基于小波变换在指纹识别中应用研究.docVIP

基于小波变换在指纹识别中应用研究 　　摘 要:本文针对图像处理领域准确提取出指纹纹理的问题,将小波变换应用于图象指纹纹理提取处理。小波变换在用于图像处理时,具有放大、缩小和平移的数学显微镜的功能,能够很方便地产生各种分辨率的图像。同时,由于小波变换可以将图像分层,按小波基展开,我们可以有效地控制计算量,满足实时处理的需要。本文主要运用小波变换以上特点,最后介绍如何使用小波变换提取指纹特征,并构成一个特征向量表征指纹图像。 　　关键词:小波变换 指纹识别 　　中图分类号:TP391 文献标识码:A 文章编号:1672-3791(2011)07(a)-0028-02 　　 　　小波分析其基本数学思想都源于经典的调和分析,小波变换是时间和频率的局域变换,能更加有效的提取信号和分析局部信号。小波变换在用于图像处理时,具有放大、缩小和平移的数学显微镜的功能,能够很方便地产生各种分辨率的图像。同时,由于小波变换可以将图像分层,按小波基展开,可以根据图像信号的性质和事先给定的处理要求确定需要展开到哪一级为止,这样可以有效地控制计算量,满足实时处理的需要。由于小波变换具有以上这些优点,所以在图像处理领域获得了广泛的应用。在指纹识别处理过程中,使用小波变换可以较准确的提取出指纹纹理特征。而且可以通过设定小波展开级数有效的控制计算量,满足实时处理的需要。 　　1 小波理论分析 　　小波实际上是那些满足一定数学要求并能用之描述(或逼近)其他函数或信号的一些函数。小波分析过程就是采用小波原形函数,或称为母波。分析小波对信号进行分析,它是一种信号的时间一尺度(时间一频率)分析方法,具有多分辨率分析(Multiresolution Analysis)的特点,即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率。 　　1.1 连续小波变换[1] 　　所有小波是通过对基本小波进行尺度伸缩和位移得到的,基本小波是一个具有特殊性质的实值函数,它是振荡衰减的,而且通常衰减得很快,在数学上满足积分为零的条件,二维连续小波基函数定义如式(1)所示,其变换和逆变换如式(2)和式(3)所示。 　　1.2 离散小波变换[2～3] 　　在数值计算中,尤其是在计算机上实现时,连续小波必须加以离散化。因此,有必要讨论连续小波和连续小波变换的离散化。 　　整个小波级数展开公式如式(4)所示。 　　二维离散小波变换是横向、纵向两个一维小波变换合成的结果,它需要一个二维尺度函数和三个二维小波,,。每一个都是一维尺度函数和相应的小波函数的乘积。排除产生一维结果的乘积,如,4个留下的乘积产生可分离尺度函数。如式(5)所示。 　　另外也可产生分离的“方向敏感的”小波,如式(6),式(7),式(8)所示。 　　从一幅的图像开始,其中上标指示尺度并且是2的幂。对于,尺度,也就是原图像的尺度。的值每一次增大都使尺度加倍,而使分辨率减半。在变换的每一层次,图像都被分解为4个四分之一大小的图像(尺度的低频部分和三个方向:水平、垂直、对角的高频部分),它们都是由原图与一个小波基图像的内积后,再经过在行和列方向进行2倍的间隔抽样而生成。4个图像分别反映了低频,垂直,水平和对角线信息。对于第一个层次(),可写成式(9),式(10),式(11),式(12)。 　　2 二维小波变换在指纹特征提取中的应用 　　小波变换是一种常用的图像分析手段,并且在纹理识别中有较多的应用。由于指纹纹理结构是二维的,所以使用二维小波变换做纹理分析非常适合。二维小波变换实质上是分别进行横向,纵向,以及对角的一维小波变换。对一幅图像进行完全的小波分解得到一系列的小波系数,小波系数的形状和尺寸与原始图像相同。例如一幅16×16的图像经过三层小波分解,可以得到10块小波分解结果,一共256个系数。我们把这些小波分解系数构成的子图像称为小波分解通道[4]。一共有四种通道,LL,LH,HL,HH。每个通道表征了原始图像不同空间频率和方向下的信息。LL通道代表图像在水平低频和垂直低频下的信息,LH通道代表了图像在水平低频和垂直高频下的信息,HL通道代表了图像在水平高频和垂直低频下的信息,HH通道代表了图像在水平高频和垂直高频下的信息,对指纹图像进行3次二维小波变换分解示意图如图1所示。 　　在用二维小波变换提取指纹特征时,其提取特征的效果与选用的小波基有关。而小波基是滤波器的类型决定的。在考虑系统实时性的同时选用合适的小波基进行二维小波变换,可以较好的提高指纹识别的速度和准确率。（如图1图2） 　　 　　3 基于小波变换的指纹特征提取和编码 　　作为一类特殊的图像,指纹图像具有一些区别于其他图像的特点。 　　(1)指纹图像由交替出现的脊线(ridge)