基于Harris角点能量的指纹图像分割算法

指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节。提出了一种基于Harris角点检测器的指纹图像自适应分割算法。首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域。在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性。     

基于方差及方差梯度的指纹图像自适应分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程.利用图像方差及其梯度的性质提出一种自适应指纹分割算法.首先将待分割的图像分为3×3的块,计算块方差及其梯度,并以两者的乘积作为块特征;然后使用一种自适应的方法设定阈值完成分割;最后利用形态学方法进行后处理得到最终结果.在FVC2002和FVC2004数据库上的实验结果表明,该分割算法快速有效,且有较强的鲁棒性.     

灰度共生矩阵在指纹图像分割中的应用

指纹图像分割是自动指纹识别系统的关键步骤之一.通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系,提出了一种基于灰度共生矩阵的指纹图像分割算法.该算法先将指纹图像分割成矩形块,得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度,然后将其对比度方差与预设阈值进行比较,完成前景或背景区的快速判断.分析和实验表明,该算法分割指纹效果较好,并且对不同的采集环境和图像质量都体现出较强的健壮性.     

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。     

基于支持向量机的图像分割

良好的指纹图像分割对于指纹奇异点及细节特征的可靠提取具有重要意义.本文提取指纹图像子块内梯度一致性、灰度均值及灰度方差构成特征向量,提出采用支持向量机对这些特征向量进行分类,根据训练得到的分类判决函数并结合形态学操作最终实现指纹前、背景分割.实验结果表明,本文方法在FVC2002指纹库上的平均分割错误率小于3.62%.     

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...     

基于多层次分块的指纹图像二值化方法

基于块方向信息的指纹图像二值化方法,其效果主要取决于能否准确的估计指纹图像的块方向图.鉴于在指纹奇异点附近及方向变化较快的脊线、谷线区域,块方向信息很难精确得到,提出了一种多层次分块的指纹图像块方向的求取方法,并把这种方法用于指纹图像的二值化,取得了良好的效果.     

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。     

基于粒子群算法与方向图法的指纹图像分割

指纹识别作为生物识别技术最为成功的应用之一,近年来已得到快速发展和普及．而指纹图像分割技术是指纹处理特征点提取的基础,同时也是高效识别指纹的关键,直接影响整个指纹识别系统的性能．本文在对相关的指纹图像分割方法分析的基础上,利用粒子群算法的阈值分割方法和方向图的指纹图像分割技术的优点,进一步研究并提出了一个混合分割方法．实验结果表明,这两种方法的结合运用可以获得良好指纹图像分割效果．     

基于像素聚类的指纹分割算法

为准确提取有效指纹区域,提高自动指纹识别系统的准确率,降低后继处理算法的时间消耗,以像素点为考察对象,将条件概率事件模型引入到指纹图像分割方法中,在研究指纹图像所固有的纹理特征后,提出了指纹条件概率模型,根据有效指纹脊线与背景区域的差异,结合指纹脊线的相关特征,将指纹图像上的像素点分为有效指纹区域内的像素点和背景像素点两大类,为指纹图像的分割处理提供了一种有效的方法。     

D-S证据理论在指纹图像分割中的应用研究

有效的指纹分割能够提高特征提取精度和减少后续处理时间,针对这种情况,提出一种基于D-S证据理论的指纹图像分割算法。该算法首先用改进的灰度方差和均值进行初级分割,然后进行平滑;其次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,并利用模糊规则对各分类器的基本概率分配判断,最后利用D-S证据理论的合成法则将两个分类器的结果进行融合判决,实验结果验证了算法的有效性。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

改进的指纹图像自适应分割方法

指纹分割是指纹图像预处理中的重要一步。对传统的指纹分割算法分析比较,并且在基于灰度方差的指纹分割算法的基础上,利用指纹图像区域脊线和谷线间隔均匀出现的纹理特征提出一种自适应指纹图像分割算法,避免了凭经验确定阈值的问题。实验结果表明,相比于基于灰度方差的指纹图像分割算法,该算法的分割效果更好,对噪声的抵抗能力更强,且对不同类型的指纹图像有较高的适应性。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

Gabor滤波器在指纹图像分割中的应用

为了有效地进行指纹图像的分割。在分析了Gabor滤波器虚部特征的基础上，在指纹图像的分割中引入了Gabor滤波器虚部的滤波结果作为新的指纹图像特征，并通过加权平均的分割策略；获得了较好的实验结果。同时，为了提高分割速度，还改进了特定条件下的Gabor滤波算法，从而有效地降低了算法的时间复杂度。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

指纹图像复合分割算法研究

良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。文章在分析了传统指纹分割方法优缺点后,改进了传统方向图计算方法,然后提出了一种基于方向图法、方差法和跑长码目标标记法的复合分割方法,通过实验证明,这种方法能够有效解决传统方法的一些缺点,并对不同类型指纹图像有较高的适应性。