基于多尺度分块的指纹图像二值化算法

提出了一种基于多尺度分块的指纹方向图滤波方法,并将该算法应用于指纹图像的二值化处理.实验结果表明,该算法明显优于其他算法.     

基于对称方向滤波的指纹图像二值化

提出了一种结合方向信息的背景分割算法,能简单有效地将指纹从背景区域分割出来.还提出了一种对称滤波模板算法,不仅使脊线和谷线清晰分离而且矫正了纹线的方向并使脊线向中心集中,最后使用动态阈值法得到指纹二值化图像.实验表明,该算法对不同质量的指纹图像,能有效地抑制噪声,得到平滑连接的二值图像.     

基于遗传算法的指纹图像二值化算法研究

将遗传算法用于计算指纹图像二值化阈值,首先说明了染色体编码方法,其次利用赌轮法产生初始化种群,说明了有关适应函数表达形式,最后说明有关选择算子、交叉算子和变异算子的实现方法,通过算法实现表明,利用遗传算法所得到的阈值进行二值化处理,效果非常好。     

一种基于分块二值化思想的图像检索方法

提出了一种基于分块二值化思想的图像检索方法,利用二值化阈值将图像分割为目标和背景,在此基础上进行分块,在每一块内分别提取颜色特征后再进行相似度匹配,并在检索中突出图像目标的重要性。实验证明,这种方法能够更有针对性地检索图像,能够在保证查全率的同时较大的提高查准率。     

结合方向信息和模糊聚类的指纹图像二值化方法

尽管指纹图像具有局部方向一致性,但在一些局部区域,尤其是包含指纹奇异点的区域点方向变化仍然较大.鉴于此在求出指纹各个像素的点方向以后对指纹图像进行分块,引入了方向信息可靠块和方向信息不可靠块的概念.对方向信息可靠块提出一种用方向信息分割指纹图像的方法.对方向信息不可靠块,采用两种方法区分出指纹决和背景块:一是利用该块的均值、方差;二是利用邻域信息.在此基础上对不可靠块中的指纹块采用加权模糊C.均值聚类的方法对其进行二值化.实验表明:用本文提出的方法对指纹图像进行二值化处理后得到的二值图像脊线光滑无孔洞.对断线起到了一定的连接作用,而且对于方向变化较大的分块避免了二值化后纹线的偏移.     

二值指纹图像方向图算法

在指纹自动识别过程中,指纹的纹理特点决定了方向信息的重要性。图像的增强、二值化、分割、模式分类以及压缩等许多地方,都用到了方向信息。方向图是方向信息的表示方法,方向图的准确性决定了自动识别过程中各种算法的效果。本文在二值化处理的基础上,提出了一种不受背景干扰的指纹图像方向图算法,能够准确地反映了指纹模式区的纹理方向。实验证实我们的算法具有良好的鲁棒性,可用于二值化的后期处理。     

基于分块聚类的车牌图像二值化方法

利用车牌图像中车牌部分所占比例小、车牌字符与底色灰度对比度大的特点,为运算简单,易识别定位,提出了一种基于分块聚类的车牌图像的二值化方法。方法先将整幅灰度车牌图像等分成多个小块,对每个小块中的像素点根据其灰度值进行聚类,再将聚类结果二值化而得到各小块的二值化结果,合成各小块的二值化结果得到整幅车牌图像的二值图像。实验结果表明,与OTSU二值化方法相比,不仅经该方法处理得到的二值图像能很好地体现车牌特征、有效地降低车牌图像背景的复杂性,而且方法更适用于处理非正常光照条件下的车牌图像。在此基础上能有效地提高车牌定位系统的实时性和适应性。     

基于二值化指纹图像细节点提取的改进算法

深入研究了二值化指纹图像细节点提取算法,针对已有算法中存在伪细节点和遗漏细节点的问题,提出了一种改进的二值化指纹图像细节点提取算法。该算法在原有提取算法的基础上,采用了形式分割图段、结合纹线方向提取、合并图段等措施。大量实验表明,该算法显著地减少了伪细节点和遗漏细节点的出现,是一种较为理想的二值化指纹图像细节点提取算法。     

基于图像分块的局部阈值二值化方法

针对目前局部阈值二值化结果存在目标虚假或断裂的缺陷,提出了一种基于图像分块的局部阈值二值化方法。首先,将图像分成若干子块并分析每个子块像素灰度变化情况;接着,取一定大小的局部窗口在图像中移动,比较该局部窗口内与包含窗口自身且比窗口更大区域内的像素灰度变化情况,更大区域由窗口模板当前覆盖的所有子块组成,以此判断窗口内是否为灰度变化平坦（或剧烈）区域;最后,根据不同的区域,给出具体的二值化方案。利用7种不同算法对4种不同类型的4组图像进行了二值化实验。实验结果表明该算法在屏蔽背景噪声和保留目标细节方面表现最优,特别地通过对车牌图像的二值化结果进行定量分析后发现该算法能够得到最高召回率和准确率。     

一种结合方向信息的指纹图像二值化算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分.为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法.与自适应阈值法做了对比实验,实验结果表明,该算法具有更好的二值化效果.算法本身还具有一定的连接指纹图像中断线的能力,这对提高细节特征提取结果的准确性具有重要的意义.     

结合方向信息的指纹二值化及后处理算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分。为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一套完整的结合方向信息的自适应局部阈值二值化及后处理算法。实验结果表明,该算法具有很好的二值化效果。而且,该算法具有很好的连接指纹图像中断线、消除孔洞、去除粘线的能力,这对提高细节特征提取结果的准确性具有重要的意义。     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

一种基于结构分类和图形匹配的指纹识别方法

提出了一种新的确定指纹中心点的方法。根据中心点的位置,通过结构分类的方法对指纹进行分类,接着采用了图形匹配的方法进行匹配,提出了中心点二次定位的匹配方法,结合模糊判别的方法提出新的复合指纹匹配方法。其中包括提出了根据指纹特征进行指纹的二次定位。文中对1000幅指纹图像(包含20％的低质量指纹图像)做了实验,分类正确率达100％,匹配正确率达98．7％。     

指纹图像预处理中的关键技术研究

指纹图像的预处理在计算机指纹自动识别系统（AFIS）中有着非常重要的作用,直接制约着系统的识别率和识别速度。指纹图像预处理通常包含图像的分割、去噪、增强、二值化和细化等。在总结现有常用预处理算法的基础上,通过实验对预处理中的三个关键算法即指纹图像的增强、二值化和细化进行了详细地研究,根据指纹图像的特点提出了一些有效的改进算法,实验结果显示这些改进的算法对指纹图像的处理效果明显,可以很好地提高指纹图像的质量,为后继处理打下良好基础。     

基于指纹方向图的模糊二值化算法研究

深入研究了指纹图像二值化算法,提出一种基于指纹方向图的模糊二值化算法,算法根据指纹方向图的特性,引入了模糊数学的理论,能够在保持特征点不丢失的基础上完成一般指纹图像处理中的滤波和二值化的处理。     

一种新的指纹图像模板细化方法*

OPTA方法是一个经典的指纹图像细化方法,针对OPTA的不足提出的改进OPTA方法能够得到完全细化的指纹图像,细化后图像纹线扭曲小。但是这两种模板细化方法均存在细化后图像容易产生毛刺的不足,究其原因是由于模板细化方向粗糙造成的。为此提出了16方向的细化模板,该模板以22.5°为角度单位对图像进行更细致的细化处理,得到的细化图像光滑几乎无毛刺,取得了更为理想的细化效果。     

改进的低质量指纹图像分割算法

低质量指纹图像处理一直是自动指纹识别技术的研究重点,对低质量指纹图像的分割是图像增强、细化和特征提取的重要前提。在分析传统方法局限性的基础上,从指纹图像的灰度分布规律出发,提出了基于点方向图和灰度均衡的指纹图像分割算法。实验结果表明,相比于已有的指纹图像分割算法,该算法的分割效果更好,具有很强的噪声抑制能力。