人工智能辅助下模糊指纹图像奇异点检测仿真

摘要

cqvip:运用传统方法对模糊指纹图像奇异点进行检测时存在误差率较高和漏检率较大等问题,为此提出了基于Contourlet变换和模糊逻辑的模糊指纹图像奇异点检测方法。运用相对梯度和绝对梯度相融合的方法,增强模糊指纹图像较亮区域的梯度,利用矩阵乘法与求逆算法进行离散正弦变换,构建人工智能辅助下模糊指纹图像增强模型,并对该模型进行Contourlet转换,获取模糊指纹图像信号尺度和方向上的低频和高频变换系数,将该变换系数当做语言变量输入,利用模糊逻辑方法计算各个模糊区域所激活的强度值,将其归一化检测后,输出模糊指纹图像奇异点。分析实验结果可知,所提方法的最低漏检率为2%,远低于传统方法,说明该方法能够增强检测的准确率、降低漏检率和误差率,具备一定的可靠性。