文档介绍：医学图像处理
课程设计报告书
设计名称:
题目:
学生姓名:
专业:
班别:
组员:
指导老师:
日期: 年月日
摘要
自动指纹识别系统涉及图像处理、模式识别、计算机和传感器等多种技术,是随着人们对指纹识别需求的不断增加而产生的,对它的研究可以追溯到20世纪60年代初期。指纹识别算法是自动指纹识别系统的核心和关键,本文以指纹识别算法为重点进行研究,提供了一种新型纹理基础自动指纹鉴别系统。并在算法研究的基础上实际构建了一个自动指纹识别系统。该指纹图像鉴别通过比较待测试图像与数据库中模板图像相关特征点的欧式距离来实现。包括以下几个步骤:
图形预处理,采用的是短时傅里叶变换(STFT )增强图形,滤除噪声,增强脊和谷的对比度,短时傅里叶变换的特点是能够保留指纹图像的大部分信息,对于质量较好的图像几乎不产生伪细节点。
随后在感兴趣区提取一系列不变距特征点,作为纹理特征,它包括七个不变距特征点。
通过matlab软件编程,调试程序。
关键词:指纹识别,短时傅里叶变换,纹理特征,欧式距离,matlab2007a
图形预处理算法:
图像增强
使用短时距傅里叶变换(STFT)
短时距傅里叶变换(英文:short-time Fourier transform, STFT,又称short-term Fourier transform)是和傅里叶变换相关的一种数学变换关系,用以决定时变信号其局部段落之弦波成份的频率与相位。
简单来说,在连续时间的例子,一个函数可以先乘上仅在一段时间不为零的窗函数(window function)再进行一维的傅里叶变换。再将这个窗函数沿着时间轴挪移,所得到一系列的傅里叶变换结果排开则成为二维表象。数学上,这样的操作可写为:
其中w(t)是窗函数,通常是翰氏窗函数(Hann window)或高斯函数的“丘型”分布,中心点在零,而x(t)是待变换的信号。X(τ,ω)本质上是x(t)w(t −τ)的傅里叶变换,乃一个复函数代表了信号在时间与频率上的强度与相位。
增强图像,可以过滤噪音,增强脊和谷的对比度
计算方向图
计算方向图:在原始灰度指纹图像中计算每一点(或每一块)在各个方向上的某个统计量(如灰度差、梯度等),根据这些统计量在各个方向上的差异,确定该点(该块)的方向。
方向图描述了指纹图像中每一像素点所在脊线或谷线在该点的切线方向,作为一种可直接从源灰度图像中得到的有用信息,它的计算一直是指纹识别技术中必不可少的一步。
方向图也可以看作是原始指纹源图像的一种变换表示方法,即用纹线上某点的方向来表示该纹线的方向。一般有两种方向图:一种是点方向图,表示原始指纹图像中每一像素点脊线的方向;另一种是块方向图,表示原始指纹图像中某点区域所有元素的平均方向。
二值化
二值化是将灰度指纹图像转换为黑白图像,进一步减小数据量,方便后续处理。
图像的二值运算相对简单,只要设定相应的阈值,对于小于阈值的点,其灰度值为0,
否则灰度值为1,使一个灰度图像变成二值图像,图像在强度层次上从原始的256色降为2色。常用的二值化算法包括固定阈值法,自适应阈值法以及局部自适应二值法。图像二值化后,随后的处理就会比较容易。
第一,根据指纹的脊线和谷线等宽的假设,再结合局部灰度分布的考察,可以得到具有自适应性的自动门限。自适应阈值的选取方法是先找到该点的法向方向,在理想情况下,法向上的平均值即可作为阈值。然而考虑到噪声的影响,故应该去掉最大、最小值后点的平均值再加上一修正值作为阈值。
计算公式如下:
其中:R为法向上去掉最大、最小点后的平均值;T为最大、最小点的平均值;为修正值;W为阈值。阈值选定后,即可对该点进行二值化,逐点依次处理即可。
第二,在指纹图像中,考虑同一区域的像元应具有相近的连续变化的灰度,根据“灰度变化平稳”这一假设邻元灰度的变化来进一步确认像元素隶属前景和背景的程度,可以很好地排除不清晰指纹在自动门限附近的分割不一致性。
细化注释
在提取指纹特征点之前的最后一道工序是“细化”。细化是在不影响原图的拓扑连接关系下,将脊的宽度降为单个像素宽度的处理过程。一个好的细化方法是保持原有脊的连续性,降低由于人为因素所造成的影响。人为因素主要有毛刺和短脊线2这些都造成提取出来的特征中有很多的伪特征。细化方法的优点是减少内存空间,它只需要存储图像中必需的结构信息Q这样,在对图像的处理中能简化数据结构。
找到原图像的骨架,通常采用模板匹配方法,)神经网络等细化方法。
提取指纹特征点算法如下:
特征提取用一个3*3的模板来检测特征点的位置与类型,M是