指纹图像二值化算法研究.docxVIP

指纹图像二值化算法研究 0 值指纹图像特征提取 指纹技术是目前生物识别技术中应用最广泛的一种。自动指纹识别的关键技术包含指纹预处理, 指纹特征提取, 指纹特征匹配几方面。实际得到广泛应用的指纹特征匹配多是基于指纹细节点特征。指纹细节点特征的提取通常在细化二值指纹图像上进行。图像二值化就是根据一定的规则, 将一幅图像变为只用两阶灰度表示的黑白图像。二值化指纹图像中通常黑像素表示指纹的脊线, 而白像素表示指纹的谷线和背景区。 1 和邻域分析法 指纹图像二值化方法主要有两种:灰度阈值分割法和邻域分析法。目前, 自动指纹识别系统中应用的灰度阈值分割二值化算法根据阈值选取方式的不同可以分为全局固定阈值法和局部自适应动态阈值法。 1.1 值化阈值选择 全局固定阈值法一般根据整幅指纹图像前景区的灰度直方图分布选择一个合适的判断阈值, 对整幅指纹图像进行二值化处理。该算法在指纹图像对比度较好的情况下, 统计直方图的两个峰值比较明显, 能够选择合适的阈值对指纹图像进行二值化处理。但该判定阈值的选择完全依赖于统计直方图, 抵抗噪声干扰的能力较弱。另外, 采集到的指纹图像中心区域和边缘区域的灰度分布一般难以达到一致, 故全局固定阈值二值化算法并不能很好地适应实际处理的要求。 1.2 局部阈值选取 局部自适应动态阈值法是将整幅指纹图像分块, 结合各块图像的自身特点, 为每块图像分别选取不同的阈值, 对各