基于Gabor 相位和图像质量评价的高分辨率掌纹细节点提取算法

针对主线、褶皱线及噪声等造成高分辨率掌纹细节点提取困难的问题, 提出一种基于Gabor 相位和图像质量评价的高分辨率掌纹细节点提取算法。首先使用Gabor 振幅相位模型对掌纹图像进行描述, 并基于 Gabor 相位提出多尺度的细节点检测方法; 然后利用提取细节点过程中的信息, 设计基于傅里叶响应的质量评价方法和基于Gabor 振幅的质量评价方法; 最后融合两种质量评价结果, 并对检测到的细节点进行筛选。实验结果表明, 所提方法能够有效地提取高分辨率掌纹图像的细节点, 并去除不可信细节点。与其他方法相比, 具有更好的细节点提取结果。     

一种改进的利用空间信息加权的FCM算法

FCM(fuzzy c-means clustering)算法在图像分割中应用较为广泛,但由于其对噪声较敏感,所以只适合于分割噪声含量较低的图像.利用空间信息加权的FCM算法能够有效地抑制噪声却使图像的边缘变得模糊,造成边缘处分割的不准确.本文通过区分图像边缘点和内部点,在构造邻域平均灰度图像时区别对待,并对边缘点根据它与邻域的灰度关系进行补偿.实验结果表明,这种方法不仅能够有效地抑制噪声,并使边缘点的分割更准确,使分割质量明显提高.     

基于Gabor相位的指纹图像细化算法

利用复数形式的Gabor滤波器, 在对指纹图像进行增强的同时, 得到增强图像的相位, 再利用边缘检测的方法提取相位图中的跳变区域, 直接得到脊线的细化结果。此方法不同于传统的模板匹配的细化算法, 不需要对图像进行二值化, 减少了中间步骤, 从而提高了细化速度和细化结果的准确性。实验结果表明此方法具有更短的细化时间和更好的细化效果。