基于Gabor滤波器的指纹图像识别，Matlab实现

本文主要是介绍基于Gabor滤波器的指纹图像识别，Matlab实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

博主简介：专注、专一于Matlab图像处理学习、交流，matlab图像代码代做/项目合作可以联系（QQ:3249726188）

个人主页：Matlab_ImagePro-CSDN博客

原则：代码均由本人编写完成，非中介，提供有偿Matlab算法代码编程服务，不从事不违反涉及学术原则的事。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

本次分享的是基于Gabor滤波器的指纹图像识别算法，用matlab实现。（有疑问或者想交流细节的QQ:3249726188）

一、案例背景介绍

在前期分享的案例博文中，介绍了人面识别、人脸定位、人体动作识别、视频人脸识别等相关算法。这次介绍另一个识别的热点方面：指纹识别。

二、算法原理概述

针对指纹图像识别，这次我们选择的核心特征提取算法是Gabor特征。下面介绍一下Gabor滤波器。

傅里叶变换是线性系统分析的有力工具，提供了一种把时域信号转换到频域进行分析的途径，时域和频域之间是一对一的映射关系。图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

傅里叶变换不足之处：经典傅里叶变换只能反映信号的整体特性（时域，频域）。对傅里叶谱中的某一频率，无法知道这个频率是在什么时候产生的。从傅里叶变换的定义也可看出，傅里叶变换是信号在整个时域内的积分，因此反映的是信号频率的统计特性，没有局部化分析信号的功能。另外，要求信号满足平稳条件。为解决傅里叶变换的局限性，产生了Gabor变换和小波变换。

Gabor变换是D.Gabor 1946年提出的。为了由信号的Fourier变换提取局部信息，引入了时间局部化的窗函数，得到了窗口Fourier变换。由于窗口Fourier变换只依赖于部分时间的信号，所以，现在窗口Fourier变换又称为短时Fourier变换，这个变换又称为Gabor变换。

Gabor 特征是一种可以用来描述图像纹理信息的特征。此外，Gabor小波对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，Gabor滤波器可以提取不同方向上的纹理信息。Gabor滤波器对于光照变化不敏感,能够提供对光照变化良好的适应性，能容忍一定程度的图像旋转和变形，对光照、姿态具有一定的鲁棒性。Gabor 函数的定义、参数细节等等网上也比较多资料，这里不再细述，有兴趣的同学可以自行找一下相关资料。

针对Gabor函数的特点，用来做指纹图像的特征提取还是比较合适的。

三、算法流程

整体原理是根据指纹图库情况，对待识别图像进行一定的预处理（灰度化、细化、去噪等等，如图库质量比较好，直接进行特征提取也可以的），提取Gabor滤波后的系列特征，然后通过与训练图库的特征进行对比，通过KNN算法进行分类。

算法思路比较简单，下面介绍具体算法流程。

1、读取待识别图像，按需要进行一定的预处理（灰度化、细化、去噪等等，如图库质量比较好，直接进行特征提取也可以的）

2、设置Gabor滤波器组参数，获取不同参数下的能量、标准方差、锋态、平滑度、一致性度量等特征，形成特征向量。

3、按照步骤一到二，获取整体训练图库的特征，保存为特征库

4、根据待识别图特征值和训练库的特征值，使用KNN算法进行分类（如果需求是识别指纹是否同一个人，则计算两个待识别图的特征距离，再进行判断即可），得到识别结果。

四、Matlab实现效果

Gabor滤波后和识别效果：