1. 研究目的与意义（文献综述）

指纹，由于其具有普遍性、唯一性、持久性、可采集性，已经广泛应用于人类身份的鉴别中。每个人的指纹都是固定的，而且长时间不会发生变化。人与人之间的指纹都不相同，提高了身份鉴别的可靠性。从广泛的意义上来说，凡是需要进行身份认证的系统和产品都可以应用指纹识别装置，比如：刑侦、门禁、金融、社保、户籍等方面。随着现实生活中电子产品的广泛应用，支付更加便捷，各类移动设备几乎都拥有指纹解锁以及指纹支付功能。如何有效、准确、快速的识别指纹已经成为时下一个研究热点。因而在这样的时代背景下，研究指纹识别技术具有特别的意义。

使用指纹进行身份确认已经有很长的历史，最早我们可以追溯到古代的中国。据相关资料显示，我国古代最早的指纹应用可追溯至秦朝。到唐朝时期，以“按指为书”为代表的指纹捺印已经在文书、契约等民用场合被广泛采用。自宋朝起，指纹则开始被用做刑事诉讼的物证。在欧洲，1788年，梅耶（j.mayer）首次提出没有两个人的指纹会完全相同；1889年，亨利（e.r.henry）在总结前人研究成果的基础上，提出了指纹细节特征识别理论，奠定了现代指纹学的基础。到20世纪70年代，由于计算机的广泛应用和模式识别理论的发展，人们已开始研究使用计算机进行指纹的自动识别。目前世界各国都在争先研究和开发实用指纹识别系统。20世纪90年代末期，价格较低的指纹采集器和快速匹配的算法发展为指纹技术用于个人身份识别提供了广阔的市场空间。随着机器学习和人工智能技术的发展，基于深度学习的指纹识别技术成为时下一个热点。

虽然指纹识别技术已经广泛应用于人们的生活中，但并非十分成熟，仍然存在着若干问题。一是指纹识别技术有待提高。就实际应用来讲，目前的指纹采集设备并不能很好地满足人们的需要，这俨然己经成为制约指纹识别技术发展的一个瓶颈。二是指纹预处理算法及匹配算法需要进一步的加强。目前的指纹预处理以及匹配算法并不能很好的解决指纹识别问题。

作为生物识别技术中应用最广泛、价格最低廉的识别技术之一，指纹识别技术在2016年保持着良好的发展态势，预计未来几年指纹识别市场将会持续保持稳定的增长速度。目前指纹识别技术主要应用在企业考勤和智能小区门禁系统以及手机支付、解锁中，随着技术的成熟和成本的降低，指纹识别技术的应用领域也越来越广泛。

2. 研究的基本内容与方案

由于指纹图像结构相近，差异较小，对比度低，存在噪声干扰，因此也是一种比较复杂的模式识别技术。我打算采用的自动识别技术主要由两部分组成：注册录入阶段和测试分类阶段。首先通过特定的指纹图像采集设备获取指纹的原图像，经过裁剪和归一化等预处理方法获得指纹的感兴趣区域，然后应用一种或多种特征提取算法获得判别性特征，最后集成特征数据库。对测试图像也是采用相同的处理步骤，通过对测试图像特征的提取，最终将提取的特征与特征数据库进行匹配，获得测试图像的标签，从而达到身份识别的目的。

指纹识别技术的基本步骤通常包括指纹图像的采集、相关的预处理、关键特征的提取、特征的匹配和分类决策。采集到的指纹往往会含有噪声，因此在特征提取之前需要对所采集的指纹图像进行预处理。预处理通常包括平滑滤波去噪、二值化处理、关键点定位和提取感兴趣的指纹中心区域。关键特征的提取是指纹识别的一个核心步骤。常用的指纹识别特征有幅度特征、统计特征、几何特征、纹理特征。指纹特征的识别是对测试样本进行特征匹配，并根据匹配结果进行分类。常用的匹配算法包括海明距离、bp神经网络、隐马尔科夫模型和支持向量机等。尽管以上的算法和大多数的技术我不曾了解，但在接下来的日子里，我一定能够掌握它们。

本文的指纹识别技术基于深度学习理论。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。本次设计的主要目的就是建立深度信念神经网络，对指纹进行特征分类和识别并对此次设计做仿真，根据仿真结果进行分析。

本次设计主要是在matlab平台进行编码与仿真。在这里面会用到图像处理，深度学习，人工神经网络等知识。可能遇到的技术难点就是深度学习理论和相关的matlab程序设计。而我在大学期间并没有接触过这一技术，甚至连深度学习知识也是现在才开始接触，所以在研究这一技术可能会存在难以理解、进度慢等问题。不过我坚信在自己的努力和老师、同学的帮助下一定能克服这些问题，圆满的完成这次设计。

3. 研究计划与安排

第 1 周—第 3 周 （2.20-3.12）搜集资料，撰写开题报告；
第 4 周—第 5 周 （3.13-3.26）框架设计，学习相关技术；
第 5 周—第 9 周 （3.27-4.23）实验平台搭建与仿真；
第10周—第14周 （4.24-5.28）完善实验、撰写论文初稿；
第15周—第16周 （5.29-6.11）修改论文；
第17周 （6.12-6.18）论文答辩。

4. 参考文献（12篇以上）

[1] 马驰，张红云，苗夺谦等．改进的多阈值动态二值化算法[j]．计算机工程，2006，32(6)：203-208

[2] 求是科技．《visual c 数字图像处理典型算法及实现》．人民邮电出版社，2006，6：全文

[3] kenneth r．castleman．digital image processing[m]．new jersey：prentice-hall，1996．