1数字图像处理在指纹识别方面的应用
从数字图像处理技术角度谈谈对指纹识别的认识
从数字图像处理技术角度谈谈对指纹识别的认识4.1 指纹图像表示从指纹传感器输出的是指纹原始图像，其数据量比较大。
这对整个指纹识别系统的处理和存储都是个不小的负担。
在远程采集系统中，对通信带宽会造成较大负荷。
因此需要对指纹图像进行压缩存储。
指纹图像压缩一般经过图像变换、量化和编码等过程。
解压需经过解码、量化解码和反变换等过程。
压缩后的指纹图像需确保指纹特征信息的不丢失不损坏。
理论上来讲采用无损压缩算法是最理想的。
但经过实践证明，对于分辨率不是很高的指纹图像来说，采用无损压缩的压缩比很低。
通常情况下采用JEPG、WSQ和EZW三种压缩算法。
4.2 指纹图像处理4.2.1 指纹图像增强刚获得的图象有很多噪音。
这主要由于平时的工作和环境引起的。
指纹还有一些其他的细微的有用信息，我们要尽可能的使用。
指纹图像增强的目的主要是为了减少噪音，增强嵴峪对比度，使得图像更加清晰真实，便于后续指纹特征值提取的准确性.指纹图像增强常用的是平滑和锐化处理。
（1）平滑处理平滑处理是为了让整个图像取得均匀一致的明暗效果。
平滑处理的过程是选取整个图像的象素与其周围灰阶差的均方值作为阈值来处理的。
这种做法实现的是一种简单的低通滤波器。
实验表明：一般的自然图像相邻像素的灰度相关性约为0.9。
因此在图像受到白噪声干扰时，以像素的邻域平均值代替中心像素，是一个去除噪声的好办法。
算法是：。
其中f(x,y)表示被噪声污染的原始图像，大小为N*N，g(n,m)是平滑后的图像，S是处理点(x,y)邻域中点的坐标（不包括（x,y）点）的集合，而M是集合S内坐标点的总数。
例如，以(x,y)点为中心，取单位距离构成的邻域，其中点的坐标集合为：s={(x,y+1),(x,y-1),(x+1,y),(x-1,y)}。
经验表明，邻域越大，去噪声的能力就越强，不过，从中也可以看出，邻域越大，图像就越模糊。
因此，需要寻找既可以去噪声，又可以保持图像清晰度的办法，这就是阀值方法，算法是：，其中T值是一个规定的非负阀值。
结合自己的实际工作和生活说明数字图像处理的应用
1-1、结合自己的实际工作和生活说明数字图像处理的应用。
答：数字图像处理技术的应用几乎无处不在，例如有的U盘和电脑安装了指纹识别系统，气象中心对云图变化的分析系统，上网视频聊天室的图像传输系统，计算机阅卷系统，车牌识别系统，邮编识别系统等等，都是实际工作和生活中对数字图像处理的应用。
1-2、除前面介绍的例子之外，试举一些其它的图像应用的工程例子。
答：在工程中的应用也很广泛，而且有十分大的发展前景，这里举两个例子：制烟厂里检查香烟数量的系统，有效的保证了没盒烟中香烟的数量，而且大大提高了效率；地下资源的勘测系统，可以对地下资源进行不同光谱分析，较为可观的得到地下资源信息。
1-3、图像处理与计算机图形学的区别与联系是什么？。
图像处理与计算机视觉技术
图像处理与计算机视觉技术近年来，图像处理和计算机视觉技术在各行各业得到了广泛应用。
从医学影像到自动驾驶，从安防监控到娱乐游戏，这些技术正在改变我们的生活方式和工作方式。
在本文中，将探讨这两种技术的应用和未来发展。
一、图像处理技术图像处理技术是数字图像处理、压缩、增强、修复和分析等技术的总称。
它主要包括以下几个方面：1. 数字图像处理数字图像处理是对数字图像进行操作和处理的技术，包括图像去噪、图像增强、图像复原、图像分割、图像压缩等。
数字图像处理技术广泛应用于医学影像、摄影以及工业检测等领域。
2. 图像识别图像识别技术是指利用计算机对图像进行处理，从而实现对图像中对象、形状、轮廓等特征的识别。
图像识别技术在工厂质检、遥感影像分析、安防监控等领域有着广泛的应用。
3. 人脸识别人脸识别技术是指利用计算机对人脸图像进行处理，从而实现对人脸的识别、比对和辨认的技术。
人脸识别技术可以应用在安防监控、门禁考勤、公安案件侦破等领域。
二、计算机视觉技术计算机视觉技术是指利用计算机对视觉信息进行处理、分析、理解和获取的技术，涵盖了图像处理、模式识别、机器学习、深度学习等多个领域。
计算机视觉技术主要包括以下几个方面：1. 物体检测和跟踪物体检测和跟踪技术是指利用计算机对图像中的指定物体进行识别、定位和跟踪的技术。
这种技术可以应用于自动驾驶、无人机、安防监控等领域。
2. 模式识别模式识别技术是指对大量数据进行分析和处理，从而寻找数据中的模式和规律，以进行分类和识别。
这种技术可以应用于人脸识别、指纹识别、语音识别、股票分析等领域。
3. 机器学习机器学习技术是指让计算机根据大量的数据自主学习并改进模型和算法的技术。
这种技术可以应用于自然语言处理、图像识别、人工智能等领域。
三、图像处理和计算机视觉的未来发展随着计算机技术和人工智能技术的不断发展，图像处理和计算机视觉技术将会在未来有更多的发展和应用：1. 智能制造智能制造是指利用数字化、网络化和智能化技术对制造业进行升级的过程。
指纹图像增强处理技术在侦查破案中的应用
拍摄直接用粉末刷显 ，要么拍下来的指纹会在凸面上形成
一
道光斑 ，掩盖 了指纹很多细节特征 ，严重影口 到了提取 向
指纹 的质量 。笔者在遇到 类似 圆柱体 表面指纹 时 ，利用 Ｐ ｏｏ ｈ ｐ ｈ ｔｓ ｏ 图像处 理软 件 ，对拍 摄 时形 成 的光斑 进行 处 理 ，处理 后的指纹照片与实际指纹基本一致。该方法简单 易学 、应用范围广 ，适合各类 圆柱体表面痕迹。
一
应用紫外照相却难 以消除 ，而规则背景对纹线尤其是指纹
纹线上的特征点的判别影响特别的大 。在这里笔者介绍一
例应用Ｉ ｇ ｒ ｌ ． 简称ＩＰ） ｍａ ｅｐｏｐｕ ６２（ ｓ Ｐ 软件对拍摄后 的照
致 ，否则两张照片将无法重合。
片进行处理 ， 成功消除规则背景干扰 的案例 ， 所使用的就
灰 度直 方图均衡化是一个很有效 的图像 增强技术 ，
Ｐ ｌ ｅ ｅ ｈ ｏ ｇ ２ １ 年９ １ ｏｉ ｃ ｎ ｌ ｙ ０ 月 ｃ Ｔ ｏ ０ ７
专 题
光斑部位调整至指纹 中心左侧 （ 下面 ） 的指纹照片 ，见图 １ ，光斑调整到右侧 （ 上面 ），见 图２ 。注意 事项 ：拍摄 指纹照片时必须粘贴比例尺 ，相机 的光圈和焦距必须保持
指纹图像增强处理新技术
指纹 图像增强处理技术 在侦查破案 中的应用
江苏省常州市公安局物证鉴定所 李 阳 朱磊
摘 要 ： 在 日常 工 作 中 ，终 常 会 遇 到 一 些 拍 照 效 果 不 理 想 的 指 纹 ， 无 法 直 接 入 库 比 对 或 作 出 鉴 定 ， 直 接 影 响 了 案 件 的 侦 破 。 本 文 通 过 几 个 实 际 案 例 中 后 期 指 纹 增 强 处 理 技 术 的 应 用 ，来 讨 论 如 何 改 善 指 纹 图 片 的 质 晕 ，
模式识别在图像处理中的应用
模式识别在图像处理中的应用一、介绍在数字图像处理领域，模式识别是一种广泛应用的技术。
它是从图像中提取出特定的目标或特征，并将其与已知的模式进行比较，从而得出该目标或特征的分类或识别。
模式识别技术的应用广泛，包括人脸识别、指纹识别、车牌识别等。
二、基础技术2.1 特征提取特征提取是模式识别的核心步骤之一。
在这个过程中，处理图像以提取有用的信息，使其能够被分类或识别。
根据不同的应用场景，可以选择不同的特征提取方法。
常用的特征提取方法包括色彩空间转换、滤波、图像分割、边缘检测等。
例如在车牌识别中，可以使用颜色信息和字符分割来提取特征。
2.2 分类器设计分类器是模式识别系统中可以将特征与类别相关联的重要组成部分。
在训练一个分类器之前，需要先确定适当的特征和所需的类别。
在训练过程中，可以使用监督学习、非监督学习或半监督学习等方法来训练分类器。
监督学习需要使用已经标记好的数据来进行学习，而非监督学习则不需要这样的标记。
2.3 神经网络神经网络是一种受到生物神经元网络启发的模式识别技术。
它可以学习和模拟大脑中的信息处理机制，并用于分类、识别和预测等任务。
神经网络的训练过程需要使用反向传播算法进行优化，以使得它能够对样本数据进行良好的分类或识别。
三、应用实例3.1 人脸识别人脸识别是应用最广泛的模式识别技术之一。
它可以通过分析和比对图像中的面部特征来验证身份或识别出人物。
在人脸识别中，常用的特征提取技术包括主成分分析（PCA）、线性判别分析（LDA）、局部二值模式（LBP）等。
此外，常用的分类器包括支持向量机（SVM）、卷积神经网络（CNN）等。
3.2 指纹识别指纹识别是另一种常见的模式识别应用。
它使用图像处理和模式识别技术来分析指纹图像，识别出指定的个体。
相关的特征提取技术包括短截波谱图（STFT）、小波变换等。
分类器包括KNN、SVM等。
3.3 车牌识别车牌识别技术可以自动检测图像中出现的车牌号码，并将其识别出来。
数字图像处理技术的应用与发展
数字图像处理技术的应用与发展随着科技的不断发展，数字图像处理技术已经成为现代社会中不可或缺的一部分。
数字图像处理技术可以对图像进行一系列的操作和处理，从而满足各种不同的需求。
本文将介绍数字图像处理技术的应用、发展历程以及对社会、经济和科学研究的影响，并展望未来的发展趋势。
数字图像处理技术在许多领域都有广泛的应用，以下是其中的几个例子：医学领域：数字图像处理技术在医学领域的应用已经非常成熟。
通过对医学影像进行处理和分析，可以协助医生进行疾病的诊断和治疗。
例如，通过对CT、MRI等医学影像进行的三维重建，可以更加直观地观察到病变位置和范围，从而提高诊断的准确性和效率。
军事领域：数字图像处理技术在军事领域的应用也十分广泛。
例如，通过对面部、指纹等生物特征进行识别，可以实现对人员的精准管理。
数字图像处理技术还可以应用于地图测绘、目标跟踪等领域。
交通领域：数字图像处理技术在交通领域的应用也日益广泛。
例如，通过对面部识别技术和交通监控视频进行处理，可以实现对交通违法行为的自动识别和抓拍。
数字图像处理技术还可以应用于车辆检测、交通流量统计等领域。
数字图像处理技术自20世纪60年代出现以来，已经经历了漫长的发展历程。
随着科技的进步，数字图像处理技术也在不断发展和创新。
未来的数字图像处理技术将朝着以下几个方向发展：机器学习：机器学习是当前最为热门的技术之一，其在数字图像处理领域的应用也日益广泛。
通过机器学习算法，可以对图像进行自动分类、识别、分割等操作，从而提高数字图像处理的准确性和效率。
深度学习：深度学习是机器学习的一个分支，其通过对神经网络的研究和应用，可以实现更加复杂的图像处理任务。
例如，通过对面部特征进行分析，可以实现对面部表情的识别和分类，从而应用于情感分析、人机交互等领域。
数字图像处理技术的应用对社会、经济和科学研究都产生了深远的影响。
以下是其中的几个方面：提高生产效率：数字图像处理技术可以应用于工业生产中，通过对生产线的监控和自动化控制，可以提高生产效率、降低成本。
数字图像处理指纹识别系统
数字图像处理在指纹识别技术中的应用摘要随着信息技术的和网络技术的发展，信息安全越来越引起人们的重视。
为了保护自身的信息、资料以及财产的安全，许多场合都需要对使用者、来访者进行身份识别。
传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。
指纹，作为人体独一无二的生理特征，它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。
基于指纹识别技术的身份识别系统以其独特的技术优势和成本优势正广泛被应用到各个场合。
指纹图像预处理是指纹识别的前提,它的好坏直接影响到指纹识别的成败，但由于指纹图像降质带来的困难,并根据指纹图像的特征提出了合理的假设，再根据假设提出了增强指纹图像的算法，这些算法处理效果好，能有效地解决指纹图像的预处理问题。
关键词：指纹图像预处理；图像增强；腐蚀；二值化；细化一、指纹识别技术概述1.1 概述生物识别技术（Biometric Identification Technology）是利用人体生物特征进行身份认证的一种技术。
由于每个人的生物特征都有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全，可靠，准确。
常见的生物识别技术主要有指纹、脸形、虹膜、视网膜、手写体、声音、掌纹、手形和脸部热谱图9种，指纹识别是生物识别技术的一种。
迄今为止，最为人们所关注、最为成熟的生物识别技术就是指纹识别。
1.2 指纹识别系统分类自动指纹识别系统的工作模式可以分为2类：验证模式（verification）和辨识模式（identification）。
验证就是通过把一个现场采集到的指纹与一个已经登记的指纹进行一对一的比对（one to one matching），来确认身份的过程。
验证过程如图1所示。
辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。
运用数字图像处理技术进行指纹增强
面就 以实 际案例 ，来介 绍数 字图像处理 技术在指 纹增强
中 的应 用 。
一
图１ 从 ＧＰ Ｓ的显 示 屏 上拍 照 提 取 的 血指 纹 照 片
二 、指 纹 增 强 处 理
、
案 件 介 绍
图１ 中的指纹图像为彩色图像 ，图像的背景颜色为
一
般 能明显得到增 强 ，为后续 的指 纹识别鉴定创造 了有
利的条件 。 斟
【］ ａ ｇ Ｓｎ Ｗ ａ ｇ Ｙ ｎ ｓｅ ｇ Ｆｎ ｅ ｒ ｔｅ ｈ ｎ ｅ ｎ １ Ｗ ｎ ｅ ， ｎ ａ ｇｈ ｎ ． ｉｇ ｒ ｉ ｎ ａ ｃ ｍｅ ｔｉ ｐｎ ｎ ｔｅ ｓ ｇｌ ｏｎ ｒａ田．—Ｅ ｉｎｌＰｏｅ ｉｇＬ ｔｒ ｈ ｉ ｕａ ｐ ｉｔａｅ ｎ ｒ Ｉ— Ｓ ａ ｒｃｓ ｅｅ ， ＥＥ ｇ ｓ ｎ ｔｓ ２ ０ ， １１： ６ ９ ０ ４ １ （ １ —１ ． ） ［］ Ｗ ｅ Ｃ ｅ Ｙｅ ，Ｙ Ｃｈ — ｈ ｎ ．Ｆｎ ｅ ｒ ｔ ａ ｅ ２ ｎ ｈ— ｎ ｕ ｎ ｉ Ｃ ｕ ｇ ｉｇ ｒｉ ｐ ｔ ｍ ｐ ｎ ｒｓ ｒｔ ｎｂ ｉ ｉ ｇ ｒｃｓｎ ｃｎｑ ｅ ｅｏａｏ ｙｄｇ ｍａｅｐｏｅｉｇｔ ｈ ｉｕｓ田．ｏ ｍａ ｔ ｉ ｓ ｅ Ｊｕ ｌ
息 和色 度 信息 相互 混 合在 一 起 ，不便 于 后续 的 增强 处 理 ，首先 将Ｒ 空 间形式 的彩色 图像 转换成 Ｈ Ｉ 间的 ＧＢ Ｓ空 彩色图像 ，转换方法如下 ：
Ｐ ｌ ｅＴ ｃ ｎ ｌｇ ２ ０ Ｆ １ ｏｉ ｅ ｈ ｏｏ ｙ ０１ 年９ Ｊ ｃ ５
专 题’
图 ２ 灰 度 直 方 图 线性 拉 伸 效果 比较
（＋ ８ １） ２１
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理课程考试论文论文题目：数字图像处理在指纹识别中的应用学院地理与环境科学学院专业: 地理科学姓名郑凯鹏学号: 10280235提交时间: 2013-1-4短号： 662126成绩:数字图像处理在指纹识别中的应用郑凯鹏（地理与环境科学学院地理102班 10280235）摘要：图像处理（image processing）对图像进行一系列的操作，以达到预期目的技术。
图像处理分为模拟图像处理和数字图像处理两助攻方式。
所谓数字图像处理，就是利用计算机对数字图像进行系列操作，从而达到某种预期目的的技术。
由于指纹具有终身的稳定性和惊人的特殊性，很早以来在身份鉴别方面就得到了应用，且被尊为“证物之首”。
关键词：数字图像、图像处理、指纹识别Abstract:image processingconducted a series of operations on an image, and technology to achieve the desired purpose. Image processing is divided into two Dunks analog image processing and digital image processing. The so-called digital image processing is to use computers to manipulate the digital image series, so as to achieve a certain desired technology. Due to stability and alarming specificity of the fingerprint has a life, an early identification has been applied since, and was hailed as "exhibits".Keywords:digital images, image processing and fingerprint recognition引言在网络化时代的今天，我们每个人都拥有大量的认证密码，比如开机密码、邮箱密码、银行密码、论坛登陆密码等等；并配备了各种钥匙，如门锁钥匙，汽车钥匙，保险柜钥匙等。
这些都是传统的安全系统所采用的方式，随着社会的发展，其安全性越来越脆弱。
而我们的生活随时都需要进行个人身份的确认和权限的认定，尤其是在信息社会，人们对于安全性的要求越来越高，同时希望认证的方式简单快速。
为了解决这一问题，人们把目光转向了生物识别技术，希望能借助人体的生理特征或行为动作来进行身份识别。
这样您可以不必携带大串钥匙，也不用费心去记各种密码。
另外，生物特征具有唯一性，不可复制性，例如指纹，有学者推论：以全球 60 亿人口计算，300 年内都不会有两个相同的指纹出现。
以电子商务、电子银行的安全认证为例，目前在电子商务中他人会假冒当事人的身份，如果通过生物特征进行论证，就可有效防止此类事件的发生。
另外，网络、数据库和关键文件等的安全控制，机密计算机的登陆认证，银行 ATM、POS 终端等的安全认证，蜂窝电话，PDA 的使用认证等等，都离不开可靠安全的生物特征识别。
可见，生物特征识别不但有可观的经济效益，还有不可估量的国家信息安全效益。
一、指纹识别技术概述1.1 概述生物识别技术（Biometric Identification Technology）是利用人体生物特征进行身份认证的一种技术。
由于每个人的生物特征都有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全，可靠，准确。
常见的生物识别技术主要有指纹、脸形、虹膜、视网膜、手写体、声音、掌纹、手形和脸部热谱图9种，指纹识别是生物识别技术的一种。
迄今为止，最为人们所关注、最为成熟的生物识别技术就是指纹识别。
二、指纹识别系统工作原理2.1概述一般来讲，自动指纹识别算法体系大致由指纹图像采集、指纹图像预处理、特征理、特征提取、指纹分类和指纹比对几个部分组成。
2.2 指纹图像采集较早出现的活体指纹采集设备是光电式的。
后来出现的电容式和电感式的采集设备。
到目前为止，光学采集头提供了更加可靠的解决方案。
通过改进原来的光学取像技术，新一代的光学指纹采集器更是以无可挑剔的性能与非常低的价格使电容方案相形见绌。
光学技术需要一个光源从棱镜反射到按在取像采集头上的手指，光线照亮指纹从而采集到指纹。
光学取像设备依据的是光的全反射原理(FTIR)。
2.3 预处理通常，指纹采集器采集到的指纹是低质量的，存在的噪声较多。
通过预处理，将采集到的指纹灰度图像通过预滤波、方向图计算、基于方向图的滤波、二值化、细化等操作转化为单像素宽的脊线线条二值图像，基于此二值图像对指纹的中心参考点，以及细节特征点特征等进行提取。
指纹预处理的一般过程为：原始图像→图像裁剪→图像平滑→图像锐化→二值化→图像修饰→图像细化→输出图像。
2.4特征提取指纹的特征点分为全局特征（如奇异点、中心点）和局部特征（指纹细节点）。
在考虑局部特征的情况下，英国的E.R.Herry认为，在比对时只要 13个特征点重合，就可以确认是同一个指纹。
指纹的细节特征可以有150种之多，但这些特征出现的概率并不相等，很多特征是极其罕见的。
一般在自动指纹识别技术中只使用两种细节特征：纹线端点与分叉点。
纹线端点指的是纹线突然结束的位置，而纹线分叉点则是纹线突然一分为二的位置。
大量统计结果和实际应用证明，这两类特征点在指纹中出现的机会最多、最稳定，而且比较容易获取。
2.5指纹分类指纹分类的主要目的是方便大容量指纹库的管理，减小搜索空间，加速指纹匹配过程。
指纹分类技术越完善，能够划分的类型越细，样本数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。
在大部分研究中，箕形、弓形、斗形3类。
对于要求严格的指纹识别系统，仅按此分类是不够的，还需要进一步更加细致地分类。
2.6 指纹比对指纹比对是通过对2枚指纹的比较确定它们是否同源的过程，即2枚指纹是否来源于同一手指。
指纹比对主要是依靠比较2枚指纹的局部纹线特征和相互关系决定指纹的唯一性。
细节特征的集合形成一个拓扑结构，指纹比对的过程实际就是2个拓扑结构的匹配问题。
由于采集过程中的变形、特征点定位的偏差、真正特征点的缺失和伪特征点的存在等问题，即使是2枚同源的指纹，所获得的特征信息也不可能完全一样，指纹比对的过程必然是一个模糊匹配问题。
2.7可靠性问题计算机处理指纹图像时，只是涉及了指纹有限的信息，而且比对算法不是精确的匹配，因此其结果不能保证100%准确。
指纹识别系统的重要衡量标志是识别率。
三、指纹识别模块算法3.1预处理指纹的特征是指指纹脊线的某种构型，如端点、分叉等。
为了提取这些特征，必须先把灰度的指纹图处理为二值线型图，此过程即指纹图像预处理。
图像预处理是指纹自动识别过程的第一步,它的好坏直接影响指纹识别的效果。
图像预处理通常包括增强、分割、细化等几个步骤。
增强是通过平滑、锐化、灰度修正等手段，改善图像的视觉效果；分割则是把图像划分为若干个区域，分别对应不同的物理实体；细化则是把分割后的图像转为只有一个像素点宽度的线型图，以便提取特征。
3.2 方向滤波算法指纹图像获取时，由于噪音及压力等的不同影响，将会导致2种破坏纹线的情况：断裂及叉连。
这2种干扰必须清除，否则会造成假的特征点，影响指纹的识别。
为了消除干扰及增强纹线，针对指纹纹线具有较强方向性的特点，可以采用方向滤波算法对其进行增强，为此必须利用指纹图上各个像素点上的局部方向性四、图像处理4.1方向图的平滑算法方向图求出后,由于纹线中的毛刺、背景中的细小污点等影响,会存在一定的噪音,需要对其进行平滑。
方向图平滑的基本思想是，指纹纹线的走向是连续变化的,邻近像点上的方向不应该有突然的大角度转折。
平滑也是在窗口中进行的,窗口中心像点上的平滑结果由窗口中各像素点方向值及其分布确定。
4.2方向滤波器的设计在得到指纹的方向图后,可以根据每个像素点的方向值利用方向滤波器对指纹进行滤波,以消除噪音,增强纹线,提高脊和谷之间的反差。
滤波器设计原则如下所述。
①滤波器模板的尺寸要合适。
模板过小难以达到良好的去噪音、清晰化效果;模板过大则可能在纹线曲率较大处破坏纹线构型。
一般取模板边长为1～1.5 个纹线周期。
②模板边长为奇数,模板关于其朝向轴及朝向垂直方向轴均为对称③为提高脊、谷之间的灰度反差,达到边缘锐化的效果,模板应设计为在垂直于朝向方向上,中央部分系数为正,两边系数为负。
④滤波结果应与原图的平均灰度无关,因此模板中所有系数的代数和应为0五、指纹特征提取和比对5.1指纹的特征提取和剪枝由细化所得的指纹点线图,很容易找到指纹的细节特征:端点和分叉点,记录这些特征的位置、类型和方向。
因为指纹预处理的不完善性,在细化后的纹线图中总存在或多或少的伪特征点。
因此有必要对这些粗筛选出的特征进行剪枝,以达到去伪存真的目的。
细节特征剪枝的标准主要依赖于以下3个条件。
①特征点到边缘的距离;②细节特征间的距离和角度关系;③指纹脊线和细节特征的空间分布。
根据以上3个条件组合各种特征剪枝的标准,凡符合标准的特征点删除,其余的给予保留。
5.2指纹的比对在进行指纹比对之前,一定要存在指纹数据库。
建立指纹数据库,一般要采集同一枚指纹的3～5 个样本。
对于待匹配的指纹图像,经预处理和特征提取后,形成一个坐标链码记录,根据这些特征的相互位置关系与指纹数据库中的样本做图形匹配,得到最终的识别结果。
右图展示了指纹原始图像经增强、分割和细化后的效果。
六、指纹增强6.1 图像增强的背景很多历史资料由于材质和时间的原因，整幅图片色泽偏暗，亮度范围不足或非线性等因素造成对比度不足，影响观看效果，结合人眼对灰度的感觉，如果相邻两个物体目标灰度相差比较小，超过人眼对灰度差的感知能力，人眼就无法区分这不同的两个物体，从而导致无法看清楚图片，这就需要对图片做出一些处理，使图片的灰度差和整体色泽有所改善，以达到人眼观看的效果。
图象处理的原始目的就是改善，使看不清的目标能够看得清楚，因此，对数字图象识别分析的全过程，都要求图像得到改善以适应人的肉眼，为了达到这个目的，除了首先需要去除噪声之外，还需要分辨灰度细节，解决灰度的扩展和图像鲜明化问题。
6.2指纹图像增强算法分类介绍指纹图像增强算法，大体上可以分为空域增强算法和频域增强算法。
空域增强算法是利用一定的规则直接作用于指纹图像的像素值，达到增强的目的。
频域增强则是先进行一个变换域操作，然后利用图像的相位、频率及能量等信息进行图像增强。