基于指紋識(shí)別的規(guī)則紋理圖像識(shí)別技術(shù)研究.pdf

1、紋理是由于物體表面的物理屬性不同而造成的，不同的物理表面產(chǎn)生不同的紋理圖像，因而紋理作為圖像的一個(gè)非常重要的屬性，在計(jì)算機(jī)視覺(jué)和圖像處理中具有舉足輕重的作用。紋理是由大量或多或少有序的相似的基元或模式組成的一種結(jié)構(gòu)，紋理基元按照某種確定性的規(guī)律或某種統(tǒng)計(jì)規(guī)律來(lái)排列，前者形成規(guī)則紋理，后者則形成隨機(jī)紋理。研究規(guī)則紋理圖像的分類識(shí)別技術(shù)有助于深入理解圖像處理、模式識(shí)別等相關(guān)學(xué)科，并能促進(jìn)各學(xué)科發(fā)展，而且為解決其他類似的復(fù)雜模式的認(rèn)知研究提供

2、重要的依據(jù)。 指紋圖像中脊線和谷線具有一定的排列規(guī)則，是典型的規(guī)則紋理。本文通過(guò)研究指紋圖像的分類識(shí)別技術(shù)，研究紋理圖像的分類識(shí)別技術(shù)。重點(diǎn)放在指紋識(shí)別的預(yù)分割、特征提取等幾個(gè)重要問(wèn)題上，并嘗試了一些新的方法。 主要工作及成果如下： 1、將指紋圖像視作二維隨機(jī)場(chǎng)，提出了基于Mean Shift算法的指紋圖像分割方法。Mean Shift就是偏移的均值向量，指向概率密度梯度方向。首先通過(guò)一簇核函數(shù)使得隨著樣本與被偏

3、移點(diǎn)的距離不同，其偏移量對(duì)均值偏移向量的貢獻(xiàn)也不同，再設(shè)定了一個(gè)權(quán)重系數(shù)，使得不同的樣本點(diǎn)重要性不一樣，最后通過(guò)一個(gè)迭代步驟先算出當(dāng)前點(diǎn)的偏移均值，移動(dòng)該點(diǎn)到其偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動(dòng)，直到滿足一定的條件結(jié)束。文中將Mean Shift算法分割的圖像結(jié)果與常用圖像分割算法，如迭代法、改進(jìn)大律法、KSW熵方法、分水嶺法等分割算法的結(jié)果進(jìn)行了比較，通過(guò)比較發(fā)現(xiàn)基于Mean Shift算法的指紋圖像分割適用于大多數(shù)指紋情況。

4、 2、分析了奇異點(diǎn)指紋分類算法、統(tǒng)計(jì)性特征的指紋分類算法。這兩種方法都受到指紋圖像質(zhì)量的影響。本文提出了基于指紋紋線方向的指紋分類算法，此算法依賴紋線方向場(chǎng)信息，當(dāng)紋線方向場(chǎng)信息相對(duì)可靠，就可以得到正確的分類。由于指紋圖像進(jìn)行了Mean Shift平滑分割處理以后，抗噪抗能力得到了一定的提高，對(duì)指紋圖像的質(zhì)量好壞不敏感，一些有污損的指紋，仍能夠得到較好的紋線方向場(chǎng)信息，因而指紋分類的精度得到了提高。 3、局部特征點(diǎn)是指紋識(shí)

5、別的重要信息源，在細(xì)節(jié)特征提取中，將產(chǎn)生大量的偽細(xì)節(jié)特征點(diǎn)，這些偽特征點(diǎn)的存在，不但使匹配的速度大大降低，還使指紋識(shí)別性能急劇下降，造成識(shí)別系統(tǒng)的拒識(shí)率或誤識(shí)率的上升。因此，在進(jìn)行指紋匹配之前，必須將偽特征點(diǎn)去除，保留真特征點(diǎn)。在所有特征點(diǎn)檢測(cè)方法的研究中，以角點(diǎn)檢測(cè)方法的研究最受關(guān)注。由于角點(diǎn)是圖像中物體邊緣上曲率較大的點(diǎn)，在指紋中分叉點(diǎn)等具有角點(diǎn)的特性，本文提出了采用角點(diǎn)檢測(cè)算法提取指紋中的局部特征并與模板法提取的細(xì)節(jié)特征進(jìn)行特征級(jí)

6、融合，去除偽特征點(diǎn)，保留真特征點(diǎn)，提高指紋的匹配精度。 4、采用點(diǎn)模式匹配方法實(shí)現(xiàn)指紋圖像的識(shí)別，識(shí)別的正確率達(dá)到96.21％。 將算法用于Brodatz紋理庫(kù)中部分規(guī)則紋理圖像，取得了較為滿意的效果，可以得出以下結(jié)論： ①M(fèi)ean Shift算法能夠?qū)⒈尘芭c紋理很好地分割，分割過(guò)程不影響紋理的細(xì)節(jié)； ②利用指紋紋線方向分類算法成功實(shí)現(xiàn)了對(duì)指紋的分類，因此對(duì)于規(guī)則紋理可以利用線性紋理基元的方向進(jìn)行分類；