基于高分辨率指纹图像的配准算法

发布时间：2020-08-09 11:56

【摘要】：随着科技的发展,人们在个人身份识别方面提出了更高的要求,生物特征识别技术作为目前安全级别最高的技术,受到了越来越广泛的关注。指纹由于其稳定性、唯一性和便捷性等优点,在身份识别中应用广泛。同时,随着指纹采集设备性能日渐提升,传感器能获取更高分辨率的图像和更加丰富的指纹特征,指纹识别技术的准确率和鲁棒性也不断提高。对高分辨率指纹图像的研究已成为当前的热点。嵌入式系统中需要对指纹进行拼接,指纹的配准技术是拼接的关键。高分辨率指纹图像带来高精度、高防伪能力的同时也衍生了一些其他问题:相同大小的指纹区域,高分辨率比低分辨率图像大,配准所需的计算量更大。而身份识别对实时性要求很高,虽然指纹识别有许多研究成果问世,但仍难满足部分应用对时间性能的需求,高效地实现指纹图像的配准具有重要的实用价值,如何合理利用有限的资源实现快速配准至关重要。本文以图像配准为中心,主要针对基于相位相关的图像配准方法进行了深入研究,本文的工作可以概括为以下三个方面:1.指纹图像预处理方面,本文根据采集到的原始指纹图像噪声分布的特点,提出了一种快速的中值滤波方法,分析了其速度优势,证明了该方法在本文提供的指纹库中的可行性。通过与传统中值滤波方法的对比实验,说明了该方法在对结果影响较小的情况下,可以极大地提高运行效率。2.对指纹图像平移进行配准方面,通过对基于傅里叶变换的配准方法进行分析,得出影响其运行效率的主要是反变换部分,经过理论推导,提出一个理想情况下可以替代反变换的模型,并验证了该模型的可行性。通过实验优化该模型的搜索策略以及参数,使得在与传统方法差异很小的情况下提高了配准速度。3.尝试使用卷积神经网络对指纹图像进行配准,求图像间的平移量与旋转角度。构造了两个不同的深度的卷积神经网络,每个网络分别使用两种模型进行对比,验证其在指纹图像配准方面的可行性。
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41
【图文】：

指纹图像,指纹库

逡逑本文的实验主要在实验室采集的指纹库上进行，该指纹库在第三章会提及。逡逑图２－４为采集器采集的原始指纹图像，大小为１９２０Ｘ邋１２００。图２－５为图２－４中红逡逑色区域的放大图，从中可以看出，采集过程中引入的主要是椒盐噪声，处理该噪逡逑声最实用的方法是中值滤波。该方法的原理与实现都比较简单。但为了满足实时逡逑性，需要对中值滤波算法进行一定的优化。逡逑图２－４原始指纹图像逡逑１３逡逑

中值滤波,指纹采集,滑动窗,中位数

示意图,指纹图像,方法,实验条件

交换后记录红色逦大小，四个大数即为四个中值逡逑图２－６方法二示意图逡逑此方法中第一步与第二步比较的两行数字的结果可以记录，第五步滑动后可逡逑以省去新区域左半部分的比较，通过１２次比较可以得出４个中值，理论上速度逡逑会提升很多。为了验证方法二在本文采集的数据集中的可行性，对图２－４分别进逡逑行传统的中值滤波和方法二的中值滤波，将两幅处理后的图像作差并求绝对值。逡逑为了结果看起来更加明显，图２－７为整体开根号并归一化的结果。从图中可以看逡逑出，除了中间行偏左的小区域（即图中红色区域）有较大的差异外，其他区域相逡逑差很小。差异较大的区域正对应原图中椒盐噪声比较集中的区域，且是由采集过逡逑程引入的误差

【参考文献】