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.     

低质量指纹图像的增强算法研究

研究指纹增强技术对于提高指纹特征提取的准确率乃至整个自动指纹识别系统都具有重要的意义。本文利用加博滤波具有良好带通滤波的特性,对指纹图像进行去噪处理,再使用纹线投票算法获取指纹图像的纹线结构,由此提取指纹图像的方向信息,并在此基础上对图像进行了增强处理。实验结果表明,指纹图像增强效果显著,可满足非实时性自动指纹识别系统的要求。     

基于十字方向滤波的指纹图像增强和细化

增强和细化是指纹预处理过程中的重要环节．提出了一种基于十字方向滤波的指纹增强算法,增强过程针对指纹的层次特征,利用十字方向滤波器对纹线边界的粘连现象进行了有效处理,并且修复了纹线中较短的断裂;在此基础上对边缘删减的纹线细化算法作了改进,引入了新的细化模板保护指纹趋势和细节点．实验结果显示,谊算法很好地保留了原指纹图像中的细节特征和纹理信息,减少了指纹特征的丢失．     

基于方向滤波的指纹图像增强算法的研究

指纹增强是指纹识别系统中的关键一步,增强效果的好坏对整个指纹识别系统有着至关重要的作用.采用基于Sobel算子的方法求取方向图,并且对Sobel算子进行了补充和改进.然后基于方向滤波的指纹图像增强方法,设计一组滤波器来实现指纹图像的增强,并且通过滤波器扩展成功解决了旋转溢出问题.实验证明,该方法的对改善指纹质量十分有效.     

用于非接触式指纹增强的曲率驱动自适应滤波器

为了有效增强指纹,提出了一种改进的基于曲率的自适应非接触式指纹图像增强算法.首先,对局部平稳的指纹图像信号进行STFT(short time Fourier transform)分析,确定纹理模式频谱所在的主要区域,对频谱进行根滤波和形态学平滑后,用均值-门限法提取STFT主频谱成分;然后,提出一种角度和径向估计方法,计算指纹图像在频域的方向图和频率图;最后,根据指纹的曲率,构造相应的巴特沃斯陷波带通滤波器和高斯带通滤波器分别对低曲率区域和高曲率区域进行滤波,有效地滤除奇异点区域和非奇异点区域的噪声模式频率并保留纹线模式的主频率.将提出算法和同类算法进行主客观的实验比较,实验结果表明:提出的算法优于现有算法,能有效滤除非接触式指纹的噪声、增强脊线和谷线之间对比度,同时修复并增强正确的脊线结构.     

一种改进的基于方向场的指纹图像增强算法

本文分析了指纹图像方向场估计的方法,针对Gabor滤波器在指纹图像增强的应用中对于图像方向变化剧烈的中心区域和三角区域纹线结构保持性差的缺点,提出利用方向信息进行改进的增强算法,并在Matlab7.0环境下进行算法测试,结果表明本文算法相对于原算法能够获得良好的纹线结构保持性。     

基于各向同性逆扩散方程的指纹图像增强方法

目的 对指纹图像进行滤波去噪的同时增强指纹图像的脊线轮廓.方法 由热扩散方程给出了一种各向同性逆扩散方程.结果 该方法在对指纹图像滤波去噪的同时,不仅保护了指纹的纹线,而且锐化了纹线.结论 该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理,效果优于传统的中值滤波和高斯滤渡.     

基于方向图的指纹纹线检出算法研究

指纹纹线检出大多是先按指纹方向图增强指纹图象，然后进行图象分割。但因指纹脊线内和谷线内的图象增强方向可能不一致，使得图象分割的效果不好。作者提出一种直接按指纹方向图进行指纹纹线检出的算法，它先采用拓宽的Prewitt算子计算指纹图象的梯度矢量图，然后用局部最大梯度法计算指纹方向图，最后用阶跃函数模拟从原始指纹图象和指纹方向图中进行指纹纹线检出。     

一种指纹图像综合增强方法

图像去污增强处理应当基于其内容特点和应用需要.指纹图像重要的识别用特征是其纹线方向场及其细节点.根据指纹图像的特点提出并研究了一种指纹增强算法.首先,通过梯度一致性检验去除图像中的背景区和纹理无序区.然后,通过曲线波变换、滤波处理和Retinex处理,增强纹理的曲线形状轮廓并规整化图像灰度差异.最后,经过二值化细化,获得清晰指纹图像.实测的图例表明该算法有效,图像去污增强质量良好.     

基于小波分析的方向滤波算法研究

针对采集到的指纹库中存在指纹过湿,以及存在高频噪声的问题,提出了一种基于小波分析的方向滤波算法。该算法在小波域利用低频系数图估计纹线方向,抑制了高频噪声的影响,实现了小波域低频图的方向滤波。最后利用小波逆变换实现方向滤波后的指纹图像的重构,试验表明,该算法对低质量指纹图像的增强效果明显。     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。     

基于指纹块中主要脊和次要脊的方向场估计

针对方向场估计算法存在估计精度不高、计算时间开销过大的现象,提出一种基于指纹块中主要脊和次要脊的指纹方向场估计方法.它主要包括4个处理步骤：预处理原始指纹图像,利用上半邻域搜索算法提取指纹前景块中的主要脊和次要脊,利用脊的直线模型估计指纹前景块方向,以及采用修正方案提高方向场估计的精度.实验结果表明,该方法不仅具有令人满意的估计精度,而且拥有很高的计算效率;且具有很强的抗噪性能,能够有效提高指纹识别系统的性能.     

基于半像素的Hessian矩阵的空域误码掩盖

针对线条边缘采用传统的Sobel算子进行边缘检测和方向判别方法无法准确地检测其方向的问题,提出了基于半像素的Hessian矩阵对线条边缘进行检测的算法。该算法将图像中丢失的数据块的像素进行分类,再根据不同类别的边缘采用相应的边缘检测算子进行边缘检测,并根据检测的边缘方向对受损图像进行方向外推掩盖。实验证明,半像素精度的Hessian矩阵对线条边缘方向的检测更加精确,该算法较一般误码掩盖算法使受损图像的恢复质量PSNR(Peak Signul Noise Rate)值提高了0.2~0.4 dB。     

一种新的指纹图像预处理方法

提出了一种基于屋脊边缘检测的指纹图像预处理方法，利用屋脊边缘沿最大主曲率方向的最大主曲率局部极值直接得到指纹的骨架，用最小主曲率的方向得到指纹的方向流结构。实验证明，该方法对于不同质量的指纹图像都妈得了较理想的结果，而且可用于其他方波型屋脊边缘的检测。     

基于小波域软阈值的指纹分割方法研究

鉴于指纹图像的质量对于其后续识别步骤具有非常重要的影响,因而需要对采集的指纹图像进行增强处理.提出了一种新的基于小波域软阈值Contourlet变换的指纹图像分割算法.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.实验结果表明,该算法能够有效提升指纹图像的质量,提高指纹纹线谷脊清晰度,且具有较好的连续性.     

相干增强扩散与冲击滤波相结合的指纹增强算法

自动指纹识别系统(AFIS)的性能严重依赖于输入指纹的质量,因此有效指纹增强算法对该系统具有重要意义。针对相干增强扩散滤波增强的指纹图像会出现边缘模糊,以及谷线与脊线间对比度较低的现象,提出使用冲击滤波和相干增强扩散的加权模型方法,既能保持相干增强扩散的优势,又能锐化指纹脊线边缘,以及增强指纹脊线与谷线的对比度。增强的主要过程为,建立一个相干增强扩散和冲击滤波的加权组合模型,加权函数是以指纹梯度为自变量,使得在扩散过程中在图像边缘处以冲击滤波为主,在脊线与谷线内部则以相干增强扩散为主。实验表明,使用这种方法,能得到更加清晰的指纹图像,便于之后的二值化与细化过程处理,使得自动指纹识别系统具有更好的性能。     

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

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。     

多级提取奇异点的算法及基于奇异点的粗匹配

提出了一种分别基于Poincare指数和梯度场零点检测的分级算法来提取奇异点(核心点,三角点).该算法分为两级:首先是粗定位,根据指纹块方向场的Pioncare指数确定奇异点所在的分块和该奇异点所属的类型,同时得到核心点的方向;然后精定位,用梯度场零点检测的方法在该块中精确确定奇异点的位置(精确到像素级);最后利用奇异点的位置和方向信息对指纹做粗匹配,尽可能地排除明显不可能的候选待匹配指纹.实验证明,提取奇异点的算法快速、准确并且有很强的鲁棒性,而且与全图平方方向场滤波算法相比节省27%的计算时间.后阶段粗匹配的算法则能够拒绝30%的候选指纹系统的处理时间.