系统的实现与测试.doc

本科毕业设计（论文） 题 目 指纹增强算法的研究 中值滤波抑制噪声算法虽然比均值滤波算法略微复杂，但是对画面清晰度的保持方面却比均值滤波好很多，对椒盐噪声的滤波效果更明显。 3.2 频率域增强法 3.2.1 频率域增强法的理论知识 频率域增强法首先将图像从空间域按照某种变换模型（如傅里叶变换或其他变换等）变换到频率域，然后在频域对图像进行处理，再将其反变换到空间域。 频率域增强法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波法，可去掉图像中的噪声；采用高通滤波法，可增强边缘、线条细节等高频信号，使模糊的图片变得清晰。 由于图像中的边缘、线条等细节部分与图像频谱中的高频分量相对应，在频域中用高通滤波器处理，能够使图像的边缘或线条变得清晰，图像得到锐化。高通滤波器衰减傅里叶变换中的低频分量，使傅里叶变换中的高频信息通过。因此，采用高通滤波的方法让高频分量顺利通过，低频分量受到抑制，就可以增强高频的成分。 在频域中实现高通滤波的数学表达式为： (3.3) 式（3.3）中，为原图像的傅里叶频谱；为锐化后图像的傅里叶频谱；为滤波器的频率响应。对高通滤波器而言，通高频，阻低频。文中介绍四种常用的高通滤波器[10]。 （1）理想高通滤波器 二维理想高通滤波器的传递函数定义为： (3.4) 式（3.4）中，为频率平面上从原点算起的截止距离，称为截止频率，是频率平面点到频率平面原点的距离。 （2）巴特沃斯高通滤波器 阶巴特沃斯高通滤波器（BHPF）的传递函数定义为： (3.5) 式（3.5）中，为截止频率；为点到频率平面原点的距离。当时，下降到最大值的1/2。当选择截止频率，要求使该点处的下降到最大值的为条件时，可用式（3.6）实现 (3.6) （3）指数型高通滤波器 指数型高通滤波器（EHPF）的传递函数定义为 (3.7) 式（3.7）中，为截止频率；变量控制着从原点起的距离函数的增长率。当时，可采用下式 (3.8) 它使在截止频率时等于最大值的。 （4）梯形高通滤波器 梯形高通滤波器（FHPF）的传递函数定义为 (3.9) 式（3.9）中，为截止频率；为0截止频率，频率低于的频率全部衰减。通常为了实现方便，并不是在半径上来使用为最大值的，条件是可以是任意的，只要它小于，满足即可。 采用的频域增强法是利用频域高通滤波器对指纹图像进行增强，首先为测试图像加入噪声，随后建立三种高通滤波器的模型：巴特沃斯高通滤波器、指数高通滤波器和梯形高通滤波器。模型的建立依靠上文中的滤波器的传递函数来实现。 3.2.2 频率域增强法的优缺点 在频域中利用高通滤波器处理图像，抑制低频分量，增强高频成分，能使图像的边缘和线条等细节变得清晰。但对噪声并不能很好地去除，虽然边缘和线条等细节得到突出，但是得到的图像还会受到噪声的影响。 3.3本章小结 本章节主要介绍了传统的指纹图像增强方法。在稍微介绍指纹图像增强的概念和内容之后，重点介绍了空间域增强法与频率域增强法，其中包括方法的原理、算法实现以及分析两者的优缺点。 空间域法中主要是用到了均值滤波和中值滤波这两种方法，均值滤波法算法简单，计算速度快，但对椒盐噪声的滤波效果不是很理想。中值滤波法算法虽然比前者略微复杂，但对画面清晰度的保持要好很多，对椒盐噪声的滤波效果较好。 频率域法中主要使用频域高通滤波器对指纹图像进行增强，介绍了理想高通滤波器、巴特沃斯高通滤波器、指数型高通滤波器和梯形高通滤波器这四种高通滤波器的建立。 第四章 Gabor滤波法应用于指纹增强 4.1 Gabor滤波法较传统方法的优越性 上一章节介绍的空间域和频率域的增强方法，这两种方法存在着共同的特点：利用了指纹图像是一种规律的纹理图像，无论在频率域还是在空间域中都呈现很强规律性的特点。大多数增强算法都是基于指纹图像的这种规律的纹理特征来设计滤波器的。指纹图像在空间域以及频率域有着各异的特点，对于指纹方向连续性较好的区域，空间域算法操作简单，性能优良，能很好地增强指纹图像，但是在指纹方向剧烈变化的区域，指纹方向不能很好地满足空间域滤波器的需要。频率域滤波器不够直观，比如用二维傅里叶变换法对图像进行增强，分成16个方向进行滤波，速度虽然很快，但在滤波过程中假设的频率是常量，会导致处理过程中准确性下降。 由于指纹图像在其脊线梯度方向上有很好的频域特性，与Gab