【패턴 인식】 MATLAB 기반 지문 이미지 세부 특징 추출 【Matlab 소스 코드 227 포함】

1. 소개

지문 이미지의 특징 추출은 지문 인식의 핵심이며 지문 일치는 일반적으로 세부 사항 일치를 기반으로합니다. 지문 특징 추출은 정제 된 지문 이미지에서 세부 특징점 (즉, 끝점 및 분기점)을 얻는 것입니다.이 특징점에는 많은 수의 의사 특징이 포함되어있어 시간이 많이 걸리고 일치 정확도에 영향을줍니다. 이 장에서는 엣지 위조 제거 및 거리 위조 제거를 사용하여 위조 제거 전후에 특징점을 거의 1/3까지 줄이고 신뢰할 수있는 특징점 정보를 추출하여 지문 매칭을 달성합니다. MATLAB 기반의 지문 특징 추출 방법과 위조 방지 알고리즘이 제공되며, 알고리즘은 간단하고 구현이 빠르며 정확도가 높습니다.
1 기술 개요
지문 인식 기술은 응용 전망이 매우 낙관적 인 생체 인식 기술의 일종입니다. 국내외 많은 기관에서 관련 연구를 진행하고 있습니다. 현재 시중에는 상용 자동 지문 인식 시스템이 많이 있지만, 다양한 상표의 지문 인식 속도 , 지문 인증 및 식별의 정확성과 신뢰성이 다른 한편, 지문 수집의 편차는 지문 식별 알고리즘의 차이이기도하며, 지문 식별 알고리즘의 품질은 지문 식별에 심각한 영향을 미칩니다. . 따라서 지문 인식 알고리즘의 효과와 견고성을 개선하는 방법은 항상 대다수 학자에게 연구 핫스팟이자 어려움이었습니다.
지문 자동 식별 시스템에서 첫 번째 단계는 지문의 특징을 추출한 다음 특징과 상호 위치 및 토폴로지 관계에 따라 미리 설정된 지문 데이터베이스를 일치시켜 일치하는 지문 정보를 검색하는 것입니다. 지문의 특징은 주로 종점과 분기점과 같은 특정 지문 융기의 구성이며,이 장에서는 주로 지문의 종점과 분기점을 분석합니다.
MATLAB 2014a를 기반으로 한 일련의 지문 세부 추출 및 후 처리 알고리즘이 도입되었습니다 .MATLAB 2014a는 지문 이미지 인식 알고리즘의 시뮬레이션 플랫폼으로 사용되며 정확도가 높고 시뮬레이션의 어려움을 크게 줄일 수 있습니다.
2 지문 인식 시스템의 작동 원리
여기에 사진 설명 삽입
3 지문 특징 추출
지문 특징 제거 작업은 주로 중복 지문 특징 포인트를 필터링하는 것입니다.
유사 특징의 절반은 다음과 같은 특징을 가지고 있습니다. 대부분은 이미지의 가장자리에 있고, 이미지 내부의 유사 특징 지점은 상대적으로 가까우며 두 개 이상의 유사 특징이 동시에 작은 영역에 존재합니다. .
이 장에서는 지문 이미지의 허위 특징 분포를 기반으로 두 가지 위조 방지 방법을 제안합니다. 첫째, 이미지 가장자리의 점에 대해 지문 이미지 절단 방법을 사용합니다. 즉, 가장자리의 점이 직접 제거 된 다음 최단 거리 임계 값 방법을 사용하여 가까운 거리를 제거합니다.
여기에 사진 설명 삽입

둘째, 소스 코드

%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 指纹图像细节特征提取
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clear;
origin=imread('im2.bmp');
subplot(2,2,1);imagesc(origin);
colormap(gray); xlabel('(a)原始图像')
I=im2bw(origin);  % 二值化
%细化指纹图像，用匹配模板法
[M,N]=size(I);
for i=2:M-1
    for j=2:N-1
        if I(i,j)==0
            if (I(i-1,j)==0&I(i,j+1)==0)|(I(i-1,j)==0&I(i,j-1)==0)|(I(i+1,j)==0&I(i,j-1)==0)|(I(i+1,j)==0&I(i,j+1)==0)
                I(i,j)=1;
            else
                I(i,j)=0;
            end
        end
    end
end
subplot(2,2,2);imagesc(I);
xlabel('(b)细化后的指纹图像')
%特征点提取（端点或交叉点）
t=0;
for i=2:M-1
    for j=2:N-1
        if I(i,j)==0
            n=I(i-1,j-1)+I(i-1,j)+I(i-1,j+1)+I(i,j-1)+I(i,j+1)+I(i+1,j-1)+I(i+1,j)+I(i+1,j+1);
            if (n==7|n==5)
                t=t+1;
                x(t)=j;
                y(t)=i;
            end
        end
    end
end
subplot(2,2,3);imagesc(I);
xlabel('(c)细化后的指纹图像')
hold on;plot(x,y,'bo');hold off;   
for i=1:t-1
    for j=i+1:t   %指纹特征去伪
        d=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);
        if d<6            %去除距离较近的特征点
            x(i)=-1;y(i)=-1;x(j)=-1;y(j)=-1;
        end
    end
end
thin_image=~bwmorph(binary_image,'thin',Inf);
figure;imshow(thin_image);title('Thinned Image');
% load('ridge.mat')
% load('bifurcation.mat')
% hold on
% plot(ridge_y,ridge_x,'r*')
% plot(bifurcation_y,bifurcation_x,'b.','markersize',8)

%% Minutiae extraction
s=size(thin_image);
N=3;%window size
n=(N-1)/2;
r=s(1)+2*n;
temp((n+1):(end-n),(n+1):(end-n))=thin_image(:,:);
outImg=zeros(r,c,3);           % For Display
outImg(:,:,1) = temp .* 255;
outImg(:,:,2) = temp .* 255;
outImg(:,:,3) = temp .* 255;
for x=(n+1+10):(s(1)+n-10)
    for y=(n+1+10):(s(2)+n-10)
        e=1;
        for k=x-n:x+n
            f=1;
            for l=y-n:y+n
                mat(e,f)=temp(k,l);
                f=f+1;
            end

세, 실행 결과

여기에 사진 설명 삽입

네, 비고