第1章 绪论
第1章 绪论
1.1 研究背景及意义
随着科学技术的飞速发展，互联网购物、交互软件、交友网站、在线办公等名词已经成了人们生活不可缺少的一部分。电子产品和网络技术的发展，彻底改变了人们传统的生活方式，给人们的生活带来便利。但是随着新技术的发展，人们生活的安全问题也日益凸显。不少非法份子，利用网络的不透明性和间接性，骗取个人信息，甚至是个人财产。为了更好的保护人们的生活隐私和个人财产安全，急需安全、便捷的防护措施，对用户进行准确的识别，因此各类身份识别技术应运而生[1]。
当前身份识别技术可以分为借助智能卡、口令、身份证号等媒介的识别技术和以人体特征为依据的生物识别技术两类，而智能卡、口令等媒介具有容易丢失、损坏、被窃等缺点，正在逐渐被生物识别技术所取代。生物识别技术是指利用生物个体特征的唯一性和不变性进行个体辨识的技术。常见的具有唯一性和不变性的生物特征有声音、眼睛虹膜、面容、指纹等，通过对这些特征进行辨识，能保证识别的准确性和便捷性，提高了个体识别效率。在各种生物识别特征中，指纹识别以其“便于携带和使用”的特点最受人们青睐。
利用指纹进行个体识别起源于公元前6000多年前，最早被叙利亚和中国人使用。到19世纪，科学研究证明两个不同的手指指纹样式不同，并且人的指纹从出生开始就已经形成且终生不变。自此指纹识别技术得到了人们认可，并被广泛应用于犯罪鉴别、办公考勤等领域。随着计算机、光学扫描等技术的发展，指纹图像的提取和识别技术也逐渐走向成熟。但是由于指纹图像提取过程中，人们按压角度、力度、位置的不同，使图像中掺杂了很多不必要的噪声，这些噪声影响了指纹识别的准确性，制约了指纹识别技术的发展，因此有效的指纹图像去噪技术至关重要。
本文将针对上述问题，对指纹图像去噪算法展开研究。经过调查，目前指纹图像去噪技术包括以中值滤波算法为代表的经典算法和以小波变换算法为代表的现代算法两类。这些图像去噪算法各有优劣，为了更好的区分这些算法的特点，找到适合不同领域使用的指纹图像去噪算法，本文将分别对指纹图像去噪的经典算法和现代算法进行研究，并通过仿真实验分别进行分析，最终得出结论。本文对于指纹图像去噪算法的研究，体现了各类算法在指纹识别技术中的重要性和有效性。因此，本文的研究具有一定的理论意义和现实意义。
1
第1章 绪论
1.2 国内外研究现状
1.2.1 国外研究现状
早在19世纪初，国外科学家发现指纹的两个重要特征，一是两个不同手指的指纹纹脊的式样不同，另外一个是指纹纹脊的式样终生不变。这个研究成果加快了指纹识别技术的发展进程。目前指纹识别技术已经趋于成熟，但是如何去除指纹图像噪声，保证指纹识别的准确性，对于指纹识别技术的发展至关重要[2]。
根据调查研究，得知传统的指纹图像去噪技术包括均值滤波算法、维也纳滤波算法、中值滤波算法等，而近几年来，小波变换算法以其良好的视频特性和多分辨率特，在指纹图像去噪领域得到了广泛应用。Lawrence O'Gorman等在1989年提出了一种利用滤波器特性消除指纹图像噪声的方法，该方法能使指纹纹脊在水平方向上保持平滑性，在垂直方向上彼此分离，并且能根据纹图像的脊和谷的变化滤除指纹图像中的噪声。1998年，Kennet等人通过对图像噪声主要来源的研究发现，图像噪声主要包括高斯噪声和椒盐噪声，这项研究对指纹图像去噪技术的发展起到了推动作用。1999年，美国学者Donoho等对小波变换算法进行了改进，以各种方向、尺度和位置信息的小线段为基本单元建立小线库，沿小线库中小线段对目标图像进行线积分产生小线变换系数，以小线金字塔方式组合变换系数，再以小线图结构为驱动从小线金字塔中提取小线变换系数，从而实现多尺度分析，该方法对于处理强噪声背景的图像有无可比拟的优势。随后Donoho等人还提出了VisuShrink算法，该算法在减少噪声的同时能保持图像的局部奇异性，但仍然会消耗过多的小波系数，造成一定程度的信息丢失。2000年以来，Chang、Kaur等多名学者，分别对小波变换阈值的选取方法进行了改进，并在指纹图像去噪领域取得了一定进展。
1.2.2 国内研究现状
国内对于指纹识别技术的研究与国外相比相对较晚，但这并没有影响国内学者在指纹识别技术研究中的领先水平。在2002年由国际模式识别协会组织的国际指纹认证大赛中，中国科学院下属研究院所提出的Finger pass 指纹识别算法在几十支国际参赛队伍中表现突出，并取得了取得了国际第七的成绩，表明国内在指纹识别技术领域的实力。
2006年，欧阳诚梓等人对图像去噪处理技术进行了深入研究，分析常用的图像去噪方法包括均值滤波、中值滤波、维纳滤波和小波变换等,并提出中值滤波和小波变换分别在抑制椒盐噪声和高斯噪声中各具优势的结论。2010年，张燕红等人，研究了基于中值
2
第1章 绪论
滤波与小波变换的指纹图像去噪方法，并取得了较好的效果。2011年，董昕野对指纹图像预处理算法进行了研究，不仅研究了指纹图像增强技术，还在最适合的指纹图像去噪方法选取方面取得了一定进展。
根据国内外研究现状，本文将针对均值滤波、中值滤波、维纳滤波和小波变换等不同算法展开研究，掌握各种算法的图像去噪原理，重点对比多种方法在指纹图像去噪中的优缺点，并对指纹图像去噪算法进行总结，为不同领域指纹图像识别技术的应用提供依据[3]。
1.3 论文内容及章节安排
为解决指纹图像去噪算法研究问题，本文将针对当前应用广泛的指纹图像去噪的算法展开研究，并对不同算法在Matlab仿真平台上进行试验仿真，对仿真结果进行分析对比，最终得出不同算法在指纹图像去噪方面的优缺点。本文具体章节安排如下。
第一章绪论，重点介绍本文研究的目的及意义；对指纹图像去噪算法的国内外发展现状进行调查；最后给出本文的内容和章节安排。
第二章基于经典算法的指纹图像去噪研究，首先介绍指纹图像去噪的特征和原理；其次以几个典型的经典算法为例，研究指纹图像去噪方法；最后对当前经典算法中效果最好的中值滤波算法的原理和在指纹图像去噪中的应用进行详细说明；
第三章基于小波变换算法的指纹图像去噪研究，首先介绍小波变换算法的基本原理；然后对基于小波变换算法的指纹图像去噪应用进行重点说明。
第四章试验仿真和分析，本章将分别对基于中值滤波的指纹图像去噪算法和基于小波变换的指纹图像去噪算法进行仿真实验，并对每种算法的结果进行详细分析；最后将两种算法的试验结果进行对比分析，得出两种算法各自特点。
结论，在本文的最后，将对本文的研究成果进行总结，指出存在的不足及后续需要进一步研究的内容。
3
第2章 基于经典算法的指纹图像去噪
第2章 基于经典算法的指纹图像去噪
2.1 指纹图像去噪原理
图像噪声的引入是因为在图像的采集获取过程中，由于存在机器识别、人为手段或者环境等情况的影响，使得最终获取的图像中混入了其它一些与待处理图像不相关的信息从而造成了待处理的图像存在模糊、破损等现象，影响后续对图像的处理和利用。图像去噪是指通过一定的科学的手段将获取的图像红混入的无用信息取出，获取原有图像真是存在像素点的过程。针对于图像去噪，各种算法算法的研究已经有几十年的经验，但是目前仍然有很多研究人员在研究这一领域，最近仍旧取得了一些业界肯定的成绩。指纹图像的去噪是图像去噪领域的一个典型示范应用。由于指纹图像在获取过程中极易由于按压的力度的大小不同，角度、位置略微变化等，在指纹图像中引入了不必要的噪声，由于引入这些噪声造成后续指纹识别过程中的准确率被大大降低了，综上所述，指纹图像的去噪算法的研究是指纹图像处理研究领域的关键核心部分。
研究指纹图像去噪，需要先了解指纹图像所具有的自身特点，通常，指纹图像包含纹脊和纹谷，但是具体的指纹图像也不尽相同，各自还有各自的特点，但是大体上是相似的。为了能够更好的对不同指纹图像的特点以及相似点进行描述，首先对指纹图像进行分类处理，指纹图像依据不同的特点即按照全局特征可以分为基本纹路图案、模式区、纹理数、三角点、核心点等，按照局部特征分类可以分为分叉点、分歧点、短纹、端点、孤立点、环点、曲率等。在指纹图像处理的过程中，通过对指纹图像中的不同区域的提出处理，可以有效的实现指纹图像的去噪效果。
通过大量的指纹图像去噪算法的研究，混入特定指纹图像的噪声包括加性噪声和乘性噪声两种，并且在图像的处理过程中，可以将乘性噪声转化成加性噪声，然后在此基础上对图像进行进一步分解，因此本文以加性噪声为例，对噪声与图像关系进行简单说明。f?x,y? 表示原始指纹图像的所有信息，n?x,y?代表混入指纹图像的噪声信息，
g?x,y?代表实际过程中输入的指纹图像信息，则三者之间的关系如公式(2-1)所示。
g?x,y??f?x,y??n?x,y? （2-1）
根据国内外的研究表明根据对指纹图像去噪处理算法核心的不同，指纹图像去噪的算法包括空间域滤波法以及变化域滤波法，其中，空间域滤波法出现较早，同时经过多年的研究，算法的技术以及算法的稳定性较为成熟，目前被大多数研究人员称之为经典算法；而变化域滤波法是目前指纹图像去噪算法中效果较好的，且是目前大多数研究人
4
第2章 基于经典算法的指纹图像去噪
员研究的热点算法。
空间域滤波法是针对指纹图像的图像平面本身而言，直接从像素角度对指纹图像进行处理分析，该方法具体可以可分为线性空间滤波和非线性空间滤波。均值滤波是线性滤波去噪算法中效果最好的，然而该算法由于没有从图像的整体考虑，因此极易导致图像模糊，且邻域半径越大模糊现象越严重，因此目前采用该算法的研究人员很少。中值滤波是非线性空间滤波算法中效果最好的，该算法选取像素点邻域灰度值的平均值代替原像素点的灰度值，取得了较好的图像去噪效果[4]。
变换域滤波法与空间域滤波具有本质性的不同，变换域滤波先将图像变换到非现有域，然后利用图像在不同域下的变换系数特点对图像进行处理分析，处理结束后，再将图像反变换回原有域，实现图像去噪的效果，目前，小波变换是图像去噪变换域处理效果最好的算法，也是目前国内外研究的热点算法。
2.2 经典指纹图像去噪算法研究
已知空间域滤波法，即经典算法可以分为线性滤波和非线性滤波两类，典型代表分别为均值滤波法和中值滤波法。下面就经典算法中的均值滤波算法、维纳滤波算法以及中值滤波算法分别进行介绍。
2.2.1 均值滤波
均值滤波是空间域中的一种最早的去噪手段，均值滤波算法主要是对图像平滑模板进行卷积处理，以实现消除指纹图像噪声的效果。
均值滤波算法的基本思想是先将图像分割成几个段落，每个段落中的图像像素的灰度值用整个段落的灰度平均值替代，设均值滤波后的指纹图像为g?x,y? ，则计算公式如(2-2)所示。
g?x,y??1M?x,y??s?f?x,y??x,y??S （2-2）
均值滤波图像去噪算法是空间域滤波算法中较为简单的一种，该算法的运行可以有效的去除一部分噪声，且算法计算速度较快。但是在噪声处理和去除的过程中，极易丢失原始图像的边缘信息以及该图像的相关细节内容，从而导致了待处理图像模糊，无法满足目前越来越复杂的指纹图像去噪情况。
2.2.2 维纳滤波
指纹图像去噪算法中另一个具有代表性的线性滤波算法就是维纳滤波，维纳滤波算
5