指纹识别中的一种局部矢量匹配算法

指纹匹配技术分为两种：基于细节点的匹配和基于纹线相关性的匹配。文章属于基于细节点的匹配，采用细节点及其临近的5个点形成局部矢量，每枚指纹分解成若干个这样的局部矢量。于是，两枚指纹的匹配就转变为矢量数组的匹配。     

基于改进基准点定位的指纹匹配算法

针对指纹匹配过程中基准点定位不准确与耗时长的缺陷,提出一种基于改进基准点定位的指纹匹配算法。该算法借助指纹图像的中心点构造局部细节结构,并在该结构上利用全等三角形原则求取基准点,将所有细节特征转化到极坐标中,利用可变界限盒的方法进行匹配。实验结果表明,该算法所确定的基准点比较准确,且耗时缩短,可提高识别率与执行效率。     

一种基于参考点方向的指纹极坐标匹配算法

指纹匹配是实现指纹识别的重要环节，提高识别率并减少算法复杂度是指纹匹配的核心问题。本文针对现有指纹识别系统荐在的参考点定位复杂、准确度不够高、适应性不够强等问题，提出了一种利用指纹的方向图和指纹纹线特征相结合确定参考点的方法，并通过调整极角进行基于极坐标的点点匹配，显著提高了指纹匹配的速度和精度。实验结果表明，该算法复杂度低、鲁棒性好、识别率较高，有较强的实用性。     

基于矢量三角法的指纹特征匹配算法的研究

指纹匹配是自动指纹识别系统(Automatic Fingerprint Identification System，AHS)中最重要的问题之一。文中主要针对如何确定两幅指纹图(模板和输入图像)的参照点问题，提出了一种基于指纹脊线结构和矢量三角法相结合的算法，将脊线信息引入匹配过程中，并在极坐标下进行细节点匹配。仿真实验表明，该方法不依赖指纹图的中心区域，具有旋转平移不变性，不仅能很好地区分来自不同指纹的图像，而且有较好的匹配结果。     

序列化融合的指纹匹配方法

在指纹识别中,利用细节点或纹线等单一指纹特征的识别算法来得到一个很高的识别性能比较困难。将不同的指纹匹配算法进行融合来获得较高的准确率已经成为当前研究的热点。提出了一种新的序列化融合的指纹匹配方法。利用基于细节点的指纹匹配算法对待识别指纹进行预判,对于不能确定其为同源或异源的,将再利用基于纹线的指纹匹配算法进行匹配,对两次的匹配得分进行融合,基于融合结果判断其为同源或异源。在指纹库FVC2002 DB2上的实验结果表明,采用基于细节点的指纹匹配算法、基于纹线的指纹匹配算法、对上述两种算法的Sum融合方法、提出的方法得到的等错误率（EERs）分别为3.0%、4.9%、2.0%、1.9%,且相对于Sum融合方法,提出的方法在时间消耗上降低了64.64%。     

一种基于基准点的指纹匹配算法

在图像中心区域为若干细节点分别构造局部结构,根据这些结构的匹配结果实现了基准点的精确定位。在指纹匹配阶段引入一个新的属性,即细节点到基准点之间的纹线切割数目,该属性对指纹的平移和旋转以及非线性形变具有不变性。指纹匹配时对该属性进行比较,排除明显不匹配的细节点,根据可变大小界限盒的方法对细节点进一步匹配。实验结果表明,该算法效率比原有算法提高了10%～20%,且实现了较高的匹配精度。     

一种基于纹线相似度的指纹匹配算法

本文研究了一种基于纹线相似度的指纹匹配算法,利用纹线的相似程度寻找一对基准细节点(referenceminutiae),根据基准细节点对所在的纹线计算两幅待匹配指纹图像的相对旋转和平移参数,并将待识指纹相对于模板指纹做姿势纠正,最后使用动态搜索半径以坐标匹配的方式实现两枚指纹的匹配.实验结果表明,该算法可以正确、快速地实现指纹匹配,对图像的旋转、平移具有不变性.     

基于纹理结构的指纹识别算法

为克服传统细节点匹配模型的不足,对指纹的纹理结构进行了深入分析,利用指纹纹线的不同结构作为指纹图像的特征.分析了Freeman链码描述图像的原理,用Freeman链码导数来表示所提取的指纹纹线.提出了一整套基于指纹纹线轮廓的特征提取和匹配算法,该算法具有平移、旋转不变性.由于利用了指纹的结构信息,对低质量指纹图像有一定的适应度.实验结果表明,该算法具有相当高的识别率和较强的鲁棒性.     

基于纹理结构的指纹匹配算法

为克服传统细节点匹配模型的不足,对指纹的纹理结构进行了分析,利用指纹纹线的不同结构作为指纹图像的特征。提出了一套基于指纹纹线轮廓的特征提取和匹配算法,并且采用了分步匹配,减少了拒判时间,该算法具有平移、旋转不变性。由于利用了指纹的结构信息,对低质量指纹图像有一定的适应度。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

快速的多级指纹混合匹配方法

提出一种快速的多级指纹混合匹配方法.该方法在提取指纹图像特征,建立指纹细节点匹配模板后,对指纹进行多级匹配.首先,计算两幅指纹图像特征矢量之间的欧式距离,通过比较距离大小实现指纹的初级比对.然后利用输入指纹与库指纹的细节点模板进行二次匹配.最后,对二次匹配过程中匹配的细节点对加以分析,选取可靠的细节点对作为多参照对应点进行再次匹配.该方法融合指纹的图像特征和细节点特征,避免建立指纹细节点对应性耗时的搜索过程,同时多参照点的引入可以更好地校准细节点集.实验证明该方法快速有效.     

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。     

一种新的指纹节点匹配方法

指纹匹配是指纹识别中的一个重要问题,在指纹识别系统中常用一组节点来表示一个指纹。目前的指纹识别系统主要采用基于节点的匹配方法。文章提出了一种新的指纹节点匹配方法,在抽取节点特征时不但提取其坐标和方向,而且还提取每个节点沿着其方向和反方向的一定距离内的局部方向,在匹配两个节点时匹配这些方向信息,并将节点按方向信息排序,以加速查找。匹配时首先确定最佳参考节点,然后根据最佳参考节点下匹配节点对的位置和方向差异再次旋转和平移输入指纹,最后在直角坐标下再次匹配两个指纹。实验表明,该方法能有效地提高系统的识别性能。     

基于遗传算法的指纹图匹配算法及应用

自动指纹识别系统因其在身份确认方面所具有的方便、快速、准确等特点而得到了广泛的研究 .该文利用分层匹配的思想 ,提出了一种根据指纹细节点结构特征进行初匹配的算法 ,并将遗传算法应用于更高层次的点模式匹配问题中 .该方法在自动指纹识别应用中取得了较好的结果.     

自动指纹识别中的图像增强和细节匹配算法

对自动指纹识别系统(automated fingerprint identification system,简称AFIS)的两个重要问题——指纹图像增强和细节匹配进行研究,给出了一种基于方向场的指纹图像增强算法,对Anil Jain等人提出的细节匹配算法进行了修正.采用一种新的更简单的方法进行指纹图像的校准,并以一种简单而有效的方式将脊线信息引入匹配过程中,这样做的好处之一是以较低的计算代价有效地解决了匹配中参照点对的选取问题.另外,采用大小可变的限界盒来适应指纹的非线性形变.在FVC2000公布的指纹图像数据库上,按照FVC2000测试标准所做的实验显示,该算法比原算法有较大的改进.     

一种结合细节点和纹理信息的指纹匹配算法

提出了一种新的指纹联合匹配算法.该算法基于细节点周围的纹理结构信息和细节点构造出指纹特征向量.对指纹纹理进行滤波平滑,提取纹理方向信息,进而利用指纹块的纹理信息简化数据处理过程,从而提高匹配速度.该算法计算速度快,具有较高的识别率,且能较好的正确识别偏移、信息残缺等质量较差的指纹图像,具有很强的鲁棒性,在实际应用中取得了良好的效果.     

一种结合细节点和纹理信息的指纹匹配算法

提出了一种新的指纹联合匹配算法。该算法基于细节点周围的纹理结构信息和细节点构造出指纹特征向量。对指纹纹理进行滤波平滑,提取纹理方向信息,进而利用指纹块的纹理信息简化数据处理过程,从而提高匹配速度。该算法计算速度快,具有较高的识别率,且能较好的正确识别偏移、信息残缺等质量较差的指纹图像,具有很强的鲁棒性,在实际应用中取得了良好的效果。     

基于方向滤波的指纹图像增强算法研究

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步骤。其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配。为了消除噪声以提高指纹图象的质量,本文给出了一种基于方向滤波的指纹图像增强算法,根据方向图构建方向滤波模板对指纹图像进行滤波,并对滤波后的图像进行去噪处理。实验结果表明了本文采用的方法有更好的效果。     

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。     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1：N辨别速度有明显的提高。     

Fingerprint matching based on global alignment of multiple reference minutiae

Fingerprint matching is an important problem in fingerprint identification. A set of minutiae is usually used to represent a fingerprint. Most existing fingerprint identification systems match two fingerprints using minutiae-based method. Typically, they choose a reference minutia from the template fingerprint and the query fingerprint, respectively. When matching the two sets of minutiae, the template and the query, firstly reference minutiae pair is aligned coordinately and directionally, and secondly the matching score of the rest minutiae is evaluated. This method guarantees satisfactory alignments of regions adjacent to the reference minutiae. However, the alignments of regions far away from the reference minutiae are usually not so satisfactory. In this paper, we propose a minutia matching method based on global alignment of multiple pairs of reference minutiae. These reference minutiae are commonly distributed in various fingerprint regions. When matching, these pairs of reference minutiae are to be globally aligned, and those region pairs far away from the original reference minutiae will be aligned more satisfactorily. Experiment shows that this method leads to improvement in system identification performance.