《傅里叶的应用》由会员分享，可在线阅读，更多相关《傅里叶的应用（18页珍藏版）》请在金锄头文库上搜索。
1、基于傅里叶变换的指纹图 像增强算法,引言,意义：随着社会的不断发展，科技的不断进步，传统的身份认证方法显现出很大的缺陷，因而需要更高效更可靠的身份识别技术。 优点：生物识别技术，具有惟一性、固定性、实用性、安全性、存储量小的特点，是一种更为理想的身份识别技术。 但是 。,缺点,指纹图像采集的质量受影响因素多,手指的干湿,手指皮肤纹路的深浅,手指的皱纹,传感器所受的干扰,指纹增强应用而生,定义： 指纹图像增强就是对指纹图像进行处理，突出和保留固有的特征信息，清除伪特征信息，使纹线结构清晰化，保证后续特征信息提取的准确性和可靠性。 重要性： 它是指纹预处理的第一步也是至关重要的一步，其好坏直接影响
2、到指纹预处理的后续步骤乃至整个指纹识别过程。,带阻滤波,傅里叶变换： 1.优势： 特性符合：傅里叶变换能够将复杂的函数用简单的正弦和余弦函数之和来表示，这一点恰恰符合指纹纹理峰谷变化的特性。 运算快：由于在空域里做指纹增强一般都用卷积，时问花费比较多，而在频域里只要做乘积即可，一般采用的是快速傅里叶变换。,带阻滤波,增强效果好：频域上增强利用的是指纹的全局信息，而在空域上增强用的则是指纹的局部信息。,图-指纹的图像的傅立叶频谱,傅里叶变换,傅里叶变换,离散傅里叶变换是数字信号包括数字图像处理的重要工具，但是它的计算量较大，运算时间长，在某种程度限制了它的使用范围。，快速傅里叶变换(Fast F
3、ourier Transform，FFT)大大提高了运算速度。 当N(N为图像的宽度或高度)是2的幂时，可以采用快速傅里叶变换(FFT)，提高运算速度，实现在线实时处理。当N不是2的幂时可以先对图像进行缩放或填补成边长为2的幂，再进行快速傅里叶变换。,带阻滤波,低通滤波：低通滤波能够减弱或消除傅里叶空间的高频分量，而低频分量不受影响。高频分量对应图像中的区域边缘和噪声等灰度值变化较大的部分，滤波将这些分量滤除使图像变得平滑； 高通滤波：高通滤波能够减弱或消除傅里叶空间的低频分量，但不影响高频分量。低频分量对应图像中灰度值缓慢变化的区域，所以与图像的整体特性，如整体对比度和平均灰度值等有关，将这
4、些分量滤除可以使图像锐化；,带阻滤波,大量的试验表明，带阻滤波的方法，既能保留图像中高频部分的有用信息，又能滤除图像中的噪声，增强脊和谷的对比度，同时使整个图像变得平滑，可大大提高指纹预处理的速度和效果。 由卷积定理，滤波器的数学表达式为 G(u，v)=F(u，v)H(u，V) 式中，F(u，v)为含有噪声的原指纹图像的傅里叶变换域，H(u，v)为滤波器传递函数，G(u，v)为经滤波后输出图像的傅里叶变换。,带阻滤波,方向滤波,意义：空间域滤波器的滤波依赖于方向的连续性，在方向连续性较好的区域能够较好地增强指纹图像。在奇异点(中心点和三角点)附近，指纹图像的方向会发生剧烈的变化，因此空间域滤波
5、器起到的效果就不够理想。,方向滤波,方法：对傅里叶变换后的图像进行方向滤波，然后再做逆傅里叶变换，能够得到指纹图像在该方向的增强脊线。大量资料和试验表明，采用滤波乘积闪子，将指纹频谱图像分成8个方向滤波，效果最好。 本算法在8个方向分别滤波：(0)方向(0。225。)，l方向(225。45。)，7方向(1575。-180。)。通过方向滤波，可以使每一方向的脊线得到增强。,结果,再根据局部均值、方差与图像总体均值、方差的关系，采取简单的方差阈值法分辨出脊线与背景，即把图像分成8 x 8的小块，若某块的方差大于设定的阈值600，则认为是脊线(值为1)，否则为背景(值为0)，最后采取平均的办法对脊线进行提取组合。处理后的指纹图像如图所示”,结束语,本文介绍了一种基于傅立叶变换的频域增强算法，这种算法结合了空间域与频域各自的优点，对断裂、空洞等处理效果较好，对低质量指纹图像增强的细节点正确率高。然而，该算法尚存在不足，虽然对低质量的指纹图像增强效果较好，但整体处理效果还不够理想，仍需进一步改进。,傅里叶,麦克斯韦,柯西,最帅！,所以要好好学习傅里叶！,Thank you!,
