均梯度矢量转化为求平方梯度矢量，最后根据所求得的块内的平方梯度矢量求取该块的方 向角。采用这种方法求取的方向角比实际值放大了一倍。原来是两个互相垂直方向，求块内 平方梯度矢量之后方向变为相反，块内平方梯度矢量就会彼此抵消；原来是两个相反的方向， 135 求块内平方梯度矢量之后变为相同，块内平方梯度矢量就会彼此增强，因此，为消除求取块 内平方梯度矢量的影响，必须将角度缩小一倍，对其进行调整。 2.3.2 定位参考点 为了解决指纹识别系统的平移不变性，需要对指纹图像进行定位，这就要求寻找指纹图 像的中心点。中心点定义为最内层曲线弧的顶点（如图4 所示）。计算出小块的方向图之后， 140 本文采用方向图跟踪搜索算法[5]计算指纹图像的中心点。由于脊线弯曲可使方向改变，搜索 下一图像块时会偏离脊线，所以本文采用沿该图像的正交方向寻找中心点的方法。 图4 指纹图像中的凸脊线 145 2.4 归一化 图像归一化的目的在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力 不同而造成的灰度差异，将指纹图像的对比度和灰度调整到一个固定的级别上，使指纹图像 在进行Gabor 滤波前有一个统一的方向，保证旋转不变特性。归一化操作的对象可以是整幅 图像，也可以是局部图像，即将图像进行扇形化处理后，对每个扇形格进行归一化。如果归 150 一化操作直接作用于整幅图像，那么就不会对由于手指压力所造成的弹性灰度变化进行补 偿，而对每个栅格的归一化操作都很好的解决这个问题。 2.5 Gabor 滤波 Gabor 函数是英国物理学家Gabor 提出来的[6]。Gabor 变换的一个重要特性就在于Gabor 变换的系数揭示了一个信号或一幅图像的局部频率的分布规律。在指纹识别方面，Gabor 滤 155 波技术已经相当成熟，并且得到了广泛的应用。本文采用的Gabor 滤波器利用了指纹图像的 局部方向特性，其主要依据是在不含特征点的局部邻域内： (1)脊线具有一致的方向性； (2)可以把该局部指纹图像在垂直于脊线方向上的灰度值看成一个正弦状的波形图。 因此，在该局部邻域里的脊线已经很好地定义了局部频率和局部脊线方向的属性。该方 160 法首先求出局部区域中脊线的主导方向，每个像素点处的方向取为其所在像素点的方向，求 取每个像素点处的脊线频率，最后用中心频率和中心方向与像素点的方向和频率相同的 Gabor 滤波器对每个像素点进行滤波处理。本文采用的8 个Gabor 滤波器的形式如图5 所示。 图5 8 个方向的Gabor 滤波器 165 2.6 指纹特征的提取 指纹特征的提取在指纹识别系统中是一个必不可少的重要环节，指纹特征提取是从经过 预处理的指纹图像中得到细节特征点（即端点和分叉点）。本文采用了利用细节点的统计特 性和结构特性进行特征的提取，这种方法计算量小，并且包涵了局部和全局特征。经过8 170 个Gabor 滤波器滤波后得到的信息量是原始图像信息量的8 倍，如果直接对这样的信息进行 处理，所占内存太大，Jain 等人用子块的平均绝对偏差值或者平均平方偏差值作为其特征， 收到良好的效果。如果对整幅图像求取平方偏差值作为特征，所得到的特征值比较大，不利 于特征的存储和比对，本文采用求取扇格块的平均绝对偏差作为指纹的特征，从而解决了上 述问题。扇格块的平均绝对偏差值是扇格块内每一点的灰度值与扇格块内平均灰度值之间的 175 绝对偏差的平均值，它反映了各个扇格块之间脊线的差异，表征的是局部特征，而对每个栅 格块求取得到平均绝对偏差值后在内存中的有序的排列表征的是全局特征。 从特征显示来看，不同手指的指纹特征就相差很多，图6(a)、(b)描述了两枚不同手指的 指纹的特征，也就是说利用这种方法提取的特征可以更好的实现匹配，提高识别率。图6 中最白的指纹扇格特征表示该滤波方向上最大的平均绝对偏差值。 180 (b) 图6 图像特征分析 185 2.7 指纹对比 指纹比对有两种模式：一种是验证模式又称一对一比对，指纹预先登记到指纹库并设定 一个标记码，比对时，录入指纹并输入标识码，系统根据标识码从指纹库中提取模板指纹与 录入指纹进行比对；另一种是辨识模式又称一对多比对，是把录入指纹与指纹库中的所有指 190 纹逐一进行比对，直至找到相匹配的指纹或搜索完整个指纹库后给出无可匹配指纹的结论。 本文采用的是一对多的比对模式。解决比对时旋转不变性，本文采用了两种方法：一种是在 建立指纹库时提取两组特征矢量，另一种是在比对时旋转指纹模板，旋转范围根据具体应用 而定，取比对结果最接近的指纹模板作为待识别指纹的身份。 3 MATLAB 的仿真试验分析 195 在Matlab7.1 环境实现基于Gabor 滤波器的指纹识别算法，运行界面如图7 所示， MATLAB 仿真结果如图8 所示。 图7 运行界面 (a) (b) 图8 运行界面(匹配) 205 对于匹配的仿真部分，在建立指纹数据库后，加入待识别的指纹，经过处理后求取该指 纹与数据库中的指纹的欧氏距离，通过与预设阈值相比较，若在预设阈值内，则给说该指纹 的编码代号，在实际中，利用该编码代号可以找出与待识别指纹相匹配的指纹所有者；若不 在预设的范围内，则给出提示，说明指纹数据库中没有与之相匹配的指纹。 210 由于在实际应用中，有时会对原有的指纹数据库进行处理，本设计加入了删除原指纹数 据库的功能，在选择该功能时，为了确定使用者确实要删除改指纹数据库，首先跳出提示信 息如图9(a)所示，待确定后，将进行删除指纹数据库的命令，如图9(b)所示。 图9 运行界面(删除指纹数据库) 4 结论 220 针对目前自动指纹识别技术的应用需求与存在的问题，为了探寻更优的指纹识别模式， 本文重点研究了基于Gabor 滤波器的自动指纹识别技术。本文讨论了该技术中的各个环节， 提出了一些自己的设计思路，并建立了一对多模式的自动指纹识别仿真系统。本文研究的基 于Gabor 滤波器的指纹描述方式所获得的指纹信息，不仅包含局部细节信息，而且具有全局 信息，因此该算法具有较好的识别能力。在MATLAB 环境下基于FVC2002 指纹数据库实 225 现了基于Gabor 滤波器的指纹识别算法的仿真。实验表明，本文提出的算法具有良好的识别 效果以及较好的稳定性和鲁棒性。 原创学术论文网Tag：代发论文 论文发表 代写毕业论文 代写经济论文 电子论文代写 代写毕业设计 |
 |
 |
 |
 |
 |
 |
 |
