论文部分内容阅读
生物识别技术是基于人类特有的生理特征(如指纹、脸、虹膜等)或行为特征(如声音等)进行自动身份识别和认证的技术。指纹在唯一性、稳定性、可采集性、可接受性等方面的良好特性，使得指纹识别技术成为生物识别技术中发展最成熟的技术之一，并广泛应用在各种身份识别场合。但在某些特殊应用中，尤其是在司法系统中，低质量的指纹普遍存在，这严重影响了现有指纹识别系统的识别准确率，降低了指纹识别技术系统的效能。因此，低质量指纹图像的处理方法研究具有重大的意义。 本文针对指纹识别系统的各个环节进行了初步的探索性研究，收集整理该领域现有研究成果，重点研究了指纹识别方法中的预处理图像增强技术。 低质量指纹存在部分区域灰暗模糊不清等问题。传统的基于像素的处理方法往往只追求提高整体图像的对比度，这导致了灰暗区域亮度更低，指纹脊线更加无法分辨，不利于人工参与鉴别，也不利于指纹的后续处理。 本文将非经典感受野三高斯数学模型和指纹自身特性结合，提出一种符合人类视觉特性的基于像素的指纹图像增强算法。具体算法为：首先通过三高斯单边滤波获得邻域图像的主观感觉亮度；然后对指纹图像进行局部对比度增强。通过分析研究指纹脊谷交替分布的特性，结合三高斯模型自身特性，得到针对指纹图像的三高斯单边滤波的参数自适应模型和局部对比度调整参数。实验结果表明该方法不仅提高了指纹图像整体的对比度，而且能够提高灰暗区域的亮度，突出灰暗区域的细节特征，尤其适用于低质指纹图像的处理。 基于纹理的图像增强是在指纹初级增强后的图像基础上进行的二级增强。这种增强算法能够利用指纹的纹理信息对图像进行滤波，主要包括方向场信息和频率场信息。本文重点研究了基于纹理的图像处理算法中应用最广泛的Gabor滤波方法，并对Gabor滤波器的重要参数--方向场的计算方法进行了改进。本文研究发现，经典的方向场计算和平滑算法不能准确分辨指纹脊线方向不连续是噪声造成的还是由奇异点区域脊线曲率高造成的，从而使其在处理时无法在保证指纹奇异点区域脊线方向不发生偏移的同时，准确计算出指纹粘连或断裂区域的脊线方向。 本文通过分析低质指纹图像的特点和指纹方向场的分布规律，提出一种多尺度方向场修正的低质指纹图像Gabor滤波增强算法。多尺度方向场修正的具体步骤为：首先用基于灰度梯度算法对指纹进行方向场初步计算；对该原始方向场进行全局大窗口低通滤波；然后将指纹分成部分重叠的块，分别检测块内指纹方向的连续性；对不连续的区域在原方向场中进行小窗口低通滤波；根据一定的规则对滤波结果进行判定，如果是指纹奇异点附近方向高曲率引起的方向不连续，则将小窗口低通滤波结果判定为该区域指纹方向场，如果是噪声引起的方向不连续，将大窗口低通滤波结果确定为将该区域方向场；其余指纹连续区域的方向场由全局大窗口低通滤波结果确定。实验结果表明，该算法有效地提高了方向场计算准确度，图像的滤波效果显著增强。一方面能够增强灰暗区域脊线分布的清晰度，准确修复纹线中的断线，分离粘连脊线；另一方面能够较为完整地保留奇异点区域的信息，不会出现过度平滑现象。 综上所述，本文对低质量图像处理的初级增强和二级增强进行了深入的研究，并针对现有算法的不足提出了适用于低质量指纹图像的增强算法，最后通过大量实验证明了本文提出算法的有效性。