1. 研究目的与意义（文献综述）

目的及意义：在生物识别系统领域，自动指纹识别系统（afis）在现在已经被广泛接受和应用，虽然指纹识别系统的应用已经非常的成熟，人们也已经非常了解识别系统的各个阶段步骤，但是随着社会问题的不断发现和科学技术的不断发展，指纹识别领域也急需更深的研究，以解决不断出现的指纹识别应用中的问题。自动指纹识别系统在通常情况下可分为四个处理步骤[1]：第一步，指纹图像的采集；第二步，指纹图像预处理；第三步，特征提取和第四步，指纹匹配。为了减少不必要的冗余计算，指纹分割需要在指纹图像预处理的最前面进行。本文将针对指纹图像的分割技术以及算法做更加深入的研究并对每个分割算法做出仿真实验。 指纹图像分割过程是指纹图像预处理阶段甚至整个自动指纹识别系统的重要组成部分，精确的将指纹前景区域和指纹背景区域分割开，可以大大的减少后续处理计算量和后续处理的时间，同时也能提高指纹识别的正确率，从而就显著的提高了自动指纹识别系统的处理速度和质量。

国内外研究现状：最近几年，指纹识别技术从警用走向民用，从专用走向公用，逐渐成为人们关注的前沿高科技之一，已成为当前国内外学术界和商业界研究和开发的热点之一。微软公司推出了可单独操作的指纹辨认器；ibm 也开始出售附有指纹辨认器的手提电脑；韩国 lg 电子公司推出的一种手机，底座附有硅晶片，用户只有把手指在底座抹一下才能启动手机。在我国，指纹识别技术从 2000 年以后，开始步入快速成长期。众多胸怀宏图的企业和个人，开始为这项看似神秘的前沿技术而勤耕不辍。

2. 研究的基本内容与方案

研究的基本内容：指纹图像分割的主要目的是去除非指纹区和噪声较多不易区分的指纹区域。正确的分割可以减少后续处理的时问，减少伪特征点的提取，提高识别准确率。图像灰度平均值Ⅲ、方差、标准偏差、灰度、对比度、方向一致性、全变差、方向图、 熵邸、梯度熵、频率、有效点聚集度等指纹特征常用于指纹图像分割。如果考虑的特征较少，那么对于低对比度和噪声严重的图像分割将会产生较大的错误分割率。许多学者设计出了融合多个特征的分类器或方法，如经验阈值、分层分级分割、自适应增强分类器、推理理论、均值聚类方法、神经网络等，一般融合的特征量越多，复杂度越高，耗费的时问越多。本文对指纹特征和上述分割方法进行了研究。基于图像灰度特征的分割计算简单、分割速度快、实时性强。传统的全局阈值分割依赖于图像灰度分布良好的双峰性质，如果双峰性不明显或灰度呈 多峰分布，分割效果就不理想。使用自适应阈值代替固定的阈值分割，在非指纹区域效果较好，但对于对比度低和噪声严重的指纹处理效果不理想，往往会将对比度低而方向性强的容易恢复的区域分割掉，且分割后的指纹图像存在块效应，在指纹与背景交接区域，以及指纹内部脊线较淡或脊线粘连的区域分割不准确。 基于图像方向频率特性的分割计算较复杂，特别是点方向或点频率的计算，对脊线粗细不均匀的区域或中心三角附近的区域，难以准确分割。许多指纹特征量之问存在相关性，对多个特征量进行融合时，系数的选择非常关键。使用经验阈值融合多个特征量时，对于不同采集器采集的不同质量的指纹，经验阈值的设定比较困难。为了加快处理速度，先根据灰度特性对指纹图像进行裁剪，选择计算方便的块灰度均值、块标准偏差、块灰度、对比度和块方向一致性等几个指纹特征，进行分块分割；然后对指纹进行形态学图像处理。

目标：对现有的指纹图像分割算法进行综合改进，使得对于指纹图像也能进行很好的图像分割，对不同质量的指纹图像分割的效果具有连续性，对图像的灰度和对比度变化具有鲁棒性。

3. 研究计划与安排

1、 第1周-第3周：资料收集与查询，开题报告

2、 第4周-第12周：毕业设计方案，课题关键技术研究，论文撰写

3、 第13周-第14周：论文检查与修改

4. 参考文献（12篇以上）

[1] 朱虹.数字图像处理基[1] 朱虹.数字图像处理基础.科学出版社，2005.

[2] 蔡立晶.图像处理技术在指纹仪检测系统中的应用.长春：长春理工大学硕士学位论文，2004.

[3] 杨小冬.自动指纹识别系统图像分割算法的研究.南京：南京大学学报，2004.