低分辨率指紋圖像識別的算法研究.pdf

1、在生物識別技術中，指紋所具有的特性，使其成為當前個人身份認證中最常用，最可靠的識別技術之一。但是隨著現(xiàn)代社會和技術的快速發(fā)展，人們對指紋識別技術在實際應用中的安全性和高效性越來越關切，如何處理低分辨率的指紋圖像，加快識別速率，提高指紋圖像的識別率，已經成為眾多研究機構研究的熱點。
　　本文主要對指紋圖像進行三方面的處理：指紋圖像預處理、特征提取和特征匹配。其中對圖像預處理主要有四個部分：圖像分割、圖像濾波增強、圖像二值化和圖像細化

2、。本文算法主要包括：
　　（1）在指紋圖像分割和增強方面：針對指紋圖像分割提出了將形態(tài)學與方差法結合起來的算法，通過數學形態(tài)學的開閉運算刪除目標區(qū)域上虛假的結構元素，光滑目標輪廓，刪除微小的凸出部分，填充比結構像素小的空洞。而對于指紋圖像濾波增強運用了在Laplace-Gaussian算子基礎上的圖像增強的算法，利用Gaussian是線性平滑濾波器去除Gaussian噪聲的效果很好，且在大多數情況下，對其他類型的噪聲也有很好的處理

3、效果。為了達到凸顯目標的細節(jié)以及凸顯被模糊的細節(jié)的目的，需要對圖像作銳化處理。而 laplacian正好具備這樣的功能，因此需要將兩種濾波器結合起來，來確保圖像紋路的細節(jié)和具有不錯的濾波處理結果。
　　（2）對指紋圖像分割和增強處理之后，本文中還進行了二值化處理，這是圖像預處理必不可少的步驟，對此本文提出了一種基于自適應閾值與局部閾值相結合的二值化算法，此算法很好的提高了指紋圖像中脊線和谷線的對比度同時去除圖像中的大量粘連。

4、>　　（3）在二值化處理之后，指紋的紋線寬還比較粗，因此我們要將其處理為只有一個像素寬的紋線。針對這種情況，本文對改進的OPTA細化算法中仍存在的一些缺陷進行分析，并對改進的OPTA算法進行了二次改進，通過MATLAB仿真結果，改進的細化算法具有較好的細化效果，提高了指紋紋線的光滑和連續(xù)性。
　?。?）針對預處理后的結果，將圖像的端點和分叉點作為指紋要提取的特征點。在隨后的指紋匹配中，利用了紋線相似度匹配、相似三角型邊長匹配和點類