文档介绍：声明：下面论文由《免费论文教育网》    用
户转载自互联网，版权归原作者所有，本文档仅供参考，严禁抄袭！ 
 
 
 
 
 
 
 
  1，小于等于该阈值的像素的灰度置为 0，即将
图像变为二值图像。细化就是提取指纹图像的脊线骨架。本文的指纹图像增强和二值化算法
采用文献[7]中的提到的八方向增强算法思想。
2. 局部特征向量的构造
一个具有鲁棒性的指纹匹配算法必须要满足三个要求:首先匹配算法要尽量快速准确，
以满足实时系统的需要;其次匹配算法必须与指纹的旋转无关:而且匹配必须与一定范围内的
指纹平移和变形无关。指纹图像通过预处理、特征提取及后处理等一系列操作以后，将转化
为一组由若干末梢点和分叉点所组成的点集，指纹匹配问题也相应地转变为寻找点集间相似
度的(即点集匹配度的)问题。点匹配算法对特征点之间的距离及其在坐标系中的位置有着很
高的要求。但在指纹采集时，同一枚指纹的两次按捺用力程度、位置不可能完全相同，得到
的特征点集间就必然存在一定的平移、旋转和局部变形。对每个特征点构造局部特征向量的
步骤如下:
(l)以每个特征点为局部特征向量的中心，计算其他特征点到中心点的距离，并按照由近
至远的顺序排列。
(2)对每个特征点搜索距离大于 R 的最近 5 个点作为邻域点，按照上面描述的方法构造
局部特征向量 LFV;形成局部特征向量组。
(3)如果当前指纹识别系统处于指纹录入状态，就按照规定的格式处理特征向量组，形
成指纹特征模板文件，存入指纹特征库;如果系统处于匹配状态，就循环从指纹特征库中读
入模板文件，形成模板特征向量组，并与当前输入的待识别指纹的特征向量组一同进入下面
的匹配阶段。
3. 算法描述
算法过程
通过对每个特征点构造局部特征向量，一枚指纹图像便转化为一个特征向量组。匹配的
过程就是将当前输入指纹的特征向量组与从指纹库中读入的特征向量组进行比对的过程。为
了表述方便，这里称当前输入指纹为待测指纹 A，称提前输入到指纹库中的原始指纹为模板
指纹 B。由前面特征向量的构造过程可知，特征向量使用的都是特征点之间的相对位置关系、
相对角度关系，所以平移和旋转问题也得到解决。在下面的匹配过程中，通过设置限界盒可
以使算法对一定幅度内的变形具有鲁棒性。另外，本文的匹配算法采用分段式匹配，将匹配
分为三个阶段，第一个阶段的匹配称为初匹配，是针对局部特征向量组进行的匹配。在初匹
配完成后要统计匹配分数，通过设置阈值，可以使分数较低即差别较大的指纹在第一阶段就
被淘汰掉，而不用进入下一阶段，减少了拒绝匹配的时间，提高了系统实时性。第二个阶段
的匹配称为二次匹配，是针对全局特征点进行的。第三个阶段是对匹配的结果进行判决。
初匹配
初匹配是将待测指纹与模板指纹进行大致比对，主要完成两个任务:第一，如果两枚指