基于MBF200指纹图像预处理方法的研究

针对MBF200指纹图像的特点,提出一套指纹图像预处理方法。该方法对MBF200指纹图像的去噪、分割、中心点定位、Gabor滤波增强、二值化及细化等预处理步骤进行研究及实现。为了验证该方法的有效性,使用自行设计的MBF200指纹采集器对所获得的指纹图像进行试验。结果表明,所提出的指纹预处理方法对MBF200指纹图像的处理是行之有效的,有助于基于细节特征的指纹提取。     

一种基于突变信号分析和最小二乘法的指纹图像分割算法

针对指纹图像分割的问题,笔者提出了一种基于小波变换突变信号分析原理对指纹边缘进行检测。并结合最小二乘法拟合方法的指纹检测和分割算法。该算法首先将原指纹图像利用平滑函数进行平滑处理,然后使用高斯函数的一阶导数卷积计算水平和垂直方向的突变点,最后使用最小二乘法从不同方向拟合突变点。实验结果表明,该方法能够准确地将指纹图像从背景图像中分割出来。     

基于多特征判别分析的指纹图像分割方法

针对指纹图像的分割问题,提出了一种基于多特征判别分析的自适应分割算法。对于给定的待分割图像,该算法从每个特征在该图像上整体的分布出发,构造出综合考虑各个特征的两类分类能力的分类器,然后利用该分类器对图像中的每个子块做出前景或背景的判断。与已有的基于分类器的分割方法相比,该方法无需从数据库中人工采集样本用以训练分类器,实现了图像级别的自适应分割。算法在FVC2004竞赛的公开数据库上进行了测试,实验结果证明了该分割算法的有效性。     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.     

一种改进的Mean Shift指纹图像分割算法

基于传统指纹图像分割算法, 提出一种改进的Mean Shift指纹图像分割算法. 该算法利用指纹图像固有的方向性特性, 把经过分割后的每个指纹图像区域抽象为一个样本点, 将区域内像素点的灰度均值作为均值向量, 从而有效地实现了指纹图像分割. 实验结果表明, 该算法能准确地将指纹图像中的模糊区域和背景区域分离, 提高了指纹图像分割的精确度, 并且对于多数指纹图像准确性较好.     

一种新的指纹图像轮廓分割算法

指纹图像分割是指纹图像预处理的一个重要部分,有效的分割既可以减少后续处理的时间,又可以大大增强特征提取的可靠性.本文简单介绍三种指纹分割算法,并提出了一种针对活体指纹采集器所采集的指纹图像的轮廓分割方法,根据手指与传感器中接触区的位置差异,用角部灰度均值作为分割阈值,并用形态学进行的处理.试验结果表明,该方法可以快速高效地对该种指纹图像进行轮廊分割.     

改进灰度共生矩阵的指纹图像分割算法

针对灰度共生矩阵对指纹图像分割过程中人工选取阈值不精确、繁琐等缺点,提出了一种采用自适应阈值分割的灰度共生矩阵的指纹图像分割算法。首先,用整幅指纹图像的对比度方差值的均值Mv作阈值对图像进行初分割;然后,不断调整Mv,通过试验验证当指纹区域对比度方差值的均值Pv与Mv的比值在一个特定的区间(即Pv/Mv∈[1.5,2])时,才能获得最好的分割效果,由此获得灰度共生矩阵的自适应分割阈值Mv,从而精确地分割出指纹图像的有效区域。试验结果表明,相比于已有的分割算法,该算法在分割错误率和耗时方面均较优,并且分割更准确。     

多指标指纹图像分割方法研究

将投票决策系统引入到指纹图像分割过程中,提出了一种多指标投票决策指纹图像分割方法.首先选择区域灰度方差、灰度均值、块方向方差均值和点方向集中度指标等分割指标,然后分别采用单指标、双指标、多指标分别对指纹图像进行分割处理,最后针对所获得的多个指纹图像分割结果,采用投票决策系统在结果层进行决策融合,获得最终的指纹图像分割结...     

基于Pixon的规格化切与图像分割

针对规格化切过程需要求解大规模矩阵的特征向量,使得这一图像分割方法需要很大的运算量的缺点,将基于Pixon的图像模型与规格化切相结合,提出了先获取基于Pixon的图像模型,然后再使用规格化切对基于Pixon的图像模型进行递归分割的图像分割方法.实验结果表明,该方法显著降低了使用规格化切进行图像分割时的运算量和内存消耗,提高了该方法的效率和实用性.     

指纹纹路方向计算与图像分割的系统方法

提出了一种系统化的指纹纹路方向计算和指纹图像分割方法．该方法用神经网络对基于梯度方法计算的纹路方向的正确性进行学习，经过训练的神经网络可以区分正确纹路方向和错误纹路方向，从而使错误的纹路方向可以根据周围正确的纹路方向进行纠正；同时，可以根据经过训练的网络的方向正确性计算结果对指纹图像进行初步分割．此外，提出了对初步分割结果进行二次分割以分离指纹图像中残留纹路的方法．将该方法与Neurotechnologija Ltd在2004年发布的VeriFinger 4．2进行特征提取比较，结果表明，该方法有效地提高了特征提取的正确率．     

一种基于高斯算子的指纹图像分割方法

将高斯算子进行了改进,构造的模板作用于指纹灰度图像,结合形态学方法进行图像分割,实现对指纹前景摸板的提取,阈值选取的要求很低,并可有效防止背景区域中的斑点干扰,对质量较差的指纹图像也具有很好的分割效果.实验结果表明,该算法不仅表现出良好的适应能力和抗噪声干扰,还具有该算法简单、鲁棒性强等优点,其性能优于传统的方差方法.     

一种新的指纹图像轮廓分割算法

指纹图像分割是指纹图像预处理的一个重要部分，有效的分割既可以减少后续处理的时间，又可以大大增强特征提取的可靠性．本文简单介绍三种指纹分割算法，并提出了一种针对活体指纹采集器所采集的指纹图像的轮廓分割方法，根据手指与传感器中接触区的位置差异，用角部灰度均值作为分割阈值，并用形态学进行的处理．试验结果表明，该方法可以快速高效地对该种指纹图像进行轮廊分割。     

一种改进的指纹图像分割算法

针对经典的基于灰度方差的指纹图像分割算法对强噪声区域分割不准确的问题,深入分析了灰度均值计算方法和噪声对方差的影响,结合有效指纹图像区域灰度分布的基本特征,提出了灰度均值求取和灰度方差求取的改进算法。实验结果表明,相比于经典的灰度方差求取算法,改进算法求取的均值和方差更能够代表指纹图像的特征,分割结果更为准确、可靠,对强噪声的抵抗能力更强。     

图像序列处理中的形态分割方法

将数学形态学应用到序列图像分析中,提出了一种基于图像序列的3－D形态分割算法,对图像序列简化后进行边缘增强,用改进的3－D分水岭方法提取分割信息,基分割信息对几种常用图像序列的处理算子和处理方法进行了研究和改进,实验结果表明,该方法能对序列图像有效地进行时空分割,利用分割信息可显著提高各种图像序列处理的性能,而且具有算法简单、效率高的特点。     

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．     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现，可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理，并提出一种基于PCNN的指纹图像分割算法，该算法有很强的适应性和抗噪性．     

图像处理在指纹识别中的实践

本文采用一种基于细节匹配的方法进行图像处理分析,通过具体算法和软件实现,并给出了各步骤的实验结果。实验表明,指纹图像处理效果能有效提取指纹纹线,较好地实现指纹图像预处理的目的,具有一定的实用价值。