1、紋理是由于物體表面的物理屬性不同而造成的，不同的物理表面產(chǎn)生不同的紋理圖像，因而紋理作為圖像的一個非常重要的屬性，在計算機視覺和圖像處理中具有舉足輕重的作用。紋理是由大量或多或少有序的相似的基元或模式組成的一種結(jié)構(gòu)，紋理基元按照某種確定性的規(guī)律或某種統(tǒng)計規(guī)律來排列，前者形成規(guī)則紋理，后者則形成隨機紋理。研究規(guī)則紋理圖像的分類識別技術(shù)有助于深入理解圖像處理、模式識別等相關(guān)學(xué)科，并能促進(jìn)各學(xué)科發(fā)展，而且為解決其他類似的復(fù)雜模式的認(rèn)知研究提供

2、重要的依據(jù)。 指紋圖像中脊線和谷線具有一定的排列規(guī)則，是典型的規(guī)則紋理。本文通過研究指紋圖像的分類識別技術(shù)，研究紋理圖像的分類識別技術(shù)。重點放在指紋識別的預(yù)分割、特征提取等幾個重要問題上，并嘗試了一些新的方法。 主要工作及成果如下： 1、將指紋圖像視作二維隨機場，提出了基于Mean Shift算法的指紋圖像分割方法。Mean Shift就是偏移的均值向量，指向概率密度梯度方向。首先通過一簇核函數(shù)使得隨著樣本與被偏

3、移點的距離不同，其偏移量對均值偏移向量的貢獻(xiàn)也不同，再設(shè)定了一個權(quán)重系數(shù)，使得不同的樣本點重要性不一樣，最后通過一個迭代步驟先算出當(dāng)前點的偏移均值，移動該點到其偏移均值，然后以此為新的起始點，繼續(xù)移動，直到滿足一定的條件結(jié)束。文中將Mean Shift算法分割的圖像結(jié)果與常用圖像分割算法，如迭代法、改進(jìn)大律法、KSW熵方法、分水嶺法等分割算法的結(jié)果進(jìn)行了比較，通過比較發(fā)現(xiàn)基于Mean Shift算法的指紋圖像分割適用于大多數(shù)指紋情況。

4、 2、分析了奇異點指紋分類算法、統(tǒng)計性特征的指紋分類算法。這兩種方法都受到指紋圖像質(zhì)量的影響。本文提出了基于指紋紋線方向的指紋分類算法，此算法依賴紋線方向場信息，當(dāng)紋線方向場信息相對可靠，就可以得到正確的分類。由于指紋圖像進(jìn)行了Mean Shift平滑分割處理以后，抗噪抗能力得到了一定的提高，對指紋圖像的質(zhì)量好壞不敏感，一些有污損的指紋，仍能夠得到較好的紋線方向場信息，因而指紋分類的精度得到了提高。 3、局部特征點是指紋識

5、別的重要信息源，在細(xì)節(jié)特征提取中，將產(chǎn)生大量的偽細(xì)節(jié)特征點，這些偽特征點的存在，不但使匹配的速度大大降低，還使指紋識別性能急劇下降，造成識別系統(tǒng)的拒識率或誤識率的上升。因此，在進(jìn)行指紋匹配之前，必須將偽特征點去除，保留真特征點。在所有特征點檢測方法的研究中，以角點檢測方法的研究最受關(guān)注。由于角點是圖像中物體邊緣上曲率較大的點，在指紋中分叉點等具有角點的特性，本文提出了采用角點檢測算法提取指紋中的局部特征并與模板法提取的細(xì)節(jié)特征進(jìn)行特征級

6、融合，去除偽特征點，保留真特征點，提高指紋的匹配精度。 4、采用點模式匹配方法實現(xiàn)指紋圖像的識別，識別的正確率達(dá)到96.21％。 將算法用于Brodatz紋理庫中部分規(guī)則紋理圖像，取得了較為滿意的效果，可以得出以下結(jié)論： ①Mean Shift算法能夠?qū)⒈尘芭c紋理很好地分割，分割過程不影響紋理的細(xì)節(jié)； ②利用指紋紋線方向分類算法成功實現(xiàn)了對指紋的分類，因此對于規(guī)則紋理可以利用線性紋理基元的方向進(jìn)行分類；