为了正常的体验网站,请在浏览器设置里面开启Javascript功能!

【最新精选】基于Matlab的指纹图像特征提取毕业设计 40;论文 41;

2017-12-07 50页 doc 264KB 109阅读

用户头像

is_682974

暂无简介

举报
【最新精选】基于Matlab的指纹图像特征提取毕业设计 40;论文 41;【最新精选】基于Matlab的指纹图像特征提取毕业设计 40;论文 41; 单位代码 学 号 分 类 号 密 级 毕业设计(论文) 基于Matlab的指纹图像特征提取 第I页 毕业设计(论文)原创性声明和使用授权说明 原创性声明 本人郑重承诺:所呈交的毕业设计,论文,~是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知~除文中特别加以标注和致谢的地方外~不包含其他人或组织已经发表或公布过的研究成果~也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或...
【最新精选】基于Matlab的指纹图像特征提取毕业设计  40;论文  41;
【最新精选】基于Matlab的指纹图像特征提取毕业设计 40; 41; 单位代码 学 号 分 类 号 密 级 毕业设计(论文) 基于Matlab的指纹图像特征提取 第I页 毕业设计(论文)原创性声明和使用授权说明 原创性声明 本人郑重承诺:所呈交的毕业设计,论文,~是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知~除文中特别加以标注和致谢的地方外~不包含其他人或组织已经发表或公布过的研究成果~也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体~均已在文中作了明确的说明并表示了谢意。 作 者 签 名: 日 期: 指导教师签名: 日 期: 使用授权说明 本人完全了解 大学关于收集、保存、使用毕业设计,论文,的规定~即:按照学校要求提交毕业设计,论文,的印刷本和电子版本,学校有权保存毕业设计,论文,的印刷本和电子版~并提供目录检索与阅览服务,学校可以采用影印、缩印、数字化或其它复制手段保存论文,在不以赢利为目的前提下~学校可以公布论文的部分或全部内容。 作者签名: 日 期: 第II页 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外~本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体~均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名: 日期: 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定~同意学校保留并向国家有关部门或机构送交论文的复印件和电子版~允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索~可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名: 日期: 年 月 日 导师签名: 日期: 年 月 日 第III 页 基于Matlab的指纹图像特征提取 摘 要 随着社会的发展,传统的基于信物或口令的安全系统显得越来越脆弱,不能适应现代安全系统的需要,因而人们需要研究更加安全可靠,防伪性能更好的安全系统。指纹识别技术就是在这种背景下产生的,它借助人体的生理特征来提高身份识别的可靠性,目前已经成为国内外研究的热点。 指纹识别大体分为三个步骤:预处理、特征提取和特征匹配。本文集中于研究特征提取部分,并针对特征提取中的一些关键算法和实现进行了研究和优化,其主要内容如下:在特征提取方面,本论文采用了一种8邻域编码纹线跟踪算法,标注出端点和分叉点来进行特征提取;在剔除伪特征点时,先进行去边缘处理,再根据不同类型伪特征点的特征,采用相应剔除算法。实验表明,以上算法具有较小的运算量和较高的准确性。上述算法在本文中均用Matlab实现,取得了较好的效果,为后续的特征匹配工作打下了良好的基础。 关键字:指纹特征提取,去除伪特征,算法仿真 第IV 页 Matlab-based fingerprint image feature extraction Abstract With the development of society, the traditional safety system based on keepsake and password has been weaker, Which can not meet the requirement of modern safety system. In this case, the need of a more reliable safety system with higher anti-fake performance prompts the appearance of fingerprint identification technique. This technique, with a higher safety and reliable performance, can improve the reliability of identity resolution in virtue of human body’s physiological feature, and it has been a research focus these days. Fingerprint identification falls into three parts, they are pretreatment, feature extraction, and characteristic matching. The thesis mainly focus feature extraction, it optimized and innovated some key algorithms of this parts, which can be described as follows: in the feature extraction part, the thesis used a eight-neighborhood coding ridge tracing algorithm, removing some templates of consecutive points and bifurcate points which have been optimized and removed in the thinning algorithm, and finally marking terminate points as well as bifurcate Points to execute feature extraction. Experiment result indicated that such new algorithm has a less operation but with a higher accuracy. All the algorithms introduced above have been implemented on Matlab, and result proved an adaptive good effect, which facilitates the next characteristic matching process. Key words: Feature extraction, Removing of false characteristic points, Algorithm simulate 第III 页 目 录 绪论 ........................................................................................................................................ 1 1 1.1引言 ............................................................................................................................... 1 1.2 生物识别技术简介 ...................................................................................................... 1 1.3指纹识别技术 ............................................................................................................... 2 1.3.1指纹识别简介 ..................................................................................................... 2 1.3.2指纹识别原理 ..................................................................................................... 3 1.3.3指纹识别的发展 ................................................................................................. 3 ............................................................................................. 5 1.3.4指纹识别的优缺点 1.3.5指纹识别系统 ..................................................................................................... 5 1.4指纹图像特征提取 ....................................................................................................... 6 1.5主要内容和结构安排 ................................................................................................... 7 1.5.1主要内容 ............................................................................................................. 7 1.5.2结构安排 ............................................................................................................. 7 2 指纹图像的预处理 ................................................................................................................ 9 2.1归一化 ........................................................................................................................... 9 2.2图像增强 ....................................................................................................................... 9 2.3二值化 ......................................................................................................................... 10 2.4细化 ............................................................................................................................. 11 2.5本章小结 ..................................................................................................................... 12 3 指纹图像特征的提取 .......................................................................................................... 13 3.1指纹图像的特征 ......................................................................................................... 13 3.1.1全局特征 ........................................................................................................... 13 3.1.2局部特征 ........................................................................................................... 13 3.2指纹图像特征点的提取 ............................................................................................. 14 3.2.1直接灰度图像法 ............................................................................................... 15 3.2.2基于细化图像的模板匹配法 ........................................................................... 16 第IV 页 3.2.3算法比较 ........................................................................................................... 17 3.3伪特征点的滤除 ......................................................................................................... 18 3.3.1伪特征点分类及特点 ....................................................................................... 18 3.3.2伪特征点的剔除算法 ....................................................................................... 19 3.4特征提取算法Matlab算法仿真 ................................................................................ 21 3.5本章小结 ..................................................................................................................... 24 4 总结与展望 .......................................................................................................................... 25 4.1总结 ............................................................................................................................. 25 4.2展望 ............................................................................................................................. 25 致谢 .......................................................................................................................................... 26 参考文献 .................................................................................................................................. 27 附录A 主程序......................................................................................................................... 30 附录B 提取特征点程序......................................................................................................... 31 附录C 剔除伪特征点程序..................................................................................................... 33 第1页 1 绪 论 1.1引言 随着社会经济的发展,人们的工作生活越来越依赖现代信息技术和网络技术,越来越多的场合,小到个人的虚拟账户密码,大到一个公司甚至是国家机密都需要对使用者、来访者进行身份识别,从而达到对自身的信息、资料以及财产进行可控制的保护,努力避免被不法分子非法入侵或者占有。因此信息安全对于现代社会来说己经变得越来越重要了,它涉及到人们生活的方方面面。同时由于黑客技术借助互联网传播的十分泛滥,这类高科技犯罪活动追究起来过程非常复杂,导致了现在黑客犯罪活动十分地猖獗。几乎每分每秒都有个人或者公司被非法入侵,因此目前形势非常严峻。如何保护人们的信息安全已经成为不得不面对的问。如何准确识别个人身份信息是解决信息安全问题的一个关键。 目前常见的身份识别方法主要是基于实物(如证件、签名等等)的识别技术和基于电子技术的密钥或者密码的识别技术,而这些认证手段存在诸多缺陷。首先,这些认证手段的安全性不高,极容易通过伪造、窃取或者破解获得。其次,这些认证手段并不是随身携带的,都面临着证件丢失,密码遗忘等问题。一旦这些凭证被不法分子获得,将直接给人们带来巨大的损失和潜在的风险,因此这些手段的可靠性都比较低。目前,为了提高安全性、可靠性,一般采取经常更换密钥、甚至是证件等方式。但是在这些措施只能暂时的缓解被破解、伪造的紧迫性,并不能从根本上提高安全性,并且这些方式都给人们的生活带来诸多不便和损失。因此可以说这两种身份识别技术已经无法满足现实的需要,传统的身份识别技术己无法满足现代生活的需要,社会迫切的需要一种更高可靠性的,更方便的保密验证手段。新的更高安全性的身份识别技术正吸引着越来越多的 [1]机构学者的目光,身份识别技术正成为当今信息安全领域的热点。 1.2 生物识别技术简介 [2]生物识别(Biometrics),简单来讲,就是利用人体生物特征进行人的身份辨别的过 第2页 程。生物识别的过程是一个模式识别的过程。模式识别定义为:对表征事物或现象的各种方式的(数值的、文字的或逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。 众所周知,人类具有很强的模式识别能力。通过视觉信息识别文字、图片和周围的环境,通过听觉信息识别与理解语言。模式识别能力是人类智能的重要组成部分。生物识别遵循模式识别的原则规律,它通过判定相似度来确认生物特征相不相同。通过筛选的方式,即事先设定一个相似度阈值,在阈值以上的确认通过筛选,以下的拒绝通过,筛选通过的就是符合匹配条件的对象。 生物识别的对象是人,生物识别的主体是机器系统或者计算机系统。生物识别有两大基石。一是它必须基于“人的生物特征是各不相同”这一基本规律,否则无法根据人的生物特征来辨识不同对象。二是人的生物特征可以被外化,并表示为机器系统可读的形式,可以理解的“语言”。外化表示通过专门的电子化、自动化的生物特征采集设备,直接获得生物特征数据,输送给计算机系统进行辨识。生物识别是建立在对人的生物特征辨别的基础上的。人的生物特征包括生理特性和行为方式。生理特征有手形、指纹、脸形、声音、虹膜、视网膜、静脉图案、身体气味、足印、脑电波、脉搏、耳廓、DNA 等,行为特征有签字、按键力度、步态等。 目前,全球来讲,在指纹识别、脸形识别、虹膜识别和语音识别四个方面的研究成果较多,产品化程度也较高。在行为特征辨识的研究方面,对签名识别和按键力度识别的研究相对充分。 1.3指纹识别技术 1.3.1指纹识别简介 指纹,由于其具有终身不变性、唯一性和方便性,已几乎成为生物特征识别的代名词。指纹是指手指末端正面皮肤上凸凹不平的纹路,是在胎儿期6个月时形成的,在人的一生中指纹的纹线类型、结构、统计特征的总体分布等始终没有明显变化。任何手指指纹都独一无二,而且不同人的指纹特征相同的可能性几乎为零。指纹纹线的形态终生 [3]不变,及其唯一性,所以使用指纹来鉴别身份,指纹识别也是最安全最可靠的识别方 第3页 法。 指纹特征是人终生不变的特征之一,人体指纹含有天然的密码信息,其具有作为密码信息必须具备的三个重要性质: (1) 广泛性,指每一个正常的人都有指纹。 (2) 唯一性,指每一个人的指纹都不同。 (3) 终身不变性,指非意外事故指纹终身不变。 指纹是人体所固有的特征,随身携带,不易遗忘或丢失,使用方便;与人体是唯一绑定的,防伪性好,不易伪造或被盗。因此,作为一种可靠的方法,可以运用指纹鉴定进行身份认定。 1.3.2指纹识别原理 指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定。 其实,我国古代早就利用指纹(手印)来签押。1684年,植物形态学家Grew发表了第一篇研究指纹的科学论文。1809年Bewick把自己的指纹作为商标。1823年解剖学家Purkije将指纹分为九类。1880年,Faulds在《自然》杂志提倡将指纹用于识别罪犯。 [4]1889年Edward Herry提出了著名的Herry系统来对指纹进行分类。之后,英国、美国、德国等的警察部门先后采用指纹鉴别法作为身份鉴定的主要方法。随着计算机和信息技术的发展,FBI和法国巴黎警察局于六十年代开始研究开发指纹自动识别系统(AFIS)用于刑事案件侦破。目前,世界各地的警察局已经广泛采用了指纹自动识别系统。九十年代,用于个人身份鉴定的自动指纹识别系统得到开发和应用。 由于每次捺印的方位不完全一样,着力点不同会带来不同程度的变形,又存在大量模糊指纹,如何正确提取特征和实现正确匹配,是指纹识别技术的关键。指纹识别技术涉及图像处理、模式识别、计算机视觉、数学形态学、小波分析等众多学科。 1.3.3指纹识别的发展 随着科技的进步,指纹识别技术已经开始慢慢进入计算机世界中。目前许多公司和研究机构都在指纹识别技术领域取得了很大突破性进展,推出许多指纹识别与传统IT 第4页 技术完美结合的应用产品,这些产品已经被越来越多的用户所认可。指纹识别技术多用于对安全性要求比较高的商务领域,而在商务移动办公领域颇具建树的富士通、三星及IBM等国际知名品牌都拥有技术与应用较为成熟的指纹识别系统,下面就对指纹识别系统在笔记本电脑中的应用进行简单介绍。 (1)第一代指纹识别系统 众所周知,在两年前就有部分品牌的笔记本采用指纹识别技术用于用户登录时的身份鉴定 ,但是,当时推出的指纹系统属于光学识别系统,按照现在的说法,应该属于第一代指纹识别技术。光学指纹识别系统由于光不能穿透皮肤表层(死性皮肤层),所以只能够扫描手指皮肤的表面,或者扫描到死性皮肤层,但不能深入真皮层。 在这种情况下,手指表面的干净程度,直接影响到识别的效果。如果,用户手指上粘了较多的灰尘,可能就会出现识别出错的情况。并且,如果人们按照手指,做一个指纹手模,也可能通过识别系统,对于用户而言,使用起来不是很安全和稳定。 (2)第二代电容式传感器 后来出现了第二代电容式传感器,电容传感器技术是采用了交替命令的并排列和传感器电板,交替板的形式是两个电容板,以及指纹的山谷和山脊成为板之间的电介质。两者之间的恒量电介质的传感器检测变化来生成指纹图像。但是由于传感器表面是使用硅材料,容易损坏,导致使用寿命降低,还有它是通过指纹的山谷和山脊之间的凹凸来形成指纹图像的,所以对脏手指、湿手指等困难手指识别率低。 (3)射频指纹识别技术 发展到今天,出现第三代生物射频指纹识别技术(射频原理真皮指纹核心技术(线型采集器)),射频传感器技术是通过传感器本身发射出微量射频信号,穿透手指的表皮层去控测里层的纹路,来获得最佳的指纹图像。因此对干手指、汗手指等困难手指通过可高达99%,防伪指纹能力强,指纹敏感器的识别原理只对人的真皮皮肤有反应,从根本上杜绝了人造指纹的问题。因为射频传感器产生高质量的图像,因此射频技术是最可靠,最有力的解决。除此之外,高质量图像还允许减小传感器,无需牺牲认证的可靠性,从而降低成本并使得射频传感器的思想应用到可移动和大小不受拘束的任何领域中。 第5页 1.3.4指纹识别的优缺点 优点: (1)指纹是人体独一无二的特征,并且它们的复杂度足以提供用于鉴别的足够特征; (2)如果要增加可靠性,只需登记更多的指纹、鉴别更多的手指,最多可以多达十个,而每一个指纹都是独一无二的; (3)扫描指纹的速度很快,使用非常方便; (4)读取指纹时,用户必需将手指与指纹采集头相互接触,与指纹采集头直接接触是读取人体生物特征最可靠的方法; (5)指纹采集头可以更加小型化,并且价格会更加的低廉; 缺点: (1)某些人或某些群体的指纹特征少,难成像; (2)过去因为在犯罪记录中使用指纹,使得某些人害怕“将指纹记录在案”。 (3)实际上现在的指纹鉴别技术都可以不存储任何含有指纹图像的数据,而只是存储从指纹中得到的加密的指纹特征数据; (4)每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕,而这些指纹痕迹存在被用来复制指纹的可能性 1.3.5指纹识别系统 指纹识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征提取和比对等模块。目前的自动指纹识别系统是集计算机、网络、光电技术、图像处理、智能卡、数据库等技术于一体的综合高端技术。自动指纹识别技术主要包括四个方面:指纹图像的录入、图像预处理、特征提取和特征匹配。下面就以上各部分做简要的介绍。 (1)指纹采集 最早的指纹采集方法是用手指蘸上墨水或印油在纸上用扫描仪摄取,由于其严重的不可靠性,该方法早已经被淘汰。随着光学仪器、传感器及数字技术的发展,各种快速精确、方便小巧的采集设备都得到了应用。目前主要使用光学扫描仪和固态阵列传感器 第6页 进行采集。前者用激光照在手指上,然后用CCD阵列摄取其反射光,由于反射光随着指纹的脊线和谷线的深度不同而不同,因此可以得到指纹图像。后者是用大量的敏感元件组成的固态阵列芯片,它们采用电容传感、热敏传感或其他传感技术,通过感受按压指纹的压力、热度等特征来摄取指纹。 (2)指纹图像预处理 预处理在整个自动指纹识别系统中是很关键的一步。通常直接输入计算机的图像有一定的噪声,我们需要去除这些噪声才能进行下面的细化、特征提取和特征匹配等操作。然而在实际应用中,由于采集条件(手指太湿、太干或太脏)和采集设备等因素的制约,采集到的指纹图像质量比较差,含有大量的噪音,容易导致很多问题,影响后续的处理效果。因此,在对图像进行特征提取前,必须经过一系列的预处理消去大量的噪声信号,以便得到清晰的纹线。 (3)特征提取 传统的特征提取方法主要有两种:第一种是直接从原始指纹图像上进行细节特征提取,另一种是从细化后的指纹图像上进行特征提取。第一种算法比较复杂,受噪声干扰影响较大,特征点定位不精确,大多数系统都采用了第二种方法。指纹图像存在两种待提取的特征:全局特征和局部特征。全局特征用于指纹的分类,一个重要的全局特征是中心区的形状;局部特征是指纹中的细节,它可以通过细化后的指纹图求得。目前最常用的细节特征是美国联邦调查局(FBI)提出的细节点坐标模型,它利用端点和分叉点这两种特征,只需要一个3×3模板便可将端点和分叉点提取出来。 (4)特征匹配 特征匹配是将输入指纹的特征与指纹模板库中所存储的指纹特征进行比较,找出最相似的指纹作为识别的输出结果。这个过程也就是我们所说的指纹识别/认证的过程,它是指纹识别系统的核心。其中指纹识别用于判断指纹是属于哪个人的,而指纹认证则是用来判断两个指纹是否属于同一个人。 1.4指纹图像特征提取 指纹特征提取包括纹线细化、特征点(交叉点、断点、中心点、三角点等)检测与分类、伪特征点消除、特征点特性参数计算、特征参数压缩编码、全局特征(“斗”、“箕”、 第7页 “旋向”等)检测等步骤,特征提取算法应能适应噪声、畸变、位移、旋转、缺损、变形等常见的实际情况。 细节特征的提取就是在指纹图像中找到脊终点和脊分叉两个细节特征,一般说来,如果指纹图像能够很好地分割,那么对于细节特征提取来说,就仅仅是对细化的指纹图像进行沿脊线的点的判断。然而,在实际中由于指纹图像本身存在噪声或在提取特征时,滤波和细化引入了噪声,我们无法得到完美的指纹图像细化图,在提取特征时会产生一些虚假细节特征。虚假细节特征的存在会同时提高指纹图像匹配时的误识率和拒识率。因此,在特征提取时,往往需要进行虚假细节特征删除,一般采用启发式算法对虚假特征进行删除。 对于一个分叉点的分支如果小于某个给定阈值,就将其当作毛刺删除;如果脊线的两个端点很近,那么该脊线有可能是噪声引起的,应删除;在指纹图像边缘的脊终点也应删除。 特征提取的结果一般保存为特征模板,它包括脊终点或分叉类型、位置坐标以及该特征的方向。 一般的指纹图像提取的特征在10—100 之间。 1.5主要内容和结构安排 1.5.1主要内容 指纹图像的处理,包括指纹图像预处理、特征提取和特征匹配三个部分工作。其中指纹图像预处理是指对采集头采集的指纹进行图像归一化、图像增强、二值化和细化;特征提取,包括指纹特征的提取以及伪特征的剔除;特征匹配主要分为初匹配和二次匹配两个阶段。本文主要研究指纹图像的特征提取,介绍了特征点的提取以及伪特征点剔除的算法。 1.5.2结构安排 本文共分为4章,结构安排大致遵循指纹图像识别的处理流程,即按照指纹图像处理的先后顺序:先进行指纹图像的预处理、然后进行特征的提取,省去了指纹特征匹配阶段。具体安排如下: 1(介绍了生物识别技术所包含的内容,指纹识别技术的优缺点与发展现状,以及 第8页 指纹识别系统的结构,简要介绍了本文研究的主要内容。 2.对指纹图像的预处理的各个步骤做简要介绍。 3(指纹特征的提取。首先介绍如何对指纹特征进行表征,即通过何种特征来标识一个指纹,具体方法有全局特征和局部特征。接着介绍常用的特征提取方法,以及它们的优缺点。最后给出了本文的指纹特征提取方法,并根据各种伪特征点的形成原因、特点,采用了富有针对性的剔除伪特征点算法,并通过Matlab进行算法仿真验证。 4.结语。总结回顾指纹图像特征提取的方法,对后续进一步研究的进行合理的展望。 第9页 2 指纹图像的预处理 对于一幅指纹采集头采集的原始图像,为了使后续特征提取的操作能够正常有效的进行,必须对原始指纹图像进行一定的处理。通常这样的处理过程包括归一化、图像增强、二值化和细化等过程。下面将依次介绍预处理是如何实现的。 2.1归一化 由于在指纹采集的过程中,采集的指纹图像灰度不均,即有的指纹图像偏暗,有的偏亮。这给建立统一的、有效的后续指纹图像处理算法带来了极大的不便。因此有必要将每幅指纹图像都通过归一化(又叫“规格化”,“均一化”)处理,方便后续的处理。 指纹图像的归一化主要是通过求取指纹图像的灰度均值和方差,将灰度均值和方差调整到一个期望的范围。从而在不改变图像的灰度特性(指:灰度均值和方差)的前提下,实现所有指纹图像的灰度都分布在同一个期望的范围内,实现指纹图像的归一化。 2.2图像增强 指纹图像增强,就是对指纹图像采用一定的算法进行处理,使其纹理结构清晰化,尽量突出和保留固有的指纹特征信息,并消除噪声,避免产生虚假特征。其目的是保持特征信息提取的准确性和可靠性。 从目前的研究情况和各种算法的综合比较来看,空域滤波和频域滤波仍然是指纹图像增强中比较有效且占据主流地位的方法。 空域滤波法通过对滤波算子和原始图像作卷积来实现图像增强,具有简单直观,易于分析的优点。 O’Gorman和Nickerson较早提出采用方向滤波器进行指纹图像增强。他们利用指纹独特的方向性设计出相应的方向滤波器模板,这种滤波器能够沿指纹纹线方向对图像进行平滑处理,具有一定的消除噪声和弥合裂纹的能力,同时能提高指纹脊线和谷线在图像中的对比度。但是,该方法没有使用指纹的频率信息,主要依据经验来确定滤波器 [5]模板,对低质量指纹图像的处理效果较差,具有一定的局限性。Greenberg等使用具 第10页 有结构自适应能力的各向异性滤波器对指纹图像进行滤波,能够在滤除噪声的同时保护指纹纹线结构,但是同样没有结合指纹的频率信息,对指纹纹线变化的适应能力有限。 Hong等提出采用具有方向和频率选择性的二维Gabor滤波器来增强指纹图像。他们根据指纹的方向性将二维Gabor滤波器调制到各个方向,并根据指纹的频率信息来确定滤波器的中心频率,然后使用所得的Gabor滤波器组对图像进行滤波。该方法较好地结合了指纹的方向信息和频率信息,对指纹图像的增强效果比较显著。其不足之处在于,容易破坏纹线方向变化剧烈的模式区域,会在一定程度上改变脊线和谷线的位置及比例关 [6]系,对细节特征的保护能力有限。 频域滤波法通过直接改善图像的频谱来实现图像增强。由于指纹纹线具有较强的等周期性,因此从频谱上看,指纹图像的能量通常集中在某个频率附近,这为在频域进行指纹图像增强带来方便。 Sherlock等提出了基于频域的方向滤波算法。首先在频域定义出一组方向滤波器对指纹图像的频谱进行滤波处理,每一个方向滤波器在提取出对应方向的频谱信息的同时削弱其它方向的频谱信息,然后在空域将滤波结果按指纹图像的方向信息进行融合,从而得到完整的增强图像。该方法利用了图像的全局信息,对低质量指纹图像也能取得较好的增强效果,但是仅以常数作为指纹的脊线频率,没有考虑频率的空间变化性,对指纹的纹线结构和细节特征具有一定的破坏性。另外,该方法需要对整幅图像进行多次傅 [7]立叶变换,存在较多的运算,计算效率还有待提高。Kamei和Mizoguchi在频域对图像作方向滤波时进一步考虑了指纹的局部频率信息,并使用贪婪算法以能量最小化的方式对滤波图像进行融合。该方法的最大问题是计算量和存储量均较大,不利于实际应用。Willis和Myers提出了一种快速的频域增强算法。首先将指纹图像分成一系列小方块,并对各图像子块分别作傅立叶变换以得到相应的频谱,然后采用求幂的方法直接修改幅度谱值,最后通过傅立叶逆变换得到增强图像。该方法不需要计算原始指纹图像的方向和频率,因此简单易行,计算量较小,但是在噪声的影响下会对图像造成较大的破坏,其合理性还有待进一步研究。 2.3二值化 所谓二值化就是将灰度图像转化为灰度值为0、1组成的黑白图像,0为背景点灰 第11页 度,1为纹线点灰度,它是指纹图像处理中重要的一步。由于指纹图像的方向特征、细节点位置等特征的提取以及匹配都跟像素点灰度值的多少没关系,只跟指纹图像的脊线的形状、走向有关系,因此二值化处理不会丢失指纹图像的特征信息,另外二值化还可以方便图像信息的存储,节约存储空间,并且方便了后续的计算处理。常用的二值化方法有:固定阀值法、局部自适应阀值法等。 [8]固定阀值法就是整幅指纹图像采用一个固定的阀值,对于灰度值大于这个阀值的像素点的灰度值置为1,小于等于这个阀值的像素点其灰度值置为0。这种算法非常简单、处理起来非常快,但是具有非常大的缺陷。由于指纹图像在采集时的环境(光线、压力、湿度等),整幅指纹图像的明暗分布并不是均匀的,往往存在某一部分局部过暗(即灰度值偏小),而另外一部分局部过亮(偏大)。这样若采用固定阀值进行处理,将导致过暗和过亮部分的特征信息丢失,因此一般不采用这种算法。 [9-10]局部自适应阀值法,它是针对固定阀值法的缺陷提出的,该算法将指纹图像划分为大小合适的子块,对每一个子块进行求取阀值,然后进行分块二值化。该算法在没明显增大运算量的情况下,有效的克服了固定阀值法的不足。 2.4细化 —8个像素,由于按捺的轻重不匀使指纹脊线的二值化后的指纹脊线平均宽度为6 粗细不能恒定,难于据此直接抽取指纹的特征集。所以,指纹图像二值化后要进行细化。细化是图象分析、信息压缩、特征提取、模式识别常用的基本技术。它是在不改变图像像素的拓扑关系的条件下,连续擦除图像边缘像素,使纹线最终成为一个像素宽。细化算法的迭代必须收敛且不能破坏纹线的连接性,不能引起纹线的逐步吞食,还要尽可能的保护指纹的细节特征,细化的骨架也要尽可能接近纹线中心线,要求算法简单、高效。 常用的细化算法包括逐层剥离法、距离变换法。逐层剥离法是反复将图像边缘层的点剥去,直至得到中心骨架,其特点是简单、实用、容易理解,所以较为常用,但该方法依赖于像素的执行顺序,因而容易受毛刺或孔洞噪声的影响,且一般需要多次迭代,速度较慢。距离变换法利用中心骨架到脊线边缘距离相等,把到脊线两边边缘距离相等的点连接起来,就可以得到中心骨架,这种方法更符合人类提取骨架的认知过程,受局部噪声干扰小,但其算法设计不直观,且对许多应用并不具有鲁棒性(Robust),尤其是 第12页 应用于处理那些粗细不均匀的纹理。逐层剥离法按照细化顺序又主要分为两类:串行细化和并行细化。串行细化算法一次只能对一个像素进行处理,每次处理不仅与上一次处理的结果有关,而且还和本次已处理过的像素有关;并行细化算法则每次同时对所有的 [11]像素或它的一个子集进行处理。串行细化算法即单连通细化(OPTA)算法通过构造一组指纹细化模板,对于脊线上的每个像素点取其一定范围的邻域,如果该邻域与模板符合就保留该当前点,不符合则删除。通常,为了得到更加准确的骨架,往往采用两组模板,一组被称为删除模板,用于决定当前点是否删除,若不符合删除模板,则保留;若符合删除模板,则还要与另一组被称为保留模板的模板比较,若符合保留模板,则保留;若不符合保留模板,则最终删除。OPTA 算法能满足收敛性、连接性、拓扑性和保持性,对指纹图像的细化能达到较好的效果。 2.5本章小结 本章简要阐述了指纹预处理阶段中的图像归一化、滤波增强、二值化以及细化等步骤,并对各个步骤的常用的算法的研究状况和优缺点做了简要介绍。 第13页 3 指纹图像特征的提取 指纹图像的最终匹配还要依赖指纹的特征点来进行。采集到的指纹图像在经过归一化,增强,二值化和细化之后基本保留了原始指纹的纹理特征。目前流行的自动指纹识别系统大多采用基于细节点的表达方式,故在进行指纹的细化及细化处理之后要进行指纹的特征提取,以方便最后的指纹匹配。 3.1指纹图像的特征 3.1.1全局特征 [12]全局特征是指可以直接观察到的宏观特征,必须通过图像整体获得。目前最常见的表示指纹图像的全局特征是按照指纹的脊线总体结构来确立的,具体包括指纹的纹形、模式区、核心点(core)、三角点(delta)和脊线数五个特征。 (1)纹形,是指指纹脊线整体走向,主要有三大类:拱型(arch)、帐型(tended arch)、左箕型(left loop)、右箕型(right loop)、斗型(whorl)、双箕型(double whorl)。拱型没有中 [13]心点和三角点,帐型和箕型有一个中心点和三角点,双箕型有两个中心点。 (2)模式区,是指包含了指纹图像的大部分总体特征的区域,通过这个区域也能够分辨出指纹是属于哪个类型的。 (3)核心点(core),是指指纹脊线的渐进中心点。 (4)三角点(delta),一般是指从中心点开始的第一个分叉点、断点、孤立点等等,常与核心点一起称为奇异点。 (5)脊线数,指的是模式区内指纹脊线的数量。 全局特征一般用在大规模指纹库中,实现快速分类,也可以用在特征匹配中的粗匹配阶段。 3.1.2局部特征 局部特征是指指纹拓扑图中的几种有效的特征,比如指纹纹路是不是连续的,方向 第14页 是不是一致,具体到细节特征就表现为断点、分叉点、交叉点、桥、环等等,这些通常称为特征点。这些特征点之间,特征点与周围脊线之间等等都包含了丰富的信息,比如特征点的类型、方向、位置等等。特征匹配就是利用这些信息进行的。 据统计,这几类特征点占特征点的比率如3—1所示。从表中可以发现,端点和分 [14]叉点占特征点91%,而交叉形、桥形以及环形三类总共只占9%左右。这一方面说明了几乎所有的指纹都有端点和分叉点,而且数量丰富;另一方面也反映了不是所有的指纹都有桥形、环形等特征点,而且即使有数量也比较少。因此为了能普遍的表征指纹图像,一般选用端点和分叉点作为指纹图像特征点。 图3—1特征点类型及所占比例 一幅质量比较好的指纹图像,一般有40—100个特征点,但真正匹配时,由于受指纹采集时外界影响比较大,不可能实现100%匹配。英国司法界认为有12个细节点匹配, [15-16]就可以认为两幅指纹相同,美国FBI认为8个细节点匹配就足够了。 3.2指纹图像特征点的提取 指纹特征提取是指纹自动识别的核心技术之一,它一般分为两个阶段:提取特征点 第15页 和伪特征点的剔除。迄今为止,人们已经对指纹细节特征提取算法进行了很多的研究工作。最早提出特征点提取算法的是美国联邦调查局(FBI)的自动指纹识别技术研究人员。他们采用了一种二级算法,用自适应“编辑”方法将指纹图像二值化,再从二值化后的指纹图像中提取特征点。该算法的提出在指纹识别领域具有开拓性的意义,并且该算法在相当一段时间内被广泛地用作细节特征点的算法,获得了广泛的应用。 最常用的特征点提取算法有两类:一是从灰度图像直接提取特征点;二是对预处理细化后的图像进行提取特征点。下面将对这两种特征点提取算法进行介绍比较,并确立本文将要采用的特征点提取算法。 3.2.1直接灰度图像法 [17-18]直接灰度图像指纹特征提取的原理是使用模式识别的方法跟踪灰度图上的纹线走向。正常区域指纹的纹线应该是连续的,当出现断裂终止分开时,则停下来根据规则进行特征点判定。 该算法主要由几个紧密联系的模块组成: (1)跟踪步进模块,主要负责预测下一步跟踪方向和步长,用来沿纹线前进一步。 (2)中心点确定模块,负责确定纹线的脊部中心点,使跟踪方向不断调整,始终沿纹线的中心前进。 (3)标记模块,用来给跟踪过的纹线作记号,以免重复跟踪,陷入死循环。 (4)特征判定模块,负责当跟踪到达纹线流向异常区域时,判定是否为特征点及特征点类型。 [19]具体算法如下: (1)计算指纹图像的方向图,一般以块方向作为指纹的方向。 (2)从初始点出发,根据指纹图像的方向信息,在该处的法线方向上,半个指纹周期内,求取灰度分布的最大值和最小值,并以该最大值处的像素点作为新的出发点。 (3)从新的出发点出发,沿指纹图像的方向图的方向前进一定步长(算法最开始是按固定步长进行跟踪的,后来发展到自适应步长跟踪),继续在发现方向求取灰度分布的最大值和最小值,仍然以最大值处的像素点作为新的出发点。 (4)不断重复步骤3,实现脊线跟踪,直到求取的灰度分布的最大值出现明显的 第16页 变小,与最小值差不多,甚至相等时,停止跟踪,说明己经到脊线的末端,此处即为特征点端点处。若跟踪到的脊线与先前己经跟踪过的脊线相交,停止跟踪,求取两条脊线交点位置,此处即特征点分叉点。 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,提取的特征信息(位置、方向等)也不够准确。 3.2.2基于细化图像的模板匹配法 [20-21]基于细化图像的模板匹配法,是先将指纹图像经过图像归一化、增强、二值化和细化等一系列的预处理得到细化的指纹图像,再通过构建像素的3×3邻域(如图3—2所示)提取指纹图像的特征点。图中P为待测像素点,Pl、P2??????P9为P的邻域,C(P)n为这8个邻域像素的相邻像素的灰度值(此时己二值化,所以灰度值只可能为0或l)从0变为1,或者从1变为0的次数。为8邻域像素中为1的像素的个数,具体按式S(P)n (3—1)、(3—2)计算。 8 , (其中) (3—1) C(P),,,nPPPP91i,i1i,1 8 (3—2) S(P),,nPii,1 通过分析可知,细化后的指纹图像的邻域状态如图3—3所示。对于脊线上的像素, C(P)S(P)可根据其邻域的和数值判定此时P像素点的状态。通过分析可以发现nn C(P)S(P)和数值仅存在以下三种情况: nn C(P)S(P)(1)若P点为脊线上的点,且=2, =l,则可判定像素点P为端点,nn 如图3—3中E点。 C(P)S(P)(2)若P点为脊线上的点,且=4, =2、3或者4,则可判定像素点Pnn 为脊线上的连续点,即不是特征点,如图3—3中的C1点、C2点、C3点、C4点。 C(P)S(P)(3)若P点为脊线上的点,且=6, =3,则可判定像素点P为分叉点,nn 第17页 如图3—3中点B点。 P1 P2 P3 E C1 P8 P P4 C2 B C3 C4 P7 P6 P5 图3—2邻域示意图 图3—3细化后的指纹图像 具体算法如下: (1)从端点出发,端点的八邻域只有一个点的灰度值为1,该点就是脊线跟踪的下一点。 (2)对脊线中间连续点,因为八邻域只有两个点灰度值为1,除去上一个被跟踪的点,剩下的一点即为下一个待跟踪点。 )设集合Ω={xi,yi,zi,gi},根据(3及的值判断被跟踪点的类型,并记S(P)C(P)nn 录下端点或分叉点的横坐标xi,纵坐标yi,及特征点的类型zi,gi是特征点的角度跟踪结束条件。端点的角度取从端点为起点的端线的角度,分叉点的角度取相对最小分支线的角度。端线及分支线的角度求法为:即从一个特征的位置出发坐标为(xi,yi)搜索到步长为7是最后一点坐标为(x,y)。如下式3—3。 gi=arctg(y-yi)/(x-xi) (3—3) 对指纹图像中的所有像素进行处理,分别记录下所有检测到的端点和分叉点,即完成了特征提取的第一步??特征的提取。 3.2.3算法比较 以上即是常用的两种特征点提取算法,通过比较不难发现:基于灰度直接提取算法原理比较简单,简化了图像增强、二值化步骤,直接求取脊线并得到特征点。并且由于步骤的简化一定程度上降低了伪特征点出现的概率。这两点是该算法的最大优点。但是 第18页 该算法对图像的质量要求比较高,仅适合图像质量非常好,脊线清晰的指纹图像,对于较模糊的指纹图像则无能为力。另外,该算法脊线跟踪的步长不好确定,即使采用自适应步长也只是稍微降低丢失特征点的情况,没有从根本上改观,加上是利用灰度分布直方图来确定特征点的,因此特征点的位置信息并不十分精确,有可能与实际的位置出现偏差,尤其是在图像模糊的情况下,更是相差甚远。基于细化图像的模板匹配法,算法稍微复杂一下,跟前一算法相比,多了图像增强和二值化。但是由于模板匹配法采用的是遍历原则,即对所有像素都进行特征点判定,所以不会出现第一种算法那样的特征点丢失的问题。另外由于在预处理阶段增加了图像增强和二值化,所以在算法的鲁棒性方面比第一种算法更好。所以考虑到指纹识别系统的鲁棒性,以及特征点提取算法的可靠性本文采用第二种算法。 3.3伪特征点的滤除 提取指纹图像的细节特征,是在细化图像进行的。由于图像质量和噪声的干扰,经过预处理后的细化图像上存在大量的伪特征点,所以特征提取后可能产生多达一、两万个细节特征点,其中包含了大量的伪特征点,这些伪特征点的存在,不但使匹配的速度大大降低,还使指纹识别性能急剧下降,造成识别系统的误拒率和误识率的上升,因此在进行指纹匹配之前,尽可能将伪特征点去除,同时保留真特征点。 3.3.1伪特征点分类及特点 在特征提取算法提取的特征点集中存在了一定数量的伪特征点,这是不可避免的,必须想办法剔去伪特征点,才能确保特征匹配能够准确的进行。 从上文细化后的指纹图像上不难发现,由于细化后的指纹图像出现了毛刺、粘连、断点等现象。出现这样的情况的原因有多种,一方面原始图像本来就存在模糊区域和粘连区域,另一方面在指纹图像的预处理过程中,虽然多次进行了滤波处理,但是噪音依然存在,并且有相当一部分带入到细化后的指纹图像中,通过特征点的提取转化为伪特征点。大量伪特征点的存在将导致匹配效率降低,成功匹配率降低,严重影响指纹识别系统的指标,因此在匹配前必须对伪特征点进行剔除。 下面分析一下毛刺、短线、断线、假桥以及环这几种主要的噪声的特点,以及因它 第19页 [22]们而产生的伪特征点的特性,方便针对它们各自的特点设计剔除算法。 (1)毛刺现象,毛刺的出现有多方面的原因,比如受随机噪声的影响而形成的,还有部分是受图像增强和细化处理产生的。一个毛刺经过提取特征点后会产生一个伪端点和一个伪分叉点。这类伪特征点的特点是它们往往成对出现,而且伪端点和伪分叉点的距离非常近,一般小于细化前的脊线宽度的一半。 (2)短线现象,一般在指纹采集时手指比较脏或者采集头上有灰尘等容易出现比较多的短线。短线的特点就是会产生两个伪端点,该两个端点相距很近,位于同一脊线上。 (3)断点现象,指纹采集时如果手指比较干燥,那么采集到的指纹图像有可能出现不少断点。另外手指褶皱、伤疤也容易产生断点现象。断点会产生两个伪端点,而且这两个伪端点也相距非常近,但是与短线不同的是这两个伪端点是分布在两条脊线上,沿脊线方向两个伪端点之间没有脊线。 (4)假桥现象,当手指过潮湿或者脏时,采集的指纹图像容易出现多脊线假桥(有时也叫桥)的现象,即本来不相连的两条脊线连在了一起。一般在假桥出现的地方提取的特征点为一对伪分叉点。其特点是这两个分叉点的距离一般近似等于平均脊线间距,而且两个伪分叉点间的连线近似垂直于其局部邻域的脊线方向。 (5)环现象,通常也叫孔。主要是由于随机噪声影响产生的。在出现环的地方提取特征点一般出现两个到三个伪分叉点。其特点是一般这两个伪特征点的距离非常小,而且这两个伪特征点间的连线与所在的脊线方向近似相同。 3.3.2伪特征点的剔除算法 从上文提取的特征点,不难发现,位于指纹四周边缘存在数量众多的特征点(包括真特征点和伪特征点)。这些特征点是由于在指纹采集时,指纹接触采集头的边界,脊线的起始点。这些起始点虽然也是属于端点,但是由于它们其实是不存在的,只是因为采集接触面积的原因才产生的。它们又不属于上节分析的那几类伪特征点,但它们并不是指纹的固有特征,所以需要进行剔除。 目前一般的指纹识别方面的文章都忽略了这部分边缘特征点,没有在匹配前进行剔除,这增加了后续匹配的特征点数量,影响了匹配效果。本文特在去伪特征点前对这类 第20页 特征点进行剔除。这样的处理算法难度并没有增加多少,但是却对提高了后续的匹配效率具有重大意义。 分析边缘部分特征点的特点发现,这部分特征点不一定就是位于指纹图像的边缘。但可以肯定的是这部分是脊线和边缘空白的交界处,而边缘特征点就位于边界的一定范围内,因此本文利用这一特点设计了剔除边缘特征点的算法: (1)将细化后的指纹图像进行划分20×20的子块。 (2)通过计算各个子块中像素点之和,检测该子块中是否含有脊线,并对含有脊线的子块进行标记,方便下面的进一步操作。 (3)对上一步已标记的子块的8个邻子块进行检测,检测是否含有脊线,只要8个邻子块中有一个没有含有脊线,说明该中心子块为边界子块。 (4)查找所有位于边界子块中的边缘特征点,并从特征点集中进行剔除。 处理完指纹边缘的特征点后,下面需要对指纹内的伪特征点进行剔除。根据上节分析的伪特征点的特征,本文将根据伪特征点的这些性质提出一套伪特征点剔除的算法。 由于在剔除伪特征点的算法中会用到脊线跟踪,这里先详细介绍一下如何实现脊线跟踪。 首先从指纹脊线的端点出发,沿脊线不断推进,并对已经跟踪过的脊线上像素点进行标记,并保存下来。如图3—4所示,假设图中为上次己跟踪过的脊线上的像素点,Pi,1 [23]P为当前的像素点,P为下一个要跟踪的像素点。跟踪时,考察以P为中心的3×3ii,1i子块,通过将8领域中脊线像素点与己跟踪的像素点进行对比,搜寻尚未考察的脊线上 PPPP的像素点(图3—4中深色部分) ,并保存到已跟踪点集中,再以代替作为下i,1ii,1i一个跟踪的像素点,以此类推实现脊线跟踪。 P P i-1i P i+1 图3—4脊线跟踪示意图 第21页 下面将利用脊线跟踪以及伪特征点的特点提出剔除伪特征点的算法:定义D(i,j)为特征点i和特征点j的距离;A(i,j)为特征点i与特征点j之间的连线与横坐标轴的夹角;为特征点i,j的块方向;为A(ij)与的差的绝对值。 ,,(i,j),,(i,j),(i,j) (1)断点、短线的删除 通过脊线跟踪,若在一个端点i的D1范围内存在另外一个端点j,且方向近似相同, [24]则端点i和端点j为一对断点,将它们从特征点集中删除。 (2)毛刺的删除 通过脊线跟踪,若在一个端点i的D2范围内存在一个分叉点j,则这样的特征点i,j为伪特征点,也将它们从特征点集中删除。 (3)桥的删除 通过脊线跟踪,若在一个分叉点i的D3范围内存在另外一个分叉点j,且近,,(i,j) ,/2似等于,则这两个特征点为桥形成的伪特征点,需要将它们从特征点集中删除。 这里需要说明的是的取值,由于为桥连的情况时,两条脊线是几乎平行的,,(i,j) 所以特征点i,j的块方向其实是相同的,在计算时任取特征点i或者j的块方向,(i,j) 即可。 (4)环的删除 通过脊线跟踪,若在一个分叉点i的D4范围内存在另外一个分叉点j,且特征点之间的连线的方向与脊线的方向近似相等,即近似等于0,则这两个分叉点为环,,(i,j) 形成的两个伪特征点,将它们从特征点集中删除。 以上D1、D2、D3和D4的值取决于指纹图像的脊线周期以及分辨率等因素。一般按经验取值,本文取采集头采集的指纹的脊线周期大约10个像素,试验表明此时D1、D2、D3和D4的值取5、10、4、6时,伪特征点剔除的效果比较好。 3.4特征提取算法Matlab算法仿真 Matlab算法仿真,图3—5为特征点提取示意图,图3—6,3—7,3—8为剔除边缘及伪特征点后的特征点示意图。图中为了分辨分叉点和端点,特将分叉点用蓝色叉号表 第22页 示,将端点用红色圆圈表示。 图3—5 特征点提取示意图 图3—6 剔除边缘特征点 第23页 图3—7 剔除伪特征点 图3—8 伪特征点剔除后效果图 第24页 3.5本章小结 本章首先介绍了指纹的全局结构特征和局部结构特征。全局结构特征用于指纹分类,减少指纹匹配时间;端点和分叉点成为最常用的局部结构特征,也称为细节特征,用这两类特征点描述指纹的唯一性。用算法实现了一下两点。 (1)指纹特征提取是指纹自动识别的核心技术之一,采用模板匹配法,提取指纹的细节特征即端点和分叉点。 (2)由于指纹边缘特征点作为端点信息被提取出来,这些特征点在特征匹配过程中是无用的信息,本文采用基于细化图像的邻域法,有效的消除了边缘特征点。 滤除了伪特征点以后,不但使匹配的速度大大提高,而且指纹识别性能提升,使识别系统的误拒率和误识率的下降,因此在进行指纹匹配之前,尽可能将伪特征点去除,保留真特征点。 第25页 4 总结与展望 4.1总结 本文针对指纹识别系统的图像特征提取算法做了大量的富有研究性的工作,具体的工作如下: (1)在特征提取阶段本文在分析现有的特征提取算法基础上,采用基于细化图像的邻域法进行特征提取,并且针对提取后可能的伪特征点的特点进行了针对性很强的分析,并逐一设计具体的伪特征点剔除算法。 (2)最后,本文应用Matlab对以上算法进行仿真测试,验证了本文指纹识别算法的可行性以及其优劣势,达到检验算法的目的。 4.2展望 经过本文的研究,己经形成了一套比较有效的指纹特征提取算法。针对仿真测试的结果分析,存在一些继续改进的地方。本文认为尚需在以下几个方面进行进一步深入研究: )随着对指纹识别系统的进一步深入全面研究,将在指纹采集图像的自动保存、(1 分类,系统自动建立大型指纹库等方面进行具体研究,从而使系统结构更完整,使用更方便。 (2)本文的算法虽然进行了仿真验证,但算法移植到FPGA上还有许多工作需要做,还需进一步努力。 第26页 致谢 首先,要感谢我的导师蔡超峰老师。在蔡老师的精心指导和严格要求下,我完成了毕业论文。在做毕业设计期间,蔡老师督促我的学习,并不断地鼓励我,严格要求的背后其实是关怀和寄予的深切希望。感谢老师让我生活和学习上得到成长,使我能更好地适应将来的工作生活。 其次,在学习期间,班上的同学都给了我很大的帮助,在此表示由衷的感谢,谢谢你们的帮助。同时,感谢我的父母和亲人,谢谢他们对我多年的关怀和支持。我的生活因为你们而有意义。 最后,感谢评审委员会的各位专家能够在百忙之中审阅我的论文,感谢学校、学院对本次答辩的支持。 第27页 参考文献 [1]戴平阳. 指纹识别技术研究进展[J]. 厦门大学学报(自然科学版), 2002,41(8):750-755. [2] 边肇棋等编著. 模式识别. 北京:清华大学出版社, 1990,20-27. [3] 田捷,杨鑫. 生物特征识别技术理论与应用. 北京.电子工业出版社, 2006,126-129. [4] Henry Fuzee, Fingerprint recognition in low quality images. Pattern Recognition,1993, 26(10):1441-1460. [5]O’Gorman, Nickerson. An Approach to Fingerprint Filter Design [J] .Pattern Recognition, 1989,22(l):29-38. [6] Hong L, Wan Y, Jain A K. Fingerprint image enhancement: algorithm and performance evaluation [J]. IEEE Trans. Pattern Analysis and Machine Intelligence, 1998, 20(8):777-789. [7]Sherlock, Monro, Millard. Fingerprint Enhancement by Directional Fourier Filtering, IEEE Proceedings-Vision, Image and Signal Processing, 1994, 141(2):87-89. [8]叶四民,陈福祥.指纹图像预处理中的二值化技术[J].自动化与仪器仪表.2001,2:30-34. [9] Amengnal J C, Juan A, Perez J C, et al. Real-time minutiae extraction in fingerprint images[A]. Proc.of the 6th Int. Conf:On Image proceeding and Applications (IPA97) [EB/OL]. [10]楚亚蕴.一种结合方向信息的指纹图像二值化算法[J].中国图像图形学报, 2006,15(6): 855-860 [11] Lhin R T, Wan HK, Stover D L, et al. A one-pass thinning algorithm and its parallel implementation[J].Computer Vision Graphics Image Processing,1987,40(1):30-40. [12] 刘怀泉,指纹识别系统研究.山东大学硕士学位论文.2005.6. [13]张艳霞.全局和局部特征结合的智能指纹匹配算法研究田].天津:天津大学, 2007,6. [14]叶青.指纹识别系统中的预处理组合算法[J].光电工程, 2009.4,36(4):140-142. [15]C.Baner, R.Stock. The FBI’s approach to automatic fingerprint identification (Part,).FBI Law Enforcement Bulletin, USA. Government Publication,1975,44(1). [16]魏鸿磊,欧宗瑛,甘树坤.采用逐级配准和分值加权的指纹匹配算法[J].计算机辅助设 第28页 计与图形学报,2006.6,18(6):832-837. [17] Dario Maio. Direct Gray Scale Minutiae Detection in Fingerprints[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1997, (19)1:27-40 [18] Jiang, W.Y.Yau and W.Ser. Detecting fingerprint minutiae adaptive tracing the gray level ridge. Pattern Recognition, 2001, 34(11):999-1013 [19]杨小青,杨浩,何为.基于方向滤波器的指纹图像预处理算法研究[J].西南大学学报, 2007, 29(11):148-152. [20]冯国进,顾国华,张保民.指纹图像预处理与特征提取[J].计算机应用研究,2004(5): 183-185. [21]X.Sun and Z. Ai-Automatic feature extraction and recognition of fingerprint imagel. Proceed of ICSP96, 1996, 1086-1089. [22]周德龙,赵志国,潘泉.基于模糊集的图像增强算法研究[J].电子与信息学报, 2002,24(7): 905-909. [23]甘树坤.指纹与人脸识别相关图像处理算法研究[D].大连:大连理工大学,2005.12. [24]廖凤华.指纹识别匹配算法研究[D].北京:北京交通大学,2007. [25]吴作好,曾洁.几种人体生物特征的生物识别技术比较[J].现代电子技术,2007,(14): 121-124. [26]柴晓光,岑宝炽.民用指纹识别技术[M].北京:人民邮电出版社,2004. [27]杨若冰.指纹识别的起源[J].中国防伪报道,2006.7,38-40. [28]田捷,杨鑫.生物特征识别技术理论与应用[M].北京:电子工业出版社,2005.4-30. [29]孟祥萍,武增光,赵玉兰.基于纹理结构的指纹识别算法[J].计算机工程与设计,2009, 30 (13):3136-3138. [30]A.Ranade and A..Rosenfeld. Point Pattern Matching by Relaxation[J]. Pattern Recognition.1980, 12(5): 269-275. [31]Lin Hong, Jain A K, Bolle Retal PanKanti, Identity authentication using fingerprints In: Proc. of First lnt’1Conference on Audio and Video-Based Biometric Person Authentication, Geneva, Switzerland,1997:103-110. [32]Xudong Jiang, Weiyun Yau. Fingerprint Minutiae Matching Based on the Local and Global Structures. IEEE, 2000, 1038-1041. [33]B.Moayer and K.Fu.A tree system approach for fingerprint Pattern recognition [J].Pattern 第29页 Recognition. 1990, 23(8):893-904. [34] B.Chatterjee, M.Verma and A.Majumdar. Edge detection in fingerprints [J]. Pattern Recognition.1987, 20:513-523. [35]Mehtre B.M, Muthy N.N, Kapoor S, et at. Segmentation of fingerprint image using the direction image[J] .Pattern Recognition.1987,20(4):429-35. [36]N.Ratha, S.Chen and A.K.Jain. Adaptive flow orientation based feature extrication in Fingerprint images[J].Pattern Recognition.1993,26(10):1441-1460. [37]J.D.Liu, Z.Huang, K.L.Chan. Minutiae extraction from gray-level fingerprint image by relationship examination [J].IEEE. Image Processing,2002,2(9):10-13. 38]LinHong. Automatic personal identification using fingerprints:[D].Michigan State [ University,1998. [39]A.K.Jain, L.Hong, R.Bolle, On-line fingerprints verification[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1997,19(4):302-314. [40]D.K.Isenor, S.GZaky. Fingerprint Identification Using Graph Matching[J].Pattern Recognition,1986,19(1):113-122. [41]孙冬梅,裘正定.生物特征识别技术综述[J].电子学报,2001,29(12A):1744-1748. [42]张敏贵,周德龙,潘泉.生物特征识别及研究现状进展[J],生物物理学报,2002,18(2): 156-162. [43]卢朝阳,张岗山,刘琳.指纹识别系统性能评价方法[J].西安电子科技大学学报(自然科 学版),2002(12):804-509. [44]夏振华.指纹识别算法及小规模指纹识别系统的开发[D].南京:南京航空航天大 2006.1. 学, [45] Mehtre B M. Fingerprint Image Analysis for Automatic Identication [J] .Machine Vision, Application, 1993, 22(6):124-139. [46]舒乃秋.指纹图像预处理技术研究[D].武汉:武汉大学,2004.7. 第30页 附录A 主程序 clear;clc;close all; FP = imread('zhiwen.tif'); FP = FP(51:250,51:250); figure;imshow(FP); M0 = 120; Var0 = 100; FP_Normalized = Normalized(FP,M0,Var0); figure;imshow(FP_Normalized); W = 10; FP_Orientation = BlockOrientation(FP_Normalized,W); FP_OrientationMap = DrawOrientationMap(FP_Orientation); figure;imshow(FP_OrientationMap,'InitialMagnification','fit'); FP_Enhancement = Enhancement(FP_Normalized,FP_Orientation,W); imshow(FP_Enhancement);figure; FP_Binarized = Binarized(FP_Enhancement,W); imshow(FP_Binarized); figure; FP_Thined = Thined(FP_Binarized); imshow(FP_Thined); FP_FeaturePointsMatrix = GetFeaturePoints(FP_Thined); FP_DelFeaturePointsMatrix = DelFeaturePoints(FP_FeaturePointsMatrix,FP_Orientation,W); 第31页 附录B 提取特征点仿真程序 function FP_FeaturePointsMatrix = GetFeaturePoints(FP_Thining) Z = double(FP_Thining)/255; [len,wid] = size(FP_Thining); FP_FeaturePointsMatrix = zeros(len,wid); Cn = zeros(len,wid); Sn = zeros(len,wid); P = zeros(1,9); for i = 2:len-1 for j = 2:wid-1 P(1) = Z(i-1,j-1); P(2) = Z(i-1,j); P(3) = Z(i-1,j+1); P(4) = Z(i,j+1); P(5) = Z(i+1,j+1); P(6) = Z(i+1,j); P(7) = Z(i+1,j-1); P(8) = Z(i,j-1); P(9) = P(1); for m = 1:8 Cn(i,j) = Cn(i,j)+abs(P(m+1)-P(m)); Sn(i,j) = Sn(i,j)+P(m); end end end for i = 1:len for j = 1:wid if Z(i,j) == 1 if Cn(i,j) == 2 && Sn(i,j) == 1 FP_FeaturePointsMatrix(i,j) = 1; % endpoint elseif Cn(i,j) == 6 && Sn(i,j) == 3 FP_FeaturePointsMatrix(i,j) = 3; % points on line else FP_FeaturePointsMatrix(i,j) = 2; % forkpoint end end end 第32页 end figure;hold on; for i = 1:len for j = 1:wid if FP_FeaturePointsMatrix(i,j) == 1 plot(j,len+1-i,'ro','MarkerSize',10,'LineWidth',2); elseif FP_FeaturePointsMatrix(i,j) == 2 plot(j,len+1-i,'k-','MarkerSize',10,'LineWidth',2); elseif FP_FeaturePointsMatrix(i,j) == 3 plot(j,len+1-i,'bx','MarkerSize',15,'LineWidth',2); end end end 第33页 附录C 剔除伪特征点仿真程序 function FP_DelFeaturePointsMatrix = DelFeaturePoints(FP_FeaturePointsMatrix,FP_Orientation,W) [len,wid] = size(FP_FeaturePointsMatrix); M = FP_FeaturePointsMatrix; B = 20; for i = 1:B for j = 1:wid if M(i,j) == 1 || M(i,j) == 3 M(i,j) = 2; end end end for i = len-B+1:len for j = 1:wid if M(i,j) == 1 || M(i,j) == 3 M(i,j) = 2; end end end for i = 1:len for j = 1:B if M(i,j) == 1 || M(i,j) == 3 M(i,j) = 2; end end end for i = 1:len for j = wid-B+1:wid if M(i,j) == 1 || M(i,j) == 3 M(i,j) = 2; end end end figure;hold on; for i = 1:len for j = 1:wid 第34页 if M(i,j) == 1 plot(j,len+1-i,'ro','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 2 plot(j,len+1-i,'k-','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 3 plot(j,len+1-i,'bx','MarkerSize',15,'LineWidth',2); end end end D1 = 5; D2 = 10; D3 = 5; D4 = 10; for i = 1:len for j = 1:wid if M(i,j) == 1 a = i; % delete short line b = j; N = FP_FeaturePointsMatrix; flag = 1; while(flag) if (N(a-1,b-1) == 2) || (N(a-1,b-1) == 1) N(a,b) = 0; a = a-1; b = b-1; flag = 1; elseif (N(a-1,b) == 2) || (N(a-1,b) == 1) N(a,b) = 0; a = a-1; b = b; flag = 1; elseif (N(a-1,b+1) == 2) || (N(a-1,b+1) == 1) N(a,b) = 0; a = a-1; b = b+1; flag = 1; elseif (N(a,b+1) == 2) || (N(a,b+1) == 1) N(a,b) = 0; a = a; b = b+1; flag = 1; 第35页 elseif (N(a+1,b+1) == 2) || (N(a+1,b+1) == 1) N(a,b) = 0; a = a+1; b = b+1; flag = 1; elseif (N(a+1,b) == 2) || (N(a+1,b) == 1) N(a,b) = 0; a = a+1; b = b; flag = 1; elseif (N(a+1,b-1) == 2) || (N(a+1,b-1) == 1) N(a,b) = 0; a = a+1; b = b-1; flag = 1; elseif (N(a,b-1) == 2) || (N(a,b-1) == 1) N(a,b) = 0; a = a; b = b-1; flag = 1; else flag = 0; end end T = -(a-i)/(b-j); if T >= 0 theta1 = atan(T); else theta1 = atan(T)+pi; end I = floor((i-1)/W)+1; J = floor((j-1)/W)+1; theta2 = (FP_Orientation(I,J)-1)*pi*0.125; delta = abs(theta1-theta2); if (sqrt((i-a)^2+(j-b)^2) < D1) && (delta < 0.1*pi) M(i,j) = 2; M(a,b) = 2; end end end end figure;hold on; for i = 1:len 第36页 for j = 1:wid if M(i,j) == 1 plot(j,len+1-i,'ro','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 2 plot(j,len+1-i,'k-','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 3 plot(j,len+1-i,'bx','MarkerSize',15,'LineWidth',2); end end end N = M; D = D3; for i = 1:len for j = 1:wid if M(i,j) == 3 Block = N(i-D:i+D,j-D:j+D); Block(D+1,D+1) = -1; for m = 1:2*D+1 for n = 1:2*D+1 if Block(m,n) == 1 P = sqrt((m-D-1)^2+(n-D-1)^2); if P < D M(i,j) = 2; M(i-D-1+m,j-D-1+n) = 2; end end end end end end end figure;hold on; for i = 1:len for j = 1:wid if M(i,j) == 1 plot(j,len+1-i,'ro','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 2 plot(j,len+1-i,'k-','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 3 plot(j,len+1-i,'bx','MarkerSize',15,'LineWidth',2); end end 第37页 end N = M; D = D4; for i = 1:len for j = 1:wid if M(i,j) == 3 Block = N(i-D:i+D,j-D:j+D); Block(D+1,D+1) = -1; for m = 1:2*D+1 for n = 1:2*D+1 if Block(m,n) == 3 P = sqrt((m-D-1)^2+(n-D-1)^2); if P < D M(i,j) = 2; M(i-D-1+m,j-D-1+n) = 2; end end end end end end end figure;hold on; for i = 1:len for j = 1:wid if M(i,j) == 1 plot(j,len+1-i,'ro','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 2 plot(j,len+1-i,'k-','MarkerSize',10,'LineWidth',2); elseif M(i,j) == 3 plot(j,len+1-i,'bx','MarkerSize',15,'LineWidth',2); end end end FP_DelFeaturePointsMatrix = M; 第38页 致 谢 时间飞逝,大学的学习生活很快就要过去,在这四年的学习生活中,收获了很多,而这些成绩的取得是和一直关心帮助我的人分不开的。 首先非常感谢学校开设这个课题,为本人日后从事计算机方面的工作提供了经验,奠定了基础。本次毕业设计大概持续了半年,现在终于到结尾了。本次毕业设计是对我大学四年学习下来最好的检验。经过这次毕业设计,我的能力有了很大的提高,比如操作能力、分析问题的能力、合作精神、严谨的工作作风等方方面面都有很大的进步。这期间凝聚了很多人的心血,在此我表示由衷的感谢。没有他们的帮助,我将无法顺利完成这次设计。 首先,我要特别感谢我的知道郭谦功老师对我的悉心指导,在我的论文书写及设计过程中给了我大量的帮助和指导,为我理清了设计思路和操作方法,并对我所做的课题提出了有效的改进方案。郭谦功老师渊博的知识、严谨的作风和诲人不倦的态度给我留下了深刻的印象。从他身上,我学到了许多能受益终生的东西。再次对周巍老师表示衷心的感谢。 其次,我要感谢大学四年中所有的任课老师和辅导员在学习期间对我的严格要求,感谢他们对我学习上和生活上的帮助,使我了解了许多专业知识和为人的道理,能够在今后的生活道路上有继续奋斗的力量。 另外,我还要感谢大学四年和我一起走过的同学朋友对我的关心与支持,与他们一起学习、生活,让我在大学期间生活的很充实,给我留下了很多难忘的回忆。 最后,我要感谢我的父母对我的关系和理解,如果没有他们在我的学习生涯中的无私奉献和默默支持,我将无法顺利完成今天的学业。 致 谢 四年的大学生活就快走入尾声,我们的校园生活就要划上句号,心中是无尽的难舍与眷恋。从这里走出,对我的人生来说,将是踏上一个新的征程,要把所学的知识应用到实际工作中去。 回首四年,取得了些许成绩,生活中有快乐也有艰辛。感谢老师四年来对我孜孜不倦的教诲,对我成长的关心和爱护。 学友情深,情同兄妹。四年的风风雨雨,我们一同走过,充满着关爱,给我留下了值得珍藏的最美好的记忆。 在我的十几年求学历程里,离不开父母的鼓励和支持,是他们辛勤的劳作,无私的付出,为我创造良好的学习条件,我才能顺利完成完成学业,感激他们一直以来对我的抚养与培育。 最后,我要特别感谢我的导师刘望蜀老师、和研究生助教吴子仪老师。是他们在我毕业的最后关头给了我们巨大的帮助与鼓励,给了我很多解决问题的思路,在此表示衷心的感激。老师们认真负责的工作态度,严谨的治学精神和深厚的理论水平都使我收益匪浅。他无论在理论上还是在实践中,都给与我很大的帮助,使我得到不少的提高这对于我以后的工作和学习都有一种巨大的帮助,感谢他耐心的辅导。在论文的撰写过程中老师们给予我很大的帮助,帮助解决了不少的难点,使得论文能够及时完成,这里一并表示真诚的感谢。 第39页 ——附加三严三实文档—— 中国电子科技集团领导分赴联系点指导基层“三严三实”第 三次专题学习研讨 11月12日,河北石家庄通信事业部,江苏无锡中科芯(58所),中国电科党组书记、董事长熊群力,党组副书记、总经理樊友山于同日分赴联系点单位,参加指导“三严三实”第三次专题学习研讨。 党组成员联系点,是中国电科党组为贯彻落实中央从严治党要求,结合集团公司实际出台的重点工作事项。每年年初确定每位党组成员联系点单位,以三年为一个周期实现成员单位全覆盖,既强调以上率下,又加强交流互动。 “三严三实”第三次专题学习研讨会,是按照中央指示精神和集团公司党组统一部署开展的重要会议,旨在通过扎实推进专题学习教育,与抓巡视整改相结合,转变认识,谋划发展。 本次专题学习研讨会主题聚焦“严以用权,真抓实干,实实在在谋事、创业、做人,树立忠诚、干净、担当的新形象”,各单位主要领导率先垂范,结合自身学习和工作实际,谈理解,讲认识,查摆问题,分析原因,明确下一步工作思路和举措,涤荡了灵魂,启发了思路,收到了较好的效果。 第40页 “这次专题学习研讨气氛很好,大家收获都很多,这次让事业部各成员单位的主要领导也参与进来,为下一步各单位召开第三专题学习研讨,打下了很好的基础。” 熊群力在研讨讲话中,对学习研讨和通信事业部组建运行以来取得的成绩给予充分肯定,并着重从四个方面谈了认识,提出了希望和要求。 第一,专题学习研讨,准备充分,很务实。 研讨中很多同志能够结合单位实际,把自己摆进去,分析很具体、态度很端正、组织很规范,开得很成功。但是,一定要正确认识,专题学习研讨结束了,并不意味着“三严三实”教育工作结束。评价这次教育工作有没有效果,关键还在于看各单位改革发展的成效,看问题的整改是否到位。大家要化“三严三实”精神为改革发展的行动,不断在通信领域加强事业部的活力、控制力和影响力。从这个意义上说,“三严三实”为大家提供了思想动力,而下一步的发展则是“三严三实”教育成果的检验。 第二,总体运行情况良好,符合预期。 通信事业部组建至今,已经拿出了一个发展规划,组织管理也有一定作为,基本上已经作为一级组织形象开始发声,这证明集团公司 第41页 “三级架构、两级经营”的理念没有错,更坚定了我们推行板块化、事业部和子集团发展模式的信心。 第三,规划做好,事业才能扎扎实实地往前发展。 通信事业部组织力量完成了规划初稿,还需要进一步结合十八届五中全会新的精神,进一步思考、细化,明确以军事通信为核心、以军民融合发展为主线的发展思路。未来的规划,要能在一定程度上代表我军通信业务的发展,代表军民融合通信的发展走向和水平,可以从技术、市场、经济、现代企业制度建设以及党建和企业文化建设等五个主线条做好规划。 第四,通信事业部还要加快发展的步伐。 改革的步伐要加快,站位、卡位的步伐也要加快,如科技创新体系建设、资源整合和布局,以及党的建设、思想文化建设。只有加快发展步伐,才能使得通信事业部作为一级组织尽快明晰起来,从而及时抓住机遇,尽快形成发展合力,体现事业部的价值。 樊友山在听取了中科芯(58所)领导班子成员研讨发言后指出,中科芯(58所)党委此次专题学习研讨会总体上是成功的,推动了班子的作风建设,班子思想统一、积极向上,作风状态、精神面貌有了很大的变化,运行状况较以往上了一个台阶。不过,仍然有思想认 第42页 识上的问题需要给予高度重视,有些领导在查摆问题时触及到了肌肤还没有触及到灵魂,对问题分析的深度还不够。 针对中科芯(58所)下一步工作和发展,樊友山提出四方面要求: 一是以“三严三实”专题教育为契机,全面加强党的建设,把纪律和规矩挺在前面,从而端正作风,净化思想意识,凝聚广大干部职工的智慧和力量。在此过程中要提高党委掌控全局、把握发展方向的能力,在构建现代企业制度过程中充分发挥党委的政治核心作用; 二是认真谋划中科芯(58所)的战略定位,努力提升研发能力,和以研发能力为基石的核心竞争力。要认真谋划如何凭借自身的芯片技术、掩模技术在智慧城市、智慧小镇等产业领域里形成有中国电科特色的、有中科芯特色的产业; 三是切实以市场运作规律为目标来加强中科芯(58所)的机制建设,并以此提升人才队伍建设水平。要在下一步产业发展过程中体现领军人物、核心技术骨干的利益,要适应集成电路产业的市场规律来构建相应的机制; 四是善于用市场运行的规律来调整运作方式,全面提升管理水平和运作水平。要全力以赴抓好智慧中科芯园区建设,通过以智慧中科 第43页 芯园区建设为试点,探索集团公司信息化建设3.0版,真正实现协同设计、协同发展;为集团公司物联网发展模式提供探索,形成整体的基于中国制造2025、“互联网+”的智慧运作区域;要思考出基于互联网概念的运作模式,满足可互动、可体验、可展示的要求。 党组成员、副总经理王政(兼任通信事业部管委会主任),在专题学习研讨会上分享了他对“严以用权”的认识,并向事业部提了几点要求: 一是继续深入学习习近平总书记系列重要讲话和十八届五中全会精神,重新审视并做好事业部的“十三五”发展规划; 二是统一思想、坚定信心,推进通信事业部的各项工作; 三是确保2015年通信事业部经营目标的全面实现,着手部署好2016年的工作; 四是按照“三严三实”要求,加强党风廉政建设,班子成员要切实履行好一岗双责。 作为全程督导“三严三实”专题教育工作,并参加本次学习研讨的第三推进组组长陈永俊和第四推进组组长王菊明,对两个单位的学习研讨给予了高度评价,认为会前准备工作充分,撰写认真,会上能够畅所欲言、不拘形式,坚持问题导向,以正反两面为镜子, 第44页 对严以用权认识深刻,与本单位的改革发展结合紧密,研讨内容丰富,会议达到了预期效果,是一次高质量、深层次的会议。 通信事业部总经理涂天杰、中科芯(58所)总经理刘岱在表态发言中表示,一定要按照这次专题学习研讨的精神,牢记使命和责任,坚持从严从实的作风,以实际行动做实各项工作,为集团公司高质量进入世界500强和“国内卓越、世界一流”目标的实现贡献力量。 宝钢举行党委中心组“三严三实”第三次专题学习研讨 “严以用权,首先要弄清楚权力是谁赋予的,权力要有约束,有权不能任性。严以用权不是不作为、不担当,权力与责任是对等的。党员领导干部要用好手中的权,反对消极懈怠无所作为,要以饱满的精神状态接受‘冬常态’的考验,带领员工,推动宝钢深化改革和转型发展。”11月6日,宝钢集团公司党委书记、董事长徐乐江在党委中心组“三严三实”第三次专题学习研讨会上谈学习体会,并对党员领导干部提出要求。围绕严以用权,宝钢集团公司领导班子成员结合宝钢当前的生产经营现状、分管工作实际和个人思想作风实际,深入研 第45页 讨如何用好手中的权力,推动宝钢二次创业。徐乐江主持会议,宝钢集团公司总经理陈德荣出席会议。 按照党中央部署、国资委党委要求和宝钢党委的计划安排,在宝钢领导人员中开展“三严三实”专题教育。今年6月、9月,党委中心组分别围绕严以修身、严以律己开展了专题学习研讨。第三次专题学习研讨的主题是:严以用权,真抓实干,实实在在谋事创业做人,树立忠诚、干净、担当的新形象,坚持敢于担当的履职准则,解决“肩膀过硬”问题。集团公司专门编发了学习材料,集团公司领导班子成员带头学,并要求各单位在自学基础上,召开一次专题组织生活进行学习讨论。同时,还及时组织传达学习了党的十八届五中全会精神,组织学习了《中国共产党廉洁自律准则》和《中国共产党纪律处分条例》等相关文件,深刻领会、准确把握两部党内法规的主要条款和精神实质,为开展好此次“严以用权”主题的研讨做好准备。 集团公司工会主席朱义明作《宝钢管理者问卷“三严三实”专题教育专项调查情况报告》。调查报告显示,大多数基层员工认为所在单位能够按照“PDCA+认真”要求,将“三严三实”专题教育做扎实、做细致、做到位。“三严三实”专题教育开展以来,宝钢领导人员在“严以律己”方面改变较为明显,大多数能够做到“严以用权”,落实中央八项规定精神,深化作风建设成效较为显著。报告也反映了一 第46页 些问题,有基层员工反映领导干部中还存在“凭关系办事,不讲规矩,内外有别,公私不分”、“独断专行、家长作风、搞‘一言堂’”等问题。还有员工们建议,领导人员落实“三严三实”要“一级做给一级看”,防止“一级说给一级听”。希望领导能以身作则,多一点鼓励、指导,少一点形式主义,能融入群众之中,共同面对问题、解决问题。 陈德荣围绕“宝钢新一轮战略发展、存在的困难和挑战,领导干部应以怎样的精神状态,敢于担责、干事创业”谈学习体会。陈德荣指出,严以用权首先要弄清权从哪里来、权该为谁用、权应怎么用等问题,自觉提升践行严以用权的自觉性。“严以用权”包含了四层含义:坚持用权为民;按规则、按制度行使权力;把权力关进制度的笼子里;任何时候都不搞特权、不以权谋私。严以用权,必须要畏权如用火。领导人员要充分认识到公权滥用、公权私用的危害性,管住自己的欲望,管好手中的权力。严以用权,必须要民主使用权力。领导人员必须要坚持民主集中制原则,严格落实“三重一大”决策制度。这不仅是工作方法问题,更是执政能力、执政水平和党性修养的体现。严以用权,必须还要体现勇于担当。严以用权的落脚点是必须用好权,要认识到严以用权与敢于担当是辩证统一。权力意味着责任,权力越大责任也越大。不能为官不为。要围绕“上下同欲者胜”,拿出干事创业的精神状态,把严以用权落实到应对行业严冬,转型发展、创新 第47页 创业等实际工作中去,切实做到严以用权的同时勇于担当、善谋善成。严以用权也是对公司治理水平的反映。在公司治理层面,严以用权的落脚点应该是如何建立起科学有效的管理架构、决策机制和责任机制。陈德荣表示,要充分发挥表率作用,始终保持攻坚克难的勇气,正视问题不回避、承担责任不推诿、直面矛盾不上交,严以用权,敢于担责、干事创业,团结领导班子成员,在深化国企改革的大背景下,积极应对复杂多变的市场形势,激发广大干部群众干事创业的积极性、主动性和创造性。 集团公司副总经理周竹平围绕“在新一轮发展中,如何真抓实干,推进企业调整改革、转型发展”谈学习体会。宝钢正处在深化改革、转型发展的关键时期,能否顺利实现公司深化改革和转型发展目标,一支作风清廉、业务精熟、勇于创新、严以用权的干部队伍是关键因素之一。要以这次专题教育为契机,引导各级领导人员把“三严三实”要求转化为改进作风、敢于担当、干事创业的强大动力,为公司的深化改革和转型发展提供强有力的政治保证。周竹平结合自己分管的工作和宝钢实际,对宝钢深化改革和规划工作的认识和初步设想作了阐述。他表示,新的经济形势、产业趋势和市场环境,赋予宝钢“二次创业”以新的改革发展背景和内涵,宝钢要积极探索新的改革思路、提出新的变革举措,在深化改革中凤凰涅槃、再创辉煌。 第48页 伏中哲、戴志浩、赵周礼等党委中心组成员作了互动交流发言。他们表示,严以用权就是要牢固树立正确的权力观。领导干部要始终想到手中的权力是人民赋予的,要始终把公司利益、员工利益放在第一位。认真对待手中的权力,要时刻提醒自己为谁掌权,为谁服务。按原则、按制度行使权力。严以用权既是党性修养的内在要求,也是为官做人,干事创业的关键所在。领导干部对手中的权力要始终保持如履薄冰的谨慎,坚决守住干净为官的底线。严以用权不是不作为,而是为官有为,保持昂扬向上的精神状态,以上率下,上下同欲,为二次创业作出更大贡献。 徐乐江从三个方面谈学习体会。第一,党员领导干部要清醒地认识到手中的权力是谁赋予的。通过“三严三实”教育,结合中央巡视组向宝钢反馈的情况,党员领导干部要提高对权力的认识,要坚持权为民所用、为公所用。第二,有权不能任性。《中国共产党廉洁自律准则》和《中国共产党纪律处分条例》等相关文件的出台,是党中央从制度建设的角度,要求党员干部严守廉洁从业底线,不敢腐、不能腐、不想腐。徐乐江要求各级党组织过一次组织生活,认真学习,让《准则》和《条例》真正成为党员和领导干部的自觉行动。第三,权力就是责任,有权必须担当。必须履职尽责,为官有为,坚决反对消极懈怠,无所作为。徐乐江指出,权力和责任是对等的,严以用权,不是不担当、不作为,遇到难题绕道走,而是要以饱满的精神状态, 第49页 应对困难的决心,迎接“冬常态”的考验。坚定信念,率先垂范,带动各级管理者和员工,在宝钢当前面临的前所未有的挑战中,走出一条路来,推动宝钢深化改革和转型发展。 集团公司党委中心组成员,总部部门负责人、二级单位党委书记参加了学习研讨。国资委党建局组织处魏征同志参加会议。 国开行党委中心组举行“严以用权”专题学习研讨 国开行党委书记、董事长胡怀邦11月10日在京主持召开党委中心组学习(扩大)会议。党委班子成员联系对照正反两方面典型,围绕“严以用权,真抓实干,实实在在谋事创业做人,做忠诚、干净、担当的‘好干部’”这一主题,紧扣国开行实际,把自己摆进去,进行专题学习研讨。正在国外访问的国开行党委副书记、行长郑之杰提交书面发言。党委副书记、监事长刘梅生,党委委员、副行长李吉平、王用生、袁力,党委委员、纪委书记周清玉,党委委员、副行长丁向群、张旭光出席会议并作学习研讨发言。中央国家机关纪工委委员、办公室主任张俊森,中组部有关部门同志应邀到会。国开行总行有关部门负责同志列席会议。 第50页 胡怀邦带头作学习研讨发言。他强调,能否严以用权是对领导干部对党忠诚、个人干净、敢于担当的考验。就国开行而言,严以用权是用好金融资源、服务经济社会发展的必然要求。领导干部必须过好权力关,把严以用权落到实处。一是为民用权,树立正确的权力观。必须牢记“权为民所赋,权为民所用”,带着感情做好民生工作,把国家的惠民政策落到实处。二是依法用权,按照规章制度行使权力。自觉尊法学法守法用法,建立权力清单、责任清单、行为清单,严肃查处违法违规用权行为。三是尽职用权,担当起谋事创业之责。进一步强化责任意识和担当意识,推进国开行改革发展,更好地服务国家战略。同时加强干部考核工作,坚决整治庸政懒政怠政不作为现象。四是公正用权,处理好公与私的关系,为全行干部员工作出表率,在行内营造风清气正的政治生态和从业环境。五是阳光用权,主动自觉接受监督。党委班子成员要带头配合巡视,主动接受巡视监督;全行每一位领导干部也都应积极配合巡视监督,让权力在阳光下运行。 郑之杰在书面发言中指出,严以用权是领导干部为官从政的基本准则,是践行“三严三实”的关键,必须树立正确的权力观,做到“四有四用”。一是心中有法,依法用权;二是心中有民,秉公用权;三是心中有戒,廉洁用权;四是心中有责,勤勉用权。国开行作为国有开发性金融机构,肩负着代表国家和人民行使金融权力的重要职责,必须正确认识和对待金融机构的权力,更好地运用金融来服务经济社 第51页 会发展。下一步,一是加强学习,增强履职用权的本领;二是扎实推动业务发展,有效防控风险;三是加强制度建设与监督,切实把依法治行从严治行落到实处。 刘梅生在发言中指出,我们的党作为执政党,权力来自人民,用权就是要为国家为人民谋利益。党员领导干部,一是应当立根固本,为民用权。要坚定理想信念,不断加强学习、勇于实践,真正担当起权力赋予的责任。二是应当遵章守纪,严以用权。要正确对待权力、规范使用权力,不断提高党性修养,自觉接受监督,切实做到务实、公正用权。三是应当忠诚担当,谋事创业。当前,我国经济下行压力依然较大,国开行服务国家战略可谓任务重、责任大,党员领导干部必须率先垂范,发挥带动作用,切实承担起应尽的职责。 出席会议的其他党委班子成员结合工作和思想实际,依次作学习研讨发言。大家一致认为,严以用权是领导干部作风的核心问题,是每个领导干部的第一道门槛和第一堂必修课。作为国开行党委班子成员,必须树立正确的权力观,坚持为民用权、公正用权、依法用权、廉洁用权,把权力关进制度的笼子里,任何时候都不搞特权、不以权谋私,做忠诚、干净、担当的“好干部”,积极推进开发性金融为服务国家战略作出更大贡献。 第52页 最后,胡怀邦对国开行前一段“三严三实”专题教育工作进行总结,并对下一步工作进行部署。他要求,要继续抓好“三严三实”专题教育后续工作,配合好中央巡视有关工作。一是强化学习教育长效机制,坚持不懈抓学习。继续深入学习习近平总书记系列重要讲话和十八届四中、五中全会精神,加强主观世界改造,强化思想自觉。二是以高度政治责任感全力配合开展好专项巡视工作。三是继续突出问题导向,抓好整改落实。坚持即知即改、边学边查边改,制定整改台账,落实责任人和时限要求,实时更新。四是切实加强党建和落实“两个责任”,加强民主集中制,加强干部队伍和基层党组织建设,强化监督和党章党纪意识,始终把纪律挺在前面。五是全力以赴完成年底各项工作任务,编制好国开行“十三五”业务发展各项规划,更好发挥开发性金融服务国家战略的独特作用。
/
本文档为【【最新精选】基于Matlab的指纹图像特征提取毕业设计 40;论文 41;】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索