基于不可分小波變換的指紋增強(qiáng).pdf

1、指紋作為生物特征，既是用于個人識別的最古老的模式，也是當(dāng)今最普遍使用的方式。隨著指紋認(rèn)證系統(tǒng)（FVS）日趨成熟，它已成為最流行也最可靠的生物特征識別技術(shù)。指紋圖像增強(qiáng)是指紋認(rèn)證系統(tǒng)中十分重要的一步。
　　 對于低質(zhì)量的圖像，指紋圖像增強(qiáng)是必須的。指紋圖像增強(qiáng)的目的是提高脊線和谷線結(jié)構(gòu)的清晰度，避免生成偽特征，從而確保特征提取的準(zhǔn)確性和可依賴性。因此，近年來，它引起了人們廣泛的關(guān)注。指紋的特征提取和匹配算法的性能非常依賴于輸入指紋

2、圖像的質(zhì)量，而指紋圖像的“質(zhì)量”卻不能客觀的衡量；它大致與指紋圖像的脊線結(jié)構(gòu)的清晰度相一致。一幅高質(zhì)量的指紋圖像有高對比度及明確界定的脊線和谷線。而低質(zhì)量的指紋圖像則有低對比度及脊線間的不清界限。
　　 在這篇論文中，我們提出了一種基于不可分小波變換的指紋增強(qiáng)新方法。我們的方法能產(chǎn)生脊線和谷線間的高對比度。我們先使用不可分小波變換分解指紋圖像，不可分小波變換能有效地分解指紋圖像，獲得小波系數(shù)。然后，依據(jù)圖像的幾何特征，用自適應(yīng)方

3、法來修改這些系數(shù)來減少噪聲并增加脊線和谷線間的對比度。之后，我們用逆小波變換來映射該結(jié)果。我們用一個二維中濾波器減少噪聲保留邊界，來展示我們的結(jié)果。與以前的其他方法比較，該方法具有較好的增強(qiáng)效果。與傳統(tǒng)的小波變換相比，我們的研究表明，由不可分小波變換生成的三個高頻的子圖像能提取更多的高頻信息，不再過分關(guān)注于這三個特別的方向。不可分小波是濾波器組中的一種，它的特點(diǎn)是捕獲所有方向的奇異性。它還擁有傳統(tǒng)小波所有的多分辨率分析和低計(jì)算復(fù)雜度的能

4、力。這樣，與可分離的小波變換相比，不可分小波變換的高頻子圖能顯示更為可取的特征。
　　 我們提出的方法應(yīng)用于對比度增強(qiáng)，對比度增強(qiáng)是圖像處理，模式識別和計(jì)算機(jī)視覺中基本課題中的一個。特別是在同質(zhì)區(qū)，這個對比度能被限制，從而避免放大出現(xiàn)在圖像中的任何噪聲。對比度增強(qiáng)方法分為間接方法和直接方法。間接方法用于修改既沒有效率也沒有效益的直方圖，因?yàn)樗鼉H拉伸全局分布的強(qiáng)度。直接方法用于定義對比的測量方法，并用它來增強(qiáng)對比度。直接方法比間接

5、方法有更好的性能。
　　 我們的結(jié)果與其他增強(qiáng)方法作對比，如直方圖均衡化（HE），輪廓增強(qiáng)，Gabor 濾波，短時傅里葉變換（STFT）分析及可分離小波變換等。當(dāng)在圖像中有高強(qiáng)度分布時，直方圖均衡化不能很好的工作，因?yàn)樵趫D像中頻率較低的強(qiáng)度值會丟失。比較基于小波與基于輪廓變換的對比度增強(qiáng)，要考慮兩個參數(shù)：平滑度和細(xì)節(jié)增強(qiáng)。當(dāng)增強(qiáng)后需要平滑的圖像時，小波變換更好。當(dāng)使用基于短時傅里葉變換分析和Gabor 濾波的指紋增強(qiáng)時，僅在空間

6、域或在頻域有一些分析的優(yōu)勢及劣勢。我們知道，指紋圖像增強(qiáng)在二值脊線圖或直接灰度圖中操作。二值化將產(chǎn)生更多的偽細(xì)節(jié)點(diǎn)結(jié)構(gòu)并失去某些有價值的原始圖像信息。因此，我們的增強(qiáng)算法直接作用于灰度圖像。我們使用由一維小波變換濾波器組產(chǎn)生的二維可分離濾波器組，在結(jié)果中我們比較可分離小波變換和不可分小波變換。盡管一維小波變換濾波器組證明是支持緊湊的，但它卻僅提取三個方向（如水平、垂直、對角）的奇異性。
　　 實(shí)驗(yàn)結(jié)果表明，我們提出的算法能增強(qiáng)脊