基于指纹细节点柱形码的参数自适应选取算法

针对现有的细节点柱形编码方法存在柱形编码有效性较差、检索错误率较高的问题,提出了一种改进的细节点柱形编码算法。该算法通过对原有的细节点柱形编码参数进行自适应选取,提高了柱形编码的有效性,有效地降低了指纹检索恢复时的错误率,同时引入局部敏感哈希方法,通过对柱形码进行检索与恢复找回有效的细节点对,提高了匹配的准确率。在FVC2002上的实验结果表明,改进算法具有较好的性能。     

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。     

一种扭曲指纹图像的细节点修正方法

非线性形变在指纹图像中非常普遍,严重时会导致指纹识别系统的识别性能显著降低,是指纹图像识别领域重要的研究课题之一.尤其对基于细节点的指纹匹配方法而言,由于相当一部分细节点的位置和方向都在非线性形变的作用下发生了改变,从而导致算法匹配准确率下降.在对非线性形变图像反复观察和实验的基础上,发现了细节点偏离的一些有用的规律,并用于细节点的位置和方向调整.提出了一种基于多参考细节点对齐修正指纹图像中部分细节点的方法,首先获取一组匹配细节点对作为基准点对,然后再以此为基础对邻域其他细节点进行修正,在FVC2004 DB2数据集上进行了一系列实验,实验结果表明该算法能够明显改善匹配性能.     

利用去除形变的方法进行指纹匹配

提出了一种基于细节点的指纹匹配方法。定义了一种新的结构邻接特征联合体(AFU),并用这个与旋转和平移无关的局部特征与指纹细节点进行比对;利用纹路的频率和块方向信息对细节点的位置和方向进行重新调整以增加匹配的可靠性。实验结果表明该方法可以很好地处理指纹中出现的形变问题,具有较好的匹配效果。     

基于细节点柱形编码和深度卷积特征的指纹检索方法

指纹检索方法使用细节点柱形编码作为特征,充分考虑指纹细节点的局部结构特征,却忽略指纹的整体结构特征,限制指纹检索的准确率.基于此种问题,文中提出基于细节点柱形编码和深度卷积特征的指纹检索方法.使用深度卷积网络学习指纹的整体结构特征(深度卷积特征),并结合深度卷积特征和细节点柱形编码,提升指纹检索的准确率.在3个经典指纹检索数据库上通过实验分析深度卷积特征的特性.实验表明,文中方法有效提升指纹检索的准确率.     

一种基于细节点全局置信度的指纹匹配算法

传统基于细节点的指纹匹配方法通常利用细节点的局部结构相似度来描述一组细节点对之间的匹配程度.提出细节点的全局置信度概念,描述一组细节点对在全局范围内与其他细节点对之间的空间一致性和整体匹配可能性,可看作是对局部相似度的一个有效补充.通过计算点对相容性矩阵的主特征向量,借助谱松弛技术,可得到所有细节点对的全局置信度.结合局部相似度和全局置信度可构造出新的关联矩阵,那些具有较大的局部相似度和较大的全局置信度的候选细节点对被认定是匹配的.该方法较好地利用局部拓扑信息和全局相容信息,对非刚性形变和噪声具有较好的鲁棒性.在FVC2002和FVC2004数据库上的实验结果表明,该方法具有较高的效率和准确性.     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

哈希编码结合空间金字塔的图像分类

目的 稀疏编码是当前广泛使用的一种图像表示方法,针对稀疏编码及其改进算法计算过程复杂、费时等问题,提出一种哈希编码结合空间金字塔的图像分类算法。方法 首先,提取图像的局部特征点,构成局部特征点描述集。其次,学习自编码哈希函数,将局部特征点表示为二进制哈希编码。然后,在二进制哈希编码的基础上进行K均值聚类生成二进制视觉词典。最后,结合空间金字塔模型,将图像表示为空间金字塔直方图向量,并应用于图像分类。结果 在常用的Caltech-101和Scene-15数据集上进行实验验证,并和目前与稀疏编码相关的算法进行实验对比。与稀疏编码相关的算法相比,本文算法词典学习时间缩短了50%,在线编码速度提高了1.3～12.4倍,分类正确率提高了1%～5%。结论 提出了一种哈希编码结合空间金字塔的图像分类算法,利用哈希编码代替稀疏编码对局部特征点进行编码,并结合空间金字塔模型用于图像分类。实验结果表明,本文算法词典学习时间更短、编码速度更快,适用于在线词典学习和应用。     

一种新的形变指纹匹配方法

提出了一种基于细节点局部配准的形变指纹匹配方法。首先,结合细节点的纹理信息以及结构信息获取多个参照点;然后依据选取的多参照点实现模板指纹图像与输入指纹图像的全局配准从而获得指纹之间的公共区域;将公共区域内的细节点与它们最近的参照点聚类组合,形成多个分组,并将各分组内的细节点以对应的参照点为极点转化到极坐标系下建立指纹的局部对应性;最后,采用界限盒约束条件实现指纹匹配。实验结果表明,基于局部配准的指纹匹配方法对形变指纹匹配具有较好的鲁棒性,能较大提升指纹的识别性能。     

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.     

改进SA-SP算法的路面不平度信号压缩感知采集研究

为大幅度减少采集路面不平度信号的存储空间,提高采集速度,基于压缩感知理论针对标准路面的不平度信号进行压缩采样和重构。首先验证了B级路面不定度信号在频域下的近似稀疏性,并进行了信号的压缩采样。针对现阶段凸优化方法和常用的三种贪婪算法的不足,提出一种改进的模拟退火算法与子空间追踪算法相结合的稀疏度自适应匹配追踪算法,利用改进的模拟退火算法快速搜索匹配最优的稀疏度,并采用子空间追踪算法快速重构信号。仿真实验对比五种重构方法,结果表明,凸优化方法精度较高,耗时过长;OMP算法和SP算法耗时极短,但需要预先进行实验来估测信号的稀疏度,实用性低;SAMP算法能实现稀疏度的自适应匹配,但匹配的误差较大,且耗时较长;提的新方法具有良好的精度和较快的执行速度,R-squares和耗时的均值分别为0.9837和2.77 s,稀疏度估测效果较好,且采样点数的增加不影响算法重构信号的速度。     

多模式匹配算法的优化研究

模式匹配技术有着广泛的应用且模式匹配算法已经被研究了很多年,同时对稀疏存储及其结构的操作也有大量的文献资料。本文首先描述了Aho-Corasick多模式匹配算法,该算法是基于自动机及状态向量的,然后提出了使用banded-row稀疏存储对Aho-Corasick算法中的状态转换表进行存储优化的观点,给出了优化算法。最后给出了和原Aho-Corasick算法相比较的测试结果,该结果表明在大模式集的情况下,使用banded-row稀疏存储的Aho-Corasick算法减少了存储需求,进一步地提高了性能。     

多模式匹配算法的优化研究

模式匹配技术有着广泛的应用且模式匹配算法已经被研究了很多年，同时对稀疏存储及其结构的操作也有大量的文献资料。本文首先描述了Aho—Corasiek多模式匹配算法，该算法是基于自动机及状态向量的，然后提出了使用banded—row稀疏存储对Aho—Corasick算法中的状态转换表进行存储优化的观点，给出了优化算法。最后给出了和原Aho—Corasick算法相比较的测试结果，该结果表明在大模式集的情况下，使用banded—row稀疏存储的Aho—Corasick算法减少了存储需求，进一步地提高了性能。     

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。     

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.     

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。     

On-line fingerprint verification

Fingerprint verification is one of the most reliable personal identification methods. However, manual fingerprint verification is incapable of meeting today's increasing performance requirements. An automatic fingerprint identification system (AFIS) is needed. This paper describes the design and implementation of an online fingerprint verification system which operates in two stages: minutia extraction and minutia matching. An improved version of the minutia extraction algorithm proposed by Ratha et al. (1995), which is much faster and more reliable, is implemented for extracting features from an input fingerprint image captured with an online inkless scanner. For minutia matching, an alignment-based elastic matching algorithm has been developed. This algorithm is capable of finding the correspondences between minutiae in the input image and the stored template without resorting to exhaustive search and has the ability of adaptively compensating for the nonlinear deformations and inexact pose transformations between fingerprints. The system has been tested on two sets of fingerprint images captured with inkless scanners. The verification accuracy is found to be acceptable. Typically, a complete fingerprint verification procedure takes, on an average, about eight seconds on a SPARC 20 workstation. These experimental results show that our system meets the response time requirements of online verification with high accuracy     

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.