本文主要的研究内容是在VC++环境下实现指纹图像的小波变换和预处理，同时还研究指纹特征提取及匹配算法问题。
全文对小波的基本理论进行了简要介绍，并对指纹图像小波变换的实现、基于小波变换频率特性的应用——指纹图像滤波处理、指纹图像增强处理的理论以及VC++编程实现进行了比较深入地研究，并列出了实现程序。
此外，本文还在对指纹图像的预处理方法进行分析和研究的基础上，提出了一套指纹预处理算法，采用该算法可以得到清晰的指纹点线图，效果较为突出。
指纹图像的平滑及VC++编程实现
1、图像平滑的理论基础
平滑模板的思想是通过一点和周围几个点的运算（通常为平均运算）来去除突然变化的点，从而滤掉一定的噪声，但图像有一定程度的模糊，而减少图像模糊代价是图像平滑研究的主要问题之一。这主要就取决于噪声本身的特性。一般情况下通过选择不同的模板来消除不同的噪声。
常用的模板有：
其中最后一个模板又常称为高斯模板，它是通过采样2维高斯函数得到的。
2、VC＋＋编程实现
新的指纹匹配方法
利用纹线匹配寻找基准点对的指纹匹配方法是在特征点提取结束以后,在细化图象上进行的.这一新方法主要由以下7个步骤组成:
(1)选择采样特征点
由于每幅指纹图象的特征点数目都较多,如果对所有特征点所在纹线都进行离散采样,就会使算法变得复杂和繁琐,因此就存在着采样特征点如何选择的问题.经过分析,决定只选择比较孤立的纹线端点进行纹线离散采样.所谓孤立是指该点周围一定范围内没有其他的特征点存在.不选择纹线分叉点是因为每个分叉点有3条纹线与其相连,从而难以确定跟踪哪条纹线,如果两幅图象跟踪的不是同一条纹线,就会产生错误;而相互距离太近的纹线端点,其中存在伪特征点的可能性比较大,容易造成参考点选择错误,所以经过考虑认为,选择孤立的纹线端点进行采样,既能保证参考点的可靠性,又足以满足采样要求.
由于指纹图象中的噪声点也是孤立的点,所以在指纹匹配之前,图象预处理时,对指纹图象进行了纹线修复和去噪,消除了绝大部分的孤立点和短线等随机噪声,因此,噪声不会影响采样特征点的选取.
采样特征点选择的具体的判断标准如下:如果指纹特征点P是纹线端点,并且指纹图象在以点P为中心,R1为半径的区域内没有其他特征点,则P点可作为采样特征点.R1的值可以控制采样特征点进行数量,该值应该尽量取得小一点,否则符合条件的特征点太少,容易出现两幅图象匹配不上的情况,增大了拒识率.而取值小一点,就算采到了伪特征点,问题也不大,因为根据伪特征点进行的匹配一般是不可能成功的,所以只要保证能取到一定数量的正确采样点就可以了.
上一篇：图书馆集成管理系统毕业论文
下一篇：vc++24点游戏的毕业设计