在这个信息时代，图像占有很大的份额。在生物特征识别中，需要进行图像处理以识别其生物特征图像先前存储在数据库中的个人。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特征识别系统正常工作，它需要以非常清晰且无污染的形式获取用户生物特征识别的样本图像。

生物识别中图像处理的要求

用户的生物特征图像被馈送到生物特征系统中。该系统被编程为使用等式处理图像，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个功能类别-

影像还原

图像恢复主要包括-

• 减少采集样本时图像中引入的噪声。
• 消除生物特征的注册过程中出现的扭曲。

图像平滑可减少图像中的噪点。通过用相邻像素的平均值替换每个像素来进行平滑。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。

图像增强

图像增强技术可改善图像任何部分或特征的可见性，并抑制其他部分的信息。仅在还原完成后才能完成。它包括增亮，锐化，调整对比度等，因此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。

• 特定于域的特征-它们是依赖于应用程序的特征，例如面部，虹膜，指纹等。Gabor过滤器用于提取特征。

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，将候选图像的特征向量与数据库中存储的图像向量进行比较。

B样条曲线是用于描述指纹生物识别系统中曲线模式的近似值。 B样条曲线的系数用作特征。在虹膜识别系统的情况下，虹膜的图像使用离散小波变换(DWT)进行分解，然后将DWT系数用作特征。