汪 媛,楚亞蘊(yùn),詹小四

(1.浙江外國(guó)語(yǔ)學(xué)院,浙江杭州310012;2.山東大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,山東濟(jì)南250101;3.阜陽(yáng)師范學(xué)院計(jì)算機(jī)與信息學(xué)院,安徽阜陽(yáng)236041)

1 引 言

近年來,傳統(tǒng)的基于特定物品或知識(shí)的身份識(shí)別方法已經(jīng)無法滿足現(xiàn)代信息社會(huì)的實(shí)際應(yīng)用需要,如何準(zhǔn)確、可靠地對(duì)人的身份信息進(jìn)行驗(yàn)證于是成為計(jì)算機(jī)應(yīng)用領(lǐng)域需要解決的重要課題之一.其中,利用人類的生理特征或行為特征的生物特征識(shí)別技術(shù)成為了一種重要的身份認(rèn)證技術(shù),而自動(dòng)指紋識(shí)別技術(shù)就是一種利用每個(gè)人都擁有的獨(dú)一無二的指紋信息識(shí)別對(duì)象身份的生物特征識(shí)別技術(shù).雖然指紋識(shí)別技術(shù)已相對(duì)成熟,指紋識(shí)別產(chǎn)品也已經(jīng)被大家所普遍接受,但低質(zhì)量、強(qiáng)噪聲指紋圖像處理仍然是自動(dòng)指紋識(shí)別技術(shù)中具有挑戰(zhàn)性的課題.在低質(zhì)量指紋圖像處理過程中,低質(zhì)量指紋圖像分割技術(shù)處在整個(gè)指紋識(shí)別技術(shù)體系的最前端,對(duì)后續(xù)的低質(zhì)量指紋圖像處理方法的性能有較大影響.對(duì)低質(zhì)量指紋圖像進(jìn)行準(zhǔn)確的分割處理可以降低背景或強(qiáng)噪聲區(qū)域?qū)罄m(xù)處理方法的不良影響,提高指紋特征信息提取結(jié)果的可靠性和精度,從而提高自動(dòng)指紋識(shí)別系統(tǒng)的識(shí)別精度[1-3].同時(shí),準(zhǔn)確的分割結(jié)果可以有效減少后續(xù)處理過程中的數(shù)據(jù)量,降低自動(dòng)指紋識(shí)別系統(tǒng)的處理時(shí)間[1-3].一般而言,可以將指紋圖像分割方法分為基于方向信息(或方向一致性)的指紋圖像分割方法[2-4],基于灰度信息(或灰度統(tǒng)計(jì)均方差)的指紋圖像分割方法[1,5-6]和融合方向、灰度特征等多類信息的多指標(biāo)融合指紋圖像分割方法[7-8].

在圖像處理領(lǐng)域,指紋圖像通常被看作是一類較為典型的紋理圖像,具備較為規(guī)則、可靠的紋理特征.作為紋理圖像而言,其重要表現(xiàn)為在局部區(qū)域中具有很強(qiáng)的方向性和紋理的規(guī)律性重現(xiàn),指紋圖像也不例外,在局部區(qū)域中的方向一致,規(guī)律性強(qiáng).因此,Mehtre B.M.等人[2-4]提出了方向圖指紋分割法,依據(jù)指紋圖像的方向信息實(shí)現(xiàn)對(duì)指紋圖像的分割處理.顯然,這類方法有一個(gè)前提條件,即所求取的方向信息是可靠、準(zhǔn)確的.否則,由于方向信息求取結(jié)果的錯(cuò)誤,分割結(jié)果的有效性不可能得到保證.因此,對(duì)于低質(zhì)量指紋圖像而言,由于強(qiáng)噪聲的干擾,方向信息求取結(jié)果的準(zhǔn)確性必然下降,從而導(dǎo)致了分割算法的實(shí)際性能急劇下降,無法滿足應(yīng)用的實(shí)際需要.

另外,作為典型的紋理圖像,有效指紋圖像區(qū)域的灰度變化具有很強(qiáng)的規(guī)律性,在自動(dòng)指紋識(shí)別技術(shù)中,通常認(rèn)為指紋圖像的灰度變化是符合正弦分布的.事實(shí)上,從微觀上分析,指紋圖像的局部區(qū)域可以被視為完全符合二維正弦分布規(guī)律,因此高質(zhì)量的指紋圖像區(qū)域的灰度方差較大.然而,在背景區(qū)域中,其各個(gè)像素的灰度變化較為平緩,不再是典型的紋理圖像,而是平滑圖像,因此背景區(qū)域的灰度方差較小,在數(shù)值上和指紋圖像區(qū)域的灰度方差有較大的差距.正是依據(jù)這一特征,Lin H等人[1]首先提出了利用灰度方差實(shí)現(xiàn)對(duì)指紋圖像進(jìn)行分割處理;甘樹坤等人[5-6]在此基礎(chǔ)上做了進(jìn)一步的研究,提出了利用灰度方差信息和灰度均衡結(jié)果的指紋圖像分割方法.顯然,當(dāng)背景中有強(qiáng)噪聲時(shí),背景區(qū)域的灰度方差也將變大,甚至超出了正常指紋圖像區(qū)域的灰度方差,從而直接導(dǎo)致了這類方法分割結(jié)果的不準(zhǔn)確.因此,這類方法對(duì)低質(zhì)量指紋圖像的分割結(jié)果并不是非常準(zhǔn)確,往往不能有效地將強(qiáng)噪聲背景區(qū)域從前景指紋中分離出去.

因此,耿茵茵等人[7]在此基礎(chǔ)上進(jìn)行了更深入的研究,通過將灰度方差和方向圖融合在一起,提出基于灰度方差和方向圖的分級(jí)指紋圖像分割方法;馮星奎等人[8]將多類分割指標(biāo)融合在一起,提出了多指標(biāo)合成的指紋圖像分割方法.這些方法在一定程度上解決了單一指標(biāo)指紋圖像分割算法的缺點(diǎn).但這些方法只是簡(jiǎn)單地采用多個(gè)分割指標(biāo),在空間上進(jìn)行聚類或是采用閾值(很多時(shí)候是一些經(jīng)驗(yàn)值)對(duì)特定的圖像區(qū)域進(jìn)行判別,并沒有很好地利用鄰域像素具有相似特性這一圖像中普遍存在的特征,對(duì)低質(zhì)量指紋圖像的實(shí)際處理效果仍不是非常理想.

近年來,多智能體系統(tǒng)[9](Multi-Agent System,MAS)的理論日漸完備,在實(shí)踐中也取得了顯著成效,被廣泛地應(yīng)用于智能信息處理領(lǐng)域.在圖像處理領(lǐng)域,Liu等人[10]利用反應(yīng)式智能體設(shè)計(jì)了自動(dòng)分割大腦CT圖像的MAS系統(tǒng),能夠有效完成對(duì)大腦CT圖像的自動(dòng)分割,獲得了比較理想的實(shí)驗(yàn)結(jié)果.劉俊義等人[11]提出利用分布式智能體檢測(cè)灰度圖像對(duì)稱軸的MAS系統(tǒng).陳小波等人[12]針對(duì)大腦圖像中存在的背景、灰質(zhì)、白質(zhì)和腦髓液等4個(gè)區(qū)域的灰度均值、方差等特征的不同,實(shí)現(xiàn)了一種基于MAS的自適應(yīng)圖像分割方法,較好地完成了對(duì)大腦圖像中這4個(gè)區(qū)域的分割處理.上述這些方法主要是針對(duì)大腦圖像等醫(yī)學(xué)圖像的實(shí)際處理需要,這類圖像的紋理性較弱,各個(gè)子域內(nèi)的像素變化并不強(qiáng)烈.

本文在深入分析指紋圖像的特征和多智能體系統(tǒng)的基礎(chǔ)上,將多智能體系統(tǒng)引入到指紋圖像分割處理過程中,實(shí)現(xiàn)了一種用于指紋圖像分割處理的多智能體系統(tǒng).在初始狀態(tài)下,無差異的detector群體隨機(jī)地、相對(duì)均勻地分布在指紋圖像環(huán)境中,由于各自所處的環(huán)境不同,每個(gè)detector具有了各自不同的目標(biāo),而目標(biāo)和感知的差異又導(dǎo)致了各個(gè)detector能力的不同.通過繁殖和移動(dòng),每個(gè)detector會(huì)不停地向周圍指紋圖像區(qū)域進(jìn)行擴(kuò)散,這就必然和其它detectors之間形成競(jìng)爭(zhēng).在競(jìng)爭(zhēng)過程中,由于各個(gè)detector能力的不同,各個(gè)detector之間為擴(kuò)張勢(shì)力會(huì)進(jìn)行合作和目標(biāo)合并.在整個(gè)演化過程中,由monitor負(fù)責(zé)監(jiān)控全局并協(xié)調(diào)各個(gè)detector之間為了共同的任務(wù)而協(xié)同工作,以實(shí)現(xiàn)對(duì)整個(gè)多智能體系統(tǒng)的有效管理.通過多智能體系統(tǒng)內(nèi)部各個(gè)detector的不斷擴(kuò)散、合并,系統(tǒng)自身反復(fù)進(jìn)行演化,并最終達(dá)到某種平衡狀態(tài),此時(shí)即有效地實(shí)現(xiàn)了對(duì)指紋圖像的分割處理.

2 多智能體系統(tǒng)

多智能體系統(tǒng)本質(zhì)上是一種開放式系統(tǒng),它可以根據(jù)所處的環(huán)境因素自動(dòng)地調(diào)整其內(nèi)部結(jié)構(gòu)[10-12].一般而言,多智能體系統(tǒng)(MAS)由檢測(cè)智能體(detector)、管理智能體(monitor)和智能體之間的關(guān)系等三部分組成.

檢測(cè)智能體(detector) 每個(gè)檢測(cè)智能體的類型、目標(biāo)和行為可以不同.它們存在于環(huán)境中,通過感知所在環(huán)境的局部信息完成自身的移動(dòng)、繁殖、定居或消亡等決策過程.本質(zhì)上,detector通過感知周邊環(huán)境信息尋找與自身目標(biāo)相同的圖像區(qū)域并加以繁殖,從而實(shí)現(xiàn)對(duì)同類指紋圖像區(qū)域的融合,將有效指紋圖像區(qū)域從背景中分離出來,以完成對(duì)指紋圖像的分割處理,是一種典型的反應(yīng)式agent結(jié)構(gòu).

一般而言,detector主要有目標(biāo)(goal)、感知(sense)和能力(ability)三種屬性.目標(biāo)是指detector所檢測(cè)對(duì)象的特征信息,如指紋圖像區(qū)域的灰度均值、方差、方向一致性等可以進(jìn)行量化度量的特征信息,一般可定義第i個(gè)檢測(cè)智能體的目標(biāo)為goali=[Mi,Vi,Ci],其中Mi,Vi,Ci分別為detector所在圖像區(qū)域的灰度均值、方差和方向一致性.感知是指在detector的感知半徑內(nèi)的鄰域?qū)ο蟮膶傩?一般也用圖像區(qū)域的灰度均值、方差等進(jìn)行表示.能力反映了detector對(duì)當(dāng)前環(huán)境的適應(yīng)程度,隨著其目標(biāo)和局部感知環(huán)境的變化而變化,一般定義能力為:abilityi=exp(-|goali-sensei|),可見其符合正態(tài)分布。

管理智能體(monitor) 由于detector只能感覺所在局部區(qū)域的環(huán)境信息,具有很強(qiáng)的局部性,從而會(huì)導(dǎo)致多智能體系統(tǒng)的演化是不確定的,無法收斂到合適的解.因此,monitor用于對(duì)系統(tǒng)的整體狀態(tài)進(jìn)行全局的監(jiān)控,根據(jù)高層知識(shí)對(duì)detector進(jìn)行指導(dǎo)和約束,從更高層次監(jiān)控detector的行為并給予協(xié)調(diào),從而可以加速求解過程,約束求解方向,以使得MAS系統(tǒng)能夠快速、有效地收斂到合適的解.另外,monitor還需要根據(jù)用戶需求和一定準(zhǔn)則(前后兩次detector的目標(biāo)和分布是否保持穩(wěn)定)判定MAS系統(tǒng)是否達(dá)到穩(wěn)定狀態(tài)并輸出最終的指紋圖像分割結(jié)果.

智能體之間關(guān)系 單個(gè)智能體的能力有限,必須和其它智能體共享信息和并協(xié)同工作,以完成更復(fù)雜的任務(wù),因此,智能體之間形成了一定的依賴關(guān)系,這可以用MAS組織結(jié)構(gòu)來表示,這種結(jié)構(gòu)根據(jù)需要而產(chǎn)生和瓦解,是一種動(dòng)態(tài)結(jié)構(gòu).

本文根據(jù)指紋圖像分割的實(shí)際需要,設(shè)計(jì)了一種MAS結(jié)構(gòu),如圖1所示.

3 基于MAS的自適應(yīng)指紋圖像分割算法

由圖1可以看出,detector分布于指紋圖像中,用于感知所在指紋圖像區(qū)域的局部鄰域特征信息,并與目標(biāo)進(jìn)行比較.當(dāng)對(duì)象的屬性和目標(biāo)屬性相一致時(shí),detector將選擇在相應(yīng)的指紋圖像區(qū)域進(jìn)行定居,并在此基礎(chǔ)上繁殖N個(gè)下一代detectors,然后繼續(xù)沿一定方向進(jìn)行搜索.Monitor負(fù)責(zé)對(duì)整個(gè)MAS系統(tǒng)的當(dāng)前狀態(tài)進(jìn)行全局監(jiān)控,協(xié)調(diào)并約束所有detector的行為,并對(duì)所有detector的目標(biāo)進(jìn)行目標(biāo)的合并、修正和更新等任務(wù).在整個(gè)系統(tǒng)中,detector所感知到的指紋圖像區(qū)域的特征屬性是每個(gè)detector進(jìn)行移動(dòng)、定居、繁殖和消亡的基礎(chǔ).本文在分塊圖像的基礎(chǔ)上,綜合考慮圖像的灰度分布特征、方向一致性和梯度一致性等能夠有效表示指紋局部特征的多個(gè)指標(biāo),將他們作為分塊指紋圖像的屬性并作為detector所感知的對(duì)象屬性.

圖1 MAS結(jié)構(gòu)

3.1 第(i,j)塊指紋圖像區(qū)域的灰度均值M(i,j)和灰度方差V(i,j)

對(duì)第(i,j)塊指紋圖像區(qū)域而言,對(duì)應(yīng)的灰度均值和灰度方差分別定義為M(i,j)和V(i,j),具體計(jì)算過程如下:

其中,w為指紋圖像的分塊尺寸,一般取w等于8或16,(k,l)為圖像塊內(nèi)偏移量,g(m,n)為指紋圖像中像素(m,n)的灰度值.

3.2 第(i,j)塊指紋圖像區(qū)域的方向信息一致性屬性Cor(i,j)

在指紋圖像處理領(lǐng)域,方向信息一致性是指在局部指紋圖像區(qū)域內(nèi)方向信息的相似性度量,本文用點(diǎn)方向信息一致性進(jìn)行表示.方向一致性屬性可以有效表示圖像局部區(qū)域的紋理一致性和噪聲強(qiáng)度.對(duì)于背景區(qū)域或強(qiáng)噪聲區(qū)域而言,其點(diǎn)方向一致性較差,而對(duì)于有效指紋區(qū)域,其點(diǎn)方向一致性則較好.其中第(i,j)塊子圖的方向信息一致性Cor(i,j)定義為

其中,Sum為第(i,j)塊子圖中所有像素點(diǎn)的數(shù)目,當(dāng)分塊尺寸為w時(shí)有Sum=w×w,Peak1和Peak2分別為第(i,j)塊子圖對(duì)應(yīng)的點(diǎn)方向直方圖的峰值和次峰值.本文中8方向點(diǎn)方向圖計(jì)算方法采用聶桂軍等人提出的連續(xù)分布方向圖計(jì)算方法[13].

3.3 第(i,j)塊指紋圖像區(qū)域的梯度均值Gra(i,j)

梯度信息能夠有效地表示指紋圖像中局部區(qū)域的灰度變化量.對(duì)于有效指紋圖像區(qū)域而言,由于指紋圖像灰度變化的漸變性和規(guī)律性(可以看成符合正弦曲面),所在區(qū)域的梯度值較大.對(duì)于背景區(qū)域而言,由于缺乏規(guī)律性的變化,一般情況下灰度值近似一致,所在區(qū)域的梯度值較小.本文中第(i,j)塊子圖所對(duì)應(yīng)的梯度均值定義為

其中,gra(m,n)表示像素點(diǎn)(m,n)的梯度變化,為了降低噪聲等因素的干擾,采用了鄰域統(tǒng)計(jì)均值來表示,如公式(5)所示:

這里,Gx(m,n),Gy(m,n)分別為像素點(diǎn)(m,n)在x,y方向上的偏導(dǎo),表示了該點(diǎn)在x,y方向上的灰度變化量,一般可分別由x,y方向上的sobel算子求取.

通過上述分析可知,首先對(duì)指紋圖像進(jìn)行分塊處理,在分塊圖像的基礎(chǔ)上進(jìn)行分割,其次分別求取各個(gè)指紋圖像塊的特征屬性,作為智能體處理對(duì)象的屬性,然后在對(duì)MAS系統(tǒng)進(jìn)行初始化的基礎(chǔ)上,通過各類智能體的演變對(duì)目標(biāo)進(jìn)行檢測(cè),直至整個(gè)系統(tǒng)趨向于穩(wěn)定,最后輸出最終的指紋圖像分割結(jié)果.算法的基本實(shí)現(xiàn)過程如下所示:

(1)按照一定的分塊尺寸對(duì)圖像進(jìn)行不重疊分塊處理

按照指紋圖像處理的實(shí)際需要對(duì)指紋圖像進(jìn)行不重疊分塊,分塊尺寸w一般可以選擇為8或16,本文中取分塊尺寸為8.

(2)分別求取各個(gè)指紋圖像塊的屬性集{M(i,j),V(i,j),Cor(i,j),Gra(i,j)}

對(duì)任意一個(gè)指紋圖像塊(i,j),采用上述公式分別求取對(duì)應(yīng)的屬性值,構(gòu)成該圖像子塊的屬性集{M(i,j),V(i,j),Cor(i,j),Gra(i,j)},以此作為detector檢測(cè)的對(duì)象屬性.

(3)初始化MAS系統(tǒng)

按照指紋圖像的實(shí)際大小,在指紋圖像中隨機(jī)分布一定數(shù)量的detector,任一位置不可以多于1個(gè),detecor的初始目標(biāo)設(shè)為其感知的局部環(huán)境,即goal＜-sense;同時(shí),設(shè)置能力閾值T、移動(dòng)步數(shù)閾值S和一次繁殖所生成的下一代detector數(shù)目N三個(gè)參數(shù).

(4)detector進(jìn)行反復(fù)演化,直到滿足系統(tǒng)終止條件

在每一個(gè)循環(huán)周期內(nèi),分布在指紋圖像中的各個(gè)detector將根據(jù)其自身能力和生命期進(jìn)行主動(dòng)演化.在演化過程中,主要有繁殖、死亡、定居和移動(dòng)等4種基本動(dòng)作.通過上述4種基本操作產(chǎn)生新一代的detectors,形成演化后的分布狀態(tài).在整個(gè)系統(tǒng)演化過程中,monitor將根據(jù)當(dāng)前detector分布狀態(tài),按照對(duì)象屬性、detector的活性等條件完成沖突的消解過程和目標(biāo)的合并過程,并更新所有detector的目標(biāo)作為當(dāng)前分布下的detector目標(biāo),為后續(xù)的演化運(yùn)算提供了有力的依據(jù).在一個(gè)周期結(jié)束后,monitor會(huì)根據(jù)給定的結(jié)束條件檢測(cè)系統(tǒng)是否已經(jīng)處于穩(wěn)定狀態(tài).如果滿足所給定的結(jié)束條件,則執(zhí)行下一步,否則,進(jìn)入下一次循環(huán)周期,detector重新進(jìn)行演化.

(5)輸出分割結(jié)果

當(dāng)monitor檢測(cè)到系統(tǒng)已經(jīng)滿足結(jié)束條件時(shí),MAS系統(tǒng)將根據(jù)detector的分布狀態(tài)輸出指紋圖像分割結(jié)果,然后采用低通濾波器消除孤立塊,從而完成最終的指紋圖像分割過程.本文根據(jù)演化前和演化后detector的目標(biāo)和分布狀態(tài)的一致性作為系統(tǒng)的終止條件,當(dāng)演化前和演化后detector的目標(biāo)和分布狀態(tài)不一致時(shí),說明該系統(tǒng)仍需要進(jìn)一步演化,以獲得更優(yōu)的指紋圖像處理結(jié)果.否則,說明該系統(tǒng)已經(jīng)處于穩(wěn)定平衡狀態(tài),此時(shí)認(rèn)為指紋圖像分割過程,輸出指紋圖像分割結(jié)果.

5 實(shí)驗(yàn)分析及結(jié)論

為了分析算法的實(shí)際分割處理效果,文中選取了高質(zhì)量指紋圖像、對(duì)比度差的低質(zhì)量指紋圖像以及背景噪聲很強(qiáng)的低質(zhì)量指紋圖像等3組典型指紋圖像進(jìn)行了自動(dòng)分割處理,并和基于灰度方差的指紋圖像分割算法以及基于點(diǎn)方向一致性的指紋圖像分割算法進(jìn)行了比較分析.具體實(shí)驗(yàn)結(jié)果如圖2所示.

由圖2可以看出,對(duì)于高質(zhì)量圖像(圖2(a) Img1805號(hào)指紋)而言,3種算法的實(shí)際分割結(jié)果差距很小,都能夠滿足后續(xù)處理的需要;對(duì)于低對(duì)比度指紋圖像(圖2(e) Img1903號(hào)指紋)而言,方差法會(huì)存在嚴(yán)重的過分割現(xiàn)象,這是由于對(duì)比度低而導(dǎo)致的有效指紋區(qū)的方差其實(shí)也很小,簡(jiǎn)單地采用方差閾值不再能夠適應(yīng)圖像分割的實(shí)現(xiàn)需要,方向圖分割算法有效改善了這種過度分割現(xiàn)象,但仍然存在一定程度的過分割,而本文算法所得到的分割結(jié)果相比上述兩種方法而言則有更大的改觀,這是由于本方法是從局部對(duì)象的相似性角度進(jìn)行考察,且指標(biāo)是多樣的,有效消解了過分割現(xiàn)象;對(duì)于含有較強(qiáng)背景噪聲的指紋圖像(如汗?jié)n所形成的大面積噪聲,圖2(e) Img1903號(hào)指紋所示)而言,方差法由于不能有效地降低噪聲對(duì)方差計(jì)算結(jié)果的影響,從而導(dǎo)致了對(duì)應(yīng)子塊的方差較大,算法不能有效去除背景區(qū)域,方向圖法在此基礎(chǔ)上有較好的改善,但仍然不夠理想,而本文算法則能夠?qū)@類指紋圖像進(jìn)行更為有效的分割處理.

本文提出了一種基于MAS的自適應(yīng)指紋圖像分割方法,模仿了競(jìng)爭(zhēng)和擴(kuò)張過程,MAS演化的平衡即代表了指紋圖像分割的完成,此時(shí)的系統(tǒng)狀態(tài)即代表了最終的分割結(jié)果.對(duì)比實(shí)驗(yàn)結(jié)果說明,本文的算法對(duì)噪聲具有較好的魯棒性,能夠?qū)?duì)比度差、背景噪聲強(qiáng)等多類指紋圖像進(jìn)行更為準(zhǔn)確、有效的分割處理.

[1]Lin H,Wan Y F,Jain A K.Fingerprint image enhancement:Algorithm and performance evaluation[J].IEEE PAM I,1998,20(8):777-789.

[2]Mehtre B M,MurtbyN N,Kapoor S.Segmentation of fingerprint images using the directional image[J].Pattern Recognition,1987,20(4):429-435.

[3]黃賢武,蘇鵬程,柏培權(quán).基于方向?yàn)V波分割的指紋自動(dòng)識(shí)別系統(tǒng)算法[J].中國(guó)圖像圖形學(xué)報(bào),2002,7(8):829-834.

[4]賈則,戴榮濤,張芬,等.基于連續(xù)分布方向圖的指紋圖像分割算法研究[J].微電子學(xué)與計(jì)算機(jī),2007,24(12):141-143.

[5]甘樹坤,呂雪飛,呂穎,等.指紋自動(dòng)識(shí)別中圖像分割方法研究[J].電子技術(shù)應(yīng)用,2007,24(11):65-67.

[6]胡濤,林家騏.基于灰度均衡的指紋圖像分割算法[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(24):205-207.

[7]耿茵茵,唐良瑞.指紋圖像分級(jí)分割算法[J].北方工業(yè)大學(xué)學(xué)報(bào),2000,12(3):21-26.

[8]馮星奎,顏?zhàn)嫒?肖興明,等.指紋圖象合成分割法[J].計(jì)算機(jī)應(yīng)用研究,2000,1(1):76-77.

[9]Wooldridge M,Jennings N R.Intelligent agents:theory and practice[J].The Knowledge Engineering Review,1995,10(2):115-152.

[10]Liu J,Tang Y Y.Adaptive image segmentation with distributed behavior-based agents[J].IEEE Transactions on PAM I,1999,21(6):544-551.

[11]劉俊義,王潤(rùn)生.利用分布式主動(dòng)智能體檢測(cè)灰度圖像的對(duì)稱軸[J].軟件學(xué)報(bào),2002,13(7):1238-1241.

[12]陳小波,程顯毅.一種基于MAS的自適應(yīng)指紋圖像分割方法[J].智能系統(tǒng)學(xué)報(bào),2007,2(4):80-85.

[13]聶桂軍,吳陳,葉錫君,等.基于連續(xù)分布方向圖和改進(jìn)的PointcaréIndex的指紋分類[J].電子學(xué)報(bào),2006,34(5):947-952.