论文部分内容阅读
自动指纹识别系统是最实用的身份识别方法之一，普遍应用于考勤管理，智能门锁和电子支付等商业和民用领域。当前，指纹识别技术在研究良好指纹图像方面已经非常深入，并取得了良好的效果。由于采集设备质量不佳，手指状态不好以及采集方式不当导致低质量指纹图像的存在。低质量指纹图像中存在大量的干扰噪声和脊线粘连或断裂的问题，导致自动指纹识别系统出现注册失败和识别错误，从而阻碍了指纹识别技术的进一步发展。本文重点关注三项关键技术：指纹图像分割，指纹图像质量评价和指纹图像增强，进行低质量指纹图像的增强算法研究。主要的研究内容如下：
(1)由于低质量指纹图像含有大量的干扰噪声，本文采用基于方向滤波器组的指纹图像分割算法，将指纹区域和非指纹区域分离，去除非指纹区域的噪声，避免从非指纹区域引入虚假的细节点特征。根据指纹图像的脊线频率集中在特定范围的先验知识，通过双线性变换和频带变换设计带通滤波器，并结合希尔伯特变换的方向因子得到方向滤波器组。利用方向滤波器组将指纹图像傅里叶频谱分解为八个方向的子带图像，通过软阈值函数进行优化平滑，在重构指纹图像后结合形态学处理完成分割算法。由实验验证，该算法可以准确地分割低质量指纹图像，去除背景噪声。该算法在实验数据库FVC2004DB1A中的平均分割误差为1.45%。但是，此算法存在与传感器类型相关的阈值设定问题。
(2)为了实现低质量指纹图像的有效注册，本文提出的基于层次聚类的指纹图像质量评价算法不仅考虑了局部质量评价，而且考虑了全局质量评价，以达到准确识别低质量指纹图像的目的。针对提出的分割算法得到的指纹区域，根据位置信息和脊线信息提取局部特征进行层次聚类，其结果作为反向传播神经网络(BP神经网络)的目标输出，无需任何主观判断。根据局部质量评价的结果，提取全局特征用于层次聚类并反馈到BP神经网络中，同时将考虑真实错误和虚假错误的总错误率作为响应，完成全局质量评价。通过对比分析，该算法能够准确地评估指纹图像的质量，有效地识别低质量指纹图像，并在逐级评估中取得良好的性能，在实验数据库FVC2002DB2A中，累积下降幅度为41.07%。
(3)为了进一步解决低质量指纹图像的低对比度，脊线粘连和断裂等问题，利用提出的分割算法得到区域掩模，通过对比度受限的自适应直方图均衡化提高对比度，并结合全局质量评价将非锐化掩蔽滤波用来改善脊线粘连。同时，利用局部质量评价改进方向场估计和频率场估计，结合Gabor滤波实现质量自适应的指纹图像增强。实验表明，本文提出的算法有效地解决了低质量指纹图像中存在的对比度低，脊线粘连和断裂等问题，改善了指纹识别技术的性能。
(1)由于低质量指纹图像含有大量的干扰噪声，本文采用基于方向滤波器组的指纹图像分割算法，将指纹区域和非指纹区域分离，去除非指纹区域的噪声，避免从非指纹区域引入虚假的细节点特征。根据指纹图像的脊线频率集中在特定范围的先验知识，通过双线性变换和频带变换设计带通滤波器，并结合希尔伯特变换的方向因子得到方向滤波器组。利用方向滤波器组将指纹图像傅里叶频谱分解为八个方向的子带图像，通过软阈值函数进行优化平滑，在重构指纹图像后结合形态学处理完成分割算法。由实验验证，该算法可以准确地分割低质量指纹图像，去除背景噪声。该算法在实验数据库FVC2004DB1A中的平均分割误差为1.45%。但是，此算法存在与传感器类型相关的阈值设定问题。
(2)为了实现低质量指纹图像的有效注册，本文提出的基于层次聚类的指纹图像质量评价算法不仅考虑了局部质量评价，而且考虑了全局质量评价，以达到准确识别低质量指纹图像的目的。针对提出的分割算法得到的指纹区域，根据位置信息和脊线信息提取局部特征进行层次聚类，其结果作为反向传播神经网络(BP神经网络)的目标输出，无需任何主观判断。根据局部质量评价的结果，提取全局特征用于层次聚类并反馈到BP神经网络中，同时将考虑真实错误和虚假错误的总错误率作为响应，完成全局质量评价。通过对比分析，该算法能够准确地评估指纹图像的质量，有效地识别低质量指纹图像，并在逐级评估中取得良好的性能，在实验数据库FVC2002DB2A中，累积下降幅度为41.07%。
(3)为了进一步解决低质量指纹图像的低对比度，脊线粘连和断裂等问题，利用提出的分割算法得到区域掩模，通过对比度受限的自适应直方图均衡化提高对比度，并结合全局质量评价将非锐化掩蔽滤波用来改善脊线粘连。同时，利用局部质量评价改进方向场估计和频率场估计，结合Gabor滤波实现质量自适应的指纹图像增强。实验表明，本文提出的算法有效地解决了低质量指纹图像中存在的对比度低，脊线粘连和断裂等问题，改善了指纹识别技术的性能。