导读:本文包含了低质量指纹增强论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,指纹识别,Gabor滤波,Matlab,GUI
低质量指纹增强论文文献综述
郭依正,焦蓬蓬[1]（2013）在《Matlab GUI在低质量指纹图像增强中的应用》一文中研究指出低质量指纹通常被定义为模糊、高噪声、低对比度等情况下的指纹。利用人体固有的指纹生理特征来进行个人身份鉴定的指纹识别技术中,图像增强技术是其中一个非常重要的步骤。低质量指纹图像增强效果直接影响低质量指纹图像的识别效果。文中在简介指纹识别过程的基础上,以一种典型的低质量指纹图像增强算法-Gabor滤波增强算法为例,重点阐述了Matlab GUI设计的一般步骤及其在低质量指纹图像增强中的具体实现。对用户开发Matlab GUI应用程序和利用GUI处理图像等相关问题都有一定的借鉴意义。(本文来源于《计算机技术与发展》期刊2013年07期）
张升斌,李吉成,陈小波[2]（2013）在《基于SIFT特征及改进Gabor滤波器的低质量指纹增强算法》一文中研究指出针对指纹增强Gabor滤波过程中指纹纹线方向参数取值不够精确、指纹纹线频率参数求取方法效率不高的缺点,对现场低质量残缺指纹处理过程中的实际需求提出改进,在Gabor滤波器前增加SIFT分析,通过在某种程度上抑制噪声来提高Gabor滤波精度,从而有效地实现对低质量残缺指纹的滤波增强。通过一系列理论分析和实验验证了算法的可行性和适用性。(本文来源于《重庆理工大学学报(自然科学)》期刊2013年02期）
尹丹[3]（2012）在《低质量指纹增强与识别》一文中研究指出当今社会已经步入了信息时代。为了实现较高的安全性，使用更复杂的密码是目前流行的选择，然而，这却给人们的工作和生活带来了很大的不便，指纹识别是进行身份验证时的一种安全又便捷的保密方法，在一些保密领域得到了广泛的应用。目前生物特征识别技术有很多种，自动指纹识别技术是其中应用最广泛的一种。它一般包括指纹图像前期的预处理；中期的特征提取；以及后期的特征匹配叁个主要阶段。其中前期预处理还分为：指纹分割、指纹增强、指纹细化叁个方面。本文重点对指纹增强及特征匹配做了主要研究。在本次设计中为了实现低质量的指纹增强，研究了两种算法，一种是基于Gabor滤波器的指纹图像增强算法，该方法的处理时间较长，但增强效果极佳，空洞，断裂等问题得以解决。另一种是基于方向滤波的指纹图像增强方法，该方法的运算处理速度很快，且去噪能力及空洞，断裂的修复能力也很好。并利用蚁群算法的聚类能力，研究了一种特征匹配的算法。这种算法根据指纹图像的特点，通过对这些特征点进行蚁群聚类，可以有效地对多幅指纹图进行识别。本次设计中，利用MATLAB编程实现了这叁种算法，并比较了处理效果。(本文来源于《哈尔滨工程大学》期刊2012-05-24）
周海徽[4]（2011）在《低质量指纹图像增强与特征提取技术》一文中研究指出目前,指纹识别技术已广泛应用于门禁控制、信息保密、远程认证等领域。这些领域采集到的指纹图像清晰、完整且对比度高。然而,针对作案现场提取的罪犯指纹,指纹通常是不完整的,且纹线的对比度也很低。对于这种低质量的指纹图像,用传统的指纹识别技术处理,很难得到理想的效果。本文以低质量指纹图像为研究对象,对自动指纹识别系统中的关键技术进行了深入研究,主要包括低质量指纹图像的分割、增强和特征提取等技术。主要工作和创新如下:(1)针对传统的基于块和像素点的指纹图像分割算法对低质量指纹图像分割效果不佳,在分割过程中容易产生错误分割导致白块效应和有效区域不能与背景完全分离的缺点,提出了基于Canny算子与形态滤波相结合的低质量指纹分割方法。该方法利用Canny算子求取边缘来完成前景模板的粗分割,然后运用基于数学形态学的形态滤波技术,通过选择合适的结构元素对指纹有效区域进行边缘修正和噪声去除,从而准确地将有效区域和背景区分离,且不会造成指纹有效区域脊线信息的丢失。(2)研究了基于方向滤波和传统Gabor滤波的增强技术,实验结果表明,对于低质量指纹图像,传统Gabor滤波比方向滤波有更好的增强效果。针对传统Gabor滤波中纹线方向参数取值不够精确、纹线频率参数求取方法效率不高的缺点,本文对分块方向图通过不同尺度分块的方向图进行判别改进,获得了相对精确的方向参数;采用了一种新的求取纹线频率的方法,用平均频率代替传统的纹线频率参数,提高了其求取的效率,并采用了一个可以根据局部纹路方向和频率来调整滤波窗口大小和方向的算法对指纹图像进行增强。仿真实验表明,改进的Gabor滤波算法在增强效果和实时性方面优于传统的Gabor滤波。(3)采用自适应二值化技术,对增强后的指纹图像进行局部自适应阈值的二值化处理。对于处理后的二值图像,针对自适应阈值求取过大容易在谷线上产生粘连和阈值求取过小容易在脊线上产生气泡的缺点,提出了根据指纹块方向去除粘连和根据白点邻域填充气泡的去噪算法。对于去噪后的二值图像,采用基于改进的OPTA指纹细化算法,对细化后的单像素脊线指纹图像,选择端点和分叉点作为低质量指纹的细节特征,采用模板匹配法进行特征提取,并对提取的细节特征作去伪处理。实验表明,去噪处理后的二值图像更为清晰,纹线也更加平滑。(本文来源于《国防科学技术大学》期刊2011-03-01）
胡屹[5]（2011）在《低质量指纹图像增强和匹配算法的研究与实现》一文中研究指出指纹识别技术自19世纪进入科学研究领域以来,已发展成为一项较为成熟、应用广泛的生物识别技术。与此同时,指纹识别技术仍然面临挑战。一方面,在实际应用中,仍存在大约10%的低质量指纹严重地影响了现有自动指纹识别系统的识别准确率。另一方面,随着各应用领域对安全性、可靠性和准确性要求的提高,也迫切需求指纹识别技术的进步和完善。因此,从指纹识别技术的长远发展和应用来看,对低质量指纹图像的研究具有重大的意义。自动指纹识别系统主要由指纹预处理、细节点提取和细节点匹配叁个模块构成。本文围绕指纹预处理模块中较为关键的增强算法,以及细节点匹配模块进行深入研究。主要工作与成果包括如下两个部分：1、深入研究了目前具有代表性的指纹增强算法,包括基于方向性的傅里叶域滤波器算法、基于Gabor滤波器的增强算法、基于Poincare值的奇异点区域增强算法等。深入分析了基于Gabor滤波器的增强算法的原理和局限性,在此基础上提出了利用短时傅里叶变换进行频域分析,并结合概率分析的算法来计算Gabor滤波器的两个关键参数——方向和频率。该算法能够同时获得这两个参数的数值,避免了原算法中计算方向和频率时的前后依赖关系以及误差的传播,相比于原算法能够得到更加准确的计算结果。对本文算法进行仿真,并运用于FVC2004的低质量指纹库,可以改善图像的质量,并使得指纹的识别准确率有了较大的改善。本文算法将原算法的平均错误率由12.5%降低至11.5%,降低了8%。2、深入研究了目前具有代表性的基于细节点的指纹匹配算法的原理,并对这些算法进行了归纳和总结。重点分析了基于图论和广度优先搜索的k-plet匹配算法的原理。在此基础上,对该算法进行了仿真,并与NFIS系统中的bozorth匹配算法分别运用于FVC2004低质量指纹库,进行比较。实验结果表明,本文采用的k-plet匹配算法对于低质量指纹具有较高的识别准确率,其平均错误率为12.7%,相比于bozorth匹配算法13.4%的平均错误率降低了5.22%,体现了较大的优越性。(本文来源于《北京邮电大学》期刊2011-01-10）
薛俊韬,刘洁,刘正光[6]（2009）在《边缘模糊的低质量指纹图像增强算法研究》一文中研究指出由于人为和采集环境等条件限制,采集到的指纹图像往往具有较差质量,主要表现在边缘模糊不清。本文采用边缘滤波与Gabor滤波相结合的方法完成了对该类指纹图像的增强处理。实验结果证明,对于边缘模糊的低质量指纹图像,本方法具有更好的增强效果,有利于指纹图像的分类、特征提取和识别等后期研究。(本文来源于《第七届全国信息获取与处理学术会议论文集》期刊2009-08-06）
汪龙峰[7]（2009）在《低质量指纹图像增强与形变指纹匹配的研究》一文中研究指出指纹识别是生物特征识别技术之一,同时也是最理想的一种。为了提高指纹识别的性能和加速指纹识别技术的普及,本文针对低质量指纹图像的增强、小面积指纹的识别和形变指纹的匹配开展了深入的研究。主要工作如下:(1)深入分析了低质量指纹图像的增强,提出了基于Log Gabor滤波的指纹增强方法。Gabor滤波是指纹增强中普遍使用的方法,但是仍存在一定的局限性。本文提出采用Log Gabor滤波器来实现指纹增强,该方法先以纹线方向和纹线频率为参数构造合适的Log Gabor滤波器,然后采用加窗傅里叶变换提取指纹图像的频谱信息,最后在频域进行滤波。实验结果表明所提出的算法能有效改善指纹图像的质量和提高指纹识别的准确性。(2)针对小面积指纹的识别,提出了基于Log Gabor滤波的纹理匹配方法。基于Gabor滤波的纹理匹配方法一定程度上解决了小面积指纹的匹配问题。然而与Gabor滤波相比,Log Gabor滤波器具有更好的纹理分析特性。本文提出了基于Log Gabor滤波的指纹纹理匹配算法,该方法首先采用了一种快速有效的参考点定位方法,在确定特征提取区并进行归一化后,将指纹图像转化到频域,再在频域进行Log Gabor滤波,最后在滤波图像中提取特征并进行匹配。实验表明:该算法比基于Gabor滤波的纹理匹配算法更准确地识别小面积指纹。(3)针对形变指纹的匹配问题,提出了基于曲线坐标系的节点关系表示法及节点匹配方法。对于指纹中的每个节点,建立曲线坐标系,计算每两个节点之间的坐标关系,在此基础上进行节点配对。结果表明,该方法能较好地处理形变指纹的匹配问题。(本文来源于《中南大学》期刊2009-06-30）
太艳荣[8]（2009）在《低质量指纹增强算法研究》一文中研究指出自动指纹识别是较为成熟的一种生物特征识别技术,已被广泛应用于入口控制、人机交互等领域。但随着社会信息化的发展,现有的识别方法已不能满足实际需求。因此,近些年来,许多研究机构都在积极投入指纹识别关键技术的各项研究,来提高自动指纹识别系统的各项性能,从而满足实际需要。指纹增强在指纹图像的识别过程中是尤为重要的一环,如果这部分没有处理好,将很难通过改进后面的细节提取过程而获得好的效果。良好的指纹增强算法是提高系统性能的基础。本文以低质量指纹图像为研究对象,主要针对低质量指纹图像的增强做了深入的研究,主要工作如下:(1)对目前常用的3种指纹图像的增强算法:基于根滤波器、传统Gabor和STFT的增强方法,进行分析和仿真实现,比较各种算法的性能,由于基于STFT的指纹增强方法准确率最高,被选作为后续算法的参照对象。(2)给出了基于STFT和Gabor的低质量指纹图像的增强算法。该算法通过STFT同时获得方向场、频率场等中间参数,再利用在空间域和频率域具有最佳组合特性的Gabor滤波器进行滤波。试验结果表明,与参照算法相比较,本算法具有更好的增强效果和更快的执行速度。(3)构造了方向Gabor滤波器组,把各个方向滤波器分别与指纹图像进行卷积,然后根据STFT获得的方向场进行滤波子图像融合,从而得到增强后的图像。仿真实验结果表明,本算法简单可行,增强效果较好。(4)在低质量指纹增强过程中引入NSCT,该变换对于纹理图像的去噪和增强效果都不错。在指纹增强的预处理阶段加入无下采样Contourlet变换,再进行常规的指纹增强算法。实验结果表明,可以进一步提高指纹图像的增强质量。论文最后实现了一个自动指纹识别演示系统。(本文来源于《西南交通大学》期刊2009-06-01）
向锐[9]（2008）在《面向低质量指纹的图像增强算法研究》一文中研究指出指纹是手指末端正面皮肤上由乳头凸起的摩擦脊线形成的花纹,具有各人各指不同、终身稳定不变的特性。指纹因其蕴涵大量的人身个体信息,而具有很高的人身识别价值。近百年来,人们通过对指纹不懈的研究和探索,逐步对指纹的特征体系有了清晰的认识,并基于此对指纹特征进行了分类,提出了指纹鉴定的科学依据和程序。目前,指纹识别技术已经在现代生物识别技术中占有相当重要的位置。从实用性和可行性角度看,指纹识别技术能够高效、快捷、方便的自动完成指纹的纹形分类、特征提取、图像的存储、检索以及比对、细节特征匹配等一系列工作,具有方便、高效、客观、安全等诸多优点,优于其它生物识别技术,已被认为是一种理想的身份认证技术。从20世纪60年代起,计算机技术进入指纹识别、鉴定领域,英国、美国、法国、日本等计算机发达的国家先后研制出各具特色的指纹自动识别系统,为指纹鉴定开辟了新的途径。目前,计算机指纹识别技术已经在司法、金融安全、数字加密、电子商务等各个领域得到了广泛的应用,在我们未来的生活中发挥越来越重要的作用。近年来,由于数字图象处理学以及硬件技术的迅速发展,指纹识别技术获得相当大的进展,但仍然不能满足社会发展的需要,以指纹识别广泛代替其它识别技术(如印鉴,钥匙,密码,签字)是面向二十一世纪的具有深远意义的课题,有关指纹自动识别技术的研究已成为模式识别、图象处理以及计算机视觉等领域中极为关注的热点。指纹识别技术通常使用指纹的一般特征来进行种类识别,在种类识别的基础上再对指纹的细节特征进行系统性的比较,然后作出是否同一的判断。它一般都由以下模块组成:指纹图像采集模块;指纹图像预处理模块;特征提取模块;特征匹配模块。其中,指纹图像预处理模块又包括:图像质量评估,图像分割、图像增强、细化、二值化等步骤。指纹识别技术中,图像增强技术是其中一个非常重要的步骤。如果指纹图像得不到准确、显着的增强,指纹特征就难以被准确提取。许多学者对指纹图像增强方法进行了探讨,其中,Coetzee等使用Marr-Hildreth边缘算子得到指纹灰度图的脊边缘图,提出了采用卷积模板来进行增强的方法,Randolph等提出了一种使用方向滤波器组来对二值图像来进行增强的方法,Sherlock等提出了采用傅立叶滤波器来增强指纹图像的方法,Hang提出了使用Gabor滤波器的方法来增强指纹图像的方法。事实证明,这些方法用于金融安全、数字加密、电子商务等安保领域都取得了较好的效果。但是,这些方法均为通过对指纹图像进行局域分析来估计指纹方向图,而后对图像进行滤波增强。当系统中输入的指纹源图像质量较低时,其分辨率会大大降低,这些方法难以准确得到局域的方向图估计值,将无法进行有效的滤波增强。实质上,司法领域中所需识别的指纹图像大多遭到严重污染,分辨率较低,因此,现有的图像增强算法大多难以在该领域发挥大的作用。目前,现有的指纹识别技术在处理低质量指纹方面的效能明显较低,难以满足鉴定的需求。这主要是因为,现有指纹识别技术的最关键环节——图像增强技术大多是针对较高质量的指纹图像而设计的,对严重污染分辨率低的低质量指纹图像难以达到理想的增强效果。针对此情况,为增强指纹识别系统处理低质量指纹的能力,在总结相关研究成果的基础上,本文提出了一套新的指纹图像增强算法。该套算法分为叁部分:一是纹理信息放大算法。此算法通过改进局部直方图均衡化算法的累积分布函数而得,其中包含一个非线性的指纹纹理信息放大器,用于放大分辨率低的指纹纹理信息,增强纹线对比度,有助于提高鉴定人员对模糊指纹判别的准确性;二是指纹方向图二步算法。此算法通过改进经典方向图算法而得,可基于指纹纹理放大图获取方向图。此算法在计算脊点方向后再计算谷点方向,因此具备一定的抗噪性能。而且,此算法引入直方图法计算谷点方向,对方向图的平滑滤波进一步提高了方向图的准确性;叁是方向图修正算法,此算法结合指纹纹线特征,通改进经典的块方向图算法而得,可在更大的邻域窗口中计算块方向图。与传统块方向图算法相比,此算法的处理窗口可比其大3至5倍。当指纹图像出现大面积污染时,由于大邻域窗口中信息量大,采用此算法仍有较大可能得出准确的方向图,据此进行滤波,就能得到更加清晰、准确的指纹图像。这些算法修正方向图的能力有了较大的提高。大量实验表明,对于指纹图像中块面积大于7×7个象素的低质量区域,现有的经典指纹图像增强算法是难以进行理想的增强和修复的。本文所述纹理放大算法可修复7×7个象素以下大小的低质量块,二步方向算法可修复9×9个象素以下大小的低质量块,方向修正算法则可修复13×13个象素以下大小的低质量块,相对传统算法而言,其图像增强效能明显提高。由此可见,本文提出的方法具有更好的增强效果,在处理低质量指纹图像时,显示出明显的优越性。本文所述算法虽能够在较大局部窗口内修正方向图,但依然不具备从指纹宏观整体入手修正方向图的能力。因此,对于更大面积的低质量块,本文所述算法仍不能给予理想的修复和增强,需要进一步结合指纹自身的特点,不断扩展算法的处理窗口,使之具备从宏观上修正点方向图的能力。(本文来源于《西南政法大学》期刊2008-04-01）
张明,吴陈,陈楠[10]（2005）在《面向低质量指纹图像的增强算法及应用》一文中研究指出在自动识别系统中,为了消除噪声以提高指纹图象的质量,采用梯度法计算指纹图像的方向图,通过构造一组方向滤波器对指纹图像进行滤波,然后提出了一种针对方向滤波后的指纹图像消除噪声的方法,试验结果表明了该方法的有效性和实用性。(本文来源于《华东船舶工业学院学报(自然科学版)》期刊2005年05期）
低质量指纹增强论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对指纹增强Gabor滤波过程中指纹纹线方向参数取值不够精确、指纹纹线频率参数求取方法效率不高的缺点,对现场低质量残缺指纹处理过程中的实际需求提出改进,在Gabor滤波器前增加SIFT分析,通过在某种程度上抑制噪声来提高Gabor滤波精度,从而有效地实现对低质量残缺指纹的滤波增强。通过一系列理论分析和实验验证了算法的可行性和适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
低质量指纹增强论文参考文献
[1].郭依正,焦蓬蓬.MatlabGUI在低质量指纹图像增强中的应用[J].计算机技术与发展.2013
[2].张升斌,李吉成,陈小波.基于SIFT特征及改进Gabor滤波器的低质量指纹增强算法[J].重庆理工大学学报(自然科学).2013
[3].尹丹.低质量指纹增强与识别[D].哈尔滨工程大学.2012
[4].周海徽.低质量指纹图像增强与特征提取技术[D].国防科学技术大学.2011
[5].胡屹.低质量指纹图像增强和匹配算法的研究与实现[D].北京邮电大学.2011
[6].薛俊韬,刘洁,刘正光.边缘模糊的低质量指纹图像增强算法研究[C].第七届全国信息获取与处理学术会议论文集.2009
[7].汪龙峰.低质量指纹图像增强与形变指纹匹配的研究[D].中南大学.2009
[8].太艳荣.低质量指纹增强算法研究[D].西南交通大学.2009
[9].向锐.面向低质量指纹的图像增强算法研究[D].西南政法大学.2008
[10].张明,吴陈,陈楠.面向低质量指纹图像的增强算法及应用[J].华东船舶工业学院学报(自然科学版).2005