指纹三角区域特征点融合匹配STSF算法研究

目前大部分指纹自动识别系统(automatic fingerprint identification systems,AFIS)所采用的特征点匹配算法需以准确提取特征点为前提,这些算法在面对存在高度畸变且残缺不全的现场指纹时,往往难以准确识别指纹图像。在相似三角形匹配算法的基础上,研究了SIFT(scale invariant feature transform)特征点与二级特征点之间的位置关系,克服了相似三角形之间尺度不一的问题。此外,提出了一种基于贝叶斯统计推断的相似三角形与SIFT融合算法(similar triangle SIFT feature,STSF)。实验结果表明,STSF算法能够有效提升残缺指纹匹配的精度和计算效率。     

一种基于脊线特征的指纹匹配算贩

指纹的脊线几乎构成了指纹的全部特征,其整体结构和趋势是确定指纹的重要依据.本文算法引入了一种描述指纹脊线趋势的特征向量,并且基于该特征向量提出了一种新颖的匹配算法.算法首先在指纹图像的特征区域中进行脊线采样,根据采样结果提取脊线的特征向量,把特征向量的相似度作为指纹匹配的依据.算法避开了传统细节点匹配方法的限制,有效利用了脊线趋势的稳定性和脊线间的相对关系.实验结果表明,本文算法具有较高的匹配精度.     

指纹图像匹配的算法研究及其实现

论文首先综合阐述了目前提出的几类指纹匹配方法,然后在提取端点和分叉点两类特征点的基础上,提出了一种新的匹配方法。该算法充分利用了指纹图的结构信息,在以每一个特征点为圆心,以动态R为半径的圆内选取三个“特别”的邻点,作为此中心点的向量组成点,从而使两指纹的匹配转变为向量组间的匹配。实验结果表明,该算法具有完全的图像旋转和平移不变性,能有效地抵抗指纹图像的噪声,匹配速度快,能识别一定范围内的残缺指纹。     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

一种基于脊线特征的指纹匹配算法

指纹的脊线几乎构成了指纹的全部特征，其整体结构和趋势是确定指纹的重要依据。本文算法引入了一种描述指纹脊线趋势的特征向量，并且基于该特征向量提出了一种新颖的匹配算法。算法首先在指纹图像的特征区域中进行脊线采样，根据采样结果提取脊线的特征向量，把特征向量的相似度作为指纹匹配的依据。算法避开了传统细节点匹配方法的限制，有效利用了脊线趋势的稳定性和脊线间的相对关系。实验结果表明，本文算法具有较高的匹配精度。     

基于Matlab实现的指纹图像细节特征提取

指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配.介绍了一套基于Matlab实现的指纹细节特征提取方法,并给出了去伪算法.指纹特征提取是从细化后的指纹图中得到细节特征点(即端点和分叉点),此特征点含有大量的伪特征,既耗时又影响匹配精度.采用了边缘去伪和距离去伪,使得特征点去伪前后减小了近1/3,然后提取可靠特征点信息,以便实现指纹匹配.实验证明,用Matlab实现的这种方法,既简单快速,而且具有较高的准确率.     

一种采用脊线特征的指纹模糊匹配方法

针对目前指纹识别系统主要采用手指上细节点的分布来表征和匹配指纹,提出了一种采用指纹脊线特征的匹配算法,以提高细节点数量较少情况下的匹配精度.在特征提取阶段,通过脊线采样,只存储脊线采样点集以降低存储量;在匹配时,对欲匹配的两指纹利用细节特征配准脊线集,在重合区域内对两指纹脊线统一进行编码,通过编码的比较确定相似脊线;以相似脊线的相同位置编码为论域,以相同位置编码的相似程度为隶属度,建立衡量脊线相似程度的模糊集,采用加权平均法对多个相似脊线模糊集进行综合评判得到两指纹脊线总体相似度.最后将脊线匹配相似度与细节点匹配相似度进行加权融合得到两指纹最终的相似度.在FVC2004指纹库上的实验表明该算法能够有效提高指纹匹配的准确性.     

基于全等三角形的指纹识别方法

针对现有匹配算法存在的问题,本文提出了基于特征三角形的指纹匹配方法,并就三角形的构成进行了详细的介绍.实验表明,该方法具有旋转平移不变性和良好的抗噪能力,能有效地提高系统的识别性能.     

基于相似度直方图的混合指纹匹配方法

指纹的匹配问题是指纹识别算法中的核心问题．文中介绍了一种基于相似度直方图的指纹混合匹配算法,该算法同时使用了指纹的细节特征和纹理特征．指纹的细节匹配部分通过相似度直方图函数来计算最优校准参数,并且将校准结果应用到纹理匹配中．在FVC2002数据库上的实验结果表明该混合识别算法比使用细节匹配的算法具有更高的识别率．     

基于支持向量机的指纹特征点提取方法

由于指纹的匹配是根据指纹特征点匹配的,所以指纹特征点提取方法的好坏将直接影响指纹匹配的成功率.针对指纹特征点提取耗时较长的问题,提出了一种在细化指纹上,利用支持向量机的特征点(端点及分叉点)提取方法,首先进行指纹特征点初提取,即将特征点的8邻域模板作为输入,特征点类型作为输出,建立支持向量机网络并进行训练.将任意的纹脊点的8邻域输入到已训练好的支持向量机网络就可得到特征点的类型.初提取得到的指纹特征点集中存在大量伪特征点,判断图像边缘并根据特征点之间的方向及距离消除伪特征点.仿真结果表明,改进方法指纹提取的速度快,同时去除伪特征点的准确率高.