论文部分内容阅读
作为现代身份鉴别的重要工具,生物识别技术正前所未有的引起人们的关注。指纹由于其唯一性、不变性和普遍性,已经被运用于生物识别领域。指纹识别是最具代表性的生物识别技术之一,其识别结果具有法律效力,并涉足广阔的民用领域。目前,针对质量较好的指纹进行识别的方法已经能够取得较高的准确率和效率。然而,对于低质量指纹图像,如老年人群的指纹、犯罪现场的残缺指纹等,对于这样低质量的指纹,常用的指纹识别算法性能较差,已成为指纹识别技术发展的一个瓶颈。如何准确识别残缺指纹成为了指纹识别的一个重要课题。
针对这个问题,本文设计了一种改进的框架来优化自动指纹识别系统中性能,尤其是指纹预处理算法的性能。本文主要从指纹识别中指纹图像分割、指纹图像增强和特征提取三个方面进行研究并提出相关改进算法。
1.提出了一种基于块重叠的自适应指纹图像的分割算法
从复杂的背景中准确的分割出指纹脊线对后续指纹图像增强和特征提取算法的效率和准确性的提高具有重要的作用。传统的指纹分割方法把图像分为非重叠区块,这样会造成前景边缘的块效应,影响指纹识别效果。针对这个问题,本文研究并提出了一种新的方法,即利用图像块重叠方法来自适应的分割指纹图像。另一方面,提出一种新的后处理技术,并将它应用到图像分割过程中,使分割更加准确和可靠。实验结果表明,对于不同质量的指纹图像,使用该方法能够得到比非重叠区块方法更好的结果。
2.提出了一种基于一致性扩散滤波和Gabor滤波的指纹图形的联合增强算法
指纹图像增强是自动指纹识别系统的基本过程。在特征提取和匹配过程之前,需要对通过扫描仪获得的低质量指纹图像进行增强,来得到真实可靠的用户识别特征。指纹图像的增强提高了脊谷结构,增加了正确特征的数量,从而提高了识别系统的整体性能。本文研究并提出了一种新的指纹图像增强方法,即联合一致性扩散滤波器和2D-Gabor滤波器,并使用块重叠技术去除增强图像中的块效应。实验结果表明,相比于单独使用扩散滤波器或Gabor滤波器的方法,本算法在处理图像核心点区域和平面脊谷模式方面增强效果更好。
3.提出了一种基于改进型灰度共生矩阵的指纹识别算法
在低质量的指纹图像种更适合用指纹的纹理特征来进行识别,因为它比细节点特征更容易提取。本文对基于纹理特征的指纹识别算法进行改进。首先,使用Poincare Index方法提取中心点;然后,提取中心点周围的区域。应用灰度共生矩阵(GLCM)法,找出指纹最重要的统计描述项,如能量、对比度、均匀性、熵、相异性、最大概率和方差;最后,基于纹理特征通过K近邻(KNN)分类器对指纹图像进行识别。实验结果表明:改进后的算法可提高指纹识别性能。