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。     

基于"主中心点"脊线跟踪的指纹分类算法

通过分析分割算法,结合区域跟踪算法和腐蚀膨胀算法,对基于方向场置信度的分割算法进行了改进;然后,结合一阶对称复数滤波,验证基于传统Poincarê指数法所提取得到奇异点的准确性;在此基础上提出了一种基于"主中心点"脊线跟踪的指纹分类方法,该方法根据"主中心点"附近的脊线信息以及奇异点的数目和相关位置来确定指纹纹型.     

基于三维上下文的图像几何分割方法

图像分割是计算机视觉中最基本的前期准备工作,也是由图像处理到图像分析的关键步骤。传统图像分割方法得到的结果往往是不具有几何意义的独立区域,而现有的几何分割方法分割准确率较低。本文提出一种基于三维上下文的场景图像几何分割算法,将场景图像的三维上下文信息成功应用到图像的几何分割中。实验表明,利用这种方法对图像进行几何分割具有较高的准确率。     

基于HOG和E-SVM的服装图像联合分割算法

针对目前服装图像分割准确率低的问题,提出一种基于HOG特征和E-SVM分类器的服装图像联合分割算法。该算法具体可分为三个迭代的步骤：超像素组合、E-SVM分类器训练、分割传播,并用到辅助数据集。将用户输入的图像结合辅助服装集进行超像素分割,并利用分割传播方法将超像素组合成多个区域。利用分割效果积极的区域的HOG信息训练E-SVM分类器。通过E-SVM分类器以及分割传播方法将输入的图像中的服装分割出来。实验结果表明,该方法能够高准确率地分割出服装图像。     

一种新的指纹图像分割方法

为了准确可靠地将指纹图像从背景区域中分割出来,提出了一种新的指纹图像分割方法,即利用灰度值频数和纹线12方向图判断是否有指纹脊线和谷线的存在,从而判断指纹图像小块是否为指纹前景区。实验结果表明,该方法适用于由于采集原因造成的指纹脊线和谷线灰度值相差较大或不大的指纹图像的分割,分割结果只求出指纹图像的边界而不改变指纹图。     

改进的指纹自适应阈值分割算法*

在传统的自适应阈值分割算法的基础上,提出了一种改进的指纹图像分割算法。该算法根据指纹与背景交接区域,以及指纹内部脊线太淡或脊线粘连的区域中图像的灰度统计特性,对此类区域采取逐点分割,从而以较低的计算代价消除了指纹图像分割后前景区域的边界方块效应。实验表明,该算法具有较高的鲁棒性,对指纹的分割更加灵活准确,分割后的指纹前景边界也更加平滑细致。     

低质指纹图像的增强方法

基于Gabor滤波器的低质指纹增强技术,对区域掩模及脊线频率的计算进行了改进.区域掩模的计算采用方向场的局部确定性水平方法,使得后续计算脊线频率时只对前景块进行操作,可以提高系统运行速度.在对前景块计算脊线频率时,可以通过设置参数来解决非良好正弦波形问题.该方法在国际标准指纹库及自己采集的指纹库上进行实验,实验结果表明,本文方法增强效果有明显的提高.     

多级水脊线算法在二维医学超声图像中的应用

以肝囊肿超声图像为例,介绍一种新的医学超声图像的分割方法：多级水脊线分割算法在医学二维超声图像分割中的应用。由于斑点噪声和超声衰减产生的假象,二维和三维超声成像中的图像分割问题一直是公认的一大难点。本文采用由若干数学形态学辅助的水脊线方法提取超声图像中的肝囊肿边缘,取得了相当令人满意的结果,这为进一步的图像处理和化疗等治疗手段奠定了必要的基础。该方法自动选择并分割图像中的主要目标对象,从而克服了传统水脊线算法中常见的过分割和改进水脊线算法中半自动的缺陷。     

自动指纹识别中的图像预处理算法研究

提出了一种有效的指纹图像预处理方法.实验结果表明,这种算法能有效地去除指纹传感器录入指纹时,由传感器表面残留纹印引入的噪声,有效地分割出有效指纹区域与无效指纹区域,进一步增强指纹的脊线与谷线,使指纹纹线变得清晰、连续、光滑,具有较好的对比度,同时具有较快的响应速度,大大缩短了指纹图像预处理时间。     

心脏病图像分割方法研究

研究心脏造影图像准确分割问题。心脏病变区域存在大量水状的囊肿,囊肿区域的像素会造成病变区域图像像素灰度大幅下降,与正常区域的灰度差减少。传统的图像分割方法多是基于边沿像素灰度差进行分割,大量来自水状病变区域的干扰像素使得病变区域边沿像素与正常区域像素发生灰度混淆,造成利用灰度差方法进行图像分割的准确率比较低的问题。为此提出了一种基于改进神经网络算法的心脏造影图像分割方法。提取图像中的关键细节特点,运用改进后的神经网络模型,对水状杂质像素的干扰进行迭代分割过滤。实验证明,运用神经网络方法能够有效提高心脏造影图像病变部位分割的准确率,具有很好的应用价值。     

连续方向图法在残留指纹分割中的应用

针对残留指纹不易被分割的特点,提出一种连续方向图实现残留指纹分割的应用算法。该算法首先计算点方向图,然后利用直方图滤波技术对指纹点方向图进行滤波处理,得到连续分布方向图;其次对前景区域进一步分析,根据残留指纹和正常指纹方向一般不一致的特点,运用残留指纹与指纹区交界处方向信息变化较大的特性标记出残留指纹和指纹区边界点,然后对标记的一些虚假点进行后处理,最后利用这些边界点进行曲线拟合后去除残留指纹。实验结果表明这种连续分布方向图过渡平滑、自然,既具有很好的连续性、渐变性和抗噪性,又有较高的精度,可以有效地分割残留指纹。     

A systematic method for fingerprint ridge orientation estimation and image segmentation

This paper proposes a scheme for systematically estimating fingerprint ridge orientation and segmenting fingerprint image by means of evaluating the correctness of the ridge orientation based on neural network. The neural network is used to learn the correctness of the estimated orientation by gradient-based method. The trained network is able to distinguish correct and incorrect ridge orientations, and as a consequence, the falsely estimated ridge orientation of a local image block can be corrected using the around blocks of which orientations are correctly estimated. A coarse segmentation can also be done based on the trained neural network by taking the blocks of correctly estimated orientation as foreground and the blocks of incorrectly estimated orientation as background. Besides, following the steps of estimating ridge orientation correctness, a secondary segmentation method is proposed to segment the remaining ridges which are the afterimage of the previously scanned fingers. The proposed scheme serves for minutiae detection and is compared with VeriFinger 4.2 published by Neurotechnologija Ltd. in 2004, and the comparison shows that the proposed scheme leads to an improved accuracy of minutiae detection.     

一种基于机器学习的指纹纹路方向计算方法

纹路方向是指纹图像的基本特征,而方向计算是指纹识别的基础,特征提取和匹配的过程中都需要用到方向.目前大多数纹路方向计算方法都是基于像素之间的灰度关系的.提出了一种用神经网络学习纹路方向的方法.对于正确的纹路方向,该网络的响应值较大;对于错误的纹路方向,该网络的响应值较小.计算指纹图像的方向场时,对于每个纹路图像块,计算网络在各个方向上的响应值,基于每个图像块在每个方向上的响应值可以计算出整个图像的方向场.该方法比现有方法更能正确地计算指纹图像方向场.     

改进的指纹图像自适应分割方法

指纹分割是指纹图像预处理中的重要一步。对传统的指纹分割算法分析比较,并且在基于灰度方差的指纹分割算法的基础上,利用指纹图像区域脊线和谷线间隔均匀出现的纹理特征提出一种自适应指纹图像分割算法,避免了凭经验确定阈值的问题。实验结果表明,相比于基于灰度方差的指纹图像分割算法,该算法的分割效果更好,对噪声的抵抗能力更强,且对不同类型的指纹图像有较高的适应性。     

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。     

一种有效的指纹识别算法及应用

提出了一种指纹细节点提取方法,该方法在得到指纹二值化图像后,分别对脊线和谷线进行细化,从脊线细化图和谷线细化图中提取分支点作为指纹的特征点。把这种方法应用到考生身份指纹验证系统,对该系统的工作原理、组成结构、硬件设计和软件实现进行了详细介绍。     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

Adaptive latent fingerprint segmentation using feature selection and random decision forest classification

Latent fingerprints are important evidences used by law enforcement agencies. However, current state-of-the-art for automatic latent fingerprint recognition is not as reliable as live-scan fingerprints and advancements are required in every step of the recognition pipeline. This research focuses on automatically segmenting latent fingerprints to distinguish between ridge and non-ridge patterns. There are three major contributions of this research: (i) a machine learning algorithm for combining five different categories of features for automatic latent fingerprint segmentation, (ii) a feature selection technique using modified RELIEF formulation for analyzing the influence of multiple category features on latent fingerprint segmentation, and (iii) a novel SIVV based metric to measure the effect of the segmentation algorithm without the requirement to perform the entire matching process. The image is tessellated into local patches and saliency based features along with image, gradient, ridge, and quality based features are extracted. Feature selection is performed to study the contribution of the various category features towards foreground ridge pattern representation. Using these selected features, a trained Random Decision Forest based algorithm classifies the local patches as background or foreground. The results on three publicly available databases demonstrate the efficacy of the proposed algorithm.