基于小波分析的指纹图像自适应阈值去噪方法

【摘要】：随着科学技术的发展,身份识别技术越来越多的被应用在人们的日常生活中,指纹是每个人独有的特征,可以作为身份识别的依据.小波理论的迅速发展及其良好的时频特性,使其在信号处理领域得到广泛的应用.本文研究了小波阈值去噪方法在指纹图像去噪中的应用,在传统的软、硬阈值函数去噪方法的基础上,提出了自适应的去噪方法,在一定噪声强度的范围内,该方法能自适应处理不同强度的噪声.在第一章中,介绍了本文研究的背景和意义,国内外对阈值去噪方法的研究现状及文章的结构.第二章对小波变换进行了简要的介绍,阐述了Visu Shrik去噪方法的原理,分析了几种不同阈值和阈值函数的量化方法.第三章针对软硬阈值函数的缺陷提出了折中阈值函数,通过理论分析,折中阈值函数中的参数控制小波系数的衰减程度缓慢;不收敛于本身的小波系数值.基于以上两点的考虑,提出了改进折中阈值函数,并对该阈值函数作了理论分析.探究了改进折中阈值函数的风险性,实验表明,改进折中阈值函数去噪方法比软硬阈值函数去噪法有更好的去噪效果,并且参数?在第一层的取值对去噪效果有着相对较大的影响.第四章中,利用二分法,确定了在不同噪声强度和分解层数下的最优参数值,根据实验数据,建立了三组自适应选取控制参数的模型,仿真实验表明,在一定噪声强度范围内,高斯参数模型有更好的去噪表现.在第五章中将本文提出的自适应阈值去噪方法与现有的几种阈值去噪方法作了对比,结果显示,本文提出的自适应方法比其他方法有更好的去噪效果,并且随着噪声强度的增加,有更高的去噪效率.在末章中对本文进行总结,并提出了一些本文没有解决的问题和进一步的研究方向.
【关键词】：指纹图像 阈值函数 二分法 自适应参数模型
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.41