在當(dāng)前所有的生物識別技術(shù)中,指紋識別技術(shù)是其中使用最為普遍的技術(shù)之一。指紋識別系統(tǒng)的性能在很大程度上依賴于輸入指紋圖像的質(zhì)量。通常情況下,受外界環(huán)境等因素的影響,指紋圖像在獲取中,產(chǎn)生的噪聲會損壞指紋信息,降低圖像對比度,因此需要增強(qiáng)退化的指紋圖像以便于后續(xù)步驟的處理。本文研究基于各向異性擴(kuò)散的指紋圖像增強(qiáng)方法,主要工作如下:1、對指紋增強(qiáng)的相關(guān)理論進(jìn)行梳理,并闡述指紋圖像增強(qiáng)的重要性;2、介紹了基于偏微分方程的線性擴(kuò)散濾波過程和非線性擴(kuò)散中的PM、Catte和FABD等模型,以及基于各向異性擴(kuò)散的邊緣增強(qiáng)和相干增強(qiáng)擴(kuò)散算法,同時對沖擊濾波算法進(jìn)行了探討;3、針對相干增強(qiáng)擴(kuò)散濾波增強(qiáng)后的指紋圖像會出現(xiàn)邊緣模糊及對比度降低等現(xiàn)象,提出一種新的增強(qiáng)模型:CED-SF模型。該模型在第一階段利用相干增強(qiáng)擴(kuò)散算法對退化的指紋圖像進(jìn)行修復(fù),之后通過沖擊濾波銳化邊緣;4、為驗(yàn)證本文方法的有效性,利用MATLAB進(jìn)行仿真實(shí)驗(yàn),并總結(jié)該方法在圖像增強(qiáng)等三個方面的應(yīng)用。先將本文算法、相干增強(qiáng)擴(kuò)散和沖擊濾波這三種方法對指紋圖像進(jìn)行增強(qiáng)處理,增強(qiáng)結(jié)果表明,本文改進(jìn)的算法既能保留相干增強(qiáng)擴(kuò)散的積極成果,又發(fā)揮了沖擊濾波的銳化特性;然后,將本文算法應(yīng)用到模擬的指紋識別算法中,選取合適的指紋圖像作為模板指紋,實(shí)驗(yàn)證明,與相關(guān)算法相比,本文算法可以提高匹配度,在保護(hù)指紋圖像細(xì)節(jié)點(diǎn)方面性能較好;最后,進(jìn)行藝術(shù)創(chuàng)作,選取流狀結(jié)構(gòu)明顯的圖像作為實(shí)驗(yàn)對象,將本文算法、相干增強(qiáng)擴(kuò)散和沖擊濾波這三種方法的增強(qiáng)結(jié)果進(jìn)行對比,并分析其在藝術(shù)創(chuàng)作等方面的特征表現(xiàn)。
【學(xué)位單位】：西安石油大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TP391.41
【部分圖文】：

第一章緒論5圖1-1指紋識別的基本流程1.4論文的主要內(nèi)容1.4.1論文的任務(wù)相比于其他生物識別技術(shù)，指紋識別的眾多屬性能夠很好的進(jìn)行平衡，存在明顯的優(yōu)越性，所以廣受學(xué)者歡迎，盡管如此，截至當(dāng)前，還沒有出現(xiàn)一種能在不同情形下都適用的處理算法。市場上的產(chǎn)品基本上都是依照具體的應(yīng)用需求，通過對應(yīng)的增強(qiáng)算法，對指紋進(jìn)行識別的。本文為了讓特征點(diǎn)的識別及提取工作具備更有效依據(jù)，結(jié)合各向異性擴(kuò)散和沖擊濾波對指紋圖像處理的增強(qiáng)優(yōu)勢，提出一種新的算法來增強(qiáng)指紋圖像，保證增強(qiáng)目的的實(shí)現(xiàn)。1.4.2論文的研究內(nèi)容簡要介紹了指紋識別系統(tǒng)的基本步驟，然后敘述了指紋圖像增強(qiáng)處理的基本概念和指紋圖像的紋理特征，例如脊線，谷線，特征點(diǎn)，端點(diǎn)和分叉點(diǎn)等。從偏微分方程的基礎(chǔ)理論著手，研究分析了基于偏微分方程的圖像處理方法，結(jié)合了熱傳導(dǎo)方程的思想，引出了因擴(kuò)散系數(shù)的不同導(dǎo)致的線性擴(kuò)散濾波與非線性擴(kuò)散濾波，其中對線性擴(kuò)散濾波以高斯濾波為例進(jìn)行了說明；對非線性擴(kuò)散濾波中的非線性各向同性濾波：Perona-Malik擴(kuò)散濾波、Catte模型和FABD等模型，以及基于張量的非線性各向異性擴(kuò)散這幾種算法對圖像的處理方法進(jìn)行了研究。之后重點(diǎn)研究了各向異性擴(kuò)散中的相干增強(qiáng)擴(kuò)散與沖擊濾波器對指紋圖像增強(qiáng)方法。本文主要以指紋這一類紋理特征密集的圖像作為研究對象，結(jié)合相干增強(qiáng)擴(kuò)散和沖擊濾波算法，提出了一種新的模型對退化的指紋進(jìn)行增強(qiáng)處理。

肝浦刑崛∠附冢?⒔?溆米髕ヅ淶鬧饕?卣鰨??胍艫鵲拇嬖諢岣扇盤崛〗峁??可能會遺漏了真實(shí)的細(xì)節(jié)，甚至可能會檢測到錯誤的細(xì)節(jié)，這些問題都會對識別率有負(fù)面影響。為了避免這種類型的錯誤，增強(qiáng)步驟的目標(biāo)是通過消除噪聲并增加脊和谷結(jié)構(gòu)的清晰度來提高圖像質(zhì)量。對于例如折痕，疤痕或手指干燥而導(dǎo)致的脊部中斷，圖像增強(qiáng)方法應(yīng)能夠重新連接它們，而對于因潮濕或污跡引起的粘結(jié)在一起的脊線應(yīng)將其分開，同時保留真正的脊線端點(diǎn)和分叉點(diǎn)。2.1脊線、谷線和奇異點(diǎn)人類的指紋由許多彎曲的凸起（凹陷）的紋路結(jié)構(gòu)組成[20]。如圖2-1所示，分別介紹了指紋圖像基本的特征結(jié)構(gòu)。在圖2-1中，黑色是前景色，也可稱為指紋區(qū)域，白色是背景顏色，脊線指的是前景中的黑色紋線，而谷線指的則是兩條脊線之間的空白區(qū)域。從圖像中可以觀察到，脊線會沿某個方向逐漸彎曲，并在大多數(shù)區(qū)域中緩慢變化，但是在指紋區(qū)域中存在兩種特殊類型的點(diǎn)，它們具有特殊的紋理特征，稱為奇異點(diǎn)，通常可分為core點(diǎn)和delta點(diǎn)，它們是紋線的彎曲程度和變化率最大的區(qū)域且在局部區(qū)域內(nèi)具有多個方向。圖2-1指紋圖像中的脊線、谷線、core點(diǎn)和delta點(diǎn)根據(jù)紋線呈現(xiàn)的幾何形狀可以將指紋圖像大致分為以下三種類型：環(huán)型，弓型，螺旋型[21]，如圖2-2所示。大型的指紋識別系統(tǒng)可存儲的指紋數(shù)量很大，一對一的進(jìn)行比較是非常耗時的。但是如果對相同類型的指紋進(jìn)行分類，然后再將其與指紋數(shù)據(jù)庫的指紋進(jìn)行比較，將會大大減少比較次數(shù)并縮短在指紋匹配系統(tǒng)中搜索的時間。core點(diǎn)delta點(diǎn)谷線脊線

西西安石油大學(xué)碩士學(xué)位論文8（a）環(huán)型（b）弓型（c）螺旋型圖2-2指紋圖像的基本類型2.2特征點(diǎn)、端點(diǎn)和分叉點(diǎn)對指紋匹配的過程主要是比對指紋圖像中能反映指紋唯一性的特征點(diǎn)，這類特征點(diǎn)也可以稱為細(xì)節(jié)點(diǎn)。這些特征點(diǎn)大概有150多種類型，其中許多的類型均是由端點(diǎn)和分叉點(diǎn)這兩種特征點(diǎn)組成。因?yàn)檫@兩種類型的特征點(diǎn)很容易被指紋識別系統(tǒng)提取和識別，所以這兩種特征點(diǎn)的結(jié)構(gòu)信息通常被用作指紋匹配的模板。如圖2-3所示，通常在指紋紋線盡頭的點(diǎn)稱為端點(diǎn)，分叉點(diǎn)是兩個脊線交點(diǎn)處，呈“Y”型的特征點(diǎn)。在所有的特征點(diǎn)中，端點(diǎn)和分叉點(diǎn)的占比超過了90%，而且它們是目前最穩(wěn)定、最高效的指紋細(xì)節(jié)特征。圖2-3端點(diǎn)和分叉點(diǎn)示意圖2.3指紋增強(qiáng)概述指紋識別算法可以劃分成以點(diǎn)模式為基礎(chǔ)的匹配法、基于頻域的匹配方法，和對脊線紋理進(jìn)行匹配的方法[22]。其中基于點(diǎn)模式的匹配方法需要從輸入的指紋圖像中提取到有效且準(zhǔn)確的特征點(diǎn)；以頻率域?yàn)榛A(chǔ)的匹配法則要求指紋圖像的噪聲不能過多，否則其相應(yīng)的幅值圖會變得難以分辨；而通過對脊線紋理進(jìn)行匹配的方法必須要從指紋圖像端點(diǎn)分叉點(diǎn)
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬洪晉;聶玉峰;;一種圖像特征增強(qiáng)的各向異性擴(kuò)散去噪方法[J];西安電子科技大學(xué)學(xué)報(bào);2015年05期

2 曾冬梅;陳鍛生;;基于沖擊濾波器的視頻圖像卡通化算法[J];計(jì)算機(jī)工程;2014年04期

3 張躍;王昊;;改進(jìn)的Gabor指紋圖像增強(qiáng)算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年06期

4 余錦華;汪源源;;基于各向異性擴(kuò)散的圖像降噪算法綜述[J];電子測量與儀器學(xué)報(bào);2011年02期

5 王瑋;李見為;黃非非;馮海亮;;基于Log-Gabor濾波的指紋圖像增強(qiáng)[J];計(jì)算機(jī)科學(xué);2007年07期

6 陳陽;譚思云;;基于DSP的指紋識別系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)測量與控制;2005年12期

7 郝玉峰,袁春偉;基于各向異性逆擴(kuò)散方程的指紋圖像銳化去噪方法[J];數(shù)據(jù)采集與處理;2005年03期

8 程建剛,田捷,何余良,楊鑫;基于非線性擴(kuò)散濾波的指紋增強(qiáng)算法[J];自動化學(xué)報(bào);2004年06期

9 羅希平,田捷;自動指紋識別中的圖像增強(qiáng)和細(xì)節(jié)匹配算法[J];軟件學(xué)報(bào);2002年05期

10 朱菊華,楊新,杜嘯曉,陳勇;一種基于非線性擴(kuò)散方程的指紋預(yù)處理方法[J];數(shù)據(jù)采集與處理;2001年02期

相關(guān)博士學(xué)位論文 前1條

1 劉波;指紋圖像增強(qiáng)及匹配算法的研究與應(yīng)用[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 楊崇智;基于偏微分方程改進(jìn)模型的聲吶圖像增強(qiáng)方法研究[D];哈爾濱工程大學(xué);2018年

2 王一鳴;指紋質(zhì)量評估及匹配算法研究[D];山東大學(xué);2017年

3 魯偉;基于相干增強(qiáng)擴(kuò)散算法的指紋增強(qiáng)研究[D];太原理工大學(xué);2017年

4 陳俊鴻;Gabor濾波指紋增強(qiáng)算法研究[D];廣西大學(xué);2016年

5 趙葵;指紋認(rèn)證在網(wǎng)絡(luò)數(shù)據(jù)交換中的應(yīng)用研究[D];西安科技大學(xué);2009年

6 徐文權(quán);基于局部生長融合的指紋匹配算法研究[D];北京大學(xué);2008年

本文編號：2882771