基于神经网络的指纹识别系统研究.pdf

基于神经网络的指纹识别系统研究.pdf

《基于神经网络的指纹识别系统研究.pdf》由会员分享，可在线阅读，更多相关《基于神经网络的指纹识别系统研究.pdf（67页珍藏版）》请在冰点文库上搜索。

湖南大学硕士学位论文基于神经网络的指纹识别系统研究姓名：

潘滟申请学位级别：

硕士专业：

电工理论与新技术指导教师：

谢胜曙20070410硕士学位论文II摘要随着信息时代的发展，生物识别技术已成为身份识别的热门技术，自动指纹识别技术作为其中很重要的一个分支，已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。

但由于指纹图像的噪声和皮肤弹性等因素影响，并且需要进行大量的指纹匹配处理，自动指纹识别系统存在识别率不高、运算速度慢等问题。

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新方法，为解决指纹自动识别技术中存在的困难找到切实可行的新途径。

概括起来，本文主要对指纹识别系统的如下几个方面进行了深入研究。

在指纹图像的预处理技术的研究中，在对原始的指纹图像进行了图像增强后，采用方向滤波实现了指纹图的前景和背景的分离；综合了指纹图像局部灰度方差分割算法和指纹图像方向信息分割算法，加以改进后提出了一种新的复合算法，有效实现了指纹图像的分割；对指纹图像的细化技术进行研究，在比较、优化后，采用相应的算法对纹线进行了修复和去噪处理。

经过预处理以后，指纹图像质量得到了明显的提高，较好地满足了后续工作的需要。

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。

采用新颖的全局特征用于神经网络指纹分类，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，从而达到有效提高整体识别性能的目的。

在指纹分类和识别方法研究中,本文提出了一种基于BP神经网络的指纹识别算法，在不同阶段采用神经网络模型分别对指纹进行分类和识别。

实验结果表明，该方法取得了较好的识别结果。

最后简单介绍了基于CPLD的BP神经网络硬件实现。

本文深入地研究了自动指纹识别中图像预处理、特征提取和指纹识别方法的理论和技术，重点研究了指纹图像的二值化处理、特征提取和指纹分类、识别等算法，为进一步开发具有商业价值的自动指纹识别系统提供了理论依据和技术基础。

关键词：

指纹识别；神经网络；BP算法基于神经网络的指纹识别系统研究IIIAbstractWiththedevelopmentsoftheinformationage,biometricidentificationtechnologyhasbecomeahotidentificationtechnology,automatedfingerprintidentificationtechnologyasaveryimportantonebranchhasbeenwidelyusedinpublicsecurity,customs,banking,Networksecurityneedsidentificationfield.However,asthefingerprintimagenoiseandskinelasticity,andotherfactors,andtheneedforalargenumberoffingerprintmatching,AutomatedFingerprintIdentificationSystemidentificationrateisnothighcomputationalspeedslow,andsoon.Thispaperattemptstoneuralnetworksandpatternrecognitiontechnology,anumberofeffectivenewmethods,TosolvetheAutomaticFingerprintIdentificationTechnologyofthedifficultyoffindingpracticalways.Tosumup,thispaperfingerprintidentificationsystemtothefollowingaspectsofin-depthresearch.Thetechnologyoffingerprintimagepreprocessing,theimageoftheoriginalfingerprintimageenhancement,usingfilteringdirectionofafingerprintbackgroundseparation;LocalGrayvarianceintegratedfingerprintimagesegmentationalgorithmandtheimageofafingerprintsegmentationalgorithmorientationinformation.Anewcomplexhasbeenmodifiedandimproved,effective,thefingerprintimagesegmentation;Refinementoftheimageofafingerprinttechnology,incomparison,optimization,ThealgorithmusedfortherehabilitationoftheridgeandDataProcessing.Afterpretreating,thefingerprintimagequalityhasbeenmarkedlyimproved,tobettermeettheneedsofthefollow-upwork.Infeatureextractiontechnologyresearch,thepaperextractthefingerprintclassificationandidentificationofcharacteristics.Usinginnovativeglobalfeaturesfortheneuralnetworkfingerprintclassification,andtheextractionofpartialfingerprintminutiaeasthecharacteristicsofneuralnetworkfingerprintidentificationfeaturesthuseffectivelyimprovingtheoverallperformanceofthepurposeofidentification.Inthefingerprintclassificationstudy,thispaper,afingerprintrecognitionalgorithmbasedonBPneuralnetwork.Neuralnetworkmodelswereusedatdifferentstagesoffingerprintclassificationandidentification.Experimentalresultsshowthatthemethodofobtainingabetterrecognitionresults.FinallyabriefintroductionofBPneuralnetwork-basedCPLDhardware.硕士学位论文IVInthispaper,in-depthstudyoftheautomaticfingerprintidentificationimagepreprocessing,featureextractionandfingerprintidentificationmethodsandthetheory,focusonthefingerprintimagebinarizationprocessing,featureextractionandfingerprintclassificationalgorithm,forthefurtherdevelopmentofcommerciallyvaluableAutomatedFingerprintIdentificationSystemtoprovideatheoreticalbasisandtechnologicalfoundation.KeyWords:

FingerprintIdentification;NeuralNetwork;BPAlgorithmI湖南大学学位论文原创性声明本人郑重声明：

所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。

对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律后果由本人承担。

作者签名：

日期：

年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、保密，在_年解密后适用本授权书。

2、不保密。

（请在以上相应方框内打“”）作者签名：

日期：

年月日导师签名：

日期：

年月日硕士学位论文1第1章绪论1.1生物识别技术简介生物识别技术是指通过计算机将人体作固有的生理特征或行为特征收集并进行处理，来进行个人身份鉴定的技术。

人体生物特征具有“人人不同，终身不变，随身携带”的特性。

生物特征分为生理特征和行为特征：

生理特征是与生俱来的特点，而行为特征多为后天形成，习惯使然，但总的来讲，行为特征的稳定性和可靠性差一些。

因此，生物识别技术应该尽量选择最稳定和最可靠的特征作为识别的依据。

生物识别技术的种类共有近20种之多，常见的生物识别技术主要有9种:

脸形、指纹、手形、手部血管分布、虹膜、视网膜、手写体、声音和脸部热量图等。

其中，脸形、指纹、手形、手部血管分布、虹膜、视网膜和脸部热量图属于生理特征，手写体属于行为特征，而声音则兼具两方面的属性。

所有这些生物特征都能在一定程度上满足生物识别技术的需要，己实际应用于生物识别系统或有潜力成为实用的生物识别技术1。

这几种生物识别技术各有自己的优势和不足之处，没有任何一种技术能够在任何场合都比其他识别技术表现的优越。

从这个意义上讲，各种生物识别技术都有继续发展和完善的必要。

1.2问题的提出迄今为止，具有人人各异和终生不变的人体特征主要是指纹、虹膜及DNA结构等。

此外，有一些人体特征能在一段时间内保持不变，如面容、掌纹与声音等。

因此如何识别人体特有的生物特征是目前模式识别领域研究热点之一，而实现该功能的计算机系统被称为生物识别系统。

指纹识别技术是目前生物检测技术中研究最深入、应用最广泛、发展最成熟的技术，具有悠久的历史，但长期以来指纹识别技术主要应用于刑事侦查和司法鉴定，并不为大多数人了解。

随着科技的进步和人们文化素质的提高，指纹认证系统己广泛应用于人们的日常生活中，如在电子行业中，人们只需通过身份认证就可以通过电话、网络进行金融交易;在建筑物出入口或工作场所，人们利用指纹可以取代钥匙、证件、图章等，而无需记忆密码和携带证件，指纹就是身份证明，给人们生活带来极大的方便。

指纹识别技术是对所采集的指纹图像进行识别，确定指纹所有人身份的生物特征识别技术2。

该技术设计的识别系统包括以下两种：

认证系统（Verification）和识别系统（Identification）。

认证系统是指通过与预先存储在系统中的指纹模板进行比较来确认个人身份，即一对一比较。

识别系统是通过基于神经网络的指纹识别系统研究2搜索整个指纹数据库来确认个人身份，即通过一对多个进行比较来实现个人身份的确认。

近年来，随着传感器技术的发展成熟，基于指纹识别的系统已经被广泛应用，指纹识别主要是根据人体指纹的纹路与细节特征等信息对操作者进行身份鉴定。

指纹识别技术大致具有如下特点:

1）指纹可以提供独一无二的个体特征，并且特征的精确度和复杂度足以满足准确的鉴别需要。

2）选择多样性。

每一个人可以选择的指纹可以多达10个，加上它们之间的组合则可有组合更多。

3）指纹具有良好的不变性，读取可靠。

4）指纹采集方式易于被操作者接受，指纹采集速度快，便于使用。

近年来，自动指纹识别系统AFIS3（AutomatedFingerprintIdentificationSystem）最初的研究目的是为了识别罪犯，主要用于司法、公安部门。

在社会进步和经济发展的推动下，指纹识别系统越来越被人们所了解、掌握，应用范围也迅速扩展到其它行业，如银行系统、保密，保险机构、机场、驾驶执照等，具有广泛的应用前景。

自动指纹识别系统在过去的30年里虽然已取得了很大发展，但由于自动指纹识别系统对指纹质量要求很高，易受指纹图像的噪声、皮肤弹性等因素影响，导致系统识别率低、运行速度缓慢、限制了自动指纹识别系统的应用4。

因此，目前，AFIS仍是国内外模式识别研究中的热点，也是本文研究的主要工作。

本文基于模式识别原理，采用BP算法前向多层神经网络在指纹识别系统的应用进行了较为系统的研究5。

针对指纹识别技术的各个阶段提出若干行之有效的自动指纹识别新方法，研究了指纹图像预处理、特征点提取、指纹分类与指纹识别等相关问题，并用所提出的方法进行了仿真试验。

1.3人工神经网络方法概述人工神经网络是在现代神经科学研究成果的基础上提出来的，它反映了人脑的基本功能，是对人脑的简化与模拟。

人工神经网络是一个非线性动态系统，它通过对样本的学习建立起记忆，然后将未知模式判决为最接近的记忆，它可以处理一些环境信息十分复杂、背景知识不清楚、推理规则不明确的问题。

神经网络的I/O非线性映射特性、信息的分布存储、并行处理和全局集体作用，特别是其高度的自组织和自学习能力，使其成为模式识别6的一种有效方法和手段，神经网络的这一优良特性受到模式识别领域专家学者的关注。

指纹识别问题可以看成模式识别7。

80年代以来神经网络理论受到世界各国学者的广泛重视，并且在智能控制，计算机视觉、语音识别、生物医学等方面有了成功的应用。

90年代后期，神经网络在指纹识别领域得到了应用。

硕士学位论文31.4本文的主要工作本文的主要任务是结合神经网络技术对自动指纹识别系统进行设计，主要工作包括:

首先对指纹预处理方法进行研究，然后进行特征提取，找到适合神经网络识别的新特征，最后用基于神经网络的方法完成指纹的分类与识别，我们围绕这几方面进行了大量的工作。

本文的主要内容和章节分布为：

第一章：

概述研究指纹识别技术的背景和意义，从指纹识别系统技术理论和人工神经网络两个方面分析指纹识别系统的研究现状和进展，给出了本文的主要工作。

第二章：

介绍指纹识别技术的基本概念和原理，简述指纹识别的步骤，分析指纹识别技术的难点和发展趋势，阐述了人工神经网络技术在指纹识别技术中的突出优点。

第三章：

概述神经网络的基本分类、基本结构，分析了神经网络各种学习规则。

着重介绍了多层前馈网络与反向传播学习算法的网络结构及训练算法的具体步骤。

第四章：

针对本文中使用到的指纹预处理方法，概述了指纹图像的预处理相关技术，如指纹图像增强、分割等。

同时参考文献，结合试验尝试，在细化中运用神经网络来提高系统的识别率。

第五章：

通过对特征提取的方法进行探讨，在指纹特征提取方法的研究中，本文的主要目标就是提取用于识别的一种或多种特征。

指纹特征主要分为总体（全局）特征和局部特征。

通过对指纹图的研究，对总体特征采用指纹方向图特征对指纹分类，充分利用了指纹中心区域的方向信息，取得了较好的分类结果。

对局部特征采用八领域法提取细节点特征，该特征充分体现了同类型指纹的细微差别，并具有一定的抗平移和抗旋转特性。

第六章：

本章将基于神经网络的指纹分类与识别方法应用到自动识别系统中，采用多种类型的神经网络进行了大量的实验。

在前期实验及对指纹特征、神经网络的特点了解的基础上，利用不同网络模型的自身特点，提出了基于神经网络的自动指纹识别系统，在该系统中首先进行指纹分类（类型判别），然后进行指纹识别。

利用BP网络优秀的非线性映射特性对指纹分类，减少指纹自动识别的复杂性和智能性。

最后提出了CPLD实现BP神经网络的方法，为BP神经网络的硬件实现打下理论基础。

最后，本文对人工神经网络的应用前景和社会、经济价值等进行预测和评价，并指出今后进一步在本研究方向研究工作的展望与设想。

基于神经网络的指纹识别系统研究4第2章指纹识别的基本概念和原理随着网络与通信技术的飞速发展和人类物理与虚拟活动空间的不断扩大，现代社会对于身份识别的准确性、安全性与实用性提出更高要求。

传统的身份识别方法已经远远不能满足这种要求，人们必须寻求更为安全可靠、使用方便的身份识别新途径。

于是，指纹识别技术悄然兴起，并应运而生为一种新的身份识别技术。

在这种情况下，大量的科研机构都加入到指纹识别技术的研究中来，在这股热潮的推动下，新理论、新方法层出不穷，呈现百花齐放的繁荣景象。

本章对指纹识别的一些基本概念进行了介绍，概述了指纹识别系统的工作原理和难点，而后在简单介绍指纹识别各个阶段技术的基础上，分析了指纹识别技术的难点和发展趋势。

2.1指纹识别的基本概念AFIS（自动指纹识别系统）AFIS（AutomaedFingerprintIdenificationSystem）是指计算机对输入的指纹图像进行处理，以实现指纹的分类、定位、提取形态和细节特征，然后才根据所提取的特征进行指纹的比对和识别。

指纹匹配（Matching）也称为比对过程，是指将两个指纹特征模板通过相应的算法求出宏观世界之间的相似程度的过程，若相似程度大于一个事先给定的阈值，则该比对的结果被接受，反之则被拒绝。

指纹识别识别是指将现场采集到的待测指纹样本与指纹数据库中的样本进行”一对多”的搜索对比，得出有无此人的结论。

认证和识别在对比算法的实现上侧重不同，设计上也各具有不同的技术特点。

拒判率（FRR）和误判率（FAR）指纹识别系统的特定应用的重要衡量标志是识别率，主要由两部分组成，拒判率（FRR）和误判率（FAR），我们可以根据不同的用途来调整这两个值。

拒判率是指将相同的指纹误认为不同的指纹而加以拒绝的概率，以百分比来表示，其数值越小越好。

误判率也被称为认假率，是指将不同的指纹认为相同的指纹而加以接受的概率，常用百分比来表示，其数值越小越好，FRR和FAR是成反比的。

用0-1.0或百分比来表达这个数。

ROC（ReceiverOperatingCurve）-曲线给出FAR和FRR之间的关系。

硕士学位论文5指纹算法的鲁棒性鲁棒性（robustness）7就是系统的健壮性。

它是指系统在一定（结构、大小）的参数扰动下，维持某些性能的特性，是在异常和危险情况下系统生存的关键。

根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。

鲁棒性是衡量指纹系统优劣的主要参数，通常从抗图像位移的能力、抗图像扭曲能力和图像纹路抗噪声干扰能力三个方面来考虑。

2.2指纹识别技术理论本文在设计自动指纹识别系统时，加入对指纹进行自动分类的部分，系统主要由原始图像输入、预处理、指纹特征提取、指纹识别和识别结果输出等部分组成8，如图2.1所示。

图2.1指纹识别系统原理框图1）指纹图像采集获取指纹图像的方法有:

光学扫描采集、固体传感器采集和超声波扫描采集。

光学扫描采集指纹图像一般采用全反射技术（FTIR），当手指放在棱镜上，手指的脊和棱镜相接触而谷不和棱镜接触，激光以一定角度照射棱镜产生全反射，由CCD阵列接收并获取指纹图像。

固体传感采集图像是当手指放在传感器表面时，传感器感受接触点并改变电容器的电压从而获取图像。

固体传感器与光学扫描相比具有体积小、集成度高、数字化等特点，但采集范围较小，而光学扫描在采集范围大小方面则很少受到限制。

超声波传感器采集图像是利用超声波反射测距来采集的，对受污损的指纹图像抗干扰较强，能够获取比较清晰的指纹图像。

2）指纹图像的预处理由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。

常用的预处理过程一般包括增强、分割、二值化、细化等。

3）特征提取特征在模式识别系统中是指能够唯一反映输入对象本质的数据量，因此特征提取是模式识别中的重要问题，对分类器的设计和性能具有深远的影响。

特征提取模块是对预处理后的图像抽取特征用于分类器的识别，是模式识别的一个重要指纹图像采集指纹图像预处理指纹特征点提取识别结果输出指纹图像识别指纹模板分类基于神经网络的指纹识别系统研究6环节，因此，稳定地提取特征是整个识别系统的关键，它们直接决定了识别系统的性能。

4）指纹分类为了减少自动指纹识别系统中搜索时间和计算复杂性，必须把样本数据库中的指纹分为几个类，将属于不同类别的指纹分别保存在不同的子数据库中，待识指纹只需与属于同一类别的子数据库中的样本指纹进行比对。

指纹分类是根据指纹的整体结构特征将指纹分别归属到几个不同的预先设定的类别中去。

5）指纹识别完成特征提取和分类后，把特征送入指纹分类器进行识别，指纹分类器是指纹自动识别技术中最重要的环节。

在指纹自动识别技术中，普遍采用指纹模板匹配分类器，指纹匹配分类器的功能是在对待识别图像提取细节特征后，将得到的细节点与指纹样本库中的指纹细节点逐一比对，得到相似度最高的即是识别结果。

该方法在指纹认证系统中取得很好的应用，现今在指纹自动识别技术中也是最主要的识别方法。

本文在对指纹进行识别时，并没有采用这种最常用的方法，而是尝试性的使用了基于神经网络的分类器，力求找到指纹识别的新方法。

2.3指纹识别的难点指纹识别技术从出现至今，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，但由于自动指纹识别系统对指纹质量要求很高，易受指纹图像的噪声、皮肤弹性等因素影响，导致系统识别率低、运行速度缓慢、限制了自动指纹识别系统的应用9。

总的说来，指纹识别技术的难点归纳起来主要表现在以下几个方面：

1）指纹图像预处理预处理的目的是针对一幅给定的指纹图像，突出指纹图像中的某些信息，削弱或去除某些次要或不需要的信息，使指纹纹理清晰、边缘明显，以便提取特征进行识别。

预处理结果的好坏直接关系到特征的提取，以至影响到指纹识别的准确率。

2）指纹特征点的提取在实际应用中，有相当一部分要处理的指纹图像的质量是比较差的。

就现有文献和产品来看，对低质量的指纹图像的处理效果还远不能令人满意。

要想使设计的细节特征提取算法能够对低质量指纹图像也能可靠地工作，目前看来还是一件难度很大的事情。

显然，对于质量很差的图像，如果不经过特殊的增强处理，是很难真确地进行特征提取的。

3）指纹识别算法指纹识别算法的性能主要决定于所提取到的特征点的数目、位置和相互之间硕士学位论文7关系的可靠性。

要想设计一个对较多真正特征点缺失、较多伪特征点出现和较大形变均不敏感的指纹识别算法5，也是一件十分困难的事情。

尽管现有文献介绍了一些指纹分类识别的方法，而且部分方法己经开始尝试应用于实际的自动指纹识别系统，但是无论对自动指纹识别系统还是对指纹专家而言，指纹识别仍然是一个最令人头疼的问题。

计算复杂性是自动指纹识别技术中一个重要的研究课题。

实际应用要求最好自动指纹识别系统能对识别任务实时做出响应，而让指纹匹配算法同时达到高