论文部分内容阅读
指纹因其具有唯一性、普遍性、稳定性以及易采集性,使得指纹特征在众多的生物特征识别中得到了广泛的应用,其中包括刑侦、身份识别等领域。从上世纪九十年代我国开始对指纹识别技术进行研究和应用,发展至今已有将近三十年的历史,取得了很多优秀的成果,特别是针对高质量的指纹图像,已经发展的非常成熟。但是,在实际的指纹采集过程中往往因为手指表面存在缺陷,手指或指纹采集传感器表面存在污渍等原因,会使得采集得到的指纹库中包含脊线模糊、断裂的低质量指纹图像,而且在我国的指纹库中也存在低质量指纹图像,这些低质量指纹图像的存在严重影响指纹识别的准确率。针对这个问题,本文以低质量指纹图像为对象,在指纹识别的系统的预处理阶段、特征提取阶段和识别阶段进行了研究,主要研究工作内容如下:1.在预处理阶段提出一种二维Otsu准则的自适应分数阶微分增强耦合短时傅里叶变换(Short-time Fourier Transform,STFT)的低质量指纹图像增强算法,该算法将对于纹理有较好增强效果的方法和基于纹理特征的针对性增强方法有机结合在一起,以自适应分数阶微分理论为基础,通过引入改进的二维Otsu准则,结合指纹图像的区域特征构造出自适应分数阶微分函数,对低质量指纹图像的边缘和弱纹理进行增强,然后再利用STFT分析指纹图像,根据其方向图、频率图等纹理信息构造频域滤波器对指纹图像进行二次增强。从而有效的解决了低质量指纹图像存在的纹理模糊和纹线不连续的问题。将本文方法与Gabor滤波增强方法和单独使用STFT滤波增强方法相比,结果表明:利用本文提出的方法处理后得到的增强结果更加符合纹线的走势,对低质量指纹图像存在的模糊和纹线不连接问题可以准确有效的解决。并使用局部自适应阈值方法处理得到二值化图像,然后使用改进的OPTA(One-Pass Thinning Algorithm)细化算法处理得到细化指纹图像,为后续的特征提取做准备。2.在特征提取阶段研究分析了目前特征提取的方法,并使用了模板匹配法对经过预处理的指纹图像进行细节点(端点和分叉点)特征的提取。使用删除模板和保留模板遍历整幅指纹图像的所有像素点,提取得到所有满足条件的细节特征点(包含伪特征点),然后对提取得到的所有的细节特征点进行去伪处理,为后续的指纹识别提供可靠、有效的细节特征点信息。3.在识别阶段提出一种基于高斯模糊化征点图的卷积神经网络识别方法。将经过特征提取处理后得到的只包含特征点(端点和分叉点)的指纹图像进行高斯模糊化处理,以降低指纹图像纹理特征,突出强调其特征点以及特征点之间的相互关系。并且经过高斯模糊化处理后,使其对旋转和平移具有较高的容忍性。使用相同的数据与基于随机森林算法的识别结果相比有明显优势,以高斯模糊化特征点图作为卷积神经网络(Convolutional Neural Networks,CNN)的输入,对其进行识别,得到了理想的识别结果,识别率可以达到98.75%。