亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

面向圖像質(zhì)量的指紋識別方法

文檔序號:6466026閱讀:274來源:國知局
專利名稱:面向圖像質(zhì)量的指紋識別方法
技術(shù)領(lǐng)域
發(fā)明涉及一種指紋識別方法,尤其涉及一種面向圖像質(zhì)量的指紋識別方法。
背景技術(shù)
目前在自動指紋識別技術(shù)中,圖像質(zhì)量的好壞是影響識別性能的一個重要因素。在現(xiàn)有 的指紋識別處理方法中,通常是通過獲取指紋圖像的細節(jié)點來進行匹配,但這種方法對于質(zhì) 量較差的圖像,性能下降明顯。而其它一些識別方法,如基于紋線的和基于紋理的識別方法 雖然對質(zhì)量較差的圖像有一定的效果,但對于質(zhì)量較好的圖像,不僅性能提高不大,而且占 用的資源和時間復雜度相對較大。因此,迫切需要一種區(qū)分圖像質(zhì)量的指紋識別方法,既保 證達到一定的識別準確率,又能夠較大限度的節(jié)省資源。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有指紋識別方法對理想和非理想指紋圖像兼顧性不好的缺點 而提出的一種面向圖像質(zhì)量的指紋識別方法。它是一種基于圖像質(zhì)量判斷的處理方法,將指 紋圖像分為質(zhì)量較好、質(zhì)量較差兩種類型,進而采用不同的識別算法進行指紋識別。
為實現(xiàn)上述目的,本發(fā)明采用如下技術(shù)方案-
(1) 讀取的采集的指紋圖像g (x, y),其中g(shù) (x, y)為像素點(x, y)的灰度值;
(2) 對指紋圖像進行質(zhì)量特征提取,分別提取梯度一致性2p頻譜特征0F、灰度標準 差&共三個特征;
(3) 采用SVM支持向量機分類器對指紋圖像的質(zhì)量進行學習和分類,將其確定為已定義 的兩種質(zhì)量類型;
(4) 對質(zhì)量較好、質(zhì)量較差兩種指紋,分別采用基于細節(jié)點的匹配算法和基于紋理的匹 配算法完成識別。
所述步驟(2)中,三個特征分別從不同的方面反映了質(zhì)量的好壞,具體計算如下,
", r是前景塊的總數(shù),A為分塊圖像中一個塊的梯度一致性,其計算公式為
f =(力,一 )22)2+4^2,其中,ju, jl2,jM為梯度向量協(xié)方差矩陣J中的元素。若圖像分塊大小為b*b,則塊中所有V個點的梯度向量協(xié)方差矩陣J = /ll 力2 721 力2,V為分塊圖像的大小,s為該塊中的點,B為該塊中所有像素點的集合,gs為點s的梯度向量,g 為梯度向量的轉(zhuǎn)置;最終整幅圖像的質(zhì)量特征為所有塊的梯度一致性的均值。1 ro+4^"S, ,4 S』ia^的計算公式為 W°-4 ,其中, ffC"",*C, 為能量強度函數(shù),1為環(huán)(ro^《r《ro+4)內(nèi)像素點的數(shù)目,而iq^)l反映了傅里葉變換后的頻域圖像中點(",v)處的能量強度,IG(—I構(gòu)成了頻域的強度 譜。設(shè)g(Jc,力表示大小為WxiV的數(shù)字圖像中坐標為O,力像素點的灰度值,則g(;c,力的離散傅立葉變換(DFT) G(",V)定義為,AM AM<formula>formula see original document page 5</formula>仏通過對頻譜圖像中亮環(huán)帶的能量進行計算,并用其大小來表示質(zhì)量的好壞。込的計算公式為 ,其中,^-J^rl!!^":^)—g(")"為分塊圖像中第個k塊的標準差,gOc,力為像素點(^,>0的灰度值,g(A)是第個k塊灰度均值,W為分塊圖像的塊邊長。a通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質(zhì)量。所述步驟(4)中,所采用的基于細節(jié)點的匹配算法和基于紋理的匹配算法都為經(jīng)典的算法。本發(fā)明處理方法中分塊圖像的塊大小為8X8。本發(fā)明的有益效果由于上述的處理方法綜合指紋圖像空間域、頻率域等多方面的特征,可以很好地區(qū)分指紋圖像質(zhì)量,從而使得基于細節(jié)點的匹配算法和基于紋理的匹配算法具有
更好的適應(yīng)性。


圖1為本發(fā)明的識別方法流程圖。
具體實施例方式
下面結(jié)合附圖與實施例對本發(fā)明做進一步說明。
圖l中, 一種面向圖像質(zhì)量的指紋識別方法,它的步驟為-
(1) 讀取的采集的指紋圖像g (x, y),其中g(shù) (x, y)為像素點(x, y)的灰度值;
(2) 對指紋圖像進行質(zhì)量特征提取,分別提取梯度一致性2^、頻譜特征0F、灰度標準
差j2i共三個特征;
(3) 步驟(2)中提取出的三個特征指標形成三維特征向量,作為支持向量機的輸入向 量;采用SVM支持向量機分類器對指紋圖像的質(zhì)量進行學習和分類,將其確定為已定義的兩 種質(zhì)量類型;
(4) 對質(zhì)量較好、質(zhì)量較差兩種指紋,分別采用基于細節(jié)點的匹配算法和基于紋理的匹 配算法完成識別。
所述步驟(2)中,三個特征分別從不同的方面反映了質(zhì)量的好壞,具體計算如下, 1 ;
r '=1, r是前景塊的總數(shù)(這里r=40) , it為分塊圖像中一個塊的梯度一致性,
其計算公式為"(力',一 A)2,,其中,j21,j22為梯度向量協(xié)方差矩陣J中的元
C/n+_/22)
素。塊中所有點的梯度向量協(xié)方差矩陣/ = g,gf s
圖像的大小,s為該塊中的點,B為該塊中所有像素點的集合,gs為點s的梯度向量,g為 梯度向量的轉(zhuǎn)置;最終整幅圖像的質(zhì)量特征為所有塊的梯度一致性的均值。
0F的計算公式為 r=/"°-4,其中, ffC>(".*Cr 為能量強度函數(shù),
^~為環(huán)(r0-4 <= r <= r0+4)內(nèi)像素點的數(shù)目),而
7ll 力2 力l 乂22
,這里b、64,即分塊JV-1W—i ^-I G("力1= !2^(g(w) co(2;r < ",力("v) > /+ sin(—2;r < "力(",v) > / A/))2 IG(u,v)l反映了傅里葉變換后的頻域圖像中點(",v)處的能量強度,IG(u,"l構(gòu)成了頻域的強度 譜。設(shè)g0c,力表示大小為ATxW的數(shù)字圖像中坐標為O;,力像素點的灰度值,則g(x,力的離散傅立葉變換(DFT) G(m,v)定義為, i w-i"(",v) 一乙乙g(f產(chǎn)jc=0 "0w)(cos62^〈(a力(^ v) > /AO+ysin^^^x^X^ v) > / iV)) gf通過對頻譜圖像中亮環(huán)帶的能量進行計算,并用其大小來表示質(zhì)量的好壞。1 wg,的計算公式為 4二7Di;(g"力-g(")2為分塊圖像中第個k塊的標準差,g(x,力為像素點(x,:V)的灰度值,g(A:)是第個k塊灰度均值,巧為分塊圖像的塊邊長(這里^=8)。 &通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質(zhì)量。所述步驟(4)中,所采用的基于細節(jié)點的匹配算法和基于紋理的匹配算法都為經(jīng)典的算法。
權(quán)利要求
1.一種面向圖像質(zhì)量的指紋識別方法,其特征是,它的步驟為(1)讀取采集的指紋圖像g(x,y),其中g(shù)(x,y)為像素點(x,y)的灰度值;(2)對指紋圖像進行質(zhì)量特征提取,分別提取梯度一致性QT、頻譜特征QF、灰度標準差Qs共三個特征;(3)采用SVM支持向量機分類器對指紋圖像的質(zhì)量進行學習和分類,將其確定為質(zhì)量較好或質(zhì)量較差兩種質(zhì)量類型;(4)對質(zhì)量較好、質(zhì)量較差兩種指紋,分別采用基于細節(jié)點的匹配算法和基于紋理的匹配算法完成識別。
2. 如權(quán)利要求1所述的面向圖像質(zhì)量的指紋識別方法,其特征是,所述步驟(2)中,三 個特征分別從不同的方面反映了質(zhì)量的好壞,具體計算如下,"'=1,r是前景塊的總數(shù),A:為分塊圖像中一個塊的梯度一致性,其計算公式為 f =""2)2+,,其中,J; jl2, J21, J22為梯度向量協(xié)方差矩陣J中的元素;若圖像分塊大小為b*b,則塊中所有62個點的梯度向量協(xié)方差矩陣,其中b2為分塊圖像的大小,s為該塊中的點,B為該塊中所<formula>formula see original document page 2</formula>有像素點的集合,gs為點S的梯度向量,gj"為梯度向量的轉(zhuǎn)置;最終整幅圖像的質(zhì)量特征為 所有塊的梯度一致性的均值;<formula>formula see original document page 2</formula>仏的計算公式為 <formula>formula see original document page 2</formula>為能量強度函數(shù),1為環(huán)(r<r4<=r<=r0+4)內(nèi)像素點的數(shù)目,而IG(一l反映了傅里葉變換后的頻域圖像中點(",v)處的能量強度,|G( ,V) l構(gòu)成了頻域的強度 譜;設(shè)g"力表示大小為ATxW的數(shù)字圖像中坐標為(:c,力像素點的灰度值,則g(:c,力的離散傅立葉變換v)定義為,<formula>formula see original document page 3</formula>2F通過對頻譜圖像中亮環(huán)帶的能量進行計算,并用其大小來表示質(zhì)量的好壞; 込的計算公式為 ,其中<formula>formula see original document page 3</formula>(A^為分塊圖像中第個k塊的標準差,g(;c,力為<formula>formula see original document page 3</formula>像素點(x,7)的灰度值,g(k)是第個k塊灰度均值,W為分塊圖像的塊邊長;a通過對所有的分塊圖像的標準差求均值來表示整幅圖像的質(zhì)量。
3.如權(quán)利要求1所述的面向圖像質(zhì)量的指紋識別方法,其特征是,所述步驟(4)中,所 采用的基于細節(jié)點的匹配算法和基于紋理的匹配算法都為經(jīng)典的算法。
全文摘要
本發(fā)明公開了一種面向圖像質(zhì)量的指紋識別方法。它解決現(xiàn)了有指紋識別方法對理想和非理想指紋圖像兼顧性不好的缺點,其方法為(1)讀取的采集的指紋圖像g(x,y),其中g(shù)(x,y)為像素點(x,y)的灰度值;(2)對指紋圖像進行質(zhì)量特征提取,分別提取梯度一致性Q<sub>T</sub>、頻譜特征Q<sub>F</sub>、灰度標準差Q<sub>s</sub>共三個特征;(3)采用SVM支持向量機分類器對指紋圖像的質(zhì)量進行學習和分類,將其確定為已定義的兩種質(zhì)量類型;(4)對質(zhì)量較好、質(zhì)量較差兩種指紋,分別采用基于細節(jié)點的匹配算法和基于紋理的匹配算法完成識別。
文檔編號G06K9/64GK101303728SQ20081013811
公開日2008年11月12日 申請日期2008年7月1日 優(yōu)先權(quán)日2008年7月1日
發(fā)明者任春曉, 尹義龍, 宇 張, 楊公平, 詹小四, 駱功慶 申請人:山東大學
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1