基于Retinex与STFT的非接触指纹图像增强

针对数字相机拍摄的指纹图像存在脊线和谷线对比度低、抖动模糊等问题,提出一种基于Retinex理论和短时傅里叶变换(STFT)分析的非接触指纹图像增强算法。依据Retinex理论,利用图像各个像素的相对明暗关系消除光照非均衡性影响,提高脊线和谷线的对比度,实现非接触指纹图像的初次增强。采用STFT分析的方法获取指纹图像的方向图、频率图等纹理信息,并据此构建角度滤波器和半径滤波器,对初次增强结果进行频域滤波处理,进一步增强图像对比度,同时有效抑制噪声的干扰。实验结果表明,该算法对非接触指纹图像的增强效果较好,可以有效提高指纹脊线和谷线对比度,较好地保持指纹脊线的连续性,而且平均处理速度比同态滤波和Garbor滤波相结合的方法也略有提高。     

基于模糊增强的图像区域分割算法研究

针对图像平坦区、纹理区和清晰边缘的分割问题,提出了一种基于模糊增强的图像分割算法.该算法依据基于模糊增强的Canny边缘检测原理,在充分分析图像纹理区和清晰边缘的像素分布特点的基础上,通过增强纹理区像素对比度,检测出更多的纹理区细节.并利用膨胀、区域连通等方法实现了图像的区域分割.实验结果表明,该算法能够准确地实现了图像平坦区、纹理区和清晰边缘的分割,并有较强的抗噪能力.图像分割结果可以反映更多的纹理细节信息.     

基于模糊逻辑和纹理分析的图像增强算法研究

提出了基于模糊逻辑和纹理分析的图像增强算法,通过图像模糊化、提取纹理信息和纹理信息模糊化、定义局部对比度、根据全局和局部信息来进行对比度的变换等措施,提高了增强算法的效果。测试结果表明该算法能很好地增强图像的边缘等细节信息,同时避免放大噪声和过增强的出现。     

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务.为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法.该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果.实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果.     

图像纹理区检测及分割算法研究

图像纹理区是指在进行边缘检测时边缘分布相对密集,并存在一些伪边缘的区域。研究表明,现有的很多图像处理算法的误差集中在纹理区。图像纹理区分割的目的就是将这一区域分割出来以便对其采用不同的处理方法。本文提出了一种基于模糊增强的图像纹理区检测及分割算法。本文算法根据图像纹理区特点,首先增强纹理区像素对比度,并利用Canny边缘检测算法提高纹理区检测效果,最终实现了图像纹理区的准确检测和分割。     

一种改进的低对比度灰度图像边缘识别方法

低对比度图像的边缘比较模糊,传统的基于微分算子边缘检测方法通过梯度算子虽增强了边缘信息,但同时也强化了噪声影响.针对以上问题,首先考虑对低对比度图像进行预处理,用直方图均衡化方法提高对比度,以便准确完整地定位图像边缘;其次考虑用计算灰度比值而不是传统的计算灰度差值来检测图像对象的边缘,以最大限度地降低噪声的影响.测试结果表明,基于灰度比值的边缘检测方法弱化了噪声影响,更有利于清晰准确地识别低对比度图像的边缘.     

一种指纹合成的方法及其实现

提出并实现了一种指纹合成方法.该方法通过新的联合方向场模型生成更加符合真实指纹的方向场,并提出一种新的指纹密度图的表示方法.然后,通过改进的Gabor滤波器生成指纹脊线纹理.该方法包括两个主要步骤:首先,经过指纹方向场生成、密度图生成和脊线纹理生成产生一个指纹模板图像;然后对指纹模板图像进行一系列变换,包括添加划痕、纹理平移、脊线的膨胀/腐蚀、脊线的弹性形变、脊线的加噪和平滑、图像的平移和旋转、改变对比度、添加背景噪声,最终得到类似于真实指纹的合成指纹图像.基于该方法的指纹生成器平台,已在2004年中国生     

基于改进图像方向信息测度的表格图像增强算法

提出了基于图像方向信息测度的图像增强算法。算法利用图像方向信息测度,在像素级对图像像素进行分类,然后针对表格图像特性,利用改进的图像方向信息测度,对边缘点进行区域连接,使得边缘点能完全地覆盖图像中的字线和表格边缘;利用得到的边缘信息和平滑信息,对图像进行空域滤波处理,初步增强图像;利用模糊增强算法,对图像进行对比度增强,达到较好的增强效果。实验表明,该算法能有效增强对比度极低的表格图像,使得结果图像有很好的视觉效果。     

基于FDCT的低对比度指纹图像增强算法

针对传统方法在增强低对比度指纹图像时,效果不佳的状况,研究了一种利用快速曲波变换增强低对比度指纹图像的方法。图像经曲波分解后,对于低频分量引入基于SMQT的非线性函数调整低频子带系数,以提高指纹图像的对比度;对于高频分量使用阈值去噪增强图像细节。实验表明,该方法优于直方图均衡化方法和基于小波变换的增强方法。该算法在增强低对比度指纹图像的同时降低了噪声。增强后的图像取得了较为理想的视觉效果。     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

一种双线性快速模糊增强图像边界检测最新算法*

在广义模糊集理论的基础上,给出了全新的用于模糊增强图像区域对比度的线性广义模糊算子,从而提出了一种双线性快速模糊增强图像边界检测最新算法。利用线性左半梯形模糊分布将灰度图像的普通空间集合变换为广义模糊空间集合,再利用LGFO对广义模糊集合进行区域对比度增强,把增强后的广义模糊集合变换为普通集合,最后对处理后的普通集合进行边界提取。实例表明该算法提取图像边界速度快、效果好。     

基于GFS的双线性快速模糊增强图像边界检测新算法

根据广义模糊集(GFS)理论，给出了用于模糊增强图像区域对比度的线性广义模糊算子(LGFO)，从而给出了基于GFS的双线性快速模糊增强图像边界检测新算法。首先利用线性左半梯形隶属函数将灰度图像的普通集合变换为GFS，其次利用LGFO对GFS进行区域对比度增强，同时把GFS变换为模糊集合，然后再把模糊集合变换成普通集合，最后在普通集合中进行边界提取。通过大量实例证明，使用该算法提取图像边界速度快、效果好，而且多项指标均超过了献[2]～[5]。     

人工智能辅助下模糊指纹图像奇异点检测仿真

运用传统方法对模糊指纹图像奇异点进行检测时存在误差率较高和漏检率较大等问题,为此提出了基于Contourlet变换和模糊逻辑的模糊指纹图像奇异点检测方法。运用相对梯度和绝对梯度相融合的方法,增强模糊指纹图像较亮区域的梯度,利用矩阵乘法与求逆算法进行离散正弦变换,构建人工智能辅助下模糊指纹图像增强模型,并对该模型进行Contourlet转换,获取模糊指纹图像信号尺度和方向上的低频和高频变换系数,将该变换系数当做语言变量输入,利用模糊逻辑方法计算各个模糊区域所激活的强度值,将其归一化检测后,输出模糊指纹图像奇异点。分析实验结果可知,所提方法的最低漏检率为2%,远低于传统方法,说明该方法能够增强检测的准确率、降低漏检率和误差率,具备一定的可靠性。     

自动图象边缘检测方法的研究

本文提出了一种新的自动图象边缘检测方法,该方法使用新的隶属函数将图象转化为等效的图象模糊特征平面,在此基础上进行模糊增强,然后再转换为空域图象,顾后进行边缘提取,模糊增强提高了低灰度区域和高硬功率和高灰度区域之间的对比度,从而使提取的边缘效果更好,最后本文对具有多峰直方图分布图象的模糊边缘检测问题进行了
了推广。     

双线性广义模糊增强边界图像检测算法

在模糊集和广义模糊集理论的基础上,给出了用于模糊增强图像区域对比度的线性广义模糊算子,实现了图像的双线性快速无损边界检测算法．该算法利用线性左半梯形模糊分布函数和线性广义模糊算子实现灰度图像空间、普通模糊空间和广义模糊空间之间的转换,同时对广义模糊空间进行区域对比度增强,最后在灰度图像空间中提取边界．大量实例表明：利用文中算法提取图像边界速度快、效果好,并且在多项指标上均超过了Pal算法、陈武凡算法和王晖算法．     

基于三角模融合算子的指纹图像分割方法

针对指纹图像提出了一种基于三角模融合算子的图像分割算法。该方法使用方向性和对比度两个信息分别作为两个分类器的特征，并求出各分类器的判决信度，利用三角模融合算子将两个分类器的结果进行融合判决。该方法具有较高的稳健性和精确度。最后给出的实验结果验证了算法的有效性。     

基于方向的二值卷积指纹增强优化算法

指纹图像增强是指纹识别系统中非常重要的一个环节,对基于二值卷积模板的指纹增强算法提出了一种优化方法,首先利用基于梯度矢量的方法计算块方向场,然后采用基于多数点的对比平均法进行方向校正,针对特定阈值内的方向应用特定的二值卷积模板进行指纹图像增强.对FVC2002指纹库中图像进行实验表明该方法是一种简单有效的指纹图像增强算...     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。