论文部分内容阅读
随着生物识别技术的发展,自动指纹识别系统得到了广泛的应用。现有的自动指纹识别系统最主要的问题是:系统非常依赖于指纹图像的质量,低质量的指纹图像会造成特征的丢失或者虚假特征的生成,从而降低了系统整体的性能。因此,许多国内外专家学者对其进行了大量的研究,但其中大多数方法只对指纹图像的灰度特征进行了分析,并没有涉及指纹图像特有的细节点等纹理特征,对指纹图像质量的定义也停留在简单的打分机制上。本论文根据指纹图像特有的纹理特征以及现有指纹识别系统的整体架构,设计了新的指纹图像质量评价体系,包括指纹图像恢复与增强,图像特征可信度分析和图像质量分类三个部分。采用了指纹图像质量分析后,原有的自动指纹识别系统的误识率显著降低,极大地提高了系统识别的准确性。本论文的主要创新点有:
1.论文提出了新的指纹图像质量评价标准:根据样本的可识别度来定义指纹图像的质量级别,指纹图像的可识别度越高,指纹图像的质量级别也就越高。论文将指纹图像质量的评价问题归结为一个样本分类问题,将指纹图像质量分为四个等级。
2.针对部分可以准确识别但灰度偏低及对比度不强的指纹图像,本文设计了新的图像增强算法,提出了改进的Gabor滤波技术和指纹脊线方向提取算法,实验表明新算法对指纹图像有很好的增强效果,进而提高了指纹图像质量评价的准确性。
3.为了建立图像纹理特征与可识别度间的关系,本文选取了新的指纹图像纹理特征,包括图像的全局质量特征,局部纹理清晰度特征以及细节点的可信度特征,同时提出了细节点可信度的评价标准。并且利用训练后的人工神经网络分类器对FVC多个指纹数据库进行了分类实验,结果显示新算法表现了良好的稳定性和有效性。随着图像质量等级的提高,自动指纹识别系统表现出了更加准确的匹配效果。