基于Radon变换的指纹图像滤波增强方法

基于Gabor滤波实现过干指纹图像的增强是一种较好的方法,如何估计Gabor滤波器的参数是解决问题的关键。本文采用Radon变换来估计Gabor滤波中的方向和频率,然后进行Gabor滤波增强。通过对FVC2000指纹库中的部分过干的指纹图像进行增强,结果表明,该方法增强效果明显,处理速度较快。     

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。     

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。     

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。     

基于Gabor滤波的指纹图像增强

在指纹识别系统中,图像增强效果的好坏对特征提取及指纹鉴别的识别率具有决定性的影响.根据指纹图像具有方向性和频率的特点,把Gabor滤波器应用在指纹图像增强处理中.利用Gabor滤波器的方向选择和频率选择特性,把指纹图像的局部方向和脊线频率作为Gabor滤波函数的参数,然后把Gabor函数与纹理图像进行卷积,从而去除了噪声,达到了增强图像的目的.在算法设计上提高了运算速度,节省了运算的时耗.实验证明,算法工作稳定,效果好,具有很强鲁棒性.     

基于二值指纹图像的Gabor滤波增强算法

在指纹预处理过程中,Gabor滤波器对于图像的平滑和分割具有十分显著的效果。但是Gabor滤波器对纹线方向和频率十分敏感,通过处理灰度图像得到的二值图像存在着严重的特征点丢失和变化问题。采用相位差分二值化方法,使二值化过程不依赖Gabor滤波。提出了在二值图像上利用Gabor滤波器增强的方法,保留了Gabor滤波器连接纹线断线和滤除图像中噪声的优点,避免了Gabor滤波器对频率的敏感性问题,有效地提高了指纹特征的保持度。     

一种基于低分辨率指纹图像的增强方法

指纹鉴别是一个比较复杂的过程,一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤。其中图像预处理中的图像增强是最为关键的环节,直接影响着后面指纹图像的细化特征提取等处理。论文针对硅晶体指纹采集芯片采集到的低分辨率指纹图像,提出一种有效的图像增强处理方法。由于指纹分辨率低,以及前景与背景的灰度差别很大,采用通常的空域Gabor增强后仍然有误增强和增强不充分的情况。所以针对此情况论文提出了采用非线性与线性相结合的二次图像增强的方法。首先使用Gabor滤波器进行非线性的图像增强,对增强后的灰度图像进行二次线性增强,即利用指纹的方向信息进行二值化处理。实验结果表明论文方法增强效果较好,与经典的Gabor图像增强方法比较,使用该方法图像增强后特征提取准确率明显提高。     

指纹图像的预处理算法

根据指纹的固有特性及常用算法在指纹处理中的缺陷,文中提出一套有效的预处理算法。对于图像增强,算法利用指纹的方向特性和频率特性设计出Gabor滤波器对图像进行滤波,取得理想的效果;在图像分割,二值图像处理等方面也作了改进。     

自适应模板大小的Gabor指纹增强方法

对一幅图像而言,现有的Gabor增强方法对各个分块使用的增强模板大小是定值,这可能会破坏纹线方向变化较大的分块的纹线信息。提出了自适应模板大小的Gabor指纹增强方法,使增强模板的大小与块内纹线方向的稳定程度成正相关。实验表明,相比固定模板大小的方法,该文方法具有更好的连接断线和去除粘连的能力,同时不会破坏纹线方向变化较大的分块的纹线信息。在FVC2004的3个指纹库上分别进行了实验,ROC曲线显示,将该文方法用于指纹增强能够提高系统的识别率。     

指纹图像的预处理算法

该文介绍了一种指纹图像的预处理算法,实验结果表明这种算法能有效地去除采集到的指纹图像的噪声,自适应地增强指纹图像的脊和谷的结构,标记出有效的指纹区域和无效的指纹区域,同时具有较快的速度。     

基于加博函数的指纹增强算法及其应用

指纹增强对于提高细节特征提取的准确率乃至整个自动指纹识别系统的性能实现都具有重要的意义.研究了基于加博(Gabor)函数的指纹增强算法,对纹线方向提取算法进行了改进,提出了一种纹线频率提取方法,给出了加博函数用于指纹增强的具体应用形式,以指纹图像的纹线方向和纹线频率为参数,使用加博函数实现了对指纹图像的增强处理,并使用南京大学活体指纹库中的部分典型低质量图像样本对算法性能进行了测试.实验结果表明,该算法对低质量图像具有显著的增强效果,增强后可以有效地降低指纹匹配的拒识率(false reject rate,简称FRR),处理速度和增强效果可以基本上满足在线自动指纹识别系统的需要.     

基于Gabor滤波的指纹图像增强算法

由于指纹的唯一性和不变性,指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤。其中图像预处理中的图像增强是最为关键的环节,直接影响特征提取与特征匹配。提出了一种基于Gabor滤波的指纹图像增强算法。阐述了Gabor滤波器的定义及其在指纹图像增强中的应用。对指纹图像方向图提取方法和频率计算方法作了改进尝试。实践表明,该方法是有效的、实用的。     

指纹图像增强和纹线提取算法

研究并实现了指纹图像增强和纹线提取算法。改进了指纹脊线距离求取算法和基于脊线方向的纹线提取算法。实践表明,改进算法工作稳定,效果良好,鲁棒性强,对低质量图像具有显著的增强效果。     

基于傅里叶变换的指纹图像增强算法

在指纹图像识别系统中,指纹图像的预处理是关键环节,而指纹图像的质量和合适的增强技术又是其中的最关键步骤。文章利用基于傅里叶滤波的指纹图像增强算法,在频域中对指纹图像进行处理,通过带阻滤波和方向滤波,取得了较好的图像处理效果。     

指纹图像增强技术综述

通过对指纹识别技术的应用现状和目前存在问题的分析,介绍了指纹识别中常用的图像增强算法。并重点介绍两种主流低质量指纹增强算法的原理,最后总结了该方向上的难点问题和一些新的研究方向。     

Matlab GUI在低质量指纹图像增强中的应用

低质量指纹通常被定义为模糊、高噪声、低对比度等情况下的指纹.利用人体固有的指纹生理特征来进行个人身份鉴定的指纹识别技术中,图像增强技术是其中一个非常重要的步骤.低质量指纹图像增强效果直接影响低质量指纹图像的识别效果.文中在简介指纹识别过程的基础上,以一种典型的低质量指纹图像增强算法-Gabor滤波增强算法为例,重点阐述了Matlab GUI设计的一般步骤及其在低质量指纹图像增强中的具体实现.对用户开发Matlab GUI应用程序和利用GUI处理图像等相关问题都有一定的借鉴意义.     

基于直线曲线混合Gabor滤波器的指纹增强算法

指纹图像增强对提高自动指纹识别系统的准确性具有重要意义。针对直线Gabor滤波器在纹线弯曲程度高的区域增强效果较差和曲线Gabor滤波器增强计算复杂度较高的问题,提出了一种基于直线曲线混合Gabor滤波器的指纹增强算法。其主要过程为:基于方向场一致性特征将指纹图像划分为弯曲区域和平缓区域;对弯曲区域和平缓区域,分别采用曲线Gabor滤波器和直线Gabor滤波器进行增强。在FVC2002上的实验结果表明,该方法在取得与曲线Gabor滤波器近似增强效果的同时,增强速度提高至其1.404倍。