一种新的掌纹图像预处理方法

掌纹图像预处理主要包括图像分割和图像增强。在分析现有掌纹图像预处理方法中存在的不足之后,提出了一种新的掌纹图像预处理方法。该方法以手掌外侧轮廓作为定位参考线,首先实现手掌定位;然后以手掌的最大内切圆圆心为掌纹图像坐标系的原点构建坐标系,并截取出该圆的内接正方形区域内的掌纹图像,以完成图像分割。另外,该方法将模糊理论引入到反锐化掩模系统框架中,并用方向可调滤波器替代传统反锐化掩模算法中的Lap lac ian滤波器来获取掌纹图像中的高频成分,以实现在线掌纹图像的增强。实验结果表明,该方法不仅在手指完全并拢的情况下,仍然能提取出掌纹中心子图,而且能有效增强掌纹图像中主线和皱纹线的对比度。     

一种基于分时光源的掌纹图像获取方法

随着生物技术、计算机技术以及电子技术的迅速发展,生物识别手段被应用到越来越多的领域,越来越受到人们的重视。生物识别具有简单易行、安全可靠等特点,往往被应用到身份认证、权限认证等方面。而掌纹认证、指纹认证则是生物识别手段中的重要内容,本文将研究一种基于分时光源的掌纹图像获取方法。本文将系统探究一种基于分时光源的掌纹图像获取方法,并基于这一方法设计出掌纹图像获取系统。     

掌纹图像预处理算法的研究

在掌纹图像的采集过程中,实际得到的掌纹图像中包含了噪声成分。噪声的存在,破坏了图像像素间在结构、纹理、内容等方面的相关性,不利于掌纹样本图像的特征提取。因此,针对所要提取的掌纹特征,选择适当的去噪算法,可以在去噪的同时去掉一些不必要的特征,从而可以简化后续的特征提取阶段的工作。     

自动找点的掌纹图像定位分割方法

重点研究掌纹图像在产生旋转和平移情况下的定位分割方法。对采集的掌纹图像做中值滤波后得到二值图像,跟踪二值图像边界,转换边界点重新建立只显示边界新图像,最后分析手掌形态,分离手指与手掌,利用去孤立点的自动找点方法提取食指与中指、无名指与小拇指两处定位点,并以此对图像做旋转校正,建立直角坐标系,确定图像的感兴趣区域。实验结果表明,该方法的定位准确率高,有利于进一步对掌纹图像进行特征提取和特征匹配。     

基于Gabor滤波器的指纹图像快速增强

研究并实现了利用Gabor滤波器对指纹图像增强的算法。改进了指纹图像方向图和纹线频率的提取方法,同时也对Gabor滤波器的快速实现方法进行研究,首先把Gabor滤波器分解为多个不同方向上有着不同参数的一维高斯滤波器的组合,然后通过递归的方法分别实现这些高斯滤波器,最后实现了Gabor滤波器的快速算法在指纹图像增强中的应用。实践表明,该方法效果良好,速度快,能大幅度提高指纹图像质量。     

掌纹图像的获取及其预处理

提出了一种无限制的获取掌纹图像的方法,并使用该方法构建了掌纹库.该掌纹库可以成为掌纹识别算法训练集和测试集的来源,也可以成为进一步推进掌纹识别研究与发展的基础.在该掌纹库的基础上,对掌纹库中的掌纹图像进行了预处理,将原始图像二值化后利用定位点自动检测技术检测出掌纹图像中两个关键的定位点,并以此为基础对掌纹图像进行旋转校正,最后切取一定区域的掌纹子图,为进一步提取掌纹特征打下了较好的基础.     

基于DSP和CPLD的掌纹图像采集系统设计

针对掌纹识别系统中的图像采集问题,提出了一种基于DSP和CPLD的掌纹图像采集系统的设计方法。将DSP的特殊设计结构作为算法处理核心,对掌纹图像进行采集、存储和处理。采用OV7620作为掌纹传感器,并利用CPLD完成DSP与0V7620之间的逻辑信号转换,设计出了一套实时、高性能的掌纹采集系统。实践证明,该图像采集系统运行稳定、可靠,具有一定的应用推广性和参考价值。     

非接触式掌纹图像采集与图像增强技术研究

掌纹识别是生物特征识别领域的前沿课题,其中非接触式的掌纹识别技术因其具有用户体验性好、无卫生污染等特点,Et益成为相关研究领域的热点。但是非接触式的掌纹识别技术易受背景复杂、光照不足等不良因素的影响,给掌纹的图像采集与特征的提取匹配带来了困难。为了更好地解决这些问题,需要采用更为有效的图像增强技术。文中介绍了非接触式图像采集与预处理过程中图像增强技术的基本概念,对该技术实现方法进行了归类阐述和分析,探讨了该技术的发展趋势。     

一种改进的基于Gabor滤波的指纹增强算法

研究并实现了基于Gabor滤波器的指纹增强算法,对纹线方向提取算法进行了改进,获得了较准确的方向图。并改进了纹线频率的提取方法,有效地避免了Gabor滤波后在脊线中留下伪纹线和小孔的问题。同时也对滤波算法进行了优化,有效地减少了运算量。实验证明,该方法工作稳定,效果良好,鲁棒性强,对低质量图像具有显著的增强效果。     

一种基于形态小波的在线掌纹的线特征提取方法

在线掌纹中的线特征性能比较稳定，表示方法简单，特征空间小，可实现快速检索与匹配，该文针对在线掌纹图像噪声强，对比度低的特点，提出利用形态中值小波对原努图像进行非线性多分辨率分析，然后取其中的低频分量进行方向选择模板匹配，得到了较理想的实验结果。     

掌纹识别算法综述

掌纹识别作为一种新兴的生物识别技术, 近年来得到了广泛的关注与研究. 与其他生物特征相比, 掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等. 这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法. 本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法, 之后详细介绍了近几年来提出的各种掌纹识别方法. 根据特征提取以及匹配方法的不同, 本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法. 在回顾和比较了各种算法的特点之后, 对未来的掌纹识别方法的发展方向作了展望.     

一种自适应的T型结构掌纹分区算法

掌纹图像可由一个T型结构分为指根区域、内侧区域和外侧区域3个部分,合理地利用这些分区信息,可以有效地提高掌纹识别的效率和正确率.为此,提出一种自适应的T型结构分区算法,利用掌纹中的主线信息,并结合掌纹的灰度和方向场构造一个目标函数;通过搜索寻找目标函数的最大值实现T型结构的定位,以实现对掌纹的分区.实验结果表明,采用文中的算法能够获得有效的掌纹分区结果.     

基于Nonsubsampled Contourlet变换的掌纹特征提取算法

为了研究Nonsubsampled Contourlet变换(NSCT)在掌纹识别应用方面的可行性和性能,本文采用MATLAB仿真手段,利用NSCT对纹理特有的各向异性和多尺度特点,以香港理工大学采集的掌纹图像为研究样本,建立掌纹识别的分析和研究平台,针对NSCT从掌纹图像中分解得到的多个系数矩阵,研究掌纹特征的提取算法。实验结果表明,NSCT在掌纹识别方面具有较好的性能和较高的识别率,从而验证了该方法在掌纹识别中的有效性和识别效果。     

图像处理中卷积理论的数学基础

为了使自然获取的图像利于人们判读或计算机识别,就要对图像进行增强或者复原处理,从而使图像增强与复原这两种看似矛盾的技术构成了数字图像处理领域的主要内容。众所周知,滤波器理论是这两门技术的核心内容。本文主要是从数字图像处理中所运用的滤波器的卷积理论入手,从数学角度严格的论述了数字图像处理中常用的滤波器的卷积理论的内容,完善其数学理论基础,以便在实际应用上能更准确和方便的应用相关理论。作为该理论演示,文章的最后给出了相关的实验结果。     

基于指导滤波与二值图像组互相关匹配的3D掌纹识别

提出了一种鲁棒的掌纹识别方法。在特征提取阶段,使用指导图像滤波去除噪声,然后基于Gabor变换提取鲁棒的掌纹方向特征,并使用一组二值图像表示每幅3D掌纹图像;在匹配阶段,采用了基于二值图像组互相关运算的匹配算法。该方法能够充分利用图像组中的特征配准图像来得到准确的匹配分数。HK-PolyU 2D+3Dpalmprint database数据库上的实验表明,该方法能够有效提高掌纹识别算法的识别率。     

基于方向滤波的指纹图像增强算法．

指纹增强对于提高细节特征的准确率以及整个自动指纹识别系统的性能都有着十分重要的意义。文中采用基于梯度的sobel算子方法求取指纹的方向图，并对传统的公式进行了补充；然后利用指纹的纹线局部方向一致性和纹线宽度信息，通过一组方向滤波器来实现指纹的增强。试验结果表明该方法对改善指纹图像的质量十分有效。