基于图像场的指纹图像预处理算法研究与实现

指纹识别技术主要包括指纹图像预处理,指纹图像特征提取和指纹图像特征比对三大模块。作为指纹识别的关键技术之一,指纹图像预处理的质量好坏将直接影响到后续的处理过程和最终识别结果的正确性及可靠性。预处理的目的是尽量消除所采集到的指纹图像噪声,并将指纹骨架估计提取出来,以便进行指纹特征的提取工作。本文主要讲述了基于图像场的指纹图像预处理算法,主要包括基于图像场的指纹图像分割,滤波,二值化和细化等几个步骤,并且经由VC平台编程实现,以验证算法的有效性和可行性。     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

基于方向滤波的指纹特征提取

对现有指纹图像增强算法进行研究,利用高斯滤波器的方向选择性,对正确求解出方向图的指纹图像进行方向滤波,很好的增强了指纹图像。对增强后的指纹图像进行细化,利用掩膜求解出指纹图像中的特征点。实验结果表明该方法可以很好的提取出指纹图像中的特征点。     

指纹图像预处理方法的研究

针对指纹图像降质带来的困难，提出基于指纹结构特征的某些合理假设，在此基础上设计要应的处理算法，提出了增强指纹图像对比度、提取指纹有效区域、根据方向信息分割图像以及去除图像中气泡噪声的算法等。实施证明，这些算法处理效果好、运行速度快、编程简单，有效地解决了降质图像的预处理问题。     

基于指纹图像边缘检测算法的比较研究

文章介绍了四种常用的图像边缘检测算子,通过对指纹图像边缘检测的几种不同算子结果的比较,分析了它们各自的特点,它们各自有其优缺点,在实践中应根据待解决问题的特点和要求决定采用何种方法。     

基于Gabor滤波器的指纹图像增强

通过对传统指纹图像增强算法的研究,提出一种基于Gabor滤波的指纹图像增强算法。根据指纹纹线间距均匀且局部平行的特点,建立了用于指纹图像增强的Gabor滤波函数的物理模型,并利用二维Gabor滤波器可分解为正交方向的一维高斯带通滤波器和一维高斯低通滤波器的特点,将二维滤波分解为两次一维滤波,从而解决了计算量过大的问题,降低了算法的复杂度。实验表明该算法具有良好的增强指纹图像的脊线和抑制噪声的作用。     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

基于二维EMD的Harris角点检测算法

为解决Harris角点检测算法在多尺度条件下无法正确提取角点的问题,本文将经验模式分解(EMD)方法运用到二维图像特征点提取中。先利用二维EMD方法将图像分解到多个图像细节层,并定义为本征模函数(IMF),再利用Harris算子对各图像细节层进行角点检测,最后采用层层筛选的方法提取角点。对比实验结果表明,新算法得到的角点更加丰富,抗噪性增强,明显提高了图像角点检测性能。     

基于当量名义应力的耐久性分析的特征应力法

本文建立了一种基于当量名义应力的新的结构耐久性分析的特征应力法。该方法首先给出了用结构细节特征应力表征的ａ－Ｓ－Ｎ曲线，然后利用Ｎｅｕｂｅｒ法求得载荷谱中名义应力对应的结构应力集中部位的局部应力应变，再将其转换当量名义应力。并根据ａ－Ｓ－Ｎ曲线，等寿命曲线和累积损伤理论确定谱载下的（ａｋ，ｔｋ）数据，最后利用（ａｋ，ｔｋ）数据确定结构细节的当量初始缺陷分布，并给出裂纹超越娄级结构损伤度的估算。     

基于图像场能分析的指纹图像增强

手指的脱皮老化以及活体指纹传感器带来的图像误差易影响指纹图像的成像质量.为此,针对低质量指纹图像中存在的纹线断裂、脊谷粘连以及手指脱皮造成的区域性模糊等问题,提出了一种基于指纹图像场能分析的指纹图像增强算法.算法分析和计算了指纹图像的强度场、梯度场、方向场和频率场,并在分析图像本身特点的基础上结合各场能具体信息以及Gabor滤波原理对指纹图像进行逐步的增强处理.实践表明,整套算法对低质量指纹图像增强效果良好,能大幅度提高指纹图像质量.     

指纹伪特征信息去除算法研究

在细化后指纹图像中,存在着许多特征信息。准确提取出真实特征信息是指纹工作的重要步骤。因此,要对出现的不同伪信息特征进行删除,首先对不同图像采用自动测量纹线间距,确定后处理中用到的阈值。然后,区分伪特征的类型,对短线、断线、小桥等类型采用改进的方法去除,对边界的、三角和岛屿等采用全新的方法去除。     

闪光X光噪声图象的局部统计滤波

本文介绍一种噪声图象的滤波方法 ,它不需要先验的图象模型 ,而且也不会损伤边界和细小的细节 ,在相加性和相乘性噪声的情况下 ,计算与边界方向有关的子集的局部平均值和方差 ,相应地沿着边界方向的噪声就被去掉 ,同时对边界有一定的增强效果     

半导体指纹传感器图像质量评估方法

指纹图像的采集处于指纹识别系统的最前端,图像质量的好坏直接关系到系统的处理速度和准确性。针对目前广泛使用的半导体指纹传感器,根据指纹本身的固有特性,设计出一纽多通道Gabor滤波器对指纹图像进行分解和特征提取,并结合基本的图像质量评估指标进行质量分析和判断。实验结果表明：该算法能有效地判断半导体指纹传感器的图像质量,有助于提高自动指纹识别系统的整体性能。     

基于独立分量分析的图像特征提取及泊松噪声去除

针对泊松噪声具有与信号相关和不一致性分布的特性,提出了一种基于独立成分分析(ICA)的软阈值滤波算法。泊松噪声对基于高阶统计量的ICA变换不敏感,其能量均匀分布在ICA域。首先将包含泊松噪声的图像变换到ICA域,然后再对图像独立成分进行软阈值滤波。该算法对图像和噪声具有自适应能力,在噪声去除和图像细节保留方面达到一个平衡。实验结果表明:该算法不仅可以有效去除图像中的泊松噪声和提高图像质量,而且具有良好的鲁棒性。     

指纹识别系统中的预处理组合算法

针对电容式传感器采集的指纹图像的特点,本文提出了一套完整的指纹图像预处理组合算法.该算法充分考虑到了采集到的指纹图像的质量和图像面积等问题,且从全局角度出发在当前原有算法基础上加入了两次滤波去噪来增强指纹纹线并有效消除噪声以得到更清晰准确的处理结果.算法首先对采集到的指纹图像采用边缘保持滤波法去除噪声;然后使用基于纹路方向性的Cabor滤波图像增强算法增强去噪后的指纹图像,减少因指纹旋转及平移因素造成的误差;接着对增强后的图像采用动态阈值法进行二值化处理并进一步地二次滤波去噪;最后采用基于形态学的细化算法对二值图像进行细化将其变为点线图.实验证明,通过该算法处理后的图像很好地保留了纹线的关键信息,有利于后续的指纹特征提取和匹配.     

基于最优模型残差的指纹方向校正法

指纹的方向信息是指纹图像处理中非常重要的信息,指纹方向场的获取以及校正直接影响指纹自动识别的性能。本文提出了一种基于指纹方向场数学模型的方向校正方法,根据指纹中的奇异点性质和分布,建立起与对应指纹方向场的最优方向场模型;然后,根据模型与实际指纹方向场的残差对指纹方向进行校正。由于算法利用指纹整体的拓扑信息对指纹噪声方向进行校正,具有很强的抗干扰能力,较适合劣质指纹图像处理。     

Fingerprint orientation alignment and similarity measurement

Abstract

In this paper, an algorithm for fingerprint orientation alignment is proposed in which a fingerprint is aligned to a particular direction according to its ridge flows. The algorithm works equally well for different types of fingerprints, including the type with no reference points. Aligned fingerprint images provide a lot of useful information for various applications. To demonstrate the use of such information, a fingerprint similarity measurement system is developed in which fingerprints are expressed by vectors with different elements derived from aligned images. When given two fingerprints, this system can help determine which of the two is more similar to a third fingerprint and which one is less similar by calculating distances among vectors. The alignment algorithm has been tested on 165 images in the NIST-4 fingerprint database. By rotating a test image in different degrees, 20 images are created. The alignment precision is calculated by an equivalent Euclidean norm, E(I), of the 20 rotated images to the original image. A smaller E(I) indicates a higher accuracy of the algorithm. The experimental results show that the average E(I) of these 165 samples is 1.234, and the spread of these 165 E(I)s is 1.1.