毕业设计论文_基于神经网络的指纹识别系统研究

湖 南 科 技 大 学 毕 业 设 计（ 论 文 ） 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 目 基于神经网络的指纹识别系统研究 作者 学院 专业 学号 指导教师 湖 南 科 技 大 学 毕业设计（论文）任务书 院 系（教研室） 系（教研室）主任: （签名） 年 月 日 学生姓名: 学号: 专业: 1 设计（论文）题目及专题： 2 学生设计（论文）时间：自 年 月 日开始至 年 月 日止 3 设计（论文）所用资源和参考资料： 4 设计（论文）应完成的主要内容： 5 提交设计（论文）形式（设计说明与图纸或论文等）及要求： 6 发题时间： 年 月 日 指导教师： 学 生： 湖 南 科 技 大 学 毕业设计（论文）指导人评语 指导人： 年 月 日 指导人评定成绩： 湖 南 科 技 大 学 毕业设计（论文）评阅人评语 评阅人： （签名） 年 月 日 评阅人评定成绩： 湖 南 科 技 大 学 毕业设计（论文）答辩记录 日期： 学生： 学号： 班级： 题目： 提交毕业设计（论文）答辩委员会下列材料： 1 设计（论文）说明书 共 页 2 设计（论文）图 纸 共 页 3 指导人、评阅人评语 共 页 毕业设计（论文）答辩委员会评语： 答辩委员会主任： 委员： 答辩成绩： 总评成绩： 摘 要 随着信息技术的和网络技术的发展，信息安全越来越引起人们的重视。为了保护，自身的信息、财产、以及资料安全，很多场合和设备都需要对来访者和使用者进行身份验证。指纹识别由于具有唯一性、可靠性，基于指纹识别的技术的身份识别系统以其独特的技术优势和成本优势广泛的应用于个领域。 目前指纹匹配系统的主要问题存于这几个方面：在系统采集的指纹图像易受噪声和皮肤弹性等因素影响；特征匹配的效率较低；容易受伪特征点的影响；对模糊和有一定位移、旋转的图像无法准确识别等。本文将神经网络技术与模式识别技术相结合，提出一种对解决指纹识别技术中的问题切实有效的解决办法。概括起来，本文主要对指纹识别系统的以下几个方面进行了深入研究。 本文给出了用matlab对指纹图像的处理算法以及处理结果。主要使用了，图像的频域增强，自适应阀值二值化和指纹的细化。实验显示，matlab实现的处理结果比较理想，满足识别的应用性。 在指纹的特征点提取技术研究中，本文采用了全局的一个指纹走向特征和局部的细节特征点作为神经网络识别的特征，从而达到准确识别指纹图像的目的。 在指纹的识别方法中，本文使用了一种基于BP神经网络的指纹识别算法，使用神经网络的识别，能有效的提高指纹识别的鲁棒性。 关键词：BP神经网络；指纹图像预处理；指纹特征提取；伪指纹特征处理 Abstract With the development of information technology and network technology, more and more people pay attention to information security. In order to protect their own information, property, as well as data security, on many occasions and equipment needs of visitors and user authentication. Fingerprint recognition due to unique, reliability, identification systems based on fingerprint recognition technology with its unique technical advantages and cost advantages of a wide range of applied field. Fingerprint matching system stored in these aspects: the fingerprint image acquisition by the system is susceptible to noise and skin elasticity and other factors; less efficient feature matching; vulnerable to the impact of false feature points; blur and a certain displacement, the rotation of the image can not accurately identify. Neural network and pattern recognition technology is presented by combining an effective solution to solve the problem in fingerprint recognition technology. To sum up, this article is mainly on the following aspects of the fingerprint identification system in-depth study. In this paper, using matlab fingerprint image processing algorithms and processing results. Mainly spent, in the frequency domain of the image enhancement, adaptive threshold binarization and thinning of the fingerprint. The experiments showed that the Matlab achieve results, to meet the identified application. Fingerprint feature point extraction technology research, this paper uses a fingerprint of the global trend features and local minutiae as the neural network to identify the characteristics, so as to achieve the purpose of accurate identification of the fingerprint image. Fingerprint identification method, the use of a fingerprint recognition algorithm based on BP neural network, neural network identification, can effectively improve the robustness of fingerprint identification. Keywords: BP neural network; fingerprint image preprocessing; fingerprint feature extraction; pseudo fingerprint feature processing 目 录 摘 要 i Abstract ii 第一章 绪 论 - 1 - 1.1 生物识别技术简介 - 1 - 1.2 指纹识别技术简介 - 2 - 1.3 神经网络技术简介 - 3 - 1.4 本文的主要工作 - 4 - 第二章 指纹图像的预处理及其实现 - 5 - 2.1 指纹的概述 - 5 - 2.1.1 指纹的形成 - 5 - 2.1.2 指纹的特性 - 5 - 2.1.3 指纹识别的基本原理 - 6 - 2.1.4 指纹的采集技术 - 9 - 2.2 图像频域增强 - 11 - 2.2.1 图像频域增强简介 - 11 - 2.2.2 图像频域增强的基本步骤 - 11 - 2.3 图像的二值化 - 12 - 2.3.1 图像二值化算法 - 12 - 2.3.2 二值化算法的matlab的仿真 - 13 - 2.4 指纹图像的细化 - 14 - 2.4.1 指纹图像的细化算法 - 14 - 2.4.2 细化算法的matlab仿真 - 14 - 第三章 指纹特征的提取 - 15 - 3.1指纹图像特征点的提取 - 15 - 3.1.1 基于灰度图像的直接提取法 - 15 - 3.1.2 基于细化图像的邻域法 - 15 - 3.1.3 两种算法的比较 - 16 - 3.2 伪特征点的剔除 - 17 - 3.2.1.伪特征点分类及特点 - 17 - 3.2.2 伪特征点剔除算法 - 18 - 3.3 本章小节 - 19 - 第四章 基于BP神经网络的指纹的识别 - 20 - 4.1 BP神经网络及其原理 - 20 - 4.1.1 BP神经网络简介 - 20 - 4.1.2 BP神经网络的特点 - 21 - 4.1.3 BP神经网络的主要功能 - 21 - 4.2 BP网络输入向量构建 - 22 - 4.2.1 基于纹路整体走向的总体特征提取 - 22 - 4.2.2 基于端点和分支点统计特性的局部特征提取 - 23 - 4.3 用自适应步长的BP网络进行指纹识别 - 23 - 4.4 实验结果 - 24 - 第五章 总结与展望 - 26 - 5.1 总结 - 26 - 5.2 展望 - 26 - 致 谢 - 27 - 参 考 文 献 - 28 - 第一章 绪 论 1.1 生物识别技术简介 已经有许多的生物识别技术，如指纹识别，掌形识别，虹膜识别，视网膜识别，面部识别，签名识别，语音识别，但部分技术含量高的生物特征识别方法仍处于实验阶段。随着科学技术的飞速进步，将会有更多更多的生物识别技术应用到现实生活。传统的识别方法，包括身份的物品（如钥匙，ID，ATM卡等）和身份（如用户名和密码）的知识，但主要是通过在体外材料鉴定项目，一旦身份证明和鉴定被盗或遗忘的知识其身份被假冒或替换。生物识别技术比传统的识别方法，保密和方便更安全。不容易被遗忘的生物特征识别技术，安全功能，难以伪造或被盗，便携式携带，可随时，随地，等等。人的特点是人体固有的不可复制的只有这一生物密钥无法复制，失窃或被遗忘，利用生物识别技术进行身份确认，安全，可靠和准确的。普通的密码，IC卡，条码，磁卡或钥匙丢失，遗忘，复制和未经授权使用的诸多不利因素。因此，采用生物“钥匙”，你不必携带大串钥匙，不用费心记忆或变更密码。系统管理员不必忘记密码无奈。生物识别技术产品均借助于现代计算机技术实现，很容易与计算机安全，监控，管理系统和自动化管理​​。生物识别技术可广泛应用于政府，军队，银行，社会福利和安全，电子商务，安全和国防。例如，储户到银行，他既不用银行卡，还有的是没有记住你的密码直取款时，他的自动柜员机提款，一个视频摄像头扫描用户的眼睛，然后迅速而准确地完成用户的认证结束业务，这是实拍岛，得克萨斯州，美国联合银行的销售部门。该业务部门是现代生物识别技术虹膜识别系统。 “有几种方法来实现指纹识别。其中有一些遵循传统的公安部门所使用的方法，以局部细节，比较指纹，有的直接通过所有的特点，确定一些独特的方法，如指纹波纹边缘模式和超声波。有些设备可以实时测量的指纹，而别人做不到的。在所有生物识别技术中，指纹识别是目前使用最广泛的指纹识别更适合室内安防系统，因为可以有足够的教育和培训，并为用户提供系统运行环境是可控的条件。由于其相对较低的价格，较小的体积（可以很容易地集成到键盘），且易于集成，使工作站的安全访问在几乎所有的应用指纹识别系统。 1.2 指纹识别技术简介 指纹识别是基于生物特征识别的一种，具有所有生物识别的共性。用于个人身份识别的生物识别技术中指纹特征是第一个被发现和应用，因此，长期与其他识别技术相比，指纹识别的历史更加悠久。指纹识别技术是目前最成熟且价格便宜的生物特征识别技术。目前来说指纹识别的技术应用最为广泛，我们不仅在门禁、考勤系统中可以看到指纹识别技术的身影，市场上有了更多指纹识别的应用：如笔记本电脑、手机、汽车、银行支付都可应用指纹识别的技术。 指纹识别的主要步骤如图1.2.1： 图1.2.1 指纹识别的一般步骤 总的来说，指纹识别的原理包括指纹采集原理、指纹图像处理原理、指纹特征提取原理和指纹特征匹配原理四大部分。 （1）指纹采集的过程本质上是指纹成像的过程。其原理是根据嵴与峪的几何特性、物理特征和生物特性的不同，以得到不同的反馈信号，根据反馈信号的量值来绘成指纹图像。 　　（2）指纹图像处理的过程 就是对指纹采集中湿法和干法，老化，损坏的指纹进型处理的到清晰的图像以拟补对指纹图的质量缺陷，确保处理后的指纹的对处理算法具有良好的鲁棒性。在图像处理中一般由规格化、方向图的就算、滤波几个方面组成。 （3）指纹的特征提取主要是提取指纹图像中总体特征点信息和局部特征点信息，并去除应为图像采集过程中产生的一些伪特征点。 （4）指纹特征匹配的过程就是，对当前输入指纹图像的经过前面所述3步产生的特征数据与数据库内的信息进行比较以验证是否属于同一个指纹图像。本文中的匹配算法采用了神经网络的BP网络进行识别，大大提高了识别的鲁棒性。 1.3 神经网络技术简介 人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。 神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”，见图1.3.1）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法（Learning Method）得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。 人工神经网络具有四个基本特征：非线性、非局限性、非常定性和非凸性。 神经网络有以下几个突出优点： （1）可以充分逼近任意复杂的非线性关系； (2)采用并行分布处理方法，使得快速进行大量运算成为可能； (3)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性； (4) 能够同时处理定量、定性知识。 (5)可学习和自适应不知道或不确定的系统； 图1.3.1 神经元示意图 1.4 本文的主要工作 本文的主要任务是结合神经网络技术对指纹识别系统进行设计和基于matlab平台上的一个仿真。主要工作包括：对指纹图像的预处理，然后进行指纹特征的提取和伪特征的去除，提取出适合神经网络识别的特征数据，最后用基于神经网络的方法完成对指纹的识别。 第2章 指纹图像的预处理及其实现 2.1 指纹的概述 2.1.1 指纹的形成 我们可以看看自己，人体的表面各处布满了毛细孔和毛发，但是在手掌及脚掌的地方却没有这些构造。然而在我们手指和脚趾的第一节内面有特殊的凸起纹路，有着各种不同的形状，这些纹路会产生分泌物，由指端脊纹排泄出来，所以当我们接触到物体时，在物体的表面就会留下这些纹路的痕迹，这就是我们取得指纹的来源。 2.1.2 指纹的特性 指纹的形状千变万化，之所以指纹会成为现代科学鉴别的工具，是因为指纹有着特殊的性质，介绍如下: （1）指纹因人而异 到目前为止，世界上没有找到过有两个指纹相同的人，即使是双胞胎，他们的指纹纹路虽然会非常相似，但是比对其细节的部分还是会有很大的不同。十八世纪以前，有些学者认为地球上几十亿的人口，总会找到有指纹相同的人，所以对这种认证的方式感到怀疑，但是后来检查世界各国的指纹资料库，在所有的指纹卡上实在找不出两个完全指纹相同的指纹，这才确立了指纹有因人而异的特性。有人曾以电脑来计算，结论是要到四十二位数时，才可能用指纹相同的人，所以说，这在地球上是不太可能会发生了，就真得有指纹相同的人，他们也不太可能生存在同一个世纪。 （2）指纹永久不变 人在母体内四个月时，指纹就以经全部形成，会随着个人的发育而成长，然而纹路及形状从出生到老死都不会有改变，为了证实这个特点，十九世纪末，有一位德国人类学家威尔氏​​及英国学者贺须尔氏，都先后留下指纹，经过二十年后再来进行比对，结果几乎不受时间的影响而改变。由此永久不变的特性，是指纹验证被采用的原因之一。 （3）触物痕迹 指纹每条纹路的凸纹上都布满了汗腺，随时都不断的在分泌汗液，这些分泌除了水分之外，还有脂肪、蛋白质、尿素及其它有机混合物，特性是黏性特别强，挥发性慢，可以在物体上保留很长的时间。值得一提的是，人体在精神亢奋时，汗腺排泄的分泌液会特别多，如犯罪者在作案时，几乎是凡触摸过必留下痕迹。 　 （4）损而复生 人体的皮肤组织具再生的能力，而手指皮肤的再生能力比起其它的部位又特别的强，指纹的成形根于皮肤组织真皮层的根部，假设是在火伤，外科手术等等的情况下，会造成指纹一时间的无法辨识，但是经过一段时间后，指纹的纹路便会自动恢复到原有的样子，丝毫不会改变。除非真的受到非常深的创伤，组织受到完全的破坏，才有可能留下永久的疤痕。 2.1.3 指纹识别的基本原理 指纹的图像是复杂的，生物识别技术公司并不直接存储指纹图像。经过长时间的发展和研究，在各个公司及其研究机构都产生了许多的数字算法（美国有关法律认为，指纹图像属于个人隐私，因此不能直接存储指纹图像）。指纹识别算法最终都归结为指纹图像和指纹的特征值的识别匹对。 我国目前所采用的指纹制度和世界各国统一标准一致，使用的是英国学者ERHenry的现代指纹法，即Henry System分类整理法，将指纹分为二部八类，Henry并确认了若指纹上有13个特征点重合，即可确认为本人。 指纹的特征可分总体特征和局部特征： （1） 总体特征 总体特征就是那些可以直接用人眼进行观察和鉴别的特征，包括基本纹路图案环型（loop），弓型(arch)，螺旋型(whorl) 如图2.1.1所示。其他的指纹图案都基于这三种基本图案。 图2.1.1 环型、弓型、螺旋型指纹图像 模式区即指纹上包括了总体特征的区域，从此区域就能够分辨出指纹是属于哪一种类型的。有的指纹识别算法只使用模式区的数据，有的则使用所取得的完整指纹（SecureTouch的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别）。 图2.1.2模式区 核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，既只能处理和识别具有核心点的指纹。（核心点对于SecureTouch的指纹识别算法很重要，但没有核心点的指纹它仍然能够处理）如图2.1.3所示。 图2.1.3核心点 三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处，如图2.1.4所示。 图2.1.4三角点 指纹模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数，如图2.1.5所示。 图2.1.5 纹数 （2） 局部特征 局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征一特征点，却不可能完全相同。 指纹的纹路不是一直连续、平滑笔直的，纹路很多时候都会出现中断、分支或者折返。这些端点、分支点和转折点就被称为“特征点”。就是这些点提供了指纹唯一性的必要信息。 指纹的节点主要有以下几种特性： 终结点(Ending)：一条纹路在此终结，如图2.1.6所示。 图2.1.6 终结点 分叉点(Bifurcation)：一条纹路在此分开成为两条或更多的纹路，如图2.1.7所示。 图2.1.7 分叉点 孤立点(Dot or Island): 一条特别短的纹路，以至于成为一点，如图2.1.8所示。 图2.1.8孤立点 分歧点(Ridge Divergence): 一两条平行的纹路在此分开，如图2.1.9所示。 图2.1.9 分歧点 环点(Enclosure): 一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点，如图2.1.10所示。 图2.1.10 环点 短纹(Short Ridge): 一端较短但不至于成为一点的纹路，如图2.1.11所示。 图2.1.11 短纹 方向(Orientation): 一节点可以朝着一定的方向。 曲率(Curvature): 一描述纹路方向改变的速度。 位置(Position): 一节点的位置通过(x,y)坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。 2.1.4 指纹的采集技术 指纹采集技术的发展经历了一段很长的历史时期。采集技术其过程也受到传感技术发展的影响。指纹采集技术分为两种采集模式，一种是在被采集人已知的情况下实施的采集。另一种是其未知的状况下的采集，如刑侦现场。第一代的指纹采集技术采用 “ 按压留痕 ” 的方式来采集指纹，利用的是指纹 “ 触物留痕 ” 的特性。这段时期主要通过 “ 油墨－指纹卡 ” 的方式采集。第二代的指纹采集技术采用的是自动化、数字化的采集方式。指纹数据大多以数字信息表示并存储。下文主要介绍第二代的指纹采集技术。 指纹采集的过程在本质上是使指纹成像的过程。原理是根据嵴与峪的几何特性、物理特征和生物特性的不同，得到不同的反馈信号，根据反馈信号的量值来绘成指纹图像。 指纹的几何特性是指在空间上嵴是突起的，峪是凹下的。嵴与嵴相交、相连、分开会表现为一些几何图案。 指纹的生物特性是指嵴和峪的导电性不同，与空气之间形成的介电常数不同、温度不同等。 指纹的物理特性是指嵴和峪着力在水平面上时，对接触面形成的压力不同、对波的阻抗不同等。 指纹采集的方法可以分成两种，一种是由器件主动向手指发射出探测信号，然后再分析反馈的信号，以形成指纹的嵴与峪的图案。如射频（ RF ）和光学采集采集就属于主动式采集。另一种则是器件被动感应的方法。当手指放置到采集设备上时，因为指纹的嵴和峪的生物特性或物理特性的不同，就会形成不同的信号，然后分析信号的量值从而形成指纹图案。（如半导体电容采集、热敏采集和半导体压感采集属于第二种） 对于指纹采集设备来讲，一般经过 “ 手指感知” 、 “ 图像的拍照 ”“ 质量判断与自动调整 ” 三个过程。考虑到设备的功耗，在没有手指接触的时候，采集设备一般处在休眠状态。当手指接触到设备时，采集器就会感知到手指的接触并切换其状态。对于半导体类的采集设备大部分具备这种敏锐的指纹察觉技术。随着活体采集的技术的研究和发展，采集设备还可以判别出是否为活体手指，这能通过检测手指的活体特性来实现。 在理想的情况下，如果在采集的过程中外界噪声足够小，采集得到的指纹图像将是干净的、真实的。然而现实的情况是，由于人手指表面脱皮和污渍的影响还有设备的采集面不干净等各种因素的影响，所以还需对采集到的图像进行预处理。这将在指纹图像预处理部分叙述。 图2.1.12 不同质量的指纹图像 当今使用的主流指纹采集技术有光学指纹采集技术，半导体指纹采集技术和超声波指纹采集技术。 光学指纹采集技术，其原理是利用光的全反射原理，将照射到压有指纹的玻璃表面的反射光线通过CCD来获取，反射光的量将依赖于压在玻璃表面的指纹脊和谷的深度和皮肤与玻璃间的油脂和水分。光线穿过玻璃照射到有谷的地方后在玻璃与空气的界面发生会全反射，光线被反射到CCD, 而射向脊部位的光线却不发生全反射，这样就在采集的CCD上形成了指纹的图像。 半导体传感器是1998年在市场上才出现的，这些含有微型晶体的平面通过多种技术来绘制指纹图像。主要使用的 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 有：硅电容指纹图像传感器、半导体压感式传感器和半导体温度感应传感器。 超声波指纹图像采集技术，是Ultra-scan公司首开超声波指纹图像采集设备产品的先河。超声波指纹图像采集技术是被认为在指纹采集技术中最好的一种，但在实际的指纹识别系统中却还不常见，其成本很高，并且还处于实验室阶段。超声波指纹取像的原理是:当超声波扫描指纹的表面，紧接着接收设备获取的其反射信号，由于指纹的脊和谷的声阻抗的不同，导致反射回接受器的超声波的能量不同，测量超声波能量大小，进而获得指纹灰度图像。积累在皮肤上的脏物和油脂对超声波取像影响不大。所以这样获取的图像是实际指纹纹路凹凸的真实反映。 2.2 图像频域增强 2.2.1 图像频域增强简介 在数字图像处理中，图像最直观的理解是把图像理解为二维函数F(x,y)，其中x，y作为数字图像中象素的二维空间的坐标，F的值作为数字图像象素该位置的灰度值。但是在空间域在处理某些数字图像的问题时，会比较困难甚至是几乎难以处理。在频率下处理的时候，同样的问题用不同的描述方式是和空间域的表示是等价的，但由于描述方式不同了以前空间上很难处理的问题在频率域上就有可能变得很容易了。在频率域上处理时，还可以使用数字信号处理的一系列成熟的方法，让我们处理特殊的问题有了很多的工具，所以频率图像增强是很有价值进行学习和研究的。 2.2.2 图像频域增强的基本步骤 图像频域增强的一般方法归纳为一下六步： （1）计算原始图像的FFT》》》F(u,v)； （2）四个角落的零频点移到图像中央； （3）H(u,v）*F(u,v)=G（u,v）; （4）G(u，v)零频点移回四个角落； （5）傅里叶反变换得到最终的图像。 无论是何种类型，何种目的的频率域图像增强，处理的过程都是基本一致的，都如下图所示 图2.2.1 图像频域处理基本步骤 下图为处理后的效果图 图2.2.2 频域处理后对比图 2.3 图像的二值化 2.3.1 图像二值化算法 指纹图像的二值化是作为指纹图像处理过程的过程之一，是进行指纹图像细化处理的先决条件。目前的指纹细化算法都是基于二值指纹图像进行的。对指纹图像进行二值化处理的优点在于是图像的几何性质只与0和1在图像矩阵中的位置有关，不再涉及到图像像素的灰度值，使算法的处理过程变的简单，这给指纹图像的存储和对其的相应的处理操作都带了很大的便利性，同时也提高了系统的运行效率。 一个好的二值化算法可以得到一个高质量的二值图像。反之，如果该阶段处理不当引入了噪声，就会直接降低图像的质量，对后序的识别过程造成很大程度上的干扰。对指纹图像二值化的基本要求就是二值化后的图像能完整的反映出原指纹，具体要求表现为： （1） 纹线中不能出现空白。 （2） 二值化的纹线基本保持原指纹图像的特征。 （3） 指纹的纹线中不能有太多的算法引起的间断和纹线的想连。 （4） 指纹纹线间的间距应该基本相同。 大多数灰度图像的二值化变化函数F(x)都可以用下述公式进行表达： 公式中的T为人为指点的阀值，自变量x为图像像素点的灰度值。 局部自适应阀值算法先是利用固定阀值算法的思想，然后再根据图像中每一个部分的明暗度来调整阀值。首先把图像分割成若干个w*w的方块，每一块都根据自身的阀值来进行二值化。这个算法利用了指纹图像中脊线与谷线宽度基本相同的特点，即二值化后图像的黑白像素点的个数也应该大致相同，首先利用固定阀值算法的特点对指纹图像中的每个一子块确定一个大致的阀值，然后再利用自适应的算法思想进行阀值的调整，当阀值最合适时图像是最光滑的，既没有“黑洞”（阀值过大），也没有“白点”（阀值过小），因此0-1之间的转换次数最少。以下为区域阀值的T的选取算法： （1） 将指纹划分为相互不重叠的w*w的子块，计算该子块区域内所有像素的灰度平均值。 （2） 计算该区域内的Nk(灰度值大于等于T的像素点的个数)和Nl（灰度值小于T的像素点的个数）的值 （3）.如果 ,则T为阀值； （4） 若 ，则T=T+1,否则T=T-1,返回第二步。 2.3.2 二值化算法的matlab的仿真 本文使用matlab图像处理工具箱中提供的im2bw函数来实现对指纹图像的二值化。以下为实现的matlab代码： I=imread(‘image2.jpg'); level=graythresh(I); J=im2bw(I,level); imshow(J); 通过matlab执行后的仿真结果如图2.3.1 图2.3.1 二值化结果 2.4 指纹图像的细化 2.4.1 指纹图像的细化算法 细化又被称为骨骼化，是指在不对图像的拓扑结果有影响的情况下，将图像中宽度大于一个像素的线条转化为只有一个像素宽度的线条的图像处理过程。由于在指纹识别的图像处理过程中，指纹的特征、方向特征和位置特征，只跟指纹图像的拓扑结构有关，而与脊线和脊谷的宽度没有关系，同时通过细化的过程能极大的便利后序对指纹图像特征点提取的操作，因此在指纹的图像预处理中，需要对指纹图像进行细化的处理。细化效果的好坏会直接的影响到后序特征点能否进行高效的提取。若细化的效果不好的话，很可能导致后序的特征点提取工作出现大量的伪特征点，致使匹配的工作无法进行，因此细化的操作对于指纹图像的预处理非常重要。 由于指纹识别与一般的图像识别有很大的不同，指纹识别的匹配是直接与细化后的图像的端点相关的，因此细化的操作不能对指纹图像的端点的位置和方向产生影响。 2.4.2 细化算法的matlab仿真 本文使用matlab图像处理工具箱提供的bwmorph函数来实现对指纹图像的细化操作，一下是matlab的实现过程： I=imread(‘image3.jpg'); K=bwmorph(~J,'thin','inf'); imshow(~K); 通过matlab仿真后的结果如图2.4.1 图2.4.1 指纹图像的细化结果 第3章 指纹特征的提取 3.1指纹图像特征点的提取 指纹特征点的提取一般被分为两个阶段：特征点的提取和伪特征点的剔除。许多的学者都对这方面做出了深入的研究。最早提出特征点提取算法的是美国联邦调查局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”方法把指纹图像二值化，然后再从二值化后的图像中提取出特征点。该算法的提出在指纹识别领域内具有开拓性的意义，并且此算法在很长一段时间内被广泛的用作细节特征点提取的标准算法。 目前最常用的特征点提取算法有两类:一是从灰度图像中直接提取出特征点；二是对预处理过后的图像进行特征点的提取。 3.1.1 基于灰度图像的直接提取法 对于一幅灰度指纹图像，根据其方向图的定义可以知道沿着脊线方向的并在这个方向的垂直方向上（法线方向上），其端点处就是脊线末端与背景图像交界的地方，端点就是在这个交界处灰度值最大的一点。灰度图像直接提取法就是利用这一个特性来构建算法。详细算法如下: (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。 3.1.2 基于细化图像的邻域法 基于细化图像的邻域法，是指先将经过图像频域增强、二值化和细化等一系列的预处理得到的指纹图像，通过构建每个像素的3*3邻域(如图3.1所示)提取指纹图像的特征点。图中P为待测像素点，P1, P2……P9为P的邻域，Cn(P)为这8个邻域像素的相邻像素的灰度值(此时已二值化，所以灰度值只可能为0或1)从0变为1，或者从1变为0的次数。Sn(P)为8邻域像素中为1的像素的个数，具体按式(3-1)、(3-2)计算。 (其中P9=P1) （3-1） （3-2） 通过分析可知，细化后的指纹图像单个像素点的邻域状态如图3.1.1所示。 图3.1.1 领域示意图 图3.2.2 细化后的指纹图像 对于在脊线上的像素点，可根据其邻域的Cn(P)和Sn(P)数值判定此时P像素点的状态。通过分析可以发现Cn(P)和Sn(P)数值具有如下特点： (1)当P点为脊线上的点，且Cn(P)=2, Sn(P)=1，则可判定像素点P为端点，如图3.2.2中E点。 (2)当P点为脊线上的点，且Cn(P)=4, Sn(P)=2、3或者4，则可判定像素点P为脊线上的连续点，即不是特征点，如图3.2.2中的C1点、C2点、C3点、C4点。 (3)当P点为脊线上的点，且Cn(P)=6, Sn(P)=3，则可判定像素点P为分叉点，如图3.2.2中点B点。 对指纹图像中的所有像素进行以上处理判断，分别记录下所有检测到的端点和分叉点，既完成了指纹图像的特征点提取工作。 3.1.3 两种算法的比较 上述两种算法就是最常用的两种特征点提取算法，我们通过算法的比较很容易就发现：基于灰度直接提取算法的原理比较简单，简化了图像预处理的步骤，直接计算脊线并得到特征点。并且由于步骤的减少在一定程度上降低了伪特征点出现的概率。但是该算法对图像的质量要求比较高，仅时候质量非常好的图像，对于比较模糊的指纹图像则无法进行提取，而且该算法在脊线的跟踪步长上不好确定，即使采用自适应步长的算法只能稍微降低特征点的丢失，并不能对其进行根本上的改观。加上是利用灰度直方图来确定特征点的，因此特征点的位置信息将不够精确，可能会与实际的位置有所偏差，尤其是在图像模糊的情况下，位置信息会更加的不够精确。基于细化图像的邻域罚，在算法的实现上要稍微复杂些，但由于是对全部像素点进行一个遍历查找，不会出现第一种算法的特征点丢失情况，另外由于存在图像的预处理过程，所以算法在鲁棒性上比第一种算法更好。考虑到指纹识别对鲁棒性的需求上，已经可靠性上，本文采用第二种算法。 3.2 伪特征点的剔除 3.2.1.伪特征点分类及特点 在特征提取算法提取特征点的过程中，特征点集中的地方存在一定数量的伪特征点，这是不可避免的，必须想办法去掉伪特征点，才能保证提取出的特征点具有可靠性。 在上文的细化后的指纹图像中可以发现，细化的指纹图像中存在一些毛刺、粘连、断点等现象。造成这样的原因有多种，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，虽然经过了滤波处理，但是噪音依然存在，并且有一部分进入了细化后的指纹图像中。指纹图像中大量伪特征点的存在将导致提取的特征点数据的可靠性降低，成功匹配率降低，严重影响指纹系统的指标。必须在匹配前对指纹图像进行伪特征点的剔除。 通过对伪特征点的观察，可以很直接的发现伪特征点（如图3.2.1）具备以下一些特点： 图3.2.1 伪特征点修复前后对比图 (1)毛刺现象，有多方面的原因造成毛刺的出现，比如受随机噪声的影响形成，还有一部分是在受图像预处理的过程中产生的。一个毛刺经过特征点提取算法后就会产生一个伪端点和一个伪分叉点。 （2）短线现象，一般在采集指纹是，手指较脏或者采集头上有灰尘等都容易出现较多的短线。短线经过算法处理会产生两个伪端点，这两个端点的距离会比较近，且位于同一个脊线。 （3）断线现象，当指纹采集时，如果被采集人的手指比较干燥，那么采集到的指纹图像会可能出现断点情况。断点会产生两个伪端点，并且这两个伪端点距离也很小，但是与短线现象不同的是，这两个伪端点是分别处在不同的两条脊线上。 （4）假桥现象，上采集时，手指比较潮湿时，也很容易出现脊线假桥的现象（即本来不相连的两条脊线连在了一起）。其特点是这两个分叉点的距离与脊线距离大小相近，且两伪分叉点连线近似垂直与其局部区域内的脊线方向。 （5）环现象，一般也叫做孔。主要是受随机噪声的影响而产生。在环出现的地方进过算法的处理一般出现两到三个伪分叉点。特点是两特征点间距很小，且其连线与所在脊线方向近似相同。 3.2.2 伪特征点剔除算法 从上述算法中提取的特征点中，不难发现在指纹的边缘区域存在数量众多的特征点，其中有相当大的部分是伪特征点。这些特征点是由于在采集时，指纹接触采集介质的边界是脊线的起始点。这些起始点虽然也是端点，但是在实际的人体指纹上是不存在的，只是由于采集方式而产生的。同时这些点又不属于上节所分析出来的特征点，当这些点不是指纹的固有特征时，需加以剔除。 目前很多在指纹识别方面的文章都忽略了对这些边缘点的处理，并没有在最终匹配前进行剔除，这将大大增加后续匹配的工作难度，也会影响到匹配的正确率。本文在去除伪特征点后，增加了对这类点的处理算法，这大大提高了后续匹配工作的效率。 在对边缘部分特征点的特点分析后发现，这部分特征点不一定会出现在指纹图像的边缘区域，但可以肯定的是这部分一定存在于脊线与边缘空白区域的交界区域，而边缘特征点就在这些区域的一定范围内，因此本文利用了这一性质设计了边缘特征点去除算法： （1） 将细化后的图像划分为10*10的子块组成的图像。 （2） 对每个子块进行像素点检测，判断该子块是否含有脊线，若存在脊线则对该子块进行标记。 （3） 对已经标记过的子块的周围8个邻子块进行标记检查，只要8个子块中有一块没有含有脊线则标记该子块为边界子块。 （4） 查找所在位于边界子块的特征点，对其进行删除操作。 接下来将描述伪特征点的剔除算法。 （1） 遍历在特征点提取过程中保存好的脊线点列表，对每个脊线点的8邻域像素点进行查找存在的像素点（定义像素点与脊线点连线向量为v1[a,b]）。 （2） 断点、短线的删除： 判断上步查找到的像素点是否为端点，若为端点，则查找该端点周围D1范围内的所有像素点是否存在另一个端点（定义这两端点连线的方向向量为v2[x,y]），若v1，v2的方向相近则判断为端点或短线，并将其从特征点集中删除。 （3）毛刺的删除 判断该像素点是否为端点点，若为端点点，则查找该分支点周围D2范围内的所有像素点是否存在另一个分支点，存在则判断该特征点为毛刺现象，将端点和分支点删除。 （4） 桥、环的删除 判断该像素点是否为分支点，若为分支点，则查找该分支点周围D3范围内的所有像素点是否存在另一个分支点，若存在则判断v1和v2的是否近似于夹角90°或0°，如存在这判断为伪特征点，将这对分支点进行删除。 3.3 本章小节 本章在第二章图像预处理的基础上对处理后的指纹图像进行了指纹纹特征的提取和去伪工作。介绍了特征点的提取方法和使用的提取算法，最后通过对伪特征点的特性的分析，进行了伪特征点去除的方法构思和算法实现，为后续的指纹匹配工作奠定了基础。在指纹识别过程中，指纹特征提取和去伪也是一个非常重要的步骤。 第4章 基于BP神经网络的指纹的识别 4.1 BP神经网络及其原理 4.1.1 BP神经网络简介 BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)如图4.1.1. 图4.1.1 最简单的三层BP网络 BP是后向传播的英文缩写，其传播的对象是误差，传播的目的是得到所有层的估计误差，后向即指由后层误差推动前层误差。 BP的思想可以总结为：利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其他各层的误差估计。 BP利用一种称为激活函数来描述层与层输出之间的关系，从而模拟各层神经元之间的交互反应。激活函数必须满足处处可导的条件。那么比较常用的是一种称为S型函数的激活函数如图4.1.2 图4.1.2 使用S型激活函数时BP网络的输入与输出关系 BP网络能够通过学习实现对其输入输出一个我们期望的输出。其学习的方式是在外界输入样本的刺激下不断的改变网络的连接权值，本质是对各个连接权值的一个动态调整，调整的规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。 4.1.2 BP神经网络的特点 （1）信息分布存储：人脑是利用突触效能的变化来调整存储内容，即把信息存储在神经元之间的连接强度的分布信息上，BP网络也模拟了人脑的这一特点，把信息以连接权值的方式存储与整个网络中。 （2）信息的并行处理：人脑神经元之间传递脉冲信号的速度远远要低于冯·诺依曼计算机的运行速度的，但是却能对很多的问题同时做出快速的判断、决策和处理，这是因为大脑是一个超大规模的并行与串行组合的处理系统。模拟了人脑的BP网络同时也具备这种强大的并行处理能力，大大提高了网络的功能。 (3)具有容错能力：生物神经系统的部分小损伤并不会影响整体的功能，BP网络也具备这种特性，这意味着少量的误差不会对系统有严重的影响，部分的损伤不会破坏整体的网络。 （4）具有自学习、自组织、自适应的能力。 4.1.3 BP神经网络的主要功能 目前，在神经网络的应用中，大多数的神经网络模型都是采用的BP网络及其变化形式。 BP网络的主要用于以下四个方面： （1） 函数的逼近：用输入向量和期望的输出向量训练一个网络来逼近一个函数 （2） 模式识别：把一个待定的输出向量与一个输出向量联系起来。 （3） 分类：把输入值安装一个合适的方案进行分类。 （4） 数据压缩：能够减少输入向量的维数来压缩数据。 4.2 BP网络输入向量构建 4.2.1 基于纹路整体走向的总体特征提取 本文提出一种描述纹路整体走向的方法，将纹路的走向量化为8个方向（如图4.2.1所示），然后再遍历指纹图像的每个纹线点，记录下它们的方向，将每个方向上存在的纹线点进行统计，计算出8个方向上比重最大的那个方向设为该指纹图的主方向。用一个八维的向量从主方向上逆时针记录八个方向上纹线点数量的比重，这个向量就能表达出指纹的整体走向。经过验证可知，该向量的值具有旋转不变性、平移不变性和缩放不变性。 图4.2.1 指纹的八个方向 图4.2.2 P点的八邻域示意图 计算指纹图像的八维走向向量的步骤如下: (1) 遍历每一个脊线点，将该点P周围8个邻域按图4.2.2的逆时针顺序进行标。 (2) 根据8邻域内其余两个点的位置来判断此时P点的走向，判断标准如下： ① 若两个纹线点所在位置为（P1，P5）、(P2,P4)、（P6，P8），则判断纹线P点 方向为方向1。 ② 若两个纹线点所在位置为（P1,P6）、（P2,P5）、（P7,P8）、（P3,P4）,则判断方向为方向2。 ③ 若两个纹线点所在位置为（P2,P6）、（P3,P5）、（P1,P7），则判断方向为方向3。 ④ 若两个纹线点所在位置为（P2,P7）、（P3,P6）、（P1,P8）、（P4，P5），则判断纹线方向为方向4。 ⑤ 若两个纹线点所在位置为（P3,P7）、（P4,P6）、（P2,P8），则纹线的方向为方向5. ⑥ 若两个纹线点所在位置为（P4,P7）、（P3,P8）、（P1，P2）、（P5,P6），则纹线点的方向为方向6。 ⑦ 若两个纹线点所在位置为（P4,P8）、（P5,P7）、（P1,P3），则纹线点的方向为方向7。 ⑧ 若两个纹线点所在位置为（P1,P4）、(P5,P8)、（P2,P3）、（P6,P7），则纹线点的方向为方向8。 （3） 是否遍历完所有的脊线点，否则返回步骤（1）。 （4） 计算方向1到方向8上纹线点的数目，设为sum1-sum8； （5） 计算各个方向的比重，i方向的比重为T（i）计算公式如下 （6）比较各个方向的比重大小，设置最大值的方向为主方向。从主方向开始按 逆时针的顺序将比重一一赋值给八维向量X8，例如，主方向为方向4，则X8的赋值为X8=[T4,T5,T6,T7,T8,T1,T2]。 4.2.2 基于端点和分支点统计特性的局部特征提取 通常对端点和分支点这些特征点的提取都是提取该点的坐标位置，而同一个手指在采集时难免会有所旋转和位移。这就很容易造成即使是同一个指纹在多次采集后的特征点提取上其特征点数据大部分不相同，这样将大大的降低匹配的成功率。通过对指纹特征点特性的观察，很容易得知特征点的数目和两个特征点之间的距离是不受指纹的旋转和平移影响的，这反映在坐标系内就体现为特征点坐标的方差不变。 以指纹图像的长宽为坐标建立坐标系，根据特征点的位置信息分别求的横、纵坐标方向的方差。计算均值和方差的公式如式（4-1）（4-2）所示。 （4-1） （4-2） 4.3 用自适应步长的BP网络进行指纹识别 本文使用BP网络对待识别的指纹特征量进行匹配识别。识别的过程分为三步：首先对样本进行编码，然后用BP网络对待识别的指纹特征量进行编码，最后在指纹库中查找与待识别的指纹相同编号的样本，该样本就认为与待识别的指纹来源于同一人。 BP网络输入层采用12个节点，前8个节点输入纹线的走向向量，第9，10个节点输入端点的横、纵坐标的方差，第11，12个节点输入分支点的横、纵坐标的方差。隐层采用600个神经元，输出层为[ ]个神经元（N为样本数量），表示对样本进行二进制的编码，每个样本对应唯一的一个编号，期望输出使用样本号，样本的特征量与其编号组成一个训练的样本，用多组样本对BP网络进行训练，直到网络收敛为止。 4.4 实验结果 训练样本输入矩阵P 如图4.4.1 图4.4.1 训练样本输入矩阵 期待输出矩阵T 如图4.4.2 图4.4.2 期待输出矩阵 图4.4.3 为一次训练的误差曲线 图4.4.3 BP网络训练误差曲线 使用第一种指纹的第二次采集图样（有一定的旋转和位移）进行指纹特征的提取，将采集的数据构成向量P1输入神经网络进行仿真，输入结果为T1=[0.981 0 0 0 0 0.001]，识别成功。 使用第二种指纹的第二次采集图像进行指纹特征的提取，将采集的数据构成向量P2输入神经网络进行仿真，输入结果为T2[0 0.999 0 0 0 0]，识别成功。 使用第三种指纹的第二次采集图像进行指纹特征的提取，将采集的数据构成向量P3输入神经网络进行仿真，输入结果为T3[0 0.001 0.998 0 0 0]，识别成功。 使用第四种指纹的第二次采集图像进行指纹特征的提取，将采集的数据构成向量P4输入神经网络进行仿真，输入结果为T4[0.001 0 0.001 0.991 0 0]，识别成功。 使用第五种指纹的第二次采集图像进行指纹特征的提取，将采集的数据构成向量P5输入神经网络进行仿真，输入结果为T5[0 0 0.001 0.998 0 0]，识别成功。 使用第六种指纹的第二次采集图像进行指纹特征的提取，将采集的数据构成向量P6输入神经网络进行仿真，输入结果为T6[0 0.001 0.001 0 0.001 0.998]，识别成功。 第5章 总结与展望 5.1 总结 本文系统的介绍了指纹识别技术的发展状况和指纹识别的基础知识，阐述了建立指纹系统的必要性和意义，提出了用BP网络作为指纹识别的处理方法。本文使用了matlab工具来解决指纹识别技术中的处理过程，即通过matlab对指纹图像的预处理、特征提取以及BP网络的仿真识别，充分的利用了matlab工具的优点：语法简单，有强大的图像处理能力；有各种相关的图像处理工具箱。实验表明,使用BP网络进行指纹识别的工作，能有效的提高指纹识别的鲁棒性，与可靠性。 本文主要内容: （1）简要介绍了指纹识别的历史及研究现状，并提出一种基于神经网络的指纹识别。 （2）本文对指纹图像预处理进行了细致的阐述,其中包括：图像的频域增强、二值化、细化，以及指纹特征提取和去伪。 （3）本文通过BP网络对指纹进行识别，有效的提高了指纹识别的鲁棒性。 （3）本文通过Matlab对指纹识别系统进行软件仿真。 5.2 展望 本系统是在对指纹识别系统的研究基础上进行的一个仿真，由于指纹库数量极少的原因，在神经网络的训练上只实现了对6个指纹的识别。 在BP网络输入向量的构建上，本文所述方法还很依赖于手指在采集面上的放置位置，不能较大范围的偏移出采集面从而丢失部分的特征点和指纹走向，这将会很大程度上影响到能否正确识别出指纹。在向量的构建和算法上有待进行更深入的研究并加以改进。 本文使用神经网络进行指纹识别，虽然其在指纹识别上具有很好的鲁棒性，但是其非常的依赖于样本库的大小，如果输入的指纹超出训练网络的样本库范围，将无法识别，在神经网络的设计上有待对新指纹的容纳能力进行深入的探讨和研究并加以解决。 致 谢 至此论文完成之际，谨向所有关心我学业的老师、同学及朋友表示衷心地感谢！ 衷心感谢导师谢涛老师的淳淳教诲和悉心指导。在我毕业设计期间，谢老师给予了我悉心的指导和宝贵的意见，在我不知道如何解决问题的时候，他总是能给出许多的解决方案，同时能够不断的归纳我的失误之处，并且还能及时的安排我在一个星期内的工作任务，使得我的论文和程序的进度能按时进行，不至于做的太仓促，使得我能有条不紊的进行毕业设计，同时谢老师严谨的学风，认真负责的做事态度也是我学习的榜样，对我将来的学习会有很大的帮助。 我同时也要感谢我身边的同学、朋友在毕业设计期间给予了我很多有用的信息和建议，使我顺利解决了许多问题，在此向大家表示真诚的感谢。 最后，感谢评审委员会的各位老师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。 参 考 文 献 [1] 杨帆.数字图像处理与分析[M].北京：北京航空航天大学出版社,2007. [2] 贾永红.数字图像处理[M].湖北：武汉大学出版社,2000. [3] 王慧琴.数字图像处理[M].北京：北京邮电大学出版社,2006. [4] 闫敬文.数字图像处理[M].北京：国防工业出版社,2007. [5] 罗军辉，冯平.MATLAB7.0在图像处理中的应用[M].北京：机械工业出版社,2005. [6] 贺兴华,周媛媛等.MATLAB7.x图像处理[M].北京：人民邮电出版社,2006. [7] 张佳静.指纹档案检索系统发展趋势的探讨[J].中国刑警学院学报,1996(3). [8] 盖武.自动指纹识别技术的研究[D].四川大学,2003. [9] 马小妹.指纹图像的分类和识别[D].大连理工大学,2002. [10] 王崇文，李见为，周宏文，许祝.指纹识别系统的设计与实现[J].计算机应用，2001. [11] 王建永.指纹图像的特征提取与匹配[D].大连理工大学，2003. [12] 玛国进,顾国华,张保民.指纹图像预处理与特征提取[M].计算机应用研究，2004:183-186. [13] 朱霞辉,罗飞路,钱彦岭.一种有效的指纹图象的纹线细化处理法[J].计算机应用研究,1997.(06). [14] 韩伟红,黄子中,土志英.指纹自动识别系统中的预处理技术[J].计算机研究与发展,1997,(12). [15] 杨若冰.指纹识别的起源[J].中国防伪报道，2006.7, 38-40. [16] 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. [17] 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. [18] 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. [19] 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. [20] 卢朝阳，张岗山，刘琳.指纹识别系统性能 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 方法[J].西安电子科技大学学报(自然科学版)，2002(12):804-809. [21] 舒乃秋.指纹图像预处理技术研究[D].武汉:武汉大学,2004.7. [22] 周宏潮，王正明，赵敏.基于全局信息的图像增强组合方法[J].数据采集与处理，2005,20(4):432-435. [23] 王曙光.指纹识别技术的若干问题研究[D].北京:中国科学院自动化研究所，2002 [24] 韩涛.指纹图像预处理与特征提取算法研究[D].武汉:华中科技大学，2005.5. [25] 罗希平,田捷.自动指纹识别中的图像增强和细节匹配算法[J].软件学报，2002,13(5):952-954. 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：　　 　 　　 ​​​​​​​​​​​​ 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 指导教师评阅书 指导教师评价： 一、撰写（设计）过程 1、学生在论文（设计）过程中的治学态度、工作精神 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、学生掌握专业知识、技能的扎实程度 □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、学生综合运用所学知识和专业技能分析和解决问题的能力 □ 优 □ 良 □ 中 □ 及格 □ 不及格 4、研究方法的科学性；技术线路的可行性；设计方案的合理性 □ 优 □ 良 □ 中 □ 及格 □ 不及格 5、完成 毕业论文 毕业论文答辩ppt模板下载毕业论文ppt模板下载毕业论文ppt下载关于药学专业毕业论文临床本科毕业论文下载 （设计）期间的出勤情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文（设计）质量 1、论文（设计）的整体结构是否符合撰写规范？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文（设计）任务（包括装订及附件）？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 三、论文（设计）水平 1、论文（设计）的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意？设计是否有创意？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文（设计说明书）所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格 建议成绩：□ 优 □ 良 □ 中 □ 及格 □ 不及格 （在所选等级前的□内画“√”） 指导教师： （签名） 单位： （盖章） 年 月 日 评阅教师评阅书 评阅教师评价： 一、论文（设计）质量 1、论文（设计）的整体结构是否符合撰写规范？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文（设计）任务（包括装订及附件）？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文（设计）水平 1、论文（设计）的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意？设计是否有创意？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文（设计说明书）所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格 建议成绩：□ 优 □ 良 □ 中 □ 及格 □ 不及格 （在所选等级前的□内画“√”） 评阅教师： （签名） 单位： （盖章） 年 月 日 教研室（或答辩小组）及教学系意见 教研室（或答辩小组）评价： 一、答辩过程 1、毕业论文（设计）的基本要点和见解的叙述情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、对答辩问题的反应、理解、表达情况 □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、学生答辩过程中的精神状态 □ 优 □ 良 □ 中 □ 及格 □ 不及格 二、论文（设计）质量 1、论文（设计）的整体结构是否符合撰写规范？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、是否完成指定的论文（设计）任务（包括装订及附件）？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 三、论文（设计）水平 1、论文（设计）的理论意义或对解决实际问题的指导意义 □ 优 □ 良 □ 中 □ 及格 □ 不及格 2、论文的观念是否有新意？设计是否有创意？ □ 优 □ 良 □ 中 □ 及格 □ 不及格 3、论文（设计说明书）所体现的整体水平 □ 优 □ 良 □ 中 □ 及格 □ 不及格 评定成绩：□ 优 □ 良 □ 中 □ 及格 □ 不及格 （在所选等级前的□内画“√”） 教研室主任（或答辩小组组长）： （签名） 年 月 日 教学系意见： 系主任： （签名） 年 月 日 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作所取得的成果。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。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注明并表示感谢。本人完全意识到本声明的法律结果由本人承担。 学位论文作者（本人签名）： 年 月 日 学位论文出版授权书 本人及导师完全同意《中国博士学位论文全文数据库出版章程》、《中国优秀硕士学位论文全文数据库出版章程》(以下简称“章程”)，愿意将本人的学位论文提交“中国学术期刊（光盘版）电子杂志社”在《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》中全文发表和以电子、网络形式公开出版，并同意编入CNKI《中国知识资源总库》，在《中国博硕士学位论文评价数据库》中使用和在互联网上传播，同意按“章程”规定享受相关权益。 论文密级： □公开 □保密（___年__月至__年__月）(保密的学位论文在解密后应遵守此协议) 作者签名：_______ 导师签名：_______ _______年_____月_____日 _______年_____月_____日 独 创 声 明 本人郑重声明：所呈交的毕业设计(论文)，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议。尽我所知，除文中已经注明引用的内容外，本设计（论文）不含任何其他个人或集体已经发表或撰写过的作品成果。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。 本声明的法律后果由本人承担。   作者签名: 二〇一〇年九月二十日   毕业设计（论文）使用授权声明 本人完全了解滨州学院关于收集、保存、使用毕业设计（论文）的规定。 本人愿意按照学校要求提交学位论文的印刷本和电子版，同意学校保存学位论文的印刷本和电子版，或采用影印、数字化或其它复制手段保存设计（论文）；同意学校在不以营利为目的的前提下，建立目录检索与阅览服务系统，公布设计（论文）的部分或全部内容，允许他人依法合理使用。 （保密论文在解密后遵守此规定）   作者签名: 二〇一〇年九月二十日 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。 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赵达睿老师、和研究生助教熊伟丽老师。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。 本科生毕业设计（论文）规范化要求 第一部分 学生应遵守以下规范要求 一、毕业设计论文说明 1. 毕业设计论文独立装订成册，内容包括： （1） 封面（题目、学生姓名、指导教师姓名等） （2） 中、外文内容摘要 （3） 正文目录（含页码） （4） 正文（开始计算页码） （5） 致谢 （6） 参考文献 （7） 附录 2. 中、外文内容摘要包括：课题来源，主要设计，实验方法，本人主要完成的成果。要求不少于400汉字，并译成外文。 3. 毕业设计论文页数为45页-50页。 4. 纸张要求：毕业设计说明书（论文报告）应用标准B5纸单面打字成文。 5. 文字要求：文字通顺，语言流畅，无错别字。 6. 图纸要求：毕业设计图纸应使用计算机绘制。图纸尺寸标注应符合国家标准。图纸应按“规范”叠好。 7. 曲线图表要求：所有曲线、图表、流程图、程序框图、示意图等不得徒手画，必须按国家规定标准或工程要求绘制。 8. 参考文献、资料要求：参考文献总数论文类不少于10篇、，应有外文参考文献。文献应列出序号、作者、文章题目、期刊名、年份、出版社、出版时间等。 二、外文翻译 1. 完成不少于2万印刷符的外文翻译。译文不少于5千汉字。 2. 译文内容必须与题目（或专业内容）有关，由指导教师在下达任务书时指定。 3. 译文应于毕业设计中期2月底前完成，交指导教师批改。 4. 将原文同译文统一印成B5纸规格装订成册，原文在前，译文在后。 三、形式审查 5月15日前，将毕业设计论文上交指导教师，审查不合格者，不能参加答辩。 四、准备答辩 答辩前三天，学生要将全部材料（包括光盘、论文）统一交指导教师。 关于毕业论文格式的要求 为方便统一、规范论文格式，现将学院的相关要求做如下强调、补充： 1. 基本要求 纸型： B5纸（或16开），单面打印； 页边距： 上2.54cm，下2.54cm，左2.5cm，右2.5cm； 页眉：1.5cm，页脚1.75cm，左侧装订 正文字体：汉字和标点符号用“宋体”，英文和数字用“Times New Roman”，字号小四； 图号1-1，指第1章第1个图 在图的前部要有文字说明（如图1-1所示） 表号3-5，指第3章第5个表 在表的前部要有文字说明（如表3-5所示） 图、表的标注字体大小是五号宋体 行距： 固定值20； 页码： 居中、小五、底部。 2. 封面格式 封皮： 大连理工大学城市学院（二号、黑体、居中） 本科生毕业设计（论文）（二号、黑体、居中） 学 院：（四号、黑体、居中、下划线：电子与自动化学院） 专 业：（四号、黑体、居中、下划线、专业名字之间无空格） 学 生：（四号、黑体、居中、下划线，名字是2个字的中间空1个字、3个或3个以上字的中间无空格） 指导教师：（四号、黑体、居中、下划线，名字是2个字的中间空1个字、3个或3个以上字的中间无空格，两位指导教师的中间用顿号“、”） 完成日期：（四号、黑体、居中、下划线，如：2009年5月25日） （注意：5个下划线两端也是对齐的，单倍行距） 内 封：大连理工大学城市学院本科生毕业设计（论文）（四号、黑体） 题目 （二号、黑体、居中）； 总计 毕业设计（论文） 页（五号、宋体） 表格 表（五号、宋体） 插图 幅 （五号、宋体） （注意：页数正常不少于40页，优秀论文原则上不少于45页） 3. 中外文摘要 中文摘要：标题“摘 要” （三号、黑体、居中、中间空1个字） 正文（不少于400字） 关键词 （五号、黑体）：3-5个主题词（五号），中间用分号“；”隔开。 外文摘要 （另起一页）：标题“Abstract” （三号、黑体、居中） 正文 （必须用第三人称） 关键词： Key words（五号、黑体）：3-5个主题词（五号）与中文关键词对应，中间用分号“；”隔开。 4. 目录 标题 “目录”（三号、黑体、居中）； 章标题（四号、黑体、居左）； 节标题（小四、宋体）； 页码 （小四、宋体）； 二、三级目录分别缩近1和2个字； 四级目录不在“目录”中体现，在正文中也不是单独一行，可以黑体（没有句号），然后空2个字接正文； 注意：正文中每章开头要另起一页； “目录”下方中间的页码和摘要一样统一用罗马字，顺接摘要的。 摘要 目录加页眉 5. 论文正文 页眉： 论文题目（居中、小五、黑体）； 章标题（三号、黑体、居中）； 节标题（四号、黑体、居左）； 正文 程序用“Times New Roman”，字号小四； 6. 参考文献 标题：“参考文献”（小四、黑体、居中） 参考文献的著录，按文稿中引用顺序排列，并注意在文内相应位置用上标标注，如：……的函数。 示例如下：（字体为五号、宋体） 期刊类：[序号]作者1，作者2，……作者n。文章名。期刊名（版本），出版年，卷次（期次）。页次 图书类：[序号]作者1，作者2，……作者n。书名。版本。出版地：出版者，出版年。页次 会议论文集：[序号]作者1，作者2，……作者n。论文集名。出版地：出版者，出版年。页次 网上资料：[序号]作者1，作者2，……作者n。文章名。网址。发表时间 7. 其它 量和单位的使用：必须符合国家标准规定，不得使用已废弃的单位（如高斯(G和Gg)、亩、克分子浓度（M）、当量能度（N）等）。量和单位不用中文名称，而用法定符号表示。 图表及公式：插图宽度一般不超过10cm，表名（小四）置上居中，图名（小四）置下居中。标目中物理量的符号用斜体，单位符号用正体，坐标标值线朝里。标值的数字尽量不超过3位数，或小数点以后不多于1个“0”。如用30Km代替30000m，用5µg代替0.005mg等，并与正文一致。图和表的编号从前至后顺序排列，图的编号及说明位于图的下方，居中；表的编号及说明位于表的上方，居中。公式编号加圆括号，居行尾。图表中的字体不应大于正文字体。注意：图表标题中的数字也是“Times New Roman”。 8．论文依次包括：封皮、内封、中文摘要、英文摘要、目录、正文、结论、致谢、参考文献、（附录），不要落项。 9．注意：上面没有说“加粗”的“黑体”，均为“黑体不加粗”。 补充： 1．答辩要求：自述15分钟，回答问题10分钟，自述要求使用PPT 答辩内容: 1）.论文题目 2）.设计内容 3）.设计方案 4）.如何完成设计 工作原理 软件或硬件设计 制作\调试\安装 5）.存在不足,今后努力的方向 6).致谢 3．最后上交学生装订好的论文、光盘、记录表、成绩单 4．光盘里的文件夹命名为：学号_姓名_年级专业班级 文件夹里包括的文件有：论文、ppt、英文翻译 1） 论文的文件名格式：学号_姓名_年级专业班号_题目（论文）_完成日期doc 2） ppt的文件名格式：学号_姓名_年级专业班号_题目（ppt）_完成日期ppt 3) 英文翻译的文件名格式：学号_姓名_年级专业班号_题目（英文翻译）_完成日期doc 例如： 答辩问题5个， 侧重总体思路一个 软件或硬件一个 翻译一个 其他2个 本科生毕业设计（论文）规范化要求 第一部分 学生应遵守以下规范要求 一、毕业设计论文说明 1. 毕业设计论文独立装订成册，内容包括： （8） 封面（题目、学生姓名、指导教师姓名等） （9） 中、外文内容摘要 （10） 正文目录（含页码） （11） 正文（开始计算页码） （12） 致谢 （13） 参考文献 （14） 附录 2. 中、外文内容摘要包括：课题来源，主要设计，实验方法，本人主要完成的成果。要求不少于400汉字，并译成外文。 3. 毕业设计论文页数为45页-50页。 4. 纸张要求：毕业设计说明书（论文报告）应用标准B5纸单面打字成文。 5. 文字要求：文字通顺，语言流畅，无错别字。 6. 图纸要求：毕业设计图纸应使用计算机绘制。图纸尺寸标注应符合国家标准。图纸应按“规范”叠好。 7. 曲线图表要求：所有曲线、图表、流程图、程序框图、示意图等不得徒手画，必须按国家规定标准或工程要求绘制。 8. 参考文献、资料要求：参考文献总数论文类不少于10篇、，应有外文参考文献。文献应列出序号、作者、文章题目、期刊名、年份、出版社、出版时间等。 二、外文翻译 1. 完成不少于2万印刷符的外文翻译。译文不少于5千汉字。 2. 译文内容必须与题目（或专业内容）有关，由指导教师在下达任务书时指定。 3. 译文应于毕业设计中期2月底前完成，交指导教师批改。 4. 将原文同译文统一印成B5纸规格装订成册，原文在前，译文在后。 三、形式审查 5月15日前，将毕业设计论文上交指导教师，审查不合格者，不能参加答辩。 四、准备答辩 答辩前三天，学生要将全部材料（包括光盘、论文）统一交指导教师。 关于毕业论文格式的要求 为方便统一、规范论文格式，现将学院的相关要求做如下强调、补充： 1. 基本要求 纸型： B5纸（或16开），单面打印； 页边距： 上2.54cm，下2.54cm，左2.5cm，右2.5cm； 页眉：1.5cm，页脚1.75cm，左侧装订 正文字体：汉字和标点符号用“宋体”，英文和数字用“Times New Roman”，字号小四； 图号1-1，指第1章第1个图 在图的前部要有文字说明（如图1-1所示） 表号3-5，指第3章第5个表 在表的前部要有文字说明（如表3-5所示） 图、表的标注字体大小是五号宋体 行距： 固定值20； 页码： 居中、小五、底部。 2. 封面格式 封皮： 大连理工大学城市学院（二号、黑体、居中） 本科生毕业设计（论文）（二号、黑体、居中） 学 院：（四号、黑体、居中、下划线：电子与自动化学院） 专 业：（四号、黑体、居中、下划线、专业名字之间无空格） 学 生：（四号、黑体、居中、下划线，名字是2个字的中间空1个字、3个或3个以上字的中间无空格） 指导教师：（四号、黑体、居中、下划线，名字是2个字的中间空1个字、3个或3个以上字的中间无空格，两位指导教师的中间用顿号“、”） 完成日期：（四号、黑体、居中、下划线，如：2009年5月25日） （注意：5个下划线两端也是对齐的，单倍行距） 内 封：大连理工大学城市学院本科生毕业设计（论文）（四号、黑体） 题目 （二号、黑体、居中）； 总计 毕业设计（论文） 页（五号、宋体） 表格 表（五号、宋体） 插图 幅 （五号、宋体） （注意：页数正常不少于40页，优秀论文原则上不少于45页） 3. 中外文摘要 中文摘要：标题“摘 要” （三号、黑体、居中、中间空1个字） 正文（不少于400字） 关键词 （五号、黑体）：3-5个主题词（五号），中间用分号“；”隔开。 外文摘要 （另起一页）：标题“Abstract” （三号、黑体、居中） 正文 （必须用第三人称） 关键词： Key words（五号、黑体）：3-5个主题词（五号）与中文关键词对应，中间用分号“；”隔开。 4. 目录 标题 “目录”（三号、黑体、居中）； 章标题（四号、黑体、居左）； 节标题（小四、宋体）； 页码 （小四、宋体）； 二、三级目录分别缩近1和2个字； 四级目录不在“目录”中体现，在正文中也不是单独一行，可以黑体（没有句号），然后空2个字接正文； 注意：正文中每章开头要另起一页； “目录”下方中间的页码和摘要一样统一用罗马字，顺接摘要的。 摘要 目录加页眉 5. 论文正文 页眉： 论文题目（居中、小五、黑体）； 章标题（三号、黑体、居中）； 节标题（四号、黑体、居左）； 正文 程序用“Times New Roman”，字号小四； 6. 参考文献 标题：“参考文献”（小四、黑体、居中） 参考文献的著录，按文稿中引用顺序排列，并注意在文内相应位置用上标标注，如：……的函数。 示例如下：（字体为五号、宋体） 期刊类：[序号]作者1，作者2，……作者n。文章名。期刊名（版本），出版年，卷次（期次）。页次 图书类：[序号]作者1，作者2，……作者n。书名。版本。出版地：出版者，出版年。页次 会议论文集：[序号]作者1，作者2，……作者n。论文集名。出版地：出版者，出版年。页次 网上资料：[序号]作者1，作者2，……作者n。文章名。网址。发表时间 7. 其它 量和单位的使用：必须符合国家标准规定，不得使用已废弃的单位（如高斯(G和Gg)、亩、克分子浓度（M）、当量能度（N）等）。量和单位不用中文名称，而用法定符号表示。 图表及公式：插图宽度一般不超过10cm，表名（小四）置上居中，图名（小四）置下居中。标目中物理量的符号用斜体，单位符号用正体，坐标标值线朝里。标值的数字尽量不超过3位数，或小数点以后不多于1个“0”。如用30Km代替30000m，用5µg代替0.005mg等，并与正文一致。图和表的编号从前至后顺序排列，图的编号及说明位于图的下方，居中；表的编号及说明位于表的上方，居中。公式编号加圆括号，居行尾。图表中的字体不应大于正文字体。注意：图表标题中的数字也是“Times New Roman”。 8．论文依次包括：封皮、内封、中文摘要、英文摘要、目录、正文、结论、致谢、参考文献、（附录），不要落项。 9．注意：上面没有说“加粗”的“黑体”，均为“黑体不加粗”。 补充： 1．答辩要求：自述15分钟，回答问题10分钟，自述要求使用PPT 答辩内容: 1）.论文题目 2）.设计内容 3）.设计方案 4）.如何完成设计 工作原理 软件或硬件设计 制作\调试\安装 5）.存在不足,今后努力的方向 6).致谢 3．最后上交学生装订好的论文、光盘、记录表、成绩单 4．光盘里的文件夹命名为：学号_姓名_年级专业班级 文件夹里包括的文件有：论文、ppt、英文翻译 1） 论文的文件名格式：学号_姓名_年级专业班号_题目（论文）_完成日期doc 2） ppt的文件名格式：学号_姓名_年级专业班号_题目（ppt）_完成日期ppt 3) 英文翻译的文件名格式：学号_姓名_年级专业班号_题目（英文翻译）_完成日期doc 例如： 答辩问题5个， 侧重总体思路一个 软件或硬件一个 翻译一个 其他2个 � EMBED \* MERGEFORMAT ��� iv _1234567892.unknown _1234567894.unknown _1234567895.unknown _1234567896.unknown _1234567893.unknown _1234567891.unknown _1234567890.unknown