在前面的一些指紋門禁一體機文章中我們深入研究了低質量指紋圖像紋路方向計算和圖像分割方法,提出了基于神經(jīng)網(wǎng)絡對紋路方向正確性進行訓練和學習的方法,以及在此基礎上的指紋分割方法。
低質量指紋圖像的紋路方向的正確計算是正確提取特征和進行匹配的基礎,針對現(xiàn)有基于梯度和低通濾波方法的缺點,我們在用梯度法計算紋路方向的基礎上,結合指紋分割對方向的初步計算結果的正確性進行訓練和計算,從而根據(jù)方向正確性進行指紋分割并根據(jù)正確方向糾正錯誤方向。
該方法中的神經(jīng)網(wǎng)絡對特定圖像塊在不同方向上有不同的響應結果,根據(jù)這些響應結果也可以確定圖像塊的紋路方向并進行指紋分割。實驗結果表明這些方法有效地提高了低質量指紋圖像特征提取的正確率。
深入分析了指紋圖像區(qū)域類型,提出對指紋圖像進行二次分割以去掉殘留紋路的方法。許多指紋分割算法能夠有效分離不含紋路的區(qū)域和紋路結構無法恢復的紋路區(qū)域,而無法有效分離紋路結構清晰的殘留紋路區(qū)域。
二次分割方法在指紋初分割分離不含紋路的區(qū)域和紋路結構無法恢復的紋路區(qū)域的基礎上,對余下區(qū)域進行分析,分離出殘留紋路區(qū)域,從而減少錯誤特征的提取。