基于协同训练的指纹图像分割算法
一种有效的指纹图像分割和细化方法
多的场合都需要 身份 的认 证 ，而传统的基于标志和知识的身 份认证技术 由于 受到证件伪造 以及密码破解等的威胁 ，逐渐
表 现得力 不从 心 。启 发于 人 的身，但是指纹识别只对 前景波峰和背景感兴趣 ，所 以 常 通
将指纹 图像进行 二值化 。无论质量好 的还是质 量差的 图像 ，
维普资讯
第２ 卷 第 ｌ 期 ８ ０
Ｖ ２８ ｏＬ 他 口
计
算
机
工
程
２０ 年 １ Ｂ ０２ ０
Ｏｃ ｏ ｒ２ ２ ｔ ｂｅ ００
Ｃｏｍ ｐ ｅ ｕｔ ｒ Ｅｎｇ ｎ ｅ ｉ ｇ ｉｅ ｒｎ
．
人 工智 能 及识 别 技术 ・ 文章编号： ００ ３２（ ０） －０２－ ２ １ － ４８ ０２１ － １ － ０ ２ ０ ８－ ０
Ｍ Ｕ ｏ ａ Ｇｕ ｙ ｎ， ＴＩ ＡＮ ｕ ｘ ａ， ＣＨＥＮ ｈ ｚ ｏ ｇ Ｊｎ ｉ Ｓ ｕ ｈ ｎ
（ ｍｐ ｔ ｒ ｐ ｒｍｅ ｔ ｆ ａ ｔ ｉａＮｏ ｍａ ｎ ｖ ｒｉ ， ｈ ｎ ｈ ｉ ０ ０ ２ Ｃｏ ｕ ｅ ａ ｔ ｎ ｓ Ｃｈ ｎ ｒ ｌ ｉｅ ｓ ｙＳ ａ ｇ ａ ０ ６ ） Ｄｅ ｏＥ Ｕ ｔ ２
ｍ
２指 纹 图像 的预处 理
指纹识别关键 的是要将指 纹特 征提取 出来 ，然 后利用这
些特征 进行 比对 。特征 的提 取需要 有质 量 比较 高 的指 纹 图 像 。但是 目前采集到 的指纹都 存在着较大 的噪声 ，所以需 要
【 ｓｒｃ ］Ｔｈ ｒｐ ｏｅｓｎ ｃ ｎ ｌｇ ｆ ｈ ｎ ｅｐ ｉｔｓ ｎｒｄ ｃｄ， ａ ｄａ ｃ ｒ ｉｇｔ ｔｅｃ ａ ａｔｒ ｔ ｓｏ ｅｆｎ ｅｐ ｉｔｈｓ ａ ｅ Ａｂｔａ ｔ ｅｐ ｅ ｒｃｓｉｇｔ ｈ ｏｏ ｙｏ ｅｆ ｇ ｒ ｒｎ ｔｏ ｕ ｅ ｅ ｔ ｉ ｉｉ ｎ ｃｏ ｄｎ ｏ ｈ ｈ ｒ ｃｅｉ ｉ ｆ ｈ ｇ ｒ ｒｎ， ｉｐ ｐ ｒ ｓｃ ｔ ｉ ｔ
一种自适应块大小的指纹图像分割算法
基金项 日：河南省高等学校青年骨 于教 师计划基金 资助项 目 ２ ０ Ｇ （０ ９
起 来 提 出 合 成 分 割 法 ；文 献 ［】 出逐 级分 割法 。 ５提 迄 今 为 止 ，基 于 块 的 指 纹 图像 分 割法 在 对 图像 分 块 时 多 是 按 照 经 验 把 把 图 像分 成 互 不 重 叠 的 ｎ 大 小 的方 块 ，每 块 ×
纹预处理、特征提取 、指纹分类、指纹匹配等组成…。其中 ，
指 纹 图像 预 处理 是 指 纹 识 别 系 统 中 紧 跟 在 指 纹采 集 之 后 的一
个环节 ，预处理 的效果直接影响到系统的性 能；而指纹分割 是指纹预处理 的关键组成部分 。 指纹 图像在采集过程中不可避 免地被噪声干扰 ，存在一 些无效 区域 。指纹图像 中包含 比较清 晰或可 以恢复的指纹纹
像分割算法虽然分割精度受到块大小 的影响 ，但其具有速 度 快、易于实现等优点 ，成为 目前指纹 图像分割算法研究比较
集中的措施 。文 献［】 ２把图像分块后 ，使 用线性分类器完成指
作者 筒介 ： 李慧娜（９ ０ ） 女 ， １８ － ， 讲师、 硕士 ， 主研方向 ： 息安全 ， 信
ＧＪ 一 ２ 、 Ｓ １ ０
目前 已有的指纹 图像分割方法主要是利用图像 的灰度统 计特性和指纹 的方向特性在 时域完成 。 根据分割精度的不同 ，பைடு நூலகம்
现 有 的 指纹 分 割 方 法 分 为 基于 边 界 的分 割法 和 基 于 区域 的 分
指纹图像分割与增强算法的研究
（ １ ． Ｈｅ ｒ ｕ ｍ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ｌ ａ Ｖ ｏ ｃБайду номын сангаасａ ｔ ｉ ｏ ｎ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ １ １ ９ １ ， Ｃ ｈ ｉ ｎ ａ ；
ｅ ｘ ｐ ｅ ｉ ｒ ｍ ｅ ｎ ｔ ｉ ｎ ｇ ， ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｓ ｓ ａ ｔ ｉ ｓ ｆ ｙ ｉ ｎ ｇ ． Ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｍ ｅ ｔ ｈ ｏ ｄ ｉ ｓ ｔ ｈ ｅ ｒｅ ｇ ａ ｔ ｊ ｏ ｉ ｎ ｔ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｆ ｒ ａ ｃ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｉ ｆ ｎ ｇ ｅ ｒ ｓ ｔ ｒ ｅ ａ ｋ
指纹图像分割方法分析
指纹图像分割方法研究摘要指纹分割作为指纹识别的预处理环节，不仅能提高指纹特征提取精度，而且能减少指纹预处理时间，对提高整个识别系统性能有着重大意义。
本文在对常用指纹分割方法进行分类分析和探讨的基础上，对指纹图像分割理论和技术进行了深入研究，并对现有分割算法进行了改进。
本文主要工作包括：（1）对指纹图像分割方法做了比较全面的分析综述。
从指纹特征提取角度出发，将指纹图像分割方法分为基于特征融合判决分割方法与基于多级分割思想分割方法两类，并对这两类算法进行了详细分析。
（2）针对特征融合判决分割方法，把最小平方误差准则用于基于线性分类的指纹图像分割算法，该算法对低质量指纹图像分割效果较好；将指纹图像纹理特征引入灰度方差求解过程，提出一种基于纹理特征的指纹图像自适应分割算法。
通过实验对新算法分割效果及噪声抑制能力进行了验证。
（3）针对多级指纹分割方法，研究了结合多种方法的高效指纹图像逐级分割算法，采用一种鲁棒性更好的求点方向图方法，计算前景块中各像素方向；采用自动确定部分阈值的分级分割方法，改善算法中仅凭经验设定多个阈值的缺点。
实验结果表明，新算法分割精确率较高。
关键词：指纹，指纹分割，特征融合，多级分割Research on methods of fingerprint imagesegmentationAuthor:Xu Huali S upervisor：Fan YongshengABSTRACTAs an important step of fingerprint image preprocessing, fingerprint segmentation which has a great significance in the system performance can not only improve the accuracy of the feature extraction, but also reduce the time of fingerprint preprocessing. This paper mainly investigates the theory and methods of fingerprint image segmentation, and some of the segmentation methods are classified and discussed. The main works include:（1）A comprehensive review of the fingerprint image segmentation methods is given. Basing on extracting fingerprint features, we first classify the methods of fingerprint image segmentation into two classes, which are the feature fusion segmentation method and multi-level segmentation method. And then, we introduce the two methods in detail.（2）In the aspect of the feature fusion based fingerprint segmentation method, we investigate the Minimum Square Error rule based fingerprint segmentation algorithm and a adaptive texture feature based fingerprint segmentation algorithm. First, we investigate the linear classifier based fingerprint segmentation algorithm, which uses a combination of three variance, mean and ridge orientation features of fingerprint image, and presents the improved algorithm of using the Minimum Square Error rule. The experimental results demonstrate the effectiveness of the improved algorithm, especially in low quality images. Second, we investigate the traditional variance based fingerprint segmentation algorithm, and present a adaptive texture feature based fingerprint segmentation algorithm which combine texture feature and variance. The experimental results demonstrate the effect of the proposed segmentation algorithm is better than the variance based fingerprint segmentation, and it also has stronger resistance to noise.（3）In the aspect of the multi-level based fingerprint segmentation method, weinvestigate the multi-level segmentation algorithm of fingerprint image. First, to improve the method of calculating the orientation image, the paper uses a better robust method. Second, we present an improved algorithm of setting the thresholds automatically for the disadvantage of setting some thresholds based on experience. The experimental results demonstrate the high accuracy rate of the improved algorithm.KEY WORDS: fingerprint, fingerprint segmentation, feature fusion, multi-level segmentaion目录第一章绪论 (1)1.1研究背景 (1)1.1.1生物特征识别技术概述 (1)1.1.2主要生物特征识别技术 (2)1.2指纹识别技术简介 (6)1.2.1指纹识别研究内容 (6)1.2.2国内外发展状况和面临的挑战 (10)1.3研究内容与结构 (12)第二章指纹图像分割方法综述 (14)2.1图像分割方法 (14)2.2指纹图像分割方法 (17)2.2.1基于特征融合判决的指纹图像分割方法 (19)2.2.2基于多级分割思想的指纹图像分割方法 (21)2.3本章小结 (22)第三章基于特征融合判决分割方法研究 (23)3.1有监督分割方法 (23)3.1.1分割特征选择 (23)3.1.2分类器选择 (26)3.1.3实验结果及分析 (28)3.2无监督分割方法 (29)3.2.1基于灰度方差的指纹图像分割 (30)3.2.2基于纹理特征的自适应指纹图像分割 (31)3.2.3实验结果及分析 (33)3.3本章小结 (36)第四章基于多级分割思想分割方法研究 (37)4.1结合多种方法的指纹图像逐级分割方法 (37)4.1.1第一级指纹图像分割 (37)4.1.2第二级指纹图像分割 (39)i4.1.3第三级指纹图像分割 (42)4.2自动确定部分阈值的指纹图像分级分割方法 (42)4.3实验结果及分析 (44)4.4本章小结 (45)第五章结论与展望 (46)5.1结论 (46)5.2展望 (47)参考文献 (48)攻读硕士期间发表的论文及所取得的研究成果致谢ii中北大学学位论文第一章绪论随着信息技术的发展，传统的身份识别技术已经逐渐被新型的基于生物特征的识别技术所替代。
一种新型指纹图像分割算法
ｇ ｒｔｍｓｔ ｈ ｏ ｓ ｓａｔ ｃ ｅ ｅ ｉｐ ｔ ｎ ｅ ｒｎ ｍａ ｅ ，ｓ ｃ ｓｄ ｒ，ｉ ｕ ｔ ｓａ ｄ ｌｗ ｃ ｎ ｒ ｓ ｗａ ｎ ｙ ｅ ．Ａ ｎ ｗ ｍｅｈ ｄ ｔ ｓ ｇ ｏｉ ｈ ｏ ｔｅ ｎ ｉｅ ｔ ｈ ｄ ｔ ｔ ｎ ｕ ｇ ｒ ｉ ｔ ａ ｏｈ ｉ ｆ ｐ ｉ ｇ ｓ ｕ ｈａ ｉ ｔ ｍｐ ｒ ｉ ｎ ｏ ｏ ｔ ｔ ｓａ ａ ｚ ｄ ｉ ｅ ａ ｌ ｅ ｔ ｏ ｏ ｅ －
第２ ７卷 第 ７期
２１ ０ ０年 ７月
机
电
工
程
Ｖｏ ． ７ Ｎｏ ７ １２ ．
Ｊ ｕ ｎ ｌｏ ｃ ａ ｉａ ＆ Ｅ ｅ ｔ ｃ ｌＥ ｇｎ ｅ ｉ ｇ ｏ ｒ ａ ｆＭｅ ｈ ｎ ｃ ｌ ｌｃｒ ａ ｎ ｉ ｅ ｒ ｉ ｎBiblioteka Ｊ１ ００ ｕ ．２ １
指纹图像分割及增强研究的开题报告
指纹图像分割及增强研究的开题报告一、选题背景及研究意义随着计算机技术和图像处理技术的发展，指纹识别技术越来越成熟，被广泛应用。
在指纹识别中，指纹图像质量的好坏直接影响指纹识别的准确性和可靠性。
而指纹图像的质量受到多种因素的影响，如设备性能、图像采集条件等。
因此，对指纹图像进行分析和处理是非常有必要的，可以提高指纹图像的质量，从而提高指纹识别的准确性和可靠性。
指纹图像的分割和增强是指纹图像处理中的两个重要步骤。
指纹图像分割是将指纹图像分成前景和背景两部分，以便于后续的特征提取和匹配。
指纹图像增强是提高指纹图像清晰度和对比度的过程，通常包括去除噪声、增强细节和边缘等。
现有的指纹图像分割和增强算法往往存在一些问题，如会把指纹纹理分隔开或合并在一起，或者会使指纹纹线模糊或缺失等。
因此，本研究旨在探索新的指纹图像分割和增强算法，提高指纹图像的质量和可靠性。
二、研究内容与技术路线本研究将从以下几个方面展开：1. 指纹图像分割：提出一种基于深度学习的指纹图像分割方法。
该方法将利用深度卷积神经网络进行指纹特征的提取和学习，并通过像素级别的分类实现指纹图像的分割。
2. 指纹图像增强：提出一种基于局部直方图均衡和非局部均值去噪的指纹图像增强方法。
该方法将利用局部直方图均衡提高局部对比度，同时采用非局部均值去噪减少图像噪声，以提高指纹图像的清晰度和对比度。
3. 算法优化与实现：对上述两种算法进行优化和实现，并通过大量实验验证算法的稳定性和效果。
技术路线：1. 指纹图像预处理：对原始指纹图像进行基本处理，如平滑、二值化等。
2. 指纹图像分割：利用深度学习提取指纹特征，实现像素级别的分类，将指纹图像分割为前景和背景两部分。
3. 指纹图像增强：采用局部直方图均衡和非局部均值去噪方法，提高指纹图像的清晰度和对比度。
4. 算法优化与实现：对算法进行优化和实现，并通过大量实验验证算法的稳定性和效果。
三、预期成果本研究预期可以获得以下成果：1. 提出一种新的基于深度学习的指纹图像分割方法，实现对指纹图像的准确分割。
基于指纹方向流模式特性的分割方法
垂直于块方 向的灰度变化 ， 选择作为前景块还是背景块的判断依据 。实验研究表明 ， 以较为准确 、 可 完整地分割 出指纹前景
区 ， 时 保 留通 过 后 续 处 理 可 以恢 复 的模 糊 区 ， 可 以节 省 预 处 理 的 时 间 ， 保 证 了 精 度 ， 有 较 强 的 可 行 性 。 同 还 也 具 关 键 词 ： 纹分 割 ； 度 差 ； 向 流 ； 格 化 指 灰 方 规
１ 引言
指 纹 图像 分 割 就 是 提 取 清 晰 的纹 线 图 像 处 理 过 程 ， 目 其
局部 平 行 的脊 线 和 谷 线 构 成
。在 指 纹 区域 ， 脊 线 方 向 沿
的 灰 度 变 化 很 小 ， 现 了纹 路 的 走 向 ， 为 局 部 主 导 方 向 。 体 称
ｉ ｇ ｒ ｉｔｆｒ ｇ ｏ ｄ ｐ ｅ ｉｅｙ ｎ ｏ ｌ ｔｌ ｆｎ ｅｐｒｎ ｏ ｅ ｒｕｎ ｒ ｃｓ ｌ ａ ｄ ｃ ｍｐ ｅｅｙ． Ｉ ａ ｓ ｖ ａ ｏ ｏ ｒ ｔｅ ｔ ｎｔｔｍｅ ａ ｄ ｕ ａ ａ ｅ ｐ ｅ ｉｉｎ ａ ｔ ｃ ｎ ａ ｅ ｌｔ ｆ ｐ ｅｒ ａｍｅ ｉ ｎ ｇ ｒｎｔｅ ｒ ｃｓｏ ｓ
中图 分 类 号 ： Ｐ９ Ｔ３ 文 献标 识 码 ： Ａ
Ａ ｅ ｈｏ ｆＦｉ ｅ ｐ ｉ ｔ Ｓ ｇ ｅ ｔ ｔｏ ｓ ｄ ｏ ｒ ｃ ｉ ｎ — ｆｏ Ｍ ｔ ｄ ｏ ｎｇ ｒ ｒ ｎ ｅ ｍ ｎ ａ ｉ ｎ Ｂａ ｅ ｎ Ｄｉ ｅ ｔｏ — ｗ ｌ
ＬＩ Ｈｕ —ｙｎ Ｕ ｉ ｉ ｇ，ＸＩ Ｔｉｎ—ｑ ，ＣＨＥＮ ａ Ａ ａ ｉ Ｘｉｏ
谓分割算法就是将可用的指纹区域从背景噪声中提取 出来 。再采用 方差法和方向图法处理基础上 ， 提出了一种新 的基于指
指纹算法_精品文档
指纹算法指纹算法是一种用于对指纹图像进行特征提取和匹配的计算方法。
指纹作为一种独特的生物特征，被广泛应用于个人身份验证、刑事犯罪侦查等领域。
指纹算法的目标是从指纹图像中提取出能够稳定区分不同指纹的特征，以便进行指纹匹配和识别。
指纹图像通常包含了脊线和细节等特征。
在指纹算法中，首先需要对指纹图像进行预处理，以去除噪声和不必要的细节。
常见的预处理方法包括图像增强、边缘检测和二值化等。
通过预处理后，得到的二值化图像中，黑色区域表示指纹纹线，白色区域表示指纹间的空白区域。
接下来，指纹算法通过检测指纹图像中的脊线特征，来提取指纹的核心区域。
脊线是指纹图像中的一系列脊梁形状的线条，其具有一定的方向和间距。
指纹算法通常采用方向滤波器、Gabor滤波器等方法来检测和增强脊线特征。
将检测到的脊线特征进行细化处理，可以得到一系列细节丰富的骨架线，用来表示指纹的核心区域。
在指纹特征提取阶段，指纹算法使用不同的方法来提取指纹图像的特征向量。
常见的方法有：小局部区域特征提取（Minutiae）和基于区域的特征提取（SIFT、SURF等）。
其中，小局部区域特征提取是指提取指纹图像中的细微特征，如脊线结束点、脊线岔路点等。
而基于区域的特征提取则通过提取指纹图像的纹理特征来表示指纹。
指纹匹配是指将提取到的指纹特征向量与已有的指纹库中的指纹进行比对，以确定是否匹配。
指纹匹配通常使用各种相似性度量方法，如欧式距离、余弦相似度等。
通过将待匹配的指纹特征与指纹库中的所有指纹进行比对，可以找到与之最相似的指纹。
指纹算法在实际应用中有许多挑战和限制。
首先，指纹图像可能遭受到各种因素的干扰，如污损、扭曲、畸变等。
这些因素会导致指纹图像的质量下降，从而影响指纹算法的性能。
其次，指纹库的规模可能非常大，如何高效地进行指纹匹配也是一个难题。
此外，随着技术的发展，指纹被伪造的可能性也在增加，指纹算法需要具备一定的安全性和防护能力。
总的来说，指纹算法是一种重要的生物特征识别技术，具有广泛的应用前景。
基于多智能体系统的自适应指纹图像分割算法
中图分类号 ：ｔ ９． １ 文献标识码 ： 文章编号 ：６１ ６７ （０ １０ — ０ ３ ０ ＴＢ １４ Ａ １７ — ５４ ２． ）１ ０７ — ７ １
１ 引 言
近 年来 ， 统 的基 于 特定 物品 或知识 的身份识 别 方 法 已经无 法 满 足 现代 信 息 社会 的实 际 传
２１ ０ １年 １月 第 １ 期
浙 江
教 育 学 院 学 报
Ｊ ｎ ａｙ２ １ ａ ｕ ｒ ０ １
Ｎｏ １ ．
Ｊ Ｕ Ｎ ＬＯ Ｈ ＪＡ Ｇ Ｅ Ｕ Ａ ＩＮ Ｉ Ｓ ＩＵ Ｅ Ｏ Ｒ Ａ ＦＺ Ｅ Ｉ Ｎ Ｄ Ｃ ＴＯ Ｎ ＴＴ Ｔ
基于多智能体 系统的 自适应指纹图像分割算法
后续 的低 质量 指纹 图像 处理 方法 的性 能有 较 大影 响 ． 低 质量 对
可 以降低 背景 或强 噪声 区域 对后 续处 理方 法 的不 良影 响 ， 高 指 纹 特征 信 息 提取 结 果 的 可靠 提
性 和 精度 ， 从而 提 高 自动 指纹 识别 系统 的识 别 精 度 ¨ ３． － 同时 ， 确 的分 割 结 果 可 以有效 减 少 准 后 续 处理 过程 中 的数据 量 ， 降低 自动 指纹 识 别 系 统 的处 理 时 间 ． 般 而言 ， 以将 指 纹 图 一 可
方法 有一 个前 提 条件 ， 即所 求取 的方 向信息 是 可靠 、 确 的． 准 否则 ， 由于方 向信息求 取 结果 的 错 误， 分割 结果 的有 效性 不 可能 得到 保证 ． 因此 ， 于低 质 量 指 纹 图像 而言 ， 对 由于 强 噪 声 的干 扰 ， 方 向信息 求取 结果 的准确 性必 然 下降 ， 从而 导致 了分割 算法 的实 际性 能 急剧 下 降 ， 法满 足应 无
一种指纹图像的快速分割方法
该方法在保证 良好分割精度 的同时分割速度较快 。 关健 葡：数学形态学 ；变形 虫；自适应分割 ；离散小波变换 ；指纹分 割
Ｆａ ｔＳ ｇ ｅ ｔ ｔｏ ｅ ｈ ｄ ０ ｎ ｅ ｐ ｉ ｔ ｍ ａ ｅ ｓ ｅ ｍ ｎ ａ ｉ ｎ Ｍ ｔ ｏ ｆＦｉ ｇ ｒ ｒｎ Ｉ ｇ
Ｄ Ｉ １ ． ６ ／ｉ ｎ１０ — ２ ． １ ． ． ０ Ｏ ： ０ ９ ９ ．ｓ． ０３ ８ ０ １ ７ ７ ３ ｊｓ ０ ４ ２ １ ０
１ 概述
指纹 图像 的分割是指纹识别系统中的重要环节之一 。大 多数的指纹分割 方法仍将指纹 区域与背景区域的特征差异作 为分割的主要依据 ，如不 同区域的灰度统计特征 、局部方 向 性、方向图的统计特征和周 围区域方 向一致性、频率 、投影 信号等ｕ。近几年来 ，很 多方法从模式分类 的角度提 出了一 Ｊ 些新特征 ，而且采用形态 学、快速傅里叶变换、隐马尔可夫 模型、神经 网络等理论设计 了一些新 的分割方法…。这些 方 法虽然有效地提 高了指纹 图像 的分割效率 ，但也在一 定程度 上存在算法无法通用、鲁棒性 太低 、运行效率不高等问题 ， 而且很多方法的分割效果不够精确 。 为此 ，本文提出一种 指纹 图像 的快速分割方法 ，采用离 散小波变换对原图像 进行 一次分解 ，利用数学形态学变形虫
基于图像处理的手指分割与手势识别算法设计与实现
基于图像处理的手指分割与手势识别算法设计与实现手指分割与手势识别是目前计算机视觉领域的一个热门研究方向，广泛应用于人机交互、虚拟现实、智能安防等领域。
本文基于图像处理技术，旨在设计和实现一种准确高效的手指分割与手势识别算法。
一、手指分割算法设计手指分割是手势识别的关键步骤，其目标是准确地提取出图像中的手指部分。
下面介绍一种基于图像处理的手指分割算法。
1. 图像预处理首先，需要对输入的图像进行预处理，以便提高后续处理的效果。
常用的图像预处理操作包括灰度化、噪声去除、二值化等。
通过灰度化，可以将彩色图像转化为灰度图像，简化图像处理过程。
噪声去除可以通过平滑滤波的方法来实现，例如中值滤波或高斯滤波。
最后，通过二值化将图像转化为二值图像，以便更好地分割手指。
2. 提取手掌区域手掌区域在手指分割中起到重要的辅助作用，可以帮助分割出手指。
一种常用的手掌区域提取方法是基于肤色模型的分割。
通过建立肤色模型，可以将具有肤色特征的区域提取出来。
然后，通过边缘检测和形态学操作，可以进一步细化手掌区域的边缘。
3. 分割手指区域手指区域的分割可以通过多种方法实现，例如基于颜色特征的分割、基于纹理特征的分割等。
其中，基于颜色特征的分割是一种常用且有效的方法。
通过建立手指的颜色模型，可以将手指和其他区域分割开。
然后，通过边缘检测和形态学操作，可以进一步细化手指的边缘。
二、手势识别算法设计与实现手势识别是在手指分割的基础上，对手势进行分类识别的过程。
下面介绍一种基于图像处理的手势识别算法。
1. 特征提取手势的特征提取是手势识别的重要步骤，可以从不同的角度捕捉手势的特征信息。
常用的手势特征包括手指数量、手指的位置和姿态等。
通过分析手指的形状、光线反射等特征，可以提取出手势的特征向量。
2. 训练分类器手势的分类器是通过训练集来学习手势的模式和规律。
常用的分类器包括支持向量机（SVM）、人工神经网络（ANN）等。
通过给分类器提供已标记的手势图像，可以让分类器学习手势的特征和模式。
基于图像分割算法的手势识别研究
基于图像分割算法的手势识别研究随着计算机技术的不断发展，人工智能领域也在不断涌现出各种新的技术和应用。
其中，在视觉领域，图像分割技术的应用越来越广泛，如人脸识别、行人检测、医学影像分析等。
在图像分割技术的基础上，手势识别也逐渐被研究和应用。
手势识别技术是指通过图像处理和模式识别技术，对人的手部运动进行分析和识别，从而实现对人的意图的理解与控制。
手势识别技术广泛应用于人机交互、虚拟现实、智能家居等领域。
基于图像分割算法的手势识别在实际应用中具有很大的优势，本文将深入探讨该技术的研究。
一、图像分割技术简介图像分割是指将图像分成不同的区域，每个区域内具有相似的颜色、亮度、纹理等特征。
图像分割技术是计算机视觉领域的关键技术之一，是很多图像处理任务的基础，如目标识别、图像重建、人脸识别等。
图像分割算法按照不同方法可分为基于阈值的分割、基于边缘检测的分割、基于区域生长的分割、基于聚类分析的分割等。
近年来，深度学习技术的兴起，使得基于卷积神经网络的图像分割技术得到了广泛应用。
二、基于图像分割的手势识别方法基于图像分割算法的手势识别方法主要包括以下步骤：1. 预处理由于手势识别涉及到人体部分，因此需要对图像进行去噪和预处理。
首先对图像进行降噪处理，包括中值滤波、高斯滤波等。
然后进行图像增强处理，如直方图均衡化等。
2. 手部分割手部分割是手势识别的重要前置步骤，主要包括手掌分割和手指分割。
手掌分割是指将手部图像中的手掌区域分离出来；手指分割是指将手掌区域内的手指分割出来。
对于手掌分割，可以采用基于肤色分割、基于形态学的分割等方法。
对于手指分割，可以采用基于二值图像全局阈值分割、基于边缘检测的分割等方法。
3. 特征提取手势识别需要对手部图像提取出具有代表性的特征，以进行识别。
常用的特征提取方法包括颜色直方图、形状特征、纹理特征等。
在特征提取过程中，应该选取具有鲁棒性和可重复性的特征。
4. 分类器训练和识别将提取的特征送入分类器进行训练和识别。
基于线性支持向量机的指纹图像分割方法
收稿日期:2008201216;修回日期:2008203227 基金项目:国家自然科学基金资助项目(50374097);博士点专项科研基金资助项目(20030533008) 作者简介:李玉晓(19832),女,河北辛集人,硕士,主要研究方向为数字图像处理、模式识别(liyuxiao2005@s ohu .co m );彭小奇(19622),男,四川武胜人,教授,博导,主要研究方向为信号与信息处理、智能决策;李晟(19822),男,湖南湘阴人,硕士,主要研究方向为数字图像处理.基于线性支持向量机的指纹图像分割方法3李玉晓1,彭小奇1,2,李 晟1(1.中南大学物理科学与技术学院,长沙410083;2.湖南工业大学,湖南株洲412008)摘 要:针对现有指纹分割方法存在的不足,提出了一种基于线性支持向量机的指纹图像分割方法。
该方法首先选择指纹图像子块的傅里叶频谱能量比和灰度对比度构成特征向量,利用线性支持向量机对这些特征向量进行分类,再运用二值图像形态学操作最终实现指纹图像分割。
实验结果表明,与现有的一些典型方法相比,该方法对于指纹图像分割更为准确、可靠。
关键词:指纹图像分割;傅里叶频谱能量比;灰度对比度;线性支持向量机中图分类号:TP391.41 文献标志码:A 文章编号:100123695(2008)1223669202Finger p rint i m age seg mentati on method based on linear support vect or machineL I Yu 2xiao 1,PE NG Xiao 2qi 1,2,L I Sheng1(1.School of Physics Science &Technology,Central South U niversity,Changsha 410083,China;2.Hunan U niversity of Technology,ZhuzhouHunan 412008,China )Abstract:This paper p r oposed novel finger p rint i m age seg mentati on method based on linear support vect or machine t o over 2come s ome shortage in the p resent literatures .The method firstly selected Fourier s pectru m energy rati o and gray contract which were extracted fr om finger p rint i m age sub 2bl ocks t o construct feature vect ors,and then classified these feature vect ors by linear support vect or machine,finally perf or med mor phol ogical operati ons t o ulti m ately realize finger p rint i m age seg mentati on .Experi m ental results p r ove that this finger p rint i m age seg mentati on method is p recise and reliable compared with other app r oa 2ches .Key words:finger p rint i m age seg mentati on;Fourier s pectru m energy rati o;gray contract;linear support vect or machine指纹图像分割是指纹识别系统预处理过程中的关键一步。
指纹图像分割算法的研究
指纹图像分割算法的研究张伟【摘要】Fingerprint image segmentation as an important pan of fingerprint recognition, is the right basis of fingerprint recognition, and only select the appropriate fingerprint segmentation, effective separationof the fingerprint image from the foreground and background in order to follow-up treatment, can realize the effective fingerprint recognition; otherwise will increase the number of false features, affect the final matchof the fingerprint can not be valid identification. In this paper, fingerprint image segmentation, the analysis of variance and consistency of orientation fingerprint problem, design a smooth contour with the fingerprint segmentation algorithm, simulation results show that the algorithm can accurately extract the background from the fingerprint image, and can be removed irregular interruption of the edge endpoints,to ensure effective fingerprint areas are intact%指纹图像分割作为指纹识别的重要部分,是正确进行指纹识别的的基础,只有选择合适的指纹分割方法,有效地分离出指纹图像的前景和背景两部分,才能进行后续的处理,才能对指纹进行有效的识别；否则由于背景区域对前景区域影响会增加许多虚假特征,影响最终匹配,不能有效地对指纹进行识别；在指纹图像分割方面,分析了指纹的方差和方向一致性问题,设计了一种具有光滑轮廓线的指纹分割算法,仿真结果表明,该算法能够从指纹背景中准确提取指纹图像,并且能够除去边缘非正常中断端点,保证有效指纹区得到完整保留.【期刊名称】《计算机测量与控制》【年(卷),期】2011(019)007【总页数】4页(P1746-1748,1752)【关键词】指纹识别;图像分割,光滑轮廓线;分割算法【作者】张伟【作者单位】临沂大学信息学院,山东临沂276005【正文语种】中文【中图分类】TP2740 引言指纹识别是一种利用人体固有的生物特征进行个人身份识别的技术。
基于灰度均衡的指纹图像分割算法_胡涛
2007, 43(241引言指纹识别技术是近年来生物识别技术的一个研究热点。
在自动指纹识别系统中 , 一般分为指纹采集、图像预处理、特征提取及识别。
由于指纹采集设备特征及指纹本身噪声等因素的影响 , 所采集到的指纹图像必须经过预处理环节 , 才能精确有效的提取指纹特征 , 以提高指纹的识别效果 [1]。
对于不同的指纹识别系统 , 其指纹预处理方法也各不相同。
一般的指纹预处理环节包括去除噪声、分割、方向提取、图像增强、二值化和细化等 [2-4]。
其中由于指纹在采集过程中往往不能产生满的指纹图像 , 因而产生了指纹图像的前景区域 (有效的指纹纹路部分和背景区域 (没有指纹纹路部分 , 含有大量噪声 , 这就须将指纹图像的前景区域和背景区域分割开来 , 使后续环节能集中于有效区域进行处理 , 这就是指纹分割的目的。
目前使用的指纹采集传感器有四种 , 分别是光学传感器、 CMOS 压感传感器、热敏传感器及超声波传感器 , 其中 , CMOS 压感传感器在当前的指纹产品中占据大部份市场 [5], MBF200就是一种 CMOS 压感传感器。
本文在对本研究室自行设计的 MBF200半导体指纹采集器所采集的不同指纹图像进行分析及分割算法研究的基础上 , 提出了一种简单、有效、实用性强的分割算法。
后续的第 2章将讨论常见的几种指纹分割及各自特点 ; 第 3章将论述基于灰度均衡的指纹分割算法 ; 第 4章将该算法的实验结果 ; 第 5章总结该算法特点。
2传统的指纹分割方法目前 , 传统的指纹图像分割算法主要包括 :图像局部灰度方差算法、基于指纹方向图算法以及结合方向和灰度的算法等。
2.1局部灰度方差法该方法是利用图像的局部方差对指纹图像进行分割 , 根据经验设定方差的不同阈值 , 确定指纹图像的背景区域和前景区域。
此方法对于质量较好、对比度较高的指纹图像分割效果较好 , 但对于低对比度或高噪声的图像 , 不能有效的检测出噪声区域 , 从而影响处理效果。
一种有效的指纹图像分割和细化方法
一种有效的指纹图像分割和细化方法
穆国燕;田俊霞;陈树中
【期刊名称】《计算机工程》
【年(卷),期】2002(028)010
【摘要】对指纹图像的预处理作了综述,并且针对指纹图像的自身特点,提出了对其分割和细化的新方法,同时,运用该方法对指纹图像进行了实验,实验效果很好.
【总页数】2页(P128-129)
【作者】穆国燕;田俊霞;陈树中
【作者单位】华东师范大学计算机系系统所,上海,200062;华东师范大学计算机系系统所,上海,200062;华东师范大学计算机系系统所,上海,200062
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种有效的指纹图像细化算法 [J], 何晶;范九伦
2.有效的指纹纹线细化方法 [J], 李徐周;于飞
3.一种有效的混合式指纹快速细化算法 [J], 杨凡;赵顺东
4.一种有效的指纹图象的纹线细化处理法 [J], 朱霞辉;罗飞路
5.一种有效的基于八邻域查表的指纹图像细化算法 [J], 杨威;郭科;魏义坤
因版权原因，仅展示原文概要，查看原文内容请购买。
基于协同注意力的小样本的手机屏幕缺陷分割
基于协同注意力的小样本的手机屏幕缺陷分割
许国良;毛骄
【期刊名称】《电子与信息学报》
【年(卷),期】2022(44)4
【摘要】在手机屏幕工业化生产过程中,缺陷检测的好坏直接影响手机屏幕的合格率。
少量的缺陷样本不足以完成数据驱动的分割网络的训练,因此如何利用少量的缺陷图像完成缺陷分割成为关键问题。
该文针对此问题提出一种基于协同注意力的小样本手机屏幕缺陷分割网络(Co-ASNet)。
该网络使用交叉注意力块在特征提取时获取更加丰富的上下文缺陷特征信息,同时引入了协同注意力的方式来加强支持图像与查询图像相同缺陷目标之间的特征信息交互,增强缺陷特征表示,另外,使用了改进的联合损失函数来完成网络的训练。
该文采用手机屏幕缺陷数据集进行实验,实验结果表明,Co-ASNet能够使用少量的缺陷样本完成良好的缺陷分割效果。
【总页数】8页(P1476-1483)
【作者】许国良;毛骄
【作者单位】重庆邮电大学通信与信息工程学院;重庆邮电大学电子信息与网络工程研究院
【正文语种】中文
【中图分类】TN911.73;TP391.4
【相关文献】
1.基于图像处理的手机屏幕缺陷检测系统研究
2.基于机器视觉的手机屏幕缺陷检测系统研究
3.基于手机屏幕缺陷检测系统设计
4.基于语义分割网络的小样本表面缺陷检测
5.基于机器视觉的手机屏幕缺陷检测方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
山 东 大 学 学 报 （ 工 学 版） ） Ｊ Ｏ Ｕ Ｒ Ｎ Ａ ＬＯ ＦＳ Ｈ Ａ Ｎ Ｄ Ｏ Ｎ ＧＵ Ｎ Ｉ Ｖ Ｅ Ｒ Ｓ Ｉ Ｔ Ｙ（ Ｅ Ｎ Ｇ Ｉ Ｎ Ｅ Ｅ Ｒ Ｉ Ｎ ＧＳ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ
年２ 月 ２ ０ ０ ９ Ｆ ｅ ｂ ． ２ ０ ０ ９
［ ］ ６
利用了已标记数据和未标记数据， 实验结果也表明， 该算法能够在标记信息较少的情况下取得较好的性 能， 并在处理低质量指纹图像时有较强的鲁棒性 ．
１ 研究背景
１ ． １ 基于像素水平的指纹分割 ［］ Ａ ． Ｍ． Ｂ ａ ｚ ｅ ｎ等人 ３ 在 ２ ０ ０ １年提出了一种基于 像素水平的指纹图像分割算法， 他们首次提出了基 于像 素 的 Ｃ 即方向一致性（ Ｍ Ｖ 特 征 体 系， ｃ ｏ ｈ ｅ ｒ ） ， 灰度均值（ ） 和灰度方差（ ） 个特 ｍ ｅ ａ ｎ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ３ ｅ ｎ ｃ ｅ 征， 并利用线性分类器对指纹图像进行分割； Ｙ ． Ｙ ｉ ｎ
（ ，Ｓ ，Ｊ ，Ｃ ） Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄＴ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｈ ａ ｎ ｄ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｉ ｎ ａ ｎ ２ ５ ０ １ ０ １ ｈ ｉ ｎ ａ ：Ｆ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎｉ ｓｏ ｎ ｅｏ ｆｔ ｈ ｅｋ ｅ ｙｐ ｒ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇｓ ｔ ｅ ｐ ｓｉ ｎａ ｎａ ｕ ｔ ｏ ｍ ａ ｔ ｅ ｄｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎｓ ｙ ｓ ｔ ｅ ｍ （ ） Ａ Ｆ Ｉ Ｓ ． Ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｆ ｒ ｏ ｍｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｃ ｏ ｕ ｌ ｄ ｓ ｐ ｅ ｅ ｄ ｕ ｐ ｆ ｏ ｌ ｌ ｏ ｗ ｉ ｎ ｇ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｅ ｓ ａ ｎ ｄ ｉ ｍ ｐ ｒ ｏ ｖ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ，ｉ ，ｉ ，ｗ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ． Ｈ ｏ ｗ ｅ ｖ ｅ ｒ ｎｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｓ ｔ ｉ ｓ ｅ ｓ ｓ ｅ ｎ ｔ ｉ ａ ｌ ｔ ｏ ｏ ｂ ｔ ａ ｉ ｎｌ ｏ ｔ ｓ ｏ ｆ ｌ ａ ｂ ｅ ｌ ｅ ｄｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ｈ ｉ ｃ ｈａ ｒ ｅ ｕ ｓ ｕ ａ ｌ ｌ ｙ ，ｔ ，ａ ｍ ｏ ｒ ｅ ｅ ｘ ｐ ｅ ｎ ｓ ｉ ｖ ｅ ｔ ｈ ａ ｎｕ ｎ ｌ ａ ｂ ｅ ｌ ｅ ｄｏ ｎ ｅ ｓ ． Ｔ ｏ ｉ ｎ ｃ ｏ ｒ ｐ ｏ ｒ ａ ｔ ｅ ｌ ａ ｂ ｅ ｌ ｅ ｄａ ｎ ｄｕ ｎ ｌ ａ ｂ ｅ ｌ ｅ ｄｄ ａ ｔ ａ ｔ ｏ ｇ ｅ ｔ ｈ ｅ ｒ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄＣ ｏ Ｓ ｅ ｇ ｓ ｅ ｍ ｉ ｓ ｕ ，ｉ ，Ｍ ｐ ｅ ｒ ｖ ｉ ｓ ｅ ｄｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ．Ｕ ｎ ｄ ｅ ｒｔ ｈ ｅｖ ｉ ｅ ｗｏ ｆｐ ｉ ｘ ｅ ｌ ｌ ｅ ｖ ｅ ｌｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ． ｅ ．Ｃ ｏ ｈ ｅ ｒ ｅ ｎ ｃ ｅ ｅ ａ ｎａ ｎ ｄＶ ａ ｒ ｉ ａ ｎ ｃ ｅ （ ） ，Ｃ Ｃ Ｍ Ｖ ｏ Ｓ ｅ ｇ ｅ ｍ ｐ ｌ ｏ ｙ ｓ Ｌ ａ ｂ ｅ ｌ Ｂ ｏ ｘ ａ ｎ ｄ Ｓ Ｖ Ｍａ ｓ ｔ ｗ ｏ ｂ ａ ｓ ｅ ｌ ｅ ａ ｒ ｎ ｅ ｒ ｓ ａ ｎ ｄ ｔ ｒ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｆ ｉ ｎ ａ ｌ ｍ ｏ ｄ ｅ ｌ ｆ ｏ ｒ ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｃ ｏ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｓ ｔ ｙ ｌ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ． Ｅ ｘ ｐ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｓ ｐ ｅ ｒ ｆ ｏ ｒ ｍ ｅ ｄｏ ｎＦ Ｖ Ｃ２ ０ ０ ２ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ｓ ｓ ｈ ｏ ｗｔ ｈ ａ ｔ Ｃ ｏ Ｓ ｅ ｇｃ ａ ｎｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙｅ ｘ ｐ ｌ ｏ ｉ ｔ ｕ ｎ ｌ ａ ｂ ｅ ｌ ｅ ｄｄ ａ ｔ ａｗ ｉ ｔ ｈ ，ａ ｌ ｉ ｍ ｉ ｔ ｅ ｄｌ ａ ｂ ｅ ｌ ｅ ｄｄ ａ ｔ ａ ｎ ｄｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄｍ ｅ ｔ ｈ ｏ ｄｉ ｓ ａ ｌ ｓ ｏ ｒ ｏ ｂ ｕ ｓ ｔ ｗ ｈ ｅ ｎｄ ｅ ａ ｌ ｉ ｎ ｇ ｗ ｉ ｔ ｈｌ ｏ ｗ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ． ：ｆ ；ｆ ；ｓ ；ｃ ；ｃ Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｅ ｍ ｉ ｓ ｕ ｐ ｅ ｒ ｖ ｉ ｓ ｅ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ｏ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｏ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ ｂ ａ ｓ ｅ ｄ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
］ ４ 等人［ 对该方法进行了扩展， 他们使用神经网络训
练得到一个二次曲面分类器， 实验结果证明了该方
］ ５ 法的有效性； 任春晓等人［ 提出了一种基于标记盒
（ ） 的分割算法， 该算法本质上是一个分段 Ｌ ａ ｂ ｅ ｌ Ｂ ｏ ｘ 线性分类器， 它首先把 Ｃ Ｍ Ｖ特征空间分成若干子 盒， 根据落入子盒中的训练样本把每个子盒标记为 前景盒或背景盒， 并由该标记对像素分类 ． １ ． ２ 协同训练算法 ［］ 虽然 Ａ ． Ｂ ｌ ｕ ｍ等人 ７ 在提出协同训练算法时给 出了严格的理论推导来证明该算法的有效性， 但在 实际应用中， 充分并且冗余的 ２ 个视图的假设往往 ］ １ ０ 很难得到满足 ． 等人［ 提出了一种不 Ｓ ． Ａ ． Ｇ ｏ ｌ ｄ ｍ ａ ｎ 需要满足上述假设的协同训练算法， 他们使用不同 个不同 的决策树算法， 在同一个属性集上训练出 ２ 的分类器， 每个分类器都可以把样本空间划分为若
文章编号： （ ） １ ６ ７ ２ ３ ９ ６ １ ２ ０ ０ ９ ０ １ ０ ０ ２ ２ ０ ５
基于协同训练的指纹图像分割算法
周广通， 尹义龙 ， 郭文鹃， 任春晓
（ 山东大学计算机科学与技术学院，山东 济南 ２ ） ５ ０ １ ０ １
摘要： 指纹图像分割是自动指纹识别系统预处理中最关键的技术之一 ． 精确、 可靠地将指纹图像从背景中分割出 来， 能够加快后续工作的处理速度， 提高识别算法的准确性 ． 传统的分割算法需要大量已标记的指纹图像作为训 为综合利用已标记和未标记的指纹图像， 提出一种基于协 练数据， 但实际应用中获取标记样本比较繁琐和耗时 ． 同训练的半监督指纹图像分割算法： 该算法在基于像素水平的 Ｃ 、 、 （ ） 特征体系下， Ｃ ｏ Ｓ ｅ ｇ ． ｏ ｈ ｅ ｒ ｅ ｎ ｃ ｅ Ｍ ｅ ａ ｎ Ｖ ａ ｒ ｉ ａ ｃ ｅ Ｃ Ｍ Ｖ 在Ｆ 指纹库上的实验结果表明， 能够在标记 使用标记盒和支持向量机作为基分类器进行协同训练 ． Ｖ Ｃ ２ ０ ０ ２ Ｃ ｏ Ｓ ｅ ｇ 信息较少的情况下取得较好的性能， 并在处理低质量指纹图像时表现出较强的鲁棒性 ． 关键词： 指纹识别； 指纹图像分割； 半监督学习； 协同训练； Ｃ ｏ Ｓ ｅ ｇ 中图分类号： ； Ｔ Ｐ ３ ９ １ Ｔ Ｐ １ ８ 文献标志码： Ａ
指纹图像分割本质上是一个 度， 提高识别的准确性 ． 两类分类问题， 即将图像分为前景区和背景区， 仅前 景区含有指纹， 需要保留以做后续处理 ． 根据特征提取对象的不同， 指纹图像分割算法 可 分为基于块水平的和基于像素水平的 ２ 种． 基于
精确可靠地分割不仅能够减少后续工 ．
收稿日期： ２ ０ ０ ９ ０ １ １ ９ 基金项目： 山东省优秀中青年科学家科研奖励基金资助项目（ ） ； 山东省高新技术自主创新工程专项资助项目（ ） ； 山东 ２ ０ ０ ６ Ｂ Ｓ ０ １ ０ ０ ８ ２ ０ ０ ７ Ｚ Ｃ Ｂ ０ １ ０ ３ ０ 省自然科学基金重点项目资助项目（ ） Ｚ ２ ０ ０ ８ Ｇ ０ ５ 作者简介： 周广通（ ） ， 男， 山东菏泽人， 硕士研究生， 研究方向为机器学习、 数据挖掘与模式识别 ． １ ９ ８ ６ ： ｚ ｈ ｏ ｕ ｇ ｕ ａ ｎ ｇ ｔ ｏ ｎ ｇ ＠ｇ ｍ ａ ｉ ｌ ． ｃ ｏ ｍ Ｅ ｍ ａ ｉ ｌ 尹义龙（ ） ， 男， 山东菏泽人， 教授， 博士， 研究方向为图像处理、 模式识别与机器学习 ． １ ９ ７ ２ 通讯作者： ： Ｅ ｍ ａ ｉ ｌ ｙ ｌ ｙ ｉ ｎ ＠ｓ ｄ ｕ ． ｅ ｄ ｕ ｅ ｎ ｔ ａ ｔ ｉ ｏ ｎａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｂ ａ ｓ ｅ ｄｏ ｎｃ ｏ ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ
，Ｙ ，Ｇ ，Ｒ Ｚ Ｈ Ｏ ＵＧ ｕ ａ ｎ ｇ ｔ ｏ ｎ ｇ Ｉ ＮＹ ｉ ｌ ｏ ｎ ｇ Ｕ ＯＷｅ ｎ ｊ ｕ ａ ｎ Ｅ ＮＣ ｈ ｕ ａ ｎ ｘ ｉ ａ ｏ
作的处理时间， 而且可以显著改进特征提取的可信
０ 前言
指纹图像分割是自动指纹识别系统（ ａ ｕ ｔ ｏ ｍ ａ ｔ ｅ ｄ ，Ａ ） 预处理中的一个 ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ Ｆ Ｉ Ｓ 重要环节