基于fpga指紋識別系統(tǒng)設計畢業(yè)論文(編輯修改稿)
2025-07-23 15:09 本頁面
【文章內容簡介】 為背景區(qū)分割，白背景區(qū)灰度均值很低，而且由于沒有紋線峰和谷的變化，方差也很小，因此白背景區(qū)的判斷采用：(1) 塊灰度均值： (2) 塊灰度方差第一級分割的判決為：當mean小于預定義的閾值T1且variance也小于預定義的閾值T2即同時滿足上述兩個條件時，該塊為白背景塊，刪除掉。第二級分割的判決區(qū)域為1級分割后保留下來的非白背景區(qū)域，其目的是找出模糊區(qū)，其判決方法為：設定特征量：：表示塊中灰度值大于或等于塊灰度均值的點數(shù)；：表示塊中灰度小于塊灰度均值的點數(shù)；：塊中灰度值大于或等于塊灰度均值的所有點灰度之和；：塊中灰度值小于塊灰度均值的所有點灰度值之和。當Z小于預定義的閾值T3時說明該塊為墨跡很濃，峰和谷被墨跡粘連混淆的區(qū)域應去除。第三級分割設定特征量，當對比度contrast1的值小于預定義的閾值T時，將其設定為背景區(qū)域；否則，作為前景區(qū)域，保留其灰度值，以作后續(xù)處理。（3）指紋圖像二值化二值化，就是把灰度圖像轉變?yōu)楹诎紫嚅g的二值圖像，通過設定一個全局閾值對增強后的指紋圖像轉變?yōu)橛?、1兩種灰度表示，0代表脊線，為黑象素，作為前景。1代表谷線，作為白象素。處理方式如下： 由于采集到的指紋圖像不同區(qū)域深淺不一，如對整幅圖像使用同一閾值進行二值分割，會造成大量有用信息的丟失。 這里我們使用自適應局部閾值二值化的思想，既將圖像分割成多個小塊，對每個小塊進行分別計算，局部閾值的選取參考局部塊的各個像素，而且選取的閾值應盡量使該塊圖像內大于該閾值的像素點數(shù)等于小于該閾值的像素點數(shù)，這樣可以使閾值具有自適應性，不會使大量有用信息丟失。自適應局部閾值二值化的流程圖如圖2：圖2 自適應局部閾值二值化流程圖圖2中T為該塊指紋圖像的平均灰度值Nh、Nl分別為第（k，l）塊指紋圖像中灰度值大于等于T和小于T的像素點數(shù)，δ= w w 10 % ，w 是分塊尺寸(像素) 。 (4) 圖像的細化細化是把清晰但紋線粗細不均的二值指紋圖像轉化成線寬為一個象素的條紋中心點線圖像的過程，以便后續(xù)的特征提取過程能精確定位。細化算法中的OPTA算法滿足收斂性、連續(xù)性、拓撲性和保持性，有較好的細化效果。但該算法在三叉點處不能完全細化，且細化后的圖像不夠平滑，毛刺較多，扭曲較大。針對其算法的不足進行改進，重新構造模板，采用統(tǒng)一模板，左上角區(qū)域為消除模板區(qū)域。000X1X1110X10110X1111X1X0001X01101X0X00110X1X00X011X1XX1X01100XX1X110X00XX000110XX1XXXXX 圖3：指紋圖像消除模板X1X00110X1X0XXXXXX1X0110XX00XXXXX0XX111XX1XX000XX0XXX1XX110XX00XX0XXX1XX011X00XX圖4 指紋圖像細化保留模塊保留模板和消除模板如圖4所示，1表示前景區(qū)，0表示背景區(qū)。細化時，對每個像素抽取其臨域所需的像素點。先依次與消除模板比較，如果與任意一個都不匹配則保留，否則刪除。整個改進算法克服了原算法的不足，有效清除了毛刺，對指紋圖像能進行充分細化。 指紋圖像特征提取本設計結合細化圖像的特點，提出了一種基于非徹底細化圖像的指紋細節(jié)提取算法。在不對紋線做任何修復處理的情況下，在細化指紋圖像上直接提取原始細節(jié)特征點集，得到初步的特征提取結果；然后分析圖像中存在的各類噪聲及其特點，結合指紋細節(jié)特征點固有的分布規(guī)律和局部紋線方向信息，針對不同的噪聲采用針對性算法，并利用偽特征點在數(shù)學形態(tài)學上的分布規(guī)律，將各類噪聲引起的偽特征點分別予以刪除，而將最終保留的特征點集作為真正特征點的集合。改進的細節(jié)特征提取算法的具體思想如下：(1) 原始細節(jié)特征點集的提取首先在細化指紋圖像上直接進行細節(jié)特征提取，得到原始的細節(jié)特征點集P1和
環(huán)評公示相關推薦
鄂ICP備17016276號-1