Biometrics 简明教程
Biometrics and Image Processing
在信息时代，图像占据了很大份额。在生物特征识别中，需要图像处理才能识别在数据库中存储的生物特征图像的个人。面部，指纹，虹膜等是基于图像的生物特征识别，需要图像处理和模式识别技术。
为了使基于图像的生物识别系统准确工作，它需要以非常清晰且未经篡改的形式获得用户生物特征的样本图像。
Requirement of Image Processing in Biometrics
用户生物特征的图像被输入到生物识别系统中。该系统被编程为使用方程式来处理图像，然后存储每个像素的计算结果。
为了选择性地增强数据中的某些精细特征并消除某些噪声，数字数据要经过各种图像处理操作。
图像处理方法可以分为三类功能 −
Image Restoration
图像复原主要包括 −
-
减少图像在获取样本时引入的噪声。
-
用生物识别技术注册过程中出现的失真去除。
图像平滑可以降低图像中的噪声。平滑过程是通过将每个像素替换为与相邻像素的平均值来进行的。生物识别系统使用各种滤波算法和降噪技术，例如中值滤波、自适应滤波、统计直方图、小波变换等。
Feature Extraction
从图像中可以提取两种类型的特征，即：
-
General features − 形状、纹理、颜色等特征，这些特征用于描述图像的内容。
-
Domain-specific features − 面部、虹膜、指纹等依赖于应用程序的特征。Gabor 滤波器用于提取特征。
当从图像中提取特征时，你需要选择一个合适的分类器。广泛使用的分类器 Nearest Neighbor classifier ，它将候选图像的特征矢量与存储在数据库中的图像矢量进行比较。
B-Splines 是用于描述指纹生物识别系统中曲线模式的近似值。B 样条的系数用作特征。在虹膜识别系统的情况下，虹膜图像使用离散小波变换 (DWT) 分解，然后 DWT 系数用作特征。