【模式识别】Matlab指纹识别

指纹识别技术主要分三个步骤：指纹预处理、特征提取、指纹分类与匹配。

无论是指纹分类还是指纹匹配,都需要提取指纹的有效特征,而特征提取的性能很大程度上要依赖于指纹图像的质量。在实际应用中,由于采集条件和采集设备的因素,采集到的指纹图像质量比较差,容易导致很多问题,影响后续处理的效果。因此,指纹图像的预处理是关系到指纹识别系统性能好坏的一个关键。

预处理主要分以下四个步骤：

指纹图像灰度归一化和均衡化

归一化的目的,在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将指纹图像的对比度和灰度调整到一个固定的级别上,为后续处理提供一个较为统一的图像规格。均衡化是对图像中像素个数多的灰度级进行展宽，对像素个数少的灰度级进行缩减。
指纹图像分割

其目标就是根据特征提取的需要,把指纹图像中质量很差、在后续处理中很难恢复的图像区域与有效区域分开,使后续处理能够集中在有效区域；能提高特征提取的精确度；能大大减少指纹预处理的时间。
指纹图像二值化

二值化的目的是把灰度指纹图像变成0、1取值的二值图像
二值化后处理及细化

由于灰度滤波的不完全性,而且在二值化过程中有时会引入新的噪声,需要对图像进行滤波处理。采用加权中值滤波的方法,根据前景点的不同方向选用不同的权值模板进行滤波,以便于消除纹线上的孔洞和缺口。二值化后的纹线仍然有一定宽度,需要细化为单个像素宽度的骨架。细化算法很多,这里采用骨架提取技术。

废话不多说，贴代码和效果。

clc;

close all;

global immagine n_bands h_bands n_arcs h_radius h_lato n_sectors matrice num_disk

%immagine 双精度类型的灰度图

n_bands=4;

h_bands=20;

n_arcs=16;

h_radius=12;

h_lato=h_radius+(n_bands*h_bands*2)+16;

if mod(h_lato,2)==0

h_lato=h_lato-1;

end

n_sectors=n_bands*n_arcs;%多少行数据量

matrice=zeros(h_lato);

for ii=1:(h_lato*h_lato)

matrice(ii)=whichsector(ii);

end

num_disk=8;%8个方向

% 1--> add database

% 0--> recognition

% ok=0;

chos=0;

possibility=6;%有6个菜单，分别为'选择图像并加入数据库','指纹识别','删除数据库','可视化指纹图像','可视化Gabor滤波','退出'

messaggio='Insert the number of set: each set determins a class. This set should include a number of images for each person, with some variations in expression and in the lighting.';

while chos~=possibility,

chos=menu('指纹识别系统','选择图像并加入数据库','指纹识别','删除数据库','可视化指纹图像','可视化Gabor滤波','退出');

%--------------------------------------------------------------------------

% 计算指纹编码并添加到数据库

if chos==1

clc;

close all;

selezionato=0;%选择标志

while selezionato==0

[namefile,pathname]=uigetfile({'*.bmp;*.tif;*.tiff;*.jpg;*.jpeg;*.gif','IMAGE Files (*.bmp,*.tif,*.tiff,*.jpg,*.jpeg,*.gif)'},'选在灰度图');%打开一个灰度图

if namefile~=0 %文件存在

[img,map]=imread(strcat(pathname,namefile));%读取文件

selezionato=1;

else

disp('选择灰度图');

end

if (any(namefile~=0) && (~isgray(img)))%文件不存在或不是灰度图

disp('选择灰度图');

selezionato=0;

end

immagine=double(img);

if isa(img,'uint8')%如果img是uint8

graylevmax=2^8-1;%计算大小

end

if isa(img,'uint16')

graylevmax=2^16-1;

end

if isa(img,'uint32')

graylevmax=2^32-1;

end

fingerprint = immagine;

N=h_lato;

[BinarizedPrint,XofCenter,YofCenter]=centralizing(fingerprint,0);%二值化图像，计算中心点

[CroppedPrint]=Cropping(XofCenter,YofCenter,fingerprint);%图像修剪

[NormalizedPrint,vector]=sector_norm(CroppedPrint,0);%扇形,归一化输入图像

for (angle=0:1:num_disk-1)

gabor=gabor2d_sub(angle,num_disk);%Gabor滤波

ComponentPrint=conv2fft(NormalizedPrint,gabor,'same');

[disk,vector]=sector_norm(ComponentPrint,1);

finger_code1{angle+1}=vector(1:n_sectors);

end

img=imrotate(img,180/(num_disk*2));%以一定角度对图像进行旋转

fingerprint=double(img);

[BinarizedPrint,XofCenter,YofCenter]=centralizing(fingerprint,0);

[CroppedPrint]=Cropping(XofCenter,YofCenter,fingerprint);

[NormalizedPrint,vector]=sector_norm(CroppedPrint,0);

for (angle=0:1:num_disk-1)

gabor=gabor2d_sub(angle,num_disk);

ComponentPrint=conv2fft(NormalizedPrint,gabor,'same');

[disk,vector]=sector_norm(ComponentPrint,1);

finger_code2{angle+1}=vector(1:n_sectors);

end

% 增加指纹编号到数据库

if (exist('database.dat')==2)

load('database.dat','-mat');

fingerprint_number=fingerprint_number+1;

data{fingerprint_number,1}=finger_code1;

data{fingerprint_number,2}=finger_code2;

save('database.dat','data','fingerprint_number','-append');

else

fingerprint_number=1;

data{fingerprint_number,1}=finger_code1;

data{fingerprint_number,2}=finger_code2;

save('database.dat','data','fingerprint_number');

end

message=strcat('指纹增加成功。编号：',num2str(fingerprint_number));

msgbox(message,'指纹编数据库','信息');

end % chos 1

%--------------------------------------------------------------------------

% 指纹识别

if chos==2

clc;

close all;

selezionato=0;

while selezionato==0

[namefile,pathname]=uigetfile({'*.bmp;*.tif;*.tiff;*.jpg;*.jpeg;*.gif','IMAGE Files (*.bmp,*.tif,*.tiff,*.jpg,*.jpeg,*.gif)'},'选择灰度图');

if namefile~=0

[img,map]=imread(strcat(pathname,namefile));

selezionato=1;

else

disp('选择灰度图');

end

if (any(namefile~=0) && (~isgray(img)))

disp('选择灰度图');

selezionato=0;

end

immagine=double(img);

if isa(img,'uint8')

graylevmax=2^8-1;

end

if isa(img,'uint16')

graylevmax=2^16-1;

end

if isa(img,'uint32')

graylevmax=2^32-1;

end

fingerprint = immagine;

N=h_lato;

[BinarizedPrint,XofCenter,YofCenter]=centralizing(fingerprint,0);%二值化

[CroppedPrint]=Cropping(XofCenter,YofCenter,fingerprint);%裁剪

[NormalizedPrint,vector]=sector_norm(CroppedPrint,0);%归一化

% 存储每个特征向量d的入口

vettore_in=zeros(num_disk*n_sectors,1);

for (angle=0:1:num_disk-1)

gabor=gabor2d_sub(angle,num_disk);

ComponentPrint=conv2fft(NormalizedPrint,gabor,'same');

[disk,vector]=sector_norm(ComponentPrint,1);

finger_code{angle+1}=vector(1:n_sectors);

vettore_in(angle*n_sectors+1:(angle+1)*n_sectors)=finger_code{angle+1};

end

% 计算输入值文编号

% 检查数据库

if (exist('database.dat')==2)

load('database.dat','-mat');

%---- 分配内存 -----------------------------------

%...

vettore_a=zeros(num_disk*n_sectors,1);

vettore_b=zeros(num_disk*n_sectors,1);

best_matching=zeros(fingerprint_number,1);

valori_rotazione=zeros(n_arcs,1);

% 开始检查 ---------------------------------------

for scanning=1:fingerprint_number

fcode1=data{scanning,1};

fcode2=data{scanning,2};

for rotazione=0:(n_arcs-1)

p1=fcode1;

p2=fcode2;

% ruoto i valori dentro disco

for conta_disco=1:num_disk%取出每列数据

disco1=p1{conta_disco};

disco2=p2{conta_disco};

for old_pos=1:n_arcs

new_pos=mod(old_pos+rotazione,n_arcs);

if new_pos==0

new_pos=n_arcs;

end

for conta_bande=0:1:(n_bands-1)%取该列每行

disco1r(new_pos+conta_bande*n_arcs)=disco1(old_pos+conta_bande*n_arcs);

disco2r(new_pos+conta_bande*n_arcs)=disco2(old_pos+conta_bande*n_arcs);

end

p1{conta_disco}=disco1r;

p2{conta_disco}=disco2r;

end

% ruoto i dischi circolarmente

for old_disk=1:num_disk

new_disk=mod(old_disk+rotazione,num_disk);

if new_disk==0

new_disk=num_disk;

end

pos=old_disk-1;

vettore_a(pos*n_sectors+1:(pos+1)*n_sectors)=p1{new_disk};

vettore_b(pos*n_sectors+1:(pos+1)*n_sectors)=p2{new_disk};

end

d1=norm(vettore_a-vettore_in);

d2=norm(vettore_b-vettore_in);

if d1<d2

val_minimo=d1;

else

val_minimo=d2;

end

valori_rotazione(rotazione+1)=val_minimo;

end

[minimo,posizione_minimo]=min(valori_rotazione);

best_matching(scanning)=minimo;

end

[distanza_minima,posizione_minimo]=min(best_matching);

beep;

message=strcat('与数据库中最相似的指纹是 : ',num2str(posizione_minimo)');% 具有',num2str(distanza_minima),'个实例');

msgbox(message,'数据库信息','信息');

else

message='数据库为空. 不能匹配.';

msgbox(message,'指纹编号数据库错误','错误');

end

end % chos 2

%--------------------------------------------------------------------------

% 删除数据库

if chos==3

clc;

close all;

if (exist('database.dat')==2)

button = questdlg('你确定要删除数据库吗？');

if strcmp(button,'Yes')

delete('database.dat');

msgbox('数据库删除成功。','数据库删除','信息');

end

else

warndlg('数据库为空！','警告')

end

end % chos 3

%--------------------------------------------------------------------------

% 可视化指纹图像

if chos==4

clc;

close all;

selezionato=0;

while selezionato==0

[namefile,pathname]=uigetfile({'*.bmp;*.tif;*.tiff;*.jpg;*.jpeg;*.gif','IMAGE Files (*.bmp,*.tif,*.tiff,*.jpg,*.jpeg,*.gif)'},'Chose GrayScale Image');

if namefile~=0

[img,map]=imread(strcat(pathname,namefile));

selezionato=1;

else

disp('选择灰度图');

end

if (any(namefile~=0) && (~isgray(img)))

disp('选择灰度图');

selezionato=0;

end

figure('name','选择图像');

imshow(img);

end % chos 4

%--------------------------------------------------------------------------

% 可视化Gabor滤波

if chos==5

clc;

close all;

figure('name','Gabor滤波');

mesh(gabor2d_sub(0,num_disk));

end % chos 5

end % end while

天天matlab

发布了39 篇原创文章 · 获赞 16 · 访问量 1万+

私信关注

【模式识别】Matlab指纹识别

猜你喜欢