指纹识别-(6)指纹图像预处理算法之图像频率场

2023-10-17 10:40

本文主要是介绍指纹识别-(6)指纹图像预处理算法之图像频率场,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

4、指纹图像的频率场

指纹图像的频率场反映的是指纹的纹线间隔情况。沿着脊线与谷的方向,指纹图像的灰度能够建模成一个类正弦曲线的波。图像的频率可以定义为像素点 ( x , y ) \left(x,y\right) (x,y)方向场 θ ( x , y ) \theta\left(x,y\right) θ(x,y)垂直方向上单位长度内脊线的条数。
方向窗口和X幅值
指纹图像频率场的计算步骤如下:

  1. 将归一化后的指纹图像分为 w × w ( 16 × 16 ) w\times w\ (16\times16) w×w (16×16)的小块;
  2. 对于每一个以像素点 ( x , y ) \left(x,y\right) (x,y)为中心的块,计算确定尺寸为 l × w ( 32 × 16 ) l\times w\ (32\times16) l×w (32×16)的以脊线方向法向为方向的窗口。
  3. 计算方向窗口内沿脊线方向投射成的正弦波的幅值 X [ k ] X\left[k\right] X[k]
    X [ k ] = 1 w ∑ d = 0 w − 1 G ( u , v ) , k = 0 , 1 , … , l − 1 X\left[k\right]=\frac{1}{w}\sum_{d=0}^{w-1}G\left(u,v\right),k=0,1,\ldots,l-1 X[k]=w1d=0w1G(u,v),k=0,1,,l1
    u = x + ( d − w 2 ) c o s ( O ( x , y ) ) + ( k − l 2 ) s i n ( O ( x , y ) ) u=x+\left(d-\frac{w}{2}\right)cos{\left(O\left(x,y\right)\right)}+\left(k-\frac{l}{2}\right)sin\left(O\left(x,y\right)\right) u=x+(d2w)cos(O(x,y))+(k2l)sin(O(x,y))
    v = y + ( d − w 2 ) s i n ( O ( x , y ) ) − ( k − l 2 ) c o s ( O ( x , y ) ) v=y+\left(d-\frac{w}{2}\right)sin{\left(O\left(x,y\right)\right)}-\left(k-\frac{l}{2}\right)cos\left(O\left(x,y\right)\right) v=y+(d2w)sin(O(x,y))(k2l)cos(O(x,y))
  4. 求出 X [ k ] X\left[k\right] X[k]中所有极大值点,计算这些极大值点间相邻两点间距离的平均值,记为 S ( x , y ) S\left(x,y\right) S(x,y),则波形的频率可表示为 F ( x , y ) = 1 S ( x , y ) F\left(x,y\right)=\frac{1}{S\left(x,y\right)} F(x,y)=S(x,y)1
  5. 对于固定分辨率的指纹图像,局部邻域内的纹线频率在一定范围内,对于500dpi的图像范围在 [ 1 3 , 1 25 ] \left[\frac{1}{3},\ \ \frac{1}{25}\right] [31,  251]。对于频率的估计值超出此范围的,频率被设为-1,表示无法获得该指纹区域的有效频率。细节点和奇点的出现会造成指纹块不能形成明确的正弦波,这些块的频率值需要从具有明确频率的相邻块的频率内插。
    F ′ ( x , y ) = { F ( x , y ) F ( x , y ) ≠ − 1 ∑ u = − w f 2 w f 2 ∑ v = − v 2 w f 2 W g ( u , v ) μ ( F ( x + u , y + v ) ) ∑ u = − w f 2 w f 2 ∑ v = − w f 2 w f 2 W g ( u , v ) σ ( F ( x + u , y + v ) ) o t h e r F^{\prime}(x, y)=\left\{\begin{array}{ll} F(x, y) & F(x, y) \neq-1 \\ \frac{\sum_{u=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} \sum_{v=-\frac{v}{2}}^{\frac{w_{f}}{2}} W_{g}(u, v) \mu(F(x+u, y+v))}{\sum_{u=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} \sum_{v=-\frac{w_{f}}{2}}^{\frac{w_{f}}{2}} W_{g}(u, v) \sigma(F(x+u, y+v))} & other \end{array}\right. F(x,y)= F(x,y)u=2wf2wfv=2wf2wfWg(u,v)σ(F(x+u,y+v))u=2wf2wfv=2v2wfWg(u,v)μ(F(x+u,y+v))F(x,y)=1other
    其中 W g W_g Wg为离散高斯核,其平均值为0,方差为9, w f w_f wf为核的尺寸为7。
    μ ( x ) = { 0 x ≤ 0 x 其他  \mu(x)=\left\{\begin{array}{l} 0 & x \leq 0 \\ x &\text { 其他 } \end{array}\right. μ(x)={0xx0 其他 
    σ ( x ) = { 0 x ≤ 0 x 其他  \sigma(x)=\left\{\begin{array}{l} 0 & x \leq 0 \\ x &\text { 其他 } \end{array}\right. σ(x)={0xx0 其他 

代码参考:https://download.csdn.net/download/xuhe93/85802879?spm=1001.2014.3001.5503

这篇关于指纹识别-(6)指纹图像预处理算法之图像频率场的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/224829

相关文章

基于WinForm+Halcon实现图像缩放与交互功能

《基于WinForm+Halcon实现图像缩放与交互功能》本文主要讲述在WinForm中结合Halcon实现图像缩放、平移及实时显示灰度值等交互功能,包括初始化窗口的不同方式,以及通过特定事件添加相应... 目录前言初始化窗口添加图像缩放功能添加图像平移功能添加实时显示灰度值功能示例代码总结最后前言本文将

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

SpringBoot实现基于URL和IP的访问频率限制

《SpringBoot实现基于URL和IP的访问频率限制》在现代Web应用中,接口被恶意刷新或暴力请求是一种常见的攻击手段,为了保护系统资源,需要对接口的访问频率进行限制,下面我们就来看看如何使用... 目录1. 引言2. 项目依赖3. 配置 Redis4. 创建拦截器5. 注册拦截器6. 创建控制器8.

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO