基于各向异性扩散的指纹图像增强算法研究与应用

发布时间：2020-11-13 23:13

　　 在当前所有的生物识别技术中,指纹识别技术是其中使用最为普遍的技术之一。指纹识别系统的性能在很大程度上依赖于输入指纹图像的质量。通常情况下,受外界环境等因素的影响,指纹图像在获取中,产生的噪声会损坏指纹信息,降低图像对比度,因此需要增强退化的指纹图像以便于后续步骤的处理。本文研究基于各向异性扩散的指纹图像增强方法,主要工作如下:1、对指纹增强的相关理论进行梳理,并阐述指纹图像增强的重要性;2、介绍了基于偏微分方程的线性扩散滤波过程和非线性扩散中的PM、Catte和FABD等模型,以及基于各向异性扩散的边缘增强和相干增强扩散算法,同时对冲击滤波算法进行了探讨;3、针对相干增强扩散滤波增强后的指纹图像会出现边缘模糊及对比度降低等现象,提出一种新的增强模型:CED-SF模型。该模型在第一阶段利用相干增强扩散算法对退化的指纹图像进行修复,之后通过冲击滤波锐化边缘;4、为验证本文方法的有效性,利用MATLAB进行仿真实验,并总结该方法在图像增强等三个方面的应用。先将本文算法、相干增强扩散和冲击滤波这三种方法对指纹图像进行增强处理,增强结果表明,本文改进的算法既能保留相干增强扩散的积极成果,又发挥了冲击滤波的锐化特性;然后,将本文算法应用到模拟的指纹识别算法中,选取合适的指纹图像作为模板指纹,实验证明,与相关算法相比,本文算法可以提高匹配度,在保护指纹图像细节点方面性能较好;最后,进行艺术创作,选取流状结构明显的图像作为实验对象,将本文算法、相干增强扩散和冲击滤波这三种方法的增强结果进行对比,并分析其在艺术创作等方面的特征表现。
【学位单位】：西安石油大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TP391.41
【部分图文】：

第一章绪论5图1-1指纹识别的基本流程1.4论文的主要内容1.4.1论文的任务相比于其他生物识别技术，指纹识别的众多属性能够很好的进行平衡，存在明显的优越性，所以广受学者欢迎，尽管如此，截至当前，还没有出现一种能在不同情形下都适用的处理算法。市场上的产品基本上都是依照具体的应用需求，通过对应的增强算法，对指纹进行识别的。本文为了让特征点的识别及提取工作具备更有效依据，结合各向异性扩散和冲击滤波对指纹图像处理的增强优势，提出一种新的算法来增强指纹图像，保证增强目的的实现。1.4.2论文的研究内容简要介绍了指纹识别系统的基本步骤，然后叙述了指纹图像增强处理的基本概念和指纹图像的纹理特征，例如脊线，谷线，特征点，端点和分叉点等。从偏微分方程的基础理论着手，研究分析了基于偏微分方程的图像处理方法，结合了热传导方程的思想，引出了因扩散系数的不同导致的线性扩散滤波与非线性扩散滤波，其中对线性扩散滤波以高斯滤波为例进行了说明；对非线性扩散滤波中的非线性各向同性滤波：Perona-Malik扩散滤波、Catte模型和FABD等模型，以及基于张量的非线性各向异性扩散这几种算法对图像的处理方法进行了研究。之后重点研究了各向异性扩散中的相干增强扩散与冲击滤波器对指纹图像增强方法。本文主要以指纹这一类纹理特征密集的图像作为研究对象，结合相干增强扩散和冲击滤波算法，提出了一种新的模型对退化的指纹进行增强处理。

肝浦刑崛∠附冢?⒔?溆米髌ヅ涞闹饕?卣鳎??胍舻鹊拇嬖诨岣扇盘崛〗峁??可能会遗漏了真实的细节，甚至可能会检测到错误的细节，这些问题都会对识别率有负面影响。为了避免这种类型的错误，增强步骤的目标是通过消除噪声并增加脊和谷结构的清晰度来提高图像质量。对于例如折痕，疤痕或手指干燥而导致的脊部中断，图像增强方法应能够重新连接它们，而对于因潮湿或污迹引起的粘结在一起的脊线应将其分开，同时保留真正的脊线端点和分叉点。2.1脊线、谷线和奇异点人类的指纹由许多弯曲的凸起（凹陷）的纹路结构组成[20]。如图2-1所示，分别介绍了指纹图像基本的特征结构。在图2-1中，黑色是前景色，也可称为指纹区域，白色是背景颜色，脊线指的是前景中的黑色纹线，而谷线指的则是两条脊线之间的空白区域。从图像中可以观察到，脊线会沿某个方向逐渐弯曲，并在大多数区域中缓慢变化，但是在指纹区域中存在两种特殊类型的点，它们具有特殊的纹理特征，称为奇异点，通常可分为core点和delta点，它们是纹线的弯曲程度和变化率最大的区域且在局部区域内具有多个方向。图2-1指纹图像中的脊线、谷线、core点和delta点根据纹线呈现的几何形状可以将指纹图像大致分为以下三种类型：环型，弓型，螺旋型[21]，如图2-2所示。大型的指纹识别系统可存储的指纹数量很大，一对一的进行比较是非常耗时的。但是如果对相同类型的指纹进行分类，然后再将其与指纹数据库的指纹进行比较，将会大大减少比较次数并缩短在指纹匹配系统中搜索的时间。core点delta点谷线脊线

西西安石油大学硕士学位论文8（a）环型（b）弓型（c）螺旋型图2-2指纹图像的基本类型2.2特征点、端点和分叉点对指纹匹配的过程主要是比对指纹图像中能反映指纹唯一性的特征点，这类特征点也可以称为细节点。这些特征点大概有150多种类型，其中许多的类型均是由端点和分叉点这两种特征点组成。因为这两种类型的特征点很容易被指纹识别系统提取和识别，所以这两种特征点的结构信息通常被用作指纹匹配的模板。如图2-3所示，通常在指纹纹线尽头的点称为端点，分叉点是两个脊线交点处，呈“Y”型的特征点。在所有的特征点中，端点和分叉点的占比超过了90%，而且它们是目前最稳定、最高效的指纹细节特征。图2-3端点和分叉点示意图2.3指纹增强概述指纹识别算法可以划分成以点模式为基础的匹配法、基于频域的匹配方法，和对脊线纹理进行匹配的方法[22]。其中基于点模式的匹配方法需要从输入的指纹图像中提取到有效且准确的特征点；以频率域为基础的匹配法则要求指纹图像的噪声不能过多，否则其相应的幅值图会变得难以分辨；而通过对脊线纹理进行匹配的方法必须要从指纹图像端点分叉点
【参考文献】

相关期刊论文 前10条

1 马洪晋;聂玉峰;;一种图像特征增强的各向异性扩散去噪方法[J];西安电子科技大学学报;2015年05期

2 曾冬梅;陈锻生;;基于冲击滤波器的视频图像卡通化算法[J];计算机工程;2014年04期

3 张跃;王昊;;改进的Gabor指纹图像增强算法[J];计算机系统应用;2013年06期

4 余锦华;汪源源;;基于各向异性扩散的图像降噪算法综述[J];电子测量与仪器学报;2011年02期

5 王玮;李见为;黄非非;冯海亮;;基于Log-Gabor滤波的指纹图像增强[J];计算机科学;2007年07期

6 陈阳;谭思云;;基于DSP的指纹识别系统设计[J];计算机测量与控制;2005年12期

7 郝玉峰,袁春伟;基于各向异性逆扩散方程的指纹图像锐化去噪方法[J];数据采集与处理;2005年03期

8 程建刚,田捷,何余良,杨鑫;基于非线性扩散滤波的指纹增强算法[J];自动化学报;2004年06期

9 罗希平,田捷;自动指纹识别中的图像增强和细节匹配算法[J];软件学报;2002年05期

10 朱菊华,杨新,杜啸晓,陈勇;一种基于非线性扩散方程的指纹预处理方法[J];数据采集与处理;2001年02期

相关博士学位论文 前1条

1 刘波;指纹图像增强及匹配算法的研究与应用[D];华中科技大学;2009年

相关硕士学位论文 前6条

1 杨崇智;基于偏微分方程改进模型的声呐图像增强方法研究[D];哈尔滨工程大学;2018年

2 王一鸣;指纹质量评估及匹配算法研究[D];山东大学;2017年

3 鲁伟;基于相干增强扩散算法的指纹增强研究[D];太原理工大学;2017年

4 陈俊鸿;Gabor滤波指纹增强算法研究[D];广西大学;2016年

5 赵葵;指纹认证在网络数据交换中的应用研究[D];西安科技大学;2009年

6 徐文权;基于局部生长融合的指纹匹配算法研究[D];北京大学;2008年

本文编号：2882771