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.     

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.     

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状，设计了一种新的指纹匹配方法，即利用纹线匹配技术来寻找基准点对的指纹匹配算法．该算法首先基于指纹纹线的相似程度寻找一对基准特征点；然后根据基准点对的坐标，计算两幅指纹图象(模板图象、待识图象)的相对平移和旋转参数，并将待识图象相对于模板图象进行图象姿势纠正；最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目．以实现两枚指纹的匹配．实验证明．该算法匹配速度很快，误识率低，准确性高，并具有图象旋转平移不变性．对面积适中的指纹图象，匹配结果可以满足在线应用的需要．该算法有望发展成为一种实用、有效的指纹匹配技术．     

基于矢量三角形的快速指纹细节匹配算法

指纹匹配是自动指纹识别系统(AFIS) 中的重要环节。该文提出了一种基于指纹纹线结构和矢量三角形相结合确定参考点，再通过极坐标进行细节匹配的指纹匹配算法。该方法将匹配分成两步，减少了拒判时间。引进了纹线信息，降低了误识率。采用矢量三角形及极坐标进行细节匹配，具有旋转和平移不变性。实验结果表明，该方法识别速度快，正确识别率高，可满足实时系统需求。     

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。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位(Core)以及用中心点为中心构造特征向量进行初匹配,并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点:1.介绍指纹中心点的准确定位。2.以中心点作为最佳匹配参考点将匹配分为两步进行:初匹配利用了细节点间的结构关系,克服了图像的平移和旋转的影响;二次匹配引用了界限盒思想,增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位（Core）以及用中心点为中心构造特征向量进行初匹配，并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点：1．介绍指纹中心点的准确定位。2．以中心点作为最佳匹配参考点将匹配分为两步进行：初匹配利用了细节点间的结构关系，克服了图像的平移和旋转的影响；二次匹配引用了界限盒思想，增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

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。     

基于纹理结构的指纹匹配算法的研究与应用

该文分析了指纹纹理结构的特点,对预处理后的指纹图像的骨架图进行修复,同时提出了一套基于纹理结构的指纹特征提取和匹配算法,此算法利用指纹的纹理结构特征,提高了匹配的正确率。实验结果表明,该算法具有较高的识别率和较强的鲁棒性。     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。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。     

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。     

一种结合结构信息的指纹细节点特征提取算法

提出了一种新的指纹特征提取方法,引入细节点与中心点的角度差以及细节点到中心点所穿越的脊线数作为细节特征的向量,采用一种改进的Bresenham 画线算法计算穿越的脊线数,提取出了指纹图像的特征信息。实验表明该算法能准确有效地提取出指纹图像的结构特征信息。     

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。     

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。     

基于模糊贴近度的指纹匹配算法研究

针对已有的指纹匹配方法准确率低、算法复杂度高、易受指纹形变等噪声影响缺陷,本文提出了一种基于模糊贴近度的新型指纹匹配算法。该算法以分叉点、转折点、指纹图像上两个点的连线所穿越的脊线的数量等特征信息作为识别对象的特征指标,通过求出采样指纹与标准指纹的模糊贴近度,将其结果与阈值V相比较,检测指纹的匹配程度。实验结果表明,该算法能够有效降低算法复杂度,提高指纹的匹配准确率与效率,同时也可以有效避免因指纹旋转、平移形变或按压力度不均等因素产生的噪声对指纹匹配精度的影响,可以满足实际应用的需求,为提高指纹识别的精确度提供了一种新方法。     

基于扇区划分的细节点采样指纹匹配算法

在对指纹匹配算法进行了深入研究及总结现有算法优缺点的基础上,提出了新的基于扇区划分的细节点采样指纹匹配算法。本算法以指纹图像参考点为中心,分扇区对细节点数目进行采样统计以构造新的指纹特征向量,再利用距离最小准则进行指纹匹配。实验结果表明,本算法有效提高了指纹图像的匹配效果和运行速度。     

无方向的三角形匹配指纹识别

目的 指纹匹配是自动指纹识别系统研究的核心内容之一,匹配算法的好坏直接影响识别系统的效能。目前,大多数点模式匹配算法都依赖于指纹方向场的求取,由于输入的指纹图像存在平移、旋转和尺度变化,因此同一个手指在不同时间获得的指纹图像的方向场是不同的,这不仅增加了计算量,也影响了指纹识别的精度。针对上述问题,提出了无方向的三角形匹配算法。方法 提出的三角形匹配算法是以平面中任意点与一个确定的三角形之间的位置结构稳定性为理论基础的。首先,分别在待识指纹图像和模板指纹图像中确定基准三角形;其次,将各个特征点与基准三角形三个顶点的距离组成有序三数组;最后,利用数组的相等程度对指纹相似度进行匹配判断。结果 采用国际标准测试库FVC2004进行综合性能比对实验,实验结果表明,与其他几种匹配算法相比,本文方法在识别精度上提高了27.97%~33.81%,在比对时间上降低了3%~5%,在不同旋转角度下误匹配率平均降低了约86.63%,对噪声、平移、旋转和形变有足够的适应能力,具有较高的容错能力和鲁棒性。结论 无方向的三角形匹配算法是一种全局模式的算法,该算法不受指纹图像方向及其位置的影响,实现过程简单,识别精度高,平均比对时间少,适用于处理不同类型的图像数据。