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。     

基于邻域像素追踪的图像指纹特征点提取

该文针对经过预处理过的指纹图像,采用邻域像素追踪法对指纹纹线端点、叉点、中心点和三角点等指纹特征点进行提取,介绍了各特征点的算法实现流程,给出了最终的特征提取实验结果,实验结果表明,该方法在能够有效地提取指纹特征点的情况下,还在速度和准确性上也有所提高。     

基于局部纹线特性的直接灰度图指纹特征提取

指纹特征提取是鉴别个体生物特征的关键步骤。指纹特征提取新研究的一个方向是用直接灰度图纹线跟踪法来提取特征，以减轻传统方法对预处理的依赖性。但该方法也存在易发生漏判、误判、特征点类型错判等症结，其中特征点类型错判是一个主要问题。提出了依据局部纹线特性的方法，抑制直接灰度图纹线跟踪法的漏误判，特别是有效地解决了特征点——端点、分叉点——类型误判的问题。     

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。     

基于纹线跟踪技术的指纹图像后处理

介绍了基于邻域编码的纹线跟踪技术及其纹线跟踪过程,在此基础上,完善了指纹图像后处理算法,提取了指纹细节特征。在完全细化的指纹图像上,利用纹线跟踪技术,剔除了可能的伪特征点,保留了真实的细节特征点,指纹图像后处理效果十分理想,达到了指纹特征准确提取和特征点集准确获取的目的,为后续的指纹匹配工作打下了良好的基础。     

指纹识别预处理算法

提出了一种基于Gabor滤波的指纹图像预处理算法,包括指纹图像的增强、二值化和细化等几部分;在指纹图像增强方面,利用指纹的方向特性设计出Gabor滤波器,用Gabor滤波器对指纹进行滤波;在二值化和细化方面也做了探讨;实验结果表明,经过这种预处理算法提取出了纹线,并且很好地保留了纹线的关键信息.     

指纹图象预处理

采用块方向图滤波的方法实现了沿指纹纹线方向的图象增强及图象的二值化,用细化模板匹配的迭代方法实现了纹线的细化,解决了指纹纹线复杂难以提取的问题,具体实现了指纹图象的预处理。经过预处理后提取出了纹线,且保留了纹线的关键信息,有利于下一步的特征提取工作。     

一种基于局部结构信息的指纹伪特征滤除算法

自动指纹识别系统中，灰度指纹图象经过预处理过程得到细化二值图象，其中往往含有大量的伪特征，这将对后续的分类、匹配等操作造成不良影响，导致系统识别率下降，为此首先提出一种新的快速纹线跟踪算法——8邻域编码纹线跟踪算法，然后提出一种基于局部结构信息的指纹伪特征滤除算法，该伪特征滤除算法是在纹线跟踪的基础上，提取指纹特征点的若干属性，并结合特征点的局部结构信息，对各种伪特征结构进行识别和滤除，实验结果表明，本方法可以快速、准确、彻底地滤除这些伪特征结构，效果令人满意。     

指纹图像的预处理算法

提出了一种基于Gabor滤波的指纹图像预处理算法,包括指纹图像的增强、背景的分割、二值化和细化等几部分;在指纹图像增强方面,利用指纹的方向特性设计出Gabor滤波器,使用Gabor滤波器对指纹进行滤波;在图像分割方面,采用了滤波后指纹图像4个角部灰度均值作为阈值的快速分割算法;在二值化和细化方面也做了探讨;实验结果表明,经过这种预处理算法提取出了纹线,并且很好地保留了纹线的关键信息.     

一种基于低分辨率指纹图像的增强方法

指纹鉴别是一个比较复杂的过程,一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤。其中图像预处理中的图像增强是最为关键的环节,直接影响着后面指纹图像的细化特征提取等处理。论文针对硅晶体指纹采集芯片采集到的低分辨率指纹图像,提出一种有效的图像增强处理方法。由于指纹分辨率低,以及前景与背景的灰度差别很大,采用通常的空域Gabor增强后仍然有误增强和增强不充分的情况。所以针对此情况论文提出了采用非线性与线性相结合的二次图像增强的方法。首先使用Gabor滤波器进行非线性的图像增强,对增强后的灰度图像进行二次线性增强,即利用指纹的方向信息进行二值化处理。实验结果表明论文方法增强效果较好,与经典的Gabor图像增强方法比较,使用该方法图像增强后特征提取准确率明显提高。     

Gabor滤波器在基于细节点的指纹识别中的应用

针对指纹图像的特点,建立了一套指纹图像预处理体系,为指纹特征点的提取和比对奠定了良好的基础;文中主要进行了以基于细节点的指纹识别系统的处理流程为线索,设计了适合于这种指纹识别系统的Gabor滤波器,并对Gabor滤波器各参数的设定进行了改进;实验结果表明改进后的Gabor滤波器的处理效果明显优于传统算法.     

指纹图像的预处理算法

提出了一套完整的基于方向特性的指纹预处理算法，包括前景/背景提取、平滑、二值化、二值滤波、细化五部分。这套算法能很好地保护图像的细节和边界，成功减少了原特征的丢失和伪特征的增加，为可靠、准确、快速地实现指纹识别提供了一种可行的方法。     

一种结合方向信息的指纹图像二值化算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分.为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法.与自适应阈值法做了对比实验,实验结果表明,该算法具有更好的二值化效果.算法本身还具有一定的连接指纹图像中断线的能力,这对提高细节特征提取结果的准确性具有重要的意义.     

指纹图像预处理和特征提取算法的Matlab实现

在指纹识别中,作为指纹匹配的前提和基础,指纹图像的预处理和指纹图像的特征提取对整个指纹识别算法起着至关重要的作用。本文设计了一套指纹图像预处理和指纹特征提取算法,利用方向滤波的方法对原始图像进行增强,使用改进的细化算法进行细化,最后基于脊线跟踪的方法,用改进的算法更为简洁而有效地避免了各种伪特征。设计的算法经Matlab实现,实验效果良好。该算法为指纹识别进一步应用到实际提供了一定的技术基础。     

OPTA算法的改进及其在指纹图像细化中的应用

图像细化是指纹预处理技术中的一个重要环节，大多数指纹识别算法都是在细化图像上实现特征点的检测。因此，研究图像细化对提高指纹识别系统的性能具有重要意义。对OPTA算法进行了改进，将其应用在指纹图像细化中，并对其局限性进行了分析。实验结果表明，使用改进的OPTA算法，指纹图像细化效果有明显的提高。     

基于Gabor滤波的指纹图像增强算法

由于指纹的唯一性和不变性,指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一。指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤。其中图像预处理中的图像增强是最为关键的环节,直接影响特征提取与特征匹配。提出了一种基于Gabor滤波的指纹图像增强算法。阐述了Gabor滤波器的定义及其在指纹图像增强中的应用。对指纹图像方向图提取方法和频率计算方法作了改进尝试。实践表明,该方法是有效的、实用的。     

基于结构极坐标变换的指纹识别

文章针对指纹识别系统存在的问题提出了一种利用指纹的结构特征和指纹线特征相结合确定参照点（极坐标原点）的方法,克服了传统自动指纹鉴别中寻找指纹中心点不够精确和耗时过多的缺点,同时利用极坐标变换将指纹特征矢量化,很好地解决了指纹图像本身非线性时变等因素对指纹识别的影响,算法具有相当高的识别率和较强的鲁棒性。