本文關(guān)鍵詞：低分辨率指紋圖像識別的算法研究

  更多相關(guān)文章： 指紋圖像 增強 二值化 細(xì)化 特征匹配

【摘要】：在生物識別技術(shù)中,指紋所具有的特性,使其成為當(dāng)前個人身份認(rèn)證中最常用,最可靠的識別技術(shù)之一。但是隨著現(xiàn)代社會和技術(shù)的快速發(fā)展,人們對指紋識別技術(shù)在實際應(yīng)用中的安全性和高效性越來越關(guān)切,如何處理低分辨率的指紋圖像,加快識別速率,提高指紋圖像的識別率,已經(jīng)成為眾多研究機構(gòu)研究的熱點。本文主要對指紋圖像進(jìn)行三方面的處理:指紋圖像預(yù)處理、特征提取和特征匹配。其中對圖像預(yù)處理主要有四個部分:圖像分割、圖像濾波增強、圖像二值化和圖像細(xì)化。本文算法主要包括:(1)在指紋圖像分割和增強方面:針對指紋圖像分割提出了將形態(tài)學(xué)與方差法結(jié)合起來的算法,通過數(shù)學(xué)形態(tài)學(xué)的開閉運算刪除目標(biāo)區(qū)域上虛假的結(jié)構(gòu)元素,光滑目標(biāo)輪廓,刪除微小的凸出部分,填充比結(jié)構(gòu)像素小的空洞。而對于指紋圖像濾波增強運用了在Laplace-Gaussian算子基礎(chǔ)上的圖像增強的算法,利用Gaussian是線性平滑濾波器去除Gaussian噪聲的效果很好,且在大多數(shù)情況下,對其他類型的噪聲也有很好的處理效果。為了達(dá)到凸顯目標(biāo)的細(xì)節(jié)以及凸顯被模糊的細(xì)節(jié)的目的,需要對圖像作銳化處理。而laplacian正好具備這樣的功能,因此需要將兩種濾波器結(jié)合起來,來確保圖像紋路的細(xì)節(jié)和具有不錯的濾波處理結(jié)果。(2)對指紋圖像分割和增強處理之后,本文中還進(jìn)行了二值化處理,這是圖像預(yù)處理必不可少的步驟,對此本文提出了一種基于自適應(yīng)閾值與局部閾值相結(jié)合的二值化算法,此算法很好的提高了指紋圖像中脊線和谷線的對比度同時去除圖像中的大量粘連。(3)在二值化處理之后,指紋的紋線寬還比較粗,因此我們要將其處理為只有一個像素寬的紋線。針對這種情況,本文對改進(jìn)的OPTA細(xì)化算法中仍存在的一些缺陷進(jìn)行分析,并對改進(jìn)的OPTA算法進(jìn)行了二次改進(jìn),通過MATLAB仿真結(jié)果,改進(jìn)的細(xì)化算法具有較好的細(xì)化效果,提高了指紋紋線的光滑和連續(xù)性。(4)針對預(yù)處理后的結(jié)果,將圖像的端點和分叉點作為指紋要提取的特征點。在隨后的指紋匹配中,利用了紋線相似度匹配、相似三角型邊長匹配和點類型匹配的算法,簡化這三種算法的計算復(fù)雜度,用三個匹配結(jié)果綜合考量兩幅指紋圖像是否來自同一個手指。
【關(guān)鍵詞】：指紋圖像 增強 二值化 細(xì)化 特征匹配
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-18
• 1.1 指紋識別概述12-14
• 1.1.1 研究背景及意義12-13
• 1.1.2 國內(nèi)外研究狀況及面臨的問題13-14
• 1.2 指紋識別的原理和方法14-16
• 1.2.1 指紋的基本知識14-15
• 1.2.2 指紋識別技術(shù)的原理及應(yīng)用15-16
• 1.3 本文主要研究內(nèi)容16-18
• 第2章 指紋圖像分割和增強算法18-38
• 2.1 圖像歸一化19-20
• 2.2 指紋圖像分割算法20-28
• 2.2.1 圖像分割方法20-22
• 2.2.2 基于塊的指紋圖像分割算法22-23
• 2.2.3 傳統(tǒng)的指紋圖像分割算法23-24
• 2.2.4 形態(tài)學(xué)與方差法相結(jié)合的指紋圖像分割算法24-25
• 2.2.5 自動確定部分閥值的分級分割算法25-27
• 2.2.6 實驗仿真結(jié)果27-28
• 2.3 指紋圖像增強算法28-36
• 2.3.1 傳統(tǒng)的指紋圖像增強算法28-29
• 2.3.2 基于Laplace-Gaussian算子的指紋圖像增強算法29-31
• 2.3.3 Laplace-Gaussian濾波器標(biāo)準(zhǔn)方差對濾波效果的影響31-33
• 2.3.4 Laplace-Gaussian濾波器濾波掩膜大小對濾波效果的影響33-35
• 2.3.5 Laplace-Gaussian濾波器對濾波效果的分析35-36
• 2.3.6 實驗仿真結(jié)果36
• 2.4 本章小結(jié)36-38
• 第3章 指紋圖像二值化和細(xì)化算法38-56
• 3.1 指紋圖像二值化算法38-45
• 3.1.1 常用的基于閾值法的指紋圖像二值化算法39-41
• 3.1.2 基于自適應(yīng)閾值和局部閾值的二值化算法41-44
• 3.1.3 實驗仿真結(jié)果44-45
• 3.2 指紋圖像細(xì)化算法45-54
• 3.2.1 兩種經(jīng)典的指紋紋線細(xì)化算法46-48
• 3.2.2 改進(jìn)OPTA算法的不足48-50
• 3.2.3 基于改進(jìn)的新OPTA算法進(jìn)行指紋圖像細(xì)化算法50-51
• 3.2.4 基于數(shù)學(xué)形態(tài)運算的指紋圖像細(xì)化后的處理51-52
• 3.2.5 實驗仿真結(jié)果52-54
• 3.3 本章小結(jié)54-56
• 第4章 指紋圖像特征提取和特征匹配算法56-67
• 4.1 特征提取概述56-57
• 4.2 細(xì)節(jié)特征提取和去偽特征點57-59
• 4.2.1 去除指紋圖像中的偽特征點57-59
• 4.3 指紋圖像匹配59-62
• 4.3.1 指紋圖像匹配算法59-62
• 4.4 實驗仿真結(jié)果62-67
• 第5章 總結(jié)與展望67-70
• 5.1 總結(jié)67-68
• 5.2 工作展望68-70
• 參考文獻(xiàn)70-74
• 攻讀碩士期間發(fā)表的學(xué)術(shù)論文74-76
• 致謝76

，

本文編號：664633