一种新的指纹图像分割算法

指纹图像分割是自动指纹识别的重要步骤。对指纹特征和传统指纹分割方法进行了研究,提出了一种新的指纹图像分割算法。先对指纹图像进行裁剪,如果指纹图像对比度较低,则对图像进行均衡化处理;然后对图像进行顶帽变换,补偿不均匀的背景亮度;最后用迭代自组织分析算法(ISODATA聚类)对图像进行分块分割和形态学图像处理。对国际指纹识别竞赛(FVC)数据库不同质量的指纹进行了测试,实验结果表明,此算法对不同质量的指纹是有效的,效果好于传统指纹分割方法。     

基于Harris角点能量的指纹图像分割算法

指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节。提出了一种基于Harris角点检测器的指纹图像自适应分割算法。首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域。在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性。     

基于像素聚类的指纹分割算法

为准确提取有效指纹区域,提高自动指纹识别系统的准确率,降低后继处理算法的时间消耗,以像素点为考察对象,将条件概率事件模型引入到指纹图像分割方法中,在研究指纹图像所固有的纹理特征后,提出了指纹条件概率模型,根据有效指纹脊线与背景区域的差异,结合指纹脊线的相关特征,将指纹图像上的像素点分为有效指纹区域内的像素点和背景像素点两大类,为指纹图像的分割处理提供了一种有效的方法。     

一种基于新特征的有效指纹图像分割算法

指纹图像分割在自动指纹识别系统中发挥了非常重要的作用,有效的分割不但可以减少后续处理的时间,而且可以大大增强特征提取的可靠性,提高系统识别的准确性.主要做了两个方面的工作:提出了一种称之为有效点聚集度的新的指纹图像分割特征;依据有效点聚集度及文献[1]中提出的块聚集度特征,提出了一种有效的指纹图像分割方法,该方法首先采用有效点聚集度对指纹图像做粗分割.然后对粗分割结果采用基于迭代的方法进行后处理,接着运用块聚集度在第一次后处理结果的基础上做细分割,最后采用形态学方法对细分割后的结果做第二次后处理.大量实验证明:相对于已有常用的指纹图像分割特征,有效点聚集度具有鉴别能力强、鲁棒性好、分割出的前景、背景区域较为集中的特点;基于有效点聚集度及块聚集度提出的指纹图像分割算法具有较高的准确性及较强的适应性.     

基于粒子群算法与方向图法的指纹图像分割

指纹识别作为生物识别技术最为成功的应用之一,近年来已得到快速发展和普及．而指纹图像分割技术是指纹处理特征点提取的基础,同时也是高效识别指纹的关键,直接影响整个指纹识别系统的性能．本文在对相关的指纹图像分割方法分析的基础上,利用粒子群算法的阈值分割方法和方向图的指纹图像分割技术的优点,进一步研究并提出了一个混合分割方法．实验结果表明,这两种方法的结合运用可以获得良好指纹图像分割效果．     

灰度共生矩阵在指纹图像分割中的应用

指纹图像分割是自动指纹识别系统的关键步骤之一.通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系,提出了一种基于灰度共生矩阵的指纹图像分割算法.该算法先将指纹图像分割成矩形块,得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度,然后将其对比度方差与预设阈值进行比较,完成前景或背景区的快速判断.分析和实验表明,该算法分割指纹效果较好,并且对不同的采集环境和图像质量都体现出较强的健壮性.     

指纹图像预处理算法的研究

指纹预处理算法是指纹识别的关键技术之一,包括指纹图像的分割、增强、二值化和细化等几部分。在指纹图像增强方面,利用指纹的方向特性设计出Gabor滤波器,用Gabor滤波器对指纹进行滤波;在分割、二值化和细化方面也作了讨论,并采用VC验证了算法的有效性。实验结果表明,这种预处理算法可以使指纹纹线变得清晰、连续、光滑,改善指纹图像的质量,提高指纹识别的可靠性。     

一种自适应块大小的指纹图像分割算法

指纹图像分割是影响指纹识别系统性能的关键步骤之一。为此,研究指纹图像频谱图和传统的基于块的指纹图像分割方法,由频谱图上能量分布情况得到平均指纹纹线距离,结合生物统计学原理把指纹图像分成互不重叠的矩形块,块大小根据平均指纹纹线距离在算法执行过程中自动确定。实验结果表明,该算法对不同分辨率及不同质量指纹图像的适应性都高于传统算法。     

结合方差及方差梯度的指纹图像改进分割算法

通过对基于方差及方差梯度的指纹图像分割算法的分析,提出一种改进算法。将指纹图像分块,结合各块方差及其梯度信息,自适应选取两个分割阈值,分割后去除孤立图像块,得到最终分割结果。实验表明,该算法简单快速,能够更有效地去除图像中的局部模糊区域,同时更完整地保留有效指纹区。     

一种新的指纹图像分割方法

在研究和分析方差法和方向法的基础上，提出了一种指纹图像分割的新方法。对每个指纹图像块，先分别沿平行于块方向和垂直于块方向求取灰度变化，然后针对整幅图像进行归一化处理，以这两个方向上的灰度变化作为判断依据，确定该块是属于前景区域还是背景区域。本算法充分利用了指纹图像特有的方向性和灰度特性，能准确地将背景区域从指纹图像中分离出来，从而取得了良好的分割效果。     

指纹自动识别中图像分割算法研究

为了可靠、准确地实现指纹的自动识别,提出了一种简便、可行的指纹图像的分割算法。通过合理地运用指纹图像的灰度特性,以较低的计算代价有效地解决了指纹图像的分割问题,从而使算法的处理效果好、运行速度快。实验表明,这种分割算法对于指纹图像的预处理十分有效。     

基于纹理分析的指纹图像分割算法

低质量指纹图像处理是近年来自动指纹识别技术的研究重点,对低质量指纹图像的分割是实现后续处理的前提。文中在分析了方差作为分割指标的局限性基础上,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于纹理的指纹图像分割算法。实验结果表明,相比于基于灰度方差的指纹图像分割算法,文中算法的分割效果更好,对噪声的抵抗能力更强。     

改进的低质量指纹图像分割算法

低质量指纹图像处理一直是自动指纹识别技术的研究重点,对低质量指纹图像的分割是图像增强、细化和特征提取的重要前提。在分析传统方法局限性的基础上,从指纹图像的灰度分布规律出发,提出了基于点方向图和灰度均衡的指纹图像分割算法。实验结果表明,相比于已有的指纹图像分割算法,该算法的分割效果更好,具有很强的噪声抑制能力。     

离散傅里叶变换在指纹图像分割中的应用

指纹图像分割是指纹图像预处理过程的重点之一,是实现后续处理的前题。通过对图像进行快速傅里叶变换,从频域角度对指纹图像纹理的研究,提出一套基于二维DFT的指纹分割算法。这种算法一定程度上克服了传统方法对指纹纹理信息利用不足的局限性,可以获得良好的分割效果。实验结果表明：算法对于剔除背景噪声和指纹图像中模糊区域有效,分割效果非常理想。     

基于灰度均衡的指纹图像分割算法

针对MBF200芯片指纹采集器采集的指纹图像的特点,提出了一种新的指纹图像分割方法。该方法简单实用,能快速而有效的分割指纹图像,符合指纹识别系统的实时性要求。首先对指纹图像进行灰度均衡处理,然后根据图像的灰度特征对指纹图像进行分块分割,最后应用数学形态学修复指纹图像的前景边缘。使用该方法对研究室自行设计的MBF200半导体指纹采集器采集到的指纹图像,进行大量的测试。实验结果表明,该方法对这种类型的指纹图像分割是有效的。     

PCNN在指纹图像分割中的应用

提出了采用新型的有生物学依据的人工神经网络-脉冲耦合神经网络（PCNN桺ulse Coupled Neural Network）来实现指纹图像分割的方法,选取低灰度值背景、高灰度值背景指纹图像以及带阴影的指纹图像进行分割实验,有效的实现了指纹图像有效区和背景区的分离,并与传统的标准差阈值跟踪法进行了比较,试验表明这种方法具有更好的效果。     

一种新的残留指纹图像分割方法

指纹图像分割主要是去除非脊线区域、不可恢复的脊线区域和残留脊线区域,提高特征提取的准确率和减少图像处理的时间。一般说来,残留脊线具有清晰的脊线结构,单单采用基于指纹图像的特征参数很难将其有效分割。本文提出了两级分割的方法,首先通过面积参数去除分离的残留脊线区域;然后在二级分割中利用形状参数将粘连的残留脊线区域分割掉。实验结果表明,基于本文方法的细节点检测的准确率更高。     

指纹图像分割中新特征的提出及其应用

指纹身份鉴定是最可靠的身份鉴定方法之一.指纹图像的分割是自动指纹识别系统中 的重要一步.在本论文中,我们提出了一种高效实用的指纹图像分割方法.我们提取出了能使分 割算法更加精确的两个新特征.在其它的很多分割算法中,由于应用的特征不能很好的反映出模 糊区的特征,因此不能够很好的区分前景和模糊区.由于可能在模糊区提取出虚假的细节,这将 很大的程度上影响指纹识别系统的整体性能.然而,由于我们提出的两个新特征,我们的算法可 以和很好的区分出前景与模糊区,因此该分割算法可以降低虚假细节的数目.我们选用监督的 RBF神经网络来进行分类并选取典型的样本用来训练.实验结果说明我们的分割算法在性能上 有一个很大的提高.