结合频谱扩散的指纹图像滤波增强

目的 指纹图像增强是自动指纹识别系统中的重要环节,是获取可靠的指纹细节特征的基础。为了弥补指纹图像的质量缺陷,实现对低质量指纹图像的有效增强,提出一种基于块质量评价和块频谱匹配滤波器的块频谱扩散指纹增强方法。方法 首先,基于块内点方向一致性参数,给出了块质量评价结果;然后,研究了复合窗口频谱扩散特性,完成了基于一次模糊K均值聚类、一阶自适应带宽的2维巴特沃斯带通滤波器和2维高斯窗的块频谱匹配滤波器设计;最后,依据块质量等级的高低,应用块频谱匹配滤波器对复合窗口的块频谱进行滤波增强。结果 选取FVC 2004指纹库中的大量指纹图像进行了实验,实验结果表明,该方法对高质量和低质量指纹图像均有良好的增强效果。结论 本文方法对指纹的脊线方向和频率等参数依赖较弱,拥有很强的容错能力。实验结果验证了该方法在指纹图像增强中的有效性,可适用于高质量和低质量的指纹图像增强。     

联合判别性低秩类字典与稀疏误差字典学习的人脸识别

目的 由于受到光照变化、表情变化以及遮挡的影响,使得采集的不同人的人脸图像具有相似性,从而给人脸识别带来巨大的挑战,如果每一类人有足够多的训练样本,利用基于稀疏表示的分类算法（SRC）就能够取得很好地识别效果。然而,实际应用中往往无法得到尺寸大以及足够多的人脸图像作为训练样本。为了解决上述问题,根据基于稀疏表示理论,提出了一种基于联合判别性低秩类字典以及稀疏误差字典的人脸识别算法。每一类的低秩字典捕捉这类的判别性特征,稀疏误差字典反映了类变化,比如光照、表情变化。方法 首先利用低秩分解理论得到初始化的低秩字典以及稀疏字典,然后结合低秩分解和结构不相干的理论,训练出判别性低秩类字典和稀疏误差字典,并把它们联合起来作为测试时所用的字典;本文的方法去除了训练样本的噪声,并在此基础上增加了低秩字典之间的不相关性,能够提高的低秩字典的判别性。再运用l₁范数法（同伦法）求得稀疏系数,并根据重构误差进行分类。结果 针对Extended Yale B库和AR库进行了实验。为了减少算法执行时间,对于训练样本利用随机矩阵进行降维。本文算法在Extended Yale B库的504维每类32样本训练的识别结果为96.9%。在无遮挡的540维每类4样本训练的AR库的实验结果为83.3%,1 760维的结果为87.6%。有遮挡的540维每类8样本训练的AR库的结果为94.1%,1 760维的结果为94.8%。实验结果表明,本文算法的结果比SRC、DKSVD（Discriminative K-SVD）、LRSI（Low rank matrix decomposition with structural incoherence）、LRSE+SC（Low rank and sparse error matrix+sparse coding）这4种算法中识别率最高的算法还要好,特别在训练样本比较少的情况下。结论 本文所提出的人脸识别算法具有一定的鲁棒性和有效性,尤其在训练样本较少以及干扰较大的情况下,能够取得很好地识别效果,适合在实际中进行应用。     

字典学习和稀疏表示的海马子区图像分割

目的 海马子区体积极小且结构复杂,现有多图谱的分割方法难以取得理想的分割结果,为此提出一种字典学习和稀疏表示的海马子区分割方法。方法 该方法为目标图像中的每个体素点建立稀疏表示和字典学习模型以获取该点的标记。其中,字典学习模型由图谱灰度图像中的图像块构建。提出利用图谱标记图像的局部二值模式(LBP)特征增强训练字典的判别性;然后求解目标图像块在训练字典中的稀疏表示以确定该点标记;最后依据图谱的先验知识纠正分割结果中的错误标记。结果 与现有典型的多图谱方法进行定性和定量对比,该方法优于现有典型的多图谱分割方法,对较大海马子区的平均分割准确率可达到0.890。结论 本文方法适用于在大脑核磁共振图像中精确分割海马子区,且具有较强的鲁棒性,可为神经退行性疾病的诊断提供可靠的依据。     

分层树结构字典编码的行为识别

目的 基于学习字典的稀疏编码能够自适应地表示信号。然而,传统学习字典的原子之间缺少关联,信号的相似性在编码后缺失。考虑到结构化稀疏表示的鲁棒性和判别性能力,结构化字典的构建成为一个重要的任务。方法 依据标准的凸优化字典学习算法,引入数据点编码路径的约束（由上层原子激活的索引规划下层的索引）,构思了一种树结构字典学习框架。结果 实验结果表明,局部描述符的稀疏表示具有较好的鲁棒性和判别性,同时在KTH数据库上人体行为识别实验与其他类似文献方法相比获得了较高的识别精度,其中,时空梯度方向直方图（HOG3D）的编码识别结果达到97.99%。结论 通过实验结果,观察到采用本文构建的字典编码信号具有较好的鲁棒性和判别性,更好的适合分类任务。     

一种基于独立分类特征的指纹多级分类算法

为了提高基于大容量指纹库的自动指纹识别系统的检索效率,提出一种基于独立分类特征的指纹多级分类算法。依据评测指标对输入指纹图像进行质量评估,若指纹质量不合格,则提醒用户重新输入;若指纹质量合格,则分别利用指纹图像的纹型类别、奇异点间脊线数、中心区域脊线平均频率3个相互独立的分类特征实现多级分类,从而逐级减小检索空间。实验结果表明,该分类算法检索效率高、鲁棒性强,为大容量指纹库提供了一种快速有效的索引机制,具有很强的实用性。     

高光谱图像小样本分类的卷积神经网络方法

目的 与传统分类方法相比,基于深度学习的高光谱图像分类方法能够提取出高光谱图像更深层次的特征。针对现有深度学习的分类方法网络结构简单、特征提取不够充分的问题,提出一种堆叠像元空间变换信息的数据扩充方法,用于解决训练样本不足的问题,并提出一种基于不同尺度的双通道3维卷积神经网络的高光谱图像分类模型,来提取高光谱图像的本质空谱特征。方法 通过对高光谱图像的每一像元及其邻域像元进行旋转、行列变换等操作,丰富中心像元的潜在空间信息,达到数据集扩充的作用。将扩充之后的像素块输入到不同尺度的双通道3维卷积神经网络学习训练集的深层特征,实现更高精度的分类。结果 5次重复实验后取平均的结果表明,在随机选取了10%训练样本并通过8倍数据扩充的情况下,Indian Pines数据集实现了98.34%的总体分类精度,Pavia University数据集总体分类精度达到99.63%,同时对比了不同算法的运行时间,在保证分类精度的前提下,本文算法的运行时间短于对比算法,保证了分类模型的稳定性、高效性。结论 本文提出的基于双通道卷积神经网络的高光谱图像分类模型,既解决了训练样本不足的问题,又综合了高光谱图像的光谱特征和空间特征,提高了高光谱图像的分类精度。     

结合迁移学习的轻量级指纹分类模型

目的 目前的指纹分类模型存在操作繁琐、参数较多、所需数据规模大、无法充分利用指纹特征信息等问题,而进行快速准确的指纹分类在大型指纹识别系统中至关重要。方法 传统的机器学习方法大多假设已标注数据与未标注数据的分布是相同的,而迁移学习允许源空间、任务空间在测试集和训练集中的分布是不同的,并且迁移学习仅专注目标任务的训练,使得网络模型根据需求更具个性化。因此,本文提出一种基于迁移学习的轻量级指纹分类模型。该模型结合迁移学习,首先采用梯度估计的方法求取指纹图像的方向场图并且做增强处理;然后将扩展的指纹方向场图数据集用于本文提出的轻量级Finger-SqueezeNet的预训练,使其达到一定的分类效果,从而初步实现网络模型参数的调整;最后保留预训练模型部分的网络参数不变,使用指纹图像数据集NIST-DB4对Finger-SqueezeNet网络进行参数微调（fine tuning）。结果 在使用相同的指纹数据集在本文提出的纯网络模型进行分类训练后发现,未采用迁移学习方法对网络模型进行预训练得到的平均分类结果为93%,而通过预训练后的网络模型可以达到98.45%,最终采用单枚指纹测试的方法得到的测试结果达到95.73%。对比同种类型的方法以及验证标准后可知,本文的指纹分类模型在大幅度减少网络参数的同时仍能达到较高的准确率。结论 采用指纹类内迁移学习方法和轻量级神经网络相结合进行分类,适当利用了指纹特征信息,而且有望使指纹分类模型拓展到移动端。     

基于K近邻稀疏编码均值约束的人脸超分辨率算法

针对低分辨率、低质量人脸图像的超分辨率重建问题,提出了一种基于K近邻稀疏编码均值约束的人脸超分辨率算法。首先,根据人脸块位置先验信息,对训练样本图像块进行聚类,得到与输入人脸图像块位置一致的高、低分辨率稀疏表示字典对;然后,利用低分辨率字典,在稀疏和K近邻稀疏编码均值的共同约束下实现低分辨率图像块的稀疏表示;最后,通过系数映射,结合高分辨率字典实现高分辨率图像块重建,最终将所有高分辨率图像块进行交叠平均得到高分辨率人脸图像。实验结果验证了算法的有效性及先进性。本方法在保持重建人脸图像相似度的基础上,改善了人脸图像的清晰度,提高了超分辨率图像的质量。     

二次联合稀疏表示和低秩近似的浅浮雕优化

目的 针对低质量浅浮雕表面的噪声现象,提出一种二次联合局部自适应稀疏表示和非局部低秩矩阵近似的浅浮雕优化算法。方法 本文方法分两个阶段。第1阶段,将浅浮雕灰度图划分成大小相同的数据块,提取边界块并进行去噪,分别对数据块进行稀疏表示和低秩近似处理。一方面,通过字典学习获得过完备字典和稀疏编码;另一方面,利用K均值聚类算法（K-means）将事先构建的外部字典库划分成k类,从k个簇中心匹配每个数据块的相似块并组成相似矩阵,依次进行低秩近似和特征增强处理。最后通过最小二乘法求解,重建并聚合新建数据块以得到新的高度场。第2阶段与第1阶段的结构相似,主要区别在于改用重建高度场的非局部自身相似性来实现块匹配。结果 在不同图像压缩率下（70%,50%,30%）,对比本文方法与BM3D（block-matching and 3D filtering）、WNNM（weighted nuclear norm minimization）、STROLLR（sparsifying transform learning and low-rank）、TWSC（trilateral weighted sparse coding）4个平滑降噪方法的浅浮雕重建结果,发现BM3D和STROLLR方法的特征保持虽好,但平滑效果较差,WNNM方法出现模型破损现象,TWSC方法的平滑效果比BM3D和STROLLR方法更好,但特征也同时被光顺化。阴影恢复形状法（shape from shading,SFS）是一种基于图像的3D建模法,但是其重建结果比较粗糙。相比之下,本文方法生成的浅浮雕模型更加清晰直观,在浅浮雕的特征增强和平滑去噪方面都展现出更好的性能。结论 本文综合数据块的局部稀疏性和数据块之间的非局部相似性对粗糙的浅浮雕模型进行二次高度场重建。本文方法有效改善了现有浅浮雕模型的质量,提高了模型的整体视觉效果,为浅浮雕的优化提供了新方法。     

基于频谱能量的指纹分类

指纹分类是自动指纹识别系统中的关键技术,但目前的算法对低质量的指纹图像的分类还存在较大的误差.为了能够对低质量的指纹图像进行准确分类,提出了一种基于频谱能量的指纹分类,首先对分块的指纹图像进行傅立叶变换,然后根据频谱图中能量的分布特点得到指纹图像的方向图,提取core点周围的指纹图像的方向向量作为该指纹图像的特征向量.最后使用K近邻分类器和最小距离分类器对输入指纹进行分类.在NIST-4指纹数据库上的实验结果表明了算法的有效性,分类正确率达到94.1%,且算法速度比同类算法有较大的提高.     

Direct gray-scale minutiae detection in fingerprints

Most automatic systems for fingerprint comparison are based on minutiae matching. Minutiae are essentially terminations and bifurcations of the ridge lines that constitute a fingerprint pattern. Automatic minutiae detection is an extremely critical process, especially in low-quality fingerprints where noise and contrast deficiency can originate pixel configurations similar to minutiae or hide real minutiae. Several approaches have been proposed in the literature; although rather different from each other, all these methods transform fingerprint images into binary images. In this work we propose an original technique, based on ridge line following, where the minutiae are extracted directly from gray scale images. The results achieved are compared with those obtained through some methods based on image binarization. In spite of a greater conceptual complexity, the method proposed performs better both in terms of efficiency and robustness     

混合滤波指纹增强

在自动指纹识别系统中,从指纹图像准确和可靠地提取细节点是一项很重要的工作,而指纹图像的质量和合适的增强技术又是指纹特征提取的关键步骤。根据方向一致性条件,可以将指纹划分为方向平缓区域和方向变化剧烈区域。在方向平缓的区域,提出一种新的方向滤波器进行指纹增强,增强算法具有自适应性。在方向变化剧烈区域,方向滤波器不能很好地增强指纹图像,因此在频率域中对指纹进行增强。实验结果表明:该算法对指纹增强有较好的效果、较快的速度。     

Fingerprint image enhancement: algorithm and performance evaluation

In order to ensure that the performance of an automatic fingerprint identification/verification system will be robust with respect to the quality of input fingerprint images, it is essential to incorporate a fingerprint enhancement algorithm in the minutiae extraction module. We present a fast fingerprint enhancement algorithm, which can adaptively improve the clarity of ridge and valley structures of input fingerprint images based on the estimated local ridge orientation and frequency. We have evaluated the performance of the image enhancement algorithm using the goodness index of the extracted minutiae and the accuracy of an online fingerprint verification system. Experimental results show that incorporating the enhancement algorithm improves both the goodness index and the verification accuracy     

An effective algorithm for fingerprint image enhancement based on wavelet transform

Among all the fingerprint identification/verification systems, such as minutiae-based or filterbank-based fingerprint matching, the performance relies heavily on the quality of the input fingerprint images. In this paper, we propose an effective algorithm of fingerprint image enhancement, which can much improve the clarity and continuity of ridge structures based on the multiresolution analysis of global texture and local orientation by the wavelet transform. Experimental results show that the enhanced image quality by using the wavelet-based enhancement algorithm is much better than the other existing methods for improving the minutiae detection.     

基于加博函数的指纹增强算法及其应用

指纹增强对于提高细节特征提取的准确率乃至整个自动指纹识别系统的性能实现都具有重要的意义.研究了基于加博(Gabor)函数的指纹增强算法,对纹线方向提取算法进行了改进,提出了一种纹线频率提取方法,给出了加博函数用于指纹增强的具体应用形式,以指纹图像的纹线方向和纹线频率为参数,使用加博函数实现了对指纹图像的增强处理,并使用南京大学活体指纹库中的部分典型低质量图像样本对算法性能进行了测试.实验结果表明,该算法对低质量图像具有显著的增强效果,增强后可以有效地降低指纹匹配的拒识率(false reject rate,简称FRR),处理速度和增强效果可以基本上满足在线自动指纹识别系统的需要.     

基于时频分析的指纹增强算法研究

指纹增强是自动指纹识别系统中的一个重要环节,良好的增强算法能够提高细节特征提取的准确率,从而提高整个指纹识别系统的鲁棒性。研究局部指纹图像的频谱特性,采用一种时频分析方法和一种新的基于概率统计学估计的方法求指纹的方向和频率。并提出一种鲁棒的方向和频率校正算法,构造一种带宽自适应的滤波器进行滤波。实验结果表明,该算法对指纹图像有显著增强效果,有助于指纹细节特征的提取。     

一种快速的指纹参照点对选取方法研究

快速准确地确定匹配参照点对是实现基于点模式指纹识别的一个关键问题,针对该问题本文提出了一种基于脊线校准的确定匹配参照点对的新方法。该方法首先利用细节点间的距离、类型以及细节点与脊线样点之间构成的网状结构来构建新的局部特征向量,然后在这些结构特征向量空间中搜索最为相似特征向量,确定出最优匹配参照点对。实验结果表明,本文提出的算法不仅速度快,而且准确性也有了较大提高。     

改进的基于Gabor滤波器的指纹增强算法

研究并实现了利用Gabor滤波器对指纹图像增强的算法。改进了指纹图像方向图和纹线频率的提取方法,增加了对特征点的额外处理,并研究了Gabor函数的具体应用形式。实践表明,该方法能大幅度提高指纹图像质量。     

Fingerprint matching using ridges

Traditionally, fingerprint matching is minutia-based, which establishes the minutiae correspondences between two fingerprints. In this paper, a novel fingerprint matching algorithm is presented, which establishes both the ridge correspondences and the minutia correspondences between two fingerprints. First N initial substructure (including a minutia and adjacent ridges) pairs are found by a novel alignment method. Based on each of these substructure pairs, ridge matching is performed by incrementally matching ridges and minutiae, and then a matching score is computed. The maximum one of the N scores is used as the final matching score of two fingerprints. Preliminary results on FVC2002 databases show that ridge matching approach performs comparably with the minutia-based one.     

Latent fingerprint matching

Latent fingerprint identification is of critical importance to law enforcement agencies in identifying suspects: Latent fingerprints are inadvertent impressions left by fingers on surfaces of objects. While tremendous progress has been made in plain and rolled fingerprint matching, latent fingerprint matching continues to be a difficult problem. Poor quality of ridge impressions, small finger area, and large nonlinear distortion are the main difficulties in latent fingerprint matching compared to plain or rolled fingerprint matching. We propose a system for matching latent fingerprints found at crime scenes to rolled fingerprints enrolled in law enforcement databases. In addition to minutiae, we also use extended features, including singularity, ridge quality map, ridge flow map, ridge wavelength map, and skeleton. We tested our system by matching 258 latents in the NIST SD27 database against a background database of 29,257 rolled fingerprints obtained by combining the NIST SD4, SD14, and SD27 databases. The minutiae-based baseline rank-1 identification rate of 34.9 percent was improved to 74 percent when extended features were used. In order to evaluate the relative importance of each extended feature, these features were incrementally used in the order of their cost in marking by latent experts. The experimental results indicate that singularity, ridge quality map, and ridge flow map are the most effective features in improving the matching accuracy.