基于证据理论的指纹图像分割方法课件.ppt

Company Logo LOGO 证据理论简介 指纹识别的优点和流程 图像分割的常见方法 基于D-S证据理论图像分割方法 目录 证据理论简介 发展历史 证据理论是由德普斯特首先提出，并由沙佛进一步发展起来的一种处理不确定性的理论，因此又称为D－S理论。 最早应用 最早应用于专家系统中，具有处理不确定信息能力。 相关名词及公式 先验概率、后验概率、概率分配函数，信任函数及似然函数等 指纹识别的优点与流程 广泛性，指每一个正常人都有指纹。 唯一性，指每一个人的指纹都不同。 终生不变性，指非意外事故指纹终身不变。 指纹采集 质量评估 合格？ 否 图像切割 图像增强 图像二值化 图像细化 是 * 常见不能满足要求的指纹： 图像分割的常见方法 1基于图像的灰度方差特性 采集到的指纹图像可以分为清晰区、有噪声可恢复区、不可恢复区，不同区域的指纹对应的灰度值是不同的，对应的对比度和亮度和指纹脊谷的方差也是不同的，可以通过设计阈值来判断指纹是否合格 2方向图分割法 方向分割方法主要依赖于所求点方向图及块方向图的可靠性，对指纹纹路比较单一，纹线不连续、单一灰度的区域的分割效果较为理想。 A.终结点（Ending）：一条纹路在此终结。 B.分叉点（Bifurcation):一条纹路在此分开成为两条或更多的纹路。 C.分歧点（Ridge Divergence）：两条平行的纹路在此分开。 D.短纹（Short Ridge):一端较短但不至于成为一点的纹路。 一、证据理论的基本公式 基于DS证据理论的图像分割方法 二、分割算法的描述 1） 总体流程图 2） 归一化处理 I(i.j)>Mean 其他 Mean和Var分别是图像灰度的均值和方差，I（i,j）该点对应的灰度值，M0和VAR0是给定的常数。 * 指纹图像归一化前后对照图 3） 双门限分割 由于非指纹区域的特点是灰度值很低，又由于没有峰和谷的变化，导致方差很小。我们可以对M*N的指纹图像多个不相重复的小块来处理，研究发现16*16的图像块大小较为合理。 根据双门限分割阈值T1，T2（经验得到的值）来区分指纹区域和非指纹区域，指纹区域还需要进一步分割。 4）利用D-S证据理论进行分割 指纹区域分为清晰区、噪声区严重区、模糊区，对不同区域分割正确与否对特征提取的精度有着很大影响。 1.等间距量化 在指纹纹理图像中，局部呈现一致的方向性，总体上来看，图像线条是连续的，为了减少计算时间，可以采取对其方向进行量化，采用等距离量化。 2.分类器的介绍 本文采用的分类器为基于方向信息和基于对比度的分类器，焦元分别是指纹清晰（A1）、噪声严重（A2）、模糊（A3）。 1).基于方向信息的信任函数（BPAF）计算如下： 模糊隶属度函数曲线如下： 将他们归一化后分别作为A1，A2，A3的信任函数（BPAF）值。 2）.基于对比度的分类器 3.融合判断 两类分割器结果示例 分割前后指纹对照图 谢谢观赏！ Company Logo LOGO