指纹图像的预处理方法

预处理是指纹自动识别过程中的第一步,并直接影响着指纹自动识别系统的效果.结合指纹的结构信息对指纹图像进行处理,包括规格化、方向图滤波、二值化、细化等步骤.实验表明,这些算法能有效地解决指纹图像的预处理问题.     

一种有效的指纹图像预处理方法

预处理是指纹自动识别系统中非常关键的部分,它直接影响着指纹识别的最终效果.指纹预处理一般包括规格化、方向图计算、脊线频率计算、增强、二值化、细化等环节.文中研究并实现了一种有效的指纹图像预处理方法,并采用了一种高效的指纹细化算法.实验结果表明,这种方法能有效地去除传感器表面残留纹印引入的噪声,进一步增强了指纹的脊线和谷线,使指纹纹线变得清晰、连续、光滑,改善指纹图像的质量,提高了指纹识别的可靠性.     

一种有效的快速指纹预处理算法与仿真

针对自动指纹识别系统中,关于时间复杂度高的指纹图像预处理算法进行研究,为了提高识别速度,有效去除噪声,提出一种有效的快速指纹预处理算法。算法基于指纹的方向场,采用查表的方法,对指纹图像进行8方向滤波增强,并采用混合式快速细化算法完成指纹的细化。对100幅URU4000B指纹采集仪采集的指纹图像在Matlab中进行仿真,结果表明92%的图像都能达到较好的处理效果。算法速度快,适用于配置一般的基于嵌入式平台的指纹自动识别系统。     

一种实用的自动指纹识别完整算法

本文设计并实现了一套完整的指纹图像自动识别算法,该算法首先对指纹图像进行增强包括归一化,分割指纹图像,区分有效区域和无效区域,计算方向图、用方向滤波的方法对指纹图像进行滤波、接着用动态阈值法二值化经过滤波增强的指纹图像,并对二值化图像进行细化及细化后处理,然后提取细化后图像的特征数据,最后将提取的特征数据进行匹配。实验表明该算法运行时间短,识别效率较高,是一种实用的自动指纹识别算法。     

指纹图像预处理中的关键技术研究

指纹图像的预处理在计算机指纹自动识别系统（AFIS）中有着非常重要的作用,直接制约着系统的识别率和识别速度。指纹图像预处理通常包含图像的分割、去噪、增强、二值化和细化等。在总结现有常用预处理算法的基础上,通过实验对预处理中的三个关键算法即指纹图像的增强、二值化和细化进行了详细地研究,根据指纹图像的特点提出了一些有效的改进算法,实验结果显示这些改进的算法对指纹图像的处理效果明显,可以很好地提高指纹图像的质量,为后继处理打下良好基础。     

一种新的指纹图像细化算法

在自动指纹识别系统中，指纹细化占有重要地位，本文讨论一种新的细化算法，将方向图引入指纹图像的细化，结合形态学细化算法，改进了传统细化算法不尽如人意的方向，取得了良好的细化效果。     

改进的指纹细节特征提取算法

指纹细节特征（minutiae)提取是指纹自动识别的核心技术之一，常规的指纹细节特征提取算法需要先采用纹线跟踪的方法对细化后的指纹图象进行纹线修复，然后再实现细节特征提取，纹线修复不仅步骤繁琐，而且比较耗时，针对这一问题，提出了一种改进的指纹细节特征提取算法，该算法首先在细化后的指纹图象上直接提取原始细节特征点集，然后分析图象中存在的各类噪声及其特点，总结伪特征点的分布规律，最后，结合局部纹线方向信息，针对不同的噪声，采用针对性的算法，将各类噪声引起的伪特征点分别予以删除，最终保留下来的特征点集即视为真正的特征点集，为验证该算法的性能，将改进算法与常规算法进行了对比实验，实验结果表明，改进算法有效地减少了计算时间，细节特征提取准确率也基本可以满足应用的需要。     

指纹识别中的特征点提取算法

指纹特征的提取在指纹自动识别系统中足一个必不可少的重要环节.根据指纹的固有规律,提出了一套较完整的指纹图像特征提取和伪特征去除算法,指纹特征提取是从细化后的指纹图像中得到的细节特征点(即端点和分叉点),其中含有大量的伪特征,根据伪特征点的结构,在特征提取之后对伪特征点进行去除,主要对毛刺和短脊进行去除.实验结果表明,该算法大大提高了指纹识别时的精度,并具有较强的抗干扰性.通过对上百幅不同质量的指纹图像进行测试,获得了较好的效果.     

基于方向信息的指纹图像预处理

预处理是自动指纹识别技术的基础,它的好坏直接影响着指纹自动识别系统的效果。本文从方向图、滤波、二值化和细化等几个方面详细介绍了自动指纹识别系统中的预处理过程,并具体实现了指纹图像的预处理。该方法取得了良好的效果,保留了指纹纹线的关键信息,为下一步的特征提取工作打下了良好的基础。     

一种新的指纹细化算法

一般指纹细化算法处理结果存在毛刺过多，对纹线上的孔洞效果较差的缺点．容易导致为特征点的出现。为了减少毛刺的出现和提高对孔洞处理效果，分析了两种常见的细化算法——快速细化算法和改进的OPTA算法．找出了与毛刺产生和对孔洞处理效果相关的因素，并在此基础上提出了一种新的指纹细化算法。实验表明，该算法能够较好地满足细化要求，细化后的指纹图像保持了原有的拓扑结构和细节特征，细化后指纹光滑无毛刺，而且对孔洞的效果较好。     

指纹图像细化的综合化算法

指纹图像细化指将指纹脊线削减为单像素宽的线条,它能够有效地提高自动指纹识别系统(AFIS)的性能.根据OPTA算法及其改进算法,结合AFIS对图像细化算法在运算速度和系统资源两方面的要求,提出一种基于快速细化算法并引入OPTA算法优点的改进算法,该算法对指纹二值图像的细化结果满足8连接条件.在FVC指纹数据库上的测试结果表明,文中算法能够获得正确的指纹细化图像,运算速度满足AFIS的要求.     

一种改进的指纹图像细化算法

在自动指纹识别系统中,细化占有重要的地位,现有的指纹细化算法存在很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对快速细化算法和改进的OPTA细化算法进行了分析和研究,指出这两种算法在指纹纹线和分叉点处图像细化不彻底等缺陷。同时将两种细化算法有机结合,设计了一组改进的细化模板,提出了一种新的细化算法。实验结果证明：该算法与传统的细化算法相比没有破坏纹线的连接性,不会引起纹线的逐步吞食,又保护了指纹的细节特征。而且该算法运算速度也大大加快,处理后的指纹图像细化完全,骨架接近纹线中心线,光滑无毛刺,方便特征提取和减少匹配的复杂度。     

利用改进的主图形算法提取指纹骨架

在传统的指纹识别系统中,一般使用指纹细化图对指纹信息进行描述。尝试使用主曲线代替指纹细化图,并对主曲线的主图形算法进行了较大改进,使其能够得到更好的指纹骨架。实验结果表明,主曲线骨架比细化图有着光滑性强、准确性高、抗噪音和信息量大的优点;而改进的主图形算法在指纹骨架提取的效率和效果上比原算法也都有一定提高。     

细化畸变节点形态分析及修正策略研究

基于细化的识别处理算法是工程图自动识别处理中使用较为广泛的一种技术，然而，目前的细化过程会在节点处产生畸变而导致最终的识别率较低。本文对细化后畸变节点形态进行了深入的分析，讨论了产生畸变的原因，并提出了有效地抑制细化后节点畸变的修正策略，所提出的修正方法已成功地用于解决实际问题。     

指纹自动识别系统中的预处理技术

预处理是指纹自动识别过程中的第一步，它的好坏直接影响着指纹自动识别的系统的效果。文中分灰度去噪，二值化，二值滤波法噪，细化等几部分。详细分析了介绍了指纹自动识别系统中的预处理技术，文中所介绍的算法都是经实践证明并取得了很好的效果的，具有很高的使用及参考价值。     

基于中心扫描的指纹识别算法

中心扫描细化算法是一种基于方向的细化算法,具有较快的速度;在细化后的指纹图像中,其特征点往往成为断点,提出了一种基于细化后形成的断点和纹线方向的特征提取算法,运用中心扫描细化算法成功提取细节特征的基础上,运用极坐标转换、图像的旋转和可变界限盒原理,完成了指纹特征匹配算法;证实了基于中心扫描的指纹特征提取算法的可行性,并取得了很好的效果。     

一种有效的混合式指纹快速细化算法 *

针对现有指纹细化算法存在的模板匹配次数过多、迭代频繁、细化不完全等现象 ,在深入分析了快速细化算法和串并混合式细化算法特点的基础上 ,提出了一种新的混合式指纹细化算法 ,有效地提高了细化速度和细化质量。     

一种新的指纹细化算法

一般指纹细化算法处理结果存在毛刺过多,对纹线上的孔洞效果较差的缺点,容易导致为特征点的出现。为了减少毛刺的出现和提高对孔洞处理效果,分析了两种常见的细化算法——快速细化算法和改进的OPTA算法,找出了与毛刺产生和对孔洞处理效果相关的因素,并在此基础上提出了一种新的指纹细化算法。实验表明,该算法能够较好地满足细化要求,细化后的指纹图像保持了原有的拓扑结构和细节特征,细化后指纹光滑无毛刺,而且对孔洞的效果较好。     

一种改进的快速指纹预处理算法

对指纹预处理全过程进行系统研究,在满足预处理效果的前提下,针对指纹识别系统的实时性要求,讨论了有效的预处理算法.在指纹图像的细化方面,针对传统细化方法的不足,提出了改进的快速细化算法.先对图像利用快速细化算法进行全局细化,再对对角线方向采用深度优先搜索,解决细化不彻底的问题.搜索过程中,采用自动阈值滤除毛刺和短脊,为后...     

有效的指纹纹线细化方法

自动指纹识别一般包括指纹采集,图像预处理、特征提取、特征匹配等。细化是预处理中的一个重要环节,如果细化不好,很难使用常规的特征提取算法提取特征信息。现有的指纹细化算法存在很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等,各种问题的存在严重影响了细节点的准确提取。将现有的几种细化算法进行融合,应用于指纹二值图像的细化,得到了较好的细化效果。在细化纹线基础上可以准确地提取细节点.