指紋圖像識別方法及比較分析案例目錄TOC\o"1-3"\h\u167221.1指紋圖像處理方法 1261201.2指紋圖像分割 1268271.3均值方差法 2104431.4Gabor濾波增強 3263371.5指紋圖像的二值化處理 41.1指紋圖像處理方法人們通常會以為對某一件事或東西進行處理之后，稱為過濾或完善，所以指紋映像前處理圖像過程的核心便被稱為了圖像過濾，是因為對圖像進行了很多優(yōu)化與完善處理，即在圖像升級前使用幾種簡單的圖像處理方法來處理圖像。一般采用的前處理方法是：(1)進行各領(lǐng)域的分解，計算指紋圖像的邊界，進行各領(lǐng)域的分解。(2)灰色均衡化：用于消除或縮小同一圖像在不同區(qū)域或不同圖像間的相對差異。(3)計算方向字段：計算指紋圖像的方向字段。這是指紋過濾和提高不可缺少的環(huán)節(jié)。(4)在圖像中，為去除鹽和胡椒、高斯西安及其他雜音，使用簡單的底帶過濾器的底帶過濾器。1.2指紋圖像分割說到該分割技術(shù)，在處理圖像的系統(tǒng)過程中，首先要做的就是對指紋識別圖像的前期分割，因為在整個分割過程中有好幾步驟。該圖像分割技術(shù)有兩個小部分，分別是圖片特定的分割功能和指定的功能套裝。圖片指紋特點為灰色值，鄰里關(guān)系及邊界線的橫向歪曲變化程度等指紋圖片固有屬性。功能套裝是多種組合。抓取新的圖像映射分割技術(shù)，會把原來的圖像存儲在某一個空間區(qū)域內(nèi)，使原來的圖像特征能夠在這個空間區(qū)域內(nèi)顯示特定的方式分布。所以指紋波形圖像的分割處理可以是由區(qū)域的寬度關(guān)系和線條的橫向歪曲變化程度，得知可分割的圖像可由幾個主要范疇組成：微小像素指紋圖像、部分特征指紋圖像及整個全部指紋圖像。基于這種特殊情況，比如基于某些特殊情況，比如指紋不完全。分割全球形象可以手動選擇幾個特定地點，根據(jù)全球特點進行分割，這種方法說實話其實也可以套用指紋的細(xì)化與配對，但是效果可能不是很好，所以就沒有采取行動去應(yīng)用。而且現(xiàn)在的指紋圖像分割還處于初始階段，很少去應(yīng)用這項技術(shù)。1.3均值方差法均值方差法原理是利用不同的方差大小值，比如背景區(qū)小，指紋區(qū)大，正好利用這一點，來實現(xiàn)指紋更清晰的對比度。操作起來就是把整個灰度指紋的灰度圖像全部劃分成一小部分，計算每一小部分的方差。若該部分的方差小于閾值，那么要做為指紋的背景，反之則反。均值方差法的實現(xiàn)流程：將指紋圖像單獨分成n×n個均勻小部分；計算這些均勻部分的的平均值和方差；AVE和VAR表示平均值和方差，可分別通過公式（1.1.1）和（1.1.2）得到。，（1.1.1）（1.1.2）(3)如果計算的分散接近于0，則作為背景，其執(zhí)行的算法是臨界值，而不是0。此算法主要基于以下內(nèi)容來決定背景區(qū)域。被計算出來的分散。使用分散平均方法前，應(yīng)該使用正規(guī)化方法將圖表轉(zhuǎn)換成低頻圖像。正規(guī)化的目的不是為了后續(xù)處理，而是為了提供統(tǒng)一的形象配置，將不同原本的形象對比及灰色調(diào)整到固定的水平。指紋圖像的正規(guī)化公式等于公式（1.1.3），（1.1.4），如果大于平均值，就加起來。（1.1.3）（1.1.4）其中和為期望的灰度均值和方差。1.4Gabor濾波增強過濾特性識別算法：要想表現(xiàn)指紋圖像的特征，需要兩種特征：不變性，旋轉(zhuǎn)不變。尺度也要去滿足不變性。過濾運算法則中的邊位不變性取決于指紋圖像的中心基準(zhǔn)點。圖像的旋轉(zhuǎn)不會變化的特性是在配對階段過程中設(shè)定多重角回轉(zhuǎn)特征矢量來實現(xiàn)的?？臻g的方法是容易看懂的方法，對指紋圖像還有更好的觀察作用，主要有減少噪音強度的減緩化方法，提升邊緣細(xì)節(jié)的鮮明化方法等。整個過程的基本流程如下圖2-3-1所示：濾波灰度值分割二值化細(xì)化濾波灰度值分割二值化細(xì)化圖2-3-1指紋圖像預(yù)處理的主要流程獲得完整的結(jié)構(gòu)信息在已過濾的圖像中，將灰色調(diào)對每一塊區(qū)域的平均數(shù)絕對偏差進行計算，然后獲得矢量或代碼的特點?；谶^濾特性的指紋識別算法需要首先提取指紋圖像，并實現(xiàn)過濾。Gabor濾波器計算公式如下式（1.4.1）所示。（1.4.1）其中：，從而得出圖像的灰度值，其計算公式如下式（1.4.2）所示：（1.4.2）圖像濾波清晰度增強后，如圖3-4-1所示：圖3-4-1濾波增強圖1.5指紋圖像的二值化處理怕一些圖像的質(zhì)量不理想，所以需要過濾、除皺、二值化，以便使指紋的圖像紋路清晰，在這一節(jié)主要講二值化處理的操作，便于指紋進一步的識別。指紋前處理的一部分，即指紋圖像二進制可以改善指紋圖像的處理?，F(xiàn)在變薄的指紋方法差不多都是這樣來操作。這種方法的優(yōu)點是，使得圖像的幾何屬性方面只涉及零和一的位置，這樣像素的灰色值就沒有了影響，處理簡便，可以提高存儲與系統(tǒng)的經(jīng)濟性和實用性。如果處理好了，便會得到一個很好的圖像。但是在此過程中如果出現(xiàn)了一些干擾，比如噪音，則形象質(zhì)量直接下降，影響認(rèn)知精確度。指紋圖片是二進制的，基本要求是二進制圖像后能夠真實再現(xiàn)原始指紋。具體要求事項如下。（1）棱線不顯示間隔。（2）二進制后棱線基本上保持指紋的特性。（3）指紋線上應(yīng)該沒有太多的不連接和連接。（4）指紋線之間的間隔要去掉噪音，首先要將指紋圖像進行過濾，像上面講的gabor濾波，用來增強圖像某些特征點的表現(xiàn)。由于圖像的高深不一樣，整個圖像被分成好多相同的部分，但是這樣會失去很多有用的信息。所以我們使用了二進制的適應(yīng)性臨界值的概念。對于每張指紋圖片，選擇每一張臨界值，都要努力使每一張臨界值所選的像素數(shù)與臨界值所選的像素數(shù)相等?；叶葓D像二值化的變換函數(shù)公式如（1.5.1）表示：（1.5.1）指紋圖像二進制后，線條仍有一定的寬度，指紋認(rèn)識只關(guān)注線條的方向，對其他的特性并不是很在意。細(xì)分的方法不同，細(xì)分的結(jié)果也不同。指紋識別方面，原始指紋圖片的topollogy必須保持不變，微調(diào)結(jié)果必須是嚴(yán)格的8個鄰里形象框架。每一個像素必須連在一起，除了線條的特征。每一個像素有8個相鄰的區(qū)域，如果你擦去像素，線路就會斷開。簡單地說，線程細(xì)分過程需要收集、連接性、拓?fù)?、?xì)分等要求。到今天來說，人們對這個領(lǐng)域研究了很多方法，從使用的觀點來看，大多使用模板法。此方法以特定像素的本地鄰居的圖像特性為基礎(chǔ)。還有類似于邊緣計算和周圍體積計算的改善方法等等[12]。換一種角度想，處理可以分為串行和并列兩種范疇。電子會根據(jù)周圍像素的快速結(jié)果，對圖像進行處理，并在不同的處理階段使用不同的處理方法。另一種方法是像素自始至終都使用同樣的微調(diào)。我們通過對很多的整幅指紋圖像進行分析，在整幅指紋圖像的每個像素灰度測量平均值，并測量對比了整幅指紋圖像的中心邊緣與指紋圖像邊緣中心附近坐標(biāo)處的值，結(jié)果相差很