掌形图像预处理算法的研究

论文摘要

随着信息与网络技术的广泛应用,身份验证已经成为了保证信息与网络安全的一种重要手段。由于传统的身份验证方式存在一些不足,于是生物识别技术应运而生。掌形识别以其采集设备简单、认证速度快而成为继指纹识别之后的又一项生物特征识别方法。掌形图像预处理是掌形识别系统的基础,是进行掌形特征提取和掌形识别不可缺少的重要步骤。在掌形图像处理中,图像中的边缘、细节特征等重要信息常淹没于噪声信号中,给图像的后继处理如边缘检测、图像分割、图像匹配等带来很大的影响。因此对含噪声图像进行适当的预处理是图像处理中的一个重要问题,对于改善图像质量具有重要的意义。本文分析了各种常见的图像预处理去噪方法,并着重研究了其中的均值滤波去噪法、小波阈值去噪法、小波模极大值去噪法、极值中值滤波结合小波变换去噪法。分析了各种边缘检测算子,并用MATLAB进行了掌形图像预处理的仿真。在小波阈值去噪法中,通过多次实验,设定了合适的阈值门限,选定了适合的阈值函数,从而得出了较理想的小波阈值去噪效果。经过深入研究自适应小波模极大值去噪本质,在阈值设置问题上,提出采用改进的自适应阈值,克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点,该方法不仅有效去除噪声,同时保持了图像边缘细节,具有良好的消除噪声的效果。在中值滤波和小波变换的研究中,提出了极值中值滤波结合小波变换的去噪算法,该算法结合了两种算法的优点,有效地去除图像噪声,效果优于单一的小波阈值去噪或极值中值滤波。从各种预处理方法的仿真结果可以看出,自适应小波模极大值预处理方法更适合掌形图像。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 掌形认证技术的发展和研究现状
• 1.2.1 噪声图像模型及噪声特性
• 1.2.2 常用的去噪算法
• 1.2.3 目前的去噪方法中存在的问题
• 1.3 本文的主要研究内容
• 第2章 掌形图像预处理的小波变换算法
• 2.1 小波变换理论
• 2.1.1 多分辨率分析
• 2.1.2 二维小波变换
• 2.2 小波去噪算法流程
• 2.3 小波阈值去噪法
• 2.3.1 阈值的选取方法
• 2.3.2 阈值函数的选取
• 2.4 自适应小波模极大值去噪法
• 2.4.1 信号和噪声的奇异性分析
• 2.4.2 自适应小波模极大值去噪算法原理及步骤
• 2.5 极值中值滤波结合小波变换的去噪方法
• 2.6 本章小结
• 第3章 掌形图像的边缘检测方法
• 3.1 图像边缘检测
• 3.2 边缘检测的方法
• 3.2.1 Roberts 算子
• 3.2.2 Prewitt 算子
• 3.2.3 Sobel 算子
• 3.2.4 Log 算子
• 3.2.5 Canny 算子
• 3.3 本章小结
• 第4章 MATLAB 仿真
• 4.1 程序清单及结果分析
• 4.1.1 均值滤波去噪程序清单
• 4.1.2 小波阈值去噪的程序设计清单
• 4.1.3 自适应小波模极大值去噪的程序设计清单
• 4.1.4 极值中值滤波结合小波变换的去噪程序设计清单
• 4.2 仿真结果分析
• 4.3 用MATLAB 编程时需要注意的问题
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢