-
题名指纹图像多尺度分类字典稀疏增强
被引量:3
- 1
-
-
作者
徐德琴
卞维新
丁新涛
丁玉祥
-
机构
安徽师范大学数学计算机科学学院
网络与信息安全安徽省重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2018年第7期1014-1023,共10页
-
基金
安徽省自然科学基金项目(1708085MF145)~~
-
文摘
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。
-
关键词
指纹
块质量评价
多尺度分类字典
稀疏表示
频谱扩散
-
Keywords
fingerprint
patch quality evaluation
muhi-scale classification dictionaries
sparse representation
spectrum diffusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-