文献阅读1.docVIP

《数字图像处理》 文献阅读 （基于伪线性方向扩散方程的指纹图像增强） 课程编号： 班级： 064101 姓名： 弓小华 学号： 20101001417 授课教师： 许丽娜 2012 年 12 月 9 日 A、论文提出的是什么问题，或者要解决什么问题？ 指纹图像增强是指纹识别系统中重要的处理环节，图像增强的效果直接影响最终的识别效果．有效的指纹图像增强算法应能够突出和保留固有的特征信息，使纹路更加清晰，同时去除伪结构信息，如脊线上的毛刺等．在指纹图像增强方面，已有不少研究者提出有效的方法。 本文首先对相关扩散方程进行分析讨论，在此基础上提出方向扩散方程．该方法能够更好地沿着纹路方向扩散，实验结果表明新方法优于散度形式的相关扩散方法．接着，在基于方向扩散形式的相关扩散方程基础上，提出伪线性形式的相关扩散方程，和非线性形式的原方程相比伪线性形式的方法速度更快，效果相当．最后给出本文的数值解法和实验结果． B、论文的结论是什么，即问题解决得如何？ 基本原理： 相关扩散方程指纹图像增强 散度形式的相关扩散方程最早是由J．Weickert提出的．它的主要思想是把扩散限制在沿纹路变化方向上进行(如图1中方向)，它可以表示成如下的方程： 在式(1)中，U为图像，div为散度算子，D为2×2的正定二维矩阵，称为扩散张量，可以表示为 它反映图像局部的方向信息，直接与结构张量有关．结构张量定义为 结构张量也反映图像局部的方向信息．但结构张量易受噪声的影响，为了使式(1)中的扩散张量能够更准确地表示局部的方向信息，使扩散方程不受噪声等因素的影响，一般D的两个特征向量取为与矩阵G·g。的特征向量一致．不妨把G·gp的特征向量定义为和，为G·g。较大的特征值对应的方向，是与正交的方向，也是较小的特征值对应的特征方向． 上面G·g，中，g，是一个高斯函数，定义为 为了使扩散方程沿纹路方向扩散，一般把D的两个特征值定义为 在式(7)、式(8)中，为D的两个特征值，为G·g。的两个特征值，满足为一个较小的系数，一般取为??以防止模糊边缘，正值参数口应能使得时 通过以上构造得到的扩散张量D使式(1)沿着纹路方向扩散(如图1中方向)，在不模糊边缘的前提下，较好地修复断裂点． 这种基于散度形式的非线性扩散方程在局部的纹路方向比较一致时，取得了较好的效果．但是当局部的纹路比较复杂时可能会导致纹路信息的丢失．图2(e)反映出经过扩散方程式(1)的扩散操作，原有胡须的方向信息丢失，变成了一块没有方向信息的区域。 为了分析方便，把式(1)改写成方向扩散的形式： 式(9)中，的定义和前面一致，a，、b，、b。、c。为扩散张量各元素的空间导数． 从式(9)不难得到这样的事实，式(1)的扩散结果不仅受到方向扩散的影响，而且第3项也能够影响沿纹路方向的扩散，导致结构的丢失． 上面的结论也可以从下面的反例得到：取单位向量为方向和方向一致，即 这样原来沿着方向的扩散由于相关扩散方程的不足，导致扩散方程变成各向同性扩散，这样很容易使得指纹图像的脊线相互缠绕．为此，本文将式(9)中第3项去掉得到方向扩散形式的扩散方程用于指纹图像的增强，实验结果表明新的方程能够更好的保留结构信息． 结果分析 为了验证本文方法的效果和效率，本文对相关扩散方程(1)、方向扩散方程(10)、伪线性方向扩散方程(12)进行对比实验．效果见图3． 从图3可以发现相关扩散方程在局部方向信息比较复杂时产生虚假的纹路结构(图3(f))．而本文的非线性方法和伪线性方法都能较好地增强图像，而不产生虚假的纹路结构．这说明本文方法对于纹路较复杂的情况具有更好的效果． 在计算效率方面，由于本文方法允许采用较大的时空步长比，效率较高．特别是伪线性算法由于能够大大减少计算量，效率更高．具体如表1所示． 本文的实验环境为P41．7GHz主频CPU，256兆内存，代码由VC++实现．实验图像如图3所示，大小为242×242像素．从计算时间来看，本文的非线性方向扩散方程速度和相关扩散方程基本一致，但是伪线性形式方向扩散方程速度上具有较大的优势，计算效率方面更理想． 为了对比伪线性与非线性方向扩散方程在增强结果上的差异，本文对FVC-2000指纹图像数据库进行增强实验．在实验中本文采用了FVC一2000数据库中质量较差的第4样本库中的若干幅图像，处理结果如图4所示．从结果来看非线性方向扩散方程式(10)能够有效增强图像，而伪线性方法式(12)也取得和非线性方向扩散方程相当的结果．特别是本文方法对指纹图像上存在的断裂能够有效地进行修复，