指纹的特征提取与识别

指纹的特征提取与识别

摘要

随着社会的发展，计算机技术的进步，人们对身份认证技术提出了更高的要求。传统的身份认证方法存在的种种弊端让人们将目光投向了生物特征识别这个崭新的领域。而指纹识别技术凭借其独有的优势在众多生物特征识别技术中脱颖而出，得到了广泛的关注和应用。现今，自动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别和鉴定的领域。因此，进行指纹识别技术方面的研究，具有较高的现实意义和理论意义。

本文综合运用图像处理和模式识别的技术，对自动指纹识别系统的若干问题进行了探讨和研究，实现了指纹图像的预处理、特征提取和指纹匹配等算法，并在指纹分割、指纹增强这两个方面进行了改进和创新。

关键词:指纹识别，指纹分割，指纹增强，特征点提取，指纹匹配

第1章绪论

1.1 指纹识别系统的结构

本文主要是对指纹识别系统中图像处理方面的相关算法进行研究，本文的指纹识别系统的基本框架如图1-1所示。

图1-1指纹识别系统的基本结构

1.1.1指纹的预处理

由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。本文预处理过程主要步骤如下:

图1-2指纹预处理的基本结构

指纹分割是把指纹的背景区域从图像中分离出去，减少对指纹图像进行处理时的计算量;指纹增强的目的是对输入的噪音较多的灰度图像进行滤波，去除图像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像;二值化就是把灰度指纹图像变成0-1取值的二值图像，这样就使图像的灰度层次由原来的256级(8-bits)降为2级(1-bits)，从而大大减少了需要存储和处理的数据量。由于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理速度和识别精度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是进行图像的细化。细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。细化时应保持纹线的连接性、方向性以及特征点位置不变，还应保持纹线的中心基本不变。

1.1.2特征提取

由于指纹通常是用按压的方式得到的，按压位置和方向的不同、手指的状况以及皮肤的形变等都会导致指纹图像不理想。因此，采集到的指纹灰度图像不宜直接用来匹配，

有必要对其做进一步的处理，再提取出其特征来进行匹配。

1.1.3 指纹图像的匹配

两枚指纹经常会具有相同的总体特征，但它们的局部特征却不可能完全相同。在只考虑局部特征的情况下，英国学者E. R. Henry认为，只要比对13个特征点重合，就可以确认为这两枚指纹来自于同一个手指。这种利用指纹的局部特征来进行匹配的方法，因为指纹的端点和分叉点较稳定，并且容易检测，因此在实际的指纹图像匹配过程中获得了广泛的应用。而对特征点进行匹配，这就变成了点模式匹配的问题。

在一对一模式下，特征匹配是将实时在线提取的用户指纹数据同系统数据库中的数据模板进行比较，对其判断是否属于同一指纹。在一对多模式下，由于用户的特征模板未确定，还需进行数据库的查询比较。对于身份识别系统来说，由于需要在大量数据中寻找匹配，因此速度将是一个值得考虑的因素。

第2章指纹图像预处理

由于各种原因的影响，指纹取像设备所获得的原始指纹图像是一幅含有较多噪声的灰度图像，对指纹图像进行预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，去除指纹的断裂和叉连，并将原始指纹图变成一幅清晰的点线图，以便于下一步进行特征提取。本文的预处理过程主要包括指纹分割、指纹增强、二值化、细化四个步骤，其流程图如图1-2所示。

2.1指纹图像的规格化

指纹规格化(Fingerprint Normalization)是对指纹灰度图的灰度均值和方差做一次调整操作，使不论什么设备采集到的指纹图像都可以有预期的均值和方差，从而屏蔽不同采集设备的差异。指纹规格化并不会改变指纹的质量，它只是为指纹处理后续的操作创造一个统一、良好的开端。

指纹规格化的算法:

如果指纹原图为S(i,j), N(i,j)为规格化后的指纹图，指纹图像的宽为w，高为h，那么我们可以定义整个指纹图像的均值Mean(i,j)和方差Var(i,j)如下:

(2.1)

(2.2)

由此我们可以计算出N(i,j)，其中的M0和Var0分别为我们所期望的均值和方差，这两个值可以根据经验值来选取。

(2.3)

(2.4)

2.2 指纹图像的分割

图像分割是从一幅图像中按一定规则将一些物体或区域加以分离，划分出我们感兴趣的部分或区域。经过分割后的图像更容易进行进一步的分类、分析和识别处理。

其步骤如下:

1、把指纹图像分成WxW大小的块(一般为16X16);

2、对指纹的块求方差V

(2.12)

(2.13)

设定阈值T，若V>T，则该块作为前景留下，并把该块整块标示为一个存在矩阵A 中;若V

3、以为结构元素对二值矩阵A作闭运算，得到矩阵B;

4、以为结构元素对B作开运算，得到矩阵C，矩阵C为一个二值矩阵，矩阵元素为I 的，对应的该块就作为前景留下，矩阵元素为0的，对应的块就作为背景去除。

由于采集到的指纹图像不可避免的有污渍等，而有污渍的这些块，其方差也就会较大，用阈值来分割时就会被错误的当成前景，而真正属于前景的有些块，由于采集的质量等原因，却有可能被错误的当成背景予以去除，所以上述算法的第三步，在指纹块的基础上，作闭运算，以去除指纹前景中被误当成背景的块，此时，再作开运算，就能很好的去除被误当成前景的背景块，从而分割出我们需要的指纹前景区域。

2.3 指纹增强

指纹增强在指纹识别中是非常重要的一个环节，指纹增强的效果直接影响到指纹特

征的提取、指纹匹配等各个环节。

我们可以对指纹的不同区域采用不同的滤波方法。对指纹变化比较缓慢的一般区域可以选择一个平滑能力较强的低通滤波器来平滑，这样保证了对噪声干扰比较强的低质量指纹也能够有效的平滑。

2.4 指纹二值化

二值化的目的是把灰度指纹图像变成0-1取值的二值图。在数字图像处理中，二值图占有非常重要的地位，特别是在实用的图像处理系统中，以二值图处理为核心构成的系统是很多的。对图像进行二值化处理的好处是:在经过二值化处理后，再对图像作进一步处理时，图像变成只与0和1有关了，不再涉及到像素的灰度值，使处理变得简单，而且数据量也得到了很大的压缩量，这给存储和处理都带来了很大的方便，同时也提高了系统的经济实用性。

图像的二值化的具体办法是:通过设定阈值(Threshold)，把灰度图像变换成仅用两个值来分别表示图像目标和图像背景的二值图，其中目标取值为1，背景取值为0。图像二值化可根据下列的阈值(Threshold)处理来进行:

g(i，j)=1，当f(i，J)>threshold时 (2.27)

g(i，j)=0，当f(i，J)threshold时 (2.28)

块的大小不同，其二值化处理结果也不同，本文试验了4x4, 8x8, 16x16,32x32大小的划分块的方案，发现采用16x16的取块大小的局部阈值二值化方法取得的效果最佳。

2.5 细化

指纹图像二值化后，纹线仍具有一定的宽度，而指纹识别只需在指纹的点线结构上提取特征点来匹配，故在二值化之后，细化就是必不可少的。指纹图像细化后可以得到一个像素宽度的纹线，这样就可以简化并改善后续的指纹特征提取工作，并且进一步压缩了数据量，有利于指纹数据的存储和提高指纹匹配的速度。

细化的目的是:删除指纹纹线的边缘像素，使之只有一个像素宽度。一个好的指纹细化算法必须满足收敛性、连接性、拓扑性、保持性、细化性、中轴性、快速性的要求。

Matlab中有直接用来细化的函数，因此我们可以直接采用。

第3章指纹特征点的提取

3.1指纹特征概述

特征提取(feature extraction)就是对指纹图像提取表示其特征的信息。我们前面所叙述的指纹图像预处理目的就是为指纹的特征提取和最终识别建立一个良好的基础，以保证整个系统有较高的性能。

3.2细节特征提取算法

细节特征提取的方法分为两种：一种是从灰度图像中提取特征，另一种是从细化二值图像中提取特征。直接从灰度图像中提取特征的算法一般是对灰度指纹纹线进行跟踪，根据跟踪结果寻找特征的位置和判断特征的类型。这种方法省去了复杂的指纹图像预处理过程，但是特征提取的算法却十分复杂，而且由于噪声等因素影响，特征信息(位置、方向等)也不够准确。目前大多数系统采用第二种方法，从细化二值图像中提取特征，该方法比较简单，在得到可靠的细化二值图像后，只需要一个3×3的模板就可以将端点和分叉点提取出来。

特征点提取的好坏将直接影响匹配的结果。现实中，指纹输入时，由于汗渍、干燥、按压力度不同等影响，得到的指纹图像大都含有断纹、褶皱、模糊、灰度不均匀等质量问题，虽然经过预处理，图像质量会有所改观，但预处理算法对各个指纹的适应性和有效性也会不同，并且会引入新的噪声，因此得到的细化二值图像往往含有大量的伪特征点。伪特征点不仅会影响匹配的速度，严重的会影响整个识别的正确率。所以提取特征点后要进行去伪处理，尽可能滤除伪特征点、保留真特征点。实践中发现，伪特征点的数量一般占总特征数量的一半以上，所以去伪是必不可少的过程。去伪过程可以在两个阶段进行：一是在特征提取之前对细化二值图像进行平滑、去除毛刺、连接断纹等操作，然后提取特征作为真特征；另一种是在特征提取之后，根据特征之间的相互关系，尽可能准确的识别伪特征点并滤除它们。前者直接对图像进行修补，操作比较复杂，容易引入新的伪特征；后者对特征提取后的数据进行判断，识别比较麻烦，但是速度较快。

本文采用第二种方法，即从已提取的特征点中滤除伪特征，保留真特征。

3.3指纹图像的细化后处理

为便于算法描述，这里定义一个八邻域模型，如图2所示。即以当前点为中心，与紧邻中心点的八个点组成一个3×3的模板，各邻点与中心点的位置关系组成八邻域模型，P 代表当前中心点，P0—P7分别代表中心点8个方向上的相邻点，黑点取值0，白点取值

1。

图2 八领域模型

由于指纹特征提取是从细化指纹图中得到特征点，在特征提取之前，需把指纹细化二值图像做进一步处理，使之真正达到一个像素的宽度，即在不破坏纹线连续性的前提下，将锯齿直角转折处的点去掉。本文采用模板匹配法，标准模板如图3所示。细化后处理主要算法描述：

if(P==0)

if(p2==0＆pO==0)I(p2==0＆p4：=0)I(p6==0＆p4==0)I(pO==0＆p6==0) P=1;

Else P=0；

end

end

3．3 特征点的提取

端点和分叉点(如图3-1)是指纹细化图像的主要特征，本文采用这两种主要特征构造指纹特征向量，它的提取方法是模板匹配法。模板匹配法有运算量小、速度快的优点。在八邻域的所有状态中，满足端点特征条件的有8种，细节特征提取是指纹识别中相当重要的一步，细节特征提取的质量直接影响到指纹匹配的准确性。

图3-1指纹细节点:端点和分叉点

e=p0+p1+p2+p3+p4+p5+p6+p7;

if(e==7|e==5)

t=t+1;

x(t)=i;y(t)=j;

type(i,j)=1;

else type(i,j)=0;

end

end

end

3.4指纹特征的去伪

指纹特征去伪操作主要是将不符合指纹特征的特征滤除掉。为特征有以下特点：大部分处于图像边缘，在图像内部的为特征点距离较近，两个或多个伪特征同时存在于较小的区域内。本文根据这些特点提出了两种去伪方法：首先对于图像边缘的点，采用指纹图像切割的方法，及对边缘点直接切除掉;然后利用距离阈值法去除距离较近的特征点。

主要算法描述如下：

for i=1:t-1

for j=i+1:t

d=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);

if (d<2) type(i,j)=0; end

end

end

第4章指纹匹配

4.1指纹匹配概述

指纹匹配是通过对两枚指纹的比较来确定它们是否同源的过程，即两枚指纹是否来源于同一个手指。传统的指纹匹配有两种方式:一是基于纹理信息的匹配模式，通过纹理特征模型将图像匹配转化成模式识别的纹理匹配问题;二是基于点模式匹配，当前所采用的指纹匹配算法大多采用点模式匹配的方法，这也是本文将要采用的方法。这种方法利用指纹脊线的端点和分叉点来鉴定指纹。通过细节点表示为点模式，一个自动指纹识别问题就转化为点模式的匹配问题。

但是同一个手指的两幅样本图像，由于按压时手指位置、方向和力度的不同，可能造成指纹图像的平移、旋转和非线性形变。如何在这些情况下对指纹进行正确识别，是匹配算法需要解决的核心问题。

本文采用的匹配算法为:对于提取到的特征点，和模板图像中的特征点进行比较，取他们之间相差绝对值最小值的图像为匹配图像。

第5章实验结果及分析

本文采用的算法都是采用Matlab语言在matlab7.0的平台上实现的。

5. 1指纹预处理的实验结果及分析

指纹预处理是指纹识别的一个重要环节，对指纹图像进行预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，去除指纹的断裂和叉连;并将指纹图像变成一幅清晰的点线图。指纹预处理的效果直接影响到指纹特征的提取和指纹的匹配。

本文提出的基于方差和数学形态学的指纹分割算法能很好的区分指纹的前景和背景;在本文提出的基于区域的方向图后处理算法得到的指纹方向图的基础上，我们能够得到很好的指纹增强效果，从图中可见，指纹的许多断点和叉连被去除了。在此基础上，我们就能得到效果较好的指纹二值化图和细化图.

(a) (b) (c) (d)

(e) (f) (g)

图5-1指纹预处理

(a)指纹原图(b)阈值化后的图;(c)指纹分割;(d)规格化后的图;(e)指纹增强;(f)指纹二值化;(g)指纹细化;

5. 2指纹特征提取实验结果及分析

经过预处理环节，指纹图像变成了一副点线图，我们便可以在这个点线图上提取匹配需要的指纹特征点:端点和分叉点。由于伪特征点的存在，我们还必须对提取到的特

征点进行后处理，去除假的特征点。指纹特征提取效果如图5-2所示。从图中可知，经过后处理后特征点还是有误差，可能是因为图像预处理时含有太多的噪声导致的。

图5-2指纹特征后处理

5.3 指纹匹配实验结果及分析

随着匹配条件的严格(作为阈值的匹配的特征点数增多)，误识率是越来越低，但拒识率却越来越高;相对的，当匹配条件放松，拒识率是降低了，但误识率却升高了。

在自动指纹识别系统的不同应用场合中，对指纹识别性能要求是有很大的不同的，在军事方面的应用中，因为涉及高度的保密性的问题，要求误识率要尽量低，这就要求我们采用严格的匹配条件;而在一些日常的应用中，如指纹考勤机等，过高的拒识率就会给用户的使用带来很大的不便，这时就要求我们采用相对宽松的匹配条件;所以，在具体的指纹应用系统中，匹配特征点数阈值的选取是有较大的不同的。

参考文献

[1]王科俊.自动指纹识别系统的研究与设计[D].哈尔滨工程大学硕士研究生论文，2003.

[2]金升平，陈定方.指纹细节匹配的遗传算法仁[J].交通与计算机，2002, 20(2):30-32.

[3]章毓晋.图像工程[M].北京:清华大学出版社，2000.

[4]韩伟红，黄子中，王志英.指纹自动识别系统中的预处理技术[J].计算机研究发展，1997, 34(12):914-920.

[5]黄贤武，苏鹏程，柏培权.基于方向滤波分割的指纹自动识别系统算法[J].中国图象图形学报.2002, 7(8): 829-834.

[6]黄贤武，王加俊，仲兴荣.指纹识别的预处理组合算法[J].计算机应用.2002.

[7]赵荣椿，数字图像处理导论[M].西北工业大学出版社，1995.

[8]徐建华.图像处理与分析[M].北京:北京科学出版社，1992.

[9]冯星奎，李林艳，颜祖泉.一种新的指纹图象细化算法[J].中国图象图形学报,1999, 400:835-838.

语音信号特征的提取

语音信号特征的提取 摘要 随着计算机技术的发展，语音交互已经成为人机交互的必要手段,语音特征参数的精确度直接影响着语音合成的音质和语音识别的准确率。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 本文采用Matlab软件提取语音信号特征参数，首先对语音信号进行数字化处理，其次，进行预处理，包括预加重、加窗和分帧，本文讨论了预处理中各种参数的选择，以使信号特征提取更加准确。第三，讨论了各种时域特征参数的算法，包括短时能量、短时过零率等。 关键词：语音信号, 特征参数, 提取, Matlab 目录 第一章绪论 1.1语音信号特征提取概况 1.1.1研究意义 语音处理技术广泛应用于语音通信系统、声控电话交换、数据查询、计算机控制、工业控制等领域，带有语音功能的计算机也将很快成为大众化产品，语音将可能取代键盘和鼠标成为计算机的主要输入手段，为用户界面带来一次飞跃。 语音信号特征的提取是语音信号处理的前提和基础，只有分析出可表示语音信号本质特征的参数，才有可能利用这些参数进行高效的语音通信和准确的语音识别，才能建立语音合成的语音库。因此语音信号参数提取是语音信号处理研究中一项非常有意义的工作。 1.1.2 发展现状 语音信号处理是一门综合性的学科，包括计算机科学、语音学、语言学、声学和数学等诸多领域的内容。它的发展过程中，有过两次飞跃。第一次飞跃是1907年电子管的发明和1920年无线电广播的出现，电子管放大器使很微弱的声

音也可以放大和定量测量，从而使电声学和语言声学的一些研究成果扩展到通信和广播部门；第二次飞跃是在20世纪70年代初，电子计算机和数字信号处理的发展使声音信号特别是语音信号，可以通过模数转换器（A/D）采样和量化转换为数字信号，这样就可以用数字计算方法对语音信号进行处理和加工，提高了语音信号处理的准确性和高效性。 语音信号处理在现代信息科学中的地位举足轻重，但它仍有些基础的理论问题和技术问题有待解决，这些难题如听觉器官的物理模型和数学表示及语音增强的技术理论等，目前还有待发展。 1.2 本课题研究内容 本文主要介绍语音信号处理的理论及Matlab的相关内容，然后从Matlab仿真角度验证了录音、预处理、提取语音信号时域特征参数，主要讨论了预处理中各种参数的选择，以使信号特征提取更加准确。再次讨论了各种时域特征参数的算法，包括短时能量、短时过零率等，介绍了各环节的不同软件实现方法。最后对基于Matlab的语音信号特征参数提取进行总结。 第二章Matlab简介 MATLAB是国际上仿真领域最权威、最实用的计算机工具。它是MathWork 公司于1984年推出，它以强大的科学计算与可视化功能、简单易用、开放式可扩展环境，特别是所附带的30多种面向不同领域的工具箱支持，使得它在许多科学领域中成为计算机辅助设计和分析、算法研究和应用开发的基本工具和首选平台。 2.1 发展概况 Matlab是Matrix Laboratory(矩阵实验室的缩写)，最初由美国Cleve Moler 博士在70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack与Eispack组成，旨在使应用人员免去大量经常重复的矩阵运算和基本数学运算等繁琐的编程工作。1984年成立的Math Works公司正式把Matlab推向市场，并从事Matlab的研究和开发。1990年，该公司推出了以框图为基础的控制系统仿真工具Simulink，它方便了系统的研究与开发，使控制工程师可以直接构造系统框图进行仿真，并提供了控制系统中常用的各种环节的模块库。1993年，Math Works 公司推出的Matlab4.0版在原来的基础上又作了较大改进，并推出了Windows版，

图像特征提取及识别过程

纹理特征是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题，一直是人们关注的焦点，各种纹理特征提取方法层出不穷。 本文在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对纹理特征提取方法进行了较为全面的综述和分类，最后重点研究了基于灰度共生矩阵的图像纹理提取方法，研究如何有效地提取图像纹理特征来对图像进行描述，通过特征值来对图像进行识别。 灰度共生矩阵是一种简单有效的图像纹理特征描述方法，该方法的优势在于：它能利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，本 文就是利用图像灰度共生矩阵的这一特性，从该矩阵中提取相应的统计参量作为纹理特征来实现对图像的识别。 关键字：灰度共生矩阵，纹理特征提取，图像识别

ABSTRACT Texture is a kind of importa nt visual clues in images , it is widespread but cannot easy to be described . Texture classification and segmentation is a enduring popular research field in image process ing area. Texture feature extract ion has bee n the focus of attention,due to its priority to texture classification and image segmentation. all sorts of texture feature extracti on methods has bee n emerged in en dlessly. On the basis of exte nsive literature inv estigati on, we review the texture feature extract ion methods, an alyze the developme nt of the research status of the texture feature extracti on methods and make a comprehe nsive review of its classificati on . Fin ally ,based on gray symbiotic matrix image problem extracti on methods,we research how to effectively extract image texture feature described by the image characteristic value to image recog niti on. Graylevel co-occurre nee matrix is a simple and effective image texture descripti on method.This method's advantage is: it can use the image pixels relative positions of the spatial in formatio n more to accurately describe the texture image.This paper use the graylevel co-occurre nee matrix of the properties to extract statistics from the matrix corresp onding as texture feature parameters to realize image recog niti on. KEY WORDS : graylevel co-occurrenee matrix, texture feature extraction, image recog niti on

语音信号特征参数提取方法

语音信号特征参数提取方法 阮雄飞微电子学与固体电子学 摘要：在语音技术的发展过程中使用了大量的语音信号特征参数, 好的语音信号特征参数能对语音识别起至关重要的作用。本文对语音信号特征参数提取方法以及国内外研究现状进行了介绍,最后介绍了Hilbert-Huang 这一新兴理论成果以及在特征提取中的应用。 关键词：语音技术特征提取HHT 1 引言 语音信号是一种短时平稳信号，即时变的，十分复杂，携带很多有用的信息，这些信息包括语义、个人特征等，其特征参数的准确性和唯一性将直接影响语音识别率的高低，并且这也是语音识别的基础[1]。特征参数应该能够比较准确地表达语音信号的特征具有一定的唯一性。 上世纪40年代，potter等人提出了“visiblespeech”的概念，指出语谱图对语音信号有很强的描述能力，并且试着用语谱信息进行语音识别，这就形成了最早的语音特征，直到现在仍有很多的人用语谱特征来进行语音识别[2]。后来，人们发现利用语音信号的时域特征可以从语音波形中提取某些反映语音特性的参数，比如：幅度、短时帧平均能量、短时帧过零率、短时自相关系数、平均幅度差函数等。这些参数不但能减小模板数目运算量及存储量而且还可以滤除语音信号中无用的冗余信息。语音信号特征参数是分帧提取的, 每帧特征参数一般构成一个矢量, 所以语音信号特征是一个矢量序列。我们将语音信号切成一帧一帧, 每帧大小大约是20-30ms。帧太大就不能得到语音信号随时间变化的特性, 帧太小就不能提取出语音信号的特征, 每帧语音信号中包含数个语音信号的基本周期。有时希望相邻帧之间的变化不是太大, 帧之间就要有重叠, 帧叠往往是帧长的1/2或1/3。帧叠大, 相应的计算量也大[3]。随着语音识别技术的不断发展时域特征参数的种种不足逐渐暴露出来，如这些特征参数缺乏较好稳定性且区分能力不好。于是频域参数开始作为语音信号的特征比如频谱共振峰等。经典的特征提取方法主要有LPCC（线性预测倒谱系数）、MFCC（美尔频率倒谱系数）、HMM（隐马尔科夫模型）、DTW（动态时间规整）等。 2 语音信号特征参数提取方法

模式识别特征选择与提取

模式识别特征选择与提取 中国矿业大学计算机科学与技术学院电子信息科学系 班级：信科11-1班，学号：08113545，姓名：褚钰博 联系方法（QQ或手机）：390345438，e-mail:390345438@https://www.wendangku.net/doc/6a11763152.html, 日期：2014 年06月10日 摘要 实际问题中常常需要维数约简，如人脸识别、图像检索等。而特征选择和特征提取是两种最常用的维数约简方法。特征选择是从某些事物中提取出本质性的功能、应用、优势等，而特征提取是对特征空间进行变换，将原始特征空间映射到低维空间中。 本文是对主成分分析和线性判别分析。 关键词：特征选择，特征提取，主成分分析，线性判别分析 1.引言 模式识别的主要任务是利用从样本中提取的特征，并将样本划分为相应的模式类别，获得好的分类性能。而分类方法与分类器设计，都是在d（变量统一用斜体）维特征空间已经确定的前提下进行的。因此讨论的分类器设计问题是一个选择什么准则、使用什么方法,将已确定的d维特征空间划分成决策域的问题。对分类器设计方法的研究固然重要，但如何确定合适的特征空间是设计模式识别系统另一个十分重要，甚至更为关键的问题。如果所选用的特征空间能使同类物体分布具有紧致性，即各类样本能分布在该特征空间中彼此分割开的区域内，这就为分类器设计成功提供良好的基础。反之，如果不同类别的样本在该特征空间中混杂在一起，再好的设计方法也无法提高分类器的准确性。本文要讨论的问题就是特征空间如何设计的问题。 基于主成分分析的特征选择算法的思想是建立在这样的基础上的：主成分分析方法将原始特征通过线性变换映射到新的低维空间时，获得的主成分是去了新的物理意义，难以理解，并且主成分是所有原始特征的线性组合。所以将主成分分析与特征选择相结合，设计多种相似性度量准则，通过找到与主成分相关的关键特征或者删除冗余、不相关以及没有意义的特征，将主成分又重新映射到原始空间，来理解成主成分的实际意义。 基于线性判别分析的高维特征选择将单个特征的Fisher准则与其他特征选择算法相结合，分层消除不相关特征与冗余特征。不相关特征滤波器按照每个特征的Fisher评价值进行特征排序，来去除噪音和不相关特征。通过对高维数据特征关联性的分析，冗余特征滤波器选用冗余度量方法和基于相关性的快速过滤器算法。分别在不同情境下进行数据分类实验，验证其性能。

模式识别特征提取

特征提取 SIFT算法提取步骤 SIFT算法提取特征点的主要步骤： （1）检测尺度空间极值点 检测尺度空间极值的目的是确定特征点位置和所在尺度组。即先使用高斯过滤器对原始图像进行若干次连续滤波建立第一个尺度组，再把图形减小到原来的一半，进行同样的高斯滤波形成第二个尺度组。之后，重复操作直到图像小于某一个给定阀值为止。接下来对每个尺度组中的高斯图像进行差分，形成高斯差分尺度组（DoG尺度图像）。

图3-1 尺度空间的构造 在上面建立的DoG尺度空间金字塔中，为了检测到DoG空间的最大值和最小值，DoG尺度空间中中间层(最底层和最顶层除外)的每个像素点需要跟同一层的相邻8个像素点以及它上一层和下一层的9个相邻像素点总共26个相邻像素点进行比较，以确保在尺度空间和二维图像空间都检测到局部极值，如图3-2所示 图3-2 DoG空间局部极值检测 在图3-2中，标记为叉号的像素若比相邻26个像素的DoG值都大或都小，则该点将作为一个局部极值点。被检测工件的高斯滤波图像如图3-3所示。

图3-3 原始图像和部分高斯滤波图像 （2）精确定位极值点 由于DoG值对噪声和边缘较敏感，因此，在上面DoG尺度空间中检测到局部极值点还要经过进一步的检验才能精确定位为特征点。一般通过二阶Taylor 展开式计算极值点的偏移量，获得亚像素定位精度，同时通过阈值设置剔除差异小的点。最终保留下来的点称为特征点，特征点的检测是在尺度空间中进行的，特征点保持为尺度不变量。各层图像特征点如图3-4所示。

图3-4 各层图像的特征点 （3）为每个关键点指定方向参数 σ—尺度空间坐标 O —组(octave)数 S —组内层数 在上述尺度空间中，O 和S ，σ的关系如下： ()[][]2,...,0,1,...,02 ,0+∈-∈=+S s O o s o S s o σσ (3-10)

毕业设计(论文)-基于51单片机的指纹识别

随着现代化各种科学新技术的快速发展，在日常生活中，我们需要各种身份认证和各种密码认证，还有对各种设备配备钥匙，对保险柜安装防盗系统等等，社会的进步，科技的发展，促使传统的安全系统的抵御能力越来越薄弱。因此，生物特征识别应用而生，开始走进我们身边的各种安全系统，指纹识别作为生物特征识别的一个典型应用已经得到很广泛的应用和认可，指纹特征具有唯一性，是每个人终生不变的特征之一，并且各个人的各个指纹都不一样。本系统采用89C52RC单片机作为主芯片，通过与指纹识别模块FM-180之间通过串口通信方式的通信，采用液晶12864作为显示器，加上简单的外围电路，如按键输入、LED灯报警电路、蜂鸣器电路，最后通过编写软件和制作硬件，实现一个可以通过单片机对指纹的录入，识别，删除等功能操作的指纹识别系统。 关键词指纹识别系统；单片机89C52；液晶12864

With the rapid development of modern science a variety of new technologies, in everyday life, we need a variety of authentication and a variety of password authentication, as well as a variety of devices with keys for the safe installation of security systems, etc., social progress the development of technology, to promote the traditional security system resilience increasingly weak. Thus, biometric applications, born around us began to enter various security systems, biometric fingerprint identification as a typical application has been very widely used and recognized, unique fingerprint characteristics, life is not for everyone one variable characteristics, and each person's fingerprints are not the same individual. The system uses 89C52RC microcontroller as the main chip, it passes between the fingerprint recognition module FM-180 serial communication with the communication method by using a liquid crystal display as 12864, plus simple peripheral circuits, such as key input, LED light alarm circuit, buzzer circuit, and finally through the preparation and production of software, hardware, you can implement a microcontroller on the fingerprint input, recognition, and delete functions operate fingerprint identification system. Key words Fingerprint identification system；SCM 89C52；LCD 12864

指纹的特征提取与识别

指纹的特征提取与识别 摘要 随着社会的发展，计算机技术的进步，人们对身份认证技术提出了更高的要求。传统的身份认证方法存在的种种弊端让人们将目光投向了生物特征识别这个崭新的领域。而指纹识别技术凭借其独有的优势在众多生物特征识别技术中脱颖而出，得到了广泛的关注和应用。现今，自动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别和鉴定的领域。因此，进行指纹识别技术方面的研究，具有较高的现实意义和理论意义。 本文综合运用图像处理和模式识别的技术，对自动指纹识别系统的若干问题进行了探讨和研究，实现了指纹图像的预处理、特征提取和指纹匹配等算法，并在指纹分割、指纹增强这两个方面进行了改进和创新。 关键词:指纹识别，指纹分割，指纹增强，特征点提取，指纹匹配

第1章绪论 1.1 指纹识别系统的结构 本文主要是对指纹识别系统中图像处理方面的相关算法进行研究，本文的指纹识别系统的基本框架如图1-1所示。 图1-1指纹识别系统的基本结构 1.1.1指纹的预处理 由于各种原因的影响，指纹取像设备所获得的原始图像是一幅含有较多噪声的灰度图像，预处理的目的就是改善输入指纹图像的质量，增强脊和谷的对比度，将它变成一幅清晰的点线图，以便于进行特征提取。本文预处理过程主要步骤如下: 图1-2指纹预处理的基本结构 指纹分割是把指纹的背景区域从图像中分离出去，减少对指纹图像进行处理时的计算量;指纹增强的目的是对输入的噪音较多的灰度图像进行滤波，去除图像中的叉连、断点及模糊不清的部分，得到一幅较清晰的灰度图像;二值化就是把灰度指纹图像变成0-1取值的二值图像，这样就使图像的灰度层次由原来的256级(8-bits)降为2级(1-bits)，从而大大减少了需要存储和处理的数据量。由于指纹的特征仅包含在纹线的形状结构中，所以为了提高处理速度和识别精度，应该在不破坏图像连通性的情况下去掉多余的信息，也就是进行图像的细化。细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度。细化时应保持纹线的连接性、方向性以及特征点位置不变，还应保持纹线的中心基本不变。 1.1.2特征提取 由于指纹通常是用按压的方式得到的，按压位置和方向的不同、手指的状况以及皮肤的形变等都会导致指纹图像不理想。因此，采集到的指纹灰度图像不宜直接用来匹配，

指纹识别毕业设计开题报告

本科生开题报告 题目：基于机器视觉的模式识别研究 学号：012006008619 姓名：刘昌 专业：机械设计制造及其自动化 指导老师：肖鹏 院（系）：机械科学与工程学院 一、选题背景与论文综述 1、课题来源 本课题来源于企业横向课题。 2、课题目的 基于机器视觉技术的印刷品质量检测系统，在印刷行业有着广阔的市场前景。尤

其是以单张成品为对象的图像检测系统，相对于在线式检测系统，有着对所有工序进行把关，对多种产品均可检测的优势。 在整个检测过程中，往往都要用到模式识别技术。不论是图像配准阶段的配准特征判断，还是检测后期对缺陷的识别与分类，都要求系统有着稳定和高效的图像模式识别算法。本课题将针对这一技术进行研究。 本课题以指纹识别问题为对象，研究基于机器视觉的图像模式识别算法。通过算法实现指纹识别过程中涉及的若干图像处理过程，比如图像的预处理，特征点的识别和选取，以及特征点比较和判断。通过积累和分析实验数据，改进算法，以提高算法的识别成功率。 3、课题背景与意义 3.1指纹识别技术的背景 我们手掌及其手指、脚、脚趾内侧表面的皮肤凸凹不平产生的纹路会形成各种各样的图案。这些纹路的存在增加了皮肤表面的摩擦力，使得我们能够用手来抓起重物。人们也注意到，包括指纹在内的这些皮肤的纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的。依靠这种唯一性，我们就可以把一个人同他的指纹对应起来，通过对他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。这种依靠人体的身体特征来进行身份验证的技术称为生物识别技术，指纹识别是生物识别技术的一种。 目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认。 最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有 30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正逐步应用于民用市场。 指纹识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹 进行采集、分析和比对，可以迅速、准确地鉴别出个人身份。系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀

基于S变换的信号瞬时频率特征提取

基于S 变换的信号瞬时频率特征提取 摘要： S 变换是一种优越的时频分析方法，能够清晰表达信号瞬时频率的变化特征。与传统时频分析方法相对比，S 变换的抗噪性较强，无交叉项干扰。本文提出了采用S 变换来提取调制信号的瞬时频率。仿真实验结果表明，S 变换时频谱能够清晰表示出不同信号的瞬时频率特征。 关键词：时频分析；S 变换；时频图；调制信号；瞬时频率 1 引言 信号的瞬时频率特征可以反映信号在不同时刻的频率变化规律。与传统的时频分析方法相比较，S 变换的时频分析方法具有频率分辨率高、抗噪性强、无交叉项干扰等优点，这使得S 变换能够准确提取信号的瞬时频率。 2S 变换的基本原理 2.1S 变换的提出 S 变换由短时傅里叶变换发展而来，借鉴了短时傅里叶变换加窗的思想。将短时傅里叶变换中的高斯窗函数进行相关伸缩和平移，从而使信号的频率分辨率具备随频率的适应性。这个特点使得S 变换在信号的时频分析中具有明显的优势。 S 变换[1]是由地球物理学家Stockwell 于1996年首次提出的。它可由短时傅里叶变换推导而来，对于连续信号()h t 的短时傅里叶变换为： 2(,)()()j ft STFT f x t w t e dt π+∞ --∞τ=-τ?(1) 其中， 22()t t -δω= (2) 若窗函数为归一化的高斯函数，且对窗函数进行依赖频率的伸缩和平移，那么 22()2(,)t f t f τ τ--ω-= (3) 这样就得到了连续信号()h t 的S 变换定义式： 22()22(,)(f t i ft ST f h t e dt πτ-+∞---∞τ=? (4) 其中，τ为时移因子。 利用S 变换与傅里叶变换之间的紧密联系，可实现信号从S 变换中的无损恢复。S 变换的逆变换形式如式(5)所示： {} 2()(,)j ft h t S f d e df πττ+∞ +∞-∞-∞=?? (5) S 变换还可以看成是信号的小波变换与相位因子的乘积。它采用平移、伸缩的局部高斯窗函数作为母小波，具有频率分辨率高、抗噪性强的优点，且不需满足小波变换的容许性条件。因此，S 变换并不是严格意义上的小波变换，但可以看成是小波变换的一种扩展。 2.2S 变换的瞬时频率表达 由于S 变换为复数，包含实部和虚部，所以S 变换可以表示为： (,)(,)(,)j f S f A f e τττΦ= (6) 其中(,)A f τ为振幅谱，(,)f τΦ为相位谱： (,)f τA =[][]Im (,)(,)arctan Re (,)S f f S f τττ????Φ=?????? (8)

毕业设计“指纹识别系统关键技术研究”开题报告

毕业设计（论文）学生开题报告 课题名称指纹识别系统关键技术研究 课题来源课题类型DY 指导教师 学生姓名学号专业班级 本课题的研究现状、研究目的及意义。 指纹识别系统关键技术的研究现状： ①现代指纹识别起源于16世纪后期： 1788年，J．Mayer首次著文指出了指纹的两个重要特性：唯一性、稳定性。 1823年，J．Purkinie首次把指纹纹形分成9类。 1880年，Henry Fauldpl在《Nature》上发表论文，第一次科学的提出了指纹的独立性和唯一性，使得指纹作为一种更为有效的鉴别方法而得到采用。 1889年，E．R．Henry提出基于指纹细节特征识别(Minutia。Based)理论，奠定了现代指纹学的基础。 1892年，Francis Galton对指纹进行了系统的研究，著书《FingerPrint》首次系统的阐述了指纹学，完善的确立了一整套指纹识别的方法，使指纹识别应用进入了一个崭新的时期。 20世纪60年代，信息技术逐步兴起，计算机技术开始进入指纹识别领域，自动指纹识别系统AFIS(Automatic Fingerprint Identification System)在法律实施方面的研究与应用在许多国家开始展开。80年代，随着个人电脑与光学扫描技术的革新，指纹采集技术获得重大突破，从而使指纹识别在其他领域获得应用。 指纹识别技术在过去的30年已经取得很大的发展，但是目前AFIS仍是国内外模式识别领域中研究的热点之一。国外很多国家都有专门机构或公司从事该技术的研究，其中美国的研究水平居于世界最前沿，如Identix、EastShore,DigitalPersona、Veridicom等公司都有成熟的指纹识别产品。 虽然我国对指纹识别技术的应用研究起步较晚，但是发展迅速，核心技术方面与国外的差距不是很大。国内的西安青松公司、中科院自动化研究所、清华大学自动化系等公司和学校的研究水平处于国内领先，部分研究成果甚至达到国际先进水平。但是，在应用技术上特别是硬件采集技术上，国内与国外存在较大差距，如指纹采集芯片，国际上几大厂商几乎垄断了国内的市场。另外，在指纹识别应用系统的开发上，国内厂商尚缺乏开发大型实用系统的经验。 当今社会，各个国家加快了指纹识别技术的开发与应用，注重向系统的低成本、小型化和系列化的方向发展。随着技术的推广，一些发达国家已在银行金库、博物馆、高级宾馆等处的入口管理中进行应用，同时也开始向家庭安防领域辐射，即将成为一种实用的现代化的家庭出入口控制系统。 ②指纹识别的核心技术： 日常称呼的指纹识别技术其实包括“指纹采集技术”和“指纹识别技术“，后者即人们常说的“指纹算法技术”。 在指纹识别算法的研究方向上主要是基于图像的识别算法和基于特征的识别算法这两种。 基于图像的识别算法认为，指纹图像的频域和空域信息可以用来唯一表示并识别不同的指纹。它是一种使用全局信息进行识别的方法，例如使用指纹图像的Fourier频谱来表示和识别

脑电信号特征提取及分类

脑电信号特征提取及分类

第 1 章绪论 1.1引言 大脑又称端脑，是脊椎动物脑的高级的主要部分，由左右两半球组成及连接两个半球的中间部分，即第三脑室前端的终板组成。它是控制运动、产生感觉及实现高级脑功能的高级神经中枢[1]。大脑是人的身体中高级神经活动中枢，控制着人体这个复杂而精密的系统，对人脑神经机制及高级功能进行多层次、多学科的综合研究已经成为当代脑科学发展的热点方向之一。 人的思维、语言、感知和运动能力都是通过大脑对人体器官和相应肌肉群的有效控制来实现的[2]。人的大脑由大约1011个互相连接的单元体组成，其中每个单元体有大约104个连接，这些单元体称做神经元。在生物学中，神经元是由三个部分组成：树突、轴突和细胞体。神经元的树突和其他神经元的轴突相连，连接部分称为突触。神经元之间的信号传递就是通过这些突触进行的。生物电信号的本质是离子跨膜流动而不是电子的流动。每有一个足够大的刺激去极化神经元细胞时，可以记录到一个持续1-2ERP的沿轴突波形传导的峰形电位-动作电位。动作电位上升到顶端后开始下降，产生一些小的超极化波动后恢复到静息电位（静息电位（Resting Potential，RP）是指细胞未受刺激时，存在于细胞膜内外两侧的外正内负的电位差）。人的神经细胞的静息电位为-70mV（就是膜内比膜外电位低70mV）。这个变化过程的电位是局部电位。局部电位是神经系统分析整合信息的基础。细胞膜的电特性决定着神经元的电活动[3]。当神经元受到外界刺激时，神经细胞膜内外两侧的电位差被降低从而提高了膜的兴奋性，当兴奋性超过特定阈值时就会产生神经冲动或兴奋，神经冲动或兴奋通过突触传递给下一个神经元。由上述可知，膜电位是神经组织实现正常功能的基本条件，是兴奋产生的本质。膜电位使神经元能够接收刺激信号并将这一刺激信号沿神经束传递下去。在神经元内部，树突的外形就像树根一样发散，由很多细小的神经纤维丝组成，可以接收电信号，然后传递给细胞体。如果说树突是树根的话，那么细胞体就是树桩，对树突传递进来的信号进行处理，如果信号超过特定的阈值，细胞体就把信号继续传递给轴突。轴突的形状像树干，是一根细长的纤维体，它把细胞体传递过来的信号通过突触发送给相邻神经元的树突。突触的连接强度和神经元的排列方式都影响着神经组织的输出结果。而正是这种错综复杂的神经组织结构和复杂的信息处理机制，才使得人脑拥有高度的智慧。我们的大脑无时无刻不在产生着脑电波，对脑来说，脑细胞就像是脑内一个个“微小的发电站”。早在1857年，英国的青年生理科学工作者卡通（R.Caton）就在猴脑和兔脑上记录

图像特征提取及识别过程

摘要 纹理特征是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。 本文在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述和分类，最后重点研究了基于灰度共生矩阵的图像纹理提取方法，研究如何有效地提取图像纹理特征来对图像进行描述，通过特征值来对图像进行识别。 灰度共生矩阵是一种简单有效的图像纹理特征描述方法，该方法的优势在于：它能利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，本文就是利用图像灰度共生矩阵的这一特性，从该矩阵中提取相应的统计参量作为纹理特征来实现对图像的识别。 关键字：灰度共生矩阵，纹理特征提取，图像识别

ABSTRACT Texture is a kind of important visual clues in images , it is widespread but cannot easy to be described . Texture classification and segmentation is a enduring popular research field in image processing area. Texture feature extraction has been the focus of attention,due to its priority to texture classification and image segmentation. all sorts of texture feature extraction methods has been emerged in endlessly. On the basis of extensive literature investigation, we review the texture feature extraction methods, analyze the development of the research status of the texture feature extraction methods and make a comprehensive review of its classification . Finally ,based on gray symbiotic matrix image problem extraction methods,we research how to effectively extract image texture feature described by the image characteristic value to image recognition. Graylevel co-occurrence matrix is a simple and effective image texture description method.This method's advantage is: it can use the image pixels relative positions of the spatial information more to accurately describe the texture image.This paper use the graylevel co-occurrence matrix of the properties to extract statistics from the matrix corresponding as texture feature parameters to realize image recognition. KEY WORDS: graylevel co-occurrence matrix, texture feature extraction, image recognition

人脸特征提取与识别参考

本科生毕业设计（论文）文献综述题目：人脸特征提取与识别 姓名： 学号： 学院： 专业： 年级：

指导教师：（签名）系主任（或教研室主任）：（签章）

目录 1 前言 (1) 2 人脸特征提取与识别方法 (1) 2.1 基于几何特征的方法 (1) 2.2 基于特征脸的方法 (2) 2.3 局部特征分析LFA方法 (3) 2.4 基于弹性模型的方法 (4) 2.5 神经网络方法 (4) 2.6 其他方法 (5) 3 总结 (5) 致谢： (6) 参考文献： (6)

人脸特征提取与识别 1前言 近年来，Internet和多媒体技术飞速发展，多媒体（包括图像、视频等）数据规模急剧膨胀。为了快速、准确地找到感兴趣的图像或视频，人们提出了基于内容的图像检索(content-based image retrieval，简称CBIR)技术，研究让计算机对图像进行分类和检索的算法。CBIR涉及图像内容表示、相似性度量、高维索引技术等方面。[1]图像内容的表示是需要首先解决的问题。为了实现对图像内容的存取、访问和检索，MPEG-7提出了图像内容描述子的概念，例如颜色描述子、纹理描述子、形状描述子等。 图像颜色内容通常用颜色直方图来表示，纹理特征以纹理模式区分图像，形状特征用于包含特定形状对象的图像检索。颜色直方图（或称为颜色谱）因其简单、有效的性能而在大多数CBIR系统中得到应用，但是颜色直方图对纹理图像的检索效果不好。不同的纹理图像可能有非常相似的颜色直方图。 所谓图像纹理，它反映的是图像的一种局部结构化特征，具体表现为图像像素点某邻域内像素点灰度级或者颜色的某种变化，而且这种变化是空间统计相关的，它由纹理基元和基元的排列两个要素构成。纹理分析方法有统计方法、结构方法和基于模型的方法。 2人脸特征提取与识别方法 人脸识别本质上是三维塑性物体二维投影图像的匹配问题，它的困难体现在：(1)人脸塑性变形(如表情等)的不确定性；(2)人脸模式的多样性(如胡须、发型、眼镜、化妆等)；(3)图像获取过程中的不确定性(如光照的强度、光源方向等)。识别人脸主要依靠人脸上的特征。也就是说依据那些在不同个体上存在的较大差异而对同一个人则比较稳定的度量。由于人脸变化复杂，因此特征表述和特征提取十分困难。 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大小，灰度归一化是指对图像进行光照补偿等处理，光照补偿能够一定程度地克服光照变化的影响而提高识别率。 2.1 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸干差万别，因此对这些部件的形状和结构关系的几何描述，可以作为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首

基于单片机的指纹识别电子密码锁设计开题报告

毕业设计开题报告基于单片机的指纹识别电子密码锁 系别： 班级： 学生姓名： 指导教师： 2009年12月18日

开题报告填写要求 1．开题报告作为毕业设计答辩委员会对学生答辩资格审查的依据材料之一，应在指导教师指导下，由学生在毕业设计工作前期完成，经指导教师签署意见、专家组及系主任审查后生效； 2．开题报告必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴； 3．毕业设计的开题报告应包括以下内容： （1）主要技术指标； （2）工作思路； （3）课题的准备情况及进度计划； （4）参考文献。 4．开题报告的撰写应符合科技文献规范，且不少于2000字；参考文献应不少于15篇，包括中外文科技期刊、教科书、专著等。 5．开题报告正文字体采用宋体小四号，1.5倍行距。附页为A4纸型，左边距3cm，右边距2cm，上下边距为2.5cm，字体采用宋体小四号，1.5倍行距。 6．“课题性质”一栏： 理工类：A.理论研究B.应用研究C工程设计D.软件开发E.其它经管文教类：A.理论研究B.应用研究C.实证研究D.艺术创作E.其它 “课题来源”一栏： A.科研立项 B.社会生产实践 C.教师自拟 D.学生自选 “成果形式”一栏： A.论文 B.设计说明书 C.实物 D.软件 E.作品

毕业设计开题报告

基于单片机的指纹识别电子密码锁设计 一、研究目的 随着社会的发展和技术的进步，传统的安全防盗系统面临极大的挑战。生物识别技术是根据人的体貌、声音等生物特征进行身份验证的科学解决方案，现有的生物识别技术大致上包括指纹识别技术、掌纹识别技术、视网膜识别技术、虹膜识别技术、面相识别技术等。生物识别技术优势主要有：1、减少、消除身份假冒进行真实身份的确认：2、降低管理的成本，取代了身份人工人证的的过程：3、方便使用者，减少或消除了使用卡、钥匙或者密码的麻烦。生物识别技术的发展起始于指纹研究，它亦是目前应用最广泛的生物识别技术。为了有效地的防止信息资料，财产的安全生物识别技术的安全系数较传统意义上的身份验证机制有了很大提高，越来越得到社会的重视。指纹锁和指纹门禁是应用最广的生物识别技术。随着计算机技术的广泛应用和指纹识别技术的迅速成熟，物美价廉的指纹识别产品广泛应用于商业市场同时逐渐进入家庭。国内外科研人员很早就致力于指纹识别的检测方法，研制各式各样的指纹识别的模块及其应用产品，用于保险箱、实验室、楼道的身份确认等。 二、主要任务及主要技术指标： 1．设计单片机指纹识别电子密码锁。 2．学习掌握主控Atmeg16单片机的工作原理及内部。 3．了解指纹识别的原理。 4．选择合适的指纹识别模块。 5．程序联机调试。 6．完成单片机指纹识别电子密码锁使之达到存储3个指纹，并能准确识别显 示。 三、器件选择： 1．主要控制Atmeg16单片机具有下列主要性能 高性能、低功耗的8 位AVR? 微处理器 先进的RISC 结构

基于ARM的指纹识别门禁系统设计

课程设计任务书 学生姓名：廖年强专业班级： 06自动化 指导教师：谢川工作单位：重庆工商大学计信学院 题目: 基于ARM的指纹识别门禁系统设计 已知技术参数和设计要求： 1、硬件主要选择基于Xscale内核的PXA255处理器； 2、传感器为美国豪威公司的CMOS图像传感器FPS200； 3、设计系统的硬件和软件部分； 4、硬件包括指纹识别模块、数据处理模块等； 5、软件部分包括系统初始化, 指纹处理识别, 电控锁控制部分等； 6、以小组为单位完成本任务，每个小组最多5人； 要求完成的主要任务: （包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） 1、完成元器件选型，设计硬件电路，并提供protel电路图； 2、设计中给出最小系统的电路图扩展相应的电路，并根据要求最终形成一个 完整的电路图,并完成所有源代码； 3、每个组员完成不少于3000字的课程设计报告且报告内容不同。

4、课题指标从学生实际出发，难易适中，经过努力都能够完成任务，并有所 收获。 时间安排：2009～2010学年第一学期17～18周 指导教师签名：年月日 教研室主任签名：年月日 重庆工商大学课程设计成绩评定表 学院：计信学院班级：06自动化2班学生姓名：廖年强学号：2006003921 项目分值 优秀 (100>x≥90 良好 (90>x≥80 中等 (80>x≥70 及格 (70>x≥60 不及格 (x<60 评分 参考标准参考标准参考标准参考标准参考标准 学习态度15 学习态度认 真，科学作风 严谨，严格保 证设计时间并 按任务书中规 定的进度开展 各项工作 学习态度比 较认真，科 学作风良 好，能按期 圆满完成任 务书规定的 任务 学习态度尚 好，遵守组 织纪律，基 本保证设计 时间，按期 完成各项工 作 学习态度尚 可，能遵守 组织纪律， 能按期完成 任务 学习马 虎，纪律 涣散，工 作作风不 严谨,不能 保证设计 时间和进 度 技术水平 与实际能力25 设计合理、理 论分析与计算 正确，实验数 据准确，有很 强的实际动手 能力、经济分 析能力和计算 机应用能力， 文献查阅能力 强、引用合 设计合理、 理论分析与 计算正确， 实验数据比 较准确，有 较强的实际 动手能力、 经济分析能 力和计算机 应用能力， 设计合理， 理论分析与 计算基本正 确，实验数 据比较准 确，有一定 的实际动手 能力，主要 文献引用、 调查调研比 设计基本合 理，理论分 析与计算无 大错，实验 数据无大错 设计不合 理，理论 分析与计 算有原则 错误，实 验数据不 可靠，实 际动手能 力差，文 献引用、