低分辨率指纹图像识别的算法研究

发布时间：2017-08-13 01:14

  本文关键词：低分辨率指纹图像识别的算法研究

  更多相关文章： 指纹图像 增强 二值化 细化 特征匹配

【摘要】：在生物识别技术中,指纹所具有的特性,使其成为当前个人身份认证中最常用,最可靠的识别技术之一。但是随着现代社会和技术的快速发展,人们对指纹识别技术在实际应用中的安全性和高效性越来越关切,如何处理低分辨率的指纹图像,加快识别速率,提高指纹图像的识别率,已经成为众多研究机构研究的热点。本文主要对指纹图像进行三方面的处理:指纹图像预处理、特征提取和特征匹配。其中对图像预处理主要有四个部分:图像分割、图像滤波增强、图像二值化和图像细化。本文算法主要包括:(1)在指纹图像分割和增强方面:针对指纹图像分割提出了将形态学与方差法结合起来的算法,通过数学形态学的开闭运算删除目标区域上虚假的结构元素,光滑目标轮廓,删除微小的凸出部分,填充比结构像素小的空洞。而对于指纹图像滤波增强运用了在Laplace-Gaussian算子基础上的图像增强的算法,利用Gaussian是线性平滑滤波器去除Gaussian噪声的效果很好,且在大多数情况下,对其他类型的噪声也有很好的处理效果。为了达到凸显目标的细节以及凸显被模糊的细节的目的,需要对图像作锐化处理。而laplacian正好具备这样的功能,因此需要将两种滤波器结合起来,来确保图像纹路的细节和具有不错的滤波处理结果。(2)对指纹图像分割和增强处理之后,本文中还进行了二值化处理,这是图像预处理必不可少的步骤,对此本文提出了一种基于自适应阈值与局部阈值相结合的二值化算法,此算法很好的提高了指纹图像中脊线和谷线的对比度同时去除图像中的大量粘连。(3)在二值化处理之后,指纹的纹线宽还比较粗,因此我们要将其处理为只有一个像素宽的纹线。针对这种情况,本文对改进的OPTA细化算法中仍存在的一些缺陷进行分析,并对改进的OPTA算法进行了二次改进,通过MATLAB仿真结果,改进的细化算法具有较好的细化效果,提高了指纹纹线的光滑和连续性。(4)针对预处理后的结果,将图像的端点和分叉点作为指纹要提取的特征点。在随后的指纹匹配中,利用了纹线相似度匹配、相似三角型边长匹配和点类型匹配的算法,简化这三种算法的计算复杂度,用三个匹配结果综合考量两幅指纹图像是否来自同一个手指。
【关键词】：指纹图像 增强 二值化 细化 特征匹配
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-12
• 第1章 绪论12-18
• 1.1 指纹识别概述12-14
• 1.1.1 研究背景及意义12-13
• 1.1.2 国内外研究状况及面临的问题13-14
• 1.2 指纹识别的原理和方法14-16
• 1.2.1 指纹的基本知识14-15
• 1.2.2 指纹识别技术的原理及应用15-16
• 1.3 本文主要研究内容16-18
• 第2章 指纹图像分割和增强算法18-38
• 2.1 图像归一化19-20
• 2.2 指纹图像分割算法20-28
• 2.2.1 图像分割方法20-22
• 2.2.2 基于块的指纹图像分割算法22-23
• 2.2.3 传统的指纹图像分割算法23-24
• 2.2.4 形态学与方差法相结合的指纹图像分割算法24-25
• 2.2.5 自动确定部分阀值的分级分割算法25-27
• 2.2.6 实验仿真结果27-28
• 2.3 指纹图像增强算法28-36
• 2.3.1 传统的指纹图像增强算法28-29
• 2.3.2 基于Laplace-Gaussian算子的指纹图像增强算法29-31
• 2.3.3 Laplace-Gaussian滤波器标准方差对滤波效果的影响31-33
• 2.3.4 Laplace-Gaussian滤波器滤波掩膜大小对滤波效果的影响33-35
• 2.3.5 Laplace-Gaussian滤波器对滤波效果的分析35-36
• 2.3.6 实验仿真结果36
• 2.4 本章小结36-38
• 第3章 指纹图像二值化和细化算法38-56
• 3.1 指纹图像二值化算法38-45
• 3.1.1 常用的基于阈值法的指纹图像二值化算法39-41
• 3.1.2 基于自适应阈值和局部阈值的二值化算法41-44
• 3.1.3 实验仿真结果44-45
• 3.2 指纹图像细化算法45-54
• 3.2.1 两种经典的指纹纹线细化算法46-48
• 3.2.2 改进OPTA算法的不足48-50
• 3.2.3 基于改进的新OPTA算法进行指纹图像细化算法50-51
• 3.2.4 基于数学形态运算的指纹图像细化后的处理51-52
• 3.2.5 实验仿真结果52-54
• 3.3 本章小结54-56
• 第4章 指纹图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 细节特征提取和去伪特征点57-59
• 4.2.1 去除指纹图像中的伪特征点57-59
• 4.3 指纹图像匹配59-62
• 4.3.1 指纹图像匹配算法59-62
• 4.4 实验仿真结果62-67
• 第5章 总结与展望67-70
• 5.1 总结67-68
• 5.2 工作展望68-70
• 参考文献70-74
• 攻读硕士期间发表的学术论文74-76
• 致谢76

，

本文编号：664633