資源描述：
《基于nsct和stft指紋圖像增強算法是研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、基于NSCT和STFT的指紋圖像增強算法的研究摘要指紋圖像增強作為指紋識別技術(shù)中的關(guān)鍵步驟，為了保證指紋識別系統(tǒng)的魯棒性，對采集的原始指紋圖像采用增強算法進行增強處理是非常必須的。針對低質(zhì)量的指紋圖像，本文研究并實現(xiàn)了一種基于NSCT和STFT的指紋圖像增強算法。算法的實現(xiàn)主要分為兩個階段，第一階段是指紋增強的預處理，第二階段是濾波增強處理。在預處理階段，算法首先對原始指紋圖像進行NSCT分解變換，接著對變換后的各高頻子帶系數(shù)采用分層閾值函數(shù)進行修正，最后根據(jù)修正后的系數(shù)進行逆NSCT變換重構(gòu)去噪后的指紋圖像。在濾波增強階段，算法首先對去噪后的指紋圖像進行STFT分析，接著采用概率近似的方
2、法估計指紋圖像局部區(qū)域的紋線方向和頻率，最后構(gòu)造相應的具有方向和頻率選擇特性的帶通濾波器對指紋圖像進行濾波增強處理。在指紋增強的預處理階段，與其它去噪算法相比，本文算法得到的PSNR值最高，比基于小波去噪算法高出近3．2dB，比基于Contourlet去噪算法高出近1．5dB；在濾波增強階段，本文算法特征點提取的平均錯誤率比Gabor增強方法減少了10．69％。實驗結(jié)果表明，本文基于NSCT和S盯T的指紋圖像增強算法在有效地抑制噪聲的同時能更好的保留指紋圖像邊緣紋理等細節(jié)信息，得到的紋線比較清晰，并且在紋線斷裂和粘連處都有很好的增強效果。關(guān)鍵詞：指紋圖像增強；指紋識別；NSCT；STFTI
3、IStudyonFingerprintImageEnhancementAlgorithmBasedonNSCTandSTFTFingerprintimageenhancementisoneoftheimportantstagesinfingerprintidentificationtechnology，inordertoguaranteetherobustnessofthefmgerprintrecognitionsystem，adoptinganenhancementalgorithmtoanoriginalfingerprintimageinenhanceprocessingisver
4、ynecessary．AnalgorithmbasedonNSCTandSⅡTanalysisforfmgerprintimageenhancementisproposedandimplementedinthispaper．Therealizationofthealgorithmisdividedintotwostages，thefirststageisthefingerprintenhancedpretreatmentandthesecondstageisthefilteringenhancementprocessing．Inthefirststage，firstly，theorigin
5、alfingerprintimageistakenwiththeNSCTdecompositiontransformation，then，thehighfrequencysub-bandcoefficientsofNSCTistakenwithhierarchicalthresholdfunctiontodealwitll，lastly，therevisedcoefficientsareusedintheNSCTinversetransformtoreconstructthefingerprintimage．Inthesecondstage，firstly，thefingerprintim
6、ageistakenwiththeSⅡTanalysis，then，thelocalarearidgedirectionandridgefrequencyoffingerprintimageisestimatedbyusingthestatisticalmethod，lastly，thefilterwhichhavecorrespondingstructureswithdirectionandfrequencycharacteristicsareconstructedtofilterthefingerprintimage．IIIInthepretreatmentstage，ouralgor
7、ithmcangetthehighestPSNRcomparedwitllotherdenoisingalgorithms，itsPSNRisnearly3．2dBhigherthanthethatofalgorithmwhichbasedonwaveletdenoisingandnearly1．5dBhigherthanthethatofalgorithmwhichbasedonContourletdenoising．
