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

C语言进阶(预处理命令详解)

《C语言进阶(预处理命令详解)》文章讲解了宏定义规范、头文件包含方式及条件编译应用,强调带参宏需加括号避免计算错误,头文件应声明函数原型以便主函数调用,条件编译通过宏定义控制代码编译,适用于测试与模块... 目录1.宏定义1.1不带参宏1.2带参宏2.头文件的包含2.1头文件中的内容2.2工程结构3.条件编

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

Python中OpenCV与Matplotlib的图像操作入门指南

《Python中OpenCV与Matplotlib的图像操作入门指南》:本文主要介绍Python中OpenCV与Matplotlib的图像操作指南,本文通过实例代码给大家介绍的非常详细,对大家的学... 目录一、环境准备二、图像的基本操作1. 图像读取、显示与保存 使用OpenCV操作2. 像素级操作3.

C/C++的OpenCV 进行图像梯度提取的几种实现

《C/C++的OpenCV进行图像梯度提取的几种实现》本文主要介绍了C/C++的OpenCV进行图像梯度提取的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录预www.chinasem.cn备知识1. 图像加载与预处理2. Sobel 算子计算 X 和 Y

c/c++的opencv图像金字塔缩放实现

《c/c++的opencv图像金字塔缩放实现》本文主要介绍了c/c++的opencv图像金字塔缩放实现,通过对原始图像进行连续的下采样或上采样操作,生成一系列不同分辨率的图像,具有一定的参考价值,感兴... 目录图像金字塔简介图像下采样 (cv::pyrDown)图像上采样 (cv::pyrUp)C++ O

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Python+wxPython构建图像编辑器

《Python+wxPython构建图像编辑器》图像编辑应用是学习GUI编程和图像处理的绝佳项目,本教程中,我们将使用wxPython,一个跨平台的PythonGUI工具包,构建一个简单的... 目录引言环境设置创建主窗口加载和显示图像实现绘制工具矩形绘制箭头绘制文字绘制临时绘制处理缩放和旋转缩放旋转保存编

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ