基于复数小波的指纹图像去噪增强方法

论文摘要

指纹识别系统的性能很大程度上依赖于采集的指纹图像的质量,而采集到的图像不同程度上存在缺陷,因此需要对指纹图像进行预处理。针对由于指纹图像油墨不均等现象,在原始灰度图像上不能保证脊方向估计的正确性,本文提出不依赖于指纹方向图的基于复数小波变换的去噪增强方法。本文对传统OTSU算法进行改进,和遗传算法一起应用于指纹图像分割中。通过与OTSU算法和PCNN算法比较,实验结果表明该方法很好的保留指纹细节信息,而且好于传统方法需要先进行背景分离再进行图像分割的效果。用Donoho、Bayes、GCV和SURE四种经典去噪门限以及软硬门限、基于上下文模型和基于双变量收缩函数三种去噪模型在离散小波、双树实数小波和双树复数小波域中对指纹图像进行去噪处理,实验结果表明基于双树复数小波变换的双变量收缩函数去噪方法在去噪和运算时间上整体效果最好。针对目前的多尺度增强方法中一般很难实现抑制噪声和突显细节有效均衡的问题,在双变量收缩函数去噪方法的基础上提出了一种基于层间层内相关性的双变量收缩函数,利用复数小波平移不变性和方向选择性的优势,有效的区分噪声和指纹图像边缘。实验结果表明,该方法较双变量收缩函数去噪方法在PSNR值上又提高了0.3~ 0.5dB。本文还提出了一个自适应选择增强函数,来增强指纹图像中较弱的细节部分并保护原图像中的清晰边缘不产生失真。实验结果表明增强后的图像质量有了显著的提高。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景和研究意义
• 1.1.1 生物识别技术
• 1.1.2 指纹识别技术
• 1.2 研究现状
• 1.3 主要内容及章节安排
• 第二章 基于遗传算法的指纹图像分割
• 2.1 指纹识别的基础
• 2.1.1 指纹识别基本流程
• 2.1.2 指纹图像预处理
• 2.2 指纹图像规格化
• 2.3 基于遗传算法的指纹图像分割
• 2.3.1 遗传算法的基本原理
• 2.3.2 本文采用的指纹图像分割方法
• 2.3.3 基于遗传算法的指纹图像分割方案设计
• 2.3.4 实验结果及分析
• 2.4 本章小结
• 第三章 复数小波变换理论
• 3.1 引言
• 3.2 复数小波变换
• 3.2.1 双树复数小波变换性质特点
• 3.2.2 一维双树复数小波变换原理
• 3.2.3 二维双树复数小波变换原理
• 3.2.4 二维双树复数小波的方向性
• 3.2.5 平移不变性滤波器设计
• 3.3 本章小结
• 第四章 基于复数小波变换的指纹图像去噪算法
• 4.1 引言
• 4.2 基于复数小波变换的图像去噪原理和去噪流程
• 4.2.1 基于复数小波变换的图像去噪原理
• 4.2.2 基于复数小波变换的图像去噪流程
• 4.3 图像去噪方法
• 4.3.1 去噪门限选择
• 4.3.2 图像去噪模型
• 4.4 实验结果与分析
• 4.4.1 实验数据结果
• 4.4.2 实验结果分析
• 4.5 本章小结
• 第五章 基于复数小波变换的指纹图像增强算法
• 5.1 引言
• 5.2 图像增强的方法
• 5.2.1 空域增强方法
• 5.2.2 频域增强方法
• 5.2.3 数学形态学方法
• 5.3 指纹图像增强方法
• 5.3.1 传统的指纹图像增强方法
• 5.3.2 Gabor 滤波器增强方法
• 5.3.3 基于小波域去噪增强方法
• 5.4 基于双树复数小波变换的指纹图像去噪增强算法
• 5.4.1 改进的双变量收缩函数去噪增强算法
• 5.4.2 实验结果及分析
• 5.5 本章小结
• 第六章 总结和展望
• [参考文献]
• 攻读硕士期间发表论文目录
• 致谢