指纹图像预处理中的关键技术研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 223-225.

指纹图像预处理中的关键技术研究

吴健辉^1,2,许朝侠³,杨坤涛²,张国云¹

1.湖南理工学院物理与电子信息系，湖南岳阳 414006
2.华中科技大学光电子科学与工程学院，武汉 430074
3.郑州牧业工程高等专科学校信息工程系，郑州 450011

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 吴健辉

Study of essential technology for fingerprint image pre-processing

WU Jian-hui^1,2,XU Chao-xia³,YANG Kun-tao²,ZHANG Guo-yun¹

1.Dept. of Physics & Electronics Information，Hunan Institute of Science & Technology，Yueyang，Hunan 414006，China
2.School of Optoelectronics Science & Engineering，Huazhong University of Science & Technology，Wuhan 430074，China
3.Department of Information Engineering，Zhengzhou College of Animal Husbandry Engineering，Zhengzhou 450011，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: WU Jian-hui

摘要/Abstract

摘要： 指纹图像的预处理在计算机指纹自动识别系统（AFIS）中有着非常重要的作用，直接制约着系统的识别率和识别速度。指纹图像预处理通常包含图像的分割、去噪、增强、二值化和细化等。在总结现有常用预处理算法的基础上，通过实验对预处理中的三个关键算法即指纹图像的增强、二值化和细化进行了详细地研究，根据指纹图像的特点提出了一些有效的改进算法，实验结果显示这些改进的算法对指纹图像的处理效果明显，可以很好地提高指纹图像的质量，为后继处理打下良好基础。

关键词: 指纹识别, 图像增强, 二值化, 细化, 改进算法

Abstract: The pre-processing of the fingerprint image has the very important using in computer Automated Fingerprint Identification System（AFIS）；it is directly restricting the system recognition rate and speed.The pre-processing of the fingerprint image commonly include algorithms about image segmenting，removed noise，enhanced，binarization and thinning.Based on the often using algorithms，the author studies the three essential technologies about image enhanced，binarization and thinning on the pre-processing method through experiment.Put forward some effective improved algorithms from the fingerprint image characteristic.The result of experiment shows these improved algorithms have the evidence effect for fingerprint image processing，which can improve the quality of fingerprint image and make the base for sequence-processing.

Key words: fingerprint recognition, image enhanced, binarization, thinning, improved algorithms

吴健辉^1,2,许朝侠³,杨坤涛²,张国云¹. 指纹图像预处理中的关键技术研究[J]. 计算机工程与应用, 2008, 44(3): 223-225.

WU Jian-hui^1,2,XU Chao-xia³,YANG Kun-tao²,ZHANG Guo-yun¹. Study of essential technology for fingerprint image pre-processing[J]. Computer Engineering and Applications, 2008, 44(3): 223-225.

[1]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[2]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[5]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[6]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[7]	赵永猛，宓超. 自然环境下道口客车车身字符识别算法研究[J]. 计算机工程与应用, 2020, 56(16): 191-198.
[8]	陈文燕，范文博，杨钧宇. 基于密集连接卷积网络的小面积指纹识别方法[J]. 计算机工程与应用, 2020, 56(10): 134-140.
[9]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[10]	杨静雅，孙林夫，吴奇石. 基于汽车售后故障数据的关联分析[J]. 计算机工程与应用, 2019, 55(22): 219-224.
[11]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[12]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[13]	姚萌1，2，贾克斌1，3，4，萧允治2. 基于关键区域的二值化场景特征快速提取方法[J]. 计算机工程与应用, 2018, 54(6): 14-18.
[14]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[15]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.