随着信息社会的迅猛发展,人们对身份认证和识别的准确性、安全性和实用性都提出了更高的要求。指纹图像易于采集、识别准确、民众接受程度高,指纹识别技术是目前世界范围内应用最广泛、市场占有率最高的身份识别方法。迄今为止,众多研究人员与机构对指纹识别技术进行了深入研究,指纹识别性能取得了很大的提高。但是,对于低质量的指纹图像,如刑侦现场采集的潜指纹图像,由于存在噪声干扰大、变形严重及特征不完整等情况,识别精度和效率方面仍然难以满足实际需要。自动指纹识别包括图像采集、图像处理、特征提取和特征匹配等过程。本论文主要针对低质量指纹识别中的两大关键技术:指纹分割和指纹方向场重建的算法进行深入研究,主要工作成果和创新如下:1.研究基于线密度的指纹分割算法。指纹图像分割是将有用的指纹纹理区域和复杂的背景噪声区域分割开来,是有效特征提取和高精度指纹识别的前提。有用的指纹信息是由具有一定流势的脊线和谷线交替的纹理结构特征,根据低质量指纹图像中前景指纹区域纹线密集的特点,本文提出以线密度分布表征指纹信息的一种指纹分割算法。首先采用全变分(Total Variation,TV)模型将指纹图像分解成卡通和纹理部分,然后在纹理图像中搜索线段集,并计算线密度分布图以表达脊线和谷线结构信息,最后计算线密度,通过设定阈值分割指纹区域。该算法在现场指纹图像库NIST SD27中的测试结果表明,基于线密度的分割算法能有效地把有用指纹区域从背景噪声中分割出来,提高指纹分割的准确性。2.研究基于脊线密度和方向一致性的指纹分割算法。考虑到有用指纹区域区别于背景区域,具有脊线密集的特征,同时脊线方向变化小、具有方向一致的特点,本文提出一种脊线密度与方向一致性判断相结合的指纹分割算法。局部全变分(Local Total Variation,LTV)模型提取纹理图像,检测脊线并计算脊线密度和方向一致性,设定阈值选取分值较高的区域为指纹区域。基于现场指纹图像库NIST SD27的实验结果表明,该算法相较于基于线密度的指纹分割方法,能进一步提高分割的准确性。3.研究基于离散余弦基函数的方向场计算模型。指纹方向场是指纹图像的全局特征,用于描述指纹脊线和谷线流势的方向和结构信息,对于指纹增强、特征提取和匹配都有着重要的作用。本文提出了以离散余弦变换(discrete cosine transform,DCT)基函数构造字典元素和稀疏编码的方向场计算模型,该模型实现简单、能够有效抑制噪声,且无需奇异点等先验信息,在低质量指纹图像的方向场重建方面有较好的性能。此外,为了更好地去掉噪声并保留奇异点区域的方向变化,进一步研究提出了一种基于加权DCT的方向场重建模型。首先,将DCT基函数作为字典元素用于对方向场的线性表示;然后,依据奇异点区域的判断确定权重,将高阶和低阶DCT基函数加权组合重建方向场;最后,将加权DCT模型扩展应用到残缺指纹中,逐步迭代到噪声腐蚀和缺损区域,重建指纹方向场。在NIST和FVC指纹图像库的实验结果表明该算法能有效消除噪声的同时又能很好的保留奇异点区域的方向信息,对残缺指纹等低质量指纹方向场重建有很好的效果。4.研究基于多尺度字典学习和稀疏编码的方向场估计模型。多尺度字典学习用于离线超完备字典构建,稀疏编码用于在线方向场估计。在线构建多尺度学习字典,把高质量的指纹图像的方向场的多尺寸方向块用于字典学习;针对纹理图像部分,梯度算法用于方向场的初始化,迭代多尺度稀疏编码模型用于方向场重建,逐步增加方向块的尺寸。其中,小尺寸方向块用于保留方向细节,大尺寸方向块用于抑制噪声、重建残缺指纹方向场。在NIST SD27现场指纹图像库的实验结果表明,基于多尺度字典学习和稀疏编码的算法能有效重建低质量指纹方向场,提高指纹识别准确率。