基于神經網絡的指紋識別技術研究.pdf

1、隨著越來越多的電子設備進入人們日常生活以及互聯網的興起，計算機、ATM、門禁控制、各種智能卡對個人安全、方便的身份識別技術要求越來越高，人們迫切需要有準確、安全、方便的識別技術。由于指紋具有唯一性、穩(wěn)定性，使得指紋識別一直是身份鑒定的可靠手段，在安全領域中得到了廣泛的應用。 指紋圖像的自動識別是模式識別領域中使用最早的，也是最為成熟的生物鑒定技術，它是集傳感器技術、生物技術、電子技術、數字圖像處理、模式識別于一體的高技術。近年來

2、，有關指紋自動識別的研究已成為模式識別、圖像理解及計算機視覺等領域中廣為關注的熱點。 國外研究指紋識別技術已經有幾十年的時間，而國內從上個世紀80年代的中期才開始進行這一方面的研究和應用的嘗試。目前，雖然在某些領域已經取得了一定的成功，如公安系統等，但是還存在一些技術難題需要進一步加以研究和解決。例如在讀取指紋的過程中，由于輸入設備等原因會造成指紋圖像畸變、不清晰，存在噪聲。細化后會出現許多偽特征點，特征提取后大大增加了指紋分類

3、和識別的計算量，造成識別率不高、運算速度慢。本文試圖將神經網絡技術運用到自動指紋識別系統中，為解決指紋自動識別技術中存在的種種困難找到切實可行的新途徑。 一般，自動指紋識別技術主要由指紋圖像預處理、特征提取、指紋分類和指紋識別三大部分組成。針對每一部分，本文都進行了較深入的研究。 在指紋圖像預處理過程中，本文對指紋圖像的增強、分割、二值化、細化以及細化后處理等每一部分都進行了深入的分析，通過實驗效果的比較，采用了相對比較

4、理想的算法，得到了比較好的指紋圖像的點線圖，為細節(jié)特征的提取奠定了很好的基礎。 在細節(jié)特征提取過程中，針對指紋分類和指紋識別的不同任務，本文分別提取了不同的特征做為指紋的分類特征和識別特征。即采用指紋圖像的全局特征——方向圖做為指紋的分類特征送入神經網絡分類器，采用指紋圖像的局部特征——細節(jié)點做為指紋的識別特征送入神經網絡識別器，用以提高指紋識別系統的性能。 在指紋分類和指紋識別部分，通過對神經網絡模型的分析和研究，本文

5、采用了相對較好的徑向基RBF神經網絡做為指紋分類器，采用學習矢量量化LVQ神經網絡做為指紋識別器。在徑向基神經網絡對指紋進行分類的基礎上，分別將指紋的局部細節(jié)點特征送入相應的LVQ神經網絡進行識別，最后輸出識別結果。實驗結果表明，該方法可以取得較好的識別效果。 盡管本文采用了一系列相對比較理想的算法，獲得了比較理想的識別率和識別速度，但是要應用到我們的實際生活中，這樣的識別率和識別速度還達不到實際應用的要求。為此，本文對指紋圖像