在前面的一些指紋門禁一體機(jī)文章中我們深入研究了低質(zhì)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(luò)對紋路方向正確性進(jìn)行訓(xùn)練和學(xué)習(xí)的方法,以及在此基礎(chǔ)上的指紋分割方法。
低質(zhì)量指紋圖像的紋路方向的正確計算是正確提取特征和進(jìn)行匹配的基礎(chǔ),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(chǔ)上,結(jié)合指紋分割對方向的初步計算結(jié)果的正確性進(jìn)行訓(xùn)練和計算,從而根據(jù)方向正確性進(jìn)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(luò)對特定圖像塊在不同方向上有不同的響應(yīng)結(jié)果,根據(jù)這些響應(yīng)結(jié)果也可以確定圖像塊的紋路方向并進(jìn)行指紋分割。實驗結(jié)果表明這些方法有效地提高了低質(zhì)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(jìn)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(jié)構(gòu)無法恢復(fù)的紋路區(qū)域,而無法有效分離紋路結(jié)構(gòu)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(jié)構(gòu)無法恢復(fù)的紋路區(qū)域的基礎(chǔ)上,對余下區(qū)域進(jìn)行分析,分離出殘留紋路區(qū)域,從而減少錯誤特征的提取。