一种有效的指纹图像分割和细化方法

对指纹图像的预处理作了综述，并且针对指纹图像的自身特点，提出了对其分割和细化的新方法，同时，运用该方法对指纹图像进行了实验，实验效果很好。

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。

基于多特征判别分析的指纹图像分割方法

针对指纹图像的分割问题,提出了一种基于多特征判别分析的自适应分割算法。对于给定的待分割图像,该算法从每个特征在该图像上整体的分布出发,构造出综合考虑各个特征的两类分类能力的分类器,然后利用该分类器对图像中的每个子块做出前景或背景的判断。与已有的基于分类器的分割方法相比,该方法无需从数据库中人工采集样本用以训练分类器,实现了图像级别的自适应分割。算法在FVC2004竞赛的公开数据库上进行了测试,实验结果证明了该分割算法的有效性。

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。

ISODATA聚类在指纹图像分割中的应用

针对指纹图像的特点,研究了传统的指纹分割方法和形态学图像处理方法,将迭代自组织分析算法(ISODATA聚类)应用到指纹图像分割中。首先根据指纹图像块灰度均值、块标准偏差、块灰度对比度和块方向一致性,使用聚类方法划出图像的部分背景块;然后将背景块灰度用背景处灰度平均值代替,使用形态学图像处理方法实现指纹图像的分割。对FVC(国际指纹识别竞赛)指纹库中不同质量的指纹图像进行了测试。结果表明,此算法比传统算法更有效。

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。

一种基于连通域分析的卡片指纹图像分割算法

十指指纹卡片捺印是公安部门采集指纹的常用方式.随着自动指纹识别系统(AFIS)的广泛使用,如何快速有效地对卡片指纹进行数字化是一个重要的问题.针对此问题,本文提出了一种基于连通域分析的卡片指纹图像分割方法.对于扫描得到的卡片图像,先进行预处理以获取候选指纹区域,然后通过连通域分析得到有效指纹区域,最后进行指位匹配.在大量指纹卡片上的测试结果表明,该方法能够快速有效地分割出十指指纹图像,非常具有实际应用价值.

基于灰度方差的自适应指纹图像分割法

指纹图像分割是自动指纹识别过程中重要的一步,其目的是从图像背景中分离出有用的指纹区域。灰度方差法是一种简单快速的指纹图像分割算法,本文给出一种自适应阈值的灰度方差分割法。实验表明,本文方法选取的分割阈值能够较好的分离出指纹图像的前景和背景,是一种有效的指纹图像分割算法。

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络.研究发现,可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题.在此阐述了PCNN的原理,并提出一种基于PCNN的指纹图像分割算法,该算法有很强的适应性和抗噪性.

基于线性支持向量机的指纹图像分割方法

针对现有指纹分割方法存在的不足,提出了一种基于线性支持向量机的指纹图像分割方法。该方法首先选择指纹图像子块的傅里叶频谱能量比和灰度对比度构成特征向量,利用线性支持向量机对这些特征向量进行分类,再运用二值图像形态学操作最终实现指纹图像分割。实验结果表明,与现有的一些典型方法相比,该方法对于指纹图像分割更为准确、可靠。

一种基于突变信号分析和最小二乘法的指纹图像分割算法

针对指纹图像分割的问题，笔者提出了一种基于小波变换突变信号分析原理对指纹边缘进行检测。并结合最小二乘法拟合方法的指纹检测和分割算法。该算法首先将原指纹图像利用平滑函数进行平滑处理，然后使用高斯函数的一阶导数卷积计算水平和垂直方向的突变点，最后使用最小二乘法从不同方向拟合突变点。实验结果表明，该方法能够准确地将指纹图像从背景图像中分割出来。

Gabor滤波器的指纹图像分割方法

为了提高指纹识别系统的匹配率,需要对指纹图像进行有效的分割。首先分析了Gabor滤波器虚部的原理,然后使用把Gabor滤波器滤波结果作为特征值的分割方法。在此基础上提出了Gabor特征值和灰度特征值相结合的指纹图像分级分割改进算法。

基于Adaboost的指纹图像分割算法

指纹图像分割是自动指纹识别系统的重要部分,针对已有指纹分割方法的不足,笔者提出了基于Adaboost的指纹图像分割方法.并且基于分级处理的思想,使用Otsu计算分割阈值,对图像进行初分割,然后又使用笔者提出的基于Adaboost的指纹分割方法对图像进一步的分割,最后采用形态学方法对细分割后的结果进行后处理实验证明,相对于已有的指纹图像分割方法,该方法具有较高的准确性和较强的适应性.

基于灰度统计特性的指纹图像分割算法

针对传统的基于方差法的指纹图像分割法存在的问题,提出了一种改进的指纹图像分割算法。该算法将指纹图像块的均值和标准差相结合,提出了用变异系数作为指纹分割算法的新特征,既能有效抑制噪声对分割效果影响,又能把对比度较低的指纹图像实现较好的分割,实验结果表明该方法比传统的基于方差法更有效,且适用于车载指纹识别系统等资源受限环境。

基于多智能体系统的自适应指纹图像分割算法

在深入研究指纹图像分割方法的基础上,将多智能体系统MAS(Multi-Agent System)引入到指纹图像分割处理过程中,提出了一种基于MAS的自适应图像分割方法.实验结果表明,该方法能够有效实现对指纹图像分割的自适应分割处理,相比传统的方差分割法和点方向一致性分割法,本算法具有更好的适应性和鲁棒性.

基于方差及方差梯度的指纹图像自适应分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程.利用图像方差及其梯度的性质提出一种自适应指纹分割算法.首先将待分割的图像分为3×3的块,计算块方差及其梯度,并以两者的乘积作为块特征;然后使用一种自适应的方法设定阈值完成分割;最后利用形态学方法进行后处理得到最终结果.在FVC2002和FVC2004数据库上的实验结果表明,该分割算法快速有效,且有较强的鲁棒性.

融合方向和灰度信息的指纹图像分割算法研究

利用点方向上的灰度差值法和点方向上的灰度方差法,改进了以八邻域模板法为基础的点方向信息计算算法,同时,融合灰度方差阈值分割算法和方向信息分割算法的优势,提出了一种改进的基于灰度方差阈值和方向信息分割指纹图像的合成算法,该算法避免了传统的、基于单一指纹纹理特性的指纹图像分割算法的局限性,对不同质量指纹的具有较高的适应性。通过与灰度方差阈值算法及方向场算法的分割结果进行比较,验证了所述合成算法的独特优势。

一种新的指纹图像合成分割法

在研究和分析传统指纹分割方法(如方差法、方向图和灰度频数方法等)的基础上,针对这些方法各自的优缺点,提出一种将三种方法相结合的新的指纹图像分割方法。该方法能容易而准确地分割出背景区域和前景区域,适用于不同质量和不同级别的指纹图像。

指纹图像分割算法的仿真与比较

指纹图像分割是指纹识别过程中非常关键的环节,目前指纹图像分割算法都是基于图像的方向特性或灰度特性。本文介绍了常用的三种指纹图像分割的方法,并在VC6.0中分别用三种方法对同一枚指纹处理,最后根据实际图像分割效果对这三种算法进行分析和比较。

基于协同训练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中最关键的技术之一.精确、可靠地将指纹图像从背景中分割出来,能够加快后续工作的处理速度,提高识别算法的准确性.传统的分割算法需要大量已标记的指纹图像作为训练数据,但实际应用中获取标记样本比较繁琐和耗时.为综合利用已标记和未标记的指纹图像,提出一种基于协同训练的半监督指纹图像分割算法:CoSeg.该算法在基于像素水平的Coherence、Mean、Variace(CMV)特征体系下,使用标记盒和支持向量机作为基分类器进行协同训练.在FVC2002指纹库上的实验结果表明,CoSeg能够在标记信息较少的情况下取得较好的性能,并在处理低质量指纹图像时表现出较强的鲁棒性.