Система идентификации личности по отпечаткам пальцев

Федеральное агентство по образованию

Государственное образовательное учреждение

высшего профессионального образования

«ИЖЕВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

Факультет «Информатика и вычислительная техника»

Кафедра «Программное обеспечение»

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

к дипломной работе на тему:

«Система идентификации личности по отпечаткам пальцев. Подсистема распознавания»

Дипломник студент группы 10-19-1 Вотинцев А.С.

Руководитель д.т.н., профессор Мурынов А.И.

Консультант по экономической части к.э.н., доцент Радыгина И.И.

Консультант по безопасности и экологичности проекта Якименко Г.Ф.

Нормоконтроль Соболева В.П.

Рецензент вед. Инженер Кропачева Л.Н.

Заведующий кафедрой «Программное обеспечение» д. т. н., профессор

Мурынов А.И.

РЕФЕРАТ

Пояснительная записка к дипломной работе на тему «Система идентификации личности по отпечаткам пальцев. Подсистема распознавания» оформлена на 128 листах, содержит 27 рисунков, 18 таблиц.

Целью данной работы является разработка подсистемы распознавания отпечатка пальца в составе системы идентификации личности по отпечаткам пальцев на основе структурного представления отпечатка.

Работа включает в себя разработку и реализацию алгоритма формирования относительных параметров для минюций. Подбор параметров системы допусков и критериев схожести при сравнении двух отпечатков. Разработку и реализацию алгоритма поиска схожих отпечатков на основе относительных параметров минюций и разработанных критериев схожести.

Для написания соответствующего программного обеспечения были изучены материалы и публикации в области цифровой обработки изображений, векторизации, биологического строения человека и его биометрических параметров.

В результате проделанной работы было разработано программное обеспечение, предназначенное для автоматизации процесса идентификации личности по отпечаткам пальцев на основе характерных особенносетей любого папиллярного узора. В работе подсистемы используются характеристики локальных особенностей, получаемые в результате работы другой подсистемы в составе системы.

На сегодняшний день существуют готовые системы для идентификации личности, обладающие высокой степенью защиты, быстродействием, а также удобством в применении. Однако ни одна из существующих разработок не дает объектного описания и метода сравнения отпечатков. Все разработки являются уникальными, обладают собственными нововведениями, «ноу-хау» и составляют коммерческую тайну.

Данная разработка обладает открытым кодом и позволяет проводить структурное описание папиллярного узора. Поэтому данная разработка является уникальной и не имеет аналогов в современной индустрии компьютерной обработки изображений.

Необходимо отметить, что используемый метод, пригоден не только для распознавания изображения отпечатков пальцев, но и для распознавания других битовых изображений, таких как символьная информация, щрифты и подписи.

Разработанное программное обеспечение является исследовательским, оно направлено на изучение и анализ методов обработки изображений и его описания. С его помощью уже были получены важные экспериментальные данные, использованные в данной работе. Конечным программным продуктом может являться оболочка, представляющая в значительной мере автоматизированный интерфейс для идентификации личности.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. РАЗРАБОТКА СИСТЕМЫ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО

2. ОТПЕЧАТКАМ ПАЛЬЦЕВ

1.1. Обоснование целесообразности разработки системы идентификации

личности

по отпечаткам пальцев

1.1.1.Назначение системы

1.1.2.Характеристика функциональной структуры системы

1.1.3.Обоснование цели создания системы

1.1.4.Обоснование состава автоматизируемых задач

1.2.Аналитическийобзор

1.2.1. BioLink

1.2.1.1. BioLink BioTime 2006

1.2.1.2. BioLink Authenteon Software Appliance (ASA)

1.2.2. Microsoft IntelliMouse Explorer with Fingerprint Reader

1.2.3. Сотовый телефон GI100

1.2.4. Adobe Photoshop

1.2.5. FineReader

1.2.6. Вывод по аналитическому обзору

1.3. Основные требования к системе

1.3.1. Основные цели создания системы и критерии эффективности ее функционирования

1.3.2. Функциональное назначение системы

1.3.3. Особенности и условия эксплуатации системы

1.3.4. Требования к функциональной структуре

1.3.5. Требования к техническому обеспечению

1.3.6. Требования к информационному обеспечению

1.3.7. Требования к программному обеспечению

1.4. Основные технические решения проекта системы

1.4.1. Решение по комплексу технических средств

1.4.2. Описание системы программного обеспечения

2. РАЗРАБОТКА ПОДСИСТЕМЫ РАСПОЗНАВАНИЯ

2.1. Описание постановки задачи распознавания

2.1.1. Характеристика задачи

2.1.2. Входная информация

2.1.3. Выходная информация

2.1.4. Математическая постановка задачи

2.2. Описание алгоритма преобразования абсолютных параметров минюций к относительным параметрам

2.2.1. Назначение и характеристика алгоритма преобразования абсолютных параметров минюций к относительным

2.2.2. Используемая информация

2.2.3. Результаты решения

2.2.4. Математическое описание алгоритма преобразования абсолютных параметров минюций к относительным

2.2.4.1. Алгоритм нахождения габаритных размеров и количества точек в непрерывной области

2.2.5. Требования к контрольному примеру

2.2.6. Список условных обозначений

2.3. Описание алгоритма сравнения структурных представлений отпечатков пальцев

2.3.1. Назначение и характеристика алгоритма сравнения структурных представлений отпечатков пальцев

2.3.2. Используемая информация

2.3.3. Результаты решения

2.3.4. Математическое описание алгоритма нахождения статистических характеристик цветового кластера

2.3.5. Алгоритм нахождения статистических характеристик цветового кластера

2.3.6. Требования к контрольному примеру

2.3.7. Список условных обозначений

2.4. Описание подпрограммы «OnBnClickedCompare»

2.4.1. Вводная часть

2.4.2. Функциональное назначение

2.4.3. Описание информации

2.4.4. Используемые подпрограммы

2.4.5. Схема подпрограммы «OnBnClickedCompare»

2.5. Описание подпрограммы «Convert»

2.5.1. Вводная часть

2.5.2. Функциональное назначение

2.5.3. Описание информации

2.5.4. Используемые подпрограммы

2.5.5. Схема подпрограммы «Convert»

2.6. Описание подпрограммы «CompareWithBase»

2.6.1. Вводная часть

2.6.2. Функциональное назначение

2.6.3. Описание информации

2.6.4. Используемые подпрограммы

2.6.5. Схема подпрограммы « CompareWithBase»

2.7. Описание подпрограммы «Compare»

2.7.1. Вводная часть

2.7.2. Функциональное назначение

2.7.3. Описание информации

2.7.4. Используемые подпрограммы

2.7.5. Схема подпрограммы «Compare»

2.8. Описание контрольного примера

2.8.1. Назначение

2.8.2. Исходные данные

2.8.3. Контрольный пример

2.8.4. Тестирование программного обеспечения системы распознавания личности по отпечаткам пальцев

3. ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ЧАСТЬ

3.1. Обоснование необходимости разработки подсистемы распознавания в системе идентификации личности по отпечаткам пальцев

3.2. Расчет затрат на разработку подсистемы распознавания в системе идентификации личности по отпечаткам пальцев

4. БЕЗОПАСНОСТЬ И ЭКОЛОГИЧНОСТЬ ПРОЕКТА

4.1. Анализ опасных и вредных факторов, возникающих при работе на компьютере

4.2. Техника безопасности при эксплуотации компьютера

4.3. Организация рабочего места оператора

4.4. Требования к параметрам микроклимата помещения

4.5. Требования к освещению и расчет искусственного освещения

4.6. Пожарная безопасность

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1 ТЕКСТ ПРОГРАММЫ

ПРИЛОЖЕНИЕ 2 РУКОВОДСТВО ПРОГРАММИСТА

ПРИЛОЖЕНИЕ 3 РУКОВОДСТВО ОПЕРАТОРА

ПРИЛОЖЕНИЕ 4 РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ

ПРИЛОЖЕНИЕ 5 АЛЬТЕРНАТИВНОЕ ИСПОЛЬЗОВАНИЕ ПРОГРАММЫ
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СТ – специфическая точка – миньюция

БД – база данных с отпечатками

PIN – персональный идентификационный номер

ПЗС – память с зарядовой связью

КМОП – технология изготовления микросхем – кремний метал оксид полупроводник

ОП – отпечаток пальца

dpi – количество точек на дюйм (dotperinch)

ПО – программное обеспечение

ОС – операционная система

ЭВМ – электронно-вычислительная машина

ПК – персональный компьютер

LIFO - LastInFirstOut, метод обработки информации в структурах данных

MFC – Microsoft Foundation Class

ВВЕДЕНИЕ

В наше время пароли, персональные идентификационные номера и специальные идентификационные карточки стали жизненной необходимостью. Например, чтобы получить наличные из банкомата, Вам потребуется код PIN, чтобы получить доступ к почтовой программе или к определенной категории компьютерных данных, необходим пароль. В свете последних событий, происходящих в мире, особенно в связи с ростом активности международного терроризма, вопросам безопасности уделяется все более пристальное внимание.

Таким образом, человек должен хранить в своей памяти огромное количество различных комбинаций цифр и букв. Чтобы облегчить участь современного человека, компании, специализирующиеся на производстве компьютеров, начали заниматься разработкой биометрических технологий. Биометрия – эта наука, изучающая возможности использования различных характеристик человеческого тела (будь то отпечатки пальцев или уникальные свойства человеческого зрачка или голоса) для идентификации каждого конкретного человека. Пользуясь биометрическими технологиями, человек никогда не сможет забыть необходимый ему пароль или код, поскольку его большой палец, голос или зрачок глаза всегда находятся с ним /1/.

Отпечаток пальца образует так называемые папиллярные линии на гребешковых выступах кожи, разделенных бороздками. Из этих линий складываются сложные узоры (дуговые, петлевые и завитковые), которые обладают свойствами индивидуальности и неповторимости, что позволяет абсолютно надежно идентифицировать личность. Хотя процент отказа в доступе уполномоченных пользователей составляет около 3, процент ошибочного доступа – меньше одного к миллиону. Преимущества доступа по отпечатку пальца – простота использования, удобство и надежность. Весь процесс идентификации занимает мало времени и не требует усилий от тех, кто использует данную систему доступа. Исследования также показали, что использование отпечатка пальца для идентификации личности является наиболее удобным из всех биометрических методов. Вероятность ошибки при идентификации пользователя намного меньше в сравнении с другими биометрическими методами /2/. Кроме того, устройство идентификации по отпечатку пальца не требует много места на клавиатуре или в механизме.

Образ отпечатка пальца, как правило, сохраняется в двоичном коде, где каждый пиксель рисунка описывается 8 битами, то есть 256 оттенками серого цвета. В передовых системах сканирования цифровой образ отпечатка обрабатывается с помощью специального алгоритма улучшения изображения. Этот алгоритм обеспечивает обратную связь с датчиком для регулирования параметров сканирования. Когда датчик фиксирует окончательный образ, алгоритм настраивает контрастность и четкость изображения отпечатка для получения наилучшего качества.

Методы опознания отпечатка пальца основаны на сравнении с образцами или на использовании характерных деталей.

При опознании по деталям из образа извлекаются только специфические места, где найдена особенность (деталь). Обычно это либо окончание гребня, либо его раздвоение (рис. 1). Содержание шаблона в этом случае составляют относительные координаты и сведения об ориентации детали. Распознающий алгоритм отыскивает и сравнивает между собой соответствующие детали. Ни поворот отпечатка пальца, ни его параллельный перенос (сдвиг) не влияют на функционирование системы, поскольку алгоритм работает с относительными величинами.

Типы минюций

Рис. 1

Для сравнения на битовом образе находятся локальные особенности папиллярного узора – минюции.

Для поиска минюций алгоритм производит обход по контуру гребней.

РАЗРАБОТКА СИСТЕМЫ

ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО ОТПЕЧАТКАМ ПАЛЬЦЕВ

1.1.
Обоснование целесообразности разработки системы

идентификации личности по отпечаткам пальцев

1.1.1.
Назначение системы

Система идентификации личности по отпечаткам пальцев реализует определение личности на основе биометрических параметров, а именно отпечатков пальцев. Система предназначена для обработки графических изображений отпечатков. Система позволяет сравнить несколько отпечатков друг с другом по выделенным локальным особенностям – минюциям и их относительным параметрам (расположению одних минюций относительно всех остальных), что гарантирует независимость сравнения от параллельного переноса и вращения.

Программный продукт найдет применение в различных прикладных системах, включая:

1) системы гражданской идентификации;

2) криминалистические системы идентификации;

3) крупномасштабные коммерческие приложения.

Системы гражданской идентификации включают в себя:

- водительские паспорта;

- национальные идентификационные карты граждан;

- регистрация избирателей;

- регистрация для социальных программ;

- иммиграционная регистрация, визы;

- идентификация сотрудников государственных учреждений.

Криминалистические системы идентификации включают в себя:

- находится ли данный гражданин в розыске;

- прежние судимости;

- регистрация заключенных/контроль доступа;

- мобильные и удаленные приложения;

- обработка отпечатков пальцев, полученых с мест преступления;

Крупномасштабные коммерческие приложения включают в себя:

- доступ к Web-ресурсам, электронная коммерция;

- доступ для пользователей и сотрудников;

- финансовые сервисы, проверка оплаты;

- доступ в здания и помещения;

- программы лояльности;

1.1.2.
Характеристика функциональной структуры

системы

Функциональная схема системы приведена на рис. 1.1.

Обработка изображений состоит из следующих этапов:

1) ввод изображения в систему идентификации личности по отпеаткам пальцев;

2) в подсистеме анализа изображения происходит обработка растра с целью подавления шумов, а так же устранение типичных искажений изображения, таких как разрывы или слипания дуг папиллярного узора;

3) в подсистеме анализа изображения происходит выделение локальных особенностей, таких как окончание и раздвоение, для дальнейшего распознавания отпечатка;

4) в подсистеме распознавания происходит преобразование абсолютных параметров специальных точек к относительным параметрам для предотвращения влияния параллельного переноса и поворота пальца при сканировании отпечатка;

5) распознавание отпечатка по базе с существующими отпечатками происходит на основе относительных параметров каждой точки для каждого хранящегося в базе отпечатка.

Функциональная схема системы идентификации личности по отпечаткам пальцев

- подсистема анализа - подсистема распознавания

Рис. 1.1

1.1.3.
Обоснование цели создания системы

На данный момент надежная информационная защита является одним из основных критериев, по которым должны отбираться системы, предназначенные для хранения и обработки важной информации. Это обусловлено существующей вероятностью несанкционированного доступа в такие системы, поскольку они имеют широкое информационное взаимодействие со смежными системами управления через сеть INTRANET. Поэтому обеспечение информационной безопасности должно являться важнейшим этапом при их разработке.

Защита на основе биометрических параметров человеческого тела, в частности по отпечатку пальца, обладает рядом неоспоримых полюсов: простота использования, удобство и надежность. Весь процесс идентификации занимает мало времени и не требует усилий от тех, кто использует данную систему доступа. Исследования также показали, что использование отпечатка пальца для идентификации личности является наиболее удобным из всех биометрических методов. Вероятность ошибки при идентификации пользователя таким способом намного меньше в сравнении с другими биометрическими методами. Кроме того, устройство идентификации по отпечатку пальца не требует много места на клавиатуре или в механизме.

В большинстве случаев работа с важной информацией подразумевает также своевременное принятие решений и непрерывное управление ходом выполнения. В связи с этим существует необходимость непрерывного подтверждения личности (в случае если человек по какой-то причине покинет свое рабочее место, то любой в это время сможет задавать команды телеуправления или ответственные команды). Такое подтверждение личности метод «единого входа в сеть» предоставить не может, а вводить пароль после каждой команды – обременительно.

Хотя на рынке существуют готовые системы, но на ряду со своими преимуществами они обладают рядом недостатков, таких как закрытость исходного кода и алгоритма, а также высокая цена. Вследствие чего есть смысл в разработке системы, которая бы предоставляла возможность всем разработчикам иметь готовую базу для разработки собственных проектов на основе биометрических технологий

Целью данной работы является разработка и реализация такого преобразования изображения, при котором данные о расположение уникальных особенностей сохраняются наиболее полно и с наименьшим содержанием ложной информации.

Создаваемая система носит поисково-исследовательский характер и направлена на облегчение разработки алгоритмов обработки изображений, упрощение анализа экспериментальных данных и выявление общих закономерностей.

1.1.4.
Обоснование состава автоматизируемых задач

Реализация системы идентификации личности по отпечаткам позволит интегрировать в едином интерфейсе все этапы обработки изображения отпечатка пальца и сравнения его с другими отпечатками:

1) анализ параметров изображения, выявление дфектов сканирования и их устранение;

2) выделение локальных особенностей – минюций. Формирование списка минюций в абсолютных параметрах;

3) сортировка списка абсолютных параметров, исключение ложных и ненадежных минюций;

4) конвертирование абсолютных параметров в отностительные, формирование списка относительных параметров;

5) установка системы допусков для учета корреляцции изображений;

6) учет всех зарегистрированных отпечатков;

7) распознавание отпечатка посредствам поиска совпадающих специальных точек в базе с отпечатками;

8) cпособ хранения описания отпечатков позволяет применять результат работы программы для различных сфер дейтельности.

1.2.
Аналитический обзор

Как уже было указано во введении, метод опознавания личности по отпечаткм пальцев известен достаточно давно и с появлением электронно-вычислительной техники начали появлятся программные продукты для анализа и сравнения изображений.

1.2.1.
BioLink

BioLink, ведущий поставщик технологий обеспечения безопасности, проектирует, производит и продает передовые биометрические продукты, основанные на принципе дактилоскопии. Предлагаемые решения составляют основу для систем аутентификации пользователей в компьютерных сетях, платформах электронной коммерции и системах обеспечения безопасности физического доступа.

BioLink предлагает гамму продуктов, основанных на фирменных технологиях сканирования отпечатков пальцев и обработки изображений, а также на алгоритме идентификации «один ко многим», решающих многие из существующих сегодня проблем безопасности.

1.2.1.1.
BioLink BioTime 2006

BioTime 2006 – это система управления рабочим временем, являющаяся новейшей разработкой компании BioLink. Система BioTime 2006 упрощает обычные задачи учета и управления рабочим временем и обеспечивает простоту, легкость и удобство регистрации прихода и ухода сотрудников компании. Кроме того, система BioTime 2006 предоставляет различные виды отчетов по опозданиям, недоработкам и переработкам сотрудников, времени их прихода и ухода, а также автоматизирует создание табеля учета рабочего времени.

1.2.1.2.
BioLink Authenteon Software Appliance (ASA)

Программный сервер BioLink Authenteon Software Appliance (ASA) - это программное обеспечение для сравнения шаблонов отпечатков пальцев BioLink. ASA объединяет в себе парольную защиту и клиент-серверную аутентификацию при входе в Windows, Novell и NFS при решении одной из самых актуальный на сегодняшний день проблем защиты - положительной идентификации пользователей корпоративной сети. Сервер поддерживает до 300 пользователей.

1.2.2.
Microsoft IntelliMouse Explorer with Fingerprint Reader

Анонсированная Microsoft осенью 2004г. новая линейка продуктов с использованием биометрических технологий - сканер отпечатков пальцев, клавиатура со встроенным сканером и беспроводная оптическая мышь со сканером обладает возможностями:

1) снятие отпечатка пальца при кратковременном прикладывании пальца к сканеру;

2) ведение менеджера паролей для веб интерфейсов;

3) возможность идентификации личности для входа в систему одним приложением пальца.

Продукт подходит для применения за личным ПК. Программное обеспечение имеет очень ограниченную функциональность. Нет возможности получить параметры отсканированного отпечатка пальца, установить дополнительные действия от того какой палец был приложен.

1.2.3.
Сотовый телефон GI100

GI100 - первый телефон с функцией распознавания отпечатков пальцев. Отпечатки пальцев используются как для набора номера, так и для игр. Каждый из пальцев владельца телефона используются для быстрого набора одного из десяти введенных в память телефона номеров. Таким же образом и во время игр можно использовать вместо нажатия кнопок отпечатки пальцев;

Ограничение доступа – при включении телефона происходит сканирование отпечатка пальца включившего /3/.

Большим недостатком продукта является то, что в случае трехкратной неудачи при распознавании отпечатка пальца предлагается ввести пароль. Таким образом, доступ к телефону может получить не владелец, а просто знающий пароль человек /4/.

1.2.4.
Adobe

Photoshop

Профессиональный редактор растровых изображений. Основные возможности:

1) контроль цвета и тона компонент изображения: возможность подбора палитры, замены цветов, поддержка 32-битного цвета (прозрачности), возможность построения гистограмм распределения цвета;

2) интеллектуальное редактирование изображений: инструменты контекстной коррекции растра, позволяющие достичь фотореалистичности;

3) широкий набор фильтров, позволяющих модифицировать и улучшить изображение;

4) возможность создания многих независимых слоев в одном изображении. Продукт предназначен для профессионального редактирования фотографических изображений, имеет мощный набор инструментов для улучшения их качества /5/. В меньшей степени подходит для обработки искусственных изображений. Интерфейс обладает некоторой когнитивностью, которая, однако, ограничена сферой применения растровой модели.

1.2.5.
FineReader

Профессиональная программа распознавания печатного текста. Основные возможности:

1) загрузка изображения страницы из файла, получение изображения страницы со сканера;

2) интеллектуальное определение расположения строк и символов в тексте, распознавание символов при их неточном сканировании или зашумлении;

3) наличие возможности исправить неправильно распознанные символы;

4) возможность сохранения распознанного текста в виде документа word или pdf.

Продукт предназначен для распознавания печатного текста различной сложности после сканирования, имеет мощный набор инструментов для улучшения качества распознавания, а также исправления неточно распознанных символов. Не имеет возможности дополнять набор распознаваемых символов, вследствие чего применение ограничивается только распознаванием печатного текста. /6/

1.2.6.
Вывод по аналитическому обзору

Список программных продуктов, безусловно, может быть расширен, но все же самые характерные и популярные разработки в него включены.

Среди программных продуктов, посвященных идентификации по папиллярному узору, можно выделить основные возможности:

1) программы реализуют возможность доступа по отпечаткам;

2) возможна обработка стандартными функциями (яркость, контрастность, изменение размера);

3) распознавание символов;

4) ни одна программа не позволяет скорректировать изображение, основываясь на типичных характеристиках отпечатка, дать объектное описание отпечатка, а также дать возможность применить алгоритмы обработки в отдельности для собственных задач.

В связи с указанными особенностями существующих программных средств актуальной является разработка системы, обладающая открытым кодом и позволяющая проводить структурное описание папиллярного узора. Возможность получать его обектное описание и сравнение. Применение алгоритма не только для описания изображения отпечатков пальцев, но и для объектного описания других битовых изображений, таких как символьная информация, щрифты и подписи.

Эту задачу решает система распознавания личности по отпечаткам пальцев.

1.3.
Основные требования к системе

1.3.1.
Основные цели создания системы и критерии эффективности ее функционирования

Создание системы распознавания личности позволит получить новую возможность по подготовке изображений к структурному анализу, разработать инструмент, улучшающий качество графической информации за счет снижения искажений и шумов.

Для оценки эффективности работы системы можно использовать качество получаемых на выходе изображений, и их структурное описание. А также уровень правильного распознавания отпечатков, который можно судить по количеству отказов для правильного отпечатка, и количеству входов для неверного отпечатка.

Разработанная система обладает открытым кодом, позволяет получать структурное описание папиллярного узора и его сравнение с другими. Алгоритм подходит для работы не только с изображениями отпечатков пальцев, но и для других битовых изображений, таких как символьная информация, щрифты и подписи.

1.3.2.
Функциональное назначение системы

1) модификация изображения, исправление искажений;

2) выделение локальных особенностей – минюций. Формирование списка минюций в абсолютных параметрах;

3) сортировка списка абсолютных параметров, исключение ложных и ненадежных минюций;

4) конвертирование абсолютных параметров в отностительные, формирование списка относительных параметров;

5) установка системы допусков для учета корреляцции изображений;

6) сравнение одного отпечатка с множеством других.

1.3.3.
Особенности и условия эксплуатации

системы

Система идентификации личности по отпечаткам пальцев предназначена для работы с цифровыми изображениями, полученными посредством сканирования.

Получение электронного представления отпечатков пальцев с хорошо различимым папиллярным узором – достаточно сложная задача. Поскольку отпечаток пальца слишком мал, для получения его качественного изображения приходится использовать достаточно изощренные методы.

На сегодняшний момент можно выделить следующие сканеры отпечатков пальцев по используемым ими физическим принципам:

- оптические;

- кремниевые;

- ультразвуковые.

Старейшей технологией сканирования отпечатка является оптическая. Сканирование отпечатка пальца мини-камерами на ПЗС или КМОП-чипе позволило существенно уменьшить стоимость систем идентификации. Но этот способ снятия отпечатка сталкивается с некоторыми трудноразрешимыми проблемами: получаемый образ зависит от окружающего освещения, на границах образа возможны искажения, датчик может быть относительно легко "обманут" (некоторые дешевые датчики можно "дурачить" печатной копией, сделанной на обычном копире). Остаются проблемы и с размерами сканера. Датчик не может быть меньше, чем фокусное расстояние камеры. Среди главных преимуществ оптических систем можно еще раз упомянуть относительно низкую цену и практическую неуязвимость к воздействию электростатического разряда.

Абсолютно новой является технология использования электромагнитного поля. Датчик излучает слабый электромагнитный сигнал, который следует по гребням и впадинам отпечатка пальца и учитывает изменения этого сигнала для составления образа отпечатка. Такой принцип сканирования позволяет просматривать рисунок кожи под слоем омертвевших клеток, что приводит к хорошим результатам при распознавании бледных или стершихся отпечатков. Остается проблема отсутствия приемлемого соотношения между размером датчика и его разрешающей способностью.

Еще одна перспективная технология, которую следует упомянуть - ультразвуковая. Трехмерный ультразвуковой сканер измеряет пересеченную поверхность пальца своего рода радаром. Этот метод сканирования может быть особенно удобен, например, в здравоохранении. Он не требует касания каких-либо считывающих устройств датчика стерильными руками, а отпечаток легко считывается даже через резиновые или пластиковые перчатки хирурга. Главное неудобство ультразвуковой технологии - ее высокая стоимость и длительное время сканирования.

Существуют и другие методы, либо использовавшиеся в прошлом, либо только разрабатываемые.

Полученные таким образом изображения имеют размер порядка нескольких мегапикселей и должны сохраняться в формате без сжатия, чтобы избежать искажений. Таким образом, объем графической информации, обрабатываемый системой, достаточно велик и составляет мегабайты. Эти особенности накладывают ограничения на использование непроизводительных и медленных алгоритмов.

1.3.4.
Требования к функциональной структуре

Построение системы идентификации личности по отпечаткам пальцев предполагает модульную структуру. Общий интерфейс и возможность доступа ко всем модулям в составе системы должна обеспечивать оболочка. Из оболочки вызываются следующие модули: подсистема анализа изображения, подсистема сравнения одного отпечатка с множеством других. Обмен данными между подсистемами происходит через проект в рамках общей оболочки.

Подсистема анализа изображения должна обеспечивать возможность получения основных статистических характеристик папиллярного узора по ключевым участкам. Подсистема предполагает наличие средств для получения качественного образа отпечатка пальца.

Подсистема сравнения изображений отпечатков служит для автоматизированного выявления схожести различных изображений папиллярного узора.

1.3.5.
Требования к техническому обеспечению

Задача обработки изображений в системе связана с автоматическим анализом больших массивов графической информации. Преобразования, проводимые в системе, должны проводиться в процессе интерактивного взаимодействия с пользователем, поэтому паузы на обработку не должны превышать нескольких секунд. Исходя из этого, сформулированы требования к техническим характеристикам персонального компьютера, на котором будет функционировать система. Требования сведены в табл.1.1.

Таблица 1.1

Технические характеристики персонального компьютера

Наименование	Значение
Частота процессора, МГц	от 900
Объем оперативной памяти, Мб	от 64
Разрешение экрана монитора	не менее 1024x768

1.3.6.
Требования к информационному обеспечению

Система предназначена для обработки битовых изображений. Вследствие неточностей, шумов и аппроксимаций, вносимых оборудованием (сканер или любое иное дискретизирующее графику устройство) в изображении появляются шумы различной природы. Система позволяет частично избавиться от этих искажений. Поэтому качество входных образов должно быть на приемлимом уровне.

Основным видом информации, обрабатываемым в системе идентификации личности, является графическая информация в растровом представлении. Такой вид данных воспринимается человеком непосредственно и целостно, поэтому необходимо обеспечить средства наглядной визуализации изображений на различных этапах обработки.

1.3.7.
Требования к программному обеспечению

Систему целесообразно разрабатывать для функционирования под операционной системой семейства Windows, так как ОС данного класса наиболее широко распространены в современном мире. Платформой для разработки выбрана среда для разработки приложений MicrosoftVisualStudioC++ 2003. Эта среда поддерживает алгоритмический язык C++ и обладает при этом возможностями быстрой разработки и проектирования визуальных интерфейсов, что особенно важно при работе с графической информацией.

1.4.
Основные технические решения проекта системы

1.4.1.
Решение по комплексу технических средств

Как уже отмечалось в п. 1.3.5, для достижения удобного пользователю режима функционирования системы необходимо следующая минимальная конфигурация персонального компьютера: частота процессора 900 МГц, объем оперативной памяти 64 Мб, монитор, поддерживающий разрешение 1024
x768 точек. Также желательно наличие следующих периферийных технических средств: сканер отпечатков пальцев, цветной струйный принтер для вывода на печать результатов.

1.4.2.
Описание

системы программного обеспечения

Для реализации и функционирования проекта необходимо общесистемное программное обеспечение ОС WindowsXP, в основе которой лежит ядро, характеризуемое 32-разрядной вычислительной архитектурой и полностью защищенной моделью памяти, что обеспечивает надежную вычислительную среду.

Разработка системы распознавания личности и ее подсистем будет вестись с использованием среды для разработки приложений MicrosoftVisualStudioC++ 2003. Среда разработки включает в себя высокопроизводительный 32-битный компилятор, что позволяет оптимизировать создаваемый код. MicrosoftVisualStudioC++ включает обширный набор средств, который повышает производительность труда программистов и сокращают продолжительность цикла разработки. Многофункциональная интегрированная среда разработки MicrosoftVisualStudioC++ 2003 включает компилятор, удовлетворяющий стандарта ANSI/ISO, встроенный дизайнер форм, богатый набор средств для работы с компонентами, инструмент SolutionExplorer, менеджер проектов и отладчик. Удобство разработки и эффективность созданных в данной среде разработки программа делают MicrosoftVisualStudioC++ 2003 оптимальным выбором для построения исследовательской системы, какой является система распознавания личности.

РАЗРАБОТКА ПОДСИСТЕМЫ РАСПОЗНАВАНИЯ

1.5.
Описание постановки задачи

распознавания

1.5.1.
Характеристика задачи

При приложении пальца к сканирующему устройству возможно смещение или поворот изображения отпечатка пальца по сравнению с тем, что уже хранится в базе. Данные погрешности не должны оказывать влияние на результат распознавания получаемого отпечатка пальца. Для этого был разработан алгоритм преобразования абсолютных параметров минюций к относительным. Посредствам такого преобразования удается предоствратить негативное влияние поворота и смещения, и распознать отпечаток, даже если он повернут на 180°.

Представим структурное представление отпечатка пальцев в виде списка M, содержащего параметры специальных точек:

Каждый из наборов параметров представляет собой одну точку. Для приведения параметров к относительным параметрам необходимо провести обзор и преобразование всех точек.

Вследствие эластичности кожи и роста человека расстояние между точками может измениться, также точки, находящиеся ближе к краю отпечатка могут сместиться относительно других точек, что не должно влиять на результат распознавания, однако разные точки так же не должны быть приняты за одну. Для этого в подсистеме распознавания была разработана система допусков при сравнении двух отпечатков. Значения допусков были получены опытным путем, так же как и условия совпадения отпечатков.

Таким образом, задача распознавания отпечатка пальцев по абсолютным параметрам минюций на изображении может быть разбита на несколько подзадач:

1) разработка алгоритма, обеспечивающего компенсацию влияния перемещения или поворота отпечатка пальца;

2) разработка и реализация системы допусков и критериев схожести при поиске подходящего отпечатка по существующей базе отпечатков;

3) сравнение минюций на отпечатках пальцев с использованием полученых критериев и обнаружение схожести отпечатков по количеству совпавших минюций.

1.5.2.
Входная информация

Входной информацией являются список минюций в абсолютных параметрах, расположенный в памяти, содержащий все необходимые параметры. Каждый элемент массива содержит все необходимые параметры минюций: координаты целого типа – 2х4 байта, угол направления 8 байт, тип точки 1 байт, поэтому общий размер массива должен быть кратен 2*4+8+1 = 17 байт.

где X_i
, Y_i
– координаты минюций на растровом представлении изображения отпечатка пальцев, целые числа, величина которых ограничена размером изображения отпечатка в пикселах;

α_i
– направление предполагаемого продолжения гребня на отпечатке пальцев в точки типа окончание и направление слипания для точки типа раздвоение, дробное число, величина которого изменяется (–pi, +pi);

Т_i
– тип обнаруженной точки, битовое поле, принимает 2 значения «раздвоение» = 0 (false) и «окончание» = 1 (true);

k – количество минюций на исследуемом отпечатке.

Так же в качестве входной информации для данной задачи являются матрицы, содержащие список минюций в абсолютных параметрах, хранящиеся в базе данных отпечатков, содержащие все, необходимые для распознавания, параметры найденные при предыдущих расчетах параметров отпечатков пальцев. В каждой строке массива содержится описание расположения одной точки на изображении отпечатка, а так же ее направление, тип и видимость. В табл. 2.1 приведен формат элемента матрицы.

Таблица 2.1

Формат элемента матрицы

Поле	Формат	Описание
x	Целое	Абцисса минюции на растре
y	Целое	Ордината минюции на растре
alpha	Целое	Ориентация минюции на растре
type	Байт	Тип минюции. Раздвоение или окончание
show	Байт	Видимость точки

2.1.3. Выходная информация

Выходной информацией для данной подсистемы является список, содержащий отпечатки из базы данных, в которых были обнаружены сходства с обрабатываемым отпечатком. Значение, говорящее о том, что отпечатки совпали, так же получено опытным путем.

В каждой строке массива списка содержится описание отпечатка, его имя, количество совпавших точек при распознавании и степень сходства. В табл. 2.2 приведен формат строки.

Таблица 2.2

Формат строки

Поле	Формат	Описание
Name	Строковое	Имя отпечатка (наименование файла, из которого были взяты параметры)
Count	Целое	Количество минюций совпавших при сравнении отпечатков.
Pct	Дробное	Степень сходства отпечатков в процентах, принимает значения (0, 100].

1.5.3.
Математическая постановка задачи

Преобразование относительных параметров к абсолютным параметрам компенсирует влияние параллельного переноса и поворота отпечатков пальцев при сканировании.

Преобразование происходит для каждой обнаруженной минюции относительно всех остальных минюций на изображении

На рис. 2.1 представлено изображение отпечатка пальца, с обнаруженными на нем минюциями. Линиями представлено относительное расположение точек относительно центральной.

На рис. 2.2 представлено изображение отпечатка того же пальца, но повернутого относительного первого на 45 градусов. Линиями представлено относительное расположение точек относительно центральной.

Прямой отпечаток

Рис. 2.1

Повернутый отпечаток

Рис 2.2

Для определения степени сходства обрабатываемого отпечатка с отпечатком, хранящимся в базе, была разработана сисьема допусков и критериев схожести отпечатков. Вследствие эластичности кожи и неплотного прижатия пальца при снятии отпечатка некоторые минюции на новом отпечатке могут сместиться, относительно минюций, хранящихся в базе.

Таким образом, точка считается совпавшей, если ее местоположение относительно другой точек входит в определенную область вокруг первоначального положения. На рис. 2.3 представлена область, в которой положение точки относительно другой считается совпавшим.

Область допуска

Рис. 2.3

Для вычисления степени сходства двух отпечатков происходит сравнение каждой минюции на обоих отпечатках. Cписок совпавших минюций получается при помощи отсеивания из первоначального списка тех минюций, которые не были обнаружены во втором списке, тоесть вокруг данной точки небыло обнаружено ниодной другой точки в попавшей в область допуска.

Отпечатки считаются схожими, если количество совпавших точек превышает определенный порог сходства.

Работа подсистемы реализуется следующими этапами:

- преобразование абсолютных параметров минюций к относительным параметрам минюций;

- разработка системы допусков для сравнения минюций;

- сравнение структурных представлений отпечатков пальцев.

Функциональная схема подсистемы представлена на рис.2.4

Функциональная схема подсистемы распознавания

Рис. 2.4

1.6.
Описание алгоритма

преобразования абсолютных параметров минюций к относительным параметрам

1.6.1.
Назначение и характеристика алгоритма

преобразования абсолютных параметров минюций к относительным

Так как необходимо оценить расстояние между каждой из пар минюций, сложность этих алгоритмов превышает o(N²
), где N - количество обнаруженных минюций на изображении отпечатка пальца. В среднем количество точек на отпечатке не превышает 50, таким образом, потребуется 50²
= 2500 операций, что является небольшим объемом вычислений. Тесты показывают, что современные пользовательские ЭВМ способны выполнять около операций вычисления расстояния в секунду.

Таким образом, на анализ одного изображения будет уходить в среднем секунд. Такие темпы обработки информации вполне отвечают понятию интерактивности, что является приемлемым условием.

1.6.2.
Используемая информация

При реализации данного алгоритма используется массив информации, сформированный на предыдущем этапе обработки изображения отпечатка пальца в подсистеме анализа изображения. Каждый элемент массива представляет из себя структуру, содержащую все необходимые для обработки параметры минюций: координаты целого типа – 2х4 байта, угол направления 8 байт, тип точки 1 байт, поэтому общий размер массива должен быть кратен 2*4+8+1 = 17 байт.

Т_i
– тип обнаруженной точки, битовое поле, принимает 2 значения «раздвоение» = 0 (false) и «окончание» = 1 (true);

k – количество минюций на исследуемом отпечатке.

Для обработки массивов используется двунаправленный список. Список представляет собой вектор:

В данную информационную структуру можно заносить и извлекать элементы с любой стороны.

1.6.3.
Результаты решения

Выходной информацией для данной задачи является массив размерностью (kxk) с пустыми диагональными элементами, содержащий списки минюций и их взаимное расположение друг с другом.

Каждый элемент массива содержит описание точки, расстояние до второй точки, угол между собственным направлением точки и направлением во вторую точку, Угол между собственными направлениями двух точек. В табл. 2.3 приведен формат элемента массива.

Таблица 2.3

Структура элемента массивазаписи

Поле	Формат	Описание
l_ij	Целое	Расстояние между i и j точками
A1_ij	Дробное	Угол между собственным направлением точки i и направлением из точки i в точку j. A1_ij Î[0, 2*M_PI)
A2_i	Дробное	Угол между собственными направлениями точек i и j. A2_ij Î[0, 2*M_PI)

1.6.4. Математическое описание алгоритма
преобразования абсолютных параметров минюций к относительным

Обобщенное математическое описание преобразования приведено в п.2.1.4.

Преобразование происходит для каждой обнаруженной минюции относительно всех остальных точек по следующим формулам:

где i, j – минюции

dLength_ij
– расстояние между точками i и j

dAlpha1_ij
– угол между направлением точки i и направлением на точку j

dAlpha2_ij
– угол между направлением точки i и точки j

Alpha_i
– угол вектора самой точки

Alpha_ij
– угол вектора направления от точки i к точке j

На рис. 2.5 представлено расположение точки i относительно точки j со всеми полученными параметрами.

относительные параметры

Рис. 2.5

1.6.4.1. Алгоритм нахождения габаритных размеров и количества точек в непрерывной области

1. Очистить список RelFingс относительными параметрами отпечатка

2. Если список AbsFing пуст, перейти к пункту 20

3. Для каждого элемента iterA1 списка AbsFing выполнить пункты 4 - 19

4. Очистить список listDotsс относительными параметрами точки

5. Для каждого элемента iterA2 списка AbsFing выполнить пункты 5 - 17

6. Если iterA2 == iterA1, перейти к пункту 5.

7. l = |GetS(iterA1->coord, iterA2->coord)|

8. vecAB = GetAlpha(iterA2->coord, iterA1->coord)

9. tmpa = iterA1->alpha - vecAB;

10. Если (tmpa < 0), переход к п. 11, иначе переход к п. 12

11. tmpa = 2*M_PI + tmpa;

12. a1 = |tmpa * 180.0/M_PI +0.5|

13. tmpa = iterA2->alpha – iterA1->alpha

14. Если (tmpa < 0) , переход к п. 15, иначе переход к п. 16

15. tmpa = 2*M_PI + tmpa;

16. a2 = |tmpa * 180.0/M_PI +0.5|

17. Добавить в список listDotsпараметры очередной точки – l, a1, a2, перейти к п. 5.

18. отсортировать список listDots

19. занести относительные параметры точки listDots в список отпечатка RelFing, перейти к п. 3

20. Конец

1.6.5.
Требования к контрольному примеру

Контрольный пример должен содержать отпечатки более чем с одной обнаруженной минюцией.

1.6.6.
Список условных обозначений

RelFing - список минюций в относительных параметрах

AbsFing - список минюций в абсолютных параметрах

listDots – относительные параметры точки

iterA1 – исследуемая точка в абсолютных параметрах

iterA2 – точка в абсолютных параметрах, относительно которой вычисляется точка iterA1

l – расстояние между точками iterA1 и iterA2

GetS – функция вычисления расстояния

|| - округление до ближайшего целого

vecAB – вектор между направлениями точки iterA1 и iterA2

GetAlpha – функция вычисления угла между векторами

tmpa

a1 = угол между направлением самой точки и направлением на другую точку

a2 = угол между направлениями точек.

1.7.
Описание алгоритма сравнения структурных представлений отпечатков пальцев

1.7.1.
Назначение и характеристика алгоритма

сравнения структурных представлений отпечатков пальцев

Вследствие эластичности кожи и роста человека расстояние между точками может измениться, что не должно влиять на результат распознавания, однако разные точки так же не должны быть приняты за одну. Для этого в подсистеме распознавания была разработана система допусков при сравнении двух отпечатков.

Данный алгоритм предназначен для сравнения двух отпечатков, один из которых получается на предыдущем этапе, а второе считывается из файла базы данных. Оба отпечатка представлены в виде относительных параметров

1.7.2.
Используемая информация

При реализации алгоритма используются относительные параметры минюций, полученные в результате преобразования, проводимого алгоритмом преобразования абсолютных параметров минюций к относительным, описанного в п. 2.2. Информация о необходимых параметрах минюций содержится в списке fng, каждая запись которого имеет структуру, приведенную в табл. 2.3.

1.7.3.
Результаты решения

Результатами решения является список отпечатков из базы данных, структурное представление которых совпадает с исследуемым отпечатком или схоже с ним на несколько процентов. Структура элемента списка приведена в табл. 2.4.

Таблица 2.4

Структура записи об обнаруженных отпечатках

Поле	Формат	Описание
Name	Строковое	Имя отпечатка (наименование файла, из которого были взяты параметры)
Count	Целое	Количество минюций совпавших при сравнении отпечатков.
Pct	Дробное	Степень сходства отпечатков в процентах, принимает значения (0, 100].

1.7.4.
Математическое описание алгоритма

нахождения статистических характеристик цветового кластера

Таким образом, точка считается совпавшей, если ее местоположение относительно другой точек входит в определенную область вокруг первоначального положения. На рис. 2.6 представлена область, в которой положение точки относительно другой считается совпавшим.

Область допуска

Рис. 2.6

Для вычисления степени сходства двух отпечатков происходит сравнение каждой минюции на обоих отпечатках:

M – список минюций на обрабатываемом образе

k – количество минюций на обрабатываемом образе

M = {m1, m2, …, mk}

N – список минюций одного отпечатка из базы отпечатков

l – количество минюций на отпечатке из базы отпечатков

N = {n1, n2, …, nl}

Cписок совпавших минюций получается при помощи отсеивания из первоначального списка тех минюций, которые небыли обнаружены во втором списке:

S = {mi, где i=(1..k), P(mi, N)}

r = | S | – количество совпавших точек.

P(mi , N) – Точка считается совпавшей, если относительно нее найдено необходимое количество удовлетворяющих условию точек.

Отпечатки считаются схожими, если количество совпавших точек превышает порог сходства (p):

r ≥ p – условия совпадения

r < p – условие не совпадения

1.7.5.
Алгоритм

нахождения статистических характеристик цветового кластера

1. CONFIRM_VAL = 9; DELTA_L = 10.0; DELTA_A = 10.0; confirmDot = 0; short needVal = |min(this->size(),fng.size())/3.0 +0.5|;

2. для каждой точки на входном tekFing отпечатке выполнить пункты 3-14

3. для каждой точки на отпечатке из базы baseFing выполнить пункты 4-14

4. confirmVal = 0;

5. для каждой относительной точки tekIter для точки tekFing выполнить пункты 6-13

6. поиск первой подходящей по расстоянию точки в списке baseFing для tekIter

7. Если точка не найдена, перейти к п. 5.

8. для каждой относительной точки baseIter для точки baseFing выполнить п. 9

9. Если точка baseIter не удовлетворяет условиям с погрешностью, то переход к п. 8

10. confirmVal = confirmVal + 1;

11. Если confirmVal <= needVal, то переход к п. 5

12. Удалить точку baseFing из последующего перебора, т.к. она уже совпала

13. confirmDot = confirmDot + 1; переходкп. 3

14. Конец

1.7.6.
Требования к контрольному примеру

Контрольный пример должен содержать не менее одного отпечатка пальца, похожего на обрабатываемый, одного отпечатка, не похожего на обрабатываемый, и одного отпечатка, являющегося похожим на обрабатываемый, но смещенный и повернутый на некоторый угол.

1.7.7.
Список условных обозначений

confirmVal - количество совпавших сопряженных СТ с текущей СТ

confirmDot - количество совпавших СТ (спец точек)

min – функция с 2 входными параметрами, результатом которой является минимальное из входных значений.

CONFIRM_VAL = 9

DELTA_L = 10.0

DELTA_A = 10.0

|| - округление до ближайшего целого

tekFing – список точек в относительных параметрах на входном отпечатке.

baseFing – список точек в относительных параметрах на отпечатке из базы

tekIter– список точек относительно исследуемой (ее относительные параметры) для точки на входном отпечатке

baseIter список точек относительно исследуемой (ее относительные параметры) для точки отпечатке из базы

1.8.
Описание подпрограммы «OnBnClickedCompare»

1.8.1.
Вводная часть

Подпрограмма OnBnClickedCompare предназначена для обработки события на диалоговом окне – нажатие кнопки «Сравнить». Подпрограмма производит проверку, был ли проведен анализ отпечатка пальца. Результат поиска сохраняется в файл.

Текст подпрограммы приведен в приложении 1.3

1.8.2.
Функциональное назначение

Подпрограмма OnBnClickedCompare предназначена для

1) проверки входного отпечатка на анализ;

2) сохранение результата в файл отчета.

1.8.3.
Описание информации

Структура TCompareFing предназначена для хранения информации о сравниваемых отпечатках пальцев. Структура TCompareFing объявлена следующим образом:

struct TCompareFing

{

doubleval;

shortcDot;

short nfng;

CString name;

list<TPairAbsDot> dots;

list<TPairSur> surdots;

};

val - уровень схожести отпечатков

cDot - количество совпавших точек

nfng - номер отпечатка

name - файл отпечатка

dots; - совпавшие точки на отпечатках

surdots - окружения на одинаковых отпечатках

Структура TAbsFing – список точек в абсолютных параметрах, полученый в разультате работы подсистемы анализа. Структура TAbsFing объявлена следующим образом:

class TAbsDot

{

public:

CPointcoord;

double alpha;

bool type;

bool show;

};

coord - координаты

alpha - направление в точке

type - тип точки (1- окончание, 0- раздвоение)

show - видимость точки (1- видима, 0- скрыта)

Входные данные для данной подпрограммы представлены:

TAbsFing fing – список точек в абсолютных параметрах, полученый в разультате работы подсистемы анализа. Каждый элемент списка содержит все наобходимые параметры для обработки и преобразования в подсистеме распознавания:

Выходные данные для данной подпрограммы представлены:

Результат работы подпрограммы сохраняется в файл отчет

1.8.4.
Используемые

под
программы

В подпрограмме используются следующие подпрограммы:

1. PrintReport – вывод результата поиска в файл отчет;

2. CompareWithBase – функция сравнения текущего отпечатка с отпечатками из базы данных;

3. Convert – преобразование абсолютных параметров к относительным.

1.8.5.
Схема подпрограммы «

OnBnClickedCompare
»

Схема подпрограммы «OnBnClickedCompare» приведена на рис. 2.7.

Схема подпрограммы OnBnClickedCompare

Рис. 2.7

1.9.
Описание подпрограммы «Convert»

1.9.1.
Вводная часть

Подпрограмма Convert предназначена для реализации алгоритма преобразования отпечатка из абсолютных параметров к относительным. Подпрограмма сравнивает каждую точку на входном отпечатке со всеми остальными точками на отпечатке. Результат преобразования возвращается как выходной параметр функции.

Текст подпрограммы приведен в разделе П.1.2

1.9.2.
Функциональное назначение

Подпрограмма Convert предназначена для

1) преобразовать отпечаток из абсолютных параметров к относительным;

2) отсортировать список относительных параметров, для увеличения скорости распознавания.

1.9.3.
Описание информации

Структура TRelFing предназначена для хранения информации о отпечатках пальцев в относительных параметрах. Структура TRelFing объявлена следующим образом:

classTRelFing: publiclist<listTRelDot>

typedef list<TRelDot> listTRelDot;

class TRelDot

{

public:

short l,a1,a2;

TAbsDot absDot;

}

l - растояние между точками

a1 - угол между направлением точки А и направлением A->B

a2 - угол между направлением точки В и направлением A

absDot - абсолютные параметры (необходимо для отображения на экране совпавших точек)

class TAbsFing: public list<TAbsDot>

class TAbsDot

{

public:

CPoint coord;

double alpha;

bool type;

bool show;

};

coord - координаты

alpha - направление в точке

type - тип точки (1- окончание, 0- раздвоение)

show - видимость точки (1- видима, 0- скрыта)

Входные данные для данной подпрограммы представлены

TAbsFing &fng – ссылка на список точек отпечатка пальца в абсолютных параметрах.

Выходные данные для данной подпрограммы представлены:

TRelFing *–указатель на список точек отпечатка пальца в относительных параметрах.

1.9.4.
Используемые

под
программы

В подпрограмме используются следующие подпрограммы:

1) GetAlpha – получение направления из точки А в точку В [-pi,pi);

2) GetS– получение расстояния между двумя точками.

1.9.5. Схема подпрограммы «Convert»

Схема подпрограммы «Convert» приведена на рис. 2.8.

1.10.
Описание подпрограммы «CompareWithBase»

1.10.1.
Вводная часть

Подпрограмма CompareWithBase предназначена для загрузки данных из файла базы данных, преобразования их к относительным параметрам. Подпрограмма сравнивает каждый отпечаток из базы данных с отпечатком, открытым для исследования. Результат возвращается как выходной параметр функции.

Текст подпрограммы приведен в разделе П.1.3

1.10.2.
Функциональное назначение

Подпрограмма CompareWithBase предназначена для:

1) преобразовать каждый отпечаток из базы данных из абсолютных параметров к относительным;

2) сравнить каждый отпечаток из базы данных с отпечатком, открытым для сравнения.

Схема подпрограммы Convert

Рис. 2.8

1.10.3.
Описание информации

structTCompareFing

{

doubleval;

shortcDot;

short nfng;

CString name;

list<TPairAbsDot> dots;

list<TPairSur> surdots;

};

val - уровень схожести отпечатков

cDot - количество совпавших точек

nfng - номер отпечатка

name - файл отпечатка

dots; - совпавшие точки на отпечатках

surdots - окружения на одинаковых отпечатках

classTRelFing: publiclist<listTRelDot>

typedef list<TRelDot> listTRelDot;

class TRelDot

{

public:

short l,a1,a2;

TAbsDotabsDot;

}

l - растояние между точками

a1 - угол между направлением точки А и направлением A->B

a2 - угол между направлением точки В и направлением A

absDot - абсолютные параметры (необходимо для отображения на экране совпавших точек)

class TAbsFing: public list<TAbsDot>

class TAbsDot

{

public:

CPoint coord;

double alpha;

bool type;

bool show;

};

coord - координаты

alpha - направление в точке

type - тип точки (1- окончание, 0- раздвоение)

show - видимость точки (1- видима, 0- скрыта)

Входные данные для данной подпрограммы представлены

TRelFing fingR –исследуемый отпечаток в относительных параметрах;

Bse – содержимое базы данных с отпечатками.

Выходные данные для данной подпрограммы представлены:

list<TCompareFing> – список, содержащий результаты сравнения отпечатков для каждого отпечатка из базы данных с исследуемым отпечатком.

1.10.4.
Используемые

под
программы

В подпрограмме используются следующие подпрограммы:

1) LoadFing – загрузка отпечатка из базы данных

2) Compare – сравнение двух отпечатков

1.10.5.
Схема подпрограммы « CompareWithBase »

Схема подпрограммы «CompareWithBase» приведена на рис. 2.9.

1.11.
Описание подпрограммы «Compare»

1.11.1.
Вводная часть

Подпрограмма Compare предназначена для сравнения двух поданных на вход отпечатков. Подпрограмма реализует задачу поиска совпадающих отпечатков по базе данных. Сравнивает каждую точку на входном отпечатке с каждой точке на втором отпечатке. Результат возвращается как выходной параметр функции.

Текст подпрограммы приведен в разделе П.1.2

1.11.2.
Функциональное назначение

Подпрограмма Compare предназначена для

1) сравнения двух отпечатков, вычисления степени сходства;

2) реализация алгоритма распознавания отпечатка.

Схема подпрограммы CompareWithBase

Рис. 2.9

1.11.3.
Описание информации

struct TCompareFing

{

doubleval;

shortcDot;

short nfng;

CString name;

list<TPairAbsDot> dots;

list<TPairSur> surdots;

};

val - уровень схожести отпечатков

cDot - количество совпавших точек

nfng - номер отпечатка

name - файл отпечатка

dots; - совпавшие точки на отпечатках

surdots - окружения на одинаковых отпечатках

class TRelFing: public list<listTRelDot>

typedef list<TRelDot> listTRelDot;

class TRelDot

{

public:

short l,a1,a2;

TAbsDotabsDot;

}

l - растояние между точками

a1 - угол между направлением точки А и направлением A->B

a2 - угол между направлением точки В и направлением A

absDot - абсолютные параметры (необходимо для отображения на экране совпавших точек)

Входные данные для данной подпрограммы представлены

TRelFing &fng – ссылка на список точек отпечатка пальца в относительных параметрах.

This – указатель на список точек второго отпечатка пальца в относительных параметрах

Выходные данные для данной подпрограммы представлены:

TCompareFing –результат сравнения двух отпечатков.

1.11.4.
Используемые

под
программы

В подпрограмме используются следующие подпрограммы: нет

1.11.5.
Схема подпрограммы «Compare»

Схема подпрограммы «Compare» приведена на рис. 2.10.

1.12.
Описание контрольного примера

1.12.1.
Назначение

Основной целью работы программы является опознавание личности по отпечаткам пальцев на основе сравнения структурного представления папиллярных узоров. Контрольный пример должен содержать большое количество тестовых отпечатков пальцев, при этом отпечаток одного и того же пальца должен быть представлен как минимум в двух экземплярах для сравнения их между собой.

Схема подпрограммы Compare

Рис. 2.10

1.12.2.
Исходные данные

Для теста использовалось около 50 отпечатков разных людей и разного возраста. На рис. 2.11, 2.12, 2.13 приведены несколько изображений папиллярного узора, которые предполагается сравненить между собой и другими отпечаткаи в базе данных отпечатков. Данные изображения получены посредством зачернения пальца и приложения его к листу белой бумаги, после чего отпечатоки были отсканированы и сохранены в виде bmp файлов на компьютере. Полученные таким образом отпечатки имеют не высокое качество, поэтому можно полностью проверить все этапы работы программы.

На рис. 2.11, 2.12 представлены отпечатки одного и тогоже пальца, а значит, в результате работы программы они должны совпасть. Рис. 2.13 это отпечаток другого пальца, нежели предыдущие три отпечатка.

Подсистема распознавания в качестве входных параметров принимает результат работы подсистемы анализа изображения. На рис. 2.14 изображен обработанный отпечаток А1, на рис. 2.15 – А2, на рис. 2.16 – В

Исходный образ A1

Рис. 2.11

Исходный образ A2

Рис. 2.12

Исходный образ B

Рис. 2.13

Обработанный образ A1

Рис. 2.14

Обработанный образ A2

Рис. 2.15

Обработанный образ В

Рис. 2.16

1.12.3.
Контрольный пример

При снятии отпечатков для проверки корректности работы программы их изображениям давались имена, однозначно идентифицирующие палец, чтобы при сравнении по имени файла можно было определить правильно ли прошло распознавание.

Имя файла имеет формат:

Имя или номер – человек, с которого снимали отпечаток

L или R – правая или левая рука

1,2,3,4 или 5 – палец на руке – от большого к мизинцу

символ «_»

номер – с каждого пальца снималось несколько отпечатков.

Пример: отпечаток с именем файла 2r1_0.bmp должен совпасть с отпечатками 2r1_1.bmp и 2r1_2.bmp, но должен отличаться от отпечатка 2r2_0.bmp или 3r1_0.bmp.

1.12.4. Тестирование программного обеспечения
системы распознавания личности по отпечаткам пальцев

Для испытания программного обеспечения системы на вход были поданы тестовые образы, описанные в п.2.8.2. Испытания проводились согласно руководству программиста, приведенному в приложении 2, и руководству оператора, приведенному в приложении 3. В результате были получены структурные описания представленные на рис. 2.14, 2.15, 2.16.

Полученные структурные представления точно описывают входные образы, что не трудно проверить визуальным сравнением с входными образами. Статистически было выявлено, что на отпечатках имеется около 40-50 минюций, эта величина может изменяться в зависимости от размеров пальца. На тестовых образах найдено 19, 40, 37 соответственно.

В приложении 4 можно увидеть что отпечатки A1 (1.bmp), A2 (1R1_3rotate2.bmp) схожи между собой и отпечатком 1R1_1.bmp, что является верным, так как все они являются образами большого пальца правой руки одного и того же человека. Отпечаток B (3l2_2.bmp) не совпадает ни с одним из A1 и A2, но совпадает с 3l2_1.bmp, что является также верным результатом, это отпечатки указательного пальца правой руки другого человека.

Тестирование показало, что разработанное программное обеспечение способно сравнивать и отыскивать схожие отпечатки, а значит и есть возможность определить человека, которому принадлежит, обрабатываемы отпечаток. Полученные результаты совпадают с ожидаемыми и совпадают с ручным сравнением.

Помимо объектного описания папиллярного узора отпечатков и последующего распознавания личности по отпечаткам пальцев реализованный в программе алгоритм пригоден для описания и распознавания символьной информации и подписей. Для распознавания других, в отличие от отпечатков, образов в программе достаточно изменить параметры выделения локальных особенностей и убрать несколько этапов. Этап восстановление растра для символов не годится, так как он специально разработан для папиллярного узора.

Программа, после небольшой корректировки параметров анализа и сравнения, была настроена для распознавания символов алфавита. Результаты работы приведены в приложении 5.

Для проверки был введен в базу данных набор символов изображенных на рис. 2.17, который в последующем сравнивался с алфавитом на рис. 2.18.

Алфавит для базы данных

Рис. 2.17

Алфавит для сравнения

Рис. 2.18

ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ЧАСТЬ

1.13.
Обоснование

необходимости разработки подсистемы распознавания в системе
идентификации личности по отпечаткам пальцев.

Подсистема распознавания отпечатка пальца является неотъемлимой частью системы идентификации личности по отпечаткам пальцев, предназначенной для сравнения исследуемого отпечатка с отпечатками, хранящимися в базе данных посредством сравнения минюций на двух отпечатках. Разрабатываемая система носит исследовательский характер и предназначена для поиска и отладки наиболее эффективных алгоритмов обработки изображений отпечатков пальцев. Реализация подсистемы позволит в значительной степени облегчить труд программиста-исследователя посредством автоматизации процесса поиска интересующего отпечатка, вычисления статистических параметров найденых отпечатков.

Распознавание помимо непосредственного поиска интересующего отпечатка дает несколько других преимуществ:

1) преобразование параметров минюций к относительным происходит практически без потери качества;

2) сохранение в виде открытых нешифрованных файлов позволяет использовать результат расчетов в других подсистемах.

Рапределение доступа к секретной информации, имеет большое значение. Самый простой способ однозначной идентификации личности является идентификация по отпечатку пальца. Таким образом, разработка системы позволит, помимо выполнения основной задачи распознавания личности, уменьшить вероятность несанкционированного доступа к конфеденциальной информации и снять нагрузку на системы шифрования и с систем, отвечающих за сохранность информации.

1.14.
Расчет затрат на разработку

подсистемы
распознавания в системе идентификации личности по отпечаткам пальцев

Для определения величины расходов на создание подсистемы, используем прямой метод калькуляции.

Расчет сметы затрат осуществляется по следующим статьям

- расходы на материалы;

- расходы на оплату труда исполнителей;

- расходы на социальные налоги;

- расходы на содержание и амортизацию ВТ;

- накладные расходы;

- прочие расходы.

К статье «Расходы на материалы» относятся покупные изделия, необходимые для выполнения работы, перечисленные в табл. 3.1.

Таблица 3.1

Расходы на материалы

Наименование материала	Количество	Стоимость, р.
Матрица CD-R	1 шт.	20
Матрица CD-RW	3 шт.	75
Бумага писчая 80 г.	250 листов	80
Тонер для принтера	1 шт.	100
Прочие канцелярские товары	25
Итого	300

Оклад инженера-программиста в период разработки составлял 5000 р. в месяц. Продолжительность разработки 3 месяца.

З_П
= ЗП_М
*П_М
(3.1)

З_П
= 5000 * 3 = 15000 руб.

К окладу начисляется премия. Процент премиальных составил 15% в месяц.

З_П,%
= З_П
*1.15 (3.2)

З_П,%
= 15000 * 1.15 = 17250 руб.

Плановые накопления в фонд резерва отпусков (З_Д
) рассчитывается в размере 10% от тарифной платы:

ЗП_Д
= З_П
* 0.10 (3.3)

ЗП_Д
= 15000 * 0.10 = 1500 руб.

В расходы на оплату труда необходимо включить уральский коэффициент (15%). Районный коэффициент рассчитывается от оклада вместе с премиальными и дополнительной заработной платой.

К_УР
= (15000 + 1500) * 0.15 = 2475 руб.

Следовательно, расходы на оплату труда с учетом зонального коэффициента составят:

ЗП_ОСН
= З_П,%
+ ЗП_Д
+ К_УР
(3.4)

ЗП_ОСН
= 17250 + 1500 + 2475 = 21225 руб.

Сумма налоговой базы не превышает 280000 руб., поэтому статья «Расходы на социальные налоги» включает в себя отчисления в пенсионный фонд (20%), на медицинское (3.1%) и социальное страхование (2.9%), отчисления в фонд страхования от несчастных случаев (0.2%), что составляет 26.2% /7/. Отчисления производятся c общих расходов на оплату труда. Сумма отчислений составляет:

С_ОТЧ
= ЗП_ОСН
* 0.262 (3.5)

С_ОТЧ
= 21225 * 0.262 = 5560,95 руб.

Статья «Расходы на амортизацию и содержание ВТ» включает расходы, связанные с эксплуатацией вычислительной техники. Стоимость одного машинного часа рассчитывается по формуле:

А_Ч
= С_ИСП
/ (Ч_М
* К_Ч
), (3.6)

где А_Ч
– аренда за час использования;

С_ИСП
- общая стоимость использования ЭВМ (рассчитывается по формуле (3.7));

Ч_М
– число месяцев в году;

К_Ч
- количество рабочих часов в месяце.

С_ИСП
= А_КОМП
+ ЗП_ОБСЛ
+ С_ЗЧ
+ С_ЭЛ
+ А_ПО
, (3.7)

где А_КОМП
– амортизация компьютера за год эксплуатации;

ЗП_ОБСЛ
– расходы на оплату труда обслуживающего персонала за год эксплуатации;

ЗП_ОБСЛ
= 2000 руб/мес.

С_ЗЧ
– стоимость комплектующих для компьютера за год эксплуатации.

С_ЗЧ
= 800 руб/год.

С_ЭЛ
– стоимость израсходованной электроэнергии за год эксплуатации.

С_ЭЛ
= 1000 руб/год.

А_ПО
– годовая амортизация программного обеспечения.

А_КОМП
= С_КОМП
/ С_ПИ
, (3.8)

где С_КОМП
– стоимость компьютера;

С_ПИ
– срок полезного использования (в годах).

А_КОМП
= 19000 / 5 = 3800 руб. (3.9)

А_ПО
= СТ_ПО
/ С_ПИ
,

где СТ_ПО
– стоимость программного обеспечения;

С_ПИ
– срок полезного использования (в годах).

А_ПО
= 4000 / 5 = 800 руб.

С_ИСП
= 3800 + 2000*12 + 800 + 1000 + 800 = 30400 руб.

А_Ч
= 30400 / (12 * 176) = 14.394 руб

ЭВМ использовалась на этапах проектирования (40 час), программирования (80 часов), отладки (320 часов) и документирования (160 часов), таким образом, всего 600 часов. Следовательно, сумма амортизационных отчислений составит:

С_АР
= Эч * Ач (3.10)

С_АР
= 600 * 14.394 = 8636,4 руб.

Статья «Прочие расходы» содержит расходы, неучтенные в предыдущих статьях (до 50 % от расходов на оплату труда) :

П_Р
= ЗП_ОСН
* 0.5 (3.11)

П_Р
= 21225 * 0.5 = 10612,5 руб.

Статья «Накладные расходы» включает в себя расходы по управлению (заработная плата управления, расходы на все виды командировок управленческого аппарата), содержание пожарной и сторожевой охраны, содержание и текущий ремонт зданий, сооружений, инвентаря; содержание персонала, не относящегося к аппарату управления; расходы по изобретательству и рационализации; по подготовке кадров; расходы на содержание ВЦ; канцелярские, почтово-телеграфные расходы и др. общехозяйственные расходы; непроизводственные расходы. Накладные расходы составляют 130% от расходов на оплату труда, таким образом, получаем:

Н_Р
= ЗП_ОСН
* 1.3 (3.12)

Н_Р
= 21225 * 1.3 = 27592,5 руб.

Сумма затрат на разработку подсистемы в целом составила 73930 руб. Табл.3.2 отражает затраты по статьям и структуру этих затрат в общей сумме.

Таблица 3.2

Смета затрат на разработку подсистемы

Статья затрат	Сумма затрат, руб.	Структура затрат, %
Расходы на материалы	300	0,4
Расходы на оплату труда	21230	28,7
Расходы на социальные налоги	5560	7,5
Расходы на содержание и амортизацию ВТ	8640	11,7
Накладные расходы	27590	37,3
Прочие расходы	10610	14,4
Итого	73930	100

Округлим полученную сумму до тысяч для учета непредвиденных затрат. Получим, что сумма затрат на разработку системы составит 74000.0 руб.

Структура затрат на разработку ПО приведена на рис. 3.1.

Структура затрат на разработку ПО

Рис. 3.1

БЕЗОПАСНОСТЬ И ЭКОЛОГИЧНОСТЬ ПРОЕКТА

1.15.
Анализ опасных и вредных факторов

, возникающих при работе на компьютере

Исследовательская работа в рамках данного проекта заключается в выполнении многих этапов, практически все из которых проходят в тесном контакте с ЭВМ. Длительная работа инженера-программиста с компьютером сопряжена с целым рядом вредных и опасных факторов. Рассмотрим некоторые из них.

Постоянное напряжение глаз

Работа с компьютером характеризуется высокой напряженностью зрительной работы. В выполняемом исследовании значительный объем информации на разных стадиях обработки представлен в графической форме с большим количеством мелких деталей, что дает серьезную нагрузку на зрение. Постоянное напряжение глаз может привести к снижению остроты зрения. Экран видеомонитора должен находиться от глаз пользователя на оптимальном расстоянии 600…700 мм, но не ближе 500 мм с учетом размеров алфавитно-цифровых знаков и символов. Также для снижения утомляемости рекомендуется делать 15-минутные перерывы в работе за компьютером в течение каждого часа.

Влияние электростатических и электромагнитных полей

Большинство ученых считают, что как кратковременное, так и длительное воздействие всех видов излучения от экрана монитора не опасно для здоровья персонала, обслуживающего компьютеры. Однако исчерпывающих данных относительно опасности воздействия излучения от мониторов на работающих с компьютерами не существует и исследования в этом направлении продолжаются.

Допустимые значения параметров неионизирующих электромагнитных излучений от монитора компьютера представлены в табл. 4.1 /8/.

Максимальный уровень рентгеновского излучения на рабочем месте оператора компьютера обычно не превышает 10 мкбэр/ч, а интенсивность ультрафиолетового и инфракрасного излучений от экрана монитора лежит в пределах 10…100 мВт/м²
/9/.

Таблица 4.1

Допустимые значения параметров неионизирующих электромагнитных излучений (в соответствии с СанПиН 2.2.2.542-96)

Наименование параметра	Допустимые значения
Напряженность электрической составляющей электромагнитного поля на расстоянии 50см от поверхности видеомонитора	10В/м
Напряженность магнитной составляющей электромагнитного поля на расстоянии 50см от поверхности видеомонитора	0,3А/м
Напряженность электростатического поля не должна превышать: для взрослых пользователей для детей дошкольных учреждений и учащихся средних специальных и высших учебных заведений	20кВ/м 15кВ/м

Для снижения воздействия этих видов излучения рекомендуется применять мониторы с пониженным уровнем излучения (MPR-II, TCO-92, TCO-99), устанавливать защитные экраны, а также соблюдать регламентированные режимы труда и отдыха.

Длительное неизменное положение тела

Работа с компьютером характеризуется значительным умственным напряжением и нервно-эмоциональной нагрузкой операторов, высокой напряженностью зрительной работы и достаточно большой нагрузкой на мышцы рук при работе с клавиатурой ЭВМ. Большое значение имеет рациональная конструкция и расположение элементов рабочего места, что важно для поддержания оптимальной рабочей позы человека-оператора.

Шум

Шум ухудшает условия труда, оказывая вредное действие на организм человека. Работающие в условиях длительного шумового воздействия испытывают раздражительность, головные боли, головокружение, снижение памяти, повышенную утомляемость, понижение аппетита, боли в ушах и так далее. В табл. 4.2 указаны предельные уровни звука в зависимости от категории тяжести и напряженности труда, являющиеся безопасными в отношении сохранения здоровья и работоспособности.

Таблица 4.2

Предельные уровни звука, дБ, на рабочих местах

Категория напряженности труда	Категория тяжести труда
Категория напряженности труда	I. Легкая	II. Средняя	III. Тяжелая	IV. Очень тяжелая
I. Мало напряженный	80	80	75	75
II. Умеренно напряженный	70	70	65	65
III. Напряженный	60	60	-	-
IV. Очень напряженный	50	50	-	-

Уровень шума на рабочем месте инженеров-программистов и операторов видеоматериалов не должен превышать 50дБА, а в залах обработки информации на вычислительных машинах - 65дБА. Для снижения уровня шума стены и потолок помещений, где установлены компьютеры, могут быть облицованы звукопоглощающими материалами. Уровень вибрации в помещениях вычислительных центров может быть снижен путем установки оборудования на специальные виброизоляторы.

1.16.
Техника безопасности при эксплуотации компьютера

Техника безопасности на ПК тесно связана с электробезопасностью. Большинство компьютеров имеют трехштырьковый разъем кабеля питания (в отличие от двухштырьковой вилки большинства бытовых приборов). Третий разъем - это так называемая «земля». В грамотно оборудованных компьютеризированных помещениях существует настоящая земля ≈ заземляющий контур, который через металлическую ленту выводится на заземляющий штырь. Все это довольно громоздкое и дорогостоящее оборудование и часто разъем заземления не используется или используется «земляная» фаза обычной электросети. Результатом неправильного заземления могут быть удары статического напряжения от корпуса ПК. Часто из-за этого сгорает сетевое оборудование компьютеров. Следует соблюдать не только правила электробезопасности, но и следить за состоянием здоровья обслуживающего персонала и пользователей ПК, защищая их от вредного воздействия электромагнитных излучений, заботясь о зрении, так как именно оно испытывает основные нагрузки при работе с вычислительной техникой.
Важно также следить за состоянием техники и соблюдать основные правила бережного обращения с ней, так как техника эта дорогостоящая.
Системный блок следует включать как можно реже (обычно включается в начале рабочего дня и выключается в конце дня). Для того чтобы не выгорал экран и не расходовалась лишняя энергия, в компьютере предусмотрен специальный режим гашения экрана - через определенное время, если никто не работает на нем (нет обращения к клавиатуре или мыши) он выключается. Если монитор получает питание от системного блока, включая системный блок, включается и монитор (не надо щелкать выключателем на мониторе). Если соединение монитора и системного блока параллельно, то сначала необходимо включить монитор, потом системный блок. Выключать в обратной последовательности.

Экран монитора стеклянный, а потому и хрупкий, и поэтому надо обращаться с ним осторожно. Недопустимо попадание жидкости за заднюю часть экрана может замкнуть проводка, что выведет из строя монитор и может привести к возникновению пожара. В случае попадания жидкости следует отключить электропитание.

Защита от излучения расположена только на экране, поэтому, находясь прямо перед экраном, пользователь наиболее защищен от вредного воздействия излучения. На заднюю и боковые части монитора в целях экономии защиту не устанавливают. Следовательно, находясь сбоку или сзади монитора, можно получить максимально вредное воздействие.

При работе с клавиатурой стоит придерживаться следующих правил:

1) сильно не ударять по клавишам, это приводит к быстрой изнашиваемости прибора;

2) при наличии защитной панели следует закрывать клавиатуру, тем самым, защищая ее от пыли;

3) применяйте чёткий, отрывистый и лёгкий удар пальца по клавише без малейшего прижатия. При тяжёлых, ударах по клавишам может развиться заболевание суставов пальцев;

4) удар по всем клавишам клавиатуры, независимо от их расположения должен быть равномерным и одинаковой силы;

5) при ударах по клавишам неосновной позиции палец должен возвращаться на своё основное место;

6) при ударе по клавише пальцы не должны прогибаться, а неучаствующие пальцы подниматься со своих мест;

7) если вы почувствовали напряжение или усталость, то можно на несколько секунд прервать работу, закрыть глаза, откинуться на спинку стула и вытянуть ноги.

1.17.
Организация рабочего места оператора

Разработка данного дипломного проекта проводится одним автором на персональном компьютере. Проведем расчет параметров рабочего места инженера-программиста с точки зрения эргономических требований.

В табл. 4.3 приведены параметры стола для занятий с ПЭВМ. Рост автора данного дипломного проекта в обуви составляет 184 см, что входит в категорию «выше 175 см». Это означает, что согласно эргономическим правилам и нормам высота поверхности стола над полом должна составлять 760 мм, при этом размер пространства для ног в столе должен быть не менее 700 мм.

Таблица 4.3

Высота одноместного стола для занятий с ПЭВМ

Высота над полом, мм
Рост учащихся или студентов в обуви, см	поверхность стола	пространство для ног, не менее
116 - 130	520	400
131 - 145	580	520
146 - 160	640	580
161 - 175	700	640
Выше 175	760	700

Примечание. Ширина и глубина пространства для ног определяются конструкцией стола.

Реальная высота стола на рабочем месте автора данного проекта составляет 760 мм. Размер пространства для ног составляет 800 мм. Эти показатели соответствуют допустимым.

В табл. 4.4 приведены параметры стула, которым должно быть оснащено рабочее место инженера-программиста. Рост автора данного дипломного проекта в обуви составляет 184 см, что входит в категорию «выше 175 см». Это означает, что согласно эргономическим правилам и нормам высота сиденья над полом должна составлять 460 мм, ширина сиденья не менее 360 мм, глубина сиденья 400 мм, высота нижнего края спинки над сиденьем 190 мм, высота верхнего края спинки над сиденьем 400 мм, высота линии прогиба спинки не менее 220 мм, радиус изгиба переднего края сиденья от 20 до 50 мм, угол наклона сиденья от 0 до 4 градусов, угол наклона спинки от 95 до 108 градусов, радиус спинки в плане не менее 300 мм. Стул, которым оборудовано рабочее место автора данного проекта, является подъемно-поворотным и обладает возможностью регулирования по высоте и углам наклона сиденья и спинки, а также расстоянию спинки от переднего края сиденья. Стул имеет стационарные подлокотники длиной 250 мм и шириной 50 мм. Параметры, которые могли быть настроены в зависимости от роста инженера-программиста, были настроены. Остальные параметры стула (ширина и глубина сиденья и т.д.) удовлетворяют допустимым нормам.

Таблица 4.4

Основные размеры стула для учащихся и студентов

Рост учащихся и студентов в обуви, см
Параметры стула	116-130	131-145	146-160	161-175	> 175
Высота сиденья над полом, мм	300	340	380	420	460
Ширина сиденья не менее, мм	270	290	320	340	360
Глубина сиденья, мм	290	330	360	380	400
Высота нижнего края спинки над сиденьем, мм	130	150	160	170	190
Высота верхнего края спинки над сиденьем, мм	280	310	330	360	400
Высота линии прогиба спинки не менее, мм	170	190	200	210	220
Радиус изгиба переднего края сиденья, мм	20 - 50
Угол наклона сиденья, град.	0 - 4
Угол наклона спинки, град.	95-108
Радиус спинки в плане не менее, мм	300

Рабочее место должно быть оборудовано подставкой для ног, имеющей ширину не менее 300 мм, глубину не менее 400 мм, регулировку по высоте в пределах до 150 мм и по углу наклона опорной поверхности подставки до 20 градусов. Поверхность подставки должна быть рифленой и иметь по переднему краю бортик высотой 10 мм. На рабочем месте подставка для ног отсутствует.

Исходя из эргономических требований, пространство рабочего места можно разделить на несколько частей:

1) моторное поле - пространство рабочего места, в котором могут осуществляться двигательные действия человека;

2) максимальная зона досягаемости рук - это часть моторного поля рабочего места, ограниченного дугами, описываемыми максимально вытянутыми руками при движении их в плечевом суставе;

3) оптимальная зона - часть моторного поля рабочего места, ограниченного дугами, описываемыми предплечьями при движении в локтевых суставах с опорой в точке локтя и с относительно неподвижным плечом.

Зоны досягаемости рук в горизонтальной плоскости

а - зона максимальной досягаемости;

б - зона досягаемости пальцев при вытянутой руке;

в - зона легкой досягаемости ладони;

г - оптимальное пространство для грубой ручной работы;

д - оптимальное пространство для тонкой ручной работы.

Рис. 4.1

Оптимальное размещение предметов труда и документации в зонах досягаемости:

ДИСПЛЕЙ размещается в зоне а (в центре);

СИСТЕМНЫЙ БЛОК размещается в предусмотренной нише стола;

КЛАВИАТУРА - в зоне г/д;

«МЫШЬ» - в зоне в справа;

СКАНЕР в зоне а/б (слева);

ПРИНТЕР находится в зоне а (справа);

ДОКУМЕНТАЦИЯ: необходимая при работе - в зоне легкой досягаемости ладони – в, а в выдвижных ящиках стола - литература, неиспользуемая постоянно.

На рис. 4.2 показан образец размещения основных и периферийных составляющих ПК на рабочем столе инженера-программиста.

Размещение основных и периферийных составляющих ПК

1 – сканер, 2 – монитор, 3 – принтер, 4 – поверхность рабочего стола,

5 – клавиатура, 6 – манипулятор типа «мышь».

Рис. 4.2

На рис. 4.3 показана схема реального размещения основных и периферийных составляющих ПК на рабочем столе инженера-программиста.

Реальное размещение основных и периферийных составляющих ПК.

1 – принтер, 2 – монитор, 3 – поверхность рабочего стола,
4 – клавиатура, 5 – манипулятор типа «мышь».

Рис. 4.3

Положение экрана определяется расстоянием считывания (0,6…0,7м), углом считывания, направлением взгляда на 20° ниже горизонтали к центру экрана, причем экран перпендикулярен этому направлению. Должна также предусматриваться возможность регулирования экрана по высоте +3 см, по наклону от -10° до +20° относительно вертикали, в левом и правом направлениях.

Большое значение также придается правильной рабочей позе пользователя. При неудобной рабочей позе могут появиться боли в мышцах, суставах и сухожилиях. Требования к рабочей позе пользователя видеотерминала следующие:

1) голова не должна быть наклонена более чем на 20°;

2) плечи должны быть расслаблены;

3) локти - под углом 80°…100°;

4) предплечья и кисти рук - в горизонтальном положении.

Причина неправильной позы пользователей обусловлена следующими факторами: нет хорошей подставки для документов, клавиатура находится слишком высоко, а документы - низко, некуда положить руки и кисти, недостаточно пространство для ног.

В целях преодоления указанных недостатков даются общие рекомендации: лучше передвижная клавиатура; должны быть предусмотрены специальные приспособления для регулирования высоты стола, клавиатуры и экрана, а также подставка для рук.

Существенное значение для производительной и качественной работы на компьютере имеют размеры знаков, плотность их размещения, контраст и соотношение яркостей символов и фона экрана. Если расстояние от глаз оператора до экрана дисплея составляет 60…80 см, то высота знака должна быть не менее 3мм, оптимальное соотношение ширины и высоты знака составляет 3:4, а расстояние между знаками – 15…20% их высоты. Соотношение яркости фона экрана и символов - от 1:2 до 1:15.

Во время пользования компьютером медики советуют устанавливать монитор на расстоянии 50-60 см от глаз. Специалисты также считают, что верхняя часть видеодисплея должна быть на уровне глаз или чуть ниже. Когда человек смотрит прямо перед собой, его глаза открываются шире, чем когда он смотрит вниз. За счет этого площадь обзора значительно увеличивается, вызывая обезвоживание глаз. К тому же если экран установлен высоко, а глаза широко открыты, нарушается функция моргания. Это значит, что глаза не закрываются полностью, не омываются слезной жидкостью, не получают достаточного увлажнения, что приводит к их быстрой утомляемости.

Рабочее место инженера-программиста в составе данного проекта в целом соответствует предъявляемым к нему эргономическим требованиям, связанным с параметрами мебели и размещением предметов труда в рабочих зонах. При этом можно сформулировать следующие рекомендации: установить на рабочее место подставку для ног.

4.4. Требования к параметрам микроклимата помещения

Под метеорологическими условиями (ГОСТ 12.1.005-88) понимают сочетание температуры, относительной влажности, скорости движения и запыленности воздуха. Перечисленные параметры оказывают огромное влияние на функциональную деятельность человека, его самочувствие и здоровье и на надежность средств вычислительной техники. Эти микроклиматические параметры влияют как каждый в отдельности, так и в различных сочетаниях.

Температура воздуха является одним из основных параметров, характеризующих тепловое состояние микроклимата. Суммарное тепловыделение в помещении поступает от:

- ЭВМ;

- вспомогательного оборудования;

- приборов освещения;

- людей;

- внешних источников.

Наибольшее количество теплоты выделяют ЭВМ и вспомогательное оборудование. Средняя величина тепловыделения от компьютеров колеблется до 100 Вт/м²
. Тепловыделения от приборов освещения также велики. Удельная величина их составляет 35 Вт/м²
.При этом, чем больше уровень освещенности, тем выше удельные величины тепловыделений. Количество теплоты от обслуживающего персонала незначительно. Оно зависит от числа работающих в помещении, интенсивности работы, выполняемой человеком.

К внешним источникам поступления теплоты относят теплоту, поступающую через окна от солнечной радиации, приток теплоты через непрозрачные ограждения конструкций. Интенсивность этих источников зависит от расположения здания, ориентации по частям света, цветовой гаммы и прочее.

С целью создания нормальных условий труда программиста, ГОСТом 12.1.005-88 установлены оптимальные и допустимые значения всех параметров микроклимата. Оптимальные параметры при длительном и систематическом воздействии на организм человека обеспечивают сохранение нормального функционирования и теплового состояния организма, создают ощущение теплового комфорта и являются предпосылкой высокого уровня работоспособности. Допустимые параметры микроклимата могут вызвать приходящие и быстро нормализующиеся изменения организма, не выходящие за пределы физиологически приспособительных возможностей, не создающие нарушений состояния здоровья, но вызывающие дискомфортные теплоощущения, ухудшение самочувствия и понижение работоспособности. Оптимальные и допустимые значения основных микроклиматических параметров представлены в табл. 4.5.

Таблица 4.5

Параметры микроклимата производственных помещений

Параметры	Значения параметров
Параметры	оптимальные	допустимые
Температура	20-22 °С	17-22 °С
Относительная влажность	40-60 %	до 75%
Скорость движения воздуха	0,1 м/с	не более 0,3 м/с

Для обеспечения нормальных условий труда необходимо придерживаться вышеуказанных данных. В целях поддержания температуры и влажности воздуха в помещении можно использовать системы отопления, вентиляции и кондиционирования воздуха.

На исследуемом предприятии температура воздуха, влажность и скорость движения воздуха держится в рамках оптимальных параметров. Вредные вещества в воздухе рабочей зоны не превышают предельной допустимой концентрации.

1.18.
Требования к освещению и расчет искусственного освещения

Организация рационального освещения рабочих мест является одним из основных вопросов охраны труда. Основные параметры освещения приведены в СНиП 23-05-95 "Естественное и искусственное освещение". Правильно спроектированное и выполненное производственное освещение сохраняет зрение рабочего, снижает утомляемость, способствует повышению производительности труда, качеству выпускаемой продукции, безопасности труда и снижению травматизма. Неправильно выбранные при проектировании осветительные приборы и аппаратура, а также нарушение правил их технической эксплуатации могут быть причиной пожара, взрыва, аварии на предприятии.

К современному освещению помещений, где работают с вычислительной техникой, предъявляют высокие требования как гигиенического, так и технического характера. Правильно спроектированное и выполненное освещение обеспечивает высокий уровень работоспособности, оказывает положительное психологическое воздействие, способствует повышению производительности труда. Условия деятельности пользователя в системе «человек-машина» связаны с явным преобладанием зрительной информации - до 90% общего объема.

В помещениях с компьютерной техникой применяется совмещенная система освещения. К таким системам предъявляют следующие требования:

1) соответствие уровня освещенности рабочих мест характеру выполняемых зрительных работ;

2) достаточно равномерное распределение яркости на рабочих поверхностях и в окружающем пространстве;

3) отсутствие резких теней, прямой и отраженной блеклости;

4) постоянство освещенности во времени;

5) оптимальная направленность излучаемого осветительными приборами светового потока;

6) долговечность, экономичность, пожаробезопасность, эстетичность, удобство и простота эксплуатации.

Искусственное освещение в помещениях эксплуатации ЭВМ должно осуществляться системой общего равномерного освещения. В производственных и административно-общественных помещениях, в случаях преимущественной работы с документами, допускается применение системы комбинированного освещения (к общему освещению дополнительно устанавливаются светильники местного освещения, предназначенные для освещения зоны расположения документов).

Согласно СНиП /10/ освещенность при системе общего освещения составляет 200 лк, а при системе комбинированного освещения 400 лк, в том числе от общего освещения 200 лк.

Для искусственного освещения помещений с вычислительной техникой следует использовать люминесцентные лампы, у которых высокая световая отдача (до 75 лм/Вт и более), продолжительный срок службы (до 10000 ч), малая яркость светящейся поверхности, близкий к естественному спектр излучения, что обеспечивает хорошую цветопередачу. Наиболее приемлемыми являются люминесцентные лампы белого света и тепло-белого света мощностью 40, 80 Вт.

Для исключения засветки экранов дисплеев прямым световым потоком, светильники общего освещения располагают сбоку от рабочего места, параллельно линии зрения пользователя и стене с окнами. Такое расположение светильников позволяет производить их последовательное включение по мере необходимости и исключает раздражение глаз чередующимися полосами света и тени, возникающее при поперечном расположении светильников.

При периметральном расположении компьютеров линии светильников должны располагаться локализовано над рабочим столом ближе к его переднему краю, обращенному к оператору.

Для обеспечения оптимальных условий зрительных работ для пользователей дисплейных устройств необходима определенная световая отделка помещения.

Следует ограничивать неравномерность распределения яркости в поле зрения пользователя ЭВМ, при этом соотношение яркости между рабочими поверхностями не должно превышать 3:1 - 5:1, а между рабочими поверхностями и поверхностями стен и оборудования – 10:1.

Освещенность рабочего места пользователя на исследуемом предприятии является совмещенной (искусственное + естественное), расположение рабочих мест исключает попадание прямых солнечных лучей на экран дисплея и в глаза. В качестве источника искусственного освещения используют люминесцентные лампы белого света мощностью 40 Вт. Точность зрительной работы характеризуется размером объекта различения. Объект различения - это элемент рассматриваемого объекта минимального размера, который нужно узнавать и различать (элемент буквы или толщина ее начертания, размер отдельных деталей или расстояние между ними и т.п.). По степени точности все зрительные работы делятся на восемь разрядов.

Для естественного освещения нормируется коэффициент естественного освещения (КЕО), который определяется с помощью освещенности в данной точке внутри помещения и освещенности снаружи помещения. Причем нужно отметить, что КЕО при IV разряде зрительных работ должно быть не менее 1,2.

Для искусственного освещения нормируемым параметром является освещенность. В зависимости от контраста объекта с фоном и яркости фона каждый из восьми разрядов зрительных работ подразделяется на четыре подраздела, для каждого из которого нормируется освещенность. Например, при IV разряде зрительных работ нормированное значение освещенности принимает 400 лк.

Необходимый уровень освещенности тем выше, чем темнее фон, меньше объект различения и контраст объекта с фоном.

Наиболее часто для расчета искусственного освещения используется метод коэффициента использования осветительной установки, который сводится к определению светового потока:

где F_Л
– световой поток источника света, лм;

Е_Н
– нормированное значение освещенности - Е_Н
=400 лк (разряд зрительной работы IV(в), комбинированное освещение);

к_з
– коэффициент запаса, к_з
=1.3;

S_n
– площадь рабочей поверхности помещения, S_n
=4´5=20 (м²
);

Z – поправочный коэффициент, численно равный отношению средней освещенности к минимальной, Е_ср
/E_min
– Z=1,1;

n – количество источников света - n=12;

И – коэффициент использования осветительной установки, значение которого зависит от типа светильника, коэффициента отражения стен r_с
, потолка r_п
, рабочей поверхности r_р
, размеров освещаемого помещения (индекса помещения).

Для определения индекса помещения следует применять уравнение:

где b, l_n
– соответственно ширина и длина освещаемого помещения;

Н_р
– высота подвеса светильников над рабочей поверхностью.

Коэффициент использования светового потока светильников с лампами накаливания И определяем по таблице, приведенной в СНиП 23-05-95, с помощью следующих значений:

; r_р
=0,1; r_с
=0,2; r_п
=0,7.

В итоге И = 0,73.

Соответственно:

Для полученного значения светового потока источника света F_Л
=3130 лм наиболее подходят два типа ламп накаливания: ЛБ40-М и ЛД65-7.

Все необходимые данные определены в СНиП 23-05-95.

1.19.
Пожарная безопасность

Помещение, в котором установлено рабочее место инженера-программиста, относится к категории “Д” по взрывопожароопасности, так как не содержит горючих веществ, но лишь негорючие вещества и материалы в холодном состоянии.

Пожары в помещении, в котором находится ЭВМ, представляют особую опасность, так как сопряжены с большими материальными потерями. Площадь помещения, в котором ведется проектирование, невелика и составляет 8 м²
. Как известно пожар может возникнуть при взаимодействии горючих веществ, окисления и источников зажигания. В помещении присутствуют все три основные фактора, необходимые для возникновения пожара. Горючими компонентами являются: строительные материалы для акустической и эстетической отделки помещений, двери, полы, бумага, изоляция кабелей и др.

Противопожарная защита - это комплекс организационных и технических мероприятий, направленных на обеспечение безопасности людей, на предотвращение пожара, ограничение его распространения, а также на создание условий для успешного тушения пожара.

Источниками зажигания в помещении, содержащем ЭВМ, могут быть электронные схемы от ЭВМ, приборы, применяемые для технического обслуживания, устройства электропитания, где в результате различных нарушений образуются перегретые элементы, электрические искры и дуги, способные вызвать загорания горючих материалов.

В современных ЭВМ очень высока плотность размещения элементов электронных схем. В непосредственной близости друг от друга располагаются соединительные провода, кабели. При протекании по ним электрического тока выделяется значительное количество теплоты. При этом возможно оплавление изоляции. Для отвода избыточной теплоты от ЭВМ служат системы вентиляции и кондиционирования воздуха. При постоянном действии эти системы представляют собой дополнительную пожарную опасность.

Одной из наиболее важных задач пожарной защиты является защита строительных помещений от разрушений и обеспечение их достаточной прочности в условиях воздействия высоких температур при пожаре. Учитывая высокую стоимость электронного оборудования, а также категорию его пожарной опасности, здания, в которых предусмотрено размещение ЭВМ должны быть 1 и 2 степени огнестойкости.

К средствам тушения пожара, предназначенных для локализации небольших возгорании, относятся пожарные стволы, внутренние пожарные водопроводы, огнетушители, сухой песок, асбестовые одеяла и т. п.

В соответствии с “Типовыми правилами пожарной безопасности для промышленных предприятий” залы ЭВМ, помещения для внешних запоминающих устройств, подготовки данных, сервисной аппаратуры, архивов, копировально-множительного оборудования и т.п. необходимо оборудовать дымовыми пожарными извещателями. В этих помещениях в начале пожара при горении различных пластмассовых, изоляционных материалов и бумажных изделий выделяется значительное количество дыма и мало теплоты.

Помещение, в котором производится разработка данного проекта, необходимо оборудовать средствами оповещения о пожаре, а также средствами для тушения пожара.

В данном разделе дипломной работы был проведен анализ вредных и опасных производственных факторов, действующих на рабочем месте инженера-программиста. Среди них были выделены: постоянное напряжение глаз, влияние электростатических и электромагнитных полей, длительное неизменное положение тела, шум. Был проведен анализ и указан комплекс мер по пожаробезопасности и электробезопасности. Проведен расчет эргономических требований к рабочему месту инженера-программиста. Созданные условия должны обеспечивать комфортную работу. На основании изученной литературы по данной проблеме, были указаны оптимальные размеры рабочего стола и кресла, параметры рабочей поверхности, а также сформулированы предложения по улучшению параметров рабочего места. Соблюдение условий, определяющих оптимальную организацию рабочего места инженера - программиста, позволит сохранить хорошую работоспособность в течение всего рабочего дня, повысит как в количественном, так и в качественном отношениях производительность труда программиста, что в свою очередь будет способствовать быстрейшей разработке и отладке программного продукта.

ЗАКЛЮЧЕНИЕ

В результате проделанной работы был разработан метод автоматизации поиска схожих отпечатков и реализована программа, для реализации данного метода. Программа позволяет за приемлемое время автоматически определять личность по отпечатку пальца посредством выделения локальных особенностей. По сравнению с ручным определением «на глаз» по ключевым участкам исходного изображения получен значительный выигрыш в скорости и удобстве использования. Получаемые статистические характеристики достаточно полно описывают изображение и позволяют провести распознавание с высокой степенью точности.

Разработанная подсистема является неотъемлемой частью системы идентификации личности по отпечаткам пальцев, предназначенной для обнаружения сходства между двумя изображениемя отпечатка пальца. В результате распознавания можно установить личность человека, приложившего палец, что может использоваться при входе в систему. Посредством подсистемы распознавания удается значительно понизить уровень влияния смещения и переноса отпечатка пальцев, а также шумов и искажений в изображении.

Созданную систему следует рассматривать как исследовательскую систему, предназначенную для выявления эмпирических закономерностей в предметной области и дальнейшую разработку в направлении большей автоматизации процесса идентификации личности.

Разработанная система реализует новый вид функциональности – подготовку изображений к автоматизированному структурному анализу.

ЛИТЕРАТУРА

1. http://www.k2kapital.com/archives/research/rs20000508.html Биометрические технологии – альтернатива персональным идентификационным номерам и паролям.// 22.05.2006

2. Завгородний В.И. Комплексная защита информации в компьютерных системах // Учебное пособие. -М.: Логос, 2001, – 264 с.

3. http://www.klerk.ru/soft/n/?11433 Первый телефон с функцией распознавания отпечатков пальцев. // Проверено 22.05.2006

4. http://russian-samsung.com/publications/1093261352/ Система распознавания отпечатков пальцев в телефоне: все не так хорошо, как кажется. // Проверено 22.05.2006

5. Бойер П., Флостер Д.. Использование Adobe Photoshop 7. Специальное издание. – М.: Вильямс, 2004.

6. http://www.abbyy.com/DLCenter/downloadcentermanager.aspx?file=/fr80/guides/Guide_Russian.pdf. Руководство пользователя для FineReader 8.0// 1996-2006 ABBYY Software // Проверено 16.05.06

7. Налоговый кодекс РФ. - М.: ГроссМедиа Ферлаг, 2004. - 432 с.

8. СанПиН 2.2.2.542-96. Гигиенические требования к видео-дисплейным терминалам, персонально-вычислительным машинам и организация работ. – М.: Госкомсанэпиднадзор России, 1996.

9. ГОСТ 12.1.006–84. ССБТ. Электромагнитные поля радиочастот. Допустимые уровни на рабочих местах и требования к проведению контроля. – М.: Издательство стандартов, 1985.

10. ГОСТ 12.1.009-76 ССБТ Электробезопасность. Термины и определения.
– М.: Издательство стандартов, 1985.

11. Прэтт У. Цифровая обработка изображений. Т. 1. - М.: Мир, 1982. – 312 с.

12. Дуда Р., Харт П. Распознавание образов и анализ сцен. - М.: Мир, 1976. – 511 с.

13. Аммерал Л. Принципы программирования в машинной графике. - М.: Сол Систем, 1992.

14. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. - М.: Высшая школа, 1983. - 256 с.

15. Бутаков А., Островский В. И., Фадеев И.Л. Обработка изображений на ЭВМ. - М.: Радио и связь, 1987.

16. Гренандер У. Лекции по теории образов. - М.: Мир, 1979. – Т. 1-3.

17. Павлидис Т. Алгоритмы машинной графики и обработки изображений. - М.: Радио и связь, 1986.

18. Ту Дж., Гонсалес Р. Принципы распознавания образов. - М.: Мир, 1976.

19. Файн В.С. Опознавание изображений. – М.: Наука, 1970.

20. Розенфельд А. Распознавание и обработка изображений с помощью ЭВМ. - М.: Мир, 1972.

21. Хуанг Г.С. Быстрые алгоритмы цифровой обработки изображений. – М.: Радио и связь, 1984.

22. Крамер Г. Математические методы статистики. – М.: Мир, 1975.

23. Патрик Э. Основы теории распознавания образов. – М.: Советсткое радио, 1980.

24. Строустрап Б. Язык программирования С++. – М.: Мир, 1994. – 278 с.

25. Кнут Д. Искусство программирования для ЭВМ. - М.: Мир, 1976. – Т. 1-3.

26. Лялин В.Е., Мурынов А.И., Шибаева И.В. Модели представления и кодирования пространственных объектов для передачи изображений сцен по цифровым каналам связи // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе: Материалы 31 Междунар. конф. – Украина, Крым, Ялта–Гурзуф: Ж. «Успехи современного естествознания», №5, 2004, Прилож. №1. - С. 123-125.

27. Шибаева И.В., Мурынов А.И., Пивоваров И.В. Математические и программные средства распознавания графических изображений для передачи по цифровым каналам связи // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе: Материалы 31 Междунар. конф. – Украина, Крым, Ялта–Гурзуф: Ж. «Успехи современного естествознания» №5, 2004, Прилож. №1. - С. 114-117.

28. Гусейнов П.М. Методы статистической классификации многозональной видеоинформации с обучением по тестовому участку // Исследование Земли из космоса. - 1987. - № 4. - С. 21-28.

29. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. - М.: Наука, 1979. – 720с.

30. Эйнджел Э. Интерактивная компьютерная графика. – М.: Вильямс, 2001. – 592 с.

31. Левкович О.А., Шелкоплясов Е.С., Шелкоплясов Т.Н. Основы компьютерной грамотности: Учебное пособие. – М.: ТетраСистемс, 2004. - 528 с.

32. ГОСТ 19.505-79 ЕСПД. Руководство оператора. Требования к содержанию и оформлению. – М.: Издательство стандартов, 1979.

33. ГОСТ 19.504-79 ЕСПД. Руководство программиста. Требования к содержанию и оформлению. – М.: Издательство стандартов, 1979.

34. ГОСТ 19.701-90 ЕСПД. Схемы алгоритмов и программ. Правила выполнения. – М.: Издательство стандартов, 1991.

35. Технико-экономическое обоснование дипломных проектов при разработке приборов и методов контроля качества. Методические указания для студентов. – Ижевск: Издательство ИжГТУ, 2001.

36. Соболева В.П. Методические указания по оформлению курсовых работ, курсовых и дипломных проектов. – Ижевск: Издательство ИМИ, 2003.

ПРИЛОЖЕНИЕ 1

ТЕКСТ ПРОГРАММЫ

П.1.1. ТЕКСТ МОДУЛЯ FING.H

#pragma once

#include "stdafx.h"

using namespace std;

//Элемент "картыточек"

//"Карта точек" - список точек для обработки

class TMapElDot{

public:

CPoint coord; //координатыточки

bool pr1, pr2; //признаки точки

public:

TMapElDot(CPoint dot){pr1 = true; pr2 = true; coord = dot;};

TMapElDot(){pr1 = true; pr2 = true;};

~TMapElDot(){};

};

//"Карта точек" - список точек для обработки

class TMapDot{

public:

list<TMapElDot> map; //карта точек на изображении

TMapDot(){};

~TMapDot(){map.clear();};

};

//сопроводительна информация

class TInfo{

public:

short kol; //количествоточек

short dpi; //качество исходного отпечатка (dot per inch)

CString src; //путь к образу из которого была получена информация

CTime date; //датаотпечатка

CString description; //описание

bool operator==(const TInfo &inf){return src == inf.src;}; //сравнениерасположенияизображенийнадиске

TInfo(){kol = -1; dpi = -1; /*src = ""; description = "";*/};

void Printf(FILE *fout) //запись данных в файл

{

fwrite((void *)(&kol), sizeof(kol), 1, fout);

fwrite((void *)(&dpi), sizeof(dpi), 1, fout);

int strlen = src.GetLength();

fwrite((void *)(&strlen), sizeof(int), 1, fout);

fwrite((void *)(src.GetBuffer()), strlen, 1, fout);

};

void Scanf(FILE *fin) //чтение данных из файла

{

fread((void *)(&kol), sizeof(kol), 1, fin);

fread((void *)(&dpi), sizeof(dpi), 1, fin);

int strlen;

fread((void *)(&strlen), sizeof(int), 1, fin);

char * text = new char[strlen+1];

fread((void *)(text), strlen, 1, fin);

text[strlen] = '\0';

src = text;

delete(text);

};

//абсолютныепараметрыточки

class TAbsDot{

public:

CPoint coord; //координаты

double alpha; //направлениевточке

bool type; //типточки (1- окончание, 0- раздвоение)

bool show; //видимость точки (1- видима, 0- скрыта)

public:

TAbsDot(){coord.x = -1; coord.y = -1; alpha = 0; type = false; show = false;};

~TAbsDot(){};

bool operator==(const TAbsDot &f){return (coord.x == f.coord.x && coord.y == f.coord.y && alpha == f.alpha);};

bool operator <(const TAbsDot &f){return (alpha < f.alpha);};

bool operator >(const TAbsDot &f){return (alpha > f.alpha);};

bool operator!=(const TAbsDot &f){return false;};

bool operator<=(const TAbsDot &f){return false;};

bool operator>=(const TAbsDot &f){return false;};

CString toStr()

{

CString str;

str.Format("%d %d %f %d %d\n", coord.x, coord.y, alpha, type, show);

return str;

};

//класс для хранения точек в _абсолютных_ параметрах

//Описание отпечатка в абсолютных параметрах

class TAbsFing: public list<TAbsDot>

{

public:

TAbsFing(){this->clear();};

~TAbsFing(){this->clear();};

bool LoadFing(CString src); //Загрузкаотпечаткаизфайла *.sav

bool SaveFing(CString fsav); //Сохранениеотпечаткавфайл *.sav

};

//относительные параметры точки

class TRelDot{

public:

short l,a1,a2; //координатыточки

//l - растояние между точками

//a1 - угол между собственным направлением точки А и направлением A -> B [0, 2*M_PI)

//a2 - угол между собственным направлением точки В и направлением A -> B [0, 2*M_PI)

TAbsDot absDot; //ее абсолютные параметры (необходимо для отображения на экране совпавших точек)

public:

bool operator<(const TRelDot &f){return this->l < f.l;}

bool sortByA1(TRelDot &f){return a1 < f.a1;} //эта функция нужна для сортировки, но сортировка так и не реализованна

bool operator==(const TRelDot &f){return (this->l == f.l && this->a1 == f.a1 && this->a2 == f.a2);}

CString toStr(){CString s; s.Format("%d %d %d\n", l, a1, a2); return s;}

};

//класс для хранения _относительных_ параметров точки

typedef list<TRelDot> listTRelDot;

//Шаблон для хранения пары значений {first, second}

template <class data_t1, class data_t2> struct TPair{

data_t1 first;

data_t2 second;

TPair(data_t1 _f, data_t2 _s){first = _f; second = _s;};

};

typedef TPair<TAbsDot, TAbsDot> TPairAbsDot;

typedef TPair<listTRelDot*, listTRelDot*> TPairSur;

//результат сравнения отпечатков

struct TCompareFing{

double val; //уровень схожести отпечатков

short cDot; //количество совпавших точек

short nfng; //номер отпечатка

CString name; //файл отпечатка

list<TPairAbsDot> dots; //first - совпавшие точки на отпечатке в базе

//second - совпавшие точки на открытом отпечатке

list<TPairSur> surdots;

//окружения на одинаковых отпечатках должны быть одинаковыми,

//на этом основано сравнение "роз"

};

//Описание отпечатка в _относительных_ параметрах

class TRelFing: public list<listTRelDot>{

private:

inline double GetS(const CPoint A, const CPoint B); //растояниемеждуточками

double GetAlpha(const CPoint A, const CPoint B); //НаправлениизточкиАвВ [-pi,pi)

public:

TRelFing(){};

~TRelFing(){};

TRelFing *Convert(TAbsFing &fng); //конвертироватьабсолютныепараметрыкотносительным

TCompareFing Compare(TRelFing &fng); //сравнитьотпечатки

};

П
.1.2. ТЕКСТ
МОДУЛЯ
FING.CPP

#include "stdafx.h"

#include "fing.h"

bool TAbsFing::SaveFing(CString fsav)

//Сохранение отпечатка в файл *.sav

{

if(!this->size()) return false;

TAbsFing::iterator iter;

FILE *fingfile = fopen(fsav, "wb");

if(fingfile == NULL)

{

MessageBox(NULL,"Невозможносоздатьфайл: '"+fsav+"'", "Ошибкаработысфайлом", MB_OK);

return false;

}

for(iter = this->begin(); iter != this->end(); iter++)

{

TAbsDot dot = *iter;

if(iter->show) fwrite((void *)&dot, 1, sizeof(dot), fingfile);

}

fclose(fingfile);

return true;

}

bool TAbsFing::LoadFing(CString src)

//Загрузка отпечатка из файла *.sav

{

TAbsDot dot;

FILE *fingfile = fopen(src, "rb");

if(fingfile == NULL)

{

MessageBox(NULL,"Невозможнооткрытьфайл: '"+src+"'", "Ошибкаработысфайлом", MB_OK);

return false;

}

this->clear();

while(!feof(fingfile))

{

fread((void *)&dot, 1, sizeof(dot), fingfile);

this->push_back(dot);

}

this->pop_back();

fclose(fingfile);

return true;

}

///////////////////////////////////////////////////////////////////////////////////////

///TRelFing//TRelFing/TRelFing/TRelFing/TRelFing/TRelFing/TRelFing/TRelFing/TRelFing///

///////////////////////////////////////////////////////////////////////////////////////

TRelFing *TRelFing::Convert(TAbsFing &fng)

//конвертировать абсолютные параметры к относительным

{

if(fng.empty()) return this;

this->clear();

TAbsFing::iterator iterA1, iterA2;

TRelDot tmpR;

listTRelDot listDots;

double tmpa, vecAB;

for(iterA1 = fng.begin(); iterA1 != fng.end(); iterA1++)

{

for(iterA2 = fng.begin(); iterA2 != fng.end(); iterA2++)

{

if(iterA2 == iterA1) continue;

tmpR.l = (short)(GetS(iterA1->coord, iterA2->coord)+0.5); //l - растояниемеждуточками

vecAB = GetAlpha(iterA2->coord, iterA1->coord);

tmpa = iterA1->alpha - vecAB;

if(tmpa < 0) tmpa = 2*M_PI + tmpa;

tmpR.a1 = (short)(tmpa * 180.0/M_PI +0.5); //a1 - угол между собственным направлением точки А и направлением A -> B

tmpa = iterA2->alpha - vecAB;

if(tmpa < 0) tmpa = 2*M_PI + tmpa;

tmpR.a2 = (short)(tmpa * 180.0/M_PI +0.5); //a2 - угол между собственным направлением точки В и направлением A -> B

tmpR.absDot = *iterA1; //Во всех точках хранятся одни и те же данные!(необходимо для отображения совпавших точек)

listDots.push_back(tmpR);

}

listDots.sort();

this->push_back(listDots);

listDots.clear();

}

return this;

}

inline double TRelFing::GetS(const CPoint A, const CPoint B)

//растояниемеждуточками

{

return sqrt( (double)((A.x-B.x)*(A.x-B.x)+(A.y-B.y)*(A.y-B.y)) );

}

double TRelFing::GetAlpha(const CPoint A, const CPoint B)

//Направлени из точки А в В [-pi,pi)

{

if(A == B) return 0.0;

double alpha;

if (A.x - B.x == 0)

{

if (A.y > B.y) alpha = M_PI_2;

else alpha = -M_PI_2;

}else

{

double a = ((double)A.y-B.y)/((double)B.x-A.x);

alpha = atan(a);

if (A.x > B.x)

{

if (alpha < 0) alpha += M_PI;

else alpha -= M_PI;

if (A.y == B.y) alpha = -M_PI;

}

return alpha;

}

TCompareFing TRelFing::Compare(TRelFing &fng)

//сравнить отпечаток с отпечатком из файла

{

TCompareFing ret;

ret.nfng = (short)fng.size();

const short CONFIRM_VAL = 9;

const double DELTA_L = 10.0; //ограничитель

const double DELTA_A = 10.0; //ограничитель

short confirmDot = 0; //количествосовпавшихСТ (спецточек)

short confirmVal = 0; //количество совпавших сопряженных СТ с текущей СТ

short needVal = (short)(min(this->size(),fng.size())/3.0 +0.5);

if(needVal > CONFIRM_VAL) needVal = CONFIRM_VAL;

listTRelDot *surroundDots1, *surroundDots2;

listTRelDot::iterator baseIter;

for(TRelFing::iterator tekFing = this->begin();

tekFing != this->end();

tekFing++)

{

for(TRelFing::iterator baseFing = fng.begin();

baseFing != fng.end();

baseFing++)

{

confirmVal = 0;

surroundDots1 = new(listTRelDot);

surroundDots2 = new(listTRelDot);

for(listTRelDot::iterator tekIter = (*tekFing).begin();

tekIter != (*tekFing).end();

tekIter++)

{

baseIter = (*baseFing).begin();

short prev, next;

prev = next = abs(baseIter->l - tekIter->l);

while(

prev >= next &&

next >= DELTA_L &&

baseIter != (*baseFing).end())

{

prev = next;

baseIter++;

next = abs(baseIter->l - tekIter->l);

}

if(prev >= DELTA_L && prev < next) continue; //нетсмысласравниватьдальшет.к. всегдабудет next >= DELTA_L

for(;

baseIter != (*baseFing).end();

baseIter++)

{

int len = abs(tekIter->l - baseIter->l);

if(len >= DELTA_L) break; //нет смысла сравнивать дальше т.к. всегда будет next >= DELTA_L

int delta_a = DELTA_A;

if(

((abs(tekIter->a1 - baseIter->a1)<delta_a)||(abs(tekIter->a1 - baseIter->a1) > 360-delta_a))&&

((abs(tekIter->a2 - baseIter->a2)<delta_a)||(abs(tekIter->a2 - baseIter->a2) > 360-delta_a)))

{

confirmVal++;

surroundDots1->push_back(*baseIter);

surroundDots2->push_back(*tekIter);

break;

}

if(confirmVal > needVal)

{

///////////////////////////

//удалим эту точку из последующего перебора, т.к. она уже совпала

ret.dots.push_back(TPairAbsDot(baseFing->back().absDot, tekFing->back().absDot));

ret.surdots.push_back(TPairSur(surroundDots1,surroundDots2));

baseFing->clear();

fng.erase(baseFing);

confirmDot++;

break;

}

if(confirmVal > needVal){break;}

else{

ret.dots.push_back(TPairAbsDot(baseFing->back().absDot, tekFing->back().absDot));

ret.surdots.push_back(TPairSur(surroundDots1,surroundDots2));

surroundDots1->clear();

surroundDots2->clear();

}

ret.cDot = confirmDot;

ret.val = 0;

return ret;

}

П
.1.3. ТЕКСТ
МОДУЛЯ
FINGERANALYSERDLG.CPP

// FingerAnalyserDlg.cpp : implementation file

#include "stdafx.h"

#include "FingerAnalyser.h"

#include "FingerAnalyserDlg.h"

#include "TAnalysePicture.h"

#include ".\fingeranalyserdlg.h"

#ifdef _DEBUG

#define new DEBUG_NEW

#endif

CString sav_path, db_file;

TAnalysePicture *picture;

TAbsFing fingA;

TRelFing fingR;

// CAboutDlg dialog used for App About

class CAboutDlg : public CDialog

{

public:

CAboutDlg();

// Dialog Data

enum { IDD = IDD_ABOUTBOX };

protected:

virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV support

// Implementation

protected:

DECLARE_MESSAGE_MAP()

};

CAboutDlg::CAboutDlg() : CDialog(CAboutDlg::IDD)

{}

void CAboutDlg::DoDataExchange(CDataExchange* pDX)

{

CDialog::DoDataExchange(pDX);

}

BEGIN_MESSAGE_MAP(CAboutDlg, CDialog)

END_MESSAGE_MAP()

// CFingerAnalyserDlg dialog

CFingerAnalyserDlg::CFingerAnalyserDlg(CWnd* pParent /*=NULL*/)

: CDialog(CFingerAnalyserDlg::IDD, pParent)

, m_kolDots(0)

, m_workFile(_T(""))

, m_scantime(0)

, m_show_base(FALSE)

, m_mouse_x(0)

, m_mouse_y(0)

{

m_hIcon = AfxGetApp()->LoadIcon(IDR_MAINFRAME);

}

CFingerAnalyserDlg::~CFingerAnalyserDlg()

{

delete(fp);

delete(picture);

if(compareResult)

{

for(list<TCompareFing>::iterator i = compareResult->begin();

i != compareResult->end();

i++)

{

list<TPairSur>::iterator j;

for(j=i->surdots.begin(); j!=i->surdots.end(); j++)

{

j->first->clear(); delete(j->first);

j->second->clear(); delete(j->second);

}

compareResult->clear();

delete(compareResult);

compareResult = NULL;

}

void CFingerAnalyserDlg::DoDataExchange(CDataExchange* pDX)

{

CDialog::DoDataExchange(pDX);

DDX_Text(pDX, IDC_SPEC_DOT, m_kolDots);

DDX_Control(pDX, IDC_LOAD_PROGRESS, loadProgress);

DDX_Text(pDX, IDC_WORK_FILE, m_workFile);

DDX_Control(pDX, IDC_LOAD_COMPARE_PROGRESS, compare_progress);

DDX_Text(pDX, IDC_TEMESCAN, m_scantime);

DDX_Check(pDX, IDC_SHOW_BASE, m_show_base);

}

BEGIN_MESSAGE_MAP(CFingerAnalyserDlg, CDialog)

ON_WM_SYSCOMMAND()

ON_WM_PAINT()

ON_WM_QUERYDRAGICON()

//}}AFX_MSG_MAP

ON_BN_CLICKED(IDC_OPEN_FILE, OnBnClickedOpenFile)

ON_BN_CLICKED(IDC_EXIT, OnBnClickedExit)

ON_WM_CLOSE()

ON_WM_ACTIVATE()

ON_BN_CLICKED(IDC_ANALYSE, OnBnClickedAnalyse)

ON_BN_CLICKED(IDC_COMPARE, OnBnClickedCompare)

ON_WM_TIMER()

ON_BN_CLICKED(IDC_SAVE_TO_DB, OnBnClickedSaveToDb)

ON_BN_CLICKED(IDC_BUTTON_PREV, OnBnClickedButtonPrev)

ON_BN_CLICKED(IDC_BUTTON_NEXT, OnBnClickedButtonNext)

ON_BN_CLICKED(IDC_SHOW_BASE, OnBnClickedShowBase)

ON_WM_MOUSEMOVE()

ON_WM_LBUTTONDOWN()

END_MESSAGE_MAP()

// CFingerAnalyserDlg message handlers

BOOL CFingerAnalyserDlg::OnInitDialog()

{

CDialog::OnInitDialog();

ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX);

ASSERT(IDM_ABOUTBOX < 0xF000);

CMenu* pSysMenu = GetSystemMenu(FALSE);

if (pSysMenu != NULL)

{

CString strAboutMenu;

strAboutMenu.LoadString(IDS_ABOUTBOX);

if (!strAboutMenu.IsEmpty())

{

pSysMenu->AppendMenu(MF_SEPARATOR);

pSysMenu->AppendMenu(MF_STRING, IDM_ABOUTBOX, strAboutMenu);

}

// Set the icon for this dialog. The framework does this automatically

// when the application's main window is not a dialog

SetIcon(m_hIcon, TRUE); // Set big icon

SetIcon(m_hIcon, FALSE); // Set small icon

fp = new TFingPicture(this->GetDC());

char fullpath[200];

_fullpath(fullpath, NULL, 200);

sav_path = fullpath;

sav_path += "\\sav\\";

db_file = sav_path + "fingbase.bse";

compareResult = NULL;

return TRUE; // return TRUE unless you set the focus to a control

}

void CFingerAnalyserDlg::OnSysCommand(UINT nID, LPARAM lParam)

{

if ((nID & 0xFFF0) == IDM_ABOUTBOX)

{

CAboutDlg dlgAbout;

dlgAbout.DoModal();

}

else

{

CDialog::OnSysCommand(nID, lParam);

}

// If you add a minimize button to your dialog, you will need the code below

// to draw the icon. For MFC applications using the document/view model,

// this is automatically done for you by the framework.

void CFingerAnalyserDlg::OnPaint()

{

CPaintDC dc(this); // device context for painting

if(m_show_base)

{//режим просмотра базы

ShowBase(true, false);

}

else

{//режим просмотра открытого образа

if (picture != NULL)

{

picture->GetPic1()->Show(110, 45);

picture->GetPic2()->Show(545, 45);

}

m_kolDots = (int)fingA.size();

UpdateData(false);

}

CDialog::OnPaint();

}

// The system calls this function to obtain the cursor to display while the user drags

// the minimized window.

HCURSOR CFingerAnalyserDlg::OnQueryDragIcon()

{

return static_cast<HCURSOR>(m_hIcon);

}

void CFingerAnalyserDlg::OnBnClickedOpenFile()

{

char szFilters[]= "Образы (*.bmp)|*.bmp|All Files (*.*)|*.*||";

CFileDialog dlg(TRUE, "bmp", "*.bmp", OFN_FILEMUSTEXIST| OFN_HIDEREADONLY, szFilters, this);

if(dlg.DoModal() != IDOK)

return; //никаких файлов не открыли

if(dlg.GetFileExt().CompareNoCase("bmp"))

return; //открытый файл не имеет расширеня .bmp

CString fileName = dlg.GetFileName();

delete(picture);

picture = new TAnalysePicture(fileName, this->GetDC());

m_workFile = fileName;

if(compareResult)

{

for(list<TCompareFing>::iterator i = compareResult->begin();

i != compareResult->end();

i++)

{

list<TPairSur>::iterator j;

for(j=i->surdots.begin(); j!=i->surdots.end(); j++)

{

j->first->clear();

delete(j->first);

j->second->clear();

delete(j->second);

}

compareResult->clear();

}

m_show_base = false;

Invalidate();

}

void CFingerAnalyserDlg::OnBnClickedExit()

{

CDialog::SendMessage(WM_CLOSE);

}

void CFingerAnalyserDlg::OnActivate(UINT nState, CWnd* pWndOther, BOOL bMinimized)

{

CDialog::OnActivate(nState, pWndOther, bMinimized);

// pWndOther->SetProperty(

}

void CFingerAnalyserDlg::OnBnClickedAnalyse()

{

if(picture == NULL) return;

LPSYSTEMTIME mTime;

mTime = new SYSTEMTIME;

GetSystemTime(mTime);

long int workTime;

workTime = mTime->wSecond*1000+mTime->wMilliseconds;

fingA = picture->AnalysePicture();

fingA.SaveFing(GetSAV(picture->getPathSrc()));

GetSystemTime(mTime);

workTime = mTime->wSecond*1000+mTime->wMilliseconds - workTime;

workTime = (workTime<0)?60000+workTime:workTime;

delete(mTime);

m_scantime = workTime;

Invalidate();

}

void CFingerAnalyserDlg::OnBnClickedCompare()

{

if(fingA.size() == 0)

{

MessageBox("Отпечатокнеобработан", "Ошибка");

return;

}

fingR.Convert(fingA);

if(compareResult)

{

for(list<TCompareFing>::iterator i = compareResult->begin();

i != compareResult->end();

i++)

{

list<TPairSur>::iterator j;

for(j=i->surdots.begin(); j!=i->surdots.end(); j++)

{

j->first->clear(); delete(j->first);

j->second->clear(); delete(j->second);

}

compareResult->clear();

delete(compareResult);

compareResult = NULL;

showIter = NULL;

}

compareResult = CompareWithBase();

if(compareResult->size() == 0) return;

CString sOut="";

for(list<TCompareFing>::iterator i = compareResult->begin();

i != compareResult->end();

i++)

{

CString s="";

int mlevel = min(i->nfng,m_kolDots);

int percent;

if(mlevel > 10) mlevel = 10;

if(i->cDot > mlevel) percent = 100;

else percent = (int)(100.0*i->cDot/(double)mlevel + 0.5);

if(percent == 0) continue;

s.Format("%d %d %% %s\n", i->cDot, percent, i->name);

sOut += s;

}

if(sOut.GetLength()==0) sOut = "Ни одного отпечатка не найдено!\n";

CString kol; kol.Format("\n Всеговбазе: %d", compareResult->size());

sOut += kol;

PrintReport(picture->getPathSrc(), sOut);

MessageBox(sOut, picture->getPathSrc());

}

void CFingerAnalyserDlg::OnTimer(UINT nIDEvent)

{

Invalidate();

CDialog::OnTimer(nIDEvent);

}

void CFingerAnalyserDlg::OnBnClickedSaveToDb()

{

char szFilters[] = "Образы (*.bmp)|*.bmp|All Files (*.*)|*.*||";

CFileDialog dlg( TRUE, "bmp", "*.bmp",

OFN_FILEMUSTEXIST| OFN_HIDEREADONLY| OFN_ALLOWMULTISELECT,

szFilters, this);

if(dlg.DoModal() == IDOK)

{

listTInfo *fingDB = LoadDB(db_file);

FILE *fbse = fopen(db_file, "wb");

if(fbse == NULL)

{

MessageBox("Невозможно создать базу данных с отпечатками", "Ошибка создания БД", MB_OK);

return;

}

POSITION pos, posStart;

TInfo newFingInDB;

pos = posStart = dlg.GetStartPosition();

int kolFile = 0;

while(pos)

{

dlg.GetNextPathName(pos);

kolFile++;

}

pos = posStart;

loadProgress.SetRange(0, kolFile);

int progressPos = 1;

while(pos)

{

CString fileName = dlg.GetNextPathName(pos).MakeLower();

if(fileName.Find(".bmp") == -1) continue;

TAnalysePicture *loadingPic;

loadingPic = new TAnalysePicture(fileName, this->GetDC());

m_workFile = fileName;

fingA = loadingPic->AnalysePicture();

if(fingA.size() < MIN_SIZE)

{

MessageBox("Отпечаток не пригоден для сохраниения в базу!", fileName);

continue;

}

if(fingA.size() > MAX_SIZE)

{

MessageBox("Отпечаток не пригоден для сохраниения в базу!", fileName);

continue;

}

fingA.SaveFing(GetSAV(fileName));

newFingInDB.src = fileName;

fingDB->remove(newFingInDB);

fingDB->push_back(newFingInDB);

loadProgress.SetPos(progressPos);

progressPos++;

Invalidate();

delete(loadingPic);

}

loadProgress.SetPos(0);

int count = 0;

fwrite((void*)&count, sizeof(count), 1, fbse);

for(list<TInfo>::iterator iter = fingDB->begin(); iter != fingDB->end(); iter++)

{

iter->Printf(fbse);

count++;

}

fseek(fbse, 0, SEEK_SET);

fwrite((void*)&count, sizeof(count), 1, fbse);

fingDB->clear();

delete(fingDB);

fclose(fbse);

}

listTInfo *CFingerAnalyserDlg::LoadDB(CString dbFile)

//загрузитьточкиизБД

{

listTInfo *bse = new listTInfo();

TInfo finf; //данныепоотпечатку

FILE *fbse = fopen(dbFile, "rb");

if(fbse == NULL)

{

// MessageBox("Невозможнозагрузитьбазуданныхсотпечатками", "ОшибказагрузкиБД", MB_OK);

return bse;

}

int count = 0;

fread((void*)&count, sizeof(count), 1, fbse);

for(;count > 0; count--)

{

finf.Scanf(fbse);

bse->push_back(finf);

}

fclose(fbse);

return bse;

}

list<TCompareFing> *CFingerAnalyserDlg::CompareWithBase()

//сравнить точку с точками в БД

{

listTInfo *bse;

list<TCompareFing> *cFng;

cFng = new list<TCompareFing>;

bse = LoadDB(db_file);

if(bse->empty())

{

MessageBox("База данных отпечатков пуста", "Сообщение", MB_OK);

return cFng;

}

TAbsFing aFng;

TRelFing baseFng;

compare_progress.SetRange(0, (short)bse->size());

for(list<TInfo>::iterator ibse = bse->begin();

ibse != bse->end(); ibse++)

{

if(!aFng.LoadFing(GetSAV(ibse->src))) continue;

baseFng.Convert(aFng);

TCompareFing compareRes = fingR.Compare(baseFng);

compareRes.name = ibse->src;

cFng->push_back(compareRes);

compare_progress.SetPos((int)cFng->size());

}

bse->clear();

compare_progress.SetPos(0);

delete(bse);

return cFng;

}

void CFingerAnalyserDlg::OnBnClickedButtonPrev(){ ShowBase(false);}

void CFingerAnalyserDlg::OnBnClickedButtonNext(){ ShowBase(true);}

void CFingerAnalyserDlg::ShowBase(bool key, bool next)

//key - направление перемотки по базе (влево, вправо)

//next - нужно ли переходить к следующему отпечатку

{

if(!compareResult) return;

if(compareResult->size() == 0)

{

MessageBox("База данных отпечатков пуста", "Сообщение", MB_OK);

return;

}

if(showIter == NULL) showIter = compareResult->begin();

else

{

if(next)

if(key)

{

showIter++;

if(showIter == compareResult->end())

showIter = compareResult->begin();

}

else

{

if(showIter == compareResult->begin())

showIter = compareResult->end();

showIter--;

}

TFingPicture *pic;

pic = new TFingPicture(this->GetDC());

if(!pic->Load(BLANK)) return;

CPaintDC dc(this); // device context for painting

list<TPairSur>::iterator is = showIter->surdots.begin();

list<TPairAbsDot>::iterator id = showIter->dots.begin();

for(; id != showIter->dots.end(); id++, is++)

{

COLORREF col;

if(is->first->empty()) col = 0xBBBBBB;

else col = (id->first.type)?0xff0000:0x000000;

pic->Line(id->first.coord, id->first.coord, 5, col);

pic->Line(id->first.coord,

CPoint(id->first.coord.x+(int)(10.0*cos(id->first.alpha)),id->first.coord.y-(int)(10.0*sin(id->first.alpha))),

2, col);

if(is->first->empty()) continue; //окружения для этой точки нет

//проверка, что "мышь" находится над точкой

if( abs(mouse_pos.x-id->first.coord.x)<6 && abs(mouse_pos.y-id->first.coord.y)<6 )

{

TFingPicture pic2(this->GetDC());

if(!pic2.Load(BLANK)) return;

pic2.Copy(*picture->GetPic2());

for(listTRelDot::iterator ii = is->first->begin(); ii != is->first->end(); ii++)

{

COLORREF cl = 0x554444;

CPoint cd;

cd.x = (long)(id->first.coord.x - ii->l * cos(ii->a1*M_PI/180.0 - id->first.alpha));

cd.y = (long)(id->first.coord.y - ii->l * sin(ii->a1*M_PI/180.0 - id->first.alpha));

pic->Line(id->first.coord, cd, 1, cl);

}

for(listTRelDot::iterator ii = is->second->begin(); ii != is->second->end(); ii++)

{

COLORREF cl = 0x554444;

CPoint cd;

cd.x = (long)(id->second.coord.x - ii->l * cos(ii->a1*M_PI/180.0 - id->second.alpha));

cd.y = (long)(id->second.coord.y - ii->l * sin(ii->a1*M_PI/180.0 - id->second.alpha));

pic2.Line(id->second.coord, cd, 1, cl);

}

pic2.Show(545, 45);

}

if (pic != NULL)

{

pic->Show(110, 45);

m_workFile = showIter->name;

}

UpdateData(false);

delete(pic);

}

void CFingerAnalyserDlg::PrintReport(CString file, CString report)

{

FILE *outf = fopen("report.txt", "a");

CString msg = "\n------ "+file+" ------\n"+report;

fprintf(outf, msg);

fclose(outf);

}

CString CFingerAnalyserDlg::GetSAV(CString srcName)

{

CString fsav = srcName.Left(srcName.GetLength() - 3) + "sav";

while(fsav.Find("\\") != -1){ fsav = fsav.Right(fsav.GetLength() - fsav.Find("\\")-1); }

return sav_path + fsav;

}

void CFingerAnalyserDlg::OnBnClickedShowBase()

{

m_show_base =! m_show_base;

UpdateData(false);

if(m_show_base)

{

ShowBase(true, false);

}

else

{

OnPaint();

}

void CFingerAnalyserDlg::OnLButtonDown(UINT nFlags, CPoint point)

{

if(!m_show_base) return;

mouse_pos = point;

mouse_pos.x -= 110;

mouse_pos.y -= 45;

ShowBase(true, false);

CDialog::OnLButtonDown(nFlags, point);

}

П
.1.4. ТЕКСТ
МОДУЛЯ
FINGERANALYSERDLG.H

// FingerAnalyserDlg.h : header file

#pragma once

#include "TFingPicture.h"

#include "afxcmn.h"

typedef list<TInfo> listTInfo;

// CFingerAnalyserDlg dialog

class CFingerAnalyserDlg : public CDialog

{

// Construction

public:

CFingerAnalyserDlg(CWnd* pParent = NULL); // standard constructor

~CFingerAnalyserDlg(); // деструктор

// Dialog Data

enum { IDD = IDD_FINGERANALYSER_DIALOG };

protected:

virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV support

// Implementation

protected:

HICON m_hIcon;

CDC memDC;

CBitmap bm;

BITMAP bmp;

UINT timer;

TFingPicture *fp;

// Generated message map functions

virtual BOOL OnInitDialog();

afx_msg void OnSysCommand(UINT nID, LPARAM lParam);

afx_msg void OnPaint();

afx_msg HCURSOR OnQueryDragIcon();

DECLARE_MESSAGE_MAP()

public:

afx_msg void OnBnClickedOpenFile();

afx_msg void OnBnClickedExit();

afx_msg void OnActivate(UINT nState, CWnd* pWndOther, BOOL bMinimized);

afx_msg void OnBnClickedAnalyse();

afx_msg void OnBnClickedCompare();

afx_msg void OnTimer(UINT nIDEvent);

afx_msg void OnEnChangeSpecDot();

int m_kolDots;

afx_msg void OnBnClickedSaveToDb();

CProgressCtrl loadProgress;

public:

listTInfo *LoadDB(CString dbFile);

list<TCompareFing> *CompareWithBase();

CString m_workFile;

CProgressCtrl compare_progress;

long m_scantime;

afx_msg void OnBnClickedButtonPrev();

list<TCompareFing> *compareResult;

list<TCompareFing>::iterator showIter;

afx_msg void OnBnClickedButtonNext();

void ShowBase(bool key, bool next = true);

void PrintReport(CString file, CString report);

CString GetSAV(CString srcName); //получениепутик sav файлу

BOOL m_show_base;

afx_msg void OnBnClickedShowBase();

afx_msg void OnMouseMove(UINT nFlags, CPoint point);

CPoint mouse_pos;

int m_mouse_x;

int m_mouse_y;

afx_msg void OnLButtonDown(UINT nFlags, CPoint point);

};

П
.1.5. ТЕКСТ
МОДУЛЯ
Resource.h

//{{NO_DEPENDENCIES}}

// Microsoft Visual C++ generated include file.

// Used by FingerAnalyser.rc

#define IDM_ABOUTBOX 0x0010

#define IDD_ABOUTBOX 100

#define IDS_ABOUTBOX 101

#define IDD_FINGERANALYSER_DIALOG 102

#define IDR_MAINFRAME 128

#define IDR_TOOLBAR 130

#define IDI_FING_ICON 135

#define IDR_MENU1 138

#define IDC_OPEN_FILE 1000

#define IDC_ANALYSE 1001

#define IDC_COMPARE 1002

#define IDC_EXIT 1003

#define IDC_SAVE_TO_DB 1004

#define IDC_SPEC_DOT 1005

#define IDC_LOAD_PROGRESS 1006

#define IDC_WORK_FILE 1007

#define IDC_LOAD_COMPARE_PROGRESS 1008

#define IDC_TEMESCAN 1009

#define IDC_BUTTON_PREV 1012

#define IDC_BUTTON_NEXT 1013

#define IDC_SHOW_BASE 1014

#define IDC_EDIT1 1015

#define ID_BASE 32771

#define ID_PROPERTY 32772

// Next default values for new objects

#ifdef APSTUDIO_INVOKED

#ifndef APSTUDIO_READONLY_SYMBOLS

#define _APS_NEXT_RESOURCE_VALUE 139

#define _APS_NEXT_COMMAND_VALUE 32774

#define _APS_NEXT_CONTROL_VALUE 1016

#define _APS_NEXT_SYMED_VALUE 101

#endif

П
.1.6. ТЕКСТ
МОДУЛЯ
FingAnalyser.h

// FingerAnalyser.h : main header file for the PROJECT_NAME application

#pragma once

#ifndef __AFXWIN_H__

#error include 'stdafx.h' before including this file for PCH

#endif

#include "resource.h" // main symbols

// CFingerAnalyserApp:

// See FingerAnalyser.cpp for the implementation of this class

class CFingerAnalyserApp : public CWinApp

{

public:

CFingerAnalyserApp();

// Overrides

public:

virtual BOOL InitInstance();

// Implementation

DECLARE_MESSAGE_MAP()

};

extern CFingerAnalyserApp theApp;

П
.1.7.
ТЕКСТ
МОДУЛЯ
FingAnalyser.cpp

// FingerAnalyser.cpp : Defines the class behaviors for the application.

#include "stdafx.h"

#include "FingerAnalyser.h"

#include "FingerAnalyserDlg.h"

#ifdef _DEBUG

#define new DEBUG_NEW

#endif

// CFingerAnalyserApp

BEGIN_MESSAGE_MAP(CFingerAnalyserApp, CWinApp)

ON_COMMAND(ID_HELP, CWinApp::OnHelp)

END_MESSAGE_MAP()

// CFingerAnalyserApp construction

CFingerAnalyserApp::CFingerAnalyserApp()

{

// TODO: add construction code here,

// Place all significant initialization in InitInstance

}

// The one and only CFingerAnalyserApp object

CFingerAnalyserApp theApp;

// CFingerAnalyserApp initialization

BOOL CFingerAnalyserApp::InitInstance()

{

CWinApp::InitInstance();

// Standard initialization

// If you are not using these features and wish to reduce the size

// of your final executable, you should remove from the following

// the specific initialization routines you do not need

// Change the registry key under which our settings are stored

// TODO: You should modify this string to be something appropriate

// such as the name of your company or organization

SetRegistryKey(_T("Local AppWizard-Generated Applications"));

CFingerAnalyserDlg dlg;

m_pMainWnd = &dlg;

INT_PTR nResponse = dlg.DoModal();

if (nResponse == IDOK)

{

// TODO: Place code here to handle when the dialog is

// dismissed with OK

}

else if (nResponse == IDCANCEL)

{

// TODO: Place code here to handle when the dialog is

// dismissed with Cancel

}

// Since the dialog has been closed, return FALSE so that we exit the

// application, rather than start the application's message pump.

return FALSE;

}

П
.1.8 ТЕКСТ
МОДУЛЯ
TAnalysePicture.h

#pragma once

#include "TFingPicture.h"

//MESSAGEOUT отображать отладочную информацию с помощью popup окон

//#define MESSAGEOUT true

#define MESSAGEOUT false

#define OUT_FILE "fingAnalyserOut.txt" //файлотчет

#define BLANK "blank.bmp" //пустоеизображение

///////////////////////////////////////////////////////////////////////////////////

//важные параметры для обхода изображения

#define LEN_S 3 //длина малого вектора (LEN_S точек)

#define LEN_L 4 //длина большого вектора (LEN_L малых векторов)

#define KOL_L 2 //необходимое количество больших векторов

#define KOL_S LEN_L*KOL_L //необходимое количество точек

#define TEST_ALPHA 130.0 //тест на разворот вектора. Указывается угол в градусах

///////////////////////////////////////////////////////////////////////////////////

// Класс АНАЛИЗА ИЗОБРАЖЕНИЯ

///////////////////////////////////////////////////////////////////////////////////

class TAnalysePicture

{

private:

TFingPicture *pic; //Собственносамакартинка

TFingPicture *tmpPic; //копия картинки

TFingPicture *pic2; //изображение для отображения в окне

int height, width; //высота и ширина изображения

CString srcImg; //путь к изображению

int err; //Код состояния картинки

TInfo info; //сопроводительная информация

private:

int ChangeLine(list<TMapElDot>::iterator _dot, list<TMapElDot> &_map);//Обработкакартинки, ееизменение

TAbsFing ReadPic(list<TMapElDot>::iterator _dot); //Нахождениенаизображенииспецточек

list<TMapElDot> LookPic(); //Сканирование картинки и нахождение линий на ней

inline double GetAlpha(const CPoint A, const CPoint B); //НаправлениизточкиАвВ [-pi,pi)

inline double GetS(CPoint A, CPoint B); //растояниемеждуточками

CPoint FindAcceptDot(CPoint dot, double alpha, bool type); //Поискпродолженияизокончания/раздвоения

bool TestFindDot(int _x, int _y);//тест точки: Разность направлений вперед и назад должно быть меньше 110 градусов

double ChangeAlphaInterval(double _alpha); //Приведениеитрервалак [-pi,pi)

int DotsFilter(TAbsFing &_dots);

/*Фильтрование полученных точек отсеиваются близкостоящие направленные в противоположные строки

а так же точки слева и справа от которых нет линий*/

bool LeftDot(TAbsFing::iterator &iter);

/*Если точка является окончанием, то слева и справа от нее должны быть линии если это не так, то точку нужно исключить из дальнейшего анализа*/

public:

TAnalysePicture(const CString src, CDC *screen);

~TAnalysePicture(void);

int getErr();

CString getErrMsg();

CString getPathSrc(){return srcImg;};

TAbsFing AnalysePicture(); //Обработказагруженногоизображенияиполучениеобраза

bool Show(int x, int y, int xt=-1, int yt=-1);

TFingPicture *GetPic1();

TFingPicture *GetPic2();

};

П
.1.9 ТЕКСТ
МОДУЛЯ
TAnalysePicture.cpp

#include "StdAfx.h"

#include "TAnalysePicture.h"

TAnalysePicture::TAnalysePicture(const CString src, CDC *screen)

{

pic = new TFingPicture(screen);

err = -1;

if(!pic->Load(src)) err = 0;

pic->Rectangle(CPoint(0, 0), pic->GetSize(), 10);

srcImg = src;

tmpPic = new TFingPicture(screen);

tmpPic->Load(src);

pic2 = new TFingPicture(screen);

pic2->Load(BLANK);

}

TAnalysePicture::~TAnalysePicture(void)

{

delete(tmpPic);

delete(pic2);

delete(pic);

}

//Кодошибки

int TAnalysePicture::getErr()

{

return err;

}

//Сообщениеошибки

CString TAnalysePicture::getErrMsg()

{

CString msg = "";

switch (err)

{

case -1: {msg = "Ошибокпризагрузкеизображениянет"; break;}

case 0: {msg = "Изображение не загружено"; break;}

case 1: {msg = "Возникла ошибка при загрузке изображения"; break;}

default: {msg = "Нераспознанная ошибка";}

}

return msg;

}

// Обработка загруженного изображения и получение образа

TAbsFing TAnalysePicture::AnalysePicture()

{

TAbsFing ret, ret2;

if(err != -1)

{

if(MESSAGEOUT) MessageBox(NULL, getErrMsg(), "Ошибка", MB_OK);

return ret;

}

int prevCol;

int changeN = 0; //Счетчик произведенных изменений на изображении

list<TMapElDot> map; //Карта точек принадлежащих линиям

list<TMapElDot>::iterator imap; //Итератордля map

map = LookPic(); //сканирование картинки и нахождение линий на ней

do{

changeN = 0;

prevCol = (int)map.size();

imap = map.begin();

do{ //Изображение можно модифицировать

if(imap->pr1) //Линия нуждается в обработке

changeN += ChangeLine(imap, map); //Обработка (преобразование) изображения

imap++; //Переход для обработки следующей линии

}while(imap != map.end()); //Изображение можно модифицировать

}while(prevCol<0.1*map.size()); //Изображение можно модифицировать

map = LookPic(); //сканирование картинки и нахождение линий на ней

imap = map.begin();

do{ //Изображение можно модифицировать

ret.merge(ReadPic(imap));

imap++; //Переход для обработки следующей линии

}while(imap != map.end()); //Изображение можно модифицировать

////////////////////////////////////////////////////////////////////

/////////////////////Фильтрование полученных точек//////////////////

///отсеиваются близкостоящие направленные в противоположные строки//

//////////а так же точки слева и справа от которых нет линий////////

int leftDots = 0; //число отсеянных точек

leftDots = DotsFilter(ret); //Фильтрование полученных точек

////////////////////////////////////////////////////////////////////

ret2.clear();

for(TAbsFing::iterator iter = ret.begin(); iter != ret.end(); iter++)

{

if(!iter->show) continue;

//рисование найденных точек (цвет окончания и раздвоения различный)

COLORREF col = (iter->type)?0xFF0000:0x000000;

pic2->Line(iter->coord, iter->coord, 5, col);

pic2->Line(iter->coord,

CPoint(iter->coord.x+(int)(10.0*cos(iter->alpha)),iter->coord.y-(int)(10.0*sin(iter->alpha))),

2, col);

ret2.push_back(*iter);

}

ret.clear();

return ret2;

}

TAbsFing TAnalysePicture::ReadPic(list<TMapElDot>::iterator _dot)

//Нахождение на изображении спец точек

{

TAbsFing retFing; //Образ отпечатка в абсолютных координатах

int kol = 0; //количество пройденных точек

int vec = 0; //направление поиска очередной точки

int tekS = 0; //Текущее количество коротких векторов

CPoint A, //Начало вектора

B; //Конец вектора

TAbsFing vecDotS; //массив точек для коротких векторов

TAbsFing vecDotL; //массив точек для длинных векторов

TAbsFing historyDotL; //история точек для длинных векторов

TAbsDot _tmpDotFing, bestDot;

TAbsFing::iterator iter;

double alpha; //направление вектора (в радианах)

int stopKol = 2000; //предел шагов

int ret = 0; //счетчик шагов после прохождения начальной точки

bool homeOver = false; //признак окончания обработки

A = _dot->coord; B = _dot->coord;

CPoint olddot, dot = _dot->coord; //Текущаяточканалинии

do{

//основной цикл обработки,

//варианты завершения цикла

//продолжается до тех пор, пока вся линия не будет пройдена (нормальный вариант)

//зацикливание (не нормальный вариант, их несколько)

olddot = dot;

dot = pic->NextDotCW(dot, vec); //Поиск следующей точки _по часовой_ стрелке

if(dot.x == olddot.x && dot.y == olddot.y)

{//положение точки не изменилось => выход//

CString s;

s.Format("x = %d, y = %d, kol= %d", dot.x, dot.y, kol);

if(MESSAGEOUT)MessageBox(0, "положение точки не изменилось => выход\n" + s, "", MB_OK);

return retFing;

}

kol++; //подсчет пройденных точек

if(kol % LEN_S == 0)

{//появился новый короткий вектор

tekS++;

A = B;

B = dot;

pic2->Line(A,B, 1, 0x999999);

_tmpDotFing.coord = A;

alpha = GetAlpha(A, B); //расчет локального направления между KOL_S пикселями (направление короткого вектора)//

double dAlpha = 0.0; //Разница углов

if(vecDotS.size() > 0) //в списке можно взять предыдущее значение

dAlpha = alpha - vecDotS.begin()->alpha;

/**/ if (abs(dAlpha) >= M_PI) //разница между новым углом и предыдущим не нормальная!

{//необходимо скорректировать текущую alpha

/**/ if (dAlpha < 0.0)

{

while (abs(dAlpha) > M_PI)

{

alpha += 2.0 * M_PI;

dAlpha += 2.0 * M_PI;

}

}else

{

while (dAlpha >= M_PI)

{

alpha -= 2.0 * M_PI;

dAlpha -= 2.0 * M_PI;

}

_tmpDotFing.alpha = alpha; //запоминание направления из точки А//

vecDotS.push_front(_tmpDotFing);

///////////////////////////////////////////////////////////////////////

///////проверяем два соседних длинных вектора при условии что//////////

///////пройдено достаточно точек, чтоб сравнивать длнинные вектора/////

if(vecDotS.size() < KOL_S) continue;

//Вычисление среднего направления LEN_L коротких векторов//

//запись данных по длинному вектору////////////////////////

double sumAlpha = 0.0;

iter = vecDotS.begin();

vecDotL.clear(); //пересчитаемдлинныевектора

for(int i = 0; i < KOL_S; i++)

{

sumAlpha += iter->alpha;

if ((i+1) % LEN_L == 0)

{

_tmpDotFing = *iter;

_tmpDotFing.alpha = sumAlpha / LEN_L;

vecDotL.push_back(_tmpDotFing);

sumAlpha = 0.0;

}

iter++;

}

if (abs(vecDotL.begin()->alpha) > 3*2*M_PI)

{//слишком много оборотов//

CString s;

s.Format("alpha = %.2f", vecDotL.begin()->alpha*180);

if(MESSAGEOUT)MessageBox(0, "слишкоммногооборотов\n"+s, "", MB_OK);

return retFing;

}

//проверяем два соседних длинных вектора//

dAlpha = vecDotL.begin()->alpha - (++vecDotL.begin())->alpha;

if (abs(dAlpha) > (TEST_ALPHA / 180.0 * M_PI)) //сильныйизгиб//

{

if (historyDotL.empty())

{ //сохранение состояния//

bestDot.alpha = 0.0;

}

if (dAlpha > 0) //раздвоение

alpha = (vecDotL.begin()->alpha - M_PI + (++vecDotL.begin())->alpha) / 2.0;

else //окончание

alpha = (vecDotL.begin()->alpha + M_PI + (++vecDotL.begin())->alpha) / 2.0;

_tmpDotFing = vecDotL.front();

_tmpDotFing.alpha = alpha; //направлениевСТ (специфичнаяточка)//

_tmpDotFing.type = dAlpha<0; //типСТ//

historyDotL.push_front(_tmpDotFing);

if(bestDot.alpha <= abs(dAlpha))

{

bestDot.coord = _tmpDotFing.coord;

bestDot.alpha = abs(dAlpha);

}

else //сильныйизгиб//

{

if (!historyDotL.empty()) //был _пройден_ сильныйизгиб

{

alpha = 0;

for(iter = historyDotL.begin(); iter != historyDotL.end(); iter++)

alpha += iter->alpha;

alpha /= historyDotL.size(); //среднеезначениевпройденнойСТ

iter = historyDotL.begin();

for(unsigned int i = 0; i<(historyDotL.size()/2); i++) iter++;

//CPoint wdot = iter->coord; //наиболее вероятная точка для СТ

CPoint wdot = bestDot.coord; //наиболее вероятная точка для СТ

//Если раскомментировать эти строки, то исключатся точки имеющие продолжение

//CPoint dotForAccept = FindAcceptDot(wdot, alpha, iter->type);

//if (dotForAccept.x == -1)

{ //точка не имеет продолжения, запомним ее//

_tmpDotFing.alpha = ChangeAlphaInterval(alpha);

_tmpDotFing.coord = wdot;

_tmpDotFing.show = true;

_tmpDotFing.type = historyDotL.begin()->type;

retFing.push_back(_tmpDotFing);

}

historyDotL.clear();

stopKol += (kol*1.5 > stopKol)?1000:0;

}

if (dot.x == _dot->coord.x && dot.y == _dot->coord.y)

{//вероятно обход линии завершен

if (kol <= 2)

{//Линия подозрительно короткая

CString s;

s.Format("%d", kol);

if(MESSAGEOUT)MessageBox(0, "kol<=2 kol = " + s, "", MB_OK);

return retFing;

}else

{

homeOver = true; //пройтинеобходимодальшеначала

stopKol = kol + KOL_L*LEN_L*LEN_S;

}

if (homeOver) ret++;

}while(ret < (LEN_L*LEN_S*KOL_L) && ret < stopKol && kol <= stopKol);

_dot->pr1 = false;

_dot->pr2 = false;

return retFing;

}

list<TMapElDot> TAnalysePicture::LookPic()

//Попиксельное "пробегание" по картинке и

//запоминание черных точек, после нахождения черной точки

//заливка всей линии в цвет фона (удаление линии с картинки)

{

list<TMapElDot> map;

TMapElDot dot;

tmpPic->Copy(*pic);

for(int j = 0; j < pic->GetSize().y; j++)

for(int i = 0; i < pic->GetSize().x; i++)

{

if(!tmpPic->GetPixel(i,j)) //найденчерныйпиксель

{

dot.coord.x = i; dot.coord.y = j;

dot.pr1 = dot.pr2 = true;

map.push_back(dot);

tmpPic->FloodFill(i, j, 0xffffff); //удалениелинии

}

tmpPic->Copy(*pic);

return map;

}

int TAnalysePicture::ChangeLine(list<TMapElDot>::iterator _dot, list<TMapElDot> &_map)

//Обработка картинки, ее изменение

//Обработка линии на которую указывает imap

//Исправление псевдо-раздвоений и псевдо-окончаний на указанной линии

{

int changeN = 0; //количество модификаций на линии

int kol = 0; //количество пройденных точек

int vec = 0; //направление поиска очередной точки

int tekS = 0; //Текущее количество коротких векторов

CPoint A, //Начало вектора

B; //Конец вектора

TAbsFing vecDotS; //массив точек для коротких векторов

TAbsFing vecDotL; //массив точек для длинных векторов

TAbsFing historyDotL; //история точек для длинных векторов

TAbsDot _tmpDotFing;

TAbsFing::iterator iter;

TAbsDot resetDot, bestDot;

double alpha; //направлениевектора (врадианах)

int stopKol = 1500; //предел шагов

int ret = 0; //счетчик шагов после прохождения начальной точки

bool homeOver = false; //признак окончания обработки

_dot->pr1 = false;

A = _dot->coord; B = _dot->coord;

CPoint olddot, dot = _dot->coord; //Текущаяточканалинии

do{

//основной цикл обработки,

//варианты завершения цикла

//продолжается до тех пор пока вся линия не будет пройдена (нормальный вариант)

//зацикливание (не нормальный вариант, их несколько)

olddot = dot;

dot = pic->NextDotCW(dot, vec); //Поиск следующей точки _по часовой_ стрелке

if(dot.x == olddot.x && dot.y == olddot.y)

{//положение точки не изменилось => выход//

CString s;

s.Format("x = %d, y = %d, kol= %d", dot.x, dot.y, kol);

if(MESSAGEOUT)MessageBox(0, "положение точки не изменилось => выход\n" + s, "", MB_OK);

return changeN;

}

kol++; //подсчет пройденных точек

if(kol % LEN_S == 0)

{//появился новый короткий вектор

tekS++;

A = B;

B = dot;

//pic2->Line(A,B, 1, 0x999999);

_tmpDotFing.coord = A;

alpha = GetAlpha(A, B); //расчет локального направления между KOL_S пикселями (направление короткого вектора)//

double dAlpha = 0.0; //Разница углов

if(vecDotS.size() > 0) //в списке можно взять предыдущее значение

dAlpha = alpha - vecDotS.begin()->alpha;

/**/ if (abs(dAlpha) >= M_PI) //разница между новым углом и предыдущим не нормальная!

{//необходимо скорректировать текущую alpha

/**/ if (dAlpha < 0.0)

{

while (abs(dAlpha) > M_PI)

{

alpha += 2.0 * M_PI;

dAlpha += 2.0 * M_PI;

}

}else

{

while (dAlpha >= M_PI)

{

alpha -= 2.0 * M_PI;

dAlpha -= 2.0 * M_PI;

}

_tmpDotFing.alpha = alpha; //запоминание направления из точки А//

vecDotS.push_front(_tmpDotFing);

///////////////////////////////////////////////////////////////////////

///////проверяем два соседних длинных вектора при условии что//////////

///////пройдено достаточно точек, чтоб сравнивать длнинные вектора/////

if(vecDotS.size() < KOL_S) continue;

//Вычисление среднего направления LEN_L коротких векторов//

//запись данных по длинному вектору////////////////////////

double sumAlpha = 0.0;

iter = vecDotS.begin();

vecDotL.clear(); //пересчитаемдлинныевектора

for(int i = 0; i < KOL_S; i++)

{

sumAlpha += iter->alpha;

if ((i+1) % LEN_L == 0)

{

_tmpDotFing = *iter;

_tmpDotFing.alpha = sumAlpha / LEN_L;

vecDotL.push_back(_tmpDotFing);

sumAlpha = 0.0;

}

iter++;

}

if (abs(vecDotL.begin()->alpha) > 3*2*M_PI)

{//слишком много оборотов//

CString s;

s.Format("alpha = %.2f", vecDotL.begin()->alpha*180);

if(MESSAGEOUT)MessageBox(0, "слишкоммногооборотов\n"+s, "", MB_OK);

return changeN;

}

//проверяем два соседних длинных вектора//

dAlpha = vecDotL.begin()->alpha - (++vecDotL.begin())->alpha;

if (abs(dAlpha) > (TEST_ALPHA / 180.0 * M_PI)) //сильныйизгиб//

{

if (historyDotL.empty())

{ //сохранение состояния//

resetDot = vecDotL.back();

bestDot.alpha = 0.0;

}

if (dAlpha > 0) //раздвоение

alpha = (vecDotL.front().alpha - M_PI + (vecDotL.back().alpha)) / 2.0;

else //окончание

alpha = (vecDotL.front().alpha + M_PI + (vecDotL.back().alpha)) / 2.0;

_tmpDotFing = vecDotL.front();

_tmpDotFing.alpha = alpha; //направлениевСТ (специфичнаяточка)//

_tmpDotFing.type = dAlpha<0; //типСТ//

historyDotL.push_front(_tmpDotFing);

if(bestDot.alpha <= abs(dAlpha))

{

bestDot.coord = _tmpDotFing.coord;

bestDot.alpha = abs(dAlpha);

}

else //сильныйизгиб//

{

if (!historyDotL.empty()) //был _пройден_ сильныйизгиб

{

alpha = 0.0;

for(iter = historyDotL.begin(); iter != historyDotL.end(); iter++)

alpha += iter->alpha;

alpha /= historyDotL.size(); //среднеезначениевпройденнойСТ

iter = historyDotL.begin();

for(unsigned int i = 0; i<(historyDotL.size()/2); i++) iter++;

CPoint wdot = bestDot.coord; //наиболее вероятная точка для СТ

CPoint dotForAccept = FindAcceptDot(wdot, alpha, iter->type);

if (dotForAccept.x != -1)

{ //точка имеет продолжение//

COLORREF cl;

cl = (historyDotL.begin()->type)?0x000000:0xffffff;

//здесь можно поиграть с разной толщиной линии//

pic->Line(wdot, dotForAccept, 4, cl);

_dot->pr1 = true; //эту линию необходио еще раз проанализировать

changeN++;

stopKol += (stopKol-kol < 200)?200:0;

//stopKol += (kol*1.5 > stopKol)?500:0;

//загрузить начальное состояние

if(!historyDotL.begin()->type)

{ //если ликвидировано слипание то необходимо добавить новую точку на карту

_map.push_back(TMapElDot(dot));

}

//пройдена начальная точка, продлим анализ

//очень возможно, что начальную точку мы больше не попадем

if(ret-KOL_S*LEN_S < 0)

{

ret = 0;

homeOver = false;

stopKol = 500;

}

A = B = dot = resetDot.coord;

vecDotS.clear();

vecDotL.clear();

//------------------------------

}

historyDotL.clear();

}

if (dot.x == _dot->coord.x && dot.y == _dot->coord.y)

{//вероятно обход линии завершен

if (kol <= 2)

{//Линия подозрительно короткая

CString s;

s.Format("%d", kol);

if(MESSAGEOUT)MessageBox(0, "kol<=2 kol = " + s, "", MB_OK);

return changeN;

}else

{

homeOver = true; //пройтинеобходимодальшеначала

stopKol = kol + KOL_L*LEN_L*LEN_S;

}

if (homeOver) ret++;

}while(ret < (LEN_L*LEN_S*KOL_L) && ret < stopKol && kol <= stopKol);

_dot->pr2 = false;

return changeN;

}

inline double TAnalysePicture::GetAlpha(const CPoint A, const CPoint B)

//Направлени из точки А в В [-pi,pi)

{

if(A == B) return 0.0;

double alpha;

if (A.x - B.x == 0)

{

if (A.y > B.y) alpha = M_PI_2;

else alpha = -M_PI_2;

}else

{

double a = ((double)A.y-B.y)/((double)B.x-A.x);

alpha = atan(a);

if (A.x > B.x)

{

if (alpha < 0) alpha += M_PI;

else alpha -= M_PI;

if (A.y == B.y) alpha = -M_PI;

}

return alpha;

}

bool TAnalysePicture::TestFindDot(int _x, int _y)

//тест точки: Разность направлений вперед и назад должно быть меньше 110 градусов

{

const int len = 7;

CPoint A(_x, _y), B, C;

//первый вектор

B = A;

intvec = 0;

for(int i = 1; i<=len; i++)

B = tmpPic->NextDotCW(B, vec);

//------расчетугла-------//

double alpha1 = GetAlpha(A, B);

//второй вектор

C = B;

B = A;

vec = 0;

for(int i = 1; i<=len; i++)

{

B = tmpPic->NextDotCCW(B, vec);

if(abs(B.x-C.x) < 3 && abs(B.y-C.y) < 3) return true;

}

//------расчетугла-------//

double alpha2 = GetAlpha(A, B);

//-----alpha1, alpha2------//

alpha1 = abs(alpha2 - alpha1);

if (alpha1 > M_PI) alpha1 = 2.0*M_PI - alpha1;

return alpha1 < (110.0/180.0 * M_PI);

}

CPoint TAnalysePicture::FindAcceptDot(CPoint dot, double alpha, bool type)

//Поиск продолжения из окончания/раздвоения

{

const int maxL = 11;

const int minL = 3;

COLORREF color;

color = (type)?0x000000:0xffffff;

//окончание - ищем черную точку

//раздвоение - ищем белую точку

int i = 0;

while (i<=6) //разброс поиска в указанном направлении alpha

{

int l = minL;

int k = (i+1) / 2;

if (i % 2 == 1) k = -k;

while (l<=maxL)

{

double arg = alpha + k * M_PI * 5.0/180.0;

int x = dot.x + (int)(l*cos(arg)+0.5);

int y = dot.y - (int)(l*sin(arg)+0.5);

if (tmpPic->GetPixel(x, y) == color) //важное условие цвета точки!!!

{

if(TestFindDot(x,y)) //проверка найденной точки (на "вшивость" :) )

return CPoint(x, y); //найденная точка

else

break;

}

l++; //увеличение дальности поиска

}

i++;

}

return CPoint(-1, -1); //точка не найдена

}

bool TAnalysePicture::Show(int x, int y, int xt, int yt)

{

if(xt!=-1) pic2->Show(xt, yt);

return pic->Show(x, y);

}

TFingPicture *TAnalysePicture::GetPic1()

{

return pic;

}

TFingPicture *TAnalysePicture::GetPic2()

{

return pic2;

}

double TAnalysePicture::ChangeAlphaInterval(double _alpha)

//Приведение итрервала к [-pi,pi)

{

double ret = abs(_alpha);

while(ret >= 2.0*M_PI) ret -= 2.0*M_PI;

if(ret > M_PI) ret = 2.0*M_PI - ret;

else ret = -ret;

if(_alpha > 0) ret = -ret;

return ret;

}

/*Фильтрование полученных точек

отсеиваются близкостоящие направленные в противоположные строки

а так же точки слева и справа от которых нет линий*/

int TAnalysePicture::DotsFilter(TAbsFing &_dots)

{

int leftDots = 0;

TAbsFing::iterator iter1;

TAbsFing::iterator iter2;

for(iter1 = _dots.begin(); iter1 != _dots.end(); iter1++)

{

if(!iter1->show) continue;

//отсев точек сложным условием (условие окружения)

iter1->show = LeftDot(iter1);

}

for(iter1 = _dots.begin(); iter1 != _dots.end(); iter1++)

{

if(!iter1->show) continue;

//отсевблизкостоящихточек

for(iter2 = iter1, ++iter2; iter2 != _dots.end(); iter2++)

{

if(!iter2->show) continue;

double difL = GetS(iter1->coord,iter2->coord);

if( //условия отсева

(

//на близком растоянии (15) находятся два окончания/раздвоения направленных друг на друга

(difL < 15)&&

((abs(iter2->alpha - iter1->alpha) > (165.0/180.0*M_PI))&&(abs(iter2->alpha - iter1->alpha)<(195.0/180.0*M_PI)))

)

(

//или просто очень близкие точки (<5..10)

(difL < 10)&&(iter1->type == iter2->type)

)

{

iter1->show = false;

iter2->show = false;

}

return leftDots;

}

inline double TAnalysePicture::GetS(CPoint A, CPoint B)

//растояниемеждуточками

{

return sqrt( (double)((A.x-B.x)*(A.x-B.x)+(A.y-B.y)*(A.y-B.y)) );

}

bool TAnalysePicture::LeftDot(TAbsFing::iterator &iter)

{

COLORREF color = 0x000000; //ищем черную точку для окончаний

if(!iter->type) color = 0xffffff;; //ищем белую точку для раздвоений

int l, k = 35;

const int minL = 4, maxL = 12;

bool find = false;

while(k <= 55)

{

l = minL;

while(l <= maxL)

{

int x = iter->coord.x + (int)(l*cos(iter->alpha + k/180.0*M_PI)+0.5);

int y = iter->coord.y - (int)(l*sin(iter->alpha + k/180.0*M_PI)+0.5);

if(pic->GetPixel(x,y) == color) // важноеусловие!!!

{ find = true; break;} //нашлиточкуслева

l++;

}

if(find) break;

k += 10; //Поисксшагом 10гр

}

if(!find) return false;

k = 35;

while(k <= 55)

{

l= minL;

while(l <= maxL)

{

int x = iter->coord.x + (int)(l*cos(iter->alpha - k/180.0*M_PI)+0.5);

int y = iter->coord.y - (int)(l*sin(iter->alpha - k/180.0*M_PI)+0.5);

if(pic->GetPixel(x,y) == color) // важноеусловие!!!

return true; //нашлиточкусправа

l++;

}

k += 10;

}

return false;

}

П
.1.10. ТЕКСТ
МОДУЛЯ
TFingPicture.h

#pragma once

#include "Fing.h"

///////////////////////////////////////////////////////////////////////////////

//Класс изображения.

//Хранение изображения, выполнение простейших операции над ним

///////////////////////////////////////////////////////////////////////////////

class TFingPicture

{

private:

CDC pic; //указатель на изображение

BITMAP bmp; //изображение

bool IsLoad; //изображение загружено

CDC *Screen; //указатель на окно программы

public:

TFingPicture(CDC *_Screen); //_Screen - указательнаокно

~TFingPicture(void);

bool Load(const CString src); //загрузитьизображениеизфайла src

bool Show(int X, int Y); //отобразить изображение на окне в координатах (X,Y)

bool SetPixel(CPoint dot, COLORREF color); //установка цвета пикселя dot

bool SetPixel(int x, int y, COLORREF color); //установкацветапикселя (x,y)

COLORREF GetPixel(CPoint dot); //взятиецветапикселя dot

COLORREF GetPixel(int x, int y); //взятиецветапикселя (x,y)

bool FloodFill(CPoint dot, COLORREF color=0xffffff); //заливкаобласти (поумолчаниючернымцветом)

bool FloodFill(int x, int y, COLORREF color=0xffffff); //заливкаобласти (поумолчаниючернымцветом)

bool Line(CPoint from, CPoint to, int width, COLORREF color);//рисованиелинии

bool Rectangle(CPoint from, CPoint to, int width=2, COLORREF color=0xffffff); //рисованиепрямоугольника

bool Copy(TFingPicture &from); //копированиеизображения

CPoint NextDotCW(const CPoint dot, int &vec); //Поискследующейточки "_почасовой_ стрелке"

CPoint NextDotCCW(const CPoint dot, int &vec); //Поискследующейточки "_противчасовой_ стрелке"

CPoint GetSize(); //получение размера изображения

};

П
.1.11. ТЕКСТ
МОДУЛЯ
TFingPicture.cpp

#include "StdAfx.h"

#include "TFingPicture.h"

///////////////////////////////////////////////////////////////////////////////

//Класс изображения.

//Хранение изображения, выполнение простейших операции над ним

///////////////////////////////////////////////////////////////////////////////

//координаты окружающих точек

const CPoint incXY[8]=

{

CPoint(-1, -1),

CPoint(0, -1),

CPoint(1, -1),

CPoint(1, 0),

CPoint(1, 1),

CPoint(0, 1),

CPoint(-1, 1),

CPoint(-1, 0)};

TFingPicture::TFingPicture(CDC *_Screen)

{

Screen = _Screen;

pic.CreateCompatibleDC(Screen);

IsLoad = false;

}

TFingPicture::~TFingPicture(void){}

//отобразить изображение на окне в координатах (X,Y)

bool TFingPicture::Show(int X, int Y)

{

if (!IsLoad) return false;

int kx = bmp.bmWidth;

int ky = bmp.bmHeight;

return Screen->StretchBlt(X, Y, bmp.bmWidth, bmp.bmHeight, &pic, 0, 0, kx, ky, SRCCOPY)>0;

}

//загрузитьизображениеизфайла src

bool TFingPicture::Load(const CString src)

{

IsLoad = false;

CBitmap bm;

bm.Detach();

IsLoad = bm.Attach(LoadImage(0, src, IMAGE_BITMAP, 0, 0, LR_LOADFROMFILE))>0;

bm.GetObject(sizeof(BITMAP), &bmp);

pic.SelectObject(&bm);

return IsLoad;

}

// color = BGR;

bool TFingPicture::SetPixel(CPoint dot, COLORREF color)

{

if (!IsLoad) return false;

pic.SetPixel(dot.x, dot.y, color);

return true;

}

bool TFingPicture::SetPixel(int x, int y, COLORREF color)

{

if (!IsLoad) return false;

pic.SetPixel(x, y, color);

return true;

}

// color = BGR;

COLORREF TFingPicture::GetPixel(CPoint dot)

{

if (!IsLoad) return false;

return pic.GetPixel(dot.x, dot.y);

}

COLORREF TFingPicture::GetPixel(int x, int y)

{

if (!IsLoad) return false;

return pic.GetPixel(x, y);

}

bool TFingPicture::FloodFill(CPoint dot, COLORREF color)

{

if(!IsLoad) return false;

COLORREF col = GetPixel(dot);

CBrush br(color);

pic.SelectObject(&br);

pic.ExtFloodFill(dot.x, dot.y, col, FLOODFILLSURFACE);

return true;

}

bool TFingPicture::FloodFill(int x, int y, COLORREF color)

{

if(!IsLoad) return false;

COLORREF col = GetPixel(x, y);

CBrush br(color);

pic.SelectObject(&br);

pic.ExtFloodFill(x, y, col, FLOODFILLSURFACE);

return true;

}

bool TFingPicture::Line(CPoint from, CPoint to, int width, COLORREF color)

{

if(!IsLoad) return false;

CPen pen(PS_SOLID, width, color);

pic.SelectObject(&pen);

pic.MoveTo(from.x, from.y);

pic.LineTo(to.x, to.y);

return true;

}

bool TFingPicture::Rectangle(CPoint from, CPoint to, int width, COLORREF color)

{

if(!IsLoad) return false;

Line(from, CPoint(from.x, to.y), width, color);

Line(CPoint(from.x, to.y), to, width, color);

Line(to, CPoint(to.x, from.y), width, color);

Line(CPoint(to.x, from.y), from, width, color);

return true;

}

bool TFingPicture::Copy(TFingPicture &from)

{

bmp = from.bmp;

IsLoad = from.IsLoad;

Screen = from.Screen;

return pic.BitBlt(0, 0, bmp.bmWidth, bmp.bmHeight, &from.pic, 0, 0, SRCCOPY)>0;

}

CPoint TFingPicture::NextDotCW(const CPoint dot, int &vec)

//Поиск следующей точки "_по часовой_ стрелке"

//vec вероятное направление поиска

{

inti = vec,

step = 0;

CPoint newdot = dot;

COLORREF clMas[9];

clMas[8] = clMas[0] = GetPixel(dot.x-1, dot.y-1);

clMas[1] = GetPixel(dot.x, dot.y-1);

clMas[2] = GetPixel(dot.x+1, dot.y-1);

clMas[3] = GetPixel(dot.x+1, dot.y);

clMas[4] = GetPixel(dot.x+1, dot.y+1);

clMas[5] = GetPixel(dot.x, dot.y+1);

clMas[6] = GetPixel(dot.x-1, dot.y+1);

clMas[7] = GetPixel(dot.x-1, dot.y);

do{

if(clMas[i+1] < clMas[i])

{

vec = (i + 1) % 8;

newdot.x = dot.x + incXY[vec].x;

newdot.y = dot.y + incXY[vec].y;

if(vec % 2 == 0) SetPixel(dot.x + incXY[vec+1].x, dot.y + incXY[vec+1].y, 0x000000);

vec = (vec + 5) % 8;

return newdot; //найденановаяточка

}

i = (i + 1) % 8;

step++;

}while(step <= 8);

return dot; //поиск ни к чему не привел

}

CPoint TFingPicture::NextDotCCW(const CPoint dot, int &vec)

//Поиск следующей точки "_против часовой_ стрелке"

//vec вероятное направление поиска

{

inti = vec,

step = 0;

CPoint newdot = dot;

COLORREF clMas[9];

clMas[8] = clMas[0] = GetPixel(dot.x-1, dot.y-1);

clMas[1] = GetPixel(dot.x-1, dot.y);

clMas[2] = GetPixel(dot.x-1, dot.y+1);

clMas[3] = GetPixel(dot.x, dot.y+1);

clMas[4] = GetPixel(dot.x+1, dot.y+1);

clMas[5] = GetPixel(dot.x+1, dot.y);

clMas[6] = GetPixel(dot.x+1, dot.y-1);

clMas[7] = GetPixel(dot.x, dot.y-1);

do{

if(clMas[i+1] < clMas[i])

{

vec = (i + 1) % 8;

newdot.x = dot.x + incXY[(8-vec)%8].x;

newdot.y = dot.y + incXY[(8-vec)%8].y;

if(vec % 2 == 0) SetPixel(dot.x + incXY[8-vec-1].x, dot.y + incXY[8-vec-1].y, 0x000000);

vec = (vec + 5) % 8;

return newdot; //найденановаяточка

}

i = (i + 1) % 8;

step++;

}while(step <= 8);

return dot; //поиск ни к чему не привел

}

CPoint TFingPicture::GetSize()

//получение размера изображения

{ if(!IsLoad) return false;

return CPoint(bmp.bmWidth, bmp.bmHeight);}

ПРИЛОЖЕНИЕ

2
РУКОВОДСТВО ПРОГРАММИСТА

П.2.1. НАЗНАЧЕНИЕ ПРОГРАММЫ

Программа распознавания личности по отпечаткам пальцев имеет идентификатор FingerAnalyser и предназначена для автоматической идентификации личности по папиллярному узору. Программа FingerAnalyser выполняет следующие функции:

1) модификация изображения, исправление искажений;

2) выделение локальных особенностей – минюций. Формирование списка минюций в абсолютных параметрах;

3) сортировка списка абсолютных параметров, исключение ложных и ненадежных минюций;

4) конвертирование абсолютных параметров в отностительные, формирование списка относительных параметров;

5) установка системы допусков для учета корреляцции изображений

6) сравнение одного отпечатка с множеством других.

Данная работа реализует такое преобразование изображения, при котором данные о расположение уникальных особенностей сохраняются наиболее полно и с наименьшим содержанием ложной информации.

Создаваемая система облегчит разработку алгоритмов обработки изображений, упростит анализ экспериментальных данных и выявление общих закономерностей.

П.2.2. УСЛОВИЯ ПРИМЕНЕНИЯ ПРОГРАММЫ

Программа FingerAnalyser предъявляет следующие требования к техническим средствам:

- стандартный x86-совместимый ПК;

- тактовая частота процессора 900 МГц или более;

- объем оперативной памяти не менее 64 Мб;

- разрешение экрана монитора не менее 1024x768.

Программа FingerAnalyser предъявляет следующие требования к программным средствам:

- операционная система семейства Windows (Windows 9x/ME/NT/2000/XP);

- среда для разработки приложений MicrosoftVisualStudioC++ 2003.

Интерфейс программы представлен на рис. П.2.1.

Интерфейс программы FingerAnalyser

Рис. П.2.1

На форме программы в визуальном виде представляется, после открытия через пункт «Открыть», исходное изображение, после нажатия на кнопку «Анализ», скорректированное изображение и визуальное представление структурного вида отпечатка. После чего можно нажатием на кнопку «Сравнить» отыскать в базе схожие отпечатки.

При каждом анализе отпечатка создается файл с его структурным описанием. Для того чтобы поместить отпечаток в базу данных отпечатков, для последующего стравнения с ним, необходимо нажать на кнопку «Запомнить в базу». Для запоминания в базу можно выбирать группу файлов для применения операции записи в базу данных для всех выбранных файлов.

П.2.3. ХАРАКТЕРИСТИКА ПРОГРАММЫ

Программа FingerAnalyser требует для своего функционирования наличия в проекте файлов, содержащих растровые представления папиллярного узора.

В состав программы входят следующие файлы, необходимые для ее функционирования:

1) FingerAnalyser.exe – исполняемый файл, содержащий основной интерфейс программы;

2) MFC – библиотеки для поддержки оконного среды;

3) blank.bmp – пустое изображение;

4) report.txt – файл отчет в который записываются все результаты сравнения

5) sav/*.sav – файлы со структурным представлением отпечатков

6) sav/fingbase.bse – база данных отпечатков

7) dll библиотеки MFC

Программа является интерактивной, требующей взаимодействия с пользователем, поэтому время выполнения отдельных этапов обработки не превышает 0.5 с. при использовании требуемых технических средств.

П.2.4. ОБРАЩЕНИЕ К ПРОГРАММЕ

Для запуска программы необходимо убедиться в том, что необходимые библиотеки MFC находятся в том же каталоге, что и исполняемый файл или в каталоге Windows/System32.

Для корректной работы программы она должна находиться в каталоге, к которому есть права на чтение и запись.

Для запуска подсистемы необходимо в оболочке системы на главном окне нажать на кнопку «Анализ» - для сравнения нужного отпечатка с набором имеющимся в базе данных, или «Запомнить в базу» - для внесения указанных отпечатков в базу данных.

П.2.5. ВХОДНЫЕ И ВЫХОДНЫЕ ДАННЫЕ

Входными и выходными данными для программы является файл базы данных отпечатков sav/fingbase.bse. Структура файла:

src [kol] [dpi] [date] [description]

В каждой строке файла базы данных отпечатков содержится описание одного отпечатка. В табл. П.2.1 приведен формат записи в файле базы данных.

Таблица П.2.1

Формат записи файла базы данных

Поле	Формат	Описание
src	Строка	путь к образу из которого была получена информация
kol	Целое	количество точек
dpi	Целое	качество исходного отпечатка (dot per inch)
date	Дата	дата отпечатка
description	строка	описание

Выходными данными для программы является файл sav/*.sav со структурным представлением, содержащий статистические характеристики минюций на отпечатке. Этот файл имеет следующий формат:

xyalphatype [show]

x y alpha type [show]

В каждой строке файла структурного представления содержится описание одной минюции. В табл. П.2.2 приведен формат строки со структурным описанием минюции в абсолютных параметрах.

Таблица П.2.2

Формат строки файла со структурным описанием

Поле	Формат	Описание
x	Целое	Абцисса минюции на растре
y	Целое	Ордината минюции на растре
alpha	Целое	Ориентация минюции на растре
type	Байт	Тип минюции. Раздвоение или окончание

Кроме того, выходной информацией для данной подсистемы является файл отчет report.txt, содержащий отпечатки из базы данных, в которых были обнаружены сходства с обрабатываемым отпечатком.

В каждой строке отчета содержится описание отпечатка, его имя, количество совпавших точек при распознавании и степень сходства.
В табл. П.2.3 приведен формат данных. На рис. П.2.2 приведен пример файла отчета.

report.txt имеет следующий формат:

------ Name_i
------

Count_i1
Pct_i1
Source_i1

Count_i2
Pct_i2
Source_i2

Count_ik
Pct_ik
Source_ik

Всего в базе: NN

Таблица П.2.3

Формат данных файла-отчета

Поле	Формат	Описание
Name	Строка	Имя отпечатка
Count	Целое	Абсцисса минюции на растре
Pct	Целое	Степень сходства отпечатков в процентах, принимает значения (0, 100]
Source	Строка	Путь к файлу, из которого были взяты параметры
NN	Целое	Количество отпечатков имеющихся в базе данных

Файл-отчет

------ hedgeR1_2.bmp ------

7 70 с:\моидокументы\fing\fingc\fingeranalyser\pic\base\hedger1_1.bmp

Всего в базе: 58

------ starkyR2_2.bmp ------

5 50 с:\моидокументы\fing\fingc\fingeranalyser\pic\base\starkyr2_1.bmp

Всего в базе: 58

------ karR2_2.bmp ------

3 30 с:\моидокументы\fing\fingc\fingeranalyser\pic\base\karr2_1.bmp

Всего в базе: 58

------ vasL1_2.bmp ------

21 100 с:\моидокументы\fing\fingc\fingeranalyser\pic\vasl1_1.bmp

56 100 с:\моидокументы\fing\fingc\fingeranalyser\pic\vasl1_2.bmp

12 100 с:\моидокументы\fing\fingc\fingeranalyser\pic\vasl1_3.bmp

Всего в базе: 58

------ tatL1_2.bmp ------

Ни одного отпечатка не найдено!

Рис. П.2.2

П.2.6. СООБЩЕНИЯ

Сообщения, выдаваемые программисту, приведены в табл. П.2.4.

Таблица П.2.4

Сообщения программисту

Сообщение	Действие программиста
Отпечаток не обработан	Прежде чем запускать сравнение необьходимо провести анализ
База данных пуста	В базе данных нет информации ни об одном отпечатке. Необходимо заполнить базу данных отпечатков
Отпечаток не пригоден для сохранения в базу	На отпечатке либо слишком мало обнаружено минюций, менее 10, либо слишком много, более 80
Ни одного отпечатка не найдено	В результате поиска не совпало ни одного отпечтака
Невозможно создать базу данных с отпечатками	Возможно нет прав на запись или нет свободного места на носителе
Невозможно создать файл	Возможно нет прав на запись или нет свободного места на носителе
Невозможно открыть файл	Возможно нет прав на чтение или не сеществует запрашиваемого файла на носителе
Обнаружены сходства	В базе данных были обнаружены отпечатки, имеющие схожее представление.

Визуализация результатов проведения анализа приведена на рис. П.2.2.

ПРИЛОЖЕНИЕ 3

РУКОВОДСТВО ОПЕРАТОРА

П.3.1. НАЗНАЧЕНИЕ ПРОГРАММЫ

1) модификация изображения, исправление искажений;

2) выделение локальных особенностей – минюций. Формирование списка минюций в абсолютных параметрах;

3) сортировка списка абсолютных параметров, исключение ложных и ненадежных минюций;

4) конвертирование абсолютных параметров в отностительные, формирование списка относительных параметров;

5) установка системы допусков для учета корреляцции изображений;

6) сравнение одного отпечатка с множеством других.

П.3.2. УСЛОВИЯ ВЫПОЛНЕНИЯ ПРОГРАММЫ

Программа FingerAnalyser предъявляет следующие требования к техническим средствам:

- стандартный x86-совместимый ПК;

- тактовая частота процессора 900 МГц или более;

- объем оперативной памяти не менее 64 Мб;

- разрешение экрана монитора не менее 1024x768.

Программа FingerAnalyser предъявляет следующие требования к программным средствам:

- операционная система семейства Windows (Windows 9x/ME/NT/2000/XP);

- dll библиотеки MFC

П.3.3. ВЫПОЛНЕНИЕ ПРОГРАММЫ

Интерфейс программы представлен на рис. П.3.1.

Интерфейс программы FingerAnalyser

Рис. П.3.1

На форме программы в визуальном виде представляется, после открытия через пункт «Открыть», исходное изображение, после нажатия на кнопку «Анализ», скорректированное изображение и визуальное представление структурного вида отпечатка. Для вызова работы подсистемы необходимо в оболочке системы на главном окне нажать на кнопку «Сравнить».

П.3.4. СООБЩЕНИЯ ОПЕРАТОРУ

Сообщения, выдаваемые оператору, приведены в табл. П.3.1.

Таблица П.3.1

Сообщения оператору

Сообщение	Действие оператора
Отпечаток не обработан	Прежде чем запускать сравнение необьходимо провести анализ
База данных пуста	В базе данных нет информации ни об одном отпечатке. Необходимо заполнить базу данных отпечатков
Отпечаток не пригоден для сохранения в базу	На отпечатке либо слишком мало обнаружено минюций, менее 10, либо слишком много, более 80
Ни одного отпечатка не найдено	В результате поиска не совпало ни одного отпечтака
Невозможно создать базу данных с отпечатками	Возможно нет прав на запись или нет свободного места на носителе
Невозможно создать файл	Возможно нет прав на запись или нет свободного места на носителе
Невозможно открыть файл	Возможно нет прав на чтение или не сеществует запрашиваемого файла на носителе
Обнаружены сходства	В базе данных были обнаружены отпечатки, имеющие схожее представление.

Визуализация результатов проведения сравнения приведена на рис. П.3.1.

ПРИЛОЖЕНИЕ 4

РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ

В табл. П.4.1 приведены результаты сравнения всех отпечатков полученных при испытаниях. Для проверки правильности работы имена файлам давались таким образом, что бы можно было определить принадлежность отпечатка.

Формат результата сравнения: A/B,

где A – количество совпавших минюций;

B – процент совпадения.

Формат имени файла: <Name><R|L><C>_<E>.bmp

где Name – имя человека, которому принадлежит отпечаток;

R – отпечаток с правой руки, L – отпечаток с левой руки;

С – порядковый номер пальца, начиная с большого;

E – экземпляр отпечатка.

Таблица П.4.1

Результаты сравнения

vovR2_1.bmp	1L1_1.BMP	1L2_1.BMP	1L3_1.BMP	1R1_1.BMP	1R2_1.BMP	1R3_1.BMP	1R4_1.bmp	2l1_1.bmp	2l2_1.bmp	2r1_0.bmp	2r2_0.bmp
1L1_2.bmp	24/100
1L2_2.BMP	9/90
1R1_2.BMP	23/100
1R2_1rotate2.bmp	23/100
1R2_2.BMP	16/100
1R3_2.BMP	1/10	3/30
1R4_2.bmp	15/100
2l1_2.bmp	14/100
2l2_2.bmp	8/80
2r1_1.bmp
2r2_1.bmp	1/10
2r3_1.bmp
3l1_2rotate.bmp
3l2_2.bmp
alexR1_3.bmp
alexR2_3.bmp
1L1_2.bmp
1L2_2.BMP
1R1_2.BMP
1R2_1rotate2.bmp
1R2_2.BMP
1R3_2.BMP
1R4_2.bmp
2l1_2.bmp
2l2_2.bmp
2r1_1.bmp	2/20
2r2_1.bmp
2r3_1.bmp	48/100
3l1_2rotate.bmp	24/100	1/10
3l2_2.bmp	21/100
alexR1_3.bmp	4/40
alexR2_3.bmp	4/40
apmAR1_2.bmp	4/40
apmAR2_2.bmp	9/90
apmAR3_2.bmp
apmBR1_2.bmp	12/100
apmBR2_2.bmp	20/100
apmBR3_2.bmp
hedgeR1_2.bmp
hedgeR2_3.bmp
karR1_2.bmp
karR2_2.bmp
starkyR1_2.bmp
starkyR2_2.bmp
starR1_2.bmp
vasL1_2.bmp
vasL2_2.bmp
vasR1_2.bmp
vovR1_2.bmp
1L1_2.bmp
1L2_2.BMP
1R1_2.BMP
1R2_1rotate2.bmp
1R2_2.BMP
1R3_2.BMP
1R4_2.bmp
2l1_2.bmp
2l2_2.bmp	1/10
2r1_1.bmp
2r2_1.bmp
2r3_1.bmp
3l1_2rotate.bmp
3l2_2.bmp
alexR1_3.bmp
alexR2_3.bmp
apmAR1_2.bmp
apmAR2_2.bmp
apmAR3_2.bmp
apmBR1_2.bmp
apmBR2_2.bmp
apmBR3_2.bmp	14/100
hedgeR1_2.bmp	7/70
hedgeR2_3.bmp	6/60
karR1_2.bmp	15/100
karR2_2.bmp	2/20
starkyR1_2.bmp	12/100
starkyR2_2.bmp	6/60
starR1_2.bmp	22/100
vasL1_2.bmp	20/100
vasL2_2.bmp	10/100
vasR1_2.bmp	15/100
vovR1_2.bmp	49/100

ПРИЛОЖЕНИЕ 5 АЛЬТЕРНАТИВНОЕ ИСПОЛЬЗОВАНИЕ ПРОГРАММЫ

Для тестирования программы было использовано 2 метода распознавания. Метод 1 не зависит от ориентации буквы на плоскости, метод 2 имеет привязанность к вертикальному положению буквы. При распознавании символьной информации было не распознано около 18% по методу 2 и 22% по методу 1. Результат сравнения приведен в табл. П.5.1.

Формат результата сравнения: A/B,

где A – количество совпавших минюций;

B – процент совпадения.

Таблица П.5.1

Результат распознавания символов

Открытый образ	Результат сравнения (метод 2)				Открытый образ		Результат сравнения (метод 1)
Первое обнаруженное значение		Второе обнаруженное значение		Первое обнаруженное значение		Второе обнаруженное значение
_a1.bmp	А (4/80)		Н (5/62)		_a1.bmp		Н (2 25)		Ы (1 20)
_a2.bmp	А (5/100)		Н (3/37)		_a2.bmp		А (2 40)		Ц (1 11)
_б1.bmp	Б (5/100)		Г (3/60)		_б1.bmp		Б (5 100)		Ш (4 44)
_б2.bmp	Б (5/83)		Е (5/55)		_б2.bmp		Б (5 83)		Ш (4 44)
_в1.bmp	В (3/100)		_в1.bmp		В (3 100)		Е (1 11)
_в2.bmp	В (3/100)		_в2.bmp		В (3 100)		Б (1 20)
_г1.bmp	Г (3/75)		Б (3/60)		_г1.bmp		Г (3 75)		Б (3 60)
_г2.bmp	Г (4/66)		Е (5/55)		_г2.bmp		Г (4 66)		Щ (3 20)
_д1.bmp	Д (8/80)		Щ (7/46)		_д1.bmp		Д (8 80)		Г (3 30)
_д2.bmp	Д (8/80)		Щ (5/33)		_д2.bmp		Д (9 90)		Щ (3 20)
_е1.bmp	Е (7/70)		Ы (8/61)		_е1.bmp		Е (7 70)		Э (5 50)
_ж1.bmp	Ж (10/83)		Х (7/58)		_ж1.bmp		Ж (10 83)		Х (7 58)
_ж2.bmp	Ж (10/83)		Ж (6/50)		_ж2.bmp		Ж (10 83)		Х (7 58)
_з1.bmp	З (5/55)		Д (4/40)		_з1.bmp		З (5 55)		Э (4 44)
_з2.bmp	Э (4/57)		Щ (3/20)		_з2.bmp		Е (5 55)		Ю (1 14)
_и1.bmp	И (5/83)		Х (4/57)		_и1.bmp		И (4 66)		К (4 57)
_и2.bmp	И (4/66)		Ы (3/50)		_и2.bmp		И (4 66)		М (5 62)
_к1.bmp	К (7/100)		Ж (6/54)		_к1.bmp		К (7 100)		Ж (6 54)
_к2.bmp	К (7/100)		М (4/50)		_к2.bmp		К (7 100)		Ж (7 63)
_л1.bmp	П (5/83)		Л (4/57)		_л1.bmp		П (4 66)		Л (4 57)
_л2.bmp	П (5/83)		Л (4/57)		_л2.bmp		П (5 83)		Л (4 57)
_м1.bmp	М (6/75)		Ж (7/63)		_м1.bmp		М (7 87)		Ж (3 27)
_м2.bmp	М (8/100)		И (6/75)		_м2.bmp		М (8 100)		Ъ (2 25)
_н1.bmp	Н (8/100)		Ю (6/66)		_н1.bmp		Н (8 100)		Ч (6 75)
_н2.bmp	Н (8/100)		Ч (6/75)		_н2.bmp		Н (8 100)		Ч (6 75)
_о1.bmp		_о1.bmp
_о2.bmp		_о2.bmp
_п1.bmp		П (6/100)		Л (5/71)		_п1.bmp		П (6 100)		Ш (6 66)
_п2.bmp		П (6/100)		Г (3/50)		_п2.bmp		П (6 100)		Ш (6 66)
_р1.bmp		Д (3/30)		Г (1/25)		_р1.bmp		Р (1 25)		П (1 16)
_р2.bmp		Х (3/42)		Н (3/37)		_р2.bmp		Р (3 75)		Х (3 42)
_с1.bmp		С (2/40)		Ц (2/22)		_с1.bmp		С (3 60)		Ц (2 22)
_с2.bmp		К (1/14)		Ж (1/9)		_с2.bmp		Щ (1 6)
_т1.bmp		Т (5/100)		Г (3/60)		_т1.bmp		Т (5 100)		Г (2 40)
_т2.bmp		Т (5/100)		Г (3/60)		_т2.bmp		Т (4 80)		Г (3 60)
_у1.bmp		У (5/83)		Ч (5/71)		_у1.bmp		Ю (4 44)		Ш (4 44)
_у2.bmp		У (4/80)		Щ (4/26)		_у2.bmp		У (1 20)		К (1 14)
_ф1.bmp		Ф (3/100)		П (3/50)		_ф1.bmp		П (3 37)		Ц (3 33)
_ф2.bmp		Ф (3/100)		П (3/50)		_ф2.bmp		Ф (3 100)		Ц (3 33)
_х1.bmp		Х (7/87)		Ж (7/63)		_х1.bmp		Х (7 87)		Ч (4 50)
_х2.bmp		Х (7/87)		К (6/75)		_х2.bmp		Х (6 75)		К (5 62)
_ц1.bmp		Ц (8/88)		Ш (5/55)		_ц1.bmp		Ц (8 88)		П (4 50)
_ц2.bmp		Ц (9/100)		Ш (6/66)		_ц2.bmp		Ц (7 77)		Ш (6 66)
_ч1.bmp		Ч (7/100)		Ц (7/77)		_ч1.bmp		Ч (7 100)		Н (5 62)
_ч2.bmp		Ч (7/100)		Ц (7/77)		_ч2.bmp		Ч (7 100)		П (5 71)
_ш1.bmp		Ш (6/66)		Ц (5/55)		_ш1.bmp		Ш (6 66)		П (5 62)
_ш2.bmp		Ш (6/66)		Ц (5/55)		_ш2.bmp		П (5 62)		Ы (3 37)
_щ1.bmp		Ц (9/81)		Ю (8/72)		_щ1.bmp		Ц (6 54)		Щ (7 46)
_ъ1.bmp		Ъ (5/83)		Д (3/30)		_ъ1.bmp		Ъ (4 66)		Г (3 60)
_ъ2.bmp		Ъ (5/83)		З (2/33)		_ъ2.bmp		Ъ (5 83)		Ы (4 30)
_ы1.bmp		Ы (4/66)		Ч (4/57)		_ы1.bmp		Ь (3 50)		Ы (2 33)
_ы2.bmp		Ы (4/66)		Ь (3/50)		_ы2.bmp		Ы (5 83)		Ь (3 50)
_ь1.bmp		Ь (3/75)		Ы (3/60)		_ь2.bmp		Ь (3 60)		Н (2 25)
_ь2.bmp		Ю (2/22)		Щ (2/13)		_ь1.bmp		Ь (3 75)		Я (3 42)
_э1.bmp		Э (3/50)		Л (1/14)		_э1.bmp		Э (3 50)		Ш (1 11)
_э2.bmp		Э (5/100)		Щ (1/6)		_э2.bmp		Е (5 55)		Э (1 20)
_ю1.bmp		Ю (8/88)		Н (7/77)		_ю1.bmp		Ю (7 77)		Ч (6 66)
_ю2.bmp		Н (7/77)		Ю (6/66)		_ю2.bmp		Н (6 66)		Ю (5 55)
_я1.bmp		Я (5/71)		Ж (4/36)		_я1.bmp		Я (5 71)		Ж (1 9)
_я2.bmp		Я (4/57)		Ю (4/44)		_я2.bmp		Я (3 42)		Ь (2 33)
Тестирование на чувствительность к ориентации образа на плоскости:
_А_10.bmp		А (4 80)		Х (3 42)		_А_10.bmp		А (1 20)		Р (1 20)
_А_90.bmp		Е (3 33)		Б (2 33)		_А_90.bmp		А (4 80)		Ж (3 27)
_А_30.bmp		Ю (4 66)		Ч (3 50)		_А_30.bmp		А (4 80)		Ж (3 25)
_А_15.bmp		Ю (3 50)		Ц (3 42)		_А_15.bmp		А (3 60)		Щ (4 26)

Итого по методу 2: 11 нераспознано и 15 распознано лучше, чем метод 1.

Итого по методу 1: 13 нераспознано и 6 распознано лучше, чем метод 2.

Не сдавайте скачаную работу преподавателю!

Данную дипломную работу Вы можете использовать как базу для самостоятельного написания выпускного проекта.

Доработать Узнать цену работы по вашей теме

Поделись с друзьями, за репост + 100 мильонов к студенческой карме :

Заказать работу:

!	Курсовая работа
!	Дипломная работа
!	Реферат
!	Решение задач
!	Отчет по практике
!	Контрольная работа

Пишем дипломную работу самостоятельно:

!	Как писать дипломную работу Инструкция и советы по написанию качественной дипломной работы.
!	Структура дипломной работы Сколько глав должно быть в работе, что должен содержать каждый из разделов.
!	Оформление дипломных работ Требования к оформлению дипломных работ по ГОСТ. Основные методические указания.
!	Источники для написания Что можно использовать в качестве источника для дипломной работы, а от чего лучше отказаться.
!	Скачивание бесплатных работ Подводные камни и проблемы возникающие при сдаче бесплатно скачанной и не переработанной работы.
!	Особенности дипломных проектов Чем отличается дипломный проект от дипломной работы. Описание особенностей.

Особенности дипломных работ:

→	по экономике Для студентов экономических специальностей.
→	по праву Для студентов юридических специальностей.
→	по педагогике Для студентов педагогических специальностей.
→	по психологии Для студентов специальностей связанных с психологией.
→	технических дипломов Для студентов технических специальностей.

Виды дипломных работ:

→	выпускная работа бакалавра Требование к выпускной работе бакалавра. Как правило сдается на 4 курсе института.
→	магистерская диссертация Требования к магистерским диссертациям. Как правило сдается на 5,6 курсе обучения.

Другие популярные дипломные работы:

Дипломная работа	Формирование устных вычислительных навыков пятиклассников при изучении темы "Десятичные дроби"
Дипломная работа	Технологии работы социального педагога с многодетной семьей
Дипломная работа	Человеко-машинный интерфейс, разработка эргономичного интерфейса
Дипломная работа	Организация туристско-экскурсионной деятельности на т/к "Русский стиль" Солонешенского района Алтайского края
Дипломная работа	Разработка мероприятий по повышению эффективности коммерческой деятельности предприятия
Дипломная работа	Совершенствование системы аттестации персонала предприятия на примере офиса продаж ОАО "МТС"
Дипломная работа	Разработка системы менеджмента качества на предприятии
Дипломная работа	Организация учета и контроля на предприятиях жилищно-коммунального хозяйства
Дипломная работа	ЭКСПРЕСС-АНАЛИЗ ФИНАНСОВОГО СОСТОЯНИЯ ООО «АКТ «ФАРТОВ»
Дипломная работа	Психическая коммуникация

Сейчас смотрят :

Дипломная работа	Оценка кредитоспособности заемщика на примере АО Народный Банк Казахстана
Дипломная работа	Работа социального педагога с семьей "группы риска"
Дипломная работа	Анализ деятельности банка на рынке потребительского кредитования на примере ООО Хоум Кредит энд Финанс
Дипломная работа	Бухгалтерский учет расчетов с персоналом по оплате труда и экономический анализ фонда оплаты труда (на примере ООО "МС-компания")
Дипломная работа	Разработка мероприятий по снижению себестоимости продукции (на примере РУП "Минская печатная фабрика" Гознака)
Дипломная работа	Уголовная ответственность за убийство
Дипломная работа	Маркетинг в банке на примере Приорбанк ОАО
Дипломная работа	Кадровый менеджмент на современном предприятии" (на примере ЗАО "Балаковохлеб")
Дипломная работа	Организация оплаты труда на предприятии
Дипломная работа	Учет и анализ нефинансовых активов в бюджетных учреждениях
Дипломная работа	Особенности ведения бухгалтерского и налогового учета на предприятии торговли
Дипломная работа	Совершенствование организации производства продукции и учета затрат в молочном скотоводстве
Дипломная работа	Анализ бухгалтерского баланса
Дипломная работа	Творческие способности детей в игре
Дипломная работа	Учет аудит и анализ дебиторской и кредиторской задолженности по материалам ООО Консалтинг-МГ

Дипломная работа по предмету "Информатика"

Система идентификации личности по отпечаткам пальцев

ВВЕДЕНИЕ

1.1. Обоснование целесообразности разработки системы идентификации личности по отпечаткам пальцев

1.1.1. Назначение системы

1.1.2. Характеристика функциональной структуры системы

1.1.3. Обоснование цели создания системы

1.1.4. Обоснование состава автоматизируемых задач

1.2. Аналитический обзор

1.2.1. BioLink

1.2.1.1. BioLink BioTime 2006

1.2.1.2. BioLink Authenteon Software Appliance (ASA)

1.2.2. Microsoft IntelliMouse Explorer with Fingerprint Reader

1.2.3. Сотовый телефон GI100

1.2.4. Adobe Photoshop

1.2.5. FineReader

1.2.6. Вывод по аналитическому обзору

1.3. Основные требования к системе

1.3.1. Основные цели создания системы и критерии эффективности ее функционирования

1.3.2. Функциональное назначение системы

1.3.3. Особенности и условия эксплуатации системы

1.3.4. Требования к функциональной структуре

1.3.5. Требования к техническому обеспечению

1.3.6. Требования к информационному обеспечению

1.3.7. Требования к программному обеспечению

1.4. Основные технические решения проекта системы

1.4.1. Решение по комплексу технических средств

1.4.2. Описание системы программного обеспечения

1.5. Описание постановки задачи распознавания

1.5.1. Характеристика задачи

1.5.2. Входная информация

2.1.3. Выходная информация

1.5.3. Математическая постановка задачи

1.6. Описание алгоритма преобразования абсолютных параметров минюций к относительным параметрам

1.6.1. Назначение и характеристика алгоритма преобразования абсолютных параметров минюций к относительным

1.6.2. Используемая информация

1.6.3. Результаты решения

1.6.4. Математическое описание алгоритма преобразования абсолютных параметров минюций к относительным

1.6.4.1. Алгоритм нахождения габаритных размеров и количества точек в непрерывной области

1.6.5. Требования к контрольному примеру

1.6.6. Список условных обозначений

1.7. Описание алгоритма сравнения структурных представлений отпечатков пальцев

1.7.1. Назначение и характеристика алгоритма сравнения структурных представлений отпечатков пальцев

1.7.2. Используемая информация

1.7.3. Результаты решения

1.7.4. Математическое описание алгоритма нахождения статистических характеристик цветового кластера

1.7.5. Алгоритм нахождения статистических характеристик цветового кластера

1.7.6. Требования к контрольному примеру

1.7.7. Список условных обозначений

1.8. Описание подпрограммы «OnBnClickedCompare»

1.8.1. Вводная часть

1.8.2. Функциональное назначение

1.8.3. Описание информации

1.8.4. Используемые под программы

1.8.5. Схема подпрограммы « OnBnClickedCompare »

1.9. Описание подпрограммы «Convert»

1.9.1. Вводная часть

1.9.2. Функциональное назначение

1.9.3. Описание информации

1.9.4. Используемые под программы

1.9.5. Схема подпрограммы «Convert»

1.10. Описание подпрограммы «CompareWithBase»

1.10.1. Вводная часть

1.10.2. Функциональное назначение

1.10.3. Описание информации

1.10.4. Используемые под программы

1.10.5. Схема подпрограммы « CompareWithBase »

1.11. Описание подпрограммы «Compare»

1.11.1. Вводная часть

1.11.2. Функциональное назначение

1.11.3. Описание информации

1.11.4. Используемые под программы

1.11.5. Схема подпрограммы «Compare»

1.12. Описание контрольного примера

1.12.1. Назначение

1.12.2. Исходные данные

1.12.3. Контрольный пример

1.12.4. Тестирование программного обеспечения системы распознавания личности по отпечаткам пальцев

1.13. Обоснование необходимости разработки подсистемы распознавания в системе идентификации личности по отпечаткам пальцев.

1.14. Расчет затрат на разработку подсистемы распознавания в системе идентификации личности по отпечаткам пальцев

1.1.
Обоснование целесообразности разработки системы

идентификации личности по отпечаткам пальцев

1.1.1.
Назначение системы

1.1.2.
Характеристика функциональной структуры

системы

1.1.3.
Обоснование цели создания системы

1.1.4.
Обоснование состава автоматизируемых задач

1.2.
Аналитический обзор

1.2.1.
BioLink

1.2.1.1.
BioLink BioTime 2006

1.2.1.2.
BioLink Authenteon Software Appliance (ASA)

1.2.2.
Microsoft IntelliMouse Explorer with Fingerprint Reader

1.2.3.
Сотовый телефон GI100

1.2.4.
Adobe

Photoshop

1.2.5.
FineReader

1.2.6.
Вывод по аналитическому обзору

1.3.
Основные требования к системе

1.3.1.
Основные цели создания системы и критерии эффективности ее функционирования

1.3.2.
Функциональное назначение системы

1.3.3.
Особенности и условия эксплуатации

системы

1.3.4.
Требования к функциональной структуре

1.3.5.
Требования к техническому обеспечению

1.3.6.
Требования к информационному обеспечению

1.3.7.
Требования к программному обеспечению

1.4.
Основные технические решения проекта системы

1.4.1.
Решение по комплексу технических средств

1.4.2.
Описание

системы программного обеспечения

1.5.
Описание постановки задачи

распознавания

1.5.1.
Характеристика задачи

1.5.2.
Входная информация

1.5.3.
Математическая постановка задачи

1.6.
Описание алгоритма

преобразования абсолютных параметров минюций к относительным параметрам

1.6.1.
Назначение и характеристика алгоритма

преобразования абсолютных параметров минюций к относительным

1.6.2.
Используемая информация

1.6.3.
Результаты решения

1.6.4. Математическое описание алгоритма
преобразования абсолютных параметров минюций к относительным

1.6.5.
Требования к контрольному примеру

1.6.6.
Список условных обозначений

1.7.
Описание алгоритма сравнения структурных представлений отпечатков пальцев

1.7.1.
Назначение и характеристика алгоритма

сравнения структурных представлений отпечатков пальцев

1.7.2.
Используемая информация

1.7.3.
Результаты решения

1.7.4.
Математическое описание алгоритма

нахождения статистических характеристик цветового кластера

1.7.5.
Алгоритм

нахождения статистических характеристик цветового кластера

1.7.6.
Требования к контрольному примеру

1.7.7.
Список условных обозначений

1.8.
Описание подпрограммы «OnBnClickedCompare»

1.8.1.
Вводная часть

1.8.2.
Функциональное назначение

1.8.3.
Описание информации

1.8.4.
Используемые

под
программы

1.8.5.
Схема подпрограммы «

OnBnClickedCompare
»

1.9.
Описание подпрограммы «Convert»

1.9.1.
Вводная часть

1.9.2.
Функциональное назначение

1.9.3.
Описание информации

1.9.4.
Используемые

под
программы

1.10.
Описание подпрограммы «CompareWithBase»

1.10.1.
Вводная часть

1.10.2.
Функциональное назначение

1.10.3.
Описание информации

1.10.4.
Используемые

под
программы

1.10.5.
Схема подпрограммы « CompareWithBase »

1.11.
Описание подпрограммы «Compare»

1.11.1.
Вводная часть

1.11.2.
Функциональное назначение

1.11.3.
Описание информации

1.11.4.
Используемые

под
программы

1.11.5.
Схема подпрограммы «Compare»

1.12.
Описание контрольного примера

1.12.1.
Назначение

1.12.2.
Исходные данные

1.12.3.
Контрольный пример

1.12.4. Тестирование программного обеспечения
системы распознавания личности по отпечаткам пальцев

1.13.
Обоснование

необходимости разработки подсистемы распознавания в системе
идентификации личности по отпечаткам пальцев.

1.14.
Расчет затрат на разработку

подсистемы
распознавания в системе идентификации личности по отпечаткам пальцев

1.15.
Анализ опасных и вредных факторов

, возникающих при работе на компьютере

1.16.
Техника безопасности при эксплуотации компьютера

1.17.
Организация рабочего места оператора

1.18.
Требования к освещению и расчет искусственного освещения

1.19.
Пожарная безопасность

ПРИЛОЖЕНИЕ 1

ТЕКСТ ПРОГРАММЫ