基于模糊c均值聚类的指纹质量分析之两阶段质量自适应指纹图像增强
计算机视觉与模式识别
2018-05-22 v1
摘要
指纹识别技术极大依赖于指纹图像的质量。为提升识别算法对低质量图像的性能,应设计高效的增强算法。若增强过程自适应于指纹质量(湿、干或正常),识别算法的性能提升将更为显著。本文提出一种质量自适应的指纹增强算法。所提指纹质量评估算法利用模糊c均值技术将指纹图像聚类至干、湿、正常干、正常湿和好质量等适当质量类别中。其考虑均值、湿度、方差、均匀性、对比度、脊谷面积均匀性和脊谷均匀性七个特征,以将指纹图像聚类至适当质量类别。每一质量类别的指纹图像经历两阶段指纹质量增强过程。在采用基于Gabor、短时傅里叶变换和定向扩散滤波的增强技术增强指纹图像之前,使用质量自适应预处理方法作为前端。实验结果显示FVC2004数据集的验证结果有所改善。与使用当前最先进增强技术相比,采用质量自适应预处理的方法在等错误率上观察到显著改善。
引用
@article{arxiv.1805.07527,
title = {Two-stage quality adaptive fingerprint image enhancement using Fuzzy c-means clustering based fingerprint quality analysis},
author = {Ram Prakash Sharma and Somnath Dey},
journal= {arXiv preprint arXiv:1805.07527},
year = {2018}
}
备注
34 pages, 8 figures, Submitted to Image and Vision Computing