两种常用指纹图像细化算法的改进

基于二值化指纹图像细节点提取的改进算法赵磊;姜小奇;蒋澎涛;刘春雷;陈宏君;杨梦婷【摘要】Inutiae extraction on binary fingerprint images is studied deeply in this article. For used minutiae extraction algorithm,there exist some false minutiaes and omitted minutiaes. A new improved minutiae extraction algorithm is proposed to solve the problem. The algorithm divides image segment,extracts minutiaes with direction and merge image segment. Through lots of experiments,the algorithm has been proved to a better minutiae extraction algorithm which can significantly reduce false minutiaes and omitted minutiaes in the extracting process.%深入研究了二值化指纹图像细节点提取算法,针对已有算法中存在伪细节点和遗漏细节点的问题,提出了一种改进的二值化指纹图像细节点提取算法.该算法在原有提取算法的基础上,采用了形式分割图段、结合纹线方向提取、合并图段等措施.大量实验表明,该算法显著地减少了伪细节点和遗漏细节点的出现,是一种较为理想的二值化指纹图像细节点提取算法.【期刊名称】《计算机系统应用》【年(卷),期】2012(021)003【总页数】6页(P232-236,159)【关键词】二值化指纹图像;细节点;行程;图段【作者】赵磊;姜小奇;蒋澎涛;刘春雷;陈宏君;杨梦婷【作者单位】湖南科技经贸职业学院计算机科学技术学院,衡阳421001;衡阳师范学院计算机科学系,衡阳421008;湖南科技经贸职业学院计算机科学技术学院,衡阳421001;衡阳师范学院计算机科学系,衡阳421008;湖南科技经贸职业学院计算机科学技术学院,衡阳421001;湖南科技经贸职业学院计算机科学技术学院,衡阳421001;湖南科技经贸职业学院计算机科学技术学院,衡阳421001;湖南科技经贸职业学院计算机科学技术学院,衡阳421001【正文语种】中文1 引言指纹图像细节点的提取是自动指纹识别研究的核心技术之一[1]，目前指纹图像细节点提取方法主要采用的是基于细化图像的细节点提取方法[2,3]，该方法首先预处理指纹图像，对指纹图像进行增强，然后将预处理后的指纹图像二值化，再将二值化后的指纹图像进行细化及细化后处理，细节点的提取在细化后的指纹图像上进行。

第29卷第6期2008年12月衡阳师范学院学报Jo ur nal of Hengya ng Normal Univer sity No.6Vol.29Dec .2008一种改进的指纹图像细化后算法赵　磊,焦　铬,谢新华,李　琳(衡阳师范学院计算机系,湖南衡阳　421001)摘　要:对指纹图像细化后算法进行研究,分析了常规细化后处理算法存在的不足,分析其产生的原因,并在常规细化后算法的基础上提出了一种改进的细化后算法。

经过实验表明,该算法在继承了原有细化后算法优点的基础上显著地减少了细化后的噪声,是一种较为理想的细化后算法。

关键词:指纹;细化后;分叉;短线中图分类号:TP391141文献标识码:A文章编号:1673—0313(2008)06—0087—030　引　言图像细化是自动指纹识别技术中图像预处理的一个重要环节[1],主要是指在指纹图像二值化以后,不影响纹线连通性的基础上,删除纹线的边缘像素,直到纹线为单像素宽为止的一个处理过程。

指纹图像的特征提取一般都是在经过细化的基础上进行的。

在指纹识别技术发展的过程中,人们对指纹图像细化进行了很多的研究工作[227],也取得了一些研究成果。

但是事实上,由于指纹自身结构的复杂性和目前图像预处理技术的局限,对图像进行比较理想的细化是有一定技术难度的。

细化的指纹图像或多或少地存在纹线间断、毛刺和短线等噪声。

而在这些噪声中存在很多伪特征点,严重地影响到指纹特征信息———纹线端点和纹线分叉点的正确提取。

为此在对细化图像进行特征提取之前,需要对细化的指纹图像进行细化后处理,去除细化图像中存在的噪声。

本文对常规的细化后处理算法进行实验,发现常规的细化后处理算法效果并不总能令人满意,基于这样一种情况,本文在常规细化算法的基础上提出一种改进的指纹图像细化后算法,该算法很好地消除了指纹图像中存在的噪声,并弥补了常规细化后处理算法的不足,从而保证了指纹图像特征信息的有效提取。

基于深度优先搜索的快速指纹细化算法改进
刘丽华;邓方安
【期刊名称】《计算机工程与设计》
【年(卷),期】2008(29)16
【摘要】对指纹图像的细化算法进行了较深入地研究,分析了两种常用细化算法--快速细化算法和改进的OPTA算法各自的优缺点.针对其中存在的迭代次数多、细化速度慢、图像局部细化不彻底等问题,提取了一种无回溯深度优先搜索的快速指纹细化算法.实验结果表明,该算法在保证对图像完全细化的同时,也具有较快的细化处理速度.
【总页数】3页(P4374-4376)
【作者】刘丽华;邓方安
【作者单位】陕西理工学院,数学系,陕西,汉中,723001;陕西理工学院,数学系,陕西,汉中,723001
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于深度优先搜索分支定界法的Graph-SLAM后端优化算法改进 [J], 李敏;王英建;刘晓倩
2.一种新的指纹图像快速细化算法 [J], 廖开阳;张学东;章明珠
3.一种有效的混合式指纹快速细化算法 [J], 杨凡;赵顺东
4.改进的指纹图象快速细化算法及其在DSP中的应用 [J], 靳永秀;曾庆宁
5.基于迭代的磁共振指纹参数量化算法改进 [J], 商国灿
因版权原因，仅展示原文概要，查看原文内容请购买。

第7卷(A 版)　第12期2002年12月中国图象图形学报Jour nal of Image and GraphicsV ol.7(A ),No.12Dec.2002基金项目:长春市科技发展计划重点项目(长科合字第99011号);南京大学应用开发基金(2001-03)安徽省教育厅自然科学研究项目(2002KJ234)收稿日期:2001-07-30;改回日期:2002-05-29改进的指纹细节特征提取算法尹义龙　宁新宝　张晓梅(南京大学银佳生物识别技术研究所,南京大学电子科学与工程系,南京　210093)摘　要　指纹细节特征(minutiae )提取是指纹自动识别的核心技术之一.常规的指纹细节特征提取算法需要先采用纹线跟踪的方法对细化后的指纹图象进行纹线修复,然后再实现细节特征提取.纹线修复不仅步骤繁琐,而且比较耗时.针对这一问题,提出了一种改进的指纹细节特征提取算法.该算法首先在细化后的指纹图象上直接提取原始细节特征点集;然后分析图象中存在的各类噪声及其特点,总结伪特征点的分布规律;最后,结合局部纹线方向信息,针对不同的噪声,采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,最终保留下来的特征点集即视为真正的特征点集.为验证该算法的性能,将改进算法与常规算法进行了对比实验.实验结果表明,改进算法有效地减少了计算时间,细节特征提取准确率也基本可以满足应用的需要.关键词　指纹　细节特征　细节特征提取　纹线修复　图象细化中图法分类号:T P 391 文献标识码:A 文章编号:1006-8961(2002)12-1302-05An Improved Algorithm for Minutiae Extraction in Fingerprint ImagesYIN Yi-lo ng ,NING Xin-bao,ZHANG Xiao -mei(Nj u -W inca I nstitu te o f Biometrics ,De p artment of Electronic S cience &Eng ineer ing ,N anj ing Univ ersity ,N anj ing 210093)Abstract M inutiae ex tr act ion is o ne of the cor e techniques o f auto matic finger print ident ification .Ro ut ine algo -rithm for minutia e ext raction needs to resto re r idg es firstly by the w ay o f ridg e tr acing o n thinned fing er pr int im-ages and then minutiae ex traction is realized.It is trivia l and tim e-consum ing to r estor e ridg e str uct ur e.A iming at the pro blem,an impro ved algo rithm fo r minutia e ex tr act ion is br ought o ut.F ir st,the set of or ig inal minutiae is di-rectly ex tr acted fr o m thinned fing erpr int imag es .Second ,var io us noises in fing erpr int imag es and their pr oper ties ar e analyzed and distr ibuting r egulatio n o f pseudo minutiae is g st ,co mbining w ith the infor mation of lo cal r idge dir ectio n,specia l algo rithms are desig ned with respect to v arious no ises to delete pseudo m inut iae fro m or ig inal minutiae set .T he r emainder s of or ig inal minutiae are view ed as intr insic minutiae .T o ver ify the per for -mance o f the impro ved alg or it hm br ought o ut in t his paper ,co ntra st ive ex per iment w as co nducted w ith r outine al-go rithm.Ex perim enta l r esults indicate that co mputational time is r educed effectiv ely with the impr ov ed algo r ithm and the accuracy of minutiae ext raction can fill the demand of applicatio n .Keywords F inger print s,M inutiae ,M inutiae ext raction,R idg e r est or atio n,Imag e thinning0　引　言指纹细节特征点(M inutiae )主要指的是纹线端点(Ridg e Ending )和纹线分叉点(Bifurcation )[1](定义如图1所示).纹线端点指的是纹线突然结束的位图1　指纹细节特征点定义置,纹线分叉点指的是纹线一分为二的位置.大量的统计结果表明,使用这两类特征点就足以描述指纹的唯一性.诸如基本纹型、纹线频率等宏观特征,主要用作指纹的分类和检索,指纹唯一性最终要靠细节特征来判别.细节特征提取是整个自动指纹识别系统中一个非常重要的环节,它既是对图象预处理效果的检验,又是后继指纹比对算法实现的基础.迄今为止,人们已经对指纹细节特征提取算法进行了很多的研究工作[2～4].文献[5]、[6]还对直接在灰度指纹图象上提取细节特征点的问题进行了深入的研究,但总体来讲,这类算法对低质量指纹图象的适应性不是太理想.常规的细节特征提取算法大多是在经过细化和纹线修复的指纹图象上进行的.经过完全细化、完全纹线修复的图象被称为理想细化图象,其中所有的纹线都被严格地细化成单像素宽,且不存在纹线间断、纹线叉连和毛刺等噪声.在理想细化图象上提取细节特征是一件很容易的事情.而事实上,由于指纹自身结构的复杂性和目前图象预处理技术的局限,对图象进行比较理想的细化是有一定技术难度的[7,8].对纹线进行有效的修复,如连接纹线间断、分离纹线叉连和去除毛刺等操作,则需要对纹线进行跟踪和遍历,步骤非常繁琐,时间消耗也比较大[9].所以,在实际应用中,常规细节特征提取算法的效果并不总能令人满意.基于这样一种情况,提出了一种改进的指纹细节特征提取算法,即在不对纹线做任何修复处理的情况下,在细化指纹图象上直接提取原始细节特征点集,得到初步的特征提取结果;然后分析图象中存在的各类噪声及其特点,结合指纹细节特征点固有的分布规律和局部纹线方向信息,针对不同的噪声采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,而将最终保留的特征点集作为真正特征点的集合.1　常规细节特征提取算法如图2所示,设P 点为一目标像素点(待处理的图象点),则其周围相邻的8点P 1,P 2,…,P 8被称为P 点的8邻点.指纹细节特征点提取算法是建立在对8邻点的统计分析基础之上的.定义T Sum (P )=∑8i =1Pi(1)TSub (P )=P 1P 2P 3P 8PP 4P 7P 6P 5图2　象素的8邻点定义其中,P 9=P 1.常规的细节特征提取算法是先将图象细化,然后进行纹线修复,最后采用式(1)或者式(2)提取细节特征点.对图象中任一目标点P ,如果T Sum (P )的值等于1,则该点为纹线端点;如果T Sum (P )的值等于3,则该点为纹线分叉点;如果T Sub (P )的值等于2,则该点为纹线端点;如果T Sub (P )的值等于6,则该点为纹线分叉点.其中,式(1)必须在指纹纹线被严格地细化成单像素宽的条件下才可以正确工作,而式(2)即使对于未完全细化的指纹图象也可以正确地提取细节特征信息.虽然对指纹纹线进行比较理想的修复后,常规算法也可以很好地完成细节特征的提取工作,但当指纹图象质量不好、噪声干扰比较严重时,对指纹纹线进行很好的修复是一件很困难的事情,常规算法的特征效果也会受到严重的影响.2　改进算法在对细化指纹图象进行纹线修复前,其中存在着大量的毛刺、纹线间断和纹线叉连等噪声.采用式(1)或式(2)直接在这种图象上提取到的细节特征中,往往包含大量的伪特征信息.但如果深入分析指纹图象中各类噪声的特点,总结出伪特征点的形成原因和分布规律,就可以设计相应的算法,去伪存真,筛选出真正的特征点集.2.1　细化指纹图象中存在的噪声分类及其特点分析未经修复处理的细化指纹图象中,主要存在以下几类噪声(如图3所示):(1)纹线间断　在指头比较干时,采集到的指纹图象往往存在大量的纹线间断.在纹线有间断的地方,细节特征提取算法就会检测到两个纹线端点,属于伪特征点.这种伪特征点的特点是两点之间距离很小,沿局部纹线方向两点之间的区域没有纹线存在.(2)纹线叉连　当指头比较湿或者比较脏时,采集到的指纹图象往往会出现较多纹线叉连的现象,1303第12期尹义龙等:改进的指纹细节特征提取算法图3　细化指纹图象中存在的各种噪声即本不应该相连的纹线粘连在一起.在这种位置,细节特征提取算法会提取到两个纹线分叉点,属于伪特征点.这种伪特征点的特点是两点均为纹线分叉点,两点之间的距离恰好近似等于平均纹线间距,而且两点之间连线近似垂直于其局部邻域的纹线方向.(3)短线　当指纹比较脏时,采集到的指纹图象容易出现较多的短线,短线的出现主要是由随机噪声引起的.在这种位置,会提取到两个纹线端点,属于伪特征点.这种伪特征点的特点是两点之间距离很小,两点之间由一条纹线相连.(4)很小的孔状结构　很小的孔状结构的出现主要是由于随机噪声的影响而形成的.这种位置可以检测到两个纹线分叉点,属于伪特征点.这种伪特征点的特点是两点之间的距离非常地小,且两点之间连线与其局部邻域纹线的方向近似平行.(5)毛刺　毛刺的出现也是由于随机噪声的影响而形成的.这种位置可以检测到一个纹线端点和一个纹线分叉点,属于伪特征点.这种伪特征点的特点是一对端点与分叉点之间有纹线相连,且两点之间距离比较近.2.2　指纹细节特征点的固有分布规律分析椐有关资料和实验观察,指纹纹线和细节特征点存在以下特点:(1)除去模式区等个别区域以外,指纹纹线的变化趋势是平缓的,两条相邻纹线之间的宽度大致是相等的.(2)在500dpi的分辨率下,一般指纹图象中不存在距离小于8个像素点的细节特征点.(3)指纹中基本不存在毛刺、纹线叉连这种带有突变性质的结构.所以,诸如距离很近的两个纹线端点、两个纹线分叉点的结构或者毛刺、纹线叉连等结构,都不是指纹所固有的结构,应该可以直接予以删除.2.3　算法描述定义　D(i,j)为两特征点i,j之间的距离,单位为像素;A(i,j)为两特征点i,j连线与横坐标轴方向的夹角,单位为弧度;如有纹线连接特征点i,j,则C(i,j)=1;否则,C(i,j)=0; (i,j)为两特征点i,j所在的局部邻域的纹线方向,单位为弧度; 为A(i,j)与 (i,j)之差的绝对值.改进算法描述如下:(1)原始细节特征点集的提取在未经任何修复的细化指纹图象上,直接使用式(2)进行细节特征的提取,得到原始的细节特征点集.由于式(2)顺序减差的特点,即使对未完全细化的图象仍可以正确地提取到细节特征点.当然,由于大量噪声的存在,原始细节特征点集中,可能会包含大量的伪特征点.(2)短线与纹线间断形成的伪特征点的删除原始细节特征点集中,对任意两个纹线端点i, j,如果D(i,j)<D1且 ≈0,则该两点为伪特征点,予以删除.(3)小孔状结构形成的伪特征点的删除原始细节特征点集中,对任意两个纹线分叉点i,j,如果D(i,j)<D2,则该两点为伪特征点,予以删除.(4)小毛刺形成的伪特征点的删除原始细节特征点集中,对任一纹线端点和任一纹线分叉点j,如果D(i,j)<D3且C(i,j)=1,则该两点为伪特征点,予以删除.(5)较长毛刺形成的伪特征点的删除原始细节特征点集中,对任一纹线端点和任一纹线分叉点j,如果D(i,j)<D4且C(i,j)=1,<4,则该两点为伪特征点,予以删除.(6)纹线叉连形成的伪特征点的删除原始细节特征点集中,对任意两个纹线分叉点i,j,如果D(i,j)≈D5且C(i,j)=1,且 ≈2,则该两点为伪特征点,予以删除.其中,D1,D2,D3,D4,D5为距离门槛值,在指纹图象为500dpi的采集分辨率下,经实验确定,D1, D2,D3,D4分别取7,3,4,8;D5为指纹图象平均纹线宽,可通过计算求得.1304中国图象图形学报第7卷(A版)3　实验结果为验证改进算法的性能,选取30幅典型指纹图象,在主频为PⅢ733、内存为128M的台式微机上,用改进算法和常规算法进行了性能对比实验.常规算法是在经完全细化、纹线修复的指纹图象上进行的特征提取,而改进算法则是在未完全细化、未对纹线做任何修复的图象上进行的.定义特征提取的准确率为A=1-伪特征点数+丢失的特征点数检测到的特征点数-伪特征点数+丢失的特征点数　(3)实验结果如表1所示.图4是用常规算法和改进算法分别对一幅指纹图象进行细化处理和特征提取的结果,其中方框代表纹线端点,圆圈代表纹线分叉点.就细节特征提取而言,迄今为止,指纹自动识别技术中还没有一个既定的标准来规定准确率达到多少算是合格的.实际应用证明,87%的准确率基本可以满足指纹匹配算法的需要.表1　常规算法和改进算法的细节特征提取统计结果算法用时(秒/幅)检测到的特征点(个/幅)出现伪特征点(个/幅)丢失的特征点(个/幅)特征提取准确率(%)常规算法0.4766.08.7 2.881改进算法0.1853.40.67.387(a)常规算法(b)改进算法图4　用常规算法和改进算法进行细化和特征提取的结果4　结　论在常规细节特征提取方法的基础上,对指纹细节特征提取算法进行了一定的改进,即未对纹线进行修复而是直接在细化指纹图象上提取所有的细节特征点,然后利用伪特征点在数学形态学上的分布规律,对伪特征点进行了删除.初步的实验结果表明,与常规方法相比,该算法较大幅度地提高了特征提取的速度,特征提取的准确率也基本可以满足实际应用的需要.实验过程中还发现,在指纹图象质量比较差时,改进算法能有效删除大多数伪特征点,特征提取的准确率比常规方法有大幅度提高;而在指纹图象质量比较好时,改进算法的固有缺陷总会导致误删除少量真正的特征点,特征提取的准确率要比常规算法低.由于改进算法造成真正特征点丢失的情况多集中在指纹模式区,而这部分特征点对指纹识别而言比周边特征点具有更大的权重,这是今后需要进一步完善之处.参考文献1　Lin Hong.Automatic pers on al identification us ing fingerpr ints[D].U S:M ichigan State U nivers ity,1998:5～46.2　Rath a N,Ch en S,Jain A K.Adaptive flow orientation based feature ex tr action in fingerprint images[J].Pattern Recognition, 1995,28(11):1657～1672.3　M ehtre B.Fin gerprin t image analysis for autom atic identification [J].M ach ine Vis ion and Application,1993,6(2-3):124～139. 4　Hong L,Jain A K,Bolle R et al.Pankanti.Iden tity authentica-tion u sing fin gerprin ts[A].In:Proc.of Firs t In t'l Conference on Au dio and Video-Based Biometric Person A uthentication[C], Geneva,Sw itzer lan d,1997:103～110.5　M aio D,M altoni D.Direct gray-s cale m inutiae detection in fin-gerprints[J].IE EE T ran sactions on Pattern Analysis and M a-chine Intelligence,1997,19(1):27～40.6　Fang Xu-dong,Yau W ei-Yu n,Ser W ee.Detecting the finger-1305第12期尹义龙等:改进的指纹细节特征提取算法print min utiae by adaptive tr acing the gray-level ridge[J].Pat-tern Recognition,2001,34(5):999～1013.7　Yu S hiaw-S hian,T sai Wen-Hs iang.A new thinning algorithm for gray-level imag es by the r elaxation techn ique[J].Pattern Recognition,1990,23(10):1067～1076.8　Datta A,Parui S K.A robus t parallel thinn ing algorithm for bi-nar y images[J].Pattern Recognition,1994,27(9):1181～1192. 9　Xiao Q,Raafat H.Fingerpr int image process ing:A com bined statis tical and s tr uctural ap proach[J].Pattern Recogn ition,1991,24(10):985～992. 尹义龙　1972年生,2000年获吉林工业大学工学博士学位,现为南京大学电子科学与工程系博士后、南大银佳生物识别技术研究所副所长.主要研究方向为图象处理与模式识别、以指纹为代表的生物特征识别. 宁新宝　1941年生,南京大学电子科学与工程系教授、博士生导师、南大银佳生物识别技术研究所所长.主要研究方向为生物信息采集与处理.发表论文80余篇. 张晓梅　1971年生,1994年获莱阳农学院工学学士学位,现为南京大学电子科学与工程系助教.主要研究方向为数字图象处理、电子商务.1306中国图象图形学报第7卷(A版)。

指纹图像二值化算法的分析和比较指纹图像二值化算法的分析和比较1引言指纹作为人体的重要特征，因其具有唯一性和终生不变性，已经成为生物识别领域的重要手段。

它不仅应用于公安司法系统的犯罪识别，而且还广泛应用于如一些保密系统的身份验证，成为生物识别领域的新热点。

在指纹自动识别系统中，图像采集设备所得到的图像是一幅含有较多噪声的灰度图，必须经过预处理，除去大量的噪声信号，得到一幅纹线清晰的点线图，才能进行指纹特征的提取和匹配。

指纹图像的预处理是正确地进行特征提取、比对等操作的基础,而二值化是图像预处理中非常重要的一步，也是指纹细化并提取特征前的重要步骤。

不同的二值化经常会对后续的步骤产生极大的影响，常用的二值化方法由于仅仅利用了图像的灰度信息,没有考虑指纹图像自身的方向结构特点，对指纹图像的二值化效果不理想.本文首先对常用的二值化算法进行了讨论，并主要通过实验比较了两种特别针对指纹图像的二值化算法。

通常认为一个好的针对指纹图像的二值化算法应满足以下几点要求[f。

1]：●保持纹线的原始走向；●相关领域内指纹的纹线走向基本一致；●避免造成指纹纹线的中断和粘连；●避免生成虚假指纹纹线；●纹线间的间距变化平稳；2图像的二值化算法在很多情况下，图象是由具有不同灰度的两类区域组成的。

如在指纹图象中，指纹脊线和谷线就由不同的灰度构成，通常脊线要比谷线暗。

所谓灰度图象的二值化就是通过设定阀值，把它变为仅用两个灰度值分别表示图象的前景和背景颜色的二值图象。

图象的二值化可以根据下面的阀值来处理: 假设一幅灰度图的像素值为ｆ(ｉ，ｊ)∈(ｒ1，ｒ2 ，…，ｒm)，设有一阀值为Ｔ=ｒi ，1≤ｉ≤ｍ，则:二值化的方法很多，关键在于阀值Ｔ的选取。

而Ｔ的取值方法又取决于二值化的技术。

Ｔ的选择有基于由点的像灰度值单独决定的、有由像素的局部特征决定的、也有基于全局像素决定的。

阀值可以分为两类:全局阀值和局部阀值。

1)全局阈值全局阈值是在整个图像中将灰度阈值的值设置为常数。

基于形态学算法和神经网络的指纹图像细化处理贾而穑 130212114 田通 130212104摘要：指纹作为人的重要生理特征，具有唯一性和不变性。

因而在计算机技术飞速发展的当今社会，指纹识别被广泛运用于多个安全领域。

而在指纹识别过程中的细化阶段往往是取决于指纹识别是否准确快速的重要影响因素之一。

在指纹图像预处理后，从形态学算法出发并结合传统的OPTA改进细化算法，提出了一种最新改进的OPTA算法。

测试表明，该算法能够更快更准确的对指纹图像进行细化。

根据模拟大脑学习过程的神经网络模型原理，利用BP神经网络对已经细化好的图像进行自学习，并建立反馈机制不断进行神经网络参数优化以实现识别准确率最优。

最终神经网络训练准确率达95%，实现了指纹图像的细化处理。

关键词：指纹细化处理形态学算法Back Propagation神经网络1、指纹图像的预处理1.1 指纹图像增强图像增强是指增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。

对于一幅给定的指纹图像，其增强要重点着眼于改善图像质量，滤除图像中一些不规则的噪声点，增强前后景的对比度。

图像增强可分成两大类：频率域法和空间域法。

前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。

采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。

在程序的设计上，只需讨论某个像素点与其3*3窗口内任意一个相邻点的差值就可完成对指纹图像边缘的识别。

两种常用指纹图像细化算法的改进
唐为方;陈旭;周大军;王新刚;罗涛
【期刊名称】《山东轻工业学院学报（自然科学版）》
【年(卷),期】2005(019)001
【摘要】本文对指纹图像的细化算法进行了较深入的研究,结合这两种算法,提出了一种综合的细化算法.经过实验证明,该算法能够很好的满足细化的要求.
【总页数】6页(P25-30)
【作者】唐为方;陈旭;周大军;王新刚;罗涛
【作者单位】山东大学计算机学院,山东,济南,250014;山东大学计算机学院,山东,济南,250014;山东轻工业学院信息科学与技术学院,山东,济南,250014;山东轻工业学院信息科学与技术学院,山东,济南,250014;中国重汽商用车有限公司,山东,济
南,250100
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于模板的指纹图像细化算法 [J], 蔡秀梅;孙鹏
2.基于改进PCNN的指纹图像细化算法 [J], 汪小涛;徐大诚
3.采用PCNN模板的二值指纹图像改进细化算法 [J], 李百良;徐大诚
4.一种改进的指纹图像细化算法 [J], 肖晓丽;王珂铃;李振
5.基于模板的指纹图像细化算法 [J], 蔡秀梅;孙鹏;
因版权原因，仅展示原文概要，查看原文内容请购买。

指纹图像颈处理算法的改进
孟建民;薛重德;李广涛
【期刊名称】《机械制造与自动化》
【年(卷),期】2009(038)001
【摘要】指纹图像含有大量的噪声,直接影响特征提取的准确性.针对传统的指纹图像预处理算法的一些缺陷做了一些改进,并采用Matlab验证了算法的有效性.通过去除边缘信息和平滑处理改进传统的基于灰度方差的分割方法,在奇异点所在的块用点方向代替了块方向克服Gabor增强之后脊线断裂和错误连接问题,并采用了复合细化算法对二值图像进行细化以及细化去噪处理.经过试验证明,预处理之后的指纹图像品质有了明显的增强,满足了指纹识别的要求.
【总页数】4页(P71-74)
【作者】孟建民;薛重德;李广涛
【作者单位】南京航空航天大学,机电学院,江苏,南京,210016;南京航空航天大学,机电学院,江苏,南京,210016;南京航空航天大学,机电学院,江苏,南京,210016
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.浅谈关于指纹图像增强的蚁群算法和改进的指纹图像增强算法 [J], 刘霞;吕翠丽;赵鑫
2.一种改进的指纹图像增强算法研究 [J], 刘学敏;王枫
3.结合改进遗传算法与局部阈值法的指纹图像分割 [J], 王群峰;徐迎晖
4.一种改进的指纹图像分割算法 [J], 谭婷婷;刘倩;陈茂;周学礼
5.改进灰度共生矩阵的指纹图像分割算法 [J], 黄敏;刘云坚
因版权原因，仅展示原文概要，查看原文内容请购买。

基于细节点特征的指纹识别算法研究与改进的开题报告摘要：指纹识别是一种广泛应用的生物特征识别技术，基于指纹的细节点特征进行识别已经成为了主流的识别方式。

然而，现有的指纹识别算法仍然存在一些问题，比如识别率不高、鲁棒性差等。

本文将研究和改进基于细节点特征的指纹识别算法，以提高指纹识别的准确度和鲁棒性。

关键词：指纹识别、细节点特征、识别率、鲁棒性一、研究背景及意义目前，指纹识别技术广泛应用于安全领域、金融领域等多个领域。

指纹作为一种生物特征，其具有唯一性、普及性以及难以伪造、不易改变等特点，因此成为了识别技术中的优选方案。

指纹图像中的细节点是指纹的最基本的特征之一，其具有“三不变”特性，即位置不变、形态不变、数量不变，因此在指纹识别的过程中，常常会选取细节点作为识别指标。

然而，随着指纹识别技术的不断发展，识别率和鲁棒性仍然存在一些问题。

一些指纹图像因为受到纹路清晰度、干扰、损坏等因素的影响，使得细节点的提取和匹配变得异常困难。

另外，传统的指纹识别算法在处理大量数据时，也存在着识别速度慢、运算量大等问题，因此需要对指纹识别算法进行优化和改进，使其更加高效和准确。

二、研究内容和方法本文将基于细节点特征对指纹识别算法进行研究和改进，进而提高其准确度和鲁棒性。

具体的，我们的研究工作主要包括以下两个方面：1. 基于深度学习的指纹识别算法。

深度学习算法具有非常强的适应性和优秀的性能，在视觉识别和语音识别等领域都取得了显著的成果。

因此，我们将考虑运用深度学习算法对指纹图像进行处理，使其能够更好的提取细节点特征。

具体的，我们将使用卷积神经网络对指纹图像进行卷积提取特征，从而得到更加准确的细节点数据。

2. 改进指纹图像的预处理算法。

指纹图像预处理对于指纹识别的准确率和效率起着至关重要的作用。

本文拟采用基于小波变换的图像预处理算法，以减少噪声和干扰，提高指纹识别的鲁棒性。

三、预期研究结果和意义研究旨在进一步优化和改进指纹识别算法，以提高其准确度和鲁棒性。