1、第3章 指紋圖像的增強(qiáng)魯 靜1ppt課件重難點為什么要進(jìn)行指紋圖像的增強(qiáng)？指紋圖像增強(qiáng)的步驟基于Gabor濾波的指紋圖像增強(qiáng)算法基于傅立葉濾波的指紋圖像增強(qiáng)算法基于知識的指紋圖像增強(qiáng)方法2ppt課件指紋自動識別系統(tǒng)框圖預(yù)處理特征提取特征匹配輸出匹配結(jié)果濾波增強(qiáng)、二值化、細(xì)化校準(zhǔn)、細(xì)節(jié)點匹配細(xì)節(jié)點提取指紋圖像采集指紋分類數(shù)據(jù)庫指紋自動識別系統(tǒng)框圖3ppt課件指紋圖像為什么要進(jìn)行預(yù)處理？低質(zhì)量指紋圖像示例4ppt課件指紋圖像預(yù)處理指紋圖像預(yù)處理是各種數(shù)字圖像處理技術(shù)的綜合應(yīng)用，通常是指紋識別算法最先需要完成的任務(wù)。在目前的技術(shù)條件下，不論采用何種采集方式，指紋圖像中都有可能出現(xiàn)各種質(zhì)量缺陷，給計算

2、機(jī)自動識別造成困難，指紋圖像預(yù)處理的任務(wù)就是盡可能降低圖像噪聲或質(zhì)量缺陷所帶來的影響，準(zhǔn)確可靠地提取指紋特征，以保證后續(xù)處理的可靠性和魯棒性。可以看出，指紋圖像預(yù)處理在很大程度上決定了指紋識別的準(zhǔn)確程度。一般說來，指紋圖像預(yù)處理包含了圖像質(zhì)量評價、圖像增強(qiáng)、圖像二值化和細(xì)化等步驟。5ppt課件指紋圖像預(yù)處理流程6ppt課件指紋圖像預(yù)處理概述（1）圖像質(zhì)量評估：指紋圖像經(jīng)傳感器獲取后，首先要對其質(zhì)量進(jìn)行評估，通過檢查其有效面積及圖像的清晰程度決定是否對該圖像進(jìn)行下一步處理。若圖像質(zhì)量合格，則將其送入圖像分割子模塊，否則，要求重新采集，同時給出提示是指紋太干還是太濕，或者是手指放得太偏等等。圖像分

3、割：把要處理的有效圖像部分從整個指紋圖像中分離出來，這樣一方面減少了后續(xù)處理步驟的數(shù)據(jù)量，另一方面也避免了因為部分圖像區(qū)域不可靠而導(dǎo)致偽特征的產(chǎn)生。7ppt課件指紋圖像預(yù)處理概述（2）圖像增強(qiáng)：包括兩個部分：首先是對原始圖像上模糊但有可能恢復(fù)的部分進(jìn)行增強(qiáng)，然后再對整幅圖像濾波，消除指紋脊線間的斷裂和粘連。圖像二值化：提取經(jīng)增強(qiáng)處理的指紋圖像的脊線，用“1”表示脊線上的點，“0”表示背景和谷線，從而把原始灰度圖像轉(zhuǎn)化為二值圖像。圖像細(xì)化：進(jìn)一步把二值指紋脊線細(xì)化為單象素寬度的骨架線，這是為了方便以后的特征提取。 8ppt課件圖像質(zhì)量評估指紋圖像的質(zhì)量評估在自動指紋系統(tǒng)中有著重要的實際價值。影響

4、自動指紋識別系統(tǒng)水平的最重要因素之一便是在注冊和辨別過程中對那些采集質(zhì)量差的指紋的判別及處理能力，一個較好的指紋識別系統(tǒng)應(yīng)要求用戶在登記時多次獲取指紋，然后，把圖像質(zhì)量最好的作為注冊的指紋。同時，為了獲得比較好的識別率，在匹配之前要對質(zhì)量比較差的指紋圖像區(qū)域先進(jìn)行特殊的圖像預(yù)處理，然后再進(jìn)行識別。為了實現(xiàn)這個目的，需要設(shè)計一個合適的有效地指紋圖像質(zhì)量評估方法。剛采集的指紋原始圖像一般有很多噪音，圖像質(zhì)量存在著差異。這主要是由受采集者平時的工作和環(huán)境所引起的，比如手指褪皮，有刀傷，疤痕，手指被弄臟，干燥，濕潤等。同時，也與采集儀器的性能有著密切的聯(lián)系，例如，光學(xué)全反射技術(shù)干手指差，且汗多的和稍臟

5、的手指成像模糊；硅晶體電容傳感技術(shù)干手指好，但汗多的和稍臟的手指不能成像。 9ppt課件圖像質(zhì)量評估指紋圖像質(zhì)量通常以人的主觀判決作為評價準(zhǔn)則，受評測者背景知識、評測動機(jī)等等因素的限制和影響。在實際應(yīng)用中，讓計算機(jī)模擬人的行為對指紋圖像質(zhì)量自動做出評測是困難的。迄今為止，有關(guān)指紋圖像質(zhì)量判斷的文獻(xiàn)較少，方法多是將一些灰度圖像質(zhì)量判斷的方法應(yīng)用于指紋圖像，用圖像的信噪比、灰度分布等等手段評測，沒有充分考慮指紋脊線的特殊紋理特征；另一類方法是計算指紋細(xì)節(jié)點的個數(shù)，如果提取的細(xì)節(jié)點過多或過少，都認(rèn)為是質(zhì)量差的指紋圖像，這種方法從理論分析上比較可信，但是質(zhì)量判斷操作是在增強(qiáng)處理和提取細(xì)節(jié)點的操作之后，

6、而且判斷結(jié)果依賴于增強(qiáng)和提取細(xì)節(jié)點的算法效率，不能完全滿足自動指紋識別系統(tǒng)中對指紋圖像注冊和拒登操作的快速高效的需求。10ppt課件圖像質(zhì)量評估指紋圖像質(zhì)量評價系統(tǒng)所要實現(xiàn)的基本功能有如下幾個方面：(1) 將指紋圖像區(qū)域從采集圖像的背景區(qū)域中分離出來，盡量減少背景區(qū)域的噪聲對后繼處理結(jié)果的影響，并減少后繼所要處理的圖像區(qū)域，從而可以提高系統(tǒng)的精度、降低后繼處理時間；(2) 給出一幅指紋圖像的總體區(qū)域、圖像偏移方向和大小、按壓力度大小、手指的干/濕度等指標(biāo)，從而為現(xiàn)場采集指紋圖像時的調(diào)整提供一個比較合理的依據(jù)；11ppt課件圖像質(zhì)量評估(3) 給出一幅指紋圖像的總體質(zhì)量評價，完成對質(zhì)量低劣的指紋

7、圖像的篩選功能，能準(zhǔn)確識別出質(zhì)量很差的指紋圖像，從而實現(xiàn)直接拒絕，既降低了由于指紋圖像質(zhì)量本身的問題而出現(xiàn)的錯誤率，又有效減少了系統(tǒng)的處理時間；(4) 完成對指紋圖像的局部區(qū)域的質(zhì)量評價，給出一幅指紋圖像中每一個小區(qū)域的圖像質(zhì)量等級。從而在后繼的處理過程中，可以針對這些區(qū)域進(jìn)行有針對性的處理，另外，在后繼的特征提取過程中可以有效的避開這些區(qū)域，有效的降低了在采集圖像的過程中由于局部區(qū)域的采集圖像質(zhì)量問題而對整個自動指紋識系統(tǒng)所造成的影響。12ppt課件圖像質(zhì)量評估圖像質(zhì)量不同的指紋13ppt課件指紋圖像分割 在圖像處理中，通常要把感興趣的區(qū)域與其他部分區(qū)分開來，這稱為前景與背景分割。指紋圖像分

8、割通常位于預(yù)處理的前端，其目的是把指紋圖像中質(zhì)量很差，在后續(xù)處理中很難恢復(fù)的圖像區(qū)域與有效區(qū)域區(qū)分開來，使后續(xù)處理能夠集中于有效區(qū)域。分割處理不僅能提高特征提取的精確度，而且還能大大減少指紋預(yù)處理的時間，因此是指紋圖像處理中的重要組成部分。它不僅要求盡可能地去除無效區(qū)域，還要盡可能完整地保留有效區(qū)域。14ppt課件指紋圖像分割 這就需要有較精確的分割算法。好的指紋分割算法應(yīng)該具有如下特點：（1）對輸入圖像的灰度分布不敏感；（2）能檢測出信噪比低的有效區(qū)域；（3）能夠有效分割殘留指紋；15ppt課件指紋圖像分割 根據(jù)指紋圖像被噪聲干擾的程度及能否正確恢復(fù)，可把圖像細(xì)分為4類區(qū)域：背景區(qū)域、不可恢

9、復(fù)區(qū)域、可恢復(fù)區(qū)域和清晰區(qū)域。指紋圖像分割的目的就是割除背景區(qū)，保留前景區(qū)，盡可能保留模糊區(qū)中能恢復(fù)的部分。16ppt課件指紋圖像分割 指紋圖像的四種區(qū)域17ppt課件指紋圖像分割（1）背景區(qū)：指不包含紋線的白邊界區(qū)；（2）不可恢復(fù)區(qū)：包含指紋紋線，但受噪聲干擾嚴(yán)重，紋線走向無法辨認(rèn)，峰谷混雜不清，在后續(xù)處理中很難恢復(fù)的區(qū)域；（3）清晰區(qū)：紋線連續(xù)，峰谷清晰，幾乎沒有噪聲干擾的區(qū)域；（4）可恢復(fù)區(qū)：受到噪聲干擾，紋線斷續(xù)或者峰谷界限不清晰的區(qū)域。指紋分割的目的就是保持后兩類區(qū)域，而去除前兩類區(qū)域。18ppt課件3.1 引言指紋圖像增強(qiáng)用于改善指紋圖像的質(zhì)量，以保證后續(xù)指紋特征提取及匹配的準(zhǔn)確性

10、和魯棒性，在自動指紋識別系統(tǒng)中具有十分重要的作用和地位。自動指紋識別系統(tǒng)通過比對指紋嵴線與峪線的結(jié)構(gòu)及有關(guān)特征如紋線的端點和分歧點等來實現(xiàn)個人身份認(rèn)證。然而，要從原始指紋圖像上準(zhǔn)確提取特征信息是十分困難的，特征提取的精確性在很大程度上依賴于圖像質(zhì)量。因此，在指紋特征提取和匹配之前有必要對指紋圖像進(jìn)行增強(qiáng)處理。19ppt課件3.1 引言指紋的嵴線與峪線20ppt課件3.1 引言指紋圖像增強(qiáng)，就是對指紋圖像采用一定的算法進(jìn)行處理，使其紋理結(jié)構(gòu)清晰化，盡量突出和保留固有的指紋特征信息，并消除噪聲，避免產(chǎn)生虛假特征。其目的是保持特征信息提取的準(zhǔn)確性和可靠性。從目前的研究情況和各種算法的綜合比較來看，空

11、域濾波和頻域濾波仍然是指紋圖像增強(qiáng)中比較有效且占據(jù)主流地位的方法。21ppt課件 圖象增強(qiáng) 1 點處理 2 圖象平滑 3 圖象銳化邊緣增強(qiáng) 4 圖象增強(qiáng)的頻域處理22ppt課件 圖象增強(qiáng)的目的是采用某種技術(shù)手段，改善圖象的視覺效果，或?qū)D象轉(zhuǎn)換成更適合于人眼觀察和機(jī)器分析識別的形式，以便從圖象中獲取更有用的信息。圖象增強(qiáng)與感興趣物體特性、觀察者的習(xí)慣和處理目的相關(guān)，因此，圖象增強(qiáng)算法應(yīng)用是有針對性的，并不存在通用的增強(qiáng)算法。圖象增強(qiáng)的基本方法：1、空域處理：點處理（圖象灰度變換、直方圖均衡、偽彩 色處理等）； 鄰域處理（線性、非線性平滑和銳化等）； 2、頻域處理：高、低通濾波、同態(tài)濾波等。 2

12、3ppt課件 T1 點處理（Point Operation)點處理實際上是一種圖象灰度變換，它將輸入圖象f(x,y)中灰度r，通過映射函數(shù)T（ ）映射成輸出圖象g(x,y)中的灰度s，與圖象象素位置及被處理象素鄰域灰度無關(guān)。其映射函數(shù)和變換示意圖如下： g(x,y) = Tf(x,y) f(x,y)=r g(x,y)=s24ppt課件1.1. 1灰度線性變換對輸入圖象灰度作線性擴(kuò)張或壓縮，映射函數(shù)為一個直線方程，其表達(dá)式和演示控件如下： g(x,y) = a f (x,y) +b ; 其中：a相當(dāng)于變換直線的斜率, b相當(dāng)于截距； a 1-對比度擴(kuò)張 b = 0： a 1對比度壓縮 a = 1

13、相當(dāng)于復(fù)制 b 0: 灰度偏置25ppt課件1.1.2 分段線性處理與線性變換相類似，都是對輸入圖象的灰度對比度進(jìn)行拉伸（Contrast stretching），只是對不同灰度范圍進(jìn)行不同的映射處理。當(dāng)灰度范圍分成三段時，其表達(dá)式及演示示意如下： r1 f(x,y) ; 0ff1 g(x,y) =r2f(x,y)-f1+a ; f1ff2r3f(x,y)-f2+b ; f2ff3 g 0 f1 f2 f326ppt課件1.1.3 對數(shù)變換 （Logarithmic transformation）圖象灰度的對數(shù)變換將擴(kuò)張數(shù)值較小的灰度范圍，壓縮數(shù)值較大的圖象灰度范圍。這種變換符合人的視覺特性，

14、 是一種有用的非線性映射變換函數(shù)。其映射函數(shù)表達(dá)式及演示示意如下：g(x,y) = log f(x,y) g 0 f27ppt課件1.1.4指數(shù)變換(Exponential transformation)另一種非線性變換，常與對數(shù)變換配合使用構(gòu)成復(fù)合濾波操作。其映射表達(dá)式如下 g(x,y) = expf(x,y) 28ppt課件 1.1.5 其它灰度變換函數(shù) 灰度倒置變換 門限 鋸齒形變換 29ppt課件 原 圖 處理后圖 處理曲線30ppt課件 原 圖 處理后圖 處理曲線31ppt課件 1.2 直方圖修整法 1.2.1 直方圖均衡化 (Histogram equalization)圖象直方圖

15、描述圖象中各灰度級出現(xiàn)的相對頻率.基于直方圖的灰度變換,是調(diào)整圖象直方圖到一個預(yù)定的形狀.例如,一些圖象由于其灰度分布集中在較窄的區(qū)間，對比度很弱,圖象細(xì)節(jié)看不清楚.此時,可采用圖像灰度直方圖均衡化處理,使得圖象的灰度分布趨向均勻,圖像所占有的象素灰度間距拉開,加大了圖像反差，改善視覺效果,達(dá)到增強(qiáng)目的。32ppt課件 直方圖均衡化處理算法描述：原始圖象灰度級r歸一化在0 1之間，即0 r 1 . pr( r) 為原始圖象灰度分布的概率密度函數(shù), 直方圖均衡化處理實際上就是尋找一個灰度變換函數(shù)T，使變化后的灰度值S = T( r ),其中，歸一化為0 s 1,即建立r與s之間的映射關(guān)系，要求處

16、理后圖象灰度分布的概率密度函數(shù)ps( s ) = 1，期望所有灰度級出現(xiàn)概率相同。33ppt課件從下頁圖中可以看出在灰度變換的dr和ds區(qū)間內(nèi)，象素點個數(shù)是不變的，因此有：當(dāng)dr 0 ， ds 0 ，略去下標(biāo)j有 由于 s = T(r) ps(s) = 1，則 最終得到直方圖均衡化的灰度變換函數(shù)為 它是原始圖象灰度r的累積分布函數(shù)（CDF）。34ppt課件 35ppt課件對于數(shù)字圖象離散情況，其直方圖均衡化處理的計算步驟如下：1、 統(tǒng)計原始圖象的直方圖 rk 是歸一化的輸入圖象灰度級；2、計算直方圖累積分布曲線 3、用累積分布函數(shù)作變換函數(shù)進(jìn)行圖像灰度變換根據(jù)計算得到的累積分布函數(shù)，建立輸入圖

17、象與輸出圖象灰度級之間的對應(yīng)關(guān)系，并將變換后灰度級恢復(fù)成原先數(shù)范圍。36ppt課件原象灰級 k歸一化灰級 (rk)第k象素級象素個數(shù)nr(rk)Sk= nr(rk)變換后灰級 00/7=07900.190.19S1 11/7=0.142810230.250.44S3 22/7=0.28568500.210.65S5 33/7=0.42856560.160.81S6 44/7=0.57143290.080.89S6 55/7=0.71422450.060.95S7 66/7=0.85711220.030.98S7 77/7=1810.021S7例子 64*64 8級灰度 的均衡化37ppt課件

18、Sk0.250.200.150.100.05 0 1/7 1 rk 1/7 3/7 5/7 6/7 1 原圖直方圖 處理曲線 處理后直方圖 概述：1）、變換后直方圖趨向平坦，灰級減少，灰度合并。 2）原始象零灰度級象素個數(shù)多于n/m+1,變換后零灰度級消失，含有象素數(shù)多的幾個灰級間隔被拉大了，壓縮的只是象素數(shù)少的幾個灰度級，實際視覺能夠接收的信息量大大地增強(qiáng)了。38ppt課件 原 圖 處理后圖39ppt課件 1.2.2直方圖規(guī)定化處理（Histogram specification）將輸入圖象灰度分布變換成規(guī)定一個期望的灰度分布直方圖，pr(r) 為原圖的灰度密度函數(shù)，pz(z) 為希望得到的

19、灰度密度函數(shù)首先分別對p(r) ，p(z)作直方圖均衡化處理則有： S = T(r)= 0r1 V = G(z)= 0z1經(jīng)上述變換后的灰度S及V，其密度函數(shù)是相同的均勻密度，再借助于直方圖均衡化結(jié)果作媒介，實現(xiàn)從pr(r)到pz(z)的轉(zhuǎn)換。40ppt課件利用S = T(r)= ， V = G(z)= 分布相同的特點建立r z的 聯(lián)系，即 Z=G-1(v)= G-1(s)= G-1(T(r)實現(xiàn)步驟：1）直方圖均衡化輸入圖象，計算Rj-Sj對應(yīng)關(guān)系；2）對規(guī)定直方圖pz(z)作均衡化處理，計算Zk-Vk的對 應(yīng)關(guān)系；3）選擇適當(dāng)?shù)腣k和Sj點對，使VkSj；4）由逆變換函數(shù)Z=G-1(S)=

20、G-1(T( r )，計算流程如下： Rj Sj Vk Zk 均衡 求近似相等 求逆變換 均衡 Pz(x) 41ppt課件 原圖象的灰度分布 Pr(r) r S S,V rz Ps(s) Pv(v) Pz(z) 希望得到的灰度分布 z 42ppt課件 原 圖 處理后圖 處理背景圖43ppt課件 原 圖 處理后圖 處理直方圖44ppt課件2 圖象平滑（Image smoothing） 圖象平滑是一種圖象鄰域操作，非遞歸鄰域操作可用函數(shù)表示為 g(x,y)=x,y,f(x,y):(x,y)N(x,y) 其中N(x,y)是以（x，y）為中心的某鄰域象素集合，f(x,y)是集合內(nèi)象素灰度值，g(x,y

21、)是處理結(jié)果圖象。45ppt課件2.1 局部平均 （Spatial Averaging） 其中f(x,y)為原始圖象,g(x,y)是平滑后的圖象，h(i,j)為鄰域模板內(nèi)對應(yīng)點加權(quán)系數(shù)，N為該鄰域內(nèi)象素個數(shù),鄰域模板尺寸取(2M+1)(2M+1)，一般取M=1,即33模板。對應(yīng)于四連通域和八連通域，有如下圖模板示例。 或者 四鄰域 八鄰域46ppt課件局部平滑的降噪能力分析假設(shè)f(x,y)= f(x,y)+ n(x,y) 其中，f(x,y)為無噪圖象，n(x,y)為均值為0，方差為2的獨立同分布的噪聲圖象。可以得到g(x,y)= =已知E = 0，則Eg（x，y）=E = f(x,y)而Dg（

22、x，y）=D =2/N47ppt課件例：用八鄰域模板處理圖例另外的幾種平滑處理模板： 48ppt課件平滑處理模板的濾波作用例，模板 處理原始圖像 49ppt課件假設(shè)Df表示輸入圖象f(x,y)相鄰象素的灰度最大絕對差； Dg表示處理后圖象g(x,y) 相鄰象素的灰度絕對差， 則上述方程有 平滑處理后相鄰象素灰度差別只會減小不會加大，起到平滑作用。 50ppt課件 原 圖 用模板 及 處理后的兩幅圖 51ppt課件2.2門 限 去 噪如前所述，圖象平滑在去除噪聲的同時，也將圖象本身變模糊。如何區(qū)分開圖象與噪聲，加大對噪聲平滑力度，維持圖象本身不變或少變，是一個感興趣的研究內(nèi)容。以下給出一些處理方

23、法示例。例如一種超限象素平滑（Out range pixel smoothing）方法其它方法: 1) K最近鄰法：與中心象素灰度接近的K個象素灰度求平均。一般，33窗口，K6。 2) 在窗口中劃分子窗口,將方差最小子窗口象素取均值。52ppt課件2.3多幀平均法圖象采集過程中，出現(xiàn)噪聲是不可避免的，特別在采用信噪比較低的傳感器時。在加性噪聲情況下，如果處理靜止場景圖象，則可將多幀圖象進(jìn)行加權(quán)求平均的方法，降低噪聲影響。其運算表達(dá)式為：fi(x,y)為一批靜止圖象，i為幀號，噪聲是隨機(jī)加性g（x，y）是平滑處理的輸出圖象。 平滑后噪聲方差下降M倍，而且，參與平均的圖象愈多，噪聲抑制的效果愈好。

24、53ppt課件2.4 二值圖象平滑 (Bilevel image smoothing)二值圖象是多灰度級圖象分割處理得到僅有“1”和“0”兩個灰度的“目標(biāo)/背景”圖象。分割難免不出錯誤，目標(biāo)區(qū)域可能混入個別的背景象素點或小區(qū)，在目標(biāo)區(qū)圖象出現(xiàn)一些為“0”的單點或空洞；背景區(qū)域也可能出現(xiàn)個別的目標(biāo)象素點或小區(qū)。這些都相當(dāng)于噪聲干擾，會影響后續(xù)的特征提取和識別。二值圖象平滑去噪的典型過程如下：1、 填充單點空洞對原始圖象八鄰域都為“”的中心象素賦“”;2、 收縮象素八鄰域全為“”時，將收縮圖象對應(yīng)象素點位置賦值“”；3、 擴(kuò)張收縮圖象中為“”的像素其對應(yīng)擴(kuò)張圖象位置及其相鄰點象素全賦值為“”。54

25、ppt課件 原 圖 二值圖象平滑 處理后圖55ppt課件 2.6 中值濾波(Median filtering)中值濾波是一種保邊緣的非線性圖象平滑方法,在圖象增強(qiáng)中廣泛應(yīng)用.2.6.1定義和計算方法一維數(shù)據(jù)x1,xn按大小排序,x1x2xn,則 例如：Med( 0 3 4 0 7 ) = 3;均值濾波和中值濾波的處理結(jié)果比較：輸 入： 0 0 8 0 0 2 3 2 0 2 3 2 0 3 5 3 0 3 5 3 0 0 2 3 4 5 5 5 5 5 0 0 0 均值濾波：0 2 2 2 0 1 2 1 1 1 2 1 1 2 3 2 2 2 3 2 1 0 1 3 4 4 5 5 5 3

26、1 0 0 中值濾波: 0 0 0 0 0 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 0 0 2 3 4 5 5 5 5 5 0 0 0 56ppt課件 原 圖 中值濾波 處理后圖57ppt課件2.7 自適應(yīng)加權(quán)平滑空間移不變平滑算子對圖象所有象素作同樣處理，這種與圖象內(nèi)容無關(guān)的操作在平滑掉噪聲的同時，也模糊了物體區(qū)域的邊緣。平滑算子的設(shè)計，實際上是在去噪和保物體圖象邊緣之間的折中，我們希望能根據(jù)圖象局部特性自適應(yīng)調(diào)整圖像平滑強(qiáng)度，使物體區(qū)域內(nèi)部平滑強(qiáng)度大一些，而區(qū)域邊緣處平滑強(qiáng)度小一點，這樣既去除了噪聲，又不致于明顯模糊了邊緣或圖象細(xì)節(jié)。 局部特征統(tǒng)計 圖象輸入 平滑輸出

27、圖象平滑 先驗知識58ppt課件 首先判斷局部處理窗口是否存在邊緣，定義窗口中心像素與鄰域內(nèi)其它點之間的梯度的絕對值的倒數(shù)定義為權(quán)值，則物體區(qū)域內(nèi)部象素權(quán)值大，而處于邊緣附近的象素點權(quán)較小。定義f(x,y)在nn鄰域內(nèi)的梯度倒數(shù)g（x，y；I，j）：59ppt課件自適應(yīng)平滑公式:60ppt課件 原 圖 自適應(yīng)加權(quán)平滑 處理后圖61ppt課件 3邊緣增強(qiáng) (Image Sharpening/Edge Enhancement) 圖象邊緣是圖象的基本特征之一，它包含對人類視覺和機(jī)器識別有價值的物體圖象邊緣信息。邊緣是圖象中特性（如象素灰度、紋理等）分布的不連續(xù)處，圖象周圍特性有階躍變化或屋脊?fàn)钭兓?/p>

28、那些象素集合。圖象邊緣存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、基元與基元的邊界，它標(biāo)示出目標(biāo)物體或基元的實際含量，是圖象識別信息最集中的地方。邊緣增強(qiáng)是要突出圖象邊緣，抑制圖象中非邊緣信息，使圖象輪廓更加清晰。由于邊緣占據(jù)圖象的高頻成分，所以邊緣增強(qiáng)通常屬于高通濾波。62ppt課件 3.1線性濾波方法 如前所述,圖象銳化是要增強(qiáng)圖象頻譜中的高頻部分，就相當(dāng)于從原圖象中減去它的低頻分量，即原始圖象經(jīng)平滑處理后所得的圖象。選擇不同的平滑方法，會有不同的圖象銳化結(jié)果。 或 g（x，y）是輸出圖象。當(dāng)K=1時，上式： 平滑窗口 圖象銳化模板63ppt課件 其它圖象銳化模板64ppt課件 原 圖 用模板 進(jìn)行邊緣

29、增強(qiáng)的處理后圖65ppt課件3.2梯度增強(qiáng) 對于圖象灰度特性，邊緣是灰度梯度較大的地方。定義圖象f（x，y）的梯度為 。對于離散圖像有 梯度定義可簡化為 或簡化為 梯度計算的另一種近似表達(dá)式為Roberts梯度算子，其定義為：66ppt課件3.3 Laplacian算子 拉普拉斯算子定義圖象f（x，y）梯度為： 對于離散圖象： 相當(dāng)于原圖象與模板 卷積 。 Laplacian算子邊緣的方向信息被丟失，對孤立噪聲點的響應(yīng)是階躍邊緣的四倍，對單象素線條的響應(yīng)是階躍邊緣的二倍，對線端和斜向邊緣的響應(yīng)大于垂直或水平邊緣的響應(yīng)。67ppt課件 原 圖 Laplacian算子 處理后圖68ppt課件3.4

30、 Sobel算子Sobel相當(dāng)于先對圖象進(jìn)行加權(quán)平均在做差分, 對于圖象的33窗口 ,設(shè) 則定義sobel算子為: , 也可簡化為 另外模板可寫成 分別與圖像 卷積，然后取絕對值求和， k可取1或2。69ppt課件 原 圖 Sobel算子 處理后圖70ppt課件4圖象增強(qiáng)的頻域處理 (Transform operations)圖象空間域的線性鄰域卷積實際上是圖象經(jīng)過濾波器對信號頻率成分的濾波，這種功能也可以在變換域?qū)崿F(xiàn)，即把原始圖象進(jìn)行正變換，設(shè)計一個濾波器用點操作的方法加工頻譜數(shù)據(jù)（變換系數(shù)），然后在進(jìn)行反變換，即完成處理工作。這里關(guān)鍵在于設(shè)計頻域（變換域）濾波器的傳遞函數(shù)H(u,v)。圖象

31、增強(qiáng)的頻域處理工作流程如下： f(x,y) DFT H（u,v） IDFT g(x,y)71ppt課件 4.1理想濾波器 (Ideal filter) 理想濾波器傳遞函數(shù)在通帶內(nèi)所有頻率分量完全無損地通過，而在阻帶內(nèi)所有頻率分量完全衰減。例如，低通濾波器（LPF）的傳遞函數(shù)為 H(u,v) 0 D0 D(u,v)高通和帶通情況與之類似。理想濾波器有陡峭頻率的截止特性，但會產(chǎn)生振鈴現(xiàn)象使圖象變得模糊。72ppt課件 原 圖 理想低通 理想高通 處理后圖 處理后圖 截止頻率40 截止頻率573ppt課件 4.2梯形濾波(Trapezoidal filter)梯形濾波是傳遞函數(shù)在通帶與阻帶之間呈線性

32、變化，其形狀為梯形的頻域濾波，其中低、高通濾波器如下： H H 1 TLPH THPF 0 0 D0 D1 D(u,v) D1 D0 D(u,v) TLPH:其性能介于理想低通濾波器與完全平滑濾波器之間，對圖象有一定的模糊和振鈴效應(yīng)。74ppt課件4.3 Butterworth濾波 (Butterworth filter)Butterworth濾波是一種非線性濾波,通帶和阻帶之間沒有明顯的不連續(xù)性,其傳遞函數(shù)為： BLPH： n階H(u,v) 1 BHPH： n階0.5 1 2 3傳遞函數(shù)比較平滑，沒有振鈴現(xiàn)象，故圖象的模糊減少75ppt課件 原 圖 Butterworth Butterwor

33、th 低通處理后圖 高通處理后圖76ppt課件4.4指數(shù)濾波(Exponential filter) BLPF： BHPF：n為階數(shù)，D0為截止頻率。當(dāng)n=1時，H在D0降至1/e。ELPF處理引起圖象模糊較Butterworth嚴(yán)重些，但無振鈴現(xiàn)象。77ppt課件5 同態(tài)濾波 （Homomorphic filting）如上節(jié)所述，頻域濾波作為一種圖象增強(qiáng)的工具，可以靈活地解決加性畸變問題。但實際成象中有許多非線性干擾問題，此時，直接用頻域濾波的方法，將無法消減乘性或卷積性噪聲。同態(tài)濾波基本思想是將非線性問題轉(zhuǎn)化成線性問題處理，即先對非線性混雜信號作某種數(shù)學(xué)運算D，變換成加性的，然后用線性濾波

34、方法處理，最后作D1運算，恢復(fù)處理后圖象。同態(tài)濾波處理流程圖如下： f(x,y) D H(u,v) D1 g(x,y) f(x,y) In FFT H(u,v) IFFT exp g(x,y)78ppt課件例如，圖象f(x,y)由照射分量i(x,y)與反射分量r(x,y)乘積構(gòu)成。 f(x,y) = i(x,y) r(x,y) 其中， 0r(x,y)1, 0f(x,y)i(x,y) 首先f（x，y）取對數(shù)， z(x,y) = In f(x,y) = Ini(x,y) + Inr(x,y)；作付氏變換F(z(x,y)= FIn i(x,y)+ FIn r(x,y)； 即Z(u,v) = I(u,

35、v) + R(u,v)79ppt課件設(shè)計濾波器傳遞函數(shù)為H（u，v），則S(u,v) = H(u,v)Z(u,v) = H(u,v)I(u,v) + H(u,v)R(u,v)進(jìn)行反變換s(x,y) = F-1(S(u,v) ，再對s(x,y)取指數(shù)即的得到最終處理結(jié)果： g(x,y) = exp(s(x,y) 其中可設(shè)S(u,v) = KiI(u,v) + KrR(u,v) 其中Ki = 0.5, Kr = 2 相當(dāng)于高通濾波 H(u,v) D(u,v) 同態(tài)濾波傳遞函數(shù)截面圖80ppt課件3.1 引言空域濾波法通過對濾波算子和原始圖像作卷積來實現(xiàn)圖像增強(qiáng)，具有簡單直觀，易于分析的優(yōu)點。OGo

36、rman和Nickerson較早提出采用方向濾波器進(jìn)行指紋圖像增強(qiáng)。他們利用指紋獨特的方向性設(shè)計出相應(yīng)的方向濾波器模板，這種濾波器能夠沿指紋紋線方向?qū)D像進(jìn)行平滑，具有一定的消除噪聲和彌合裂紋的能力，同時能提高指紋脊線和谷線在圖像中的對比度。但是，該方法沒有使用指紋的頻率信息，主要依據(jù)經(jīng)驗來確定濾波器模板，對低質(zhì)量指紋圖像的處理效果較差，具有一定的局限性。 文獻(xiàn)1081ppt課件3.1 引言Greenberg等使用具有結(jié)構(gòu)自適應(yīng)能力的各向異性濾波器對指紋圖像進(jìn)行濾波，能夠在濾除噪聲的同時保護(hù)指紋紋線結(jié)構(gòu)，但是同樣沒有結(jié)合指紋的頻率信息，對指紋紋線變化的適應(yīng)能力有限。 Hong等提出采用具有方向

37、和頻率選擇性的二維Gabor濾波器來增強(qiáng)指紋圖像。他們根據(jù)指紋的方向性將二維Gabor濾波器調(diào)制到各個方向，并根據(jù)指紋的頻率信息來確定濾波器的中心頻率，然后使用所得的Gabor濾波器組對圖像進(jìn)行濾波。該方法較好地結(jié)合了指紋的方向信息和頻率信息，對指紋圖像的增強(qiáng)效果比較顯著。其不足之處在于，容易破壞紋線方向變化劇烈的模式區(qū)域，會在一定程度上改變脊線和谷線的位置及比例關(guān)系，對細(xì)節(jié)特征的保護(hù)能力有限。 文獻(xiàn)1、16、4382ppt課件3.1 引言Lin Hong指紋增強(qiáng)算法流程83ppt課件3.1 引言在Hong等人的研究基礎(chǔ)上，還出現(xiàn)了一些改進(jìn)的Gabor濾波算法。Areekul等將二維Gaobr

38、濾波器分解為兩個相互獨立的一維高斯低通濾波器和一維高斯帶通濾波器進(jìn)行濾波。該算法在運算速度上比原始的Gabor濾波算法大約要快2.6倍。但是，分解得到的兩個一維濾波器的組合并不完全等價于原始的二維Gabor濾波器，在一定程度上削弱了指紋圖像增強(qiáng)效果。Yang等考慮到指紋脊線和谷線寬度通常不等，提出改進(jìn)的Gabor濾波器設(shè)計方法。與傳統(tǒng)的Gabor濾波器相比，改進(jìn)的Gabor濾波器同時引入脊線和谷線的周期作為參數(shù)可實現(xiàn)雙頻率選擇，能夠適應(yīng)指紋脊谷寬度的相對變化。該方法加強(qiáng)了對指紋紋線結(jié)構(gòu)的保護(hù)，但是相應(yīng)提高了計算復(fù)雜度。84ppt課件3.1 引言頻域濾波法通過直接改善圖像的頻譜來實現(xiàn)圖像增強(qiáng)。由

39、于指紋紋線具有較強(qiáng)的等周期性，因此從頻譜上看，指紋圖像的能量通常集中在某個頻率附近，這為在頻域進(jìn)行指紋圖像增強(qiáng)帶來方便。Sherlock等提出了基于頻域的方向濾波算法。首先在頻域定義出一組方向濾波器對指紋圖像的頻譜進(jìn)行濾波處理，每一個方向濾波器在提取出對應(yīng)方向的頻譜信息的同時削弱其它方向的頻譜信息，然后在空域?qū)V波結(jié)果按指紋圖像的方向信息進(jìn)行融合，從而得到完整的增強(qiáng)圖像。該方法利用了圖像的全局信息，對低質(zhì)量指紋圖像也能取得較好的增強(qiáng)效果，但是僅以常數(shù)作為指紋的脊線頻率，沒有考慮頻率的空間變化性，對指紋的紋線結(jié)構(gòu)和細(xì)節(jié)特征具有一定的破壞性。另外，該方法需要對整幅圖像進(jìn)行多次傅立葉變換，存在較多的

40、運算，計算效率還有待提高。 85ppt課件3.1 引言Kamei和Mizoguchi在頻域?qū)D像作方向濾波時進(jìn)一步考慮了指紋的局部頻率信息，并使用貪婪算法以能量最小化的方式對濾波圖像進(jìn)行融合。該方法的最大問題是計算量和存儲量均較大，不利于實際應(yīng)用。Willis和Myers提出了一種快速的頻域增強(qiáng)算法。首先將指紋圖像分成一系列小方塊，并對各圖像子塊分別作傅立葉變換以得到相應(yīng)的頻譜，然后采用求冪的方法直接修改幅度譜值，最后通過傅立葉逆變換得到增強(qiáng)圖像。該方法不需要計算原始指紋圖像的方向和頻率，因此簡單易行，計算量較小，但是在噪聲的影響下會對圖像造成較大的破壞，其合理性還有待進(jìn)一步研究。文獻(xiàn)1886

41、ppt課件3.1 引言Chikkerur等人使用短時傅立葉變換對圖像進(jìn)行頻譜分析和處理。首先利用短時傅立葉變換提取出圖像各個局部區(qū)域的頻譜信息，并根據(jù)頻譜估計出對應(yīng)區(qū)域的紋線方向和頻率，然后構(gòu)造出相應(yīng)的具有方向選擇性的帶通濾波器進(jìn)行濾波處理。該方法能夠同時在空域和頻域?qū)χ讣y圖像進(jìn)行局域化分析，優(yōu)點較為明顯，但是在濾波器設(shè)計上缺乏研究和改進(jìn)，濾波性能一般。此外，在頻域計算指紋紋線方向和頻率易受噪聲干擾，精度較低，影響圖像增強(qiáng)效果。87ppt課件3.1 引言指紋圖像增強(qiáng)的前處理和后處理對展示指紋圖像的增強(qiáng)效果起到關(guān)鍵性作用，是不可或缺的重要環(huán)節(jié)。其中前處理主要是歸一化；后處理則主要是二值化處理。歸

42、一化的主要目的是解決按壓不均勻?qū)Σ杉闹讣y圖像的影響；二值化的主要目的是更好的展示增強(qiáng)的效果，為后面的細(xì)化做好充分的準(zhǔn)備。 88ppt課件3.1 引言圖像增強(qiáng)前后對比89ppt課件3.1.1 基于FFT濾波的指紋圖像預(yù)處理基于快速傅里葉變換（FFT）濾波的指紋預(yù)處理方法的一般思路如下：對指紋圖像的每一個分塊，利用二維FFT將指紋圖像信息的空間表達(dá)變?yōu)轭l域表達(dá)；對此頻域表達(dá)式用一個非線性變換以增強(qiáng)游泳信息相對于噪聲的比重。用反二維快速傅里葉變換（IFFT）將增強(qiáng)后的頻域信息變?yōu)榭臻g信息。90ppt課件3.1.2 濾波的前期處理：指紋圖像歸一化指紋圖像歸一化的目的是使得圖像灰度值達(dá)到一個預(yù)先定義的

43、平均值和方差，增強(qiáng)圖像整體對比度。歸一化處理能夠有效地解決按壓不均勻?qū)Σ杉降闹讣y圖像的影響。歸一化采用如下公式實現(xiàn) 。對于圖像，m和v分別為圖像的灰度均值和方差，為期望的灰度均值和方差。當(dāng)期望的均值和方差均取不同值時，歸一化的程度不同，均值和方差取值越大，歸一化程度越強(qiáng)。對于不同按壓不均勻程度的指紋圖像，通過調(diào)整參數(shù)，就可以達(dá)到消除按壓不均勻?qū)χ讣y圖像的影響的目的。91ppt課件3.2 方向場的計算3.2.1 掩膜法表3-1 8個方向的掩膜掩膜法的主要原理掩膜法的算法步驟92ppt課件3.3.1 Gabor濾波增強(qiáng) Gabor濾波增強(qiáng)使用紋線方向和紋線頻率作為參數(shù)對指紋圖像進(jìn)行增強(qiáng)，是增強(qiáng)算

44、法中最為常見的一種。該算法是基于指紋的數(shù)學(xué)模型，指紋在局部小區(qū)域內(nèi)可以認(rèn)為是一組平行的具有一定頻率的直線，可以順著脊線的方向使用Gabor窗函數(shù)來過濾圖像，使脊線的信息得到加強(qiáng)。由于是順著脊線的方向濾波，在順著脊線方向上有平滑的作用，所以能將一些斷裂的脊線（噪聲）修復(fù)回原來的狀態(tài)，同時由于Gabor濾波器具有良好的頻率選擇性，因此可以在有效去除脊線上噪聲的同時，保持脊線的結(jié)構(gòu)。 93ppt課件3.3.1 Gabor濾波增強(qiáng) 結(jié)合Gabor濾波函數(shù)的時空特性，Jain(1991) 和Hong(1995)采用的是二維Gabor函數(shù)的實部，即： 94ppt課件3.3.1 Gabor濾波增強(qiáng) 其中，

45、95ppt課件3.3.1 Gabor濾波增強(qiáng) 如果我們把上式分解成兩個正交的兩個部分，一個平行另一個垂直于方向 ，如下所示：96ppt課件3.3.1 Gabor濾波增強(qiáng) 第一個因子hx可以被看作為一個一維的Gabor函數(shù)帶通濾波器，第二個因子hy是高斯函數(shù)低通濾波器，并且這兩個因子向量相互正交。其空域、頻域沖擊響應(yīng)可由圖3-4反映圖3-4 Gabor濾波函數(shù)的空頻、域濾波響應(yīng) Gabor濾波的效果： 圖3-5 97ppt課件3.3.1 Gabor濾波增強(qiáng) Hong算法的缺陷： Hong算法假設(shè)指紋圖像的脊和谷的周期交替在其截斷層面上表現(xiàn)為含有噪聲的灰度正弦波信號。但是這種假設(shè)在一些指紋或指紋的

46、一些區(qū)域內(nèi)是不成立的。如圖所示，在某些區(qū)域內(nèi)指紋的脊谷卻不是成不規(guī)則的正弦分布或者直接就不是正弦分布。除此之外， Hong(l998)的文章中，對于濾波器系數(shù)的選取也是與圖像相關(guān)的，在紋理結(jié)構(gòu)不同的區(qū)域增強(qiáng)效果是不一致的。 針對此缺陷，Jianwei Yang等提出了一種改進(jìn)的加博濾波函數(shù)，有效的改進(jìn)了指紋局部紋線成正弦波這種假設(shè)帶來的圖像依賴性，并對加博函數(shù)的包絡(luò)常數(shù)進(jìn)行了分析，設(shè)計了自適應(yīng)的包絡(luò)常數(shù)對照表。 98ppt課件3.3.1 Gabor濾波增強(qiáng) 圖 一幅指紋圖像及其對應(yīng)的脊線和谷線圖譜右上角圖像可粗略的看作正弦波，但左下角不是正弦波返回99ppt課件3.3.1 Gabor濾波增強(qiáng)

47、Gabor濾波增強(qiáng)是利用方向場來進(jìn)行圖像增強(qiáng)方法的一種，但是使用Gabor濾波器進(jìn)行增強(qiáng)，需要計算指紋的方向場和紋線頻率，目前的指紋方向場計算方法受指紋質(zhì)量影響很大，難以準(zhǔn)確的計算低質(zhì)量指紋圖像的方向場。針對這種情況，L.Hong等還利用加博濾波器組將指紋圖像分解為一個濾波圖像集、用分解方法計算圖像方向場的方法。該方法仍能夠較為可靠地計算紋線方向，增強(qiáng)效果較好。但算法相當(dāng)復(fù)雜，時間消耗大，很難用于滿足在線應(yīng)用的需要。 100ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像增強(qiáng)以Gabor濾波函數(shù)為主的增強(qiáng)算法，因為方向參數(shù)和紋線頻率參數(shù)的求取，嚴(yán)重依賴于指紋圖像的質(zhì)量。對中高指紋質(zhì)量的圖像

48、，增強(qiáng)結(jié)果較為理想，但是對于低質(zhì)量指紋圖像處理效果較差，增強(qiáng)效果較差。在現(xiàn)場采集的指紋圖像中，因為采集設(shè)備的固有缺陷，或者人為因素等，大約有10%的指紋圖像質(zhì)量較差，這些指紋或者紋理模糊，紊亂不清，或者連接的脊線被斷開，并行脊線粘連在一起。在這些指紋上，方向場的計算會嚴(yán)重背離指紋的實際情況，從而使得指紋的增強(qiáng)效果差強(qiáng)人意。對于這些低質(zhì)量指紋可以考慮使用基于傅立葉的頻域濾波來對圖像進(jìn)行處理。101ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像增強(qiáng)一個M*N大小的二維離散傅立葉變換和逆變換公式為：102ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像增強(qiáng)(1) 基于傅立葉函數(shù)的濾波流程為

49、：1、通過傅立葉變換(FFT)將圖像轉(zhuǎn)換到頻域2、將圖像頻譜與濾波模板做乘積3、將濾波后的圖像，通過逆傅立葉變換(IFT)轉(zhuǎn)化為空域圖像傅立葉濾波，是圖像在頻域中的濾波，具有一些空域濾波不具備的優(yōu)點。如圖3-7103ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像增強(qiáng)(2) 對傅里葉變換后的圖像分8個方向進(jìn)行濾波指紋圖像局部區(qū)域的脊線方向和傅里葉頻譜緊密相關(guān)。傅里葉頻譜亮點方向與局部脊線方向垂直。如圖3-8。所以，先對頻譜圖像進(jìn)行方向濾波，再做傅里葉逆變換，則能得到指紋圖像在當(dāng)前方向的增強(qiáng)脊線。通常分8個方向進(jìn)行濾波。如圖3-10。104ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像

50、增強(qiáng)(3) 脊線提取與組合、二值化B.Sherlock等人提出根據(jù)原指紋圖像的局部脊線方向，從濾波圖像中提取脊線。這種方法要求精確求取指紋圖像局部脊線的方向，實際中很難做到。根據(jù)圖像局部均值、方差與圖像總體均值、方差的關(guān)系，可以將方差作為閾值，做圖像的二值化處理，將脊線和背景區(qū)分開。如圖3-11。文獻(xiàn)11文獻(xiàn)16105ppt課件3.3.2 基于傅立葉濾波的低質(zhì)量指紋圖像增強(qiáng)頻域濾波的優(yōu)點：1、速度快于空域濾波的速度，頻域濾波利用的是快速傅立葉變換，耗時少，與濾波模板做的乘積運算，明顯快于空域濾波是與濾波模板做卷積。2、增強(qiáng)效果在低質(zhì)量指紋圖像中好于空域處理。這是因為頻域圖像利用的是指紋的全局信

51、息，而不是指紋的局部信息。TeddyKo將常用的頻率濾波器，分為以下幾種：低通濾波器、高通濾波器、帶通濾波器、局域裁減濾波器(a spike-cut filter)和局域增強(qiáng)濾波器(a spike-boost filter)。實驗結(jié)果如圖3-12、圖3-14106ppt課件3.3.3 基于知識的指紋圖像增強(qiáng)方法 基于知識的指紋增強(qiáng)算法。該算法的基本思想是利用計算機(jī)模擬人工做圖像增強(qiáng)的做法。由于指紋圖像有它自身的特點，有可以利用來進(jìn)行圖像增強(qiáng)的兩方面主要的先驗知識：指紋的脊線在一個較小的局部內(nèi)可以用低次(一次或二次)曲線擬合；指紋圖像中脊線和谷線互相交替出現(xiàn)且寬度大致相等?；谥R的圖像增強(qiáng)算法

52、是以規(guī)則的形式表述人們對指紋結(jié)構(gòu)的認(rèn)識(即指紋圖像的兩方面主要的先驗知識)，利用指紋圖像的機(jī)構(gòu)信息來引導(dǎo)圖像增強(qiáng)的過程。 107ppt課件3.3.3 基于知識的指紋圖像增強(qiáng)方法 基于知識的指紋圖像增強(qiáng)包括以下幾步： 簡單脊線結(jié)構(gòu)的處理 進(jìn)一步的局部脊線結(jié)構(gòu)處理 局部脊線的擬合 擬合曲線的延伸 沿擬合曲線的移動 圖像二值化圖3-16圖3-17圖3-18實驗結(jié)果見圖3-19108ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于非線性擴(kuò)散模型的濾波算法將I(i, j)擴(kuò)展為u(i, j, t)， 在物理上u(i, j, t)表示能量在經(jīng)過t時刻后擴(kuò)散的狀態(tài)，構(gòu)造非線性擴(kuò)散方程求解u要使圖像沿著指紋脊線

53、的方向擴(kuò)散，需要構(gòu)造結(jié)構(gòu)張量S來反映圖像局部結(jié)構(gòu)計算S的特征向量w1,2和特征值u1,2，特征值大的特征向量對應(yīng)于垂直于指紋脊線的方向，而特征值小的特征向量對應(yīng)于指紋脊線的方向109ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于非線性擴(kuò)散模型的濾波算法步驟根據(jù)特征向量w2計算點(i, j)的脊線方向O(i, j)，如圖3-21根據(jù)結(jié)構(gòu)張量S構(gòu)造擴(kuò)散張量D，其中D的特征向量與結(jié)構(gòu)張量S一致采用直接顯式法和半隱式法迭代求解u(i, j, t)，此方法時間復(fù)雜度高 非線性濾波的濾波結(jié)果如圖3-22 改進(jìn)的非線性濾波的濾波結(jié)果如圖3-24 性能評估如圖3-253-27，表3-33-5110ppt課件3

54、.3.5 其他指紋圖像增強(qiáng)方法 基于多尺度濾波的指紋增強(qiáng)算法：在指紋增強(qiáng)過程中，由于噪聲的存在，一些小的細(xì)節(jié)可能被噪聲淹沒，而噪聲一般是局部的，在進(jìn)行局部計算時，必須對指紋的全局信息進(jìn)行考慮以確保盡可能少的受噪聲影響。另一方面，由于指紋中各個區(qū)域受噪聲影響的程度不一樣，在指紋增強(qiáng)時不能用同樣的標(biāo)準(zhǔn)去增強(qiáng)指紋。針對上述情況，B.chanda等將多尺度理論引入了指紋增強(qiáng)中。 111ppt課件3.3.5 其他指紋圖像增強(qiáng)方法 尺度空間介紹：多尺度實際上就是用不同尺度的濾波算子對圖像進(jìn)行卷積，常使用高斯函數(shù)的二階導(dǎo)數(shù)-LOG算子。選取LOG算子不是偶然的，那是因為高斯核函數(shù)滿足尺度定理。尺度定理保證了

55、利用高斯核函數(shù)可以隨著尺度的增大，偽邊緣點會被逐步去掉，而不會產(chǎn)生新的偽邊緣點，這樣就可以在粗尺度下檢測邊緣點，然后逐步減少尺度，跟蹤到細(xì)尺度下去給邊緣點準(zhǔn)確定位。112ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于多尺度的指紋增強(qiáng)將I(i, j)擴(kuò)展為L(i, j, t)， 在物理上L(i, j, t)表示不同尺度空間的圖像I(i, j)在尺度空間中隨著尺度不斷增大，小的信號就不再出現(xiàn)，而在大尺度上留下的都是具有全局性的結(jié)構(gòu)。這種由粗到細(xì)，由局部到全局的信號特征描述方式就是尺度空間的因果性準(zhǔn)則。用一系列尺度 對圖像I濾波，定義相鄰兩個尺度的差為圖像細(xì)節(jié)Lk113ppt課件3.3.5 其他指紋

56、圖像增強(qiáng)方法基于多尺度的指紋增強(qiáng)多尺度理論將指紋圖像表示為一系列的圖像，得到不同尺度下的圖像特征，這些特征是全局的。然后根據(jù)圖像的全局特征來增強(qiáng)圖像。114ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于多尺度的指紋增強(qiáng)需要解決的問題：各個尺度如何選?。砍叨刃蛄袘?yīng)該有多長？115ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于多尺度濾波的指紋增強(qiáng)算法流程粗增強(qiáng)計算方向場計算脊線寬度文獻(xiàn)34，實驗結(jié)果如圖3-28文獻(xiàn)43，實驗結(jié)果如圖3-29文獻(xiàn)1，實驗結(jié)果如圖3-32116ppt課件3.3.5 其他指紋圖像增強(qiáng)方法 基于形態(tài)學(xué)的指紋增強(qiáng)算法。形態(tài)學(xué)是生物學(xué)中研究動植物結(jié)構(gòu)的一個分支。用于圖像分析處

57、理時，其基本思想是用一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。數(shù)字形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語言是集合論。它的應(yīng)用可以簡化圖像數(shù)據(jù)，保持他們的基本的形狀特性，并去除不相干的結(jié)構(gòu)。數(shù)字形態(tài)學(xué)的基本運算有四個：腐蝕，膨脹，開啟和閉和。使用這些運算可以推導(dǎo)和組合成各種數(shù)字形態(tài)學(xué)的使用算法。有文獻(xiàn)利用了數(shù)字形態(tài)學(xué)的有關(guān)運算組合來分別處理油、干指紋。 117ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于形態(tài)學(xué)的指紋圖像增強(qiáng)118ppt課件3.3.5 其他指紋圖像增強(qiáng)方法 基于小波的指紋增強(qiáng)算法。小波已經(jīng)覆蓋了各個領(lǐng)域并被廣泛的應(yīng)用于各自應(yīng)用項目中。Lee使用小波變換將一幅指紋圖像分解為幾個方向子圖。在這些子圖中的方向指標(biāo)和一致性指標(biāo)被計算來識別圖像。Ching-Tang Hsieh等也利用小波理論在全局紋理和局部方向多層分析的基礎(chǔ)上，對圖像進(jìn)行了增強(qiáng)，改進(jìn)了指紋脊線結(jié)構(gòu)的清晰程度和連續(xù)程度。 119ppt課件3.3.5 其他指紋圖像增強(qiáng)方法基于DFB(Directional filter bank)理論的指紋增強(qiáng)算法：方向分析在影響實際生活的很多領(lǐng)域(石油勘探、醫(yī)藥、遠(yuǎn)程感知、數(shù)據(jù)分析)中起著很重要的作用。目前方向分析技術(shù)己經(jīng)覆蓋了幾乎全