低质量指纹图像特征提取的研究

论文摘要

指纹特征作为生物识别中最可靠、最稳定的特征,一直在生物识别领域占据重要位置。然而外界噪声干扰、采集设备的技术、指纹本身的破损等因素而导致产生一些低质量的指纹图像,从而影响了指纹识别的效果。为减小噪声的影响,须在指纹识别预处理过程中对指纹进行优化,如进行指纹图像增强。本文在查阅大量文献的基础上,分析了指纹识别技术的国内外研究现状,针对指纹图像预处理、指纹增强、特征提取和匹配等环节,进行了比较学习。主要研究了指纹图像的增强、特征提取、特征匹配等。本文分析了经典的指纹图像Gabor滤波增强方法,发现其存在各个方向增强不均匀、有块效应等问题,经过深入对Gabor变换的理解,对基于Gabor的指纹图像增强技术在参数设置、滤波器宽度选择等方面做出了新的改进。使滤波的效果更优化,为后面的特征提取与匹配打下基础。针对扭曲指纹的问题以及其特性,本文采用基于指纹图像中心校正和曲线坐标结合的方法,进行指纹图像特征的提取与匹配。在相同的Gabor滤波处理的前提下,对比直角坐标匹配方法,其EER值下降了4个百分点。实验表明,利用基于指纹图像中心校正和曲线坐标结合的方法,对扭曲的指纹图像匹配效果明显,能较好的克服指纹扭曲带来的影响,取得较好的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究意义
• 1.1.1 各种生物识别技术的比较
• 1.1.2 指纹识别市场需求
• 1.1.3 指纹识别存在的问题
• 1.2 研究现状
• 1.2.1 自动指纹识别过程与性能评估
• 1.2.2 指纹特征提取
• 1.2.3 指纹匹配
• 1.2.4 现状总结
• 1.3 论文主要工作
• 1.3.1 指纹增强的研究
• 1.3.2 指纹特征提取的研究
• 第二章 基于Gabor 滤波器的指纹图像增强
• 2.1 Gabor 滤波器的介绍
• 2.1.1 Gabor 变换的来由
• 2.1.2 Gabor 变换的特征与模型
• 2.2 Gabor 滤波器在指纹中的应用
• 2.2.1 指纹图像的归一化
• 2.2.2 指纹图像的背景分离
• 2.2.3 指纹图像的方向图求取
• 2.2.4 Gabor 滤波器的各个参数设计
• 2.3 Gabor 滤波器的设计实例与优化
• 2.3.1 Gabor 滤波器的设计优化
• 2.3.2 Gabor 滤波算法
• 2.3.3 结果分析
• 2.4 小结
• 第三章 曲线坐标中的特征点表示
• 3.1 引言
• 3.2 特征提取前处理
• 3.2.1 纹线细化
• 3.2.2 特征点点提取
• 3.3 曲线坐标系的建立
• 3.3.1 现有的一些曲线坐标建立方式
• 3.3.2 改进后的曲线坐标
• 3.4 特征点的描述与匹配
• 3.5 实验仿真结果
• 第四章 总结与展望
• 4.1 总结
• 4.2 展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢