网络在线指纹考勤系统可用性措施

针对网络在线指纹考勤系统在使用中出现的指纹识别延时过长、需要比对的样本库过大、容易误判及对采集到的指纹质量要求过高等问题,分析并提出三项可用性措施:将指纹识别和银企联名信用卡相结合,使身份认证中指纹的1∶N远程比对转化为1∶1本地比对;采用冗余的指纹模板并自动动态更新;对指纹图像质量评估提出了三项指标及计算方法并将其应用于指纹识别算法中。实际应用效果表明,所提措施及算法能够明显提高在线指纹考勤系统可用性,达到大范围商业应用要求。     

指纹图像质量评价方法

指纹图像质量的好坏对于自动指纹识别系统的性能有着重要的影响.根据指纹图像本身的纹理特征,提出一种新型的指纹图像质量评价方法.首先将指纹图像分成ω×ω的子块,对每一图块进行多通道Gabor滤波,用滤波结果的均值和标准差进行图像的有效面积和纹理质量的分析;再检测图像的奇异点的位置;最后综合以上几个参数,给出图像的最终评价结果.实验结果表明:该算法能有效地判断指纹图像的质量,有助于提高自动指纹识别系统的整体性能.     

基于判别因子的指纹图像质量评估算法*

提出了一种新的指纹图像质量评估方法。该方法根据不同指纹特征对最终评估结果影响的大小,依次通过指纹图像有效面积比、位置偏移量、灰度均值、灰度方差、傅里叶频谱能量比等判别因子对指纹图像质量进行评估,并对低质量指纹提出改进建议。实验结果表明,该算法能够对不同质量的指纹图像进行准确评估,拒绝低质量指纹的输入,可显著提高自动指纹识别系统的准确率和识别效率。     

基于时频分析的指纹增强算法研究

指纹增强是自动指纹识别系统中的一个重要环节,良好的增强算法能够提高细节特征提取的准确率,从而提高整个指纹识别系统的鲁棒性。研究局部指纹图像的频谱特性,采用一种时频分析方法和一种新的基于概率统计学估计的方法求指纹的方向和频率。并提出一种鲁棒的方向和频率校正算法,构造一种带宽自适应的滤波器进行滤波。实验结果表明,该算法对指纹图像有显著增强效果,有助于指纹细节特征的提取。     

基于Gabor滤波器的指纹图像增强算法

介绍了一种基于Gabor滤波器的指纹图像增强算法,该方法对传统的Gabor滤波器的参数和大小进行了优化。实验表明这种算法具有很好的处理效果。     

蚁群算法在指纹增强中的应用

自动的指纹识别系统是基于生物特征的身份识别技术的重要组成部分。指纹增强技术可以有效地加强指纹的脊线特征,为指纹细节的提取和匹配奠定可靠的基础。依据蚁群算法的聚类特性,提出了一种基于蚁群算法的指纹增强方法,提高了指纹图像的质量。     

指纹图像质量预评价方法研究

指纹图像的质量直接影响着指纹识别系统的可靠性和正确性,如何有效的评估指纹图像的质量和排除低质量的指纹图像是一个比较难的问题。在灰度图像处理的研究基础上,给出了一套基于图像灰度和指纹纹理的指纹图像质量预评价方法。该方法充分考虑指纹识别系统的特点,设立关键参数,并把分步排除与综合评价相结合。该方法速度快、占用内存小,能很好的评估指纹图像的质量,提高系统的可靠性。     

指纹图像质量评估的研究与应用

指纹图像质量评估是自动指纹识别系统（AFIS）中重要的一个环节,它将在对指纹图像进行分割、细化等预处理操作之前对图像质量进行评估,去除不满足要求的指纹图像以提高后续处理的鲁棒性。文章分析了现有的指纹采集细则,对有效面积、干湿、位置偏移、方向模糊等方面对指纹图像质量的影响进行探讨,对采集到的指纹图像质量进行质量评测,为图像的预处理提供质量较高的指纹图像。实验证明,该方法对不合格的指纹图像有较好的过滤效果,有利于提高整个指纹识别系统的效率。     

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.     

基于Gabor滤波的指纹增强算法

介绍了一种改进的Gabor滤波的指纹图像增强算法。提出一种新的指纹图像分割算法，并对指纹核心区域进行多方向滤波合成。实验证明，该套增强算法运行稳定，效果好，鲁棒性强。     

指纹图像融合迭代增强

从刑事现场采集的嫌疑人的指纹图像常是低质量的、残缺的,针对现有方法只做一次增强或不适合增强这类指纹图像,提出了指纹图像融合迭代增强方法。该方法分别在频域和空域两次增强,并采用小波图像融合技术进行迭代增强,有效地提高了脊线的清晰度,接续了脊线的断裂,修补了脊线的残缺。实验结果表明,该算法具有良好的指纹图像增强效果,适合增强低质量的指纹图像。     

各向异性张量逆扩散指纹图像增强方法

由热扩散方程给出了一种基于张量扩散的各向异性逆扩散图像增强方法。该方法在对指纹图像滤波的同时,不仅保护了指纹的纹线,而且增强了纹线。实验结果表明该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理。     

小波域中的PDE指纹图像增强

提出了一种基于偏微分方程的小波域指纹增强算法。分析了一致性扩散方程的缺陷,改为使用方向扩散使方程严格沿着指纹纹路扩散;进而提出了一种基于方向扩散的小波域指纹增强算法。该算法利用小波域低频系数图增强指纹,抑制了噪声的影响,将增强子图利用小波逆变换实现重构。通过对FVC2002的dB4指纹库中部分低质量图像的增强结果比较,表明该算法对低质量指纹图像的增强效果明显,且处理速度比现存的基于PDE的增强方法快。     

区域指纹图像增强技术的研究

指纹识别技术是指通过计算机,利用人体所固有的指纹生理特征来进行个人身份鉴定的技术。它本质上是模式识别技术的一个分支。指纹图像增强技术可以有效地加强指纹的脊线特征,确保特征提取算法的性能对指纹图像的质量具有足够的鲁棒性,为指纹细节的提取和匹配识别奠定可靠的基础。依据Gabor滤波器能够同时对图像局部结构的方向和空域频率进行解析的特性,介绍了一种基于二维Gabor滤波的指纹图像增强方法,提出了利用Soble算子求解方向梯度进而计算出指纹脊线方向的方法和脊线频率的方法。算法经意大利波格尼亚大学构造的指纹库的一个子集Fingdb得到了验证。     

一种基于色彩补偿的水下图像综合增强算法

针对退化的水下图像在高级视觉分析任务中无法进行有效的目标检测及识别的问题,提出了一种通过色彩补偿和对比度拉伸,HSV空间γ校正和亮度通道去模糊系列方法实现了对水下图像的色彩校正、色彩对比度、饱和度和细节清晰度的综合提高.其中,提出了基于高斯滤波的亮度通道去散射方法,并对典型水体水下图像综合增强参数进行了分析.实验对比了...     

基础信息保持和细节强化的胸部CT图像增强

目的 清晰的胸部计算机断层扫描(computed tomography, CT)图像有助于医生准确诊断肺部相关疾病,但受成像设备、条件等因素的限制,扫描得到的CT图像质量有时会不尽如人意。因此,本文提出一种简单有效的基于基础信息保持和细节强化的胸部CT图像增强算法。方法 利用多尺度引导滤波器将胸部CT图像分解为一个基础信息层和多个不同尺度的细节层。基于熵的权重将胸部CT图像的多个细节层进行融合,并乘以强化系数进一步增强纹理细节。将强化的细节层和原始的基础信息层重新组合即可生成细节强化的胸部CT图像。通过此种增强方式,本文算法既能显著增强胸部CT图像的纹理细节,又能将大部分原始的基础结构信息保留到增强图像中。结果 为了验证算法的有效性,将本文算法与5种优秀的图像增强算法在由3 209幅胸部CT图像组成的数据集上进行测试评估。定性和定量实验结果表明,本文算法得到的增强图像保持了更多原始胸部CT图像中的基础结构信息,并更显著地强化了其中的纹理细节信息。在定量结果中,本文算法的标准差、结构相似性和峰值信噪比指标值均优于对比的5种方法,相比于性能第2的方法分别提高了4.95、0.16和4.47,...     

基于动态范围调整的指纹图像增强方法

采用基于动态范围调整的方法,并适当地把图像最亮和最暗附近很少量灰度级像素点滤除,对图像灰度进行线性展宽,实现图像灰度动态范围的自动调整,提高图像的对比度。实验结果表明,该方法可有效地滤除在灰度边界值附近的灰度干扰,图像的质量和对比度明显提高,图像的亮区和暗区的细节都有明显增强,而且处理速度快,鲁棒性好。     

基于图像增强的灰度插值算法

针对传统彩色滤波阵列（Color Filter Array,CFA）插值算法在图像识别前一般需要对彩色图像预处理,其中包括把插值后的彩色图像转化为灰度图像、平滑内部和锐化边缘,过程较为繁琐的问题,提出一种新的基于图像增强的灰度插值算法,即在插值过程中锐化图像的边缘并平滑内部,插值结果直接是一幅灰度图像并且保证图像的几何特性不变．实验结果表明此算法的有效性．     

基于小波融合的射线图像增强算法*

提出一种基于小波融合的射线图像增强算法,利用射线成像的特点,对射线成像系统采集信号作分段灰度变换,将变换得到的多幅图像利用小波变换进行图像融合,以增强射线图像的显示效果。融合中采用低频图像的小波系数均值作为融合后的低频系数,高频图像根据梯度和一致性检测确定融合规则,调整高频小波系数大小,很好地将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,且优于传统的射线图像增强方法。