一、参照法修复指纹图像中的断裂线条(论文文献综述)
马炜明[1](2021)在《基于偏微分方程的低质量指纹复原的研究》文中研究指明随着社会信息安全的高速发展,生物信息被广泛的关注,而指纹由于它的唯一性、普遍性、永久性、可靠性等特点成为了应用最广泛的生物信息,但是在实际应用中,尤其是在一些刑事案件中,指纹信息的采集由于受到设备和环境的影响,再加上人体手指潮湿、脱皮、油污、静电等原因,使提取的一部分指纹图像往往是模糊、脊线断裂、背景复杂的低质量指纹图像。这种低质量指纹图像会降低指纹识别系统的识别率甚至在一些刑事案件的判定中导致冤假错案;大多数低质量指纹图像含有较多的伪特征点和潜在特征点,但现有的低质量指纹图像处理方法对潜在特征点的修复效果不佳,所以低质量的指纹图像的复原已经成为一个亟待解决的现实性问题,这个难题的解决将不仅提高指纹识别设备的准确率,更对司法界的指纹比对具有重大的意义。本文针对低质量指纹信息的噪声大,断裂点多的特点,对传统低质量指纹图像处理方法进行了改进,将低质量指纹图像在传统预处理算法的基础上加入了改进的偏微分方程修复模型,即将指纹图像先进性去噪然后修复,既降低了复杂背景对修复算法造成的干扰,又提高了修复准确性。其主要工作成果和创新如下:1.根据本文的研究目的研究和优化传统的指纹预处理算法;针对低质量指纹的特点,使用传统指纹预处理算法中分割算法、Gabor增强算法和二值化算法对低质量指纹图像进行处理,将传统预处理算法中的细化算法剔除,旨在降低低质量指纹图像的背景噪音,减小修复算法的难度,提高修复后的准确性。2.学习传统的偏微分方程模型,将三种经典的偏微分方程修复模型BSBC修复模型、TV修复模型、CDD修复模型进行复现,经过对比选出CDD修复模型为本课题的基础算法,并在经典的CDD修复引入了一个指数因子和自适应正提升参数,经过实验对比,改进的CDD修复算法不仅继承了经典CDD算法的优点,还降低了算法难度。3.根据传统偏微分方程在修复指纹纹理会产生纹理模糊的缺点,将改进后的CDD修复模型和Starck等人提出的MCA修复模型进行融合和改进,经过验证,本文最终的算法不仅解决了经典偏微分方程图像修复模型对纹理区域修复产生的虚假的现象,又克服了原MCA修复模型无法满足连通性的缺点。4.指纹图像处理软件的实现,主要采用VS2013、QT5.9和OPencv3.0作为开发工具,将改进后的指纹预处理算法和指纹图像修复算法应用到系统中,实现了对低质量指纹图像的快速复原处理。
张玮华[2](2014)在《太阳能电池硅片缺陷自动检测分类方法研究》文中研究说明太阳能电池硅片的质量是影响电池片转换效率以及电池组件发电效率的一个关键因素,因此对太阳能电池硅片的质量检测在生产和实验中显得尤为重要。常用的太阳能电池硅片有单晶硅片和多晶硅片,硅片在生产过程中受诸多因素的影响,或多或少地存在一些缺陷。多晶硅片常见的缺陷有边缘不纯、高不纯度、位错缺陷,单晶硅片常见的缺陷有漩涡缺陷。硅片缺陷的存在会极大地降低电池片的发电效率,减少电池组件的使用寿命,甚至影响光伏发电系统的稳定性。目前在实际生产实验中,大都是采用太阳能电池片电致发光缺陷检测,以人眼观察或者自动检测的方法进行检测。由于人眼观察的方法具有很强的主观性,并且人眼容易疲劳,大大降低了检测的可靠性和效率。另外,由于电致发光缺陷检测是针对电池片进行的检测,不能够检测生产过程中硅片、扩散片等过程片的缺陷,这样就提高了生产成本,降低了生产效率;并且电致发光检测技术是接触式检测,会给电池片带来不同程度的损伤。因此,一种能在生产过程中可以针对太阳能电池硅片缺陷的非接触式高效准确的自动检测方法是非常有价值的。本文以数字图像处理技术作为基础,对太阳能电池硅片光致发光缺陷检测分类方法进行了相关研究,并且提出了硅片缺陷的自动检测分类方法。本文的工作主要包括以下部分:1.首先对光致发光图像预处理,包括图像去噪、增强、边缘检测、直线检测、图像旋转,目标硅片自动分割。2.然后利用高斯曲线拟合多晶硅片图像灰度曲线方法计算分割阈值并分割缺陷,提取缺陷的面积比例与分布特征;对于单晶硅片,利用高斯曲线拟合图像中抽样像素的灰度和值曲线,提取拟合标准差;通过频域滤波结合二值化方法提取高频图像中高强度部分面积比;在高频二值化图像细化后,提取霍夫变换检测圆结果;得到漩涡缺陷的三个特征。3.最后构造出缺陷检测分类树模型,实现缺陷的检测分类,对多晶硅片的三种缺陷采用排除法依次检测。并且基于C#完成系统软件各个功能模块的设计编写与整合。在实际应用中完成系统软件的测试,结果显示缺陷的检测分类准确率可以达到95%以上,证明本文方法的正确性与系统软件设计的合理性。本文提出一种在太阳能电池片生产中,对多晶硅片和单晶硅片进行非接触式自动化缺陷检测分类的方法,并且实现了软件的设计编写。实验证明本文的方法高效准确,有着很大的应用前景。
闫欣[3](2011)在《低质量指纹图像评价与划痕检测及修复研究》文中研究表明生物特征识别技术采用人体生理特征进行个人身份认证。在当今计算机与信息技术高速发展的社会中,生物特征识别技术可以满足人们对身份认证的准确性和安全性要求,已逐渐成为广泛的、有效的身份认证技术,其中自动指纹识别技术已成为生物特征识别技术中最成熟、使用最广泛的技术,自动指纹识别技术具有准确率高,可靠性高,成本低等优势。由于指纹库中存在一定数量的低质量指纹图像,导致自动指纹识别系统的可靠性大大降低。为了提高自动指纹识别系统的性能,本文针对指纹库中低质量指纹图像的综合质量评估、划痕检测及修复做出了较深入的研究。主要包括以下内容:(1)通过结合空域和频域的多种质量评估指标,研究了指纹质量的综合评估问题。空域质量评估指标主要反映指纹局部纹线结构特征信息,包括指纹图像的有效面积,偏移度,干湿程度,脊线连续性和清晰度四个方面的评价;频域评估指标主要反映指纹图像的脊谷结构信息,通过图像熵信息评估质量。根据各个质量指标的评估结果,提示存在的质量问题和改进方法。文中针对常见的低质量指纹图像类型,选择了五种质量指标,同时为实现质量的整体综合评估,采用了非线性融合加权方法,综合空域评估和频域评估可以较准确的区分出差质量指纹图像。实验表明,通过本文方法分别拒绝指纹库FVC2004 DB1A、DB2A、DB4A中10%差质量指纹后,指纹识别系统的稳定性均能够大幅提高。(2)针对低质量指纹图像中划痕的检测与修复问题,本文提出了基于细节点信息的检测与修复方法,具有较高的准确性和实时性,在划痕的检测与修复过程中,较少产生新的伪细节点或伪特征结构。基于细节点信息不仅能对划痕的位置进行有效的检测,突破了划痕方向和形状的局限,而且还能对细化图像中因划痕产生的伪特征结构和断裂脊线进行修复。根据划痕处产生的断裂脊线的长度和方向的偏转度大小可以将划痕分成三类,对不同类型断裂脊线的伪细节点进行分类修复,较近距离且断裂脊线的方向偏转小的断裂点采用区域脊线生长法和一次曲线拟合连接,较远距离或较近距离且断裂脊线的方向偏转较大的断裂点则结合了参照法和跟踪法,可以准确的修复划痕处的断裂脊线,且不产生新的伪特征结构。此外,本文还采用了脊线跟踪法对其它两种常见的伪特征结构进行了检测与修复。实验结果表明,该算法能准确地检测并有效地修复指纹图像中划痕产生的伪特征结构和断裂脊线,有利于提高自动指纹识别系统的性能。
曹麟[4](2009)在《指纹识别的算法研究及其硬件建模》文中提出由于指纹具有唯一性和不变性的特征,以及指纹识别技术的可行性和实用性,指纹识别已经成为当前最流行、最方便、最可靠的个人身份认证技术之一。随着科技的不断进步,人们对指纹识别系统的性能也提出了更高的要求,准确、快速的指纹识别系统始终是一个研究的热点问题。指纹识别的预处理、后处理和匹配算法及其ASIC实现方法在很大程度上决定了指纹识别系统的性能。本文从这几个方面出发,重点研究了指纹图像预处理算法和后处理算法及其ASIC实现,并且提出了一种新的指纹识别匹配算法。论文主要完成了以下工作:第一,论文研究了常用的指纹图像预处理算法,在综合考虑了图像处理效果和硬件成本后选择了以Gaber滤波为基础的预处理算法作为本文的图像增强方法。用C语言对预处理算法进行了浮点和定点模拟,并用verilog对该算法进行了硬件建模。第二,论文研究了常用的指纹图像后处理算法,对后处理算法中的细化算法和去除毛刺、小孔、小桥、短线和断线的方法进行了分析。用C语言对后处理算法进行了浮点和定点模拟,并用verilog对该算法进行了硬件建模。第三,论文深入研究了基于中心点的匹配算法,在此基础上提出了一种基于旋转角度的匹配算法。该算法具有存储量小,匹配速度较快的优点。本文对整个系统的性能用标准指纹库和自建指纹库进行了浮点和定点测试,并用verilog对预处理和后处理算法进行了行为级建模,具有较高的应用价值。
闫志锋[5](2008)在《指纹识别匹配算法研究》文中研究表明随着科技的进步,生物识别技术日益受到人们的关注。指纹识别是最重要的生物识别技术之一,不仅已在司法领域取得巨大成功,而且开始广泛涉足民用领域,在现代社会中发挥着重要作用。指纹识别系统涉及图像处理、模式识别、计算机、传感器等多项技术。在过去的几十年间,指纹识别技术取得了飞速的发展。匹配算法在指纹识别系统中占据重要地位。匹配算法的好坏,直接关系到匹配结果的准确度。目前,关于匹配算法的研究很多,并且已经提出了一些成功的算法,诸如基于特征点的匹配、基于图像的匹配等。在这些算法中,图像的质量必须满足一定的条件。也就是说图像质量不能太差,能够提供足够的特征信息用于匹配。以基于特征点的匹配算法为例,该算法要求指纹图像中的特征点数目必须达到一定的数目,否则无法进行匹配。然而,在实际应用中,有时我们又不得不处理质量较差的图像。例如,在刑侦领域,指纹是一项重要的证据,但采集到的指纹往往是模糊不清、存在形变或者只是很小的一部分图像。同时,外伤也会引起指纹的局部改变。要处理这些特殊情况下的图像,就对匹配算法提出了新的挑战。基于此类问题,本文提出的两种新的匹配算法。本文首先简要介绍指纹识别系统,然后重点研究了匹配算法。论文除了分析目前常用的几种匹配算法外,仔细阐述了自己提出的两套匹配算法:点线结合的指纹匹配算法和基于四特征点拓扑结构的指纹匹配算法。点线结合的指纹匹配算法将特征点与其所在脊线紧密关联,以脊线为匹配的基本单元。基于四特征点拓扑结构的匹配算法以四个特征点构成的拓扑结构为基本匹配单元,充分考虑了特征点间的相互关系。实验证明,新的匹配算法均具有很好的抗噪能力。
彭刚,王明江,闫志锋[6](2008)在《一种处理指纹识别中短线和断线的新算法》文中研究说明指纹图像因设备输入,图像增强不恰当处理等原因造成的纹线断裂,从而会产生伪特征点,对指纹识别率产生影响。文章主要研究了基于细节点的脊线跟踪技术在细化二值指纹图像后处理中的应用,设计了一种双向搜索算法来处理短线和断线,实验表明该算法能在很大程度上避免短线的误删和断线的误连。
周莉[7](2007)在《指纹图像质量评测和修复算法研究及应用》文中指出随着计算机与信息处理技术的飞速发展,指纹识别技术以方便易用、高准确率和低成本等诸多优势备受关注,已经成为身份认证的最有效手段,在电子商务、犯罪识别、信息安全等领域得到广泛的应用。因此,对自动指纹识别的研究具有重要的学术意义和实用价值。自动指纹识别系统是集光电技术、图像处理、计算机及网络、数据库技术、模式识别技术等于一体的综合性系统,一般包括指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。在指纹图像的采集过程中,由于种种原因使得采集到的图像质量好坏不一,而多数自动指纹识别系统并不包含图像的质量评测,使得质量差的图像在预处理之后效果不明显,造成较高拒识率。因此,本文对指纹图像采集和指纹图像处理中的一些问题进行了研究,其中重点讨论了指纹图像质量的评测和修复问题以及在线指纹识别系统的应用。主要研究工作概括如下:1.提出一种实用的指纹图像综合评测的算法。该方法主要由粗评测和细评测组成,分别给出了粗评测和细评测的参数指标。在指纹登记阶段,采取粗评测和细评测相结合的方法,保证了指纹模板的可靠性;在指纹识别阶段,仅进行指纹图像的粗评测,以提高指纹识别速度。2.提出一种基于MLP的指纹图像分类修复算法。该算法在分析各种伪特征结构特点的基础之上,采用MLP(Multilayer Perceptrons,多层感知器)神经网络将产生伪特征点的几种结构分成三类,即简单型(5种结构)、断裂型(1种结构)和交叉连接型(3种结构),针对不同的类型采用不同的修复方法。从自建的指纹数据库中取500幅图像对本文研究的修复算法进行验证,实验证明,该算法能全面修复上述三种类型共9种结构。3.将指纹识别技术成功地应用于养老金发放在线指纹识别系统中。阐述了系统的应用背景、系统的功能和结构以及系统的实现,利用Visual C++6.0和SQL Server 2000数据库建立了17个试点单位所有离退休人员的档案库和指纹数据库。养老金的领取流程与银行取款业务基本相同,唯一区别在于,在银行系统提示输入密码时,离退休人员按下指纹便可领取养老金,不影响银行的其他业务,实现了在线指纹识别功能。该系统已在山东某地区成功运行,较好地解决了养老金的防冒领问题,具有广泛的社会效益和良好的推广实用价值。
朱长武,戴上平[8](2007)在《基于指纹图像断裂纹线的修复方法研究》文中指出指纹图像因设备、图像增强处理等原因造成的纹线断裂会产生伪特征点,会对指纹识别产生负面影响。在结合传统方法优点的同时,针对间距大、方向偏移小和间距大、方向偏移大的断裂情况,本文设计出窗口制约法和改进的窗口制约法2种不同的修复方法。实验结果表明,该方法使修复更加全面、完整,提高了伪特征点去除率,易于编程实现,对细化指纹图像的断裂有很好的修复效果。
陈桂友[9](2005)在《自动指纹识别系统中的关键算法研究及应用》文中指出随着社会和经济的发展,人们对身份鉴别的准确性、安全性与实用性提出了更高的要求。基于信物或口令的传统身份鉴别方式存在容易丢失、遗忘、被复制及盗用的隐患。通过辨识人的生理和行为特征进行身份认证的生物识别技术提供了一个方便可靠的解决方案。生物识别技术以生物特征为基础,以信息处理技术为手段,将生物技术和信息技术有机结合在一起。在众多的生物识别技术中,指纹识别技术以方便易用、高准确率和低成本等诸多优势备受关注,已经成为身份认证的最有效手段,在电子商务、犯罪识别、信息安全等领域得到广泛的应用。指纹是手指末端正面皮肤上凸凹不平的纹路。在人的生长早期形成后,终生保持不变。自动指纹识别系统是集光电技术、图像处理、计算机及网络、数据库技术、模式识别技术等于一体的综合性系统,一般包括指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。针对自动指纹识别系统的运行过程,在总结该领域现有研究成果的基础上,本文对自动指纹识别系统中的关键算法进行了研究,在指纹图像评测、增强、指纹分类、指纹识别等方面,提出了行之有效的解决算法,并将指纹识别技术成功地应用到养老金发放在线指纹识别系统中。本文的主要工作如下:1.首先对生物识别系统的基本概念以及常见的生物识别技术进行了较为详细的综述,并对不同种类的生物识别技术进行比较;阐述了自动指纹识别系统的结构、工作原理和目前的研究现状。在分析自动指纹识别系统的关键问题基础上,提出了论文的研究内容。2.研究指纹图像的预处理过程,包括指纹图像的综合评测、指纹图像的增强、二值化、细化和修复问题。指纹图像评测方面,在研究现有指纹图像评测方法的基础上,提出了一种实用的指纹图像综合评测方法。对指纹登记过程和识别过程分别采取不同的指纹图像质量评测策略。在指纹登
韩涛[10](2005)在《指纹图像预处理与特征提取算法研究》文中研究说明自动指纹识别技术近些年取得了长足的发展并广泛应用于各种个人身份识别系统中。然而,指纹识别技术的各个环节在实际应用中还存在一些问题,如低质量指纹图像的增强、指纹特征的选取等问题没有得到很好的解决。指纹识别大致可以分为三个阶段:指纹图像预处理,指纹特征提取和指纹特征匹配。对前两个阶段有针对性地进行了算法研究,包括指纹图像的方向图计算、方向滤波、二值化、纹线修复、特征提取等。提出一种基于Sobel 算子的梯度场平滑的方法求解块方向图。该方法增加了对纹线曲率变化较大区域的敏感度,因此求出的块方向图能更准确地反映整幅指纹图像的纹线走向。针对该方法得到的块方向图会出现奇异点漂移的现象,使用一种低通滤波的办法来修正块方向图。应用自适应理论和模糊理论,提出几种确定二值化阀值的具体方法。这些方法虽然由简到繁,但是其灰度的局部适应性和方向的匹配性越来越强,因而得到的阀值越来越准确。在修复指纹纹线从而去除伪特征的处理过程中,提出了指纹图像断裂纹线的修复方法。设计出断点搜索算法和方向均分法、窗口制约法、改进的窗口制约法等修复算法。这些算法易于软件编程实现,减少了修复步骤,扩大了修复范围,有效地去除了伪末梢特征点,对细化指纹的断裂有很好的修复效果。提出了一种基于8邻域编码表的指纹特征提取方法。在分析了指纹细节特征的结构特性之后,创建表格以反映编码与类型、末梢点方向、分叉点方向、连续点方向以及方向与坐标增量等信息。利用这些表,可以很容易地对细化后的二值纹线骨架进行跟踪,找到指纹细节特征。总的来说,对指纹识别技术中的预处理和特征提取环节进行了广泛的研究和有益的探讨。
二、参照法修复指纹图像中的断裂线条(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、参照法修复指纹图像中的断裂线条(论文提纲范文)
(1)基于偏微分方程的低质量指纹复原的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文研究的主要内容及章节安排 |
第2章 指纹识别系统中的预处理算法 |
2.1 指纹识别系统 |
2.1.1 指纹识别系统的原理 |
2.1.2 指纹识别系统的评价标准 |
2.2 经典的指纹预处理 |
2.2.1 预处理算法的介绍 |
2.2.2 指纹图像的分割算法 |
2.2.3 指纹图像的增强算法 |
2.2.4 指纹图像的二值化算法 |
2.2.5 指纹图像的细化算法 |
2.3 改进的指纹预处理算法 |
2.4 本章小结 |
第3章 基于PDE修复经典模型的对比 |
3.1 引言 |
3.2 偏微分方程模型的理论基础 |
3.2.1 偏微分方程的基本概念 |
3.2.2 偏微分方程在图像处理中的应用 |
3.3 PDE修复算法的对比 |
3.3.1 BSBC修复算法 |
3.3.2 TV修复算法 |
3.3.3 CDD修复算法 |
3.3.4 实验结果对比 |
3.4 改进的CDD修复算法 |
3.4.1 改进的CDD算法介绍 |
3.4.2 图像修复评价标准 |
3.4.3 实验结果对比 |
3.5 本章小结 |
第4章 改进的偏微分方程修复算法 |
4.1 引言 |
4.2 MCA算法 |
4.2.1 MCA算法的基础理论 |
4.2.2 原MCA修复算法 |
4.3 改进的MCA修复算法 |
4.4 实验结果分析 |
4.4.1 图像修复评价标准 |
4.4.2 实验结果对比 |
4.5 本章总结 |
第5章 基于QT的指纹图像处理软件的设计与实现 |
5.1 系统框架 |
5.2 软件的设计与实现 |
5.2.1 系统体系结构 |
5.2.2 系统的界面设计 |
5.3 图像间的格式转换 |
5.4 系统运行 |
5.5 本章小结 |
总结与展望 |
参考文献 |
致谢 |
附录 A 攻读学位期间所发表的学术论文目录 |
(2)太阳能电池硅片缺陷自动检测分类方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 太阳能电池发展历史和现状 |
1.2 全球光伏产业背景及现状 |
1.3 太阳能电池表面质量检测的发展现状 |
1.4 论文的内容安排 |
第二章 硅片缺陷检测系统硬件方案 |
2.1 光致发光检测技术 |
2.2 常见的缺陷类型 |
2.3 检测系统硬件结构 |
2.4 本章小结 |
第三章 图像预处理与目标分割 |
3.1 图像去噪 |
3.2 图像增强 |
3.3 边缘检测 |
3.4 霍夫变换 |
3.5 图像旋转 |
3.6 目标硅片分割 |
3.7 本章小结 |
第四章 缺陷分割与特征提取 |
4.1 光致发光图像分析 |
4.2 缺陷特征分析 |
4.2.1 多晶硅片缺陷分析 |
4.2.2 单晶硅片缺陷分析 |
4.3 多晶硅片缺陷分割 |
4.3.1 曲面拟合 |
4.3.2 曲线拟合 |
4.4 缺陷特征提取 |
4.4.1 多晶硅片缺陷特征提取 |
4.4.2 单晶硅片缺陷特征提取 |
4.5 本章小结 |
第五章 硅片缺陷检测分类与实现 |
5.1 缺陷检测分类方法 |
5.2 检测系统软件流程设计 |
5.3 检测系统软件实现 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的论文与专利 |
攻读硕士学位期间发表的论文 |
攻读硕士学位期间发表的专利 |
(3)低质量指纹图像评价与划痕检测及修复研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 生物特征识别概况 |
1.1.2 指纹识别技术概述 |
1.1.3 指纹识别技术存在的问题 |
1.2 研究现状 |
1.2.1 自动指纹识别系统的构成及简介 |
1.2.2 指纹图像质量评估 |
1.2.3 指纹图像预处理 |
1.2.4 指纹图像的修复 |
1.2.5 指纹识别系统的性能评估参数 |
1.3 研究内容 |
1.4 论文组织结构 |
第2章 指纹图像预处理 |
2.1 均衡化和归一化 |
2.2 方向图估计 |
2.3 纹线频率估计 |
2.4 分割 |
2.5 滤波增强 |
2.6 二值化 |
2.7 细化 |
2.8 特征提取 |
2.9 本章小结 |
第3章 低质量指纹图像的综合质量评价 |
3.1 指纹图像的质量评价的背景及意义 |
3.2 指纹图像质量综合评测算法 |
3.2.1 指纹图像的空域质量指标 |
3.2.2 指纹图像频域质量指标 |
3.3 融合质量评估准则和质量评估分数的计算 |
3.4 实验分析与结果 |
3.5 本章小结 |
第4章 低质量指纹图像划痕的检测与修复 |
4.1 低质量指纹图像的划痕检测 |
4.1.1 划痕检测研究背景与现状 |
4.1.2 低质量指纹图像划痕检测算法 |
4.2 低质量指纹图像的划痕修复 |
4.2.1 划痕修复研究背景与现状 |
4.2.2 低质量指纹图像的划痕修复算法 |
4.3 低质量图像中其它部分伪特征结构的修复 |
4.4 实验结果 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
附录A 指纹图像质量评估与划痕检测及修复演示系统 |
A.1 演示系统结构设计与功能实现 |
A.2 指纹认证演示系统 |
参考文献 |
致谢 |
在攻读硕士研究生期间发表论文 |
在读期间参与项目 |
(4)指纹识别的算法研究及其硬件建模(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景和意义 |
1.2 生物识别技术介绍 |
1.2.1 生物识别的特点 |
1.2.2 生物识别系统的性能评价 |
1.3 指纹识别系统 |
1.3.1 指纹识别技术简介 |
1.3.2 指纹识别系统的结构 |
1.3.3 指纹识别技术的优越性能 |
1.3.4 国内外指纹识别的发展现状和存在问题 |
1.4 本论文研究内容和结构安排 |
第2章 指纹图像的预处理 |
2.1 指纹图像的增强 |
2.1.1 指纹图像的归一化 |
2.1.2 指纹图像分割 |
2.1.3 指纹图像方向图 |
2.1.4 指纹图像的频率提取 |
2.1.5 指纹图像的增强 |
2.2 指纹图像的二值化 |
2.3 本章小结 |
第3章 指纹图像的后处理 |
3.1 指纹图像后处理的流程 |
3.2 指纹识别图像的细化 |
3.3 指纹图像特征点提取 |
3.4 短线和断线的处理 |
3.4.1 断线的修复 |
3.4.2 短线的删除 |
3.5 小孔、小桥和毛刺的去除 |
3.5.1 小孔的去除 |
3.5.2 小桥的去除 |
3.5.3 毛刺的去除 |
3.6 本章小结 |
第4章 指纹图像预处理和后处理的硬件建模 |
4.1 图像归一化的硬件建模 |
4.2 图像方向图提取模块的硬件建模 |
4.2.1 硬件总体结构 |
4.2.2 图像扫描 |
4.2.3 偏导计算 |
4.2.4 地址单元逻辑 |
4.3 指纹图像频率提取的硬件建模 |
4.3.1 硬件总体结构 |
4.3.2 频率提取算法的硬件模块设计 |
4.3.3 滤波去噪 |
4.4 图像后处理的硬件建模 |
4.4.1 硬件总体架构 |
4.4.2 变化数计算 |
4.4.3 脊线点计算 |
4.4.4 特征点的提取 |
4.5 本章小结 |
第5章 匹配算法的研究与实现 |
5.1 指纹识别的点模式匹配 |
5.2 基于中心点的匹配算法 |
5.2.1 奇异点提取 |
5.2.2 奇异点匹配 |
5.2.3 图像校准 |
5.2.4 特征匹配 |
5.3 基于旋转角度的指纹匹配算法 |
5.3.1 特征点排序 |
5.3.2 求取特征角夹角 |
5.3.3 求取旋转角度 |
5.3.4 匹配判定 |
5.4 算法测试结果 |
5.4.1 指纹图像库 |
5.4.2 测试结果 |
5.5 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(5)指纹识别匹配算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 国内外研究现状及课题意义 |
1.3 论文内容及结构 |
第2章 指纹识别系统综述 |
2.1 图像采集 |
2.2 预处理 |
2.3 后处理 |
2.4 特征提取 |
2.5 特征匹配 |
2.6 本章小结 |
第3章 指纹识别算法研究 |
3.1 指纹脊线跟踪 |
3.1.1 8-邻域编码 |
3.1.2 窗口法 |
3.2 伪特征信息处理 |
3.2.1 短线、断线处理 |
3.2.2 小孔去除 |
3.2.3 小桥去除 |
3.2.4 毛刺去除 |
3.2.5 伪特征点去除 |
3.3 奇异点提取 |
3.4 匹配算法概述 |
3.5 常用指纹匹配算法介绍 |
3.5.1 基于点模式的匹配算法 |
3.5.2 基于纹理模式的匹配算法 |
3.5.3 基于图的匹配算法 |
3.6 本章小结 |
第4章 指纹识别匹配算法改进 |
4.1 点线结合的指纹匹配算法 |
4.1.1 算法背景 |
4.1.2 算法特点 |
4.1.3 算法概述 |
4.1.4 相似度计算 |
4.1.5 脊线定位 |
4.1.6 脊线匹配 |
4.1.7 算法小结 |
4.2 基于四特征点拓扑结构的指纹匹配算法 |
4.2.1 算法目的 |
4.2.2 算法特点 |
4.2.3 算法概述 |
4.2.4 拓扑结构构建 |
4.2.5 拓扑结构匹配 |
4.2.6 算法小结 |
4.3 本章小结 |
第5章 实验结果及分析 |
5.1 实验条件及环境 |
5.2 测试指标 |
5.2.1 指纹图像库 |
5.2.2 测试方案 |
5.2.3 测试结果 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
(7)指纹图像质量评测和修复算法研究及应用(论文提纲范文)
目录 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 自动指纹识别技术概述 |
1.2 自动指纹识别系统的构成 |
1.3 自动指纹识别中的基本知识 |
1.3.1 基本概念 |
1.3.2 自动指纹识别的性能指标和评价指标 |
1.4 小结及本文结构 |
第二章 指纹图像的预处理 |
2.1 均衡化和归一化 |
2.2 分割 |
2.3 滤波增强 |
2.4 二值化和细化 |
2.5 小结 |
第三章 指纹图像的质量评测 |
3.1 研究背景及现状 |
3.2 指纹图像综合评测算法 |
3.2.1 算法描述 |
3.2.2 粗评测参数设计 |
3.2.3 细评测参数设计 |
3.3 实验结果 |
3.4 小结 |
第四章 指纹图像的修复 |
4.1 研究背景及现状 |
4.2 基于MLP的指纹图像分类修复算法 |
4.2.1 伪特征结构的分类 |
4.2.2 采用MLP神经网络实现分类 |
4.2.3 算法实现 |
4.3 实验结果 |
4.3.1 训练神经网络 |
4.3.2 验证算法 |
4.4 小结 |
第五章 指纹图像的特征提取和匹配 |
5.1 引言 |
5.2 基于轮廓的指纹特征提取和匹配方法 |
5.2.1 算法简述 |
5.2.2 轮廓提取 |
5.2.3 轮廓匹配 |
5.2.4 实验结果 |
5.3 小结 |
第六章 养老金发放在线指纹识别系统 |
6.1 研究背景 |
6.2 系统设计 |
6.2.1 系统功能设计 |
6.2.2 系统结构设计 |
6.2.3 软硬件配置 |
6.3 离退休人员档案库和指纹库的建立 |
6.3.1 建立档案库 |
6.3.2 建立指纹数据库 |
6.4 系统的实现 |
6.4.1 指纹登记 |
6.4.2 指纹识别 |
6.5 小结 |
第七章 总结与展望 |
7.1 本文的主要工作 |
7.2 今后的研究与展望 |
参考文献 |
致谢 |
作者在攻读硕士学位期间的研究成果 |
学位论文评阅及答辩情况表 |
(8)基于指纹图像断裂纹线的修复方法研究(论文提纲范文)
0 引 言 |
1 修复方法设计 |
1.1 间距大、方向偏移小的修复方法 |
1.2 间距大、方向偏移大的修复方法 |
2 实验结果 |
3 结 论 |
(9)自动指纹识别系统中的关键算法研究及应用(论文提纲范文)
摘要 |
ABSTRACT |
缩略词注释表 |
第一章 绪论 |
1.1 生物识别技术概述 |
1.1.1 生物识别系统的一般结构 |
1.1.2 生物识别系统的工作模式 |
1.1.3 生物识别系统的分类 |
1.2 指纹识别 |
1.2.1 指纹识别的发展历史及国内外研究现状 |
1.2.2 指纹识别中的基本概念 |
1.2.3 自动指纹识别系统的构成 |
1.2.4 自动指纹识别的性能指标 |
1.2.5 自动指纹识别中存在的问题 |
1.3 本文的主要工作 |
第二章 指纹图像的预处理 |
2.1 指纹图像的评测 |
2.1.1 指纹图像采集技术细则 |
2.1.2 指纹图像的评测算法 |
2.2 指纹图像的灰度变换 |
2.2.1 指纹图像的均衡化 |
2.2.2 指纹图像的归一化 |
2.3 指纹图像的分割 |
2.3.1 常见的指纹图像分割方法 |
2.3.2 基于Gabor滤波器的指纹图像分割方法 |
2.4 指纹图像的滤波增强 |
2.4.1 指纹图像滤波增强的意义 |
2.4.2 前人的指纹图像滤波增强算法 |
2.4.3 本文研究的指纹图像滤波增强算法 |
2.5 指纹图像的二值化 |
2.5.1 二值化的概念 |
2.5.2 常见的二值化方法 |
2.6 指纹图像的细化 |
2.6.1 图像细化的概念 |
2.6.2 常见的指纹图像细化算法及比较 |
2.7 指纹图像的修复 |
2.8 本章小结 |
第三章 指纹的特征提取及分类 |
3.1 指纹特征提取 |
3.1.1 指纹特征提取简介 |
3.1.2 常见的指纹特征提取算法 |
3.2 指纹分类 |
3.3 前人的指纹分类方法 |
3.4 基于支持向量机理论的两级指纹分类方法 |
3.5 本章小结 |
第四章 指纹匹配算法研究 |
4.1 指纹特征匹配概述 |
4.2 基于点模式匹配的指纹特征匹配算法 |
4.2.1 点模式匹配简介 |
4.2.2 前人的点模式匹配算法 |
4.2.3 点模式匹配中的刚性匹配和弹性匹配 |
4.2.4 基于细节点匹配方法的优势和缺陷 |
4.3 基于轮廓的指纹特征匹配算法 |
4.4 本章小结 |
第五章 指纹识别技术的应用 |
5.1 课题背景 |
5.2 养老金发放在线指纹识别系统的结构 |
5.3 基于UML的养老金发放在线指纹识别系统设计 |
5.3.1 用例建模 |
5.3.2 用例描述 |
5.3.3 系统设计 |
5.3.4 系统实现与部署 |
5.4 养老金发放在线指纹识别系统中的关键技术 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文的主要工作和贡献 |
6.2 后续的研究工作 |
参考文献 |
致谢 |
攻读博士期间完成的研究成果及参加的科研工作 |
学位论文评阅及答辩情况表 |
(10)指纹图像预处理与特征提取算法研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 自动指纹识别技术 |
1.2 本文的内容安排 |
2 基于Sobel 算子的块方向图计算方法 |
2.1 指纹图像增强预处理的原因和任务 |
2.2 计算方向图前的预处理 |
2.3 用Sobel 算子计算块方向图 |
2.4 方向滤波 |
3 二值化阀值的确定方法 |
3.1 已有的二值化方法 |
3.2 基于直方图的迭代法确定二值化阀值 |
3.3 基于模糊理论的确定二值化阀值的方法 |
3.4 基于方向图的动态确定二值化阈值的方法 |
3.5 二值化后去噪和细化 |
4 指纹图像断裂纹线的修复 |
4.1 已有的纹线修复方法 |
4.2 指纹图像断裂纹线的修复方法 |
5 基于8 邻域编码的细节特征提取 |
5.1 指纹特征 |
5.2 基于直接灰度的细节特征提取 |
5.3 基于8 邻域编码的细节特征提取方法 |
5.4 两种特征提取方法的比较 |
6 结束语 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
附录1 攻读硕士学位期间发表的论文 |
附录2 8 邻域编码表 |
四、参照法修复指纹图像中的断裂线条(论文参考文献)
- [1]基于偏微分方程的低质量指纹复原的研究[D]. 马炜明. 兰州理工大学, 2021(01)
- [2]太阳能电池硅片缺陷自动检测分类方法研究[D]. 张玮华. 东华大学, 2014(05)
- [3]低质量指纹图像评价与划痕检测及修复研究[D]. 闫欣. 湘潭大学, 2011(04)
- [4]指纹识别的算法研究及其硬件建模[D]. 曹麟. 哈尔滨工业大学, 2009(03)
- [5]指纹识别匹配算法研究[D]. 闫志锋. 哈尔滨工业大学, 2008(S2)
- [6]一种处理指纹识别中短线和断线的新算法[J]. 彭刚,王明江,闫志锋. 计算机与数字工程, 2008(11)
- [7]指纹图像质量评测和修复算法研究及应用[D]. 周莉. 山东大学, 2007(07)
- [8]基于指纹图像断裂纹线的修复方法研究[J]. 朱长武,戴上平. 电子测量技术, 2007(04)
- [9]自动指纹识别系统中的关键算法研究及应用[D]. 陈桂友. 山东大学, 2005(07)
- [10]指纹图像预处理与特征提取算法研究[D]. 韩涛. 华中科技大学, 2005(05)