提取二值化指紋圖像中特征數(shù)據(jù)的算法研究-閱讀頁
2025-07-04 23:10本頁面
【正文】 叉點。上述基于細(xì)化圖像的細(xì)節(jié)點提取方法主要有以下缺點：①細(xì)化處理比較耗時；②若圖像增強(qiáng)和二值化效果不好，會產(chǎn)生大量虛假細(xì)節(jié)點；③細(xì)節(jié)點后處理操作非常耗時。該方法首先通過行程編碼匹配得到二值指紋圖像中的圖段，每個圖段表示一個不包含分支的紋線段。利用指紋谷線端點與紋線分叉點的對應(yīng)關(guān)系，通過提取谷線上的端點得到紋線的分叉點。從而提高指紋匹配的精度。因此，特征點是識別的依據(jù)。在提取之前，首先明確幾個基本概念的定義，這些概念在后面的討論中經(jīng)常用到。對于二值圖像有兩種行程：黑色行程和白色行程。圖3－1 行程及其相關(guān)關(guān)系由一個行程的起始和結(jié)束點水平坐標(biāo)構(gòu)成的二元組稱為行程碼，用(S，E)表示，其中S表示行程的起始坐標(biāo)，E代表行程的終止坐標(biāo)[6]。而判定行程相關(guān)與否的過程被稱為行程匹配。相鄰兩個掃描行中的行程之間只存在以下兩種相關(guān)關(guān)系：(1) 某一行中的一個行程與另一行中的惟一一個行程相關(guān)，稱之為一對一相關(guān)[6]。(2) 某一行中的一個行程與另一行的多個行程同時相關(guān)，則稱為一對多相關(guān)[6]。由一系列互為一對一相關(guān)的行程所組成的集合稱為圖段[6]。圖3－2所示的圖案由m，n和k三個圖段構(gòu)成。對每個行程依次進(jìn)行以下操作，直到最后一個行程：(1) 如果當(dāng)前行程的圖段編號為初始化的，就表示當(dāng)前行程已經(jīng)有了歸屬圖段，則操作下一個行程；(2) 初始化新圖段，即把當(dāng)前行程放入該圖段的起始行程和結(jié)束行程；(3) 如果當(dāng)該圖段的結(jié)束行程在圖像的最后一行，則進(jìn)行步驟 (9)；(4) 掃描該圖段的結(jié)束行程的下一行，求出當(dāng)前行程的下相關(guān)行程數(shù)，如不為1，則進(jìn)行步驟 (9)；(5) 求該圖段的結(jié)束行程下相關(guān)行程數(shù)的上相關(guān)行程數(shù)，如不為1，則進(jìn)行步驟 (9)；(6) 如兩個行程的長度相差太大 (本文取的3倍)，則進(jìn)行步驟 (9)；(7) 把該圖段的結(jié)束行程的下相關(guān)行程放入該圖段的結(jié)束行程；(8) 繼續(xù)步驟 (3)。 4 特征提取因為本文采用的方法在求分叉點的時候是利用指紋白色谷線端點與黑色紋線分叉點對應(yīng)的關(guān)系，通過提取白色谷線上的端點得到黑色紋線的分叉點。圖段的結(jié)構(gòu)會影響對細(xì)節(jié)點的判斷。包括圖段的矩形的寬度H和高度W，以及構(gòu)成圖段的行程的平均長度L。包括圖段的最大寬度RWmax和最小寬度RWmin。本文取的是所有H，最小的L值為RWmin。它代表圖段的尺寸不合理。它代表圖段的方向在45176。之間。(3) 水平方向圖段：如果H W，則圖段為水平方向圖段。至45176。如圖3－1 (b) 所示。它代表圖段處于水平狀態(tài)。如圖3－1 (c) 和圖3－1 (d) 所示。(1) 在正式提取端點之前先分析圖段的結(jié)構(gòu)，把噪聲圖段去除；(2) 依次掃描圖段上、下相關(guān)圖段數(shù)，也就是圖段起始行程的上相關(guān)行程數(shù)和結(jié)束行程下相關(guān)行程數(shù) ()，只要上、下相關(guān)行程所在的圖段不是噪聲圖段；(3) 再按照一定的規(guī)則提取端點。由于采集的區(qū)域有限，則會產(chǎn)生接近圖像邊緣的紋線端點，稱為周邊點。然后向求出的端點的方向反方向引出一條射線，如果這條射線在到達(dá)圖像邊緣之前沒有經(jīng)過任何圖段，就可以認(rèn)為當(dāng)前端點是采集區(qū)域有限而生成的周邊點。本實驗采用的指紋圖像是已經(jīng)進(jìn)行采集和預(yù)處理的。如圖5－1所示。圖5－1 預(yù)處理后的指紋圖像因為本文所用的算法是利用指紋谷線端點與紋線分叉點的對應(yīng)關(guān)系，通過提取谷線上的端點得到紋線的分叉點。(1) 其中，黑色紋線圖段如圖5－2所示。黑白反轉(zhuǎn)和白色谷線圖段分別如圖5－2 (左) 和圖5－2 (右)所示。因為端點和分叉點還是很容易就可以區(qū)分開來，所以實驗中端點和分叉點都是用正方形給框出來的。圖5－3 提取出的細(xì)節(jié)點根據(jù)圖5－圖5－2和圖5－3所示，整體的效果還算不錯。下面主要是針對圖5－1和圖5－3，討論特征提取的結(jié)果：(1) 圖中共有25個細(xì)節(jié)點，而找出了28個細(xì)節(jié)點，其中正確的細(xì)節(jié)點有23個，5個虛假細(xì)節(jié)點；(2) 沒找出來的兩個細(xì)節(jié)點一個是端點一個是分叉點，分別是紋線和谷線垂直方向圖段的下端點；(3) 一共找出了5個虛假細(xì)節(jié)點，其中4個在紋線斷裂的地方，其中兩個是在紋線斷裂的兩邊；(4) 剩下一個虛假細(xì)節(jié)點是在谷線的端點，但其并不是紋線的分叉點；(5) 可以看出所有的周邊點都被去除了，這個方面做的還不錯； 6 總結(jié)指紋以它的終身穩(wěn)定性和唯一性被尊為“物證之首”，指紋自動識別技術(shù)在過去二十多年的研究中，取得了很大的發(fā)展。盡管當(dāng)前的指紋識別產(chǎn)品已經(jīng)多種多樣，并已成功地應(yīng)用到許多商業(yè)領(lǐng)域，但是指紋識別技求仍是國內(nèi)外研究的熱點。所以，指紋自動識別算法的研究既有很強(qiáng)的理論價值，也有很高的實用價值[1]。本文針對指紋識別系統(tǒng)中的一個重要環(huán)節(jié)：特征提取進(jìn)行了深入研究。該方法對紋線邊緣毛刺和紋線中的小孔等結(jié)構(gòu)形式具有較好的魯棒性，在試驗中這點也確實做到了。其中在紋線斷裂的兩邊的兩個虛假細(xì)節(jié)點，可以在后處理的階段去除。還實驗中，在谷線的端點但并非紋線的分叉點那個虛假細(xì)節(jié)點的產(chǎn)生，是因為算法本身的原因。但是，都還很淺顯，還需要繼續(xù)努
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1