低分辨率指紋圖像識(shí)別的算法研究.pdf

1、在生物識(shí)別技術(shù)中，指紋所具有的特性，使其成為當(dāng)前個(gè)人身份認(rèn)證中最常用，最可靠的識(shí)別技術(shù)之一。但是隨著現(xiàn)代社會(huì)和技術(shù)的快速發(fā)展，人們對(duì)指紋識(shí)別技術(shù)在實(shí)際應(yīng)用中的安全性和高效性越來越關(guān)切，如何處理低分辨率的指紋圖像，加快識(shí)別速率，提高指紋圖像的識(shí)別率，已經(jīng)成為眾多研究機(jī)構(gòu)研究的熱點(diǎn)。
　　本文主要對(duì)指紋圖像進(jìn)行三方面的處理：指紋圖像預(yù)處理、特征提取和特征匹配。其中對(duì)圖像預(yù)處理主要有四個(gè)部分：圖像分割、圖像濾波增強(qiáng)、圖像二值化和圖像細(xì)化

2、。本文算法主要包括：
　?。?）在指紋圖像分割和增強(qiáng)方面：針對(duì)指紋圖像分割提出了將形態(tài)學(xué)與方差法結(jié)合起來的算法，通過數(shù)學(xué)形態(tài)學(xué)的開閉運(yùn)算刪除目標(biāo)區(qū)域上虛假的結(jié)構(gòu)元素，光滑目標(biāo)輪廓，刪除微小的凸出部分，填充比結(jié)構(gòu)像素小的空洞。而對(duì)于指紋圖像濾波增強(qiáng)運(yùn)用了在Laplace-Gaussian算子基礎(chǔ)上的圖像增強(qiáng)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(shù)情況下，對(duì)其他類型的噪聲也有很好的處理

3、效果。為了達(dá)到凸顯目標(biāo)的細(xì)節(jié)以及凸顯被模糊的細(xì)節(jié)的目的，需要對(duì)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(jié)合起來，來確保圖像紋路的細(xì)節(jié)和具有不錯(cuò)的濾波處理結(jié)果。
　?。?）對(duì)指紋圖像分割和增強(qiáng)處理之后，本文中還進(jìn)行了二值化處理，這是圖像預(yù)處理必不可少的步驟，對(duì)此本文提出了一種基于自適應(yīng)閾值與局部閾值相結(jié)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(duì)比度同時(shí)去除圖像中的大量粘連。

4、>　?。?）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(gè)像素寬的紋線。針對(duì)這種情況，本文對(duì)改進(jìn)的OPTA細(xì)化算法中仍存在的一些缺陷進(jìn)行分析，并對(duì)改進(jìn)的OPTA算法進(jìn)行了二次改進(jìn)，通過MATLAB仿真結(jié)果，改進(jìn)的細(xì)化算法具有較好的細(xì)化效果，提高了指紋紋線的光滑和連續(xù)性。
　　（4）針對(duì)預(yù)處理后的結(jié)果，將圖像的端點(diǎn)和分叉點(diǎn)作為指紋要提取的特征點(diǎn)。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(zhǎng)匹配和點(diǎn)類