指纹图像多尺度分类字典稀疏增强

目的 自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法 首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果 在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论 通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显著提升了低质量指纹图像的增强质量。     

结合滤波和深度玻尔兹曼机重构的指纹增强

指纹图像增强,是自动指纹识别系统中的重要环节.为弥补传统指纹图像增强算法的缺陷,提出一种指纹图像增强算法.在指纹块质量分级机制和复合窗口策略下,指纹图像首先在频域被具有方向选择性的方向高斯带通滤波器滤波增强;随后,二值增强指纹中的误增强区域在空域被具有方向选择性的深度玻尔兹曼机（DBM）重构.提出的方法结合了传统指纹增强算法与深度学习算法的优点,拥有很强的容错能力,能够完成对低质量指纹图像的有效增强.为了验证提出算法的性能,在公开的指纹数据库FVC2004上进行了大量实验,实验结果表明,相比于传统的指纹增强算法,提出的方法具有很强的鲁棒性,对高质量和低质量指纹均有不俗的增强表现.     

一种自适应块大小的指纹图像分割算法

指纹图像分割是影响指纹识别系统性能的关键步骤之一。为此,研究指纹图像频谱图和传统的基于块的指纹图像分割方法,由频谱图上能量分布情况得到平均指纹纹线距离,结合生物统计学原理把指纹图像分成互不重叠的矩形块,块大小根据平均指纹纹线距离在算法执行过程中自动确定。实验结果表明,该算法对不同分辨率及不同质量指纹图像的适应性都高于传统算法。     

基于信息可用性评价的指纹图像质量增强算法

针对指纹图像可能出现模糊、指纹区域过小、奇异点位置过偏等问题,提出了一种基于信息可用性评价与频谱分析的指纹图像质量增强算法。对指纹图像进行信息可用性评价,对不合格的指纹图像提示进行重新采集;对合格图像进行傅里叶变换并求取其频率均值和方差,计算指纹频谱图上内环、外环、中环的频谱能量值与去除直流分量后的频谱总能量值之比,以此确定指纹的清晰程度。对需要进行质量增强的指纹,利用圆滤波器去除其高频与低频干扰,利用方向滤波器连接断纹并去除粘连。实验结果表明,该方法能准确判断指纹图像的可用性,有效地增强指纹图像质量,并因其只对低质量指纹进行增强,故能有效提高指纹自动识别速度及准确性和可靠性。     

一种频谱分方向指纹纹线距离估计的新方法

纹线距离是指纹的固有本质属性，在自动指纹识别中有着重要的作用。然而目前多数纹线距离估计的方法直接在空域作估计，对低质量指纹图像的处理普遍存在较大误差。为了适应低质量指纹图像，提出了一种基于频谱分析的纹线距离估计的新方法，该方法首先通过快速傅立叶变换将指纹图像变换到频域，然后将频谱图像分成n个方向分别求纹线距离，最后作处理从而得到指纹图像的纹线距离。部分典型指纹图像的实验结果表明，该方法具有较强的有效性和鲁棒性。     

一种改进的指纹图像增强算法

指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等步骤.其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配.论文针对指纹采集中存在的指纹图像局部模糊的问题,提出了一种改进的基于Gabor函数的指纹增强算法.该算法首先对指纹图像进行归一化处理,然后对指纹图像分成奇异区和非奇异区分别进行点方向和块方向的求取,最后用改进的Gabor滤波器对指纹图像进行增强.实践表明,该方法能提高指纹图像增强的效果和速度.     

一种新型自适应指纹图像增强算法

针对Gabor滤波器在处理低质量指纹图像时增强效果不佳的缺陷,提出一种基于方向域和频率域的新型自适应Gabor滤波增强算法。该算法改进了指纹图像方向图和纹线频率的提取方法,通过计算图像方向一致性和平均纹线频率两个参数来共同自适应地调节Gobor滤波器变换窗的大小。实验结果表明：对于低质量指纹图像,该算法大大提高了方向图准确性,而且自适应Gabor滤波器在处理不同类型的指纹时更具优越性。     

基于线性支持向量机的指纹图像分割方法*

针对现有指纹分割方法存在的不足,提出了一种基于线性支持向量机的指纹图像分割方法。该方法首先选择指纹图像子块的傅里叶频谱能量比和灰度对比度构成特征向量,利用线性支持向量机对这些特征向量进行分类,再运用二值图像形态学操作最终实现指纹图像分割。实验结果表明,与现有的一些典型方法相比,该方法对于指纹图像分割更为准确、可靠。     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

基于Log—Gabor滤波的指纹图像增强

自动指纹识别系统的性能在很大程度上依赖于指纹图像的采集效果。指纹图像增强用于改善原始指纹图像的质量，以保证指纹特征提取的准确性，是十分必要的。Gabor滤波是比较有效的指纹图像增强方法，但是仍存在一定的局限性。与传统的Gabor滤波器相比，Log-Gabor滤波器可以在取得最佳空间定位的同时具有更宽广的频带，有利于改善指纹图像的滤波效果。本文提出采用Log-Gahor滤波器来实现指纹图像增强，先利用加窗傅里叶变换来提取指纹图像的局部频谱信息，再在频域进行滤波。在详述了滤波器的设计方法之后，给出具体的图像滤波方案，并与传统方法作了比较。实验结果表明，所提出的算法能有效改善指纹图像的质量和提高指纹识别的可靠性。     

基于Hermite滤波器的指纹增强算法

指纹增强的目的在于改善指纹图像的质量,以提高指纹识别系统的性能。提出了一种基于Hermite滤波器的指纹增强算法,算法利用经典的梯度公式法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率。以纹线方向和频率作为滤波器的主要参数,利用具有良好带通特性的Hermite滤波器和具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应。实验结果表明,算法具有良好的图像增强效果。     

基于频域的指纹图像增强算法

介绍一种基于频域的指纹图像增强算法,提出了一种新的纹线方向场估计方法,并根据纹线频谱分布特点,将求取方向场仅限定在了一个较小的圆环区域内进行。提出了基于纹线频谱能量分布的指纹图像滤波算法,它通过计算块频谱图中纹线频谱能量分布范围的变化自适应地改变角度滤波器通带范围。实验对比结果表明,经该算法增强后的图像脊谷信息清晰,具有较好的纹线增强效果。     

基于非线性扩散滤波的指纹增强算法

根据指纹图像的特性提出了一种利用非线性扩散滤波增强指纹图像以提取细节点的 方法.该算法利用指纹图像的结构张量构造扩散张量.使得滤波沿着指纹脊线方向扩散.在 求解非线性扩散滤波中最重要是怎样选取迭代时间和迭代步长.为了解决这两个问题,根据 扩散张量在大小为(2n+1)×(2n+1)窗口上的离散形式,分解扩散滤波为4n个方向的和, 然后利用托马斯-高斯消元法在每个方向快速求解非线性滤波后的指纹增强图像.该算法的 优点是可以有效地连接断裂脊线,而不会改变指纹脊线的连续性和奇异性.在NIST27数据 库及FVC2002数据库上的实验结果表明,基于非线性扩散滤波的指纹增强算法可以有效地 提高提取细节点的性能和指纹匹配率.     

一种有效的指纹图像方向滤波增强算法 *

方向滤波是沿着指纹纹线方向滤波的方法。一种方向滤波算法的有效性主要依赖于指纹图像方向估计的准确性和滤波模板构造的合理性。首先利用对低质量指纹图像鲁棒性较高的掩膜法估计点方向 ,并将点方向转换为块方向 ;然后使用八个方向的平滑滤波模板和锐化滤波模板 ,对指纹图像滤波进行增强 ;最后对增强后的指纹图像二值化。通过对 FVC2000指纹数据库 DB2中的指纹图像作增强处理 ,表明该算法增强效果较好。     

傅里叶变换在指纹图像增强中的应用

提出一种基于傅里叶变换的指纹图像增强方法,通过对图像分块进行傅里叶变换,用求期望值的方法获取指纹图像的频率、方向以及能量分布,在此基础上根据指纹纹线的分布在脊线方向变化剧烈的特殊性,采用在径向滤波器滤波后增加角方向滤波器的滤波方法,对图像进行滤波增强。实验结果表明,该方法对低质量的指纹图像增强效果显著,同时其计算量较少,实现时间短,对实时指纹识别系统的应用具有重要的意义。