生物识别和图像处理
图像在信息时代占有重要地位。在生物识别中，需要进行图像处理才能识别之前已将生物特征图像存储在数据库中的个人。面部、指纹、虹膜等都是基于图像的生物识别，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过篡改的形式获得用户生物特征的样本图像。
生物识别中图像处理的要求
用户生物特征的图像被输入到生物识别系统中。系统经过编程，可使用方程式处理图像，然后存储每个像素的计算结果。
为了有选择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。
图像处理方法可分为三个功能类别 −
图像恢复
图像恢复主要包括 −
- 降低采集样本时引入图像的噪声。
- 消除生物特征识别登记期间出现的失真。
图像平滑可降低图像中的噪声。平滑是通过将每个像素替换为相邻像素的平均值来实现的。生物特征识别系统使用各种滤波算法和降噪技术，如中值滤波、自适应滤波、统计直方图、小波变换等。
图像增强
图像增强技术可提高图像任何部分或特征的可见性，并抑制其他部分的信息。它仅在恢复完成后才完成。它包括增亮、锐化、调整对比度等，以便图像可用于进一步处理。
特征提取
从图像中提取两种类型的特征，即 −
一般特征 − 用于描述图像内容的特征，例如形状、纹理、颜色等。
领域特定特征 −它们是与应用相关的特征，例如面部、虹膜、指纹等。Gabor 滤波器用于提取特征。
从图像中提取特征时，需要选择合适的分类器。广泛使用的分类器最近邻分类器，它将候选图像的特征向量与存储在数据库中的图像向量进行比较。
B 样条 是用于描述指纹生物识别系统中的曲线模式的近似值。B 样条的系数用作特征。在虹膜识别系统中，使用离散小波变换 (DWT) 分解虹膜图像，然后使用 DWT 系数作为特征。
