论文部分内容阅读
近年来,以指纹为代表的生物特征识别技术引起了人们的广泛关注。指纹识别技术以其可靠性、稳定性在生物特征识别领域得到了广泛的应用。准确、可靠地特征提取是确保自动指纹识别系统性能的前提和基础,而指纹增强和匹配对指纹特征提取的准确性和指纹最终的匹配结果有着直接的影响。本文结合加博滤波,对指纹增强和纹理匹配方法进行了研究。本文的主要工作分为指纹增强和纹理匹配两个方面,其中指纹增强包括综合使用指纹质量和加博滤波的指纹增强,综合使用指纹指纹码特征向量和加博滤波的指纹增强。纹理匹配包括传统纹理匹配的实现,纹理匹配算法的改进和使用指纹质量的纹理匹配。综合使用指纹质量和加博滤波的指纹增强:本方法采用自适应方法估计指纹图像的平均纹线距离作为加博滤波器的参数,并将图像质量测量评价结果应用于指纹增强,提出了一种综合使用图像质量和加博滤波的指纹增强方法。首先,利用大窗口频谱分析方法估计指纹的平均纹线频率,构造八个不同方向的加博滤波器模板;然后,利用加博滤波器分别对原始指纹图像进行滤波处理,得到八幅滤波后图像;最后,利用指纹图像质量评价因子对这八幅图像择优合成最终的增强图像。在典型指纹图像上的实验结果表明,本方法在一定程度上克服了传统的图像分块加博增强方法在指纹模式区性能表现不佳的问题。同时,由于该方法不依赖图像纹线方向,自适应获取纹线频率这一加博滤波参数,对低质量指纹图像表现出较强的鲁棒性。综合使用指纹码特征向量和加博滤波的指纹增强:采用自适应方法估计指纹图像的平均纹线距离作为加博滤波器的参数,并将指纹码特征向量应用于指纹增强,提出了一种综合使用图像码特征向量和加博滤波的指纹增强方法。首先,利用大窗口频谱分析方法估计指纹的平均纹线频率,构造八个不同方向的加博滤波器模板;然后,利用加博滤波器分别对原始指纹图像进行滤波处理,得到八幅滤波后图像;最后,根据指纹码特征向量获得的数据对这八幅图像择优合成最终的增强图像。实验结果表明,本方法不但具有综合使用指纹质量和加博滤波的指纹增强方法所具有的优点,而且比指纹质量因子更能准确表示指纹纹理清晰程度,有效地减少了增强图像合成中坏块的产生。纹理匹配:本文实现并改进的基于加博滤波的纹理匹配同时利用指纹的局部特征和指纹全局特征,不单纯依赖局部细节特征,适合细节特征缺少、伪点较多的指纹的匹配,弥补了基于细节点的匹配方法的不足。纹理匹配依靠输入指纹指纹码与模板指纹指纹码之间欧拉的比较,确定两幅指纹是否同源指纹。其中,指纹码的获取:首先,以核心点为中心将这八幅图像划分成扇形区域;然后,构造八个不同方向的加博滤波器模板,利用加博滤波器分别对原始指纹图像进行滤波处理,得到八幅滤波后图像;计算每个扇形区域的指纹码;最后,将八幅图像的扇形区域按照一定的顺序编成指纹码。另外,本文对上述纹理匹配方法进行了一些改进,对指纹核心点比较接近指纹图像边缘,指纹码部分区域在指纹图像有效区域外的情况进行特殊处理,对采偏、有效面积较少的指纹也能正常进行编码。实验表明,本文实现并改进的纹理匹配算法可以有效识别输入指纹。使用指纹质量特征向量的纹理匹配:将新的特征向量应用于纹理匹配,进行了实验。依靠输入指纹得指纹码与模板指纹指纹码的比较,确定两幅指纹是否同源指纹。在获取指纹质量编码的时候:首先,以核心点为中心将这八幅图像划分成扇形区域;然后,构造八个不同方向的加博滤波器模板,利用加博滤波器分别对原始指纹图像进行滤波处理,得到八幅滤波后图像;计算每个扇形区域的指纹质量特征向量;最后,将八幅图像的扇形区域按照一定的顺序编成指纹码。