指紋圖像分割與參考點提取算法研究.pdf

1、近年來，自動指紋識別系統(tǒng)已經(jīng)成為生物特征識別研究的一個熱點，包括指紋采集、指紋增強、指紋分類、特征提取和指紋匹配等內(nèi)容，已有不少國內(nèi)外學者對指紋識別技術(shù)作了大量研究。但到目前為止，指紋識別仍存在著一些技術(shù)上的難點，主要體現(xiàn)在如一下兩個方面：一是在非理想條件下指紋圖像與背景區(qū)域的有效分割問題；二是在有彈性形變和特征點丟失、變形和旋轉(zhuǎn)的情況下如何可靠、穩(wěn)定的進行指紋匹配的問題。 本文針對以上的兩個問題進行了深入研究一,主要研究內(nèi)容

2、包括： 針對現(xiàn)有指紋圖像分割方法存在的不足之處，提出采用小波包分解對指紋圖像進行分割的思想，并使用該思想實現(xiàn)了基于小波分析的指紋圖像分割方法。首先將待識別的指紋圖像使用小波包分解成多個子圖，每個子圖包含了原指紋圖像中某一段頻率的圖像信息；然后選擇一個合適的了圖，并在該子圖上提取出有效區(qū)域的輪廓；最后根據(jù)該輪廓并結(jié)合原圖像完成指紋圖像的分割。山于噪音總是存在于某一個頻率范圍中，通過選擇合適的子圖就可以最大可能的將噪音過濾掉，從而完

3、成有效區(qū)域的提取。大量典型低質(zhì)量指紋數(shù)據(jù)庫上的實驗結(jié)果證明了該算法的有效性。 提出了一種基于Delaunay三角化匹配的參考點提取方法?，F(xiàn)有的指紋匹配方法大多是利用指紋圖像中紋線端點和紋線分叉點這兩種點作為判斷指紋唯一性的特征點來識別指紋，這實際上是一個點模式匹配的問題。在點模式匹配中，往往需要在匹配前通過進行平移和旋轉(zhuǎn)等操作將兩個點模式對準，這也就需要在兩個點模式中找出一對或者一對以上的參考點以計算平移和旋轉(zhuǎn)參數(shù)。Delaun

4、ay三角網(wǎng)具有空外接圓性質(zhì)和最大的最小角度性質(zhì)，這使得在指紋特征點模式的匹配中最大可能的避免導致不穩(wěn)定和誤差的瘦小三角形出現(xiàn)，對于在有細微彈性形變和少量特征點丟失、變形和旋轉(zhuǎn)的情況下也能找到可靠的參考點對。對基于Poincare Index的奇異點檢測方法進行了改進。奇異點足指指紋圖像中方向變化比較大的地方中的某一個點，分為Core點和Delta點。奇異點最初是做用來對指紋圖像進行分類，同時它也可以當作是特殊的參考點。已有的基于poi

5、ncare Indes的方法對圖像中的每個象素點都進行檢測，消耗的時間很大且有很高的誤檢測率。本文方法根據(jù)Core 點和Delta點的不同的形成特點，首先檢測到指紋圖像中可能包含奇異點的區(qū)域；然后在這幾個區(qū)域內(nèi)使用基于PoinareIndex的方法進行奇異點檢測。改進后的算法能更快速、準確的檢測出指紋圖像中的奇異點，且有很好的魯棒性。 全文內(nèi)容共分五章。第一章緒論，主要介紹了指紋識別技術(shù)的概況及其存在的技術(shù)難點；做為開展研究工作的