指纹图像的二值化处理.docxVIP

指纹图像的二值化处理 指纹作为人体的生理特征，具有渗透性、不确定性和安排性的特点。自古以来，它就被用作身份认证的常用手段。 目前,自动指纹识别技术多采用基于细节特征的匹配算法,而指纹的二值化处理是获取准确、可靠的细节特征信息的关键步骤之一。一般而言,指纹图像二值化处理就是通过设定阈值,将灰度指纹图像变换为0-1表示的黑白图像。二值化方法的实际处理效果直接受二值化阈值的影响,准确、可靠的阈值有助于有效提高细节特征提取结果的准确度,提高自动指纹识别系统的准确率。由于指纹图像的灰度并不均匀,且不同区域之间的分布形态并不完全一致,因此提出了局部自适应动态阈值二值化算法。相比之下,该算法能够根据指纹图像局部区域的灰度分布自动选择合适的阈值,在选择合适的分块大小的情况下(与图像的分辨率有关,本文的分辨率为(500dpi),分块尺寸为8×8),能够取得比较理想的二值化效果。 近年来,信息熵理论被引入图像的二值化处理过程中,用于指导对二值化阈值的选取。由Pun首先提出的基于最大熵原则选取阈值是常用的阈值选择方法之一。张二虎等人提出一种基于熵的图像分割方法,用于图像的分割。吴谨等人提出的基于最大熵的灰度阈值选取方法,用于对图像的二值化处理。周鲜成等人提出了基于微粒群和最大模糊熵的图像分割方法,用于实现对图像的二值化处理。这些方法可以很好的实现对相关图像的二值化处理,取得了较为理想的处理效果。但是,