基于小波包變換與PNN神經(jīng)網(wǎng)絡(luò)相結(jié)合的指紋識別系統(tǒng).pdf

1、在指紋識別、語音識別、視網(wǎng)膜識別等生物特征認證（識別）技術(shù)中，由于指紋識別具有唯一性（每個人的指紋獨一無二）、不變性（指紋具有很強的相對穩(wěn)定性）、實用性（指紋樣本易于獲取）和安全性（一人的十指指紋皆不同，可構(gòu)成多重口令）等優(yōu)點，成為一種應(yīng)用最廣的身份確認和識別技術(shù)。 盡管指紋只是人體皮膚的一小部分，但用于識別的數(shù)量相當大，而且由于指紋圖像的噪聲、皮膚彈性引起的非線性變形、指紋錄入的位置偏移等多方面因素，識別過程決不是對指紋數(shù)據(jù)進

2、行簡單的相等與不相等的比對，而需要通過復(fù)雜的圖像處理過程及使用大運算量的模糊匹配和識別算法才能完成，故研究難度很大。 加上許多研究文獻都因商業(yè)利益而保密未予公開，因此盡管已經(jīng)有了多種成型產(chǎn)品，理想的自動指紋識別系統(tǒng)至今仍是一個相當困難的研究任務(wù)，尤其在指紋圖像的預(yù)處理、自動識別等方面仍存在一些問題有待改進，可以進一步進行探索研究。 指紋識別系統(tǒng)主要包括三個步驟：圖像預(yù)處理、圖像特征提取、圖像特征匹配。本文針對指紋識別系統(tǒng)

3、的各個環(huán)節(jié)進行了探索性研究，提出了基于小波包變換與PNN 神經(jīng)網(wǎng)絡(luò)相結(jié)合的指紋識別方法，通過仿真實驗，得出了一些結(jié)論： 1、采用中值濾波與小波包變換相結(jié)合的算法，能有效去除指紋圖像采集過程中隨機噪聲對圖像造成的干擾，并得出了在噪聲系數(shù)小于0.25 的情況下，小波包變換去噪優(yōu)于小波去噪的結(jié)論，從而驗證了小波包變換對圖像細節(jié)的分析能力。 2、在圖像預(yù)處理中加入圖像質(zhì)量評估環(huán)節(jié)，能有效去除干、濕、不完整指紋對指紋識別率的影響，

4、而且基于二值化的圖像質(zhì)量評估算法，實現(xiàn)簡單，處理速度快，能滿足實時性要求。 3、對圖像的尺寸和灰度進行歸一化后，去除了圖像的冗余信息，使圖像的主要信息得以突出，并且整幅指紋圖像的灰度變得均勻，有效降低了圖像冗余和灰度不均勻給指紋特征點提取帶來的困難。 4、對指紋圖像進行小波包分解，并對分解后的四叉樹進行優(yōu)化后，得到最優(yōu)小波樹，通過計算最優(yōu)樹葉子節(jié)點的能量得到的指紋特征點值，能較好地代表指紋特征，且特征點少而精，大大提高了