面向低质量指纹的图像增强算法研究优秀毕业论文
一种指纹图像增强算法研究
（） １ 剪切是用估算 指纹 图像 的核 心点 ， 然后选取适
的模 式 区 ： （ ） 一 化 的 作 用 一 方 面使 得 图 像 灰 度 值 达 到 一 ２归
个 预 先 定 义 的 平 均 值 和 方 差 ．另 一 方 面 是 达 到 增 强 图
像 整 体 对 比度 的效 果 。归 一 化 采用 的 公 式 如 下 ：
维 高 斯 函 数 和正 弦 函数 的乘 积 构 成 。
ｂ 示 每 一 个 圆环 的 宽度 ． 示 每 一 个 圆环 所 包 表 ｋ表
Ｍ ＾ 、 Ｍ
断 点 等 ．这 些 噪声 对 指 纹 特 征 信 息 的提 取 造 成 一 定 的 影 响 ． 至 会 产 生 许 多 伪 特 征 点 指 纹 图像 增 强 的 目的 甚 就 是 去 除 图像 中 的 噪 音 ． 它 变 成 一 幅 清 晰 的 点 线 图 ． 把
便 于 提 取 正 确 的 指 纹 特 征 ． 而 保 证 识 别 的 可 靠 性 因 从 此 指 纹 图 像 的增 强 处 理 是 正 确 识 别 指 纹 的基 础 ．在 提
器采 集带来 的噪声 以及用 力不 均导 致 的灰度 差异 ． 使 图 像 中纹 线 灰 度 均 值 和方 差 接 近 于 给 定 的 期 望 均 值 和
（ ） 式 区 的 扇 区化 ： （ ） ４模 在 １ 中选 取 模 式 区 ， 心 点 核 （ ，ｃ表 示 中 心 参 考 点 坐 标 ， 于 后 续 处 理 的 指 纹 图 Ｙ） 用
方差 。通常 。 规格化作用在 整幅 图像上 ． 由于指纹 图像
具 有 弹性 特 性 ．对 整 幅 图像 进 行 规 格 化 不 能 补 偿 图 像 不 同 部 分 的 强 度 差 异 因 此 ． 有 效 区域 的 每个 小 扇 区 对
《小面积指纹识别算法研究》范文
《小面积指纹识别算法研究》篇一一、引言随着科技的进步，生物识别技术已成为现代安全系统的重要组成部分。
其中，指纹识别技术以其独特性、稳定性和便捷性得到了广泛的应用。
然而，传统的指纹识别技术通常需要较大的指纹图像区域来进行准确的分析和比对。
在面对小面积指纹图像时，传统算法往往无法有效提取足够的信息进行识别，导致识别率下降。
因此，小面积指纹识别算法的研究具有重要的实际应用价值。
本文旨在研究小面积指纹识别算法，以提高指纹识别的准确性和效率。
二、小面积指纹识别算法概述小面积指纹识别算法是一种针对小区域指纹图像的识别技术。
其核心思想是通过优化算法，从小面积的指纹图像中提取出足够的信息进行比对和识别。
这种算法可以有效地解决传统指纹识别技术在面对小面积指纹图像时识别率低的问题。
三、小面积指纹识别算法研究现状目前，国内外学者针对小面积指纹识别算法进行了大量的研究。
其中，基于深度学习的方法成为了研究的热点。
通过构建深度神经网络，可以从指纹图像中提取出更加丰富的特征信息，从而提高识别的准确性。
然而，由于小面积指纹图像的信息量有限，如何有效地提取和利用这些信息仍是一个挑战。
此外，算法的运算速度和鲁棒性也是需要关注的问题。
四、小面积指纹识别算法研究方法针对小面积指纹识别算法的研究，本文提出以下方法：1. 特征提取：通过深度学习等技术，从小面积指纹图像中提取出更加丰富和有效的特征信息。
这包括利用卷积神经网络等模型对指纹图像进行特征学习和提取。
2. 算法优化：针对小面积指纹图像的特点，对传统算法进行优化和改进。
例如，可以采用局部纹理分析等方法，从小面积的指纹图像中提取出更多的细节信息。
3. 融合技术：将多种算法进行融合，以提高识别的准确性和鲁棒性。
例如，可以将深度学习和传统算法进行融合，以充分利用各自的优势。
4. 实验验证：通过大量的实验验证和性能评估，对所提出的算法进行优化和改进。
这包括在公共数据集上进行测试，以评估算法的准确性和鲁棒性。
基于图像处理的指纹识别算法性能优化研究
基于图像处理的指纹识别算法性能优化研究摘要：随着科技的不断发展，指纹识别作为一种生物特征识别技术被广泛应用于各个领域。
本文基于图像处理的指纹识别算法进行了性能优化研究。
首先，介绍了指纹识别的基本原理和流程。
随后，对当前常用的几种指纹图像增强、特征提取和匹配算法进行了分析和比较，并针对其存在的问题提出了一些改进建议。
最后，对指纹识别算法的性能优化策略进行了探讨，并提出了一些有效的优化方法。
1. 引言指纹识别作为一种生物特征识别技术，具有独特性、普遍性和稳定性的特点，已广泛应用于安全管理、刑侦破案等领域。
然而，由于指纹图像的复杂性和多变性，使得指纹识别算法的性能和效率都面临一定的挑战。
因此，对基于图像处理的指纹识别算法进行性能优化研究具有重要的理论和应用价值。
2. 指纹识别的基本原理和流程指纹识别的基本原理是通过提取指纹图像中的特征信息，并与已有的特征库进行比对，从而实现指纹的识别和匹配。
其流程一般包括图像采集、预处理、特征提取和匹配四个主要步骤。
在图像采集阶段，需要使用指纹采集设备获取被识别指纹的图像。
在预处理阶段，主要包括图像增强、去噪和图像配准等操作。
在特征提取阶段，常用的方法有细节点提取和方向图提取等。
在匹配阶段，一般基于特征向量的相似度计算方法进行比对。
3. 指纹图像增强算法的性能优化研究指纹图像的质量直接影响到后续的特征提取和匹配结果。
因此，对指纹图像增强算法进行性能优化研究具有重要意义。
当前常用的指纹图像增强方法有直方图均衡化、方向图滤波和小波变换等。
然而，这些方法存在一些问题，如对比度不足、细节丢失和图像噪声增加等。
为了解决这些问题，可以采用自适应直方图均衡化、多尺度方向滤波和小波域去噪等改进算法。
同时，还可以采用局部自适应参数优化策略来提高算法的性能。
4. 指纹特征提取算法的性能优化研究指纹图像的特征提取是指纹识别中的核心步骤。
目前常用的方式是细节点提取和方向图提取。
然而，由于指纹图像的复杂性，这些方法存在一些问题，如细节不清晰、方向计算不准确和计算复杂度高等。
基于图像场能分析的指纹图像增强
Ｆｉ ｅ ｐｒ ｎ ｍ ａ ｅ Ｅｎｈａ ｅ ｅ ｔＢａ ｅ ｎ Ｉ ａ ｅＦｉ ｌ ｅ ｇ ｎｇ ｒ ｉ ｔＩ ｇ ｎｃ ｍ ｎ ｓ ｄ ｏ ｍ ｇ ｅ ｄ Ｅｎ ｒ ｙ
Ｗ Ａ Ｎ Ｇ ａ － ｎ Ｘｉ ｏ ｙｉ ｇ， ＹＡＮ Ｇ ｎ， Ｄ Ｕ ｎ－ ｎ， Ｇ Ａ Ｏ Ｆａ Ｙａ ｙａ Ｚｈｉ
基础 上结合 各场能具体信 息以及 Ｇａｏ 滤 波原理对指纹 图像进行逐步的增强处理。实践表 明，整套算法对低质量 ｂｒ
指 纹 图像 增 强 效 果 良好 ， 能 大幅 度 提 高指 纹 图像质 量 。 关 键 词 ： 指 纹 图像 场 ；梯 度 场 ： 方向 场 ； 频 率 场 ； Ｇ ｂ ｒ 波 ａｏ 滤 中 图 分 类 号 ：Ｔ ３ １ Ｐ ９ 文 献 标 志 码 ：Ａ ｄ ｉ １． ６ ￣ｉ ｎ１０ ．０ Ｘ． １．８ ２ ｏ ： ０３ ９ ．ｓ． ３５ １ ２ ００ ． ０ ９ ｓ ０ ０ ０
基 于 图像 场 能 分 析 的指 纹 图像 增 强
指纹识别毕业设计论文
摘要随着信息时代的发展, 自动指纹识别技术已经广泛地应用于公安、海关、银行、网络安全等需要进行身份识别领域。
本文概述了自动指纹识别系统的研究现状和指纹识别系统的算法流程，并在此基础上重点研究了指纹图像的分割算法和指纹图像细化算法。
首先，本文系统介绍了指纹识别的研究意义及现状，并对指纹识别原理及实现过程做了系统介绍。
其次，针对在指纹采集过程中存在着大量的低质量指纹图像，影响指纹识别系统的识别率的问题，本文对指纹图像的分割等预处理作了较为深入的研究，采用了均值方差的指纹图像分割算法，仿真结果表明，该方法有效地改善了指纹图像的质量。
此外，对指纹图像的细化作了深入的研究，使用的细化模板虽然数量较多，计算时间比较长，但对于像素的处理很到位，使得毛刺比较少，保持原图像的基本结构特性，还最大地保留了细节特征。
仿真结果表明。
最后，研究了指纹识别过程中特征的提取方法，针对细节点提取过程中存在伪特征点的问题，本文采用了一种消除伪特征点的算法。
仿真结果表明，这种算法可以有效的去除伪特征点。
关键词：指纹识别；均值方差；指纹细化；特征提取ABSTRACTWith the developments of the information age, automated fingerprint identification technology has been widely used in public security, customs, banking. This article outlines both the study status and algorithm process of a Automated Fingerprint Recognition System, and on this basis, focuses on the segmentation of fingerprint image and fingerprint image thinning algorithm to do the study.First, the paper describes the research significance of fingerprint recognition and its status. Fingerprint recognition theory and the key steps in the algorithm are introduced in this part .They are also used for programming verification.Secondly, in the fingerprint collection process, there are existences of a large number of low-quality fingerprint images, affecting the identification rate of fingerprint recognition system problems. The paper focuses on fingerprint image segmentation which belongs to pre-research makes a more thorough study, putting forward a fingerprint image segmentation algorithm by used the mean and variance of the image. Calculating the mean and variance of each piece, and then if this result is almost close to 0 that it is regarded as the background. The area variance is not zero will use threshold segmentation algorithm.In addition, the fingerprint image thinning is studied deeply, although the number of templates to use is a lot, calculation time is longer, the deal is in place for the pixels, making relatively few glitches and maintain the basic structural characteristics of the original image, retaining the details of the biggest features too. Of course, given the slow speed of this method, there are still shortcomings of burr can be used for making a great improvement.Finally, the feature extraction method in the fingerprint recognition process is studied. Focus on feature extraction methods for extraction of minutiae feature points exist in pseudo-problem, we propose a pseudo-feature points to eliminate the algorithm. Simulation results show that the algorithm can effectively remove pseudo feature points. Keywords:fingerprint recognition; mean and variance; fingerprint refinement; feature extraction目录摘要Abstract第1章绪论 (1)1.1研究的意义 (1)1.2指纹识别技术 (1)1.2.1 指纹识别技术发展现状 (2)1.2.2 指纹识别技术特点 (3)1.3本论文的工作 (4)第2章指纹图像的分割 (5)2.1 指纹图像分割概述 (5)2.2均值方差法 (6)2.3仿真结果与结论 (7)第3章指纹图像的细化 (9)3.1 指纹图像细化的预处理 (9)3.2 指纹图像细化方法介绍 (9)3.3仿真结果与结论 (11)第4章指纹图像的特征提取 (13)4.1 指纹图像特征提取概述 (13)4.2 特征提取和去伪特征 (14)4.3仿真实验与结论 (15)第5章指纹图像的匹配 (16)5.1 指纹图像匹配方法 (16)5.2 本论文匹配方法介绍 (17)第6章总结和展望 (20)参考文献 (21)致谢 (22)附录 (23)浙江理工大学信息电子学院本科毕业论文(设计)第1章绪论1.1 研究的背景及意义科学技术的迅猛发展为人类的生产生活带来了极大的便利，大大地推动了现在社会的进步和发展。
指纹图像增强算法研究
Ｖ ｏ Ｉ ｉｊ －Ｍ） ＡＲ （ （— ） ２ 一
＋
，
于油污 等产 生的 毛刺等 ， 改善 图像 质 量 ， 保证 特 征信
＇（ ’） ＞ ，，ｔ ，
息提取 的准确 性 和可靠性 。指纹 图像 的增 强 由图像
规格 化 、 向 图 的 计 算 与 平 滑 、 波 几 个 部 分 方 滤
大 的发 展 ， 在指纹 采集 中 ， 但 由于采集 设 备本 身所 带 的噪声 、 指纹 本身 受污染 、 手指过 湿 ， 指过 干 等 ， 手 往
往难 以得 到清 晰 的 图像 ， 采集 的指 纹 图像 不 可避 免
令 ，ｉＪ 代 表 原 始 图像 在 点 （ ，） 灰 度 值 ， （，） ，＿ 的 『 ，（√） 代表规 格 化 后 的 图像 在 点 （，） 的灰 度值 ， 肼 和 ＶＲ分别 代表原 始指 纹 图像 的均 值 和方 差 ， 和 Ａ ＶＲ 分别 代表期 望得 到 的均值 和方差 。则 规格化 之 Ａ。 后 的指 纹 图像 在象 素点 （√ 的值 ，（√ 由式 （ ） ） ’ ） １ 确
／ ／ — ——、 、 ＼ ＼
／ ／ — —、 ＼ ＼ —— ＼
图 １ 分割及规格化后的指纹
／／／ 一 ＼ ＼ ＼ ／ ／／／一 ＼ ＼
ｌ｛ ｆｆ（ ｛＝ ｆ｛
２ 指纹图像方向图的计算与平滑
（ ） 规 格化 后 的 指 纹 图像 ａ
｛ ｛
（ ） 原指 纹 图 像 的块 方 向 场 ｂ
２ １ 指纹 图像 方 向图的计 算 ．
图 ２ 原指 纹图像及 其方向场
指纹方 向图抽象了指纹脊线与纹谷交错平行分
指纹图像增强算法研究
学号14072202205毕业设计(论文)题目：指纹图像增强算法研究作者靳志恒届别2011届学院信息与通信工程学院专业电子信息工程指导教师XXX职称XX完成时间2011年5月摘要指纹图像的质量相对于指纹识别而言非常关键，但实际操作中获取到的图像往往包含各种噪声．比如伤疤、汗渍、污迹以及与指纹采集设备的不均匀接触．本文在前人的基础上提出了一套基于Matlab实现的指纹指纹增强算法．用gabor滤波实现指纹图像的增强，由于Gabor滤波器可以同时在空域和频域上获得最佳的分辨率, 具有良好的带通性和方向选择性,可以采用Gabor滤波器来实现指纹图像的增强．本文给出了用Matlab实现对每个指纹图像处理功能模块的算法,以及改进方法及处理结果，主要包括分割、归一化、增强和细化等．用Matlab现的这种方法，既能分步对指纹图像预处理算法进行仿真测试、又可以很直观地看到图像处理算法的效果，有效配合了算法的研究．实验证明，用Matlab 实现的算法处理结果比较理想，满足识别的应用性．关键词：指纹图像增强；Matlab 分割细化ABSTRACTThe quality of the fingerprint image relative to the fingerprint identification is very crucial, but the actual operation of the image obtained the usually contain various noise. Such as scar, sweat stains, dirt and fingerprints acquisition device. In previous uneven contact are put forward on the basis of a set of based on Matlab fingerprint fingerprint enhancement algorithm. Gabor filtering with fingerprint image enhancement realization are presented in this paper Matlab to each fingerprint image processing function modules of the algorithm, improvement methods and handling results, mainly including segmentation, normalization, enhance and fine turn etc. Matlab this way, can the fingerprint image preprocessing algorithm by simulation testing, and can be very intuitive to see the effect of image processing algorithm, the algorithm of effective cooperation. Experimental proof, Matlab algorithm processing results are ideal, satisfy recognition applied.Key words: fingerprint image enhancement; Matlab; Segmentation; refining摘要 (2)ABSTRACT (3)1 引言 (5)1.1 生物特征识别 (5)1.2 指纹特征 (6)1.3 指纹识别研究进展 (7)1.4 论文的工作任务和准备解决的关键问题 (8)1.4.1论文的工作内容 (8)1.4.2 准备解决的关键问题 (9)2 指纹图像处理过程 (9)2.1 指纹图像的规格化 (9)2.2 指纹图像处理方法概述 (10)2.3 指纹图像场方向的计算 (12)2.3.1 指纹图像方向图的计算 (12)2.3. 2 指纹图像方向场的平滑 (13)2.3. 3 求指纹纹线平均频率 (14) (15)2.4 指纹模式域与背景区域的分割 (15)2.5 指纹图像的二值化 (16)2.6 小结 (17)3 Matlab简要介绍 (18)3.1 Matlab的应用 (18)3.2 Matlab 的特点 (19)4 基于Gabor 滤波器的指纹图像增强算法 (20)4.1 用固定纹线频率滤波 (22)4.2 对指纹核心区域的 Gabor算法改进 (23)4.3 实验结果与相关分析 (24)5 总结 (25)参考文献 (26)致谢 (27)附录 (28) (28)1 引言1.1 生物特征识别能被称之为生物特征的必须具有这样几个性质:唯一性和不变性。
图像增强技术在指纹识别中的改进
图像增强技术在指纹识别中的改进图像增强技术在指纹识别中的改进指纹识别作为一种常见的生物识别技术，已经广泛应用于各个领域，如手机解锁、门禁系统和身份验证等。
然而，由于指纹图像的质量受到多种因素的影响，如皮肤干燥、污垢和伤口等，导致了识别算法的精度和鲁棒性方面的挑战。
为了解决这些问题，图像增强技术在指纹识别中发挥了重要的作用。
本文将介绍图像增强技术在指纹识别中的改进。
首先，图像增强技术可以帮助提高指纹图像的质量。
由于指纹图像受到环境光线的影响，往往存在光照不均匀和阴影等问题。
传统的增强方法包括直方图均衡化和滤波等，但这些方法往往会导致细节丢失或噪声增加。
近年来，基于深度学习的图像增强方法被广泛研究，并取得了显著的改进。
例如，使用卷积神经网络（CNN）可以学习到图像的特征表示，从而提取出高质量的指纹图像。
其次，图像增强技术还可以提高指纹图像的对比度。
对比度是指指纹图像中的亮度差异程度，对于指纹特征的提取和匹配非常重要。
传统的对比度增强方法包括直方图拉伸和gamma校正等，但这些方法往往会引入噪声或导致图像细节丢失。
近年来，基于深度学习的对比度增强方法得到了广泛应用。
例如，使用生成对抗网络（GAN）可以生成具有高对比度的指纹图像，从而提高指纹识别的准确性。
此外，图像增强技术还可以减少指纹图像中的噪声。
由于指纹图像的获取过程中常常受到传感器噪声的干扰，导致图像的质量下降。
传统的噪声消除方法包括中值滤波和高斯滤波等，但这些方法往往会导致图像细节模糊。
近年来，基于深度学习的噪声模型得到了广泛研究，并取得了显著的改进。
例如，使用自编码器可以学习到噪声的统计特性，从而实现噪声的自适应去除。
综上所述，图像增强技术在指纹识别中发挥着重要的作用。
通过提高指纹图像的质量、对比度和减少噪声，可以有效提高指纹识别的准确性和鲁棒性。
未来，随着深度学习和图像处理技术的不断发展，图像增强技术将进一步改进，并在指纹识别领域发挥更大的作用。
- 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)。
西南政法大学硕士学位论文面向低质量指纹的图像增强算法研究导师：贾治辉副教授作者：向锐中国·重庆二零零八年四月中文摘要指纹是手指末端正面皮肤上由乳头凸起的摩擦脊线形成的花纹，具有各人各指不同、终身稳定不变的特性。
指纹因其蕴涵大量的人身个体信息，而具有很高的人身识别价值。
近百年来，人们通过对指纹不懈的研究和探索，逐步对指纹的特征体系有了清晰的认识，并基于此对指纹特征进行了分类，提出了指纹鉴定的科学依据和程序。
目前，指纹识别技术已经在现代生物识别技术中占有相当重要的位置。
从实用性和可行性角度看，指纹识别技术能够高效、快捷、方便的自动完成指纹的纹形分类、特征提取、图像的存储、检索以及比对、细节特征匹配等一系列工作，具有方便、高效、客观、安全等诸多优点，优于其它生物识别技术，已被认为是一种理想的身份认证技术。
从20世纪60年代起，计算机技术进入指纹识别、鉴定领域，英国、美国、法国、日本等计算机发达的国家先后研制出各具特色的指纹自动识别系统，为指纹鉴定开辟了新的途径。
目前，计算机指纹识别技术已经在司法、金融安全、数字加密、电子商务等各个领域得到了广泛的应用，在我们未来的生活中发挥越来越重要的作用。
近年来，由于数字图象处理学以及硬件技术的迅速发展，指纹识别技术获得相当大的进展，但仍然不能满足社会发展的需要，以指纹识别广泛代替其它识别技术(如印鉴，钥匙，密码，签字)是面向二十一世纪的具有深远意义的课题，有关指纹自动识别技术的研究己成为模式识别、图象处理以及计算机视觉等领域中极为关注的热点。
指纹识别技术通常使用指纹的一般特征来进行种类识别，在种类识别的基础上再对指纹的细节特征进行系统性的比较，然后作出是否同一的判断。
它一般都由以下模块组成：指纹图像采集模块；指纹图像预处理模块；特征提取模块；特征匹配模块。
其中，指纹图像预处理模块又包括：图像质量评估，图像分割、图像增强、细化、二值化等步骤。
指纹识别技术中，图像增强技术是其中一个非常重要的步骤。
如果指纹图像得不到准确、显著的增强，指纹特征就难以被准确提取。
许多学者对指纹图像增强方法进行了探讨，其中，Coetzee等使用Marr-Hildreth边缘算子得到指纹灰度图的脊边缘图，提出了采用卷积模板来进行增强的方法，Randolph等提出了一种使用方向滤波器组来对二值图像来进行增强的方法，Sherlock等提出了采用傅立叶滤波器来增强指纹图像的方法，Hang提出了使用Gabor滤波器的方法来增强指纹图像的方法。
事实证明，这些方法用于金融安全、数字加密、电子商务等安保领域都取得了较好的效果。
但是，这些方法均为通过对指纹图像进行局域分析来估计指纹方向图，而后对图像进行滤波增强。
当系统中输入的指纹源图像质量较低时，其分辨率会大大降低，这些方法难以准确得到局域的方向图估计值，将无法进行有效的滤波增强。
实质上，司法领域中所需识别的指纹图像大多遭到严重污染，分辨率较低，因此，现有的图像增强算法大多难以在该领域发挥大的作用。
目前，现有的指纹识别技术在处理低质量指纹方面的效能明显较低，难以满足鉴定的需求。
这主要是因为，现有指纹识别技术的最关键环节——图像增强技术大多是针对较高质量的指纹图像而设计的，对严重污染分辨率低的低质量指纹图像难以达到理想的增强效果。
针对此情况，为增强指纹识别系统处理低质量指纹的能力，在总结相关研究成果的基础上，本文提出了一套新的指纹图像增强算法。
该套算法分为三部分：一是纹理信息放大算法。
此算法通过改进局部直方图均衡化算法的累积分布函数而得，其中包含一个非线性的指纹纹理信息放大器，用于放大分辨率低的指纹纹理信息，增强纹线对比度，有助于提高鉴定人员对模糊指纹判别的准确性；二是指纹方向图二步算法。
此算法通过改进经典方向图算法而得，可基于指纹纹理放大图获取方向图。
此算法在计算脊点方向后再计算谷点方向，因此具备一定的抗噪性能。
而且，此算法引入直方图法计算谷点方向，对方向图的平滑滤波进一步提高了方向图的准确性；三是方向图修正算法，此算法结合指纹纹线特征，通改进经典的块方向图算法而得，可在更大的邻域窗口中计算块方向图。
与传统块方向图算法相比，此算法的处理窗口可比其大3至5倍。
当指纹图像出现大面积污染时，由于大邻域窗口中信息量大，采用此算法仍有较大可能得出准确的方向图，据此进行滤波，就能得到更加清晰、准确的指纹图像。
这些算法修正方向图的能力有了较大的提高。
大量实验表明，对于指纹图像中块面积大于7×7个象素的低质量区域，现有的经典指纹图像增强算法是难以进行理想的增强和修复的。
本文所述纹理放大算法可修复7×7个象素以下大小的低质量块，二步方向算法可修复9×9个象素以下大小的低质量块，方向修正算法则可修复13×13个象素以下大小的低质量块，相对传统算法而言，其图像增强效能明显提高。
由此可见，本文提出的方法具有更好的增强效果，在处理低质量指纹图像时，显示出明显的优越性。
本文所述算法虽能够在较大局部窗口内修正方向图，但依然不具备从指纹宏观整体入手修正方向图的能力。
因此，对于更大面积的低质量块，本文所述算法仍不能给予理想的修复和增强，需要进一步结合指纹自身的特点，不断扩展算法的处理窗口，使之具备从宏观上修正点方向图的能力。
关键词：图像增强；局部直方图均衡化；纹理放大；方向图；方向滤波AbstractFingerprint is a kind of flower patterns formed by mastoid ridge lines that grow on the cutis of finger tail end, which have the characteristics that a piece finger of each one is different and settling invariability for life. Fingerprint has great value for person identification. In the near century, after investigating and exploring unceasingly, people have clear cognition on the characteristic system of fingerprint, classify the fingerprint characteristics and put forward the scientific fingerprint identification thereunder and procedure.At present, fingerprint identification technology (FIT) takes up important station in modern biology identification technologies. Looking from the practicability and the feasibility, FIT can automatically accomplish a series of works, such as fingerprint classification, character distilling, images memory, search, contrast and matching efficiently, swiftly and conveniently. FIT is of the advantages of convenience, high efficiency, impersonality and security, which is more excellent than identification technologies and has been considered as a kind of perfect identification technology.From the 1960’s, computer technology enters into fingerprint identification sight. The countries which have developed computer technology, such as the UK, USA, France and Japan, develop various FIT successively and opened up new ways for fingerprint identification. At present, FIT has been applied widely in financial security, digital encryption; electronic business and judicial practice, which will play more and more important effect in future.In recent years, with the rapid development of the digital image-processing and the technology of hardware, FIT has attained largish development. But it also can not meet the need of society development. In the 21st, replacing other identification technologies (such as seal, key, code and signature) by FIT far-rangingly will become a significant topic. The research of FIT has become a focus among the field of model recognition, manipulating an image and computer vision.Usually, FIT uses general characters of fingerprints to carry through species identification. Basing on it, FIT will systemically compare the detail Characters of fingerprints, and then judge that the fingerprints is whether identical or not. FIT include the modules following: Fingerprint image collection, image pretreatment, character pick-up and character matching. Image pretreatment include the steps following: image quality evaluation, image segmentation, image enhancement, fragmentation, binarization and so on.In the identification technology, image enhancement technology is a all-important one. If fingerprint image is not enhanced effectively, fingerprint’s features can not be extracted. Many scholars have discussed fingerprint image enhancement modes. Coetzee etc use Marr-Hildreth edge operator to gain the ridge margin image of fingerprint grey chat and bring forward a method that adopts convolution template to enhance the image. Randolph etc bring forward a method that adopts a set of directional filters to enhance the binary image. Sherlock etc bring forward a method that adopts Fourier filter to enhance the image. Hang etc bring forward a method that adopts Gabor filter to enhance the image. Proof by facts, used in finance security, digital encrypts, electronic business fields, these methods can gain preferable effect.However, these methods estimate fingerprint directed graph by analyzing fingerprint image locally, and then enhance the image by filtering. When the source fingerprint image quality is inferior whose resolving power reduces greatly, these methods can’t gain local directed graph well and truly and put up effective filtering enhancement. Virtually, fingerprint images which are polluted badly just have low resolution in judicature field. Therefore, the most algorithms at present are difficult to exert effect.At present, in the aspect of dealing with low quality fingerprint, the efficacy of existing FIT is obviously inferior and difficult to satisfy the need of identification. The primary reason is that the most pivotal tache of existing FIT——image enhancement technologies are devised for high quality fingerprint images, which can not gain perfect effect at enhancinglower quality fingerprint images.Aiming at this complexion, in order to advance the efficiency of FIT for dealing with low quality images, this article puts forward a suit of new fingerprint image enhancement algorithms. The algorithms have three portions: The first one is texture information amplification algorithm that is gained by ameliorating the cumulative distribution function of local area histogram equalization algorithm and includes a non-linear fingerprint texture information amplifier, can be used to the faint texture information of the low quality fingerprints, enhance texture contrast; The second one is fingerprint directed graph two steps algorithm. It can be gained by ameliorate classics directed graph algorithm and calculate directed graph with texture amplification image. It calculates valley points’ direction after calculating ridge points’ direction and has the capability of clearing up noise at a certain extent. Moreover, it adopts histogram arithmetic to calculate valley points’direction and carries through smoothing filtering for directed graph, which can improve the veracity of directed graph ulteriorly. The third one is directed graph correction algorithm. It is gained by ameliorate classics piece directed graph algorithms and can calculate piece directed graph in bigger neighborhood. Compared with the traditional directed graph algorithms, its calculation window is 3 to 5 times bigger than them. When the image is polluted in a large scale, it is more possible to work out exact directed graph by this arithmetic than traditional algorithms and gain more clear-cut, exact fingerprint image by filtering. These algorithms’ capacity for repairing directed graph has biggish improvement.A mass of experiments indicate that, it is difficult for existing classical fingerprint image enhancement algorithms to enhance and repair the low quality blocks whose area is bigger than 7×7 pixels, the texture amplification algorithm can repair the blocks whose area is less than 7×7 pixels, the directed graph two steps algorithm can repair the blocks whose area is less than 9×9 pixels, the directed graph correction algorithm can repair the blocks whose area is less than 13×13 pixels perfectly. Compared with traditional algorithms, the image enhancement efficiencyof these algorithms is advanced evidently. The algorithms put forward in this article have better effect and reveal obvious advantages when dealing with low quality fingerprint images.Although the algorithms put forward in this article can repair directed graph in a larger local window, they still can not do that macroscopically. Therefore, these algorithms still can not repair and enhance the low quality blocks whose area is bigger than 13×13 pixels perfectly, need to expand the algorithm’s treatment window based on fingerprint’s characteristics.Key word: image enhancement; local histogram equalization; texture magnify; directed graph; trend-pass filtering目录第一章绪论 (1)1.1计算机指纹识别技术的历史背景 (1)1.2指纹鉴定原理概述 (1)1.2.1 基本概念 (1)1.2.2 指纹特征 (2)1.2.3指纹鉴定的基本原理 (2)1.3自动指纹鉴定系统 (3)1.3.1 概念 (3)1.3.2 AFIS系统的发展趋势及特点 (3)1.3.3工作原理 (4)1.3.3.1 指纹图像采集模块 (4)1.3.3.2 指纹图像的预处理模块 (4)1.3.3.3 特征提取模块 (5)1.3.3.4 指纹匹配模块 (6)1.4指纹增强算法的成果及有待解决的问题 (7)1.5 本文研究的内容 (7)第二章改进的局部直方图均衡化算法 (9)2.1 直方图修正原理 (9)2.2直方图均衡化算法(Histogram Equalization)简介 (9)2.2.1 直方图均衡化 (10)2.2.2 局部直方图均衡化 (10)2.3 局部直方图均衡化算法的不足 (11)2.4 改进局部直方图均衡化算法——纹理放大算法 (12)2.5实验结果 (14)2.6结论 (15)第三章计算方向图 (16)3.1 图像规一化 (16)3.2传统的方向图算法 (16)3.2.1 基于灰度变化的方向图算法 (17)3.2.2 基于梯度变化的点方向图算法 (17)3.3 传统方向图算法的不足 (18)3.4 改进的方向图算法——方向图二步算法 (18)3.4.1 计算谷点的方向 (19)3.4.2 计算脊点的方向 (19)3.5 方向图滤波 (20)3.6 实验结果 (21)3.7 结论 (21)第四章方向图修正 (23)4.1 传统的方向图修正算法 (23)4.1.1 中值法 (23)4.1.2 直方图法 (23)4.1.3 梯度法 (23)4.2 传统算法的不足 (24)4.3 改进的方向图修正算法 (25)4.3.1 设计思想 (25)4.3.2 检测误差方向 (25)4.3.3 修改误差方向 (27)4.4 实验结果 (27)4.5 结论 (28)第五章算法效能评价 (29)5.1 选取低质量指纹图像块 (29)5.2算法效能对比 (30)5.3结论 (30)第六章总结 (31)6.1 本文的研究成果 (31)6.2 展望 (31)参考文献 (33)后记 (37)第一章绪论1.1计算机指纹识别技术的历史背景从20世纪60年代起，计算机技术进入指纹识别、鉴定领域，英、美、法、日等计算机发达的国家先后研制出各具特色的指纹自动鉴定系统，为指纹鉴定自动化开辟了新的途径。