統(tǒng)計方法在指紋識別中的應用研究畢業(yè)設計(論文)開題報告(編輯修改稿)
2025-02-14 23:48 本頁面
【文章內容簡介】 特征向量來判斷某塊為前景還是背景。指紋分割中常用的主要特征包括灰度方差、方向圖、頻率圖和紋線峰平均灰度值與谷平均灰度值之差（對比度）等。 算法步驟如下：(1) 用邊緣提取算子提取灰度圖像的邊緣。得到二值邊緣圖。零值表示背景，非零值表示邊緣(2) 用半徑為n像素的圓形結構元，對二值邊緣圖做一次數值形態(tài)學的閉運算，平滑邊界并對有效區(qū)域的內部的孔洞進行填充(3) 用半徑為m像素的圓形結構元，對步驟（2）的結果進行一次開運算。去除毛刺和小目標噪聲。最后得到非零區(qū)域就是指紋的有效區(qū)域數字圖像處理中采用的通用的圖像增強方法如均值濾波、低通濾波、邊緣增強等對指紋這種具有一定特性脊線和谷線交替的圖像的增強效果并不理想，這是因為這些方法都是針對圖像中存在的隨機噪聲，然而模糊的指紋圖像主要存在紋線缺陷的結構性噪聲。Gabor濾波器是帶通濾波器，它以其在空域良好的方向選擇性，在頻域有良好的頻域選擇性，因而在計算機視覺領域得到了廣泛的應用。利用Gabor濾波器在這種在兩個域內的良好性質來進行指紋圖像的增強，取得了很好的效果。 其主要步驟為： （1）灰度規(guī)格化：可使輸入的指紋灰度圖達到到預先規(guī)定的均值和方差 （2）方向圖估計：從規(guī)格化后的指紋灰度圖中求得指紋方向圖 （3）計算指紋的平均頻率：從規(guī)格化后的指紋灰度圖中求得指紋的平均頻率（4）濾波處理：對規(guī)格化后的指紋灰度圖進行Gabor濾波用以得到增強的指紋圖像三、二值化方法和細化方法 二值化的方法有全局二值化和局部自適應二值化。全局二值化的方法就是設定一個全局的閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設定為白色（或者黑色），小于T的像素群的像素值設定為黑色（或者白色）。全局二值化，在表現圖像細節(jié)方面存在很大缺陷。為了彌補這個缺陷，出現了局部二值化方法。局部自適應二值化，該方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口，對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內的像素劃分為兩部分，進行二值化處理的基礎之上，將閾值的設定更加合理化。該方法的閾值是通過對該窗口像素的平均值E，像素之間的差平方P，像素之間的均方根值Q等各種局部特征，設定一個參數方程進行閾值的計算，例如：T=a*E+b*P+c*Q，其中a,b,c是自由參數。這樣得出來的二值化圖像就更能表現出二值化圖像中的細節(jié)。 細化的方法是圖像分析、特征提取及模式識別中的常用技術。細化的主要作用是去除不必要的紋線粗細信息，節(jié)省內存，便于從指紋圖像中提取細節(jié)特征，從而提高指紋圖像的處理速度和效率。8鄰域編碼紋線跟蹤算法繼承了細化中8鄰接點的相關概念，對指紋圖像的末梢
環(huán)評公示相關推薦
鄂ICP備17016276號-1