由于指纹所具有的唯一性和不变性,以及指纹识别技术具有很高的可行性和实用性,指纹识别成为最流行、最方便、最可靠的个人身份认证技术之一。虽然指纹识别领域己有许多研究成果,但随着社会对指纹识别的迫切需要,以及指纹识别技术在实际应用和测试中表现出的许多不足,近年来,许多研究机构都在十分活跃地进一步深入研究指纹识别领域的各种关键技术,以提高指纹识别的性能和解决实际应用中的问题,从而加速指纹识别技术的普及。但是因为指纹图的噪声、皮肤弹性的非线性等因素,以及许多文献都因商业利益而未经公开,理想的指纹自动识别系统依然是一个很困难的研究任务。 随着计算机技术的飞速发展,人工神经网络作为人工智能的重要分支之一,对其在指纹识别中的应用研究必然会对相应识别技术发展起到极大的促进作用。与传统的模式识别方法相比,神经网络具有信息的分布存储,并行处理及自学习能力等特点,因而受到广泛的应用。 基于此,本文选择人工神经网络技术作为指纹识别的方法,并在对传统的指纹预处理算法进行了分析、总结的基础上提出了一种新的基于Gabor滤波的指纹图像预处理技术。该预处理技术由指纹图象规格化、方向图的计算、滤波图象、分割及二值化、细化与去噪等几个部分组成。指纹图象规格化的目的是降低沿脊线谷线方向的灰度变化程度,但不改变脊线和谷线结构的清晰对比度。利用点方向图计算每个象素点处的纹线方向,求出指纹纹线的频率,用方向和频率调节Gabor滤波器对每个象素点进行自适应滤波,改善指纹图象质量,增强系统抗干扰的能力。然后,分割背景和前景块,二值化、细化并去除噪声,消去大量的指纹冗于信息,得到较完整的细节特征信息。最后将指纹的细节点特征送入BP神经网络进行识别并输出识别结果。 实验结果表明,利用基于指纹细节点特征的方法,合理采用神经网络可以有效地克服一定范围内的指纹旋转及平移因素的影响及对噪声的抵抗力,对于残缺或模糊的指纹图象也有较好的的识别效果。