用于身份识别的指纹图像增强算法研究与应用

研究了一种指纹增强算法,利用Gabor滤波器具有最佳时域和频域连接分辨率的特点和其良好的带通性,使用Gabor滤波器对低质量指纹图像进行了滤波去噪处理;使用纹线投票算法获取了指纹图像的纹线结构,在此基础上提取了指纹图像的方向信息,结合方向信息对图像进行了增强处理,实验结果表明,该算法的图像增强效果显著。     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

基于Gabor滤波器的指纹图像增强

通过对传统指纹图像增强算法的研究,提出一种基于Gabor滤波的指纹图像增强算法。根据指纹纹线间距均匀且局部平行的特点,建立了用于指纹图像增强的Gabor滤波函数的物理模型,并利用二维Gabor滤波器可分解为正交方向的一维高斯带通滤波器和一维高斯低通滤波器的特点,将二维滤波分解为两次一维滤波,从而解决了计算量过大的问题,降低了算法的复杂度。实验表明该算法具有良好的增强指纹图像的脊线和抑制噪声的作用。     

小波变换和大津法在竹编工艺中的应用

本文提出了一种新的竹编工艺,采用了数字图像处理算法,通过小波变换对扫描图等含噪图像进行滤波去噪,通过Ostu算法对图像进行黑白二值处理,从而就可以把任何一幅数字图案编织成竹编工艺品.为了去除图像中包含的大量噪声,提高基于图形处理的产品加工精度和效率,分析了维纳滤波对于图像消除噪声的特点,采用小波自适应阈值去噪技术剔除图...     

基于图像场能分析的指纹图像增强

手指的脱皮老化以及活体指纹传感器带来的图像误差易影响指纹图像的成像质量.为此,针对低质量指纹图像中存在的纹线断裂、脊谷粘连以及手指脱皮造成的区域性模糊等问题,提出了一种基于指纹图像场能分析的指纹图像增强算法.算法分析和计算了指纹图像的强度场、梯度场、方向场和频率场,并在分析图像本身特点的基础上结合各场能具体信息以及Gabor滤波原理对指纹图像进行逐步的增强处理.实践表明,整套算法对低质量指纹图像增强效果良好,能大幅度提高指纹图像质量.     

基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

一种改进的中值滤波去噪算法

图像的去噪是图像处理中最基本的工作,去噪处理的好坏将直接影响到后续的分割和识别,本文针对传统的中值滤波算法容易造成细节的丢失的缺点,提出一种改进的算法,采用两种不同尺度的正方形窗口和一个多极加权滤波窗口作为候选窗口,判断灰度方差最小的窗口作为最终的滤波窗口完成滤波去噪操作,实验表明,该改进算法实现了自适应选择不同尺度不同方向的窗口来进行滤波,具有良好的保边性能。     

基于方向滤波的指纹特征提取

对现有指纹图像增强算法进行研究,利用高斯滤波器的方向选择性,对正确求解出方向图的指纹图像进行方向滤波,很好的增强了指纹图像。对增强后的指纹图像进行细化,利用掩膜求解出指纹图像中的特征点。实验结果表明该方法可以很好的提取出指纹图像中的特征点。     

基于图像场的指纹图像预处理算法研究与实现

指纹识别技术主要包括指纹图像预处理,指纹图像特征提取和指纹图像特征比对三大模块。作为指纹识别的关键技术之一,指纹图像预处理的质量好坏将直接影响到后续的处理过程和最终识别结果的正确性及可靠性。预处理的目的是尽量消除所采集到的指纹图像噪声,并将指纹骨架估计提取出来,以便进行指纹特征的提取工作。本文主要讲述了基于图像场的指纹图像预处理算法,主要包括基于图像场的指纹图像分割,滤波,二值化和细化等几个步骤,并且经由VC平台编程实现,以验证算法的有效性和可行性。     

基于FIR 数字滤波器的扫描图像去网

针对扫描图像,提出了一种基于FIR 数字低通滤波器的去网方法,该方法是将图像从空间域转换到频率域,对频率域图像进行FIR 低通滤波处理,结合图像评价指标PSNR,选择最优的滤波器参数。用该去网算法与常用的去网算法进行了比较,结果表明,该去网算法在达到去网效果的同时能够更好地保留边缘信息。     

半导体指纹传感器图像质量评估方法

指纹图像的采集处于指纹识别系统的最前端,图像质量的好坏直接关系到系统的处理速度和准确性。针对目前广泛使用的半导体指纹传感器,根据指纹本身的固有特性,设计出一纽多通道Gabor滤波器对指纹图像进行分解和特征提取,并结合基本的图像质量评估指标进行质量分析和判断。实验结果表明：该算法能有效地判断半导体指纹传感器的图像质量,有助于提高自动指纹识别系统的整体性能。     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

Fusion of MRI and CT images using guided image filter and image statistics

In medical imaging using different modalities such as MRI and CT, complementary information of a targeted organ will be captured. All the necessary information from these two modalities has to be integrated into a single image for better diagnosis and treatment of a patient. Image fusion is a process of combining useful or complementary information from multiple images into a single image. In this article, we present a new weighted average fusion algorithm to fuse MRI and CT images of a brain based on guided image filter and the image statistics. The proposed algorithm is as follows: detail layers are extracted from each source image by using guided image filter. Weights corresponding to each source image are calculated from the detail layers with help of image statistics. Then a weighted average fusion strategy is implemented to integrate source image information into a single image. Fusion performance is assessed both qualitatively and quantitatively. Proposed method is compared with the traditional and recent image fusion methods. Results showed that our algorithm yields superior performance.     

离焦模糊图像的自适应滤波及逆滤波器复原

在微操作中,显微视觉系统获取的图像通常是离焦模糊图像.根据最小二乘原理和回归模型设计自适应滤波器,用于消除图像噪声,提高图像的信噪比;离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像频域的零点位置来估计圆盘函数的模糊参数;采用基于简化Wiener滤波的逆滤波器方法对模糊图像进行复原.对算法进行了仿真和实验分析,结果表明,该方法能够以较少的运算时间代价获取较好的复原效果.     

Kalman滤波在电容层析成像图像重建中的应用

利用Kalman滤波算法进行电容层析成像图像重建,通过不断更新测量信息提高重建图像质量。在滤波初始,需要确定重建图像灰度及估计误差方差矩阵的初值。为研究不同初值组合对重建图像质量的影响,选择3流型进行了仿真实验,获得了最佳的初值组合,并在电容层析成像实验装置上进行了静态测试,实验结果表明,与Landweber算法相比,使用最佳初值组合的Kalman滤波算法可获得更为接近真实分布的重建图像。     

基于各向异性扩散的弱小目标增强算法

针对弱小目标对比度较低、边缘模糊、难以准确探测的问题,本文提出一种基于PDE的改进的各向异性扩散滤波算法增强弱小目标.该方法根据各向异性扩散原理,通过改进传统的P-M方程建立新的滤波模型,采用自适应滤波的方法在非目标区进行背景平滑,在局部变化的区域进行锐化处理增强弱小目标,从而达到背景平滑的同时增强边缘的效果.同时可以通过调节参数k和W选择平滑和锐化的程度,以适应不同的环境变化.实验结果表明,该方法能够有效的增强低对比度图像中的弱小目标.     

加权均值滤波在机场跑道路面裂纹图像检测中的应用

图像去噪是图像处理中的一个重要环节。基于均值滤波和中值滤波的经典算法,结合数字图像处理技术,以拍摄的直升机机场跑道路面裂纹图像作为研究对象,提出了一种改进的加权均值滤波算法,并通过仿真给出了试验效果图及数据结果。结果表明：改进的加权均值滤波算法较传统均值滤波能更好地保护图像的细节,失真小,在去除噪声的同时较好地保留边缘等细节信息,降低了图像处理后的模糊化程度,优于经典的滤波算法。该研究为机场跑道路面裂纹图像检测提供了一种新方法。