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。     

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.     

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．     

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.     

基于脊骨线特征的指纹图像质量评估方法

指纹图像的质量对指纹识别技术有着重要的影响.根据指纹的特征和指纹图像的纹理特征,提出了一种基于脊谷线特征的指纹图像质量评估方法.此方法对传统的脊谷线清晰度分析方法进行了改进,把局部分析和全局分析结合起来,得到一个更好的脊谷线清晰度描述.用多指标融合方法来最终判定指纹质量.采用指纹图像脊谷线清晰度、指纹图像有效面积、指纹图像灰度均值和方差作为质量评价的相关指标因数.该方法对指纹质量判定的准确性有了明显改进.     

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。     

指纹图像分割方法综述

在自动指纹识别系统中,精确的指纹图像分割可以加快后续处理速度,提高识别的准确性。按照图像特征的定义范围,将指纹图像分割方法分为基于像素特征、块特征和图像全局特征的方法。对每类方法分别从特征层面与分类器层面进行了归纳总结,并简要分析了3类方法的分割错误率与时间复杂性。最后指出了目前指纹分割算法中存在的主要问题和未来的研究方向。     

基于Adaboost的指纹图像分割算法

指纹图像分割是自动指纹识别系统的重要部分,针对已有指纹分割方法的不足,笔者提出了基于Adaboost的指纹图像分割方法.并且基于分级处理的思想,使用Otsu计算分割阈值,对图像进行初分割,然后又使用笔者提出的基于Adaboost的指纹分割方法对图像进一步的分割,最后采用形态学方法对细分割后的结果进行后处理实验证明,相对于已有的指纹图像分割方法,该方法具有较高的准确性和较强的适应性.     

基于相位的指纹图像预处理与匹配算法

自动指纹识别技术的研究和应用是目前生物特征识别研究的热点课题,近年来被广泛应用于各种个人身份识别和验证系统中．自动指纹识别技术大致可以分为指纹图像预处理和指纹匹配两个主要过程．本文并针对指纹图像的特点设计了基于相位指纹图像预处理与匹配算法,解决了图像归一化、图像分割和方向场平滑和图像二值化中出现的问题．     

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.     

指纹图像质量评价系统

指纹图像质量评价系统对于提高整个自动指纹识别系统的性能具有非常重要的意义 .在选取了指纹图像的总体灰度均值、块水平下的灰度均值和灰度方差、点方向信息、块方向信息作为评价因子后 ,首先求取各质量评价因子以及在其基础上的质量分 ,然后综合考虑各种评价因子求取总的质量分 ,最后给出最终的评价结果 .     

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．     

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．     

多 指 指 纹 自 动 分 割 算 法

针对目前国内外尚缺乏多指指纹分割方法可借鉴,结合工程应用需要,提出了一种新的多指指纹自动分割算法。该算法根据边缘图像的X与Y方向投影分布和投影分割,获取每一手指的主轴方向,利用方向旋转和X与Y方向投影分割,获取每个手指的指纹区域,实现多指指纹的自动分割。利用该算法测试了600幅不同手势姿态、背景光照等影响下的多指指纹图像,获得良好的实验效果,可满足工程应用的需要。     

多级分块尺寸下的指纹方向信息提取算法

作为一种重要的生物特征识别手段，自动指纹识别近年来得到了广泛的关注并取得很大的进展．指纹方向信息提取是自动指纹识别技术研究内容中一个非常重要的内容，但从低质量指纹图像中准确、可靠地提取方向信息却是一件很困难的事情．提出了一种多级分块尺寸下的指纹方向信息提取算法，依据大分块尺寸下所提取的方向信息对小分块尺寸下所提取的方向信息进行可靠性判断，然后进行相应的调整．实验结果证明，即使对于低质量指纹图像，该算法也可以快速、准确的提取指纹方向信息．