基于梯度矢量卷积场的四阶各向异性扩散及图像去噪

进一步研究了基于偏微分方程的图像去噪方法。为了去除二阶偏微分方程(P-M模型)引起的阶梯效应以及提高四阶偏微分方程(Y-K模型)的边缘及纹理保护能力,本文将梯度矢量卷积场(GVC)引入到四阶偏微分方程Y-K模型中,提出了基于GVC的四阶各向异性扩散模型。首先,减去原始Y-K模型中的部分梯度方向扩散。然后,引入GVC场以代替图像在梯度方向的二阶导数直接计算。由于GVC场可以较准确地确定图像的边缘位置,并对噪声具有很强的鲁棒性,因此得到了有效的各向异性扩散模型。实验结果表明,运用本文去噪方法可以更好地保护图像边缘及纹理等细节特征,而且能够有效地提高峰值信噪比;文中所有在实验中得到的峰值信噪比均比原始模型高1dB以上。

基于方向的二值卷积指纹增强优化算法

指纹图像增强是指纹识别系统中非常重要的一个环节,对基于二值卷积模板的指纹增强算法提出了一种优化方法,首先利用基于梯度矢量的方法计算块方向场,然后采用基于多数点的对比平均法进行方向校正,针对特定阈值内的方向应用特定的二值卷积模板进行指纹图像增强。对FVC 2002指纹库中图像进行实验表明该方法是一种简单有效的指纹图像增强算法。