【摘要】：隨著社會(huì)信息化水平的提高及不穩(wěn)定因素的增加,人們迫切需要更加可靠的識(shí)別技術(shù)對(duì)身份進(jìn)行認(rèn)證。因此,利用生物特征進(jìn)行鑒定已成為時(shí)下熱潮。其中的指紋識(shí)別更是因其方便性和可靠性受到學(xué)者們的推崇。傳統(tǒng)的指紋識(shí)別方法是基于特征點(diǎn)比對(duì)來(lái)尋求相似性的,且現(xiàn)有的特征點(diǎn)比對(duì)算法可達(dá)到相當(dāng)高的識(shí)別率。然而,實(shí)現(xiàn)這樣好的效果是需要較高的指紋質(zhì)量,完備的指紋預(yù)處理算法及精確的特征點(diǎn)定位算法,三者缺一不可。但是指紋質(zhì)量卻是無(wú)法人為控制的,研究者們經(jīng)常會(huì)面臨著模糊不清,形變較大甚至是缺損嚴(yán)重的指紋識(shí)別,這時(shí)再利用點(diǎn)匹配方式進(jìn)行分類會(huì)得到較差的效果。為了解決這些問(wèn)題,本論文設(shè)計(jì)出四種新的基于深度學(xué)習(xí)的困難指紋識(shí)別算法,分別是基于卷積神經(jīng)網(wǎng)絡(luò)的指紋特征點(diǎn)模糊化圖識(shí)別算法(FFPF_CNN),基于卷積神經(jīng)網(wǎng)絡(luò)的指紋中心塊圖識(shí)別算法(CBF_CNN),引入多分塊圖的困難指紋識(shí)別算法和基于改進(jìn)型的多特征圖困難指紋識(shí)別算法。本文的最大亮點(diǎn)在于不需要完整指紋或提取出指紋的所有特征點(diǎn)就可準(zhǔn)確完成指紋識(shí)別的任務(wù)。FFPF_CNN算法首先利用Poincare公式及端點(diǎn)與叉點(diǎn)提取算法找出困難指紋存在的所有特征點(diǎn),然后再利用模糊算法將這些取出的特征點(diǎn)模糊化,最后將這樣的特征點(diǎn)模糊化圖輸入到卷積神經(jīng)網(wǎng)絡(luò)(CNN)中進(jìn)行訓(xùn)練識(shí)別。此方法徹底去除了指紋的線條,取而代之的是特征點(diǎn)的數(shù)量,位置,以及它們之間的相對(duì)位置關(guān)系。這種方法較之于傳統(tǒng)的特征點(diǎn)比對(duì)算法,它不需要特定個(gè)數(shù)的特征點(diǎn),且對(duì)于形變有一定的容忍度。CBF_CNN算法同樣先利用Poincare公式找出指紋中心點(diǎn),然后以指紋中心點(diǎn)為中心截取一小塊指紋細(xì)化圖輸入到CNN中。指紋中心塊既大量舍棄了困難指紋的污損區(qū)域,同時(shí)又保留了信息最多且最為重要的區(qū)域。這種方法可節(jié)省因指紋修復(fù)所花費(fèi)的大量時(shí)間,而且還大大提高了對(duì)困難指紋的識(shí)別率。在CBF_CNN算法的基礎(chǔ)上,本文對(duì)它做了一定的改進(jìn),提出了一種引入多分塊圖的困難指紋識(shí)別算法。在CBF_CNN算法中,本文僅輸入了以指紋中心點(diǎn)為中心的中心塊指紋圖作為分類圖像,這種方式舍棄掉了原始指紋的大部分區(qū)域。因此,引入多分塊圖的困難指紋識(shí)別算法是將中心塊圖,以中心塊圖為中心的其他八個(gè)方位的指紋塊圖以及指紋原圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入圖像。這樣,在盡可能多得利用困難指紋特征信息的同時(shí)又增加了識(shí)別率。在前兩種算法的啟發(fā)下,本文又提出了一種將兩種特征圖合并到一起作為輸入圖像的多特征圖困難指紋識(shí)別算法,即將指紋中心塊圖與特征點(diǎn)模糊化圖上下拼接成一幅圖輸入到卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類識(shí)別。這種算法充分利用了指紋圖像的特征點(diǎn)信息、線條信息、形狀信息等等。實(shí)驗(yàn)結(jié)果表明,新提出的這兩種算法都可增加困難指紋的識(shí)別率。
【圖文】：

015-2020年全球生物識(shí)別技術(shù)行業(yè)市場(chǎng)規(guī)模預(yù)測(cè)

圖 1.2 指紋識(shí)別流程1）指紋圖像預(yù)處理指紋圖像預(yù)處理[7]，指的是利用各種算法將指紋灰度圖像處理成便于特征提取的僅有黑白兩個(gè)值的指紋圖像。這是影響后續(xù)特征提取與匹配操作的關(guān)鍵一步，主要包含:（1）指紋增強(qiáng)。采用例如 STFT 算法，，Gabor 小波濾波器等彌補(bǔ)指紋圖像中紋路的斷裂等不足，從而使紋線更加清晰，降低提取錯(cuò)誤特征點(diǎn)的可能性。（2）指紋圖像二值化[8]。指紋灰度圖像包含大量灰度值較為接近的像素點(diǎn)，這會(huì)導(dǎo)致紋線的大量粘連，因此使得特征點(diǎn)的提取更加困難。而該步驟就是將包含多個(gè)值的灰度圖轉(zhuǎn)化為僅有兩個(gè)值的圖像，這樣就將粘連的紋線分離開了。（3）指紋圖像細(xì)化[9]。雖然指紋圖像二值化解決了指紋紋線粘連的問(wèn)題，但保有一定寬度的紋線則會(huì)大大增加特征提取的復(fù)雜度。而對(duì)于像指紋這種特殊圖像，紋線的方向走勢(shì)才是研究者們的關(guān)注點(diǎn)，因此提取出指紋紋線的骨架結(jié)構(gòu)即可進(jìn)行后續(xù)操作。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾愛林;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的圖像生物特征識(shí)別方法[J];科技通報(bào);2015年02期

2 韓志科;王貴;;基于方向場(chǎng)的指紋圖像偏微分方程修補(bǔ)模型[J];計(jì)算機(jī)應(yīng)用;2013年10期

3 毛元;馮桂;湯繼生;;采用八方向Gabor濾波的指紋識(shí)別算法[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

4 張升斌;李吉成;陳小波;;基于SIFT特征及改進(jìn)Gabor濾波器的低質(zhì)量指紋增強(qiáng)算法[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2013年02期

5 張潔;景曉軍;劉馨靖;李帥;;一種基于模式熵的殘缺指紋識(shí)別算法[J];電子與信息學(xué)報(bào);2012年12期

6 吳永國(guó);李德強(qiáng);羅海波;魏永旺;夏仁波;;融合全局和局部描述的圖像檢索方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年02期

7 吳軍;王士同;趙鑫;;正負(fù)模糊規(guī)則系統(tǒng)、極限學(xué)習(xí)機(jī)與圖像分類[J];中國(guó)圖象圖形學(xué)報(bào);2011年08期

8 盧文龍;王建軍;劉曉軍;;基于CUDA的高速并行高斯濾波算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

9 張蕭;黃f^;仲偉漢;張亮;;Sigmoid函數(shù)及其導(dǎo)函數(shù)的FPGA實(shí)現(xiàn)[J];福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

10 顏兵;王金鶴;趙靜;;基于均值濾波和小波變換的圖像去噪技術(shù)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年02期

相關(guān)博士學(xué)位論文 前2條

1 張潔;殘缺指紋識(shí)別中若干關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2013年

2 趙鍵;點(diǎn)模式匹配算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前3條

1 陳曉陽(yáng);基于深度學(xué)習(xí)的短文本語(yǔ)義相似度計(jì)算[D];北京理工大學(xué);2015年

2 高智凡;基于圖結(jié)構(gòu)的指紋匹配算法及硬件實(shí)現(xiàn)[D];華中科技大學(xué);2011年

3 汪媛;指紋圖像分割算法研究[D];山東大學(xué);2011年

本文編號(hào)：2574945