基于投影信号谱分析的指纹纹线间距估计方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 209-211.

基于投影信号谱分析的指纹纹线间距估计方法

伍更新,彭小奇,彭章平,李玉晓

中南大学物理科学与技术学院,长沙 410083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 伍更新

Estimation method of fingerprint ridge distance based on projection signal spectrum analysis

WU Geng-xin,PENG Xiao-qi,PENG Zhang-ping,LI Yu-xiao

School of Physics Science and Technology,Central South University,Changsha 410083,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: WU Geng-xin

摘要/Abstract

摘要： 准确估计指纹纹线间距对指纹图像分割、增强及指纹细节特征提取具有重要意义。针对现有纹线间距估计方法存在的不足,提出了一种基于纹线方向投影信号谱分析的指纹纹线间距估计方法。该方法首先对指纹块方向图进行选择性平滑以滤除噪声干扰,然后计算方向投影信号的傅立叶变换能量谱,并通过谱分析提取信号基频,以此估计出纹线间距。实验结果表明,与现有的一些典型方法相比,该文方法对于纹线间距的估计更为准确、可靠。

关键词: 指纹纹线间距, 方向图平滑, 谱分析, 图像分割

Abstract: An exact estimation of fingerprint ridge distance is very important for fingerprint image segmentation,enhancement and minutiae feature extraction.An estimation method of fingerprint ridge distance based on ridge orientation projection signal spectrum analysis is proposed to overcome some shortages in the present literatures.Firstly,this algorithm selectively smoothes the fingerprint block orientation field to remove noises,and then computes the Fourier transform power spectrum of projection signal and extracts the fundamental frequency by spectrum analysis to estimate ridge distance.Experimental results prove that the estimation method of ridge distance is precise and reliable compared with other approaches.

Key words: fingerprint ridge distance, orientation field smoothing, spectrum analysis, image segmentation

伍更新,彭小奇,彭章平,李玉晓. 基于投影信号谱分析的指纹纹线间距估计方法[J]. 计算机工程与应用, 2007, 43(27): 209-211.

WU Geng-xin,PENG Xiao-qi,PENG Zhang-ping,LI Yu-xiao. Estimation method of fingerprint ridge distance based on projection signal spectrum analysis[J]. Computer Engineering and Applications, 2007, 43(27): 209-211.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[7]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[8]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[9]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[12]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[13]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[14]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[15]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.