| 【中文题名】 | 基于遗传神经网络的指纹分类与识别的研究与实现 |
| 【英文题名】 | The Research and Realization of Fingerprint Identification and Classification Based on GABP ANN |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-10 |
| 【中关键词】 | 指纹识别,图像增强,特征提取,特征分类,特征匹配, |
| 【英关键词】 | Fingerprint identification,Image enhancement,Feature extraction,Feature classification,Feature matching, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
随着计算机信息技术的飞速发展，指纹自动识别研究已经取得了很大的进展。指纹具有唯一性和稳定性，因此被人们用来当作鉴别个人身份的主要依据。自动指纹识别系统是基于计算机来进行指纹识别的技术，具有方便、高效、安全、可靠等优点，在金融安全、数据加密、电子商务等各个领域都得到了广泛的应用，并将在我们的生产和生活中发挥越来越重要的作用。
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采集因素等因素影响，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。为了克服指纹识别中常见的问题，本文将神经网络技术和模式识别技术相结合，提出了一种基于遗传神经网络的指纹分类与识别技术，克服了传统指纹识别算法所造成指纹纹线丢失的现象，整个算法具有高效的识别率和很强的抗干扰能力，此外算法对指纹缺损图像和畸变图像也有很高的识别率，解决了一般指纹识别系统在这一方面的缺陷。
本文主要包括三个大部分：指纹图像的预处理、特征提取以及分类和匹配。在预处理过程中，对指纹增强、分割、二值化、细化等一系列预处理方法进行了研究和编程实现。在特征提取技术研究中，本文分别提取... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第1章 绪论 |
8-14 |
|
1.1 引言 |
8-9 |
|
1.2 指纹识别系统的结构与流程 |
9-10 |
|
1.3 目前指纹识别系统存在的问题 |
10-11 |
|
1.4 基于遗传神经网络的指纹识别系统的总体设计 |
11-14 |
|
第2章 指纹图像预处理 |
14-26 |
|
2.1 指纹图像分割方法 |
14-18 |
|
2.1.1 基于图像灰度特性的分割 |
15-16 |
|
2.1.2 利用图像方向信息的分割方法 |
16-17 |
|
2.1.3 基于图像灰度特性分割方法的改进 |
17-18 |
|
2.2 指纹图像增强方法 |
18-20 |
|
2.3 指纹图像的二值化方法 |
20-26 |
|
2.3.1 固定阈值法 |
21 |
|
2.3.2 双峰自适应阈值法 |
21-22 |
|
2.3.3 大津法 |
22-23 |
|
2.3.4 迭代法 |
23-24 |
|
2.3.5 图像二值化方法的比较 |
24-26 |
|
第3章 指纹图像细化及其后处理 |
26-31 |
|
3.1 指纹图像的细化方法 |
26-29 |
|
3.2 指纹图像的细化后处理 |
29-31 |
|
第4章 指纹图像特征提取 |
31-37 |
|
4.1 指纹的分类特征 |
31-33 |
|
4.1.1 指纹的全局特征 |
32 |
|
4.1.2 指纹的局部特征 |
32-33 |
|
4.2 指纹细节特征的提取方法 |
33-37 |
|
4.2.1 基于直接灰度的细节特征提取方法 |
33-34 |
|
4.2.2 基于8邻域编码的细节特征提取方法 |
34-35 |
|
4.2.3 指纹细节特征提取方法的比较 |
35-37 |
|
第5章 基于遗传神经网络的指纹分类与识别 |
37-50 |
|
5.1 BP神经网络 |
37-39 |
|
5.2 遗传神经网络及其算法 |
39-45 |
|
5.3 基于遗传神经网络的指纹分类 |
45-48 |
|
5.4 基于遗传神经网络的指纹识别 |
48-50 |
|
第6章 指纹识别系统的设计与实现 |
50-58 |
|
6.1 软件系统的总体设计 |
50-51 |
|
6.2 系统运行效果 |
51-57 |
|
6.3 系统的测试结果 |
57-58 |
|
第7章 结论 |
58-60 |
|
参考文献 |
60-62 |
|
致谢 |
62-63 |
|
攻读硕士学位期间发表的学术论文 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.388929 |
