一种快速指纹增强算法.docxVIP

一种快速指纹增强算法 1 快速指纹增强算法 在计算机的自动识别技术中，提取正确、可靠、有效的资源信息是执行资源匹配的基础，提取资源信息的准确性直接取决于图像素的质量。对于质量良好的指纹图像,可以比较精确地对特征点进行定位,那些由于纹线不清晰所造成的断线、叉连等所形成的伪特征点也相对很少。但是在实际应用中,由于受采集设备和活体指纹采集条件等因素的限制,所采集到的指纹图像有不少是质量比较差的。 迄今为止,已经有不少人对指纹增强技术进行了深入的研究。本文所要讨论的主要是灰度图像,在灰度指纹图像中,局部领域内的脊线和谷线基本上形成正弦状平面曲线,这些曲线有自己的频率和方向。人们已经提出了许多利用这些局部信息来增强指纹图像的技术。然而这些技术通常都假定能够很准确、可靠的提取出指纹图像局部区域的频率和方向信息。事实上,这个假设对质量很好的指纹图像是成立的,而对质量差的指纹图像来说,可靠的提取出指纹局部纹线的频率信息和方向信息是不太合理的,这在很大程度上限制这些技术的可用性。因此,一个好的指纹增强算法不应该假设能够很容易的获取指纹的局部频率信息和方向信息,相反,它应该在频率和方向信息提取算法本身投入大量精力,进行深入、细致的研究。Hongetal提出了一种从一组过滤后的图像中用一种分解的方法估计方向域,这组过滤的图像是通过在输入的指纹图像上应用一些Gabor过滤器来获得的。虽然这个算法对质量非常差的图像也能提取出可靠、有效的方向信息,但它的运算量非常大。本文在该算法的基础上提出了一种快速指纹增强算法,它能够自适应的利用局部区域的频率信息和纹线的方向信息来增强脊线和谷线的结构,以便更好的将脊线和谷线区分开来。 由于篇幅所限,只给出该算法的性能评价和实验结果。算法主要步骤,公式推导过程均略。 2 提高图像质量 评价指纹增强算法的最终标准是对带有噪声的输入指纹图像应用此算法时提高图像质量的系数。我们也可以通过观察一些典型的指纹图像增强的结果,主观的评估该算法对质量较差(甚至很差)的指纹图像的增强效果,以判断该算法的实用性。 3 偶对称gactor作用特征提取算法的优势 本文提出的快速指纹增强算法能够自适应的根据从输入指纹图像中估计到的局部纹线方向和频率,应用偶对称Gabor滤波器来提高脊线和谷线之间的清晰度。该算法在低质量指纹图像的方向信息和频率信息提取方面下了很大精力,即使对质量很差的指纹图像,该算法也能够获得大致正确的方向信息和频率信息,从而对指纹图像进行有效的增强,提高了特征提取结果的准确性。同时,该算法还能从指纹图像中区分出无效区域(即不可恢复区域),对破坏程度太大的指纹区域进行了识别、标记和屏蔽。这是一个很重要的特性,因为这样的无效区域确实存在于指纹图像中,并且这样的无效区域对特征提取是非常有害的,它能够导致大量伪特征点的出现。同时,本文所使用的偶对称Gabor滤波器具有良好的带通性,同时具有方向选择和频率选择特性,能够有效的对原始指纹图像进行带通滤波,有效的去除噪声、保存真正的纹线结构,从而保证了该增强算法不会破坏指纹图像本身的纹线结构,不会使增强后的指纹图像丢失真正的特征信息。 但该算法在纹线曲率变化很大的指纹区域表现了较差的性能,很容易将这些区域当作不可恢复的区域而屏蔽掉,从而造成真正特征信息的丢失,降低整个系统的性能。