采用PCNN模板的二值指纹图像改进细化算法

针对传统PCNN 细化图像时存在细化不彻底、纹线的断裂、产生很多毛刺等问题,给出了一种采用PCNN并发特点对二值指纹图像进行细化的改进算法。经过分析图像细化后留下的毛刺特征,提出了几种消除模板。采用该模板能消除指纹细化后的毛刺;也有效地解决了细化不彻底的问题。利用FVC2004标准指纹图像库仿真的结果表明,指纹图像细化彻底,且能有效地消除纹线断裂和毛刺的产生。应用于指纹图像识别系统,提高了指纹的识别率。     

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.     

基于改进PCNN的指纹图像细化算法

针对基于模板脉冲耦合神经网络(PCNN)指纹图像细化算法细化时间长、纹线断裂、细化不彻底等问题,通过增加4个细化模板,重新构造方形模板及改变细化过程,提出一种基于改进PCNN的指纹图像细化算法。实验结果表明,该算法能够较好地满足细化要求,细化彻底、速度快且纹线光滑无毛刺,能够应用于其他二值图像。     

基于改进的OPTA的并串混合细化算法

现有的指纹细化算法存在着很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对OPTA（One-Pass Thin-ning Algorithm）算法和改进的OPTA算法进行了深入的分析和研究,指出了各自的优点和缺点。在此基础上提出了一种基于改进的OPTA的并串混合细化算法。该算法扩展了改进的OPTA算法的消除模板,舍弃保留模板,同时用缩小的消除模板来彻底细化。对以上算法进行了编程实验。实验结果表明,算法不仅保持了改进的OPTA算法的优点,也继承了OPTA算法的并行性,是一种较为理想的细化算法。     

基于深度优先搜索的快速指纹细化算法改进

对指纹图像的细化算法进行了较深入地研究,分析了两种常用细化算法--快速细化算法和改进的OPTA算法各自的优缺点.针对其中存在的迭代次数多、细化速度慢、图像局部细化不彻底等问题,提取了一种无回溯深度优先搜索的快速指纹细化算法.实验结果表明,该算法在保证对图像完全细化的同时,也具有较快的细化处理速度.     

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。     

基于邻域搜索的OPTA指纹细化改进算法

在指纹细化的研究中,基于OPTA的细化算法及其改进算法普遍存在指纹图像不够光滑,毛刺较多,细化质量不高等现象。为解决上述问题,在OPTA改进算法基础上提出一个新的设计方案。首先重新设计了删除模板和构造模板,然后将该模板设计成一种独特的一维数组查表索引模式,通过计算比较点的邻域值,在表中查找并进行比对判决,即根据邻域的情况来判断一个点是否可以删除。仿真结果表明,用新方法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,且查询速度快,是一种较为成功的细化改进方案。     

一种新的指纹图象细化算法

针对ＯＰＴＡ细化算法存在的不足,即细化不全,速度较慢的缺点进行分析和研究,提出了一种新的细化算法,该算法速度快,细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺。     

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。     

一种改进模板的OPTA细化算法

本文首先介绍了指纹识别系统中目前常用的两种OPTA细化算法,并针对这两种算法的不足,重新构建了细化模块,提出了一种新的细化算法.经过实验证明,该算法能够很好地满足细化要求,在保证指纹骨架处于纹线中心线的同时,不仅减少了毛刺的出现,使细化后的纹线更均匀,更清晰流畅,而且较大幅度地提高了细化速度,缩短了处理时间,从而节约了所需的内存空间.     

一种面向指纹识别的鲁棒脊线跟踪算法

由于传统的指纹识别系统大多要进行二值化和细化过程将消耗大量的计算时间,提出了一种基于脊线跟踪的指纹图像特征点提取算法.在灰度级指纹图像上,沿脊线方向自适应跟踪指纹脊线,直至该条脊线终止或与其他脊线相交,得到一幅细化后的指纹骨架图和附在其上的细节点信息.跟踪过程中,在关键点处进行脊线方向估计和局部滤波,跳跃式地获得脊线骨架点.对于提取到的末端点和交叉点,根据指纹图像的结构特征和统计结果相结合进行去伪后处理.实验证明算法的有效性.     

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.     

Preprocessing and postprocessing for skeleton-based fingerprint minutiae extraction

In this paper, we propose to use the fingerprint valley instead of ridge for the binarization-thinning process to extract fingerprint minutiae. We first use several preprocessing steps on the binary image in order to eliminate the spurious lakes and dots, and to reduce the spurious islands, bridges, and spurs in the skeleton image. By removing all the bug pixels introduced at the thinning stage, our algorithm can detect a maximum number of minutiae from the fingerprint skeleton using the Rutovitz Crossing Number. This allows the true minutiae preserved and false minutiae removed in later postprocessing stages. Finally, using the intrinsic duality property of fingerprint image we develop several postprocessing techniques to efficiently remove spurious minutiae. Especially, we define an H-point structure to remove several types of spurious minutiae including bridge, triangle, ladder, and wrinkle all together. Experimental results clearly demonstrate the effectiveness of the new algorithms.     

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。