结合滤波和深度玻尔兹曼机重构的指纹增强

指纹图像增强,是自动指纹识别系统中的重要环节.为弥补传统指纹图像增强算法的缺陷,提出一种指纹图像增强算法.在指纹块质量分级机制和复合窗口策略下,指纹图像首先在频域被具有方向选择性的方向高斯带通滤波器滤波增强;随后,二值增强指纹中的误增强区域在空域被具有方向选择性的深度玻尔兹曼机(DBM)重构.提出的方法结合了传统指纹增强算法与深度学习算法的优点,拥有很强的容错能力,能够完成对低质量指纹图像的有效增强.为了验证提出算法的性能,在公开的指纹数据库 FVC2004 上进行了大量实验,实验结果表明,相比于传统的指纹增强算法,提出的方法具有很强的鲁棒性,对高质量和低质量指纹均有不俗的增强表现.

结合频谱扩散的指纹图像滤波增强

目的指纹图像增强是自动指纹识别系统中的重要环节,是获取可靠的指纹细节特征的基础。为了弥补指纹图像的质量缺陷,实现对低质量指纹图像的有效增强,提出一种基于块质量评价和块频谱匹配滤波器的块频谱扩散指纹增强方法。方法首先,基于块内点方向一致性参数,给出了块质量评价结果;然后,研究了复合窗口频谱扩散特性,完成了基于一次模糊K均值聚类、一阶自适应带宽的2维巴特沃斯带通滤波器和2维高斯窗的块频谱匹配滤波器设计;最后,依据块质量等级的高低,应用块频谱匹配滤波器对复合窗口的块频谱进行滤波增强。结果选取FVC 2004指纹库中的大量指纹图像进行了实验,实验结果表明,该方法对高质量和低质量指纹图像均有良好的增强效果。结论本文方法对指纹的脊线方向和频率等参数依赖较弱,拥有很强的容错能力。实验结果验证了该方法在指纹图像增强中的有效性,可适用于高质量和低质量的指纹图像增强。

指纹图像多尺度分类字典稀疏增强

目的自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显著提升了低质量指纹图像的增强质量。