论文部分内容阅读
指纹识别以其唯一性，终身不变性，不可丢失性等优势成为目前高效、广泛的识别算法之一，是生物特征识别领域的研究热点。但是，由于指纹自动识别系统的性能在很大程度上取决于所采集的指纹图像质量，因而其图像质量的优劣决定了指纹自动识别系统的识别率和运算效率等性能，到目前为止这一问题并没有得到很好解决。
论文以FVC标准指纹库中的劣质采样指纹为研究对象，以Gabor滤波算法、模糊集理论、插值算法等为基础，对劣质采样指纹预处理中的增强环节进行了深入分析和研究，提出了基于Gabor滤波的指纹图像增强改进算法以及基于模糊C-均值和非线性插值的指纹图像增强算法。两种算法均通过实验进行验证，并获得较好的效果。论文的主要研究内容和创新点包括:
1.论文对基于频率域和空间域的指纹图像增强算法进行了分析和总结;对比了Gabor滤波、方向场、模糊集、图像插值等方法的优劣;对图像采样、预处理、细节点提取和指纹匹配等关键问题均做了深入分析;详细讨论了错误拒绝率FRR和错误接受率FAR的阈值变换曲线，以及FAR与FRR之间的关联性。
2.论文对比较优秀且应用广泛的Gabor滤波算法、模糊集算法以及插值算法进行了详细分析。针对二维Gabor滤波算法的缺陷，提出一种基于Gabor滤波的指纹图像增强改进算法。算法采用小波变换的方法对指纹图像进行单层分解，得到水平、垂直和对角三种方向的细节系数;最终采用基于Gabor滤波的算法进行增强和重构。大量实验结果表明，该算法对低质量指纹图像的增强具有较好的效果。
3.论文提出基于模糊C均值和非线性插值的指纹图像增强算法。为有效解决指纹图像对比度不强、非线性失真等问题，算法汲取了模糊C-均值聚类和非线性插值算法的优势。在插值的基础上使用模糊C-均值聚类分割，选取适当的聚类数c和加权指数m，进而确定插值点的坐标和插值公式，从而实现图像增强。采用FVC标准指纹库中的指纹进行实验分析，仿真结果表明，该算法能够有效降低算法复杂度，提高指纹的匹配准确率与效率，可以满足实际应用的需求，为提高指纹识别精确度提供了一种新方法。