论文部分内容阅读
随着身份识别重要性的不断提高,指纹识别的应用领域日益广泛:电脑识别、信用卡识别、个人通讯设备识别、考勤、考试、政府的福利发放等方面都需要用到指纹识别。指纹识别是一门成熟的生物识别技术,它是基于人体指纹特征相对稳定与唯一性这一统计学结果发展起来的。自动指纹识别技术是利用计算机进行的,把现场采集到的指纹同指纹数据库中的指纹逐一对比,从中找出与现场指纹相匹配的指纹。在指纹识别过程中有一个十分重要的环节,那就是指纹图像的采集和存储。然而由于采集指纹图像时,只是涉及了指纹的一些有限的信息,而且有些指纹图像的压缩算法并不是十分快速有效,因此不能保证识别结果百分之百的准确。现行的指纹识别系统普遍存在对比时间过长的现象,究其原因,是由于在存储指纹图像的时候没有采取一种性能优良的指纹压缩算法,致使图像在进行压缩时要么压缩比太小,要么压缩过程太慢。从而最终导致指纹系统在识别阶段识别速度过慢、识别不够准确、误识率较高。与此同时,不断增加的指纹图像对指纹识别系统来说也是个不小的压力。为了解决如此庞大的指纹数据的存储,节省存储空间,必须对指纹图像进行压缩。由此可见,采取一种有效的指纹压缩算法对整个指纹识别系统具有深远的意义。分形编码是一种另类的压缩方法,其压缩率与被压缩的图像内容相关。分形压缩的基本思想是,利用图像的自相似或自仿射特征,构造相应的局部迭代函数系统,从而只需要少量的数据就可以恢复与原图像相近的图像,达到压缩图像数据的目的。遗传算法是仿照自然界中生物进化、适者生存这一思想发展而来的一种优化算法。遗传算法中的杂交算子是一类非常重要的算子,杂交算子的性能将直接影响到整个算法的收敛速度。随着种群进化代数的增加,在选择算子的作用下,种群的平均适应度将以大概率增加。从相邻的两代种群中随机选择一个个体,两个个体的差异以一定概率代表了种群适应度增加的方向。因此可以利用相邻两代种群中个体的差来构成新的杂交算子,以产生新的个体,该新个体将以更高的概率向量最优解靠近[1]。针对分形编码过程的特点,在本文中利用代间差分遗传算法[1]优化指纹图像的分形编码速度,改善指纹分形编码的结果,并且基于精英策略对原算法进行了改进,不仅在识别过程中大大缩短了指纹压缩花费的时间,而且在压缩比上也有了很大程度的提高。