随着计算机技术的迅速发展,自动指纹识别技术成为解决目前所面临的安全问题的一种重要的手段,但是由于自动指纹识别系统对实时性的要求,使得一些目前比较先进的算法由于其复杂性,实际应用受到了很大的限制。为此,有必要提出一种高效、实时的识别算法以满足目前的应用需求。 本论文主要研究了如何在噪声比较严重的指纹图像中准确、可靠地提取其中的奇异点。另外该文还对指纹增强算法进行了研究。 准确、可靠地检测指纹图像中的奇异点(core点和delta点)对于指纹分类和指纹点模式匹配具有非常重要的意义。在本文中,一方面,为了提高输入指纹图像的质量和降低计算的复杂度,在奇异点提取前,首先进行了必要的预处理,主要包括小波多分辨率分解、图像分割、图像增强,这样既可以去除指纹采集过程中产生的噪声,还可以将指纹图像的数据量大大降低;另一方面,本文还提出了一种改进的基于Poincare索引的奇异点检测算法,即利用多次图像错位分块检测到的奇异点位置相对集中和各级分块尺寸下采用不同的方法检测到的奇异点位置相互关联的特性,能够从指纹图像中较准确、可靠地检测出奇异点。在部分典型的低质量指纹图像上的实验结果验证了该方法的有效性,对低质量的指纹图像具有很好的鲁棒性。 此外,本论文还研究了一种基于灰度图象的快速指纹增强算法,它可以基于局部纹线频率和局部纹线方向自适应的改善指纹图像脊谷结构的清晰度。此算法利用了Gabor滤波器良好的带通性,以多次分块指纹图像后提取的指纹纹线方向和分块纹线频率为参数,使用Gabor滤波器对质量比较差的指纹图像进行了滤波、去噪和增强处理。此算法能够提高可恢复区域的纹线清晰度并使之适应于特征提取算法。此算法也能辨认出不能恢复出真正纹线结构的已被破坏的区域,并对它们进行了识别、标志和屏蔽,从而有效地减少了指纹图像中伪奇异点的出现。