计算智能国际会议：建模技术和应用（CIMTA）2013外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

---

计算智能国际会议：建模技术和应用（CIMTA）2013

条形码设计和指纹编码

摘要：指纹识别是一种流行的，使用非常广泛且准确的生物识别技术。如今，指纹被用于许多现实生活中的应用，如访问控制，取证等。然而，识别劣质图像中的指纹仍然是一个非常复杂的问题。近年来，为了提高指纹识别系统的准确性，提出了许多算法和模型。 在这里，我们展示了指纹识别系统的条形码方法。

copy;2013作者。 由Elsevier Ltd.出版

计算机科学与工程系Kalyani大学负责选拔和同行评议。

关键词：指纹; 岭; 条码

1. 介绍

指纹是生物识别和法医科学中的奇迹之一。 日复一日，它被整理并转化为数字应用。

指纹图像被认为是一类。指纹是身份识别的有效选择。指纹和指纹图像属性的分析一直是历史重要的一个领域，可以追溯到指纹图案早期洞穴图形的时代。

曾经所有的指纹分析都是由人类完成的，直到最近实验性自动化系统的发展完善。

当意识到仅联邦调查局（FBI）就被要求每天对数千套指纹卡进行分类和归档时，对自动化系统的需求就变得非常明显。

我们通过设计和编码条形码来介绍一种指纹识别方法。这种方法在文献中没有做太多工作，可以给出更好的时间和空间复杂度值。这是一种使指纹识别技术更易于在日常生活中用于安全，法医和其他生物识别目的的方法。

个人的指纹是独特的，因此给所有人一个识别条码本身。.

1. 指纹

指纹是指人手指或指尖上存在的类似流动的山脊的图形。人的指尖包围了山脊和山谷，它们完全形成了独特的图案。

这些模式在怀孕期间（在胎儿发育的第七个月期间）完全发育并且在一个人的整个一生中都是永久性的。

这些图案的打印称为指纹或指纹图像。

伤口如割伤，烧伤和瘀伤可能会暂时破坏指纹质量，但在大多数情况下，如果完全愈合的模式将会恢复。该属性使得指纹成为非常引人注目的生物识别标识符。

指纹一直用于个人识别。假设每个人都拥有独特的指纹，因此指纹匹配被认为是最可靠和最有效的人员识别技术之一，因此被广泛使用。（更不用说指纹识别系统比许多其他生物识别标识符更便宜）。

指纹图像呈现出脊（深色区域）和谷底（较亮区域）的图案。 该模式的局部拓扑结构与空间关系一起确定了指纹的唯一性。

有许多不同类型的局部脊结构已被确定。大多数自动指纹识别/验证系统采用FBI使用的模型。

图1显示了一个样本指纹，图2显示了不同的指纹类型

图1 一个指纹样本

图2 指纹类型 （a）螺旋，（b）拱，（c）右环，（d）左环

3 指纹岭

在图3中，指纹与不同的脊特征一起显示。 指纹中携带的信息是线结构，称为脊和谷。 在这个图中，山脊是黑色的，山谷是白色的。

图3：显示不同脊特征的指纹图像

4 条码

条形码是与其所连接的物体有关的数据的光学机器可读表示。 最初条形码通过改变平行线的宽度和间距（线性即一维）来系统地表示数据。 图4显示了一个条形码样本。

图4：样品条形码

图5：通用指纹识别系统的步骤

5 指纹条形码

我们将提出一种通过条形码来表达指纹的方法。 从指纹获得的条形码看起来像图6中的东西。

图6：指纹条码编码

6. 算法

第1步： - 通过扫描仪拍摄指纹图像。

第2步： -消除噪音。

第3步： - 将图像二值化。

第4步： - 计算边界图片的四个极端点。 即左，右，上，下。

第5步： - 使用四个极值点制作一个矩形并计算中间点。

第6步： - 使用中点水平绘制虚线。

步骤7： - 检查假想线是否与原始指纹脊线相交，并且如果其切割线的位置和位置将值存储为1，否则将值存储为0。 这样我们可以得到一个1和0的数组。

第8步： - 将该数组与数据库中的引用名称或编号保持一致

7 讨论

为了获得更好的效果，我们需要在应用该算法之前去除指纹中的毛孔（因为在高质量指纹图像中可以看到，摩擦脊上点缀着小圆形开口 - 汗孔，汗液从这些开口渗出）。

噪声对有用信号是一种有害的干扰。 它是由扫描仪或数码相机的传感器和电路产生的图像中亮度或颜色信息的随机变化。 图像噪声通常被认为是图像捕获的不良副产品。降噪是从图像中去除噪声的过程，并且通常它是图像处理的必要过程（在预处理阶段）[4]，[6]。

这里我们使用了一种不同类型的方法去除噪声：首先应用中值滤波器，然后应用Sobel算子对获得的图像进行去除原始指纹图像的噪声（图7）。

我们可以采取任何其他参考点（如奇点）而不是中点，但必须对每个图像都是相同的。

为了获得更好的空间复杂度，我们可以将数组总数减1，然后总数为0，而不是1和0。

我们也可以保存黑条的总数作为一个特征（样本中，图6中，它是25）。 注意在条形码中，条总是以黑色开始和结束白色。

我们还可以保存黑条的像素值，以便更好地节省空间，但在我们的项目中，我们保存了黑色和白色条。

为了使每个指纹图像具有固定数量的数组元素，我们可以在参考点周围裁剪固定长度的区域并在该区域上执行操作。

我们的观察结果显示，对于我们的数据库来说，对于高达15％的角位移，所获得的条形码保持不变，从而有助于结合位置不变特征。

如果一个人先将指纹存入数据库后手指上有疤痕，稍后他的指纹可能与之前存储的数据值不匹配，从而导致错误拒绝。

8 模型分析

图7：（a）输入带有噪声的图像，（b）去除噪声后的图像

图8：（a）原始指纹，（b）二值化指纹。

图9：指纹BARCODE-ing中间状态

样品指纹（图6）获得的条形码如下

红色数字（下划线）代表黑色像素总数（1s），后面是绿色数字代表白色像素数（0s）。

这里以一个随机点作为参考点。

9. 结论

已经有许多算法用于提取局部和全局结构。

文献中发现的大多数算法不仅难以实现，而且还使用启发式方法。

任何自动指纹识别系统的可靠性和通用性都非常依赖于特征提取过程中获得的精度。 提取适当的特征是识别系统最重要的任务之一。

因此，对于所提议的条形码系统来说，非常重要的一个阶段是去除噪音，因为即使是少量的噪音也会使脊形结构不同，从而影响整个条形码系统。

参考

1. HC Lee和RE Gaensslen，Eds，Advances in Fingerprint Technology。 纽约，Elsevier，1991年。

2. J. Wegstein。 自动指纹识别系统。 美国政府出版物，华盛顿，1982年。

3. A.Jain，L.Hong和R.Bolle，“在线指纹验证”，IEEE Trans。 Pattern Analysis and Machine Intelligence，Vol。 19，

No.4，第302-314页，1997年4月。

4. 图像数字化过程Dorothy VanDeCarr。

5. AK Jain，S. Pankanti和R. Bolle，L. Hong，“使用指纹的身份认证系统”，Proc。 IEEE，vol。 85，没有。 9，第1365-1388

页，1997年9月。

6. Richard E. Woods，Rafeal C. Gonzalez，“数字图像处理”，Pearson Education Asia，2002

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[24147]，资料为PDF文档或Word文档，PDF文档可免费转换为Word