本文關(guān)鍵詞：低質(zhì)量指紋識(shí)別中若干關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 低質(zhì)量指紋 指紋分割 方向場(chǎng)估計(jì) 脊線密度 稀疏編碼 字典學(xué)習(xí)

【摘要】：隨著信息社會(huì)的迅猛發(fā)展,人們對(duì)身份認(rèn)證和識(shí)別的準(zhǔn)確性、安全性和實(shí)用性都提出了更高的要求。指紋圖像易于采集、識(shí)別準(zhǔn)確、民眾接受程度高,指紋識(shí)別技術(shù)是目前世界范圍內(nèi)應(yīng)用最廣泛、市場(chǎng)占有率最高的身份識(shí)別方法。迄今為止,眾多研究人員與機(jī)構(gòu)對(duì)指紋識(shí)別技術(shù)進(jìn)行了深入研究,指紋識(shí)別性能取得了很大的提高。但是,對(duì)于低質(zhì)量的指紋圖像,如刑偵現(xiàn)場(chǎng)采集的潛指紋圖像,由于存在噪聲干擾大、變形嚴(yán)重及特征不完整等情況,識(shí)別精度和效率方面仍然難以滿足實(shí)際需要。自動(dòng)指紋識(shí)別包括圖像采集、圖像處理、特征提取和特征匹配等過(guò)程。本論文主要針對(duì)低質(zhì)量指紋識(shí)別中的兩大關(guān)鍵技術(shù):指紋分割和指紋方向場(chǎng)重建的算法進(jìn)行深入研究,主要工作成果和創(chuàng)新如下:1.研究基于線密度的指紋分割算法。指紋圖像分割是將有用的指紋紋理區(qū)域和復(fù)雜的背景噪聲區(qū)域分割開來(lái),是有效特征提取和高精度指紋識(shí)別的前提。有用的指紋信息是由具有一定流勢(shì)的脊線和谷線交替的紋理結(jié)構(gòu)特征,根據(jù)低質(zhì)量指紋圖像中前景指紋區(qū)域紋線密集的特點(diǎn),本文提出以線密度分布表征指紋信息的一種指紋分割算法。首先采用全變分(Total Variation,TV)模型將指紋圖像分解成卡通和紋理部分,然后在紋理圖像中搜索線段集,并計(jì)算線密度分布圖以表達(dá)脊線和谷線結(jié)構(gòu)信息,最后計(jì)算線密度,通過(guò)設(shè)定閾值分割指紋區(qū)域。該算法在現(xiàn)場(chǎng)指紋圖像庫(kù)NIST SD27中的測(cè)試結(jié)果表明,基于線密度的分割算法能有效地把有用指紋區(qū)域從背景噪聲中分割出來(lái),提高指紋分割的準(zhǔn)確性。2.研究基于脊線密度和方向一致性的指紋分割算法。考慮到有用指紋區(qū)域區(qū)別于背景區(qū)域,具有脊線密集的特征,同時(shí)脊線方向變化小、具有方向一致的特點(diǎn),本文提出一種脊線密度與方向一致性判斷相結(jié)合的指紋分割算法。局部全變分(Local Total Variation,LTV)模型提取紋理圖像,檢測(cè)脊線并計(jì)算脊線密度和方向一致性,設(shè)定閾值選取分值較高的區(qū)域?yàn)橹讣y區(qū)域�；诂F(xiàn)場(chǎng)指紋圖像庫(kù)NIST SD27的實(shí)驗(yàn)結(jié)果表明,該算法相較于基于線密度的指紋分割方法,能進(jìn)一步提高分割的準(zhǔn)確性。3.研究基于離散余弦基函數(shù)的方向場(chǎng)計(jì)算模型。指紋方向場(chǎng)是指紋圖像的全局特征,用于描述指紋脊線和谷線流勢(shì)的方向和結(jié)構(gòu)信息,對(duì)于指紋增強(qiáng)、特征提取和匹配都有著重要的作用。本文提出了以離散余弦變換(discrete cosine transform,DCT)基函數(shù)構(gòu)造字典元素和稀疏編碼的方向場(chǎng)計(jì)算模型,該模型實(shí)現(xiàn)簡(jiǎn)單、能夠有效抑制噪聲,且無(wú)需奇異點(diǎn)等先驗(yàn)信息,在低質(zhì)量指紋圖像的方向場(chǎng)重建方面有較好的性能。此外,為了更好地去掉噪聲并保留奇異點(diǎn)區(qū)域的方向變化,進(jìn)一步研究提出了一種基于加權(quán)DCT的方向場(chǎng)重建模型。首先,將DCT基函數(shù)作為字典元素用于對(duì)方向場(chǎng)的線性表示;然后,依據(jù)奇異點(diǎn)區(qū)域的判斷確定權(quán)重,將高階和低階DCT基函數(shù)加權(quán)組合重建方向場(chǎng);最后,將加權(quán)DCT模型擴(kuò)展應(yīng)用到殘缺指紋中,逐步迭代到噪聲腐蝕和缺損區(qū)域,重建指紋方向場(chǎng)。在NIST和FVC指紋圖像庫(kù)的實(shí)驗(yàn)結(jié)果表明該算法能有效消除噪聲的同時(shí)又能很好的保留奇異點(diǎn)區(qū)域的方向信息,對(duì)殘缺指紋等低質(zhì)量指紋方向場(chǎng)重建有很好的效果。4.研究基于多尺度字典學(xué)習(xí)和稀疏編碼的方向場(chǎng)估計(jì)模型。多尺度字典學(xué)習(xí)用于離線超完備字典構(gòu)建,稀疏編碼用于在線方向場(chǎng)估計(jì)。在線構(gòu)建多尺度學(xué)習(xí)字典,把高質(zhì)量的指紋圖像的方向場(chǎng)的多尺寸方向塊用于字典學(xué)習(xí);針對(duì)紋理圖像部分,梯度算法用于方向場(chǎng)的初始化,迭代多尺度稀疏編碼模型用于方向場(chǎng)重建,逐步增加方向塊的尺寸。其中,小尺寸方向塊用于保留方向細(xì)節(jié),大尺寸方向塊用于抑制噪聲、重建殘缺指紋方向場(chǎng)。在NIST SD27現(xiàn)場(chǎng)指紋圖像庫(kù)的實(shí)驗(yàn)結(jié)果表明,基于多尺度字典學(xué)習(xí)和稀疏編碼的算法能有效重建低質(zhì)量指紋方向場(chǎng),提高指紋識(shí)別準(zhǔn)確率。
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 陳小光;封舉富;;基于多特征判別分析的指紋圖像分割方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

2 聶桂軍;吳陳;葉錫君;徐榮青;;基于連續(xù)分布方向圖和改進(jìn)的Poincaré Index的指紋分類[J];電子學(xué)報(bào);2006年05期

3 丁裕鋒,馬利莊,聶棟棟,劉軍波;Gabor濾波器在指紋圖像分割中的應(yīng)用[J];中國(guó)圖象圖形學(xué)報(bào);2004年09期

4 羅希平,田捷;自動(dòng)指紋識(shí)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

，

本文編號(hào)：1265022