数字图像处理论文指纹图像增强算法

时间：2026-01-19

数字图像处理论文指纹图像增强算法

数

字图像处理论文

数字图像处理论文指纹图像增强算法

指纹图像增强算法

摘要: 指纹图像增强在指纹图像预处理过程中有着非常重要的作用，直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求，为了提高指纹增强算法的综合性能，现提出一种Gabor滤波方法以增强指纹图像并有效消除噪声，并对Gabor滤波器的参数进行量化。该算法能够使图像的质量明显得到增强，方便了后续指纹特征的提取，以提高指纹识别的算法效率和准确率。

关键词: 指纹图像增强 Gabor滤波器

Fingerprint enhancement intensification algorithm research

Abstract : Fingerprint image enhancement process in the fingerprint image pre-processing has a very important role, directly affect the fingerprint recognition rate and recognition speed. General image enhancement algorithm can not meet the requirements of the fingerprint identification system, fingerprint enhancement algorithm to improve the overall performance, are proposed a Gabor filter to enhance the fingerprint image and effectively eliminate noise, and Gabor filter's parameters can be quantified. The algorithm can make the image quality significantly enhanced to facilitate follow-up fingerprint feature extraction, fingerprint recognition algorithm to improve the efficiency and accuracy.

Key words : Fingerprint enhancement intensification

Gabor filter

数字图像处理论文指纹图像增强算法

引言

自动指纹识别是20世纪60年代兴起的，近年来随着计算机和网络技术的飞速发展，指纹识别技术已成为身份验证和生物识别技术中的热点。自动指纹识别系统在过去的3O年里虽然已经取得了很大的发展，但在指纹采集中，由于采集设备本身所带的噪声、指纹本身受污染、手指过湿，手指过干等，往往难以得到清晰的图像，采集的指纹图像不可避免的存在线纹间的粘连和断裂等，严重影响指纹特征值得提取。

为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。

数字图像处理论文指纹图像增强算法

图像增强的背景

很多历史资料由于材质和时间的原因，整幅图片色泽偏暗，亮度范围不足或非线性等因素造成对比度不足，影响观看效果，结合人眼对灰度的感觉，如果相邻两个物体目标灰度相差比较小，超过人眼对灰度差的感知能力，人眼就无法区分这不同的两个物体，从而导致无法看清楚图片，这就需要对图片做出一些处理，使图片的灰度差和整体色泽有所改善，以达到人眼观看的效果。图象处理的原始目的就是改善，使看不清的目标能够看得清楚，因此，对数字图象识别分析的全过程，都要求图像得到改善以适应人的肉眼，为了达到这个目的，除了首先需要去除噪声之外，还需要分辨灰度细节，解决灰度的扩展和图像鲜明化问题。

指纹图像增强算法分类介绍

指纹图像增强算法，大体上可以分为空域增强算法和频域增强算法。空域增强算法是利用一定的规则直接作用于指纹图像的像素值，达到增强的目的。频域增强则是先进行一个变换域操作，然后利用图像的相位、频率及能量等信息进行图像增强。

指纹图像的规格化（频域增强）图像规格化的目的是把图像的平均灰度和对比度调整到一个固定的级别上，

数字图像处理论文指纹图像增强算法

以减少不同指纹图像之间的差异。

令I 代表原始图像在点(I，j)的灰度值，I＇代表规格化后的图（，ij）（，ij）

像在点的灰度值，M和VAR分别代表原始指纹图像的均值和方差， M0和（，ij）

VAR0分别代表期望得到的均值和方差。

则规格化之后的指纹图像在象素点的值 I＇由下式确定：（，ij）（，ij）

I i，j =

M0 I(I,J) MM0

按上式对输入图像进行点运算即可实现图像的规格化处理，运算结果使得图像的灰度均值和方差与预定值一致。