1L 1 1 H AVE I( i ,j ) H L i 0 j 0
（2.1）
1L 1 1 H 2 （2.2） VAR （ I ( i ,j ) AVE ） H L i 0j 0
23
均值方差法
(3)如果计算得到的方差几乎接近于0就认为是背景，对于方差 不为零的区域在进行阈值分割算法，这种算法主要是根据计 算得到的方差来决定其是否为背景区。 在使用方差均值法之前还要使用归一法将图变为低频图。归 一化的目的是把不同原图像的对比度和灰度调整到一个固定 的级别上，为后续处理提供一个较为统一的图像规格。指纹 图像的归一化公式如式(2.3)所示，当大于平均值时为加。
29
指纹图像处理图像
30
指纹特征提取
目前在细化二值图像中提取细节特征多是用8邻域法， 该方法比较简单，在得到可靠的细化二值图像后，只需 要一个3×3的模板便可将端点和分叉点提取出来。
31
指纹图像特征去伪
由于手指的磨损、汗渍、传感器的噪声等因素的影响，指纹细节 点特征信息提取过程可能会产生以下错误： 1．产生大量的虚假细节点。即把不是细节点的地方判定为细节点， 如将纹线断裂处判定为两个端点，将纹线粘连处判定为两个纹线 分叉点等。 2．遗漏真实细节点。即忽略了存在细节点的地方。造成遗漏真实 细节点的主要原因是指纹图像的对比度较差，从而模糊了其中的 细节点信息。 3．细节点位置和方向存在误差。虽然判断出某处存在细节点，但 是给出的细节点位置和方向并不精确。 4．细节点类型错误。即把纹线端点判定为分叉点，将分叉点判定 为端点，造成这个问题的主要原因是纹线断裂和纹线粘连。
6
影响指纹识别的因素
噪声、变形等，例如脏手指、干手指、疤痕导致的不同 时期、不同季节间的指纹差异； 芯片表面残留物带来的噪声； 手指按压过程中的扭转、拉伸和按压位置不同，导致同 一指纹的重叠区域有时会很小。
