基于k均值聚类与线性邻域传播结合的指纹图像分割方法技术

本发明专利技术公开了一种基于k均值聚类与线性邻域传播结合的指纹图像分割方法，包括步骤：1)利用指纹采集设备，采集指纹图像；2)对采集到的指纹图像进行分块，将其划分成W×W大小的不重叠图像块；3)对每个图像块提取块均值、块方差梯度和块加博特征的标准差，并对所有块的上述三个特征值进行归一化处理；4)对每幅指纹图像用k均值聚类算法自动标记部分前景块和背景块；5)采用线性邻域传播算法学习；6)进行形态学处理，获得分割结果。该方法可以处理利用不同采集设备获得的指纹图像，得到很好的分割效果，非常适合应用于多类型指纹采集设备的互联网环境。

【技术实现步骤摘要】

本专利技术涉及本专利技术涉及自动指纹识别领域，具体地说是结合k均值聚类算法与线性邻域传播算法进行指纹图像分割方法。
技术介绍
作为自动指纹识别系统中的第一个预处理步骤，指纹图像分割具有非常重要的作用。一幅指纹图像通常由两部分构成前景区域和背景区域。前景区域是指具有指纹纹理特征的区域；而位于图像边缘的噪声区域通常被称为背景区域。指纹图像分割的目的是将指纹的前景区域从背景区域中分离出来。有效的指纹分割方法能完整地保留指纹的前景区域，去掉噪声区域，不仅可以减少后续步骤的处理时间，而且能提高指纹细节特征获取的准确性。目前，市场上的指纹采集设备种类繁多，由于采集技术等方面的差异，不同采集设备获得的指纹图像具有不同的灰度等级、图像质量、分辨率等。然而目前大多数自动指纹识别系统中的指纹图像分割算法都是针对某一特定指纹采集设备设计的，当该系统处理不同采集设备获得的指纹图像时，导致适用于某一特定指纹采集设备的指纹图像分割算法在对来自其他型号的指纹采集设备的指纹图像进行分割时，分割效果会变得很差。一个好的指纹图像分割方法，应该能够在不做修改、不做参数配置的前提下自适应不同采集设备获得的指纹图像、可靠地本文档来自技高网...

【技术保护点】
１．基于ｋ均值聚类与线性邻域传播结合的指纹图像分割方法，其特征在于：其包括以下步骤：１）采集指纹图像；２）对采集到的指纹图像进行分块，将其划分成Ｗ×Ｗ大小的不重叠图像块；３）对每个图像块提取块均值、块方差梯度和块加博特征的标准差，并对所有块的上述三个特征值进行归一化处理；４）对每幅指纹图像用ｋ均值聚类算法自动标记部分前景块和背景块；５）对每个图像块，使用块的行坐标、列坐标、块均值、块方差梯度和块加博特征的标准差组成一个五维的特征向量，然后利用所述步骤４）中标记的前景块和背景块，采用线性邻域传播算法学习，对剩余的无标记图像块进行类别标记为前景块或者背景块；６）进行形态学处理，获得分割结果。

【技术特征摘要】
1.基于k均值聚类与线性邻域传播结合的指纹图像分割方法，其特征在于其包括以下步骤1)采集指纹图像；2)对采集到的指纹图像进行分块，将其划分成WXW大小的不重叠图像块；3)对每个图像块提取块均值、块方差梯度和块加博特征的标准差，并对所有块的上述三个特征值进行归一化处理；4)对每幅指纹图像用k均值聚类算法自动标记部分前景块和背景块；5)对每个图像块，使用块的行坐标、列坐标、块均值、块方差梯度和块加博特征的标准差组成一个五维的特征向量，然后利用所述步骤4)中标记的前景块和背景块，采用线性邻域传播算法学习，对剩余的无标记图像块进行类别标记为前景块或者背景块；6)进行形态学处理，获得分割结果。2.如权利要求1所述的基于k均值聚类与线性邻域传播结合的指纹图像分割方法，其特征在于是，所述步骤3)中对每个图像块提取块均值、块方差梯度和块加博特征的标准差为a.块均值用M表示一个图像块的均值，对每一个图像块而言，块均值如式(1)所示3.如权利要求1所述的基于k均值聚类与线性邻域传播结合的指...

【专利技术属性】
技术研发人员：张宏伟，史智臣，
申请(专利权)人：山东志华信息科技股份有限公司，
类型：发明
国别省市：37