论文部分内容阅读
随着计算机技术的飞速发展和信息技术的广泛应用，利用计算机进行身份识别技术有了长足的发展。指纹的不变性和唯一性，使指纹识别技术成为目前应用最广泛的身份验证与识别技术之一。它涉及模式识别、图像处理、数字信号处理、人工智能、计算机等领域，是一门综合性技术，广泛应用于犯罪识别、网络安全、信息设备安全等众多领域，有着重要的理论意义和实用价值。目前指纹识别技术还很不成熟，水平仍处于实验室研究阶段，其原因是在指纹自动识别过程中，存在指纹图像的噪声和皮肤弹性等因素影响，而且需要进行大量的指纹匹配处理，所以，识别率不高、运算速度很慢。本文试图将神经网络技术与模式识别技术相结合，提出若干行之有效的指纹自动识别新方法，为解决指纹自动识别技术中存在的种种困难找到切实可行的新途径。概括起来，本文主要对指纹的预处理、特征提取和基于神经网络的指纹识别方法等进行了深入研究。在预处理过程中，对指纹增强、分割、二值化、细化及归一化等一系列预处理方法进行了研究和编程实现。其中增加对指纹的归一化处理，不仅规范了指纹图像的大小，方便对指纹自动识别系统进行测试，还可以缩减系统的运行时间，加快系统的识别速度。除此之外，本文对基于神经网络的图像细化算法，进行了初步探索。在特征提取技术研究中，本文分别提取了指纹的分类特征和识别特征。采用新颖的方向图特征等全局特征用于神经网络指纹分类，取得很好的分类结果，而提取指纹的局部细节点特征作为神经网络指纹识别的特征，该特征可充分体现指纹的细微差别，从而有利于提高识别性能。在指纹识别技术研究中，本文在分析研究了人工神经网络模型的基础上，提<WP=4>出了将指纹自动识别过程分为两步进行，即采用不同的神经网络模型分别对指纹进行分类和识别，首先采用BP网络对指纹进行分类，并在此基础上，根据BP分类器求出的指纹类别，分别将指纹的细节点特征送入相应指纹类别对应的LVQ网络进行识别，最后输出识别结果。实验结果表明，该方法取得了较好的识别结果。