基于matlab鸟声识别
题目: 基于matlab机场驱鸟装置
姓名: 姚访
学院: 工学院
专业: 自动化
班级: 自动化111
学号: 32211126
指导教师: 刘璎瑛
2014年6月18日
基于MATLAB 的机场驱鸟装置
指导老师刘璎瑛
【摘要】以往在电气自动化专业学生进行毕业设计过程中，常常需要进行大量的数学运算。在当今计算机时代，通常的做法是借助高级语言Basic、Fortran或C语言等编制计算程序，输入计算机做近似计算。但是这需要熟练的掌握所运用的语法规则与编制程序的相关规定，而且编制程序不容易，费时费力。
目前，比较流行的控制系统仿真软件是MATLAB。MATLAB的使用极其容易，不要求使用者具备高深的数学与程序语言的知识，不需要使用者深刻了解算法与编程技巧，且提供了丰富的矩阵处理功能，因此控制理论领域的研究人员很快注意到了这样的特点。尤其MATLAB应用在电厂自动化专业的毕业设计的计算机仿真上，更体现出它巨大的优越性和简易性。本设计用电脑录音机采集了一段语音，对其进行了时域分析，频谱分析,分析语音信号的特性。然后进行相应处理，对比之后判断是否有鸟声。
【关键词】频域; 时域; 滤波器;识别
一．Matlab工具的介绍
MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
二．课题的研究意义
我们知道小鸟对飞机的影响很大，对飞机造成的损失和危害不可小视。本次项目内容就是基于matlab设计一个机场驱鸟系统，对机场的声音环境进行实时监测，一旦发现有鸟的叫声则启动报警器，以驱除鸟和提醒工作人员做好相关安全保障工作，确保航班的安全。
三．课题的实现方法
通过应用matlab,布局GUI界面，关联对应的m文件。首先我们要选取一个典型的鸟叫声音，通过画出它的时域图和频谱图，由相关的m文件提取它的一些参数特性作为模板。然后我们设置一个带通滤波器，将采集到的声音通过滤波器，与模板进行比较，如果与模板的误差在一定范围之内，则表示有鸟叫的声音，此时进行报警。
四．相关GUI界面图览
1.有鸟声时识别：
图①采集声音滤波前与模板比较
1.无鸟声时识别：
图③采集声音滤波前与模板比较
图④采集声音滤波前与模板比较
通过这四张图比较知道，只有周围有鸟声，并且把采集到的鸟声滤波之后，与模板比较才能识别出来。
五．本人负责相关部分任务：语音识别
（注：鉴于语音识别这块较为繁杂，故与喻金标同学一起完成）
1.识别主函数Shibiezhu.m
function finalmsg = test()
k=128;
fs=50000;
[m1, fs] = wavread('E:\e1.wav');
[m2, fs] = wavread('E:\e2.wav');
[m3, fs] = wavread('E:\e3.wav');
[ce, fs] = wavread('D:\ssssss\bbb\bin\xm2\AA.wav');
mm1 = mfcc(m1, fs); % 计算 MFCC's 提取特征特征，返回值是Mel倒谱系数，是一个log的dct得到的
code1= Vqlbg(mm1, k);
mm2 = mfcc(m2, fs); % 计算 MFCC's 提取特征特征，返回值是Mel倒谱系数，是一个log的dct得到的
code2= Vqlbg(mm2, k);
mm3 = mfcc(m3, fs); % 计算 MFCC's 提取特征特征，返回值是Mel倒谱系数，是一个log的dct得到的
code3= Vqlbg(mm3, k);
cce = mfcc(ce, fs); % 得到测试人语音的mel倒谱系数
d1 = Disteu(cce, code1); %计算得到模板和要判断的声音之间的“距离”
dist1 = sum(min(d1,[],2)) / size(d1,1); %变换得到一个距离的量 d2 = Disteu(cce, code2); %计算得到模板和要判断的声音之间的“距离”
dist2 = sum(min(d2,[],2)) / size(d2,1); %变换得到一个距离的量 d3 = Disteu(cce, code3); %计算得到模板和要判断的声音之间的“距离”
dist3 = sum(min(d3,[],2)) / size(d3,1); %变换得到一个距离的量 %测试阈值数量
msgc1 = sprintf('与模板语音信号的差值为:%10f', dist1);
msgc2 = sprintf('与模板语音信号的差值为:%10f', dist2);
msgc3 = sprintf('与模板语音信号的差值为:%10f', dist3);
disp(msgc1);
disp(msgc2);
disp(msgc3);
distmin=0;
distmax=5;
if
dist1>distmin&dist1 msgc1 = sprintf('有鸟叫'); msgbox(msgc1); [bj, fs] = wavread('E:\baojing.wav'); sound(bj,fs); else msgc2 = sprintf('没有鸟叫'); msgbox(msgc2); end 2.特征提取函数mfcc.m function r = mfcc(s, fs) m = 100; n = 256; l = length(s); nbFrame = floor((l - n) / m) + 1; %沿-∞方向取整 for i = 1:n for j = 1:nbFrame M(i, j) = s(((j - 1) * m) + i); %对矩阵M赋值 end end h = hamming(n); %加 hamming 窗，以增加音框左端和右端的连续性 M2 = diag(h) * M; for i = 1:nbFrame frame(:,i) = fft(M2(:, i)); %对信号进行快速傅里叶变换FFT end t = n / 2; tmax = l / fs; m = Melfb(20, n, fs); %将上述线性频谱通过Mel 频率滤波器组得到Mel 频谱,下面面在将其转化成对数频谱 n2 = 1 + floor(n / 2); z = m * abs(frame(1:n2, :)).^2; r = dct(log(z)); 3.计算距离函数Disteu.m function d = disteu(x, y) [M, N] = size(x); %音频x赋值给【M，N】 [M2, P] = size(y); %音频y赋值给【M2，P】 if (M ~= M2) error('不匹配！') %两个音频时间长度不相等 end d = zeros(N, P); if (N < P)%在两个音频时间长度相等的前提下 copies = zeros(1,P); for n = 1:N d(n,:) = sum((x(:, n+copies) - y) .^2, 1); end else copies = zeros(1,N); for p = 1:P d(:,p) = sum((x - y(:, p+copies)) .^2, 1)'; end%%成对欧氏距离的两个矩阵的列之间的距离 end d = d.^0.5; 4.特征提取辅助函数vqlbg.m function r = vqlbg(d,k) e = .01; r = mean(d, 2); dpr = 10000; for i = 1:log2(k) r = [r*(1+e), r*(1-e)]; while (1== 1) z = Disteu(d, r); [m,ind] = min(z, [], 2); t = 0; for j = 1:2^i r(:, j) = mean(d(:, find(ind == j)), 2); x = Disteu(d(:, find(ind == j)), r(:, j)); for q = 1:length(x) t = t + x(q); end end if (((dpr - t)/t) < e) break; else dpr = t; end end end 6.Mel滤波器组函数melfb.m function m = melfb(p, n, fs) f0 = 700 / fs; fn2 = floor(n/2); lr = log(1 + 0.5/f0) / (p+1); % convert to fft bin numbers with 0 for DC term bl = n * (f0 * (exp([0 1 p p+1] * lr) - 1)); b1 = floor(bl(1)) + 1; b2 = ceil(bl(2)); b3 = floor(bl(3)); b4 = min(fn2, ceil(bl(4))) - 1; pf = log(1 + (b1:b4)/n/f0) / lr; fp = floor(pf); pm = pf - fp; r = [fp(b2:b4) 1+fp(1:b3)]; c = [b2:b4 1:b3] + 1; v = 2 * [1-pm(b2:b4) pm(1:b3)]; m = sparse(r, c, v, p, 1+fn2); 六．感受 1.通过实验，是我对MATLAB有了一个基础的了解，在学习MATLAB编程中需要很多的参考书，要尽量多的熟悉matlab自带的函数及其作用，因为matlab 的自带函数特别多，基本上能够满足一般的数据和矩阵的计算，所以基本上不用你自己编函数。这一点对程序非常有帮助，可以使程序简单，运行效率高，可以节省很多时间。本次课设中用了很多MATLAB自带的函数，使程序变得很简单而有效。 2.在编程的过程中学习，程序需要什么知识再去补充，编程是一点一点积累的，所以需要做一些随手笔记什么的。课题需要什么函数，需要什么模块就应该去着重看那个知识点，就应该一步一步学，如果太急于把所有东西都学到，也是不好的，更是实现不了的。 3.总之，通过这次学习，我了解了一下这个软件总体的功能，以及通过自己编写一些代码也学到了一些用法和知识。我相信统统不时的积累，我会慢慢的学会使用MATLAB。 4.这次我们四个人一起做这个驱鸟装置，感觉还有不足之处，还存在一些问题有待纠正。 在此再次感谢刘刘璎瑛老师的指导！ 基于matlab的图像识别与匹配 摘要 图像的识别与匹配是立体视觉的一个重要分支，该项技术被广泛应用在航空测绘，星球探测机器人导航以及三维重建等领域。 本文意在熟练运用图像的识别与匹配的方法，为此本文使用一个包装袋并对上面的数字进行识别与匹配。首先在包装袋上提取出来要用的数字，然后提取出该数字与包装袋上的特征点，用SIFT方法对两幅图进行识别与匹配，最终得到对应匹配数字的匹配点。仿真结果表明，该方法能够把给定数字与包装袋上的相同数字进行识别与匹配，得到了良好的实验结果，基本完成了识别与匹配的任务。 1 研究内容 图像识别中的模式识别是一种从大量信息和数据出发，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。 图形辨别是图像识别技术的一个重要分支，图形辨别指通过对图形的图像采用特定算法，从而辨别图形或者数字，通过特征点检测，精确定位特征点，通过将模板与图形或数字匹配，根据匹配结果进行辨别。 2 研究意义 数字图像处理在各个领域都有着非常重要的应用，随着数字时代的到来，视频领域的数字化也必将到来，视频图像处理技术也将会发生日新月异的变化。在多媒体技术的各个领域中，视频处理技术占有非常重要的地位，被广泛的使用于农业，智能交通，汽车电子，网络多媒体通信，实时监控系统等诸多方面。因此，现今对技术领域的研究已日趋活跃和繁荣。而图像识别也同样有着更重要的作用。 3 设计原理 3.1 算法选择 Harris 角点检测器对于图像尺度变化非常敏感，这在很大程度上限制了它的应用范围。对于仅存在平移、旋转以及很小尺度变换的图像，基于Harris 特征点的方法都可以得到准确的配准结果，但是对于存在大尺度变换的图像，这一类方法将无法保证正确的配准和拼接。后来，研究人员相继提出了具有尺度不变性的特征点检测方法，具有仿射不变性的特征点检测方法，局部不变性的特征检测方法等大量的基于不变量技术的特征检测方法。 David.Lowe 于2004年在上述算法的基础上，总结了现有的基于不变量技术的特征检测方法，正式提出了一种基于尺度空间的，对图像平移、旋转、缩放、甚至仿射变换保持不变性的图像局部特征，以及基于该特征的描述符。并将这种方法命名为尺度不变特征变换（Scale Invariant Feature Transform），以下简称SIFT 算法。SIFT 算法首先在尺度空间进行特征检测，并确定特征点的位置和特征点所处的尺度，然后使用特征点邻域梯度的主方向作为该特征点的方向特征，以实现算子对尺度和方向的无关性。利用SIFT 算法从图像中提取出的特征可用于同一个物体或场景的可靠匹配，对图像尺度和旋转具有不变性，对光照变化、 Matlab小波函数 Allnodes 计算树结点 appcoef 提取一维小波变换低频系数 appcoef2 提取二维小波分解低频系数 bestlevt 计算完整最佳小波包树 besttree 计算最佳(优)树 *biorfilt 双正交样条小波滤波器组 biorwavf 双正交样条小波滤波器 *centfrq 求小波中心频率 cgauwavf Complex Gaussian小波 cmorwavf coiflets小波滤波器 cwt 一维连续小波变换 dbaux Daubechies小波滤波器计算 dbwavf Daubechies小波滤波器dbwavf(W) W='dbN' N=1,2,3,...,50 ddencmp 获取默认值阈值(软或硬)熵标准 depo2ind 将深度-位置结点形式转化成索引结点形式detcoef 提取一维小波变换高频系数 detcoef2 提取二维小波分解高频系数 disp 显示文本或矩阵 drawtree 画小波包分解树(GUI) dtree 构造DTREE类 dwt 单尺度一维离散小波变换 dwt2 单尺度二维离散小波变换 dwtmode 离散小波变换拓展模式 *dyaddown 二元取样 *dyadup 二元插值 entrupd 更新小波包的熵值 fbspwavf B样条小波 gauswavf Gaussian小波 get 获取对象属性值 idwt 单尺度一维离散小波逆变换 idwt2 单尺度二维离散小波逆变换 ind2depo 将索引结点形式转化成深度—位置结点形式*intwave 积分小波数 isnode 判断结点是否存在 istnode 判断结点是否是终结点并返回排列值 iswt 一维逆SWT(Stationary Wavelet Transform)变换iswt2 二维逆SWT变换 leaves Determine terminal nodes mexihat 墨西哥帽小波 meyer Meyer小波 meyeraux Meyer小波辅助函数 morlet Morlet小波 nodease 计算上溯结点 nodedesc 计算下溯结点(子结点) 《MATLAB语言》课程论文 Matlab指纹识别系统 姓名：江帅璋 学号：12013241957 专业：通信工程 班级：通信2班 指导老师：朱瑜红 学院：物理电气信息学院 完成日期：2014.11.11 Matlab指纹识别系统 （姓名江帅璋2013级2班） 摘要 本文系统地介绍了指纹识别技术的发展和国内外研究应用现状，阐述了建立指纹识别系统的必要性和意义。以数字图像处理为基础，研究指纹识别的原理和方法，重点分析基于神经网络指纹识别算法、滤波特征和不变矩指纹识别算法和指纹匹配算法，将matlab作为仿真工具，针对已有的三种指纹识别算法进行编程识别；并通过实验论证各种算法的优缺点。 关键字：指纹识别；算法；matlab仿真 目录 第一章绪论 (4) 1.1 引言 (4) 1.2指纹识别技术的发展和研究现状 (5) 1.3 指纹识别研究的目的和意义 (7) 1.4 本论文结构 (8) 第二章指纹识别的理论和方法 (9) 2.1指纹识别的基本原理 (9) 2.2指纹识别系统工作流程 (9) 2.3指纹识别技术的方法 (10) 2.3.1神经网络指纹识别算法 (10) 2.3.2 滤波特征和不变矩指纹识别算法 (11) 2.3.3指纹匹配算法 (13) 第三章matlab仿真实验结果与分析 (16) 3.1 算法matlab仿真结果 (16) 3.2 结果分析 (17) 第四章总结与展望 (18) 参考文献 (19) 附录 (20) 致谢............................................................................................ 错误！未定义书签。 matlab小波变换 Matlab 1. 离散傅立叶变换的 Matlab实现 Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。这些函数的调用格式如下： A＝fft(X,N,DIM) 其中，X 表示输入图像；N 表示采样间隔点，如果 X 小于该数值，那么Matlab 将会对 X 进行零填充，否则将进行截取，使之长度为 N ；DIM 表示要进行离散傅立叶变换。 A＝fft2(X,MROWS,NCOLS) 其中，MROWS 和 NCOLS 指定对 X 进行零填充后的 X 大小。别可以实现一维、二维和 N 维 DFT A＝fftn(X,SIZE) 其中，SIZE 是一个向量，它们每一个元素都将指定 X 相应维进行零填充后的长度。 函数 ifft、ifft2 和 ifftn的调用格式于对应的离散傅立叶变换函数一致。 别可以实现一维、二维和 N 维 DFT 例子：图像的二维傅立叶频谱 1. 离散傅立叶变换的 Matlab实现% 读入原始图像 I＝imread('lena.bmp');函数 fft、fft2 和 fftn 分 imshow(I) % 求离散傅立叶频谱 J=fftshift(fft2(I)); figure;别可以实现一维、二维和 N 维 DFT imshow(log(abs(J)),[8,10]) 2. 离散余弦变换的 Matlab 实现 Matlab 2.1. dct2 函数 功能：二维 DCT 变换 Matlab 格式：B=dct2(A) B=dct2(A,m,n) B=dct2(A,[m,n])函数 fft、fft2 和 fftn 分 说明：B＝dct2(A) 计算 A 的 DCT 变换 B ，A 与 B 的大小相同；B＝dct2(A,m,n) 和 B=dct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为 m×n。 2.2. dict2 函数 功能：DCT 反变换 格式：B=idct2(A) B=idct2(A,m,n)别可以实现一维、二维和 N 维 DFT B=idct2(A,[m,n]) 说明：B＝idct2(A) 计算 A 的 DCT 反变换 B ，A 与 B 的大小相同；B＝idct2(A,m,n) 和 B=idct2(A,[m,n]) 通过对 A 补 0 或剪裁，使 B 的大小为m×n。 Matlab 2.3. dctmtx函数 功能：计算 DCT 变换矩阵 格式：D＝dctmtx(n) 说明：D＝dctmtx(n) 返回一个n×n 的 DCT 变换矩阵，输出矩阵 D 为double 类型。 1. 离散傅立叶变换的 Matlab实现 3. 图像小波变换的 Matlab 实现函数 fft、fft2 和 fftn 分 3.1 一维小波变换的 Matlab 实现 (1) dwt 函数 Matlab 基于MATLAB的指纹识别系统设计 摘要 生物识别技术已经成为身份识别和网络安全的发展技术之一，其中指纹识别技术是目前公认的安全，准确，方便的身份认证技术之一，使之成为人们研究的热点。 本文主要设计一个基于matlab 的指纹识别系统。首先主要介绍了指纹识别技术研究的背景，意义，及现状。其次，实现了指纹识别系统，描述了指纹识别系统的基本结构，并且对指纹图像的预处理、特征提取、特征匹配这三个必要的环节的算法进行了详细地研究，在指纹图像预处理阶段，本文使用基于灰度的算法对图像进行了分割，同时，针对二值化后图像中仍存在的噪声，也进行了相应的修整处理，尽可能的为以后指纹特征的提取打好基础，从而成功地实现了对指纹数字图像的处理、特征提取、保存和匹配等功能。最后，对指纹识别系统进行了仿真，仿真结果表明该系统可以较好的进行识别，准确率达到了95.1%。 关键词：指纹识别；预处理；二值化；特征提取；特征匹配 Abstract Biometric technology has become one of the developing technologies for identity recognition and network security. And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers. This paper designs a matlab-based fingerprint recognition system. The first introduces the fingerprint recognition technology research background, significance, and the status quo. Secondly, to achieve fingerprint identification system, describes the basic structure of the fingerprint identification system, and the fingerprint image preprocessing, feature extraction, feature matching these three essential aspects of the algorithm is studied in detail in the fingerprint image pre-processing stage this article uses an algorithm based on gray image segmentation carried out at the same time, for the image after binarization noise still exists, but also for the corresponding trimming process, as much as possible for the future lay the foundation for fingerprint feature extraction and thus successfully achieved fingerprint digital image processing, feature extraction, storage and matching functions. Finally, the fingerprint identification system for simulation, simulation results show that the system can identify a better accuracy rate reached 95.1%. Key Words：Fingerprint Recognition；Processing；Binarization；Feature Extraction；Feature Matching 数字图像处理 报告名称：字母识别 学院：信息工程与自动化学院专业：物联网工程 学号：201310410149 学生姓名：廖成武 指导教师：王剑 日期：2015年12月28日 教务处制 目录 字母识别 1.---------------------测试图像预处理及连通区域提取 2.---------------------样本库的建立采集feature 3.---------------------选择算法输入测试图像进行测试 4.---------------------总结 字母识别 1.imgPreProcess（联通区域提取）目录下 conn.m：连通区域提取分割（在原图的基础上进行了膨胀、腐蚀、膨胀的操作使截取的图像更加接近字母） %%提取数字的边界，生成新的图 clear; clc; f=imread('5.jpg'); f=imadjust(f,[0 1],[1 0]); SE=strel('square',5); %%膨胀、腐蚀、膨胀 A2=imdilate(f,SE); SE=strel('disk',3) f=imerode(A2,SE) SE=strel('square',3); f=imdilate(f,SE); gray_level=graythresh(f); f=im2bw(f,gray_level); [l,n]=bwlabel(f,8) %%8连接的连接分量标注 imshow(f) hold on for k=1:n %%分割字符子句 [r,c]=find(l==k); rbar=mean(r); cbar=mean(c); plot(cbar,rbar,'Marker','o','MarkerEdgeColor','g','MarkerFaceColor',' y','MarkerSize',10); % plot(cbar,rbar,'Marker','*','MarkerEdgecolor','w'); row=max(r)-min(r) col=max(c)-min(c) for i=1:row for j=1:col seg(i,j)=1; end 指纹识别系统的简述 指纹识别提取的特征点有两个地方，一个是结束点和分叉点。而指纹的自动匹配就是取决于这些区域对比的特征以及关系来达到识别的目的。这些细节点比对的正确程度又很大的依赖于输入指纹的质量。所以提高输入指纹的图片质量成为了识别的基础。 指纹图像加强步骤 步骤简述 grey-level fingerprint image:用matlab计算出图片的平均值mean 以及方差varianc. orientation image：显示指纹图像的纹路方向 frequency image：显示指纹脊谷沿着该区域的指纹方向的频率 region mask：判断指纹是否可恢复，可修复的指纹图像才能进入滤波器步骤 Gabor filter:使图像平滑，消除原始图像噪点 上两周与导师在时间方面做了一次交流，对第一步标准化得灰值图在matlab上进行了试验。我们输入一个图像Image进去以后，通过matlab计算出它原始的平均值mean以及方差variance，分别记为M(I)和VAR(I),然后再输入我们的期望M以及期望VAR，将计算出M(I)和VAR(I)，期望M以及期望VAR带入公式得出一个期望的G(i,j),得到一个标准化得灰值图。 具体步骤的实施 1.标准化 用论文中的公式计算出期望的灰度值，公式中包含期望的均值和方差以及已计算出的图像本身的均值和方差，得到标准化后的灰度图像G。 2.方向性图像 图片会沿着指纹的方向显示出脊谷的方向，是一个指纹图像固有的特性。 1）将标准化后的图像G按块分。 2）计算每个像素中x与y方向上的梯度(利用Sobel Operator 索贝尔算子) 3）运用论文中所给等式估计出每块的区域的中心方向。（最小二乘估计） 4）由于噪点的存在，毁坏了指纹的脊谷结构和细节点，所以我们所估计的方向未必准确。又因为在没有单个点出现的区域以及邻域当中脊谷的方向变化不大，所以我们可以用低通滤波器去修改不正确的区域方向。为了得到这个滤波器我们可根据论文中等的公式将方向图像转化为一个连续的矢量场。 5）再计算一次正确的方向 3.脊谷的频率图像 MATLAB小波变换指令及其功能介绍 1 一维小波变换的 Matlab 实现 (1) dwt函数 功能：一维离散小波变换 格式：[cA,cD]=dwt(X,'wname') [cA,cD]=dwt(X,Lo_D,Hi_D)别可以实现一维、二维和 N 维DFT 说明：[cA,cD]=dwt(X,'wname') 使用指定的小波基函数 'wname' 对信号X 进行分解，cA、cD 分别为近似分量和细节分量； [cA,cD]=dwt(X,Lo_D,Hi_D) 使用指定的滤波器组 Lo_D、Hi_D 对信 号进行分解。 (2) idwt 函数 功能：一维离散小波反变换 格式：X=idwt(cA,cD,'wname') X=idwt(cA,cD,Lo_R,Hi_R) X=idwt(cA,cD,'wname',L)函数 fft、fft2 和 fftn 分 X=idwt(cA,cD,Lo_R,Hi_R,L) 说明：X=idwt(cA,cD,'wname') 由近似分量 cA 和细节分量 cD 经 小波反变换重构原始信号 X 。 'wname' 为所选的小波函数 X=idwt(cA,cD,Lo_R,Hi_R) 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。 X=idwt(cA,cD,'wname',L) 和 X=idwt(cA,cD,Lo_R,Hi_R,L) 指定返回信号 X 中心附近的 L 个点。 2 二维小波变换的 Matlab 实现 二维小波变换的函数别可以实现一维、二维和 N 维 DFT 函数名函数功能 --------------------------------------------------- dwt2 二维离散小波变换 wavedec2 二维信号的多层小波分解 idwt2 二维离散小波反变换 waverec2 二维信号的多层小波重构 wrcoef2 由多层小波分解重构某一层的分解信号 upcoef2 由多层小波分解重构近似分量或细节分量 detcoef2 提取二维信号小波分解的细节分量 appcoef2 提取二维信号小波分解的近似分量 upwlev2 二维小波分解的单层重构 dwtpet2 二维周期小波变换 idwtper2 二维周期小波反变换 ----------------------------------------------------------- (1) wcodemat 函数 功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分 格式：Y=wcodemat(X,NB,OPT,ABSOL) Y=wcodemat(X,NB,OPT) Y=wcodemat(X,NB) Y=wcodemat(X) 说明：Y=wcodemat(X,NB,OPT,ABSOL) 返回数据矩阵 X 的编码矩阵 Y ；NB 伪编码的最大值，即编码范围为 0～NB，缺省值 NB＝16； OPT 指定了编码的方式（缺省值为 'mat'），即：别可以实现 一维、二维和 N 维 DFT OPT＝'row' ，按行编码 OPT＝'col' ，按列编码 指纹识别技术研究 个人的指纹是独一无二的，两人之间不存在着相同的手指指纹。 每个人的指纹是相当固定的，不会随着人的年龄的增长或身体健康程度的变化而变化，但是人的声音等却存在较大变化的可能。 3)指纹样本便于获取，易于开发识别系统，实用性强。目前已有标准的指纹样本库，方便了识别系统的软件开发；另外，识别系统中完成指纹采样功能的硬件部分也较易实现。而对视网膜则难于采样，也无标准的视网膜样本库供系统软件开发使用，这就导致视网膜识别系统难以开发，可行性较低。 一个人的十指指纹皆不相同，这样可以方便地利用多个指纹构成多重口令，提高系统的安全性。 指纹识别中使用的模板并非最初的指纹图，而是由指纹图中提取的关键特征，这样使系统对模板库的存储量较小。另外，对输入的指纹图提取关键特征后，可以大大减少网络传输的负担，便于实现异地确认，支持计算机的网络功能。 近些年来，电子信息技术的飞速发展，特别是传感技术、电子信号处理技术、计算机数据管理技术、计算机网络技术的飞速发展，为指纹识别技术的成型提供了强大的硬件支持。与此同时，图形图像处理学、人工智能学、软件工程学等新兴学科的蓬勃发展也为指纹识别技术的进步提供了强有力的软件支持。指纹识别的发展中，也存在自身的不足，如指纹识别系统性能的测试和评估标准的确立、相关软件的标准化问题都是有待进一步解决的。指纹识别技术作为一项迅猛发展的新技术，有了软硬件等方面的强大保障，同时又有指纹识别自身的诸多优点，相信指纹识别技术一定会有更加美好的发展前景。 摘要：随着生物识别技术的不断发展，人们发现每个人的指纹具有唯一性和不变性。因此指纹识别技术逐步发展为一种新的身份识别方式，并且凭借其良好的安全可靠性，大有取代传统身份识别方式的趋势。 本文简要介绍了指纹识别的基本步骤，分别是指纹图像预处理、指纹特征提取、指纹匹配。在图像预处理中，依次介绍了规格化处理、图像增强、二值化处理和细化处理的方法。预处理后 3.基于matlab的人脸识别算法 3.1 问题描述 对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一幅 N*N 象素的图像可以视为长度为N2 的矢量，这样就认为这幅图像是位于N2 维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。因此，本次试题采用PCA算法并利用GUI实现。 对同一个体进行多项观察时，必定涉及多个随机变量X1，X2，…，Xp，它们都是的相关性, 一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。 任何一个度量指标的好坏除了可靠、真实之外，还必须能充分反映个体间的变异。如果有一项指标，不同个体的取值都大同小异，那么该指标不能用来区分不同的个体。由这一点来看，一项指标在个体间的变异越大越好。因此我们把“变异大”作为“好”的标准来寻求综合指标。3.1.1 主成分的一般定义 设有随机变量X1，X2，…，Xp，其样本均数记为，，…，，样本标准差记为S1，S2，…，Sp。首先作标准化变换，我们有如下的定义： (1) 若C1=a11x1+a12x2+ … +a1pxp，…，且使 Var(C1)最大，则称C1为第一主成分； (2) 若C2=a21x1+a22x2+…+a2pxp，…，(a21，a22，…，a2p)垂直于(a11，a12，…，a1p)，且使Var(C2)最大，则称C2为第二主成分； (3) 类似地，可有第三、四、五…主成分，至多有p个。 3.1.2 主成分的性质 主成分C1，C2，…，Cp具有如下几个性质： （1) 主成分间互不相关，即对任意i和j，Ci 和Cj的相关系数 Corr(Ci，Cj)=0 i j (2) 组合系数(ai1，ai2，…，aip)构成的向量为单位向量， (3) 各主成分的方差是依次递减的，即 Var(C1)≥Var(C2)≥…≥Var(Cp) 基于ＭATＬAB的人脸识别 ————————————————————————————————作者: ————————————————————————————————日期: 图像识别 题目:基于MＡTＬAB的人脸识别 院系:计算机科学与应用系 班级: 姓名： 学号： 日期： 设计题目基于MAＴLAＢ的人脸识别设 计技术参数 测试数据库图片10张训练数据库图片20张图片大小１02４×7６8 特征向量提取阈值 1 设计要求综合运用本课程的理论知识,并利用MAＴＬAB作为工具实现对人脸图片的预处理,运用ＰCA算法进行人脸特征提取，进而进行人脸匹配识别。 工作量 两周的课程设计时间，完成一份课程设计报告书，包括设计的任务书、基本原理、设计思路与设计的基本思想、设计体会以及相关的程序代码； 熟练掌握Maｔlab的使用。 工作计划第1-2天按要求查阅相关资料文献,确定人脸识别的总体设计思路； 第３-4天分析设计题目，理解人脸识别的原理同时寻求相关的实现算法；第５-８天编写程序代码，创建图片数据库,运用ＰCＡ算法进行特征提取并编写特征脸，上机进行调试； 第9-12天编写人脸识别程序,实现总体功能； 第13-1４天整理思路,书写课程设计报告书。 参考资料1 黄文梅，熊佳林,杨勇编著．信号分析与处理——MATAＬB语言及应用.国防科技大学出版社，2000 2 钱同惠编著.数字信号处理.北京:机械工业出版社，２004 3 姚天任,江太辉编著.数字信号处理．第2版.武汉:武汉理工大学出版社,200０ 4 谢平，林洪彬，王娜.信号处理原理及应用．机械工业出版社，２00４ 5刘敏，魏玲.Mａｔｌａb.通信仿真与应用.国防工业出版社，20０5 6 楼顺天.基于Ｍatlab7．x 的系统分析与设计.西安电子科技大学,200２ 7孙洪.数字信号处理.电子工业出版社，２001 目录 引言?错误!未定义书签。 1 人脸识别技术?错误!未定义书签。 1.1人脸识别的研究内容?错误!未定义书签。 1.1.1人脸检测(Faｃe Dｅｔection）........... 错误!未定义书签。 1 绪论 1.1概述 小波分析是近15年来发展起来的一种新的时频分析方法。其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。 从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。 在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，这对于某些应用来说是很恰当的，因为信号的频率的信息对其是非常重要的。但其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。其中短时傅立叶变换是在傅立叶分析基础上引入时域信息的最初尝试，其基本假定在于在一定的时间窗内信号是平稳的，那么通过分割时间窗，在每个时间窗内把信号展开到频域就可以获得局部的频域信息，但是它的时域区分度只能依赖于大小不变的时间窗，对某些瞬态信号来说还是粒度太大。换言之，短时傅立叶分析只能在一个分辨率上进行。所以对很多应用来说不够精确，存在很大的缺陷。 而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分（信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。 全文介绍了小波变换的基本理论，并介绍了一些常用的小波函数，它们的主要性质包括紧支集长度、滤波器长度、对称性、消失矩等，都做了简要的说明。在不同的应用场合，各个小波函数各有利弊。 小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。文中给出了详细的程序范例，用MATLAB实现了基于小波变换的图像处理。 第24卷 第1期计 算 机 仿 真2007年1月 文章编号:1006-9348(2007)01-0182-04 基于M a tl ab实现的指纹图像细节特征提取 郭晶莹,吴晴,商庆瑞 (北京工业大学,北京100022) 摘要:指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配。介绍了一套基于Matlab实现的指纹细节 特征提取方法,并给出了去伪算法。指纹特征提取是从细化后的指纹图中得到细节特征点(即端点和分叉点),此特征点含 有大量的伪特征,既耗时又影响匹配精度。采用了边缘去伪和距离去伪,使得特征点去伪前后减小了近1/3,然后提取可靠 特征点信息,以便实现指纹匹配。实验证明,用Matlab实现的这种方法,既简单快速,而且具有较高的准确率。 关键词:指纹识别;细节点;特征提取;伪特征点 中图分类号:TP391.4 文献标识码:A M i n uti a e Extracti on of F i n gerpr i n t I mage Ba sed on M a tl ab G UO J ing-ying,WU Q ing,SHANG Q ing-rui (Beijing University of Technol ogy,Beijing100022,China) ABSTRACT:M inutiae extracti on is essential in finger p rint recogniti on,and finger p rintmatch is used t o search m inu2 tiae.This paper intr oduces a set of algorith m s for extracting m inutiae fr om finger p rint i m age based on Matlab.M inuti2 aes(end m inutia and bifurcati on m inutia)are extracted fr om thinned finger p rint i m age and they have a l ot of false m i2 nutiaes.They are not only ti m e-consu m ing,but als o affectmatching p recisi on.Most false m inutiae are eli m inated by a method using edge-deleting and distance-threshold in this paper.Reliable m inutiaes are extracted in order t o a2 chieve finger p rint match.The experi m ental results show that this algorith m of matlab is si m p le,quick and accurate. KE YWO RD S:Finger p rint recogniti on;M inutia;M inutiae extracti on;False m inutiae 1 引言 指纹识别技术是一种应用前景非常乐观的生物识别技术,国内外很多机构都在进行相关研究,尽管目前已有多种商用自动指纹识别系统在市场上销售,这些产品都宣称有极好的性能[1],但由于技术的保密性、现有算法的缺陷性以及追求产品的完美实用性,使得指纹识别算法的研究仍然是当前国内外研究的热点之一。在指纹自动识别系统中,必须对指纹进行特征提取,然后根据特征及其相互之间的位置与拓扑关系在指纹库中进行匹配,从而检索到有关信息。指纹的特征是指纹脊线的某种构型,如端点、分叉点等。 本文介绍了一套基于Matlab实现的指纹细节特征提取及其后处理算法。本文的算法都是通过MAT LAB仿真而验证的,以Matlab作为指纹图像识别算法仿真的平台,既有较高的准确率,而且可以大大减小仿真的难度。 2 指纹识别系统的工作原理 指纹识别流程如图1。 活体指纹通过指纹采集装置采集到系统中,形成指纹数据图像。采入的指纹图像一般存在大量无用信息和干扰信息(噪声),预处理就是要把这些信息尽量去除掉,使图像更清晰,以便提取正确的指纹特征从而达到正确匹配。预处理过程主要包括指纹图像的滤波增强、二值化、细化等,最后输出纹线宽度只有一个像素的细化二值指纹图像。并在此基础上,进行指纹特征信息的提取,得到该枚指纹的特征集(特征点的坐标、方向、数量等信息),然后用该枚指纹的特征集与已登记的指纹特征集进行匹配,最后显示识别结果。 3 M AT LAB语言简介 MAT LAB语言是一种优秀的计算机语言,具有数学运算能力是它的突出优点之一。许多在C语言中或者其它高级语言中很复杂的编程问题在MAT LAB语言编程中只需要一条专用指令就可以完成。MAT LAB语言的所有计算都基于矩阵运算来完成,所以,MAT LAB中的所有变量都定义为矩阵,所有的运算都是关于矩阵的运算。它是一种解释型语言,几乎没有格式上的限制。为了缩短算法的开发周期,运用MAT LAB语言描述简单和图形显示功能比较强大的特点,以它作为指纹图像识别算法仿真的平台。 收稿日期:2005-11-04 修回日期:2005-11-07 目录 第一章绪论 (2) 1.1 研究背景 (2) 1.2 人脸图像识别的应用前景 (3) 1.3 本文研究的问题 (4) 1.4 识别系统构成 (4) 1.5 论文的内容及组织 (5) 第二章图像处理的Matlab实现 (6) 2.1 Matlab简介 (6) 2.2 数字图像处理及过程 (6) 2.2.1图像处理的基本操作 (6) 2.2.2图像类型的转换 (7) 2.2.3图像增强 (7) 2.2.4边缘检测 (8) 2.3图像处理功能的Matlab实现实例 (8) 2.4 本章小结 (11) 第三章人脸图像识别计算机系统 (11) 3.1 引言 (11) 3.2系统基本机构 (12) 3.3 人脸检测定位算法 (13) 3.4 人脸图像的预处理 (18) 3.4.1 仿真系统中实现的人脸图像预处理方法 (19) 第四章基于直方图的人脸识别实现 (21) 4.1识别理论 (21) 4.2 人脸识别的matlab实现 (21) 4.3 本章小结 (22) 第五章总结 (22) 致谢 (23) 参考文献 (24) 附录 (25) 第一章绪论 本章提出了本文的研究背景及应用前景。首先阐述了人脸图像识别意义；然后介绍了人脸图像识别研究中存在的问题；接着介绍了自动人脸识别系统的一般框架构成；最后简要地介绍了本文的主要工作和章节结构。 1.1 研究背景 自70年代以来.随着人工智能技术的兴起.以及人类视觉研究的进展.人们逐渐对人脸图像的机器识别投入很大的热情，并形成了一个人脸图像识别研究领域，.这一领域除了它的重大理论价值外，也极具实用价值。 在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。人脸图像的机器识别研究就是在这种背景下兴起的，因为人们发现许多对于人类而言可以轻易做到的事情，而让机器来实现却很难，如人脸图像的识别，语音识别，自然语言理解等。如果能够开发出具有像人类一样的机器识别机制，就能够逐步地了解人类是如何存储信息，并进行处理的，从而最终了解人类的思维机制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。现在己有实用的计算机自动指纹识别系统面世，并在安检等部门得到应用，但还没有通用成熟的人脸自动识别系统出现。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人， MATLAB 小波变换指令及其功能介绍 1 一维小波变换的 Matlab 实现 (1 dwt函数 功能：一维离散小波变换 格式：[cA,cD]=dwt(X,'wname' [cA,cD]=dwt(X,Lo_D,Hi_D别可以实现一维、二维和 N 维 DFT 说明：[cA,cD]=dwt(X,'wname' 使用指定的小波基函数 'wname' 对信号X 进行分解，cA 、cD 分别为近似分量和细节分量； [cA,cD]=dwt(X,Lo_D,Hi_D 使用指定的滤波器组 Lo_D、Hi_D 对信号进行分解。 (2 idwt 函数 功能：一维离散小波反变换 格式：X=idwt(cA,cD,'wname' X=idwt(cA,cD,Lo_R,Hi_R X=idwt(cA,cD,'wname',L函数 fft、fft2 和 fftn 分 X=idwt(cA,cD,Lo_R,Hi_R,L 说明：X=idwt(cA,cD,'wname' 由近似分量 cA 和细节分量 cD 经小波反变换重构原始信号 X 。 'wname' 为所选的小波函数 X=idwt(cA,cD,Lo_R,Hi_R 用指定的重构滤波器 Lo_R 和 Hi_R 经小波反变换重构原始信号 X 。 X=idwt(cA,cD,'wname',L 和 X=idwt(cA,cD,Lo_R,Hi_R,L 指定返回信号 X 中心附近的 L 个点。 2 二维小波变换的 Matlab 实现 二维小波变换的函数别可以实现一维、二维和 N 维 DFT 函数名函数功能 --------------------------------------------------- dwt2 二维离散小波变换 wavedec2 二维信号的多层小波分解 idwt2 二维离散小波反变换 waverec2 二维信号的多层小波重构 wrcoef2 由多层小波分解重构某一层的分解信号 upcoef2 由多层小波分解重构近似分量或细节分量 detcoef2 提取二维信号小波分解的细节分量 appcoef2 提取二维信号小波分解的近似分量 upwlev2 二维小波分解的单层重构 dwtpet2 二维周期小波变换 idwtper2 二维周期小波反变换 ----------------------------------------------------------- (1 wcodemat 函数 功能：对数据矩阵进行伪彩色编码函数 fft、fft2 和 fftn 分格式： Y=wcodemat(X,NB,OPT,ABSOL Y=wcodemat(X,NB,OPT Y=wcodemat(X,NB 重庆工商大学 毕业论文(设计)开题报告计算机科学与信息工程学院(系)测控技术与仪器专业(本科)2006级1班课题名称：基于MATLAB的指纹图像预处理系统设计 毕业论文(设计)起止时间： XX年XX月XX日～XX月XX日(共XX周) 学生姓名：XX学号：XX 指导教师：XX 报告日期： XX学毕业论文(设计)开题报告3－1 1．本课题所涉及的问题在国内(外)的研究现状综述 1、指纹识别及其优点。人手的指纹即为手指皮肤上的花纹,它是人的一种生物特征。该特征具有独特的性质,其花纹的细节由细微纹点和纹脊的起点、终点、分叉、结合等组成。正是这些无穷无尽的细节特征组合构成了指纹 的唯一性。事实上,甚至包括双胞胎,世界上两个指纹相同的几率<1/ 9 10,几乎为零,这就构成了指纹的第一大特 点。指纹特征的另外几大特点是:不变性——即指纹的图案永远不会改变;与主体永不分离性——即指纹不存在丢失、遗忘、被窃取的可能;指纹的使用比起其它证卡来说更快捷、安全、准确、无干扰,可实现快速登录注册,系统兼容性好,也就是说可以独立或者通过联网构成系统且很容易并入各类证卡和定义识别系统中。因此,指纹识别技术的应用范围极广(除化学家和矿工外均能鉴定)。 2、指纹自动识别系统的发展现状。指纹自动识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库技术等于一体的综合高技术。目前的指纹自动识别系统是采用先进的光电识别办法采集一个指纹信息,并把它变成可以和已由计算机处理过的暗码相比对的代码。这些代码都经过加密处理,然后经独特的相关算法进行识别判断,在算法上有的采用是一个指纹的全部图案,而有的是指纹的特殊细节。 目前的自动指纹识别系统已具有如下特点:(1)可靠性:采用独特的容错技术,既使指纹有破坏,即指纹不全或指纹随时间有自然的变化时也不影响正确识别。(2)快捷性:大多数系统鉴别时间仅需1～3s,登录注册一个新客户只需1m in的时间。(3)灵活性:一个指纹信息的代码可以压缩到几十个字节到几百个字节,因此可以存放在一个磁条上或者一张两维条码卡上或者IC卡上,甚至几个指纹代码可以存在一张智能卡上。当然,成千上万的代码可以存放在局域或网络化数据库中,这样,代码可以沿网络迅速传输,因而可以灵活的构成各类系统,即可以独立使用或集成到一个大范围的出入口控制或者安全处理系统如证卡存档识别系统中。(4)可接受性:一个因素是目前的系统具有高性能;另一个因素是目前的系统设计已考虑到人类工程学设计,因而易被用户接受。(5)安全性:所有个人代码都经过了特殊加密,通过所存储的代码不可能复原原指纹,彻底避免了指纹的冒用,因此既使证卡丢失,也不存在安全问题。(6)方便性:目前出现的各类指纹识别系统一般外观设计精巧、结实,采用了精密独特的光电系统,具有LD或全程液晶提示,备有多种安装模式。(7)兼容性:可以与现有的各类系统兼容,可实现全自动化的识别。(8)实时性:可实现完整的跟踪、实时报警功能。正是由于目前已经开发出了具有如上特点的指纹识别技术,因此以此为基础的个人识别技术,即证卡、代码、指纹的综合动态模式组合,将可以对不同的应用场所提供不同的安全等级。 3、市场前景。自动指纹识别系统有着极其广阔的应用前景。众所周知,指纹识别最早是在罪犯鉴别中应用,它对于提高侦破手段、震慑罪犯、打击刑事犯罪成为强有力的武器并起到了重要作用。根据目前的了解,A F IS的其它适用场所为:政府各类机要部门(例如档案馆(室)、机要室)、国家重点实验室及生产重地、机场、军事要地(例如基地、仓库)、重要军事装备或关键设备的启动控制、银行金库、金融系统、代保管库、博物馆、珍宝馆、高级住宅、高级宾馆等重要门禁或入口控制、汽车门锁等。除此之外,另一大潜在应用前景是:自动取款机(A TM)、信用卡、驾驶执照、身份证、医疗健康卡、移民登记、计算机系统安全、机械登记等方面。1、指纹锁，指纹锁可以装在门里、车内、保险箱柜的内部,外面无锁眼,从而避免了撬锁,可广泛用于金库、保安、银行、出纳、自动门、百叶门、保险柜、电控装置等门禁系统中。2，指纹卡，国际上偷盗使用卡和利用信用卡进行诈骗犯罪活动越来越猖獗,仅1995年英国因此损失8千万英镑,法国损失3100万英镑,目前我国信用卡用户已达2～3千万,利用信用卡犯罪我国也在呈不断上升趋势。我国政府打算用10年左右的时间,在全国400多个城市的3亿人中推广信用卡,预计发行量将达到2亿张。目前我国IC卡年产量已达6千万张,生产能力已达1亿张,全世界到2000年IC卡的总需求超过38亿张,我国需求量为年均2千万张。目前,国内各种磁卡、IC卡系统已十分普遍。例如:大庆市1996年已拥有医疗保险IC卡80万张,全国联网的200电话磁卡已有上百万用户。由于指纹识别技术的诸多优点,可以预料,一方面指纹卡将会在一切需要验证身份的场所发挥越来越重要的作用,其应用领域将会进一步拓宽;另一方面,由于市场的推动,指纹识别技术也会不断提高,在其识别可靠性、速度、成本等方面进一步朝实用化迈进。我们期待着指纹识别这一高技术在人们的生活中起到应有的越来越重要的作用。基于matlab的图像识别与匹配
Matlab小波变换函数
基于matlab指纹识别论文详解
matlab小波变换
基于MATLAB的指纹识别系统设计
基于MATLAB的图像处理字母识别
Matlab在指纹识别系统中的应用
MATLAB小波变换指令及其功能介绍(超级有用)解读
Matlab指纹识别
基于matlab的人脸识别算法(PCA)
基于MATLAB的人脸识别
用matlab小波分析的实例
(Printed)基于Matlab实现的指纹图像细节特征提取
基于matlab数字图像处理与识别系统含程序
MATLAB小波变换指令及其功能介绍(超级有用).
基于MATLAB的指纹识别系统(开题报告)