指纹方向图的获取及在指纹图像预处理算法中的应用

对于指纹图像,无论在时域还是在频域处理时,都要用到指纹的方向信息,所以求取指纹方向图就显得格外重要.文中比较了三种具有代表性的求取指纹方向图的算法,在此基础上,提出了一种多窗口求取块方向图的方法,克服了常规方法引起的平移畸变,同时将方向信息引入求取二值图算法中,取得了优于常规算法的效果.     

基于局部直方图均衡化的指纹方向图算法

针对低质量指纹图像的纹理信息和灰度梯度信息遭到严重破坏的问题,提出一种基于局部直方图均衡化的指纹方向图算法.此算法结合指纹谷点与其相邻脊点特有的灰度差规律,修改了经典直方图均衡化的累积分布函数,用于放大源图像的纹理信息,使图像趋于二值化.基于放大的纹理信息,采用改进的点方向图算法计算指纹的谷点方向,使用直方图块方向图法赋予脊点方向,同时校正谷点的点方向,得到完整的方向图.通过对FVC2006指纹库中的部分低质量图像的增强结果进行比较,此算法对低质量指纹图像的增强性能优于传统算法.     

基于Gabor滤波器的自适应指纹增强算法

指纹增强的目的在于改善指纹图像的质量,进而提高指纹识别系统的性能.提出了一种基于Gabor滤波器的指纹增强算法,算法采用梯度法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率,通过计算图像方向一致性来自适应地调节Gabor滤波窗口的大小,再采用具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应.实验结果表明,算法具有良好的图像增强效果.     

基于动态分块的指纹图像方向图研究

计算指纹点方向图和块方向图,并在此基础上利用指纹纹理方向变化特征采用动态分块的方法求取指纹方向图.该方法更准确地反映指纹的脊线方向信息.     

基于方向均值滤波的指纹图像平滑算法

在分析了指纹图像的纹理特征之后,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于方向均值滤波的指纹图像平滑算法．该方法首先求取指纹脊线方向,然后沿该方向上选择均值滤波平滑邻域, 最后采用均值滤波对指纹图像进行平滑处理．该方法可以有效地平滑指纹图像中的噪声,降低强噪声对后续处理的影响,从而有效地提高了指纹细节特征提取算法的准确性．     

一种自动指纹粗分类算法的研究

提出了一种利用指纹图像奇异点的数目和位置进行粗分类的算法。指纹图像大致可分为拱形、尖拱形、左旋形、右旋形和螺纹形5种，对指纹的粗分类是实现指纹自动识别系统的一个重要步骤。首先介绍了一种计算指纹图像中各个像素点的方向矢量的算法，然后详细讨论了在这个算法所获得的指纹方向图上进行平滑处理、提取奇异点对（核心点－三角点对）的算法，并根据奇异点对的数目和位置进行指纹方向图的粗分类。试验结果表明，有用的算法与Kalle的算法相比，具有较高的分类率，具有实用意义。     

自动指纹识别系统图像分割算法的研究

以指纹为代表的个人身份识别和认证，早就得到了人们的认可和使用．由于指纹具有唯一性和终身不变性，正成为近年来应用最为广泛的生物特征．一幅采集到的指纹图像，总不可避免地存在背景区域，所谓分割就是将背景区域从指纹图像中分离出来．噪声区域和背景区域各点的方向是随机分布的，而前景区域各点在某一方向上占主导地位．因此，前景区域中在与纹线流垂直的方向上灰度方差较大而在沿纹线流方向上方差较小．提出了一种指纹图像分割的新方法，首先将指纹图像分块，准确提取出每块的方向信息．分别沿平行块方向和垂直块方向求取块内各点的灰度变化，并计算该块在这两方向上所有点的平均灰度变化．对指纹图像每一块的两个方向灰度变化进行归一化处理，结合这两种判断依据确定该块是属于前景区域还是属于背景区域．本算法充分利用了指纹图像特有的方向性和灰度特性，能准确地将背景区域从指纹图像中分离出来，既节约了预处理时间，又能保证一定精度．     

基于多通道Gabor滤波的指纹图像二值化方法

为解决传统的直接利用图像全局或局部灰度特性的指纹图像二值化方法的不足,提出一种多通道Gabor滤波的指纹图像二值化方法。首先构造多通道Gabor滤波器组对规格化后的指纹图像提取不同方向纹线对应的主要频率成分。将获得的多通道的滤波响应图线性叠加形成单幅Gabor滤波叠加响应图。然后对其再次采用以上滤波器组滤波,分别求取各位置的最大Gabor响应构成最终的指纹滤波能量响应图。最后分块并求取块内阈值实现二值化。实验结果表明,该方法较基于灰度特性的方法鲁棒性更好,特别对存在粘连、噪声和断纹、孔洞等现象的指纹图像有较好的处理效果。     

基于方向基元集描述的指纹方向图求取算法

研究指纹的方向图对实现指纹纹线修补、纹形特征的提取以及指纹的分类等应用都有很强的实用价值。笔者通过对指纹图象方向基元集的定义和描述,运用方向基元样本的统计特性,给出了一种求取指纹方向图的方法。并将该方法运用到一套智能卡指纹验证系统中进行纹型比对,实践证明：该方法算法简单,快速有效,对各种噪声具有一定的鲁棒性。     

基于遗传算法的神经网络指纹自动分类

研究指纹的自动分类问题对解决大容量指挥库的匹配实时性有着重要的意义。笔者提出了一种新的指纹自动分类方法。该方法通过求取指纹方向图抽取了指纹的纹形特征,并将其送入神经网络进行分类识别,网络连接权系数采用遗传算法进行学习寻优,克服了单纯BP算法训练时间长、易陷入局部极值的缺点,同时提高了网络全局收敛的效率。测试结果表明,基于遗传算法的多层前向神经网络分类器对指纹图象的分类有良好的性能。