本文關(guān)鍵詞：指紋模式識別中圖像復(fù)原基礎(chǔ)算法實現(xiàn)及改進

  更多相關(guān)文章： 圖像復(fù)原 模糊圖像 反向濾波 Wiener濾波 算法改進

【摘要】：指紋模式識別系統(tǒng)的關(guān)鍵技術(shù)在于數(shù)字圖像預(yù)處理技術(shù)、特征點的提取識別技術(shù)等。而預(yù)處理階段我們要面對的一項重要情況便是指紋采集中通常遇到模糊畸變的指紋數(shù)字圖像。本文針對在理論上以及偵查實踐中的普遍性意義較強的失真降質(zhì)原因，對于數(shù)字圖像領(lǐng)域中通常的線性復(fù)原方法中的關(guān)鍵環(huán)節(jié)和核心算法進行研判，并且從主觀與客觀兩個方面來比較之間的優(yōu)劣。進而在它們的基礎(chǔ)之上提出一些改進的思想并加以算法的實現(xiàn)，從而使得復(fù)原的效果更佳。使指紋圖像在后續(xù)的各處理階段保持一定程度的真實和客觀。 本文首先對所選課題的當前研究的現(xiàn)狀、存在的問題及提出的目的與意義簡單地進行闡明。然后對數(shù)字指紋學(xué)的興起與發(fā)展歷程、數(shù)字圖像處理以及計算機指紋識別系統(tǒng)的有關(guān)背景知識予以鋪陳、介紹，引入一些必要概念并加以適當展開，為后文算法展開描述奠定基礎(chǔ)。 接著，分別用反向濾波和Wiener濾波方法對模糊失真圖像進行分析和復(fù)原實現(xiàn)。針對傳統(tǒng)反向濾波算法分母不可為零的數(shù)理上的“病態(tài)性質(zhì)”，，把二維的離散指紋圖像視作由一個一個具有一定灰度的像素點構(gòu)成的矩陣形式，并利用矩陣奇異值分解的數(shù)學(xué)思想，提出一種新的算法——用奇異值的重組階數(shù)的二階導(dǎo)數(shù)進行估計模糊失真指紋圖像的點擴散函數(shù)，將其三階導(dǎo)數(shù)用來去除噪聲；針對經(jīng)典的Wiener濾波算法，利用分區(qū)思想和Bayesian判決理論結(jié)合的后驗估計方法提出一種全新的改進算法。用這兩種方法分別對基礎(chǔ)的單純反向濾波和經(jīng)典的Wiener濾波的方法進行算法的優(yōu)化；并且在數(shù)理上分析和實例圖像處理前后的效果圖兩個方面，對上述傳統(tǒng)方法和改進算法進行直觀和抽象兩個層次的比較。 在后續(xù)處理的問題上，在預(yù)處理階段的圖像復(fù)原技術(shù)領(lǐng)域，我們還時常會遇到幾何畸變的情況。本文首先分析了各種不同的常見的指紋圖像的幾何畸變形式，并進行數(shù)學(xué)建模處理，歸納為一種映射模型。然后對傳統(tǒng)算法——最近鄰像素內(nèi)插值法和雙線性內(nèi)插值算法進行分析、研判，并且采用Cubic函數(shù)的3次插值對Sinc函數(shù)的擬合逼近的方法進行算法的優(yōu)化處理。 本文通過幾種改進算法的提出，力求使得已經(jīng)有不同程度降質(zhì)的指紋退化圖像在預(yù)處理階段的失真度能夠盡可能的低，從而為之后的圖像提取、比對、匹配打下堅實的基礎(chǔ)。因為圖像的模糊失真降質(zhì)相對于幾何畸變來說復(fù)雜得多，故本文在布局上采前詳后略的設(shè)計方式，即對于模糊指紋圖像的處理部分撰述得相對較為細致一些。
【關(guān)鍵詞】：圖像復(fù)原 模糊圖像 反向濾波 Wiener濾波 算法改進
【學(xué)位授予單位】：西南政法大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：D918.91
【目錄】：

• 內(nèi)容摘要4-6
• Abstract6-8
• 目錄8-10
• 引言10-11
• 一、 緒論11-12
• （一） 復(fù)原技術(shù)研究現(xiàn)狀及理論問題11
• （二） 課題的目的與現(xiàn)實意義11-12
• 二、 基礎(chǔ)理論12-14
• （一） 數(shù)字指紋學(xué)的興起與發(fā)展12-13
• （二） 圖像復(fù)原在指紋模式識別中的地位和作用13-14
• 1．指紋模式識別系統(tǒng)概述13
• 2．圖像復(fù)原在指紋模式識別中的地位和意義13-14
• 三、 復(fù)原算法設(shè)計14-39
• （一） 模糊失真圖像處理的基本原理14-17
• 1．退化過程、退化模型與退化函數(shù)14-16
• 2．噪聲、加性噪聲及噪聲模型16-17
• （二） 估計點擴散函數(shù)17-19
• 1．圖像質(zhì)量的幾種退化原因17-18
• 2．估計方法18-19
• （三） 反向濾波復(fù)原算法19-32
• 1．線性復(fù)原算法的基本思想及概念引入19-20
• 2．基本原理20-23
• 3．算法描述23-25
• 4．反向濾波方法的優(yōu)缺點分析25-26
• 5．改進思想26-28
• 6．改進算法28-32
• （四） Wiener 濾波復(fù)原方法32-39
• 1．相關(guān)概念引入32
• 2．基本原理32-33
• 3．算法描述33-36
• 4．優(yōu)缺點分析36
• 5．改進思想及改進算法36-39
• 四、 模糊圖像復(fù)原算法的實現(xiàn)與評價39-45
• （一） 復(fù)原算法的實現(xiàn)39-43
• 1．反向濾波及其改進算法的實現(xiàn)結(jié)果42
• 2．經(jīng)典 Wiener 濾波及其改進算法實現(xiàn)結(jié)果42-43
• （二） 復(fù)原結(jié)果的評價43-45
• 1．主觀評價44
• 2．客觀評價44-45
• 五、 幾何失真的復(fù)原（復(fù)原后續(xù)處理）45-51
• （一） 建立幾何坐標畸變模型45-47
• （二） 指紋圖像的灰度畸變復(fù)原47-51
• 1．灰度的概念47-48
• 2．最近鄰像素插值算法48
• 3．雙線性插值算法48-49
• 4．改進算法49-50
• 5．處理結(jié)果50-51
• 六、 結(jié)論51-52
• 參考文獻52-55
• 致謝55-56
• 附錄：部分核心代碼56-58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 高文碩;鄭偉偉;楊磊;;運動模糊圖像復(fù)原技術(shù)的改進算法[J];中國傳媒大學(xué)學(xué)報(自然科學(xué)版);2010年01期

2 趙群;石秀英;徐亮;楊進華;李松;朱彥;;基于奇異值分解估計點擴散函數(shù)的復(fù)原算法研究[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2012年02期

3 汪源源;孫志民;蔡錚;;改進的奇異值分解法估計圖像點擴散函數(shù)[J];光學(xué)精密工程;2006年03期

4 蔡立晶;蔡立娟;;指紋儀檢測系統(tǒng)分辨率及系統(tǒng)畸變的研究[J];裝備制造技術(shù);2007年11期

5 周玉;彭召意;;運動模糊圖像的維納濾波復(fù)原研究[J];計算機工程與應(yīng)用;2009年19期

6 范勇;張佳成;陳念年;周敬濱;王俊波;;圖像幾何畸變校正方法[J];計算機工程與應(yīng)用;2009年29期

7 符祥;郭寶龍;;圖像插值技術(shù)綜述[J];計算機工程與設(shè)計;2009年01期

8 姜樹明;段彩艷;魏志強;劉向陽;余軍;劉曉輝;趙亮;;基于分區(qū)的改進維納濾波圖像復(fù)原[J];山東科學(xué);2012年04期

本文編號：643055