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。     

一种新的指纹图像分割算法

指纹图像分割是自动指纹识别的重要步骤。对指纹特征和传统指纹分割方法进行了研究,提出了一种新的指纹图像分割算法。先对指纹图像进行裁剪,如果指纹图像对比度较低,则对图像进行均衡化处理;然后对图像进行顶帽变换,补偿不均匀的背景亮度;最后用迭代自组织分析算法(ISODATA聚类)对图像进行分块分割和形态学图像处理。对国际指纹识别竞赛(FVC)数据库不同质量的指纹进行了测试,实验结果表明,此算法对不同质量的指纹是有效的,效果好于传统指纹分割方法。     

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。     

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．     

一种指纹纹线距离估计算法

指纹图像的平均纹线距离是指纹纹理属性的一个重要特征.作为一个重要的参数,平均纹线距离的估计精度可能对分割、增强和分类结果造成严重影响.文中提出一种指纹图像平均纹线距离估计算法.通过使用傅立叶变换、熵和加权欧氏距离等方法实现对平均纹线距离的精确估计.为评价算法性能,提出使用人工数据集和典型指纹图像对算法进行测试的实验方案.实验结果表明,本文算法可以对指纹平均纹线距离实现精确估计.     

掩膜法与Gabor滤波在指纹增强中的应用

在实时指纹识别系统中,图像增强的效果好坏将影响指纹特征提取及指纹鉴别的识别率.为了解决指纹采集仪采集图像对比度差而且指纹损坏严重情况下识别效果不佳的问题,采用了对反锐化掩膜后指纹图像采用Gabor滤波方法进行图像增强的算法.用反锐化掩膜法预处理指纹图像,并用Sobel算子求取图像的水平和垂直梯度图,把预处理后图像与Gabor函数卷积得到增强图像,可以恢复指纹采集图像中难以识别区域,清楚再现指纹纹理.结果表明,掩膜法与Gabor滤波算法结合在指纹图像增强中可以达到理想的图像增强效果.     

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.     

基于纹理分析的指纹图像分割算法

低质量指纹图像处理是近年来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实现后续处理的前提。文中在分析了方差作为分割指标的局限性基础上,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于纹理的指纹图像分割算法。实验结果表明,相比于基于灰度方差的指纹图像分割算法,文中算法的分割效果更好,对噪声的抵抗能力更强。     

指纹图像的高效分级分割算法

文章中提同了一种新的指纹图像分割算法，引入分级分割的观点，首先从图像中分割得到完整的指纹区域，然后从指纹区域中提取出清晰的指纹区域和受噪声干扰但可恢复的指纹区域。区域生长被引入到第一级分割中，使算法更具鲁棒性，与两种重要的指纹图像分割算法相比较，分级分割算法对不同类型的指纹图像都能精确地进行分割，是一种高效自适应的指纹图像分割算法。     

指纹自动识别中图像分割算法研究

为了可靠、准确地实现指纹的自动识别,提出了一种简便、可行的指纹图像的分割算法。通过合理地运用指纹图像的灰度特性,以较低的计算代价有效地解决了指纹图像的分割问题,从而使算法的处理效果好、运行速度快。实验表明,这种分割算法对于指纹图像的预处理十分有效。     

量子遗传算法在指纹图像分割中的应用

提出了一种基于量子遗传算法(QGA)的指纹图像分割改进方法.这种方法利用量子遗传算法种群多样性好,收敛速度快的特点,将基于量子遗传算法的阈值分割方法与方向图法相结合对指纹图像进行分割.实验结果表明,QGA在指纹图像阈值分割中的速度和精度优于改进的自适应遗传算法和其它一些传统算法,是一种有效的图像分割方法.     

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。     

改进的指纹自适应阈值分割算法*

在传统的自适应阈值分割算法的基础上,提出了一种改进的指纹图像分割算法。该算法根据指纹与背景交接区域,以及指纹内部脊线太淡或脊线粘连的区域中图像的灰度统计特性,对此类区域采取逐点分割,从而以较低的计算代价消除了指纹图像分割后前景区域的边界方块效应。实验表明,该算法具有较高的鲁棒性,对指纹的分割更加灵活准确,分割后的指纹前景边界也更加平滑细致。     

一种新的指纹图像分割方法

为了准确可靠地将指纹图像从背景区域中分割出来,提出了一种新的指纹图像分割方法,即利用灰度值频数和纹线12方向图判断是否有指纹脊线和谷线的存在,从而判断指纹图像小块是否为指纹前景区。实验结果表明,该方法适用于由于采集原因造成的指纹脊线和谷线灰度值相差较大或不大的指纹图像的分割,分割结果只求出指纹图像的边界而不改变指纹图。     

一种指纹图像的局部阈值分割算法

指纹图像分割是指纹识别预处理中重要的一步。在灰度方差法的基础上,针对人为选择阈值的困难和不准确性,以及因噪声带来的误分割,提出了一种灰度方差和灰度梯度结合的局部阈值分割方法。在实验中,通过和其他典型指纹分割方法的比较,该方法可以高效快速的对指纹图像进行分割,对噪声比较大的低质量指纹图像分割较好,特别对一些用全局阈值不易分割的指纹图像有较好的效果。