指纹图像质量评估及预处理教程分析.pptVIP

基于Canny边缘检测分割法结果 基于DT网格表示图像的分割法 利用DT网格自适应表示图像原理，在MD和MV两种准则中，我们采用MV准则描述图像。由于得到的网格在形状上更“均匀”，而且表示出的三角形的边界与图像的边缘特征拟合的很好。 MD准则 MV准则 基于DT网格表示图像的分割法 得到MV准则描述下的顶点图，区分指纹图像的前后景区域。 进行顶点密度检测，设置一个9x9的窗，在顶点图上滑动，当落在窗内的顶点个数小于给定的门限时，则去除该点；落在窗内的顶点个数大于给定的门限时，设置该点像素值为255。 逐行找出第一个顶点的位置和最后一个顶点的位置，对应原图像，只保留两点之间的所有象素值，其它位置象素值设为255，即可达到分割目的。 基于DT网格表示图像的分割法结果 基于DT网格表示图像的分割法结果 指纹图像归一化 指纹图像方向图 谢谢各位老师 ！ 指纹图像质量评估及预处理 2007.03.10 主要内容 课题背景 指纹图像质量评估 指纹图像预处理 一、课题背景 指纹识别是生物特征识别中出现最早，应用最为广泛而且技术最为成熟的一种身份识别技术。指纹识别技术一直以来是生物识别技术中的研究热点。然而人们更多的是将研究精力投入到指纹识别的关键技术（指纹图像增强、指纹特征信息的提取、指纹匹配和指纹分类等）研究方向上，对指纹图像的质量评价方法的研究涉及较少。本文所述的是指纹识别技术中的指纹图像质量评估和指纹图像预处理方面的一些研究工作。 在个体身份认证中指纹是最普遍使用的一种生物特征。实际应用中，自动指纹识别系统的性能在相当大的程度上受所采集的指纹图像质量的影响。由于按在传感器上的手指可能是干的、湿的甚至是脏的，使所采集的图像产生模糊、断纹或粘连；另外，传感器采集的图像存在残留和背景噪声问题，这些原因使得图像质量变差。质量差的指纹图像致使系统拒真，导致系统性能下降。所以自动指纹识别系统需要对采集图像的质量进行评估，以使系统可靠地、高效地工作。 自动指纹识别系统 二、指纹图像质量评估 指纹图像质量的自动评价，是近年来发展起来的一种基于计算机人工智能的评测方法。其本质就是让计算机来模拟人的视觉特性的客观测度，利用传统的计算机图像处理方法，从图像的信噪比、灰度分布、有效面积大小、前景图像偏移量等经典的图像质量评测指标入手，再结合指纹图像中指纹脊线的纹理特点，对指纹上的折皱、疤痕、有效的细节特征数目等影响指纹图像质量的因素进行分析，由此定量地得出指纹图像质量评测结果。我们分别从空域和频域对指纹图像的质量做客观地评价。 二、指纹图像质量评估——空域评价指纹图像质量 实际应用中，我们根据专家视觉评测过程给出下面几种不同的测量参数来测度指纹图像的质量，它们是：指纹图像的灰度分布、指纹图像的有效面积、指纹图像中是否存在奇异点。我们先从单个的参数指标对采集到的指纹图像进行测度，然后，对各个参数指标按照测度的不同目的加以不同的权重进而进行综合评价，给出指纹图像的综合质量。 二、指纹图像质量评估——空域评价指纹图像质量 空域评价的参数指标 指纹图像的灰度分布：图像的灰度平均值反应了整幅图像的明暗程度；方差反映出图像前景和背景的对比度。 指纹图像的有效面积：采用方差法预分割出指纹图像前景，计算前景与图像的面积比。 有无奇异点：奇异点分为核心点和三角点，是描述指纹特征的关键特征点。（采用经典的Poincare Index算法） 二、指纹图像质量评估——空域评价指纹图像质量 空域综合评价指纹图像的质量 由于指纹图像所携带信息的复杂性和特殊性，一个参数很难准确评估出图像质量，所以我们需要对量化后的参数指标进行综合评价。根据实际需要对不同的参数设置不同的权值 , 满足0≤ ≤1 (i=1,2…n)且 =1。 用Q表示图像总体质量： 试验数据 a b c d e f 试验结果（一） 灰度均值 灰度方差 有效面积 奇异点 图a 135 1748 82.35% 有 图b 164 538 45.36