基于细节点方向分布的指纹特征匹配

提出了一种新的指纹细节点匹配算法。该算法首先基于细节点方向分布特性将指纹在旋转方向上对齐，减少了大量的旋转操作，然后利用大小变化的界限盒判定细节点之间的对应关系。该算法不受指纹之间旋转变形、平移变换和非线性变形的影响，也不受细节点提取误差的影响。实验结果表明该算法不仅处理速度较快，而且具有令人满意的精度。     

模糊几何和纹理特征在指纹细节点后处理中的应用

指纹识别一般基于指纹细节点匹配,当指纹图像质量较差时,细节点的可靠提取十分困难,通常会产生大量的虚假细节点．为提高细节点的精度,给出一种在原始灰度指纹图像上进行细节点后处理验证的方法．在每个自动提取出的细节点上取其在原始灰度指纹图像上的局部邻域,分析邻域图像的模糊几何特征和纹理特征,然后用MLP神经网络对提取出的局部邻域特征进行分类,实现细节点类型验证．实验结果表明：文中方法能有效地去除大量的虚假细节点,与其他方法相比具有较高精度．     

基于二值图像的指纹细节点提取

指纹细节点提取是自动指纹识别研究的关键问题之一,尽管已有很多基于细化图像分析的方法和基于原始灰度图像分析的方法,但该问题还没有得到很好的解决。因此提出了一种从二值图像上提取细节点的方法。首先通过行程匹配得到二值指纹图像中的图段,然后根据图段的结构形式和图段之间的连接关系进行细节点的判定,细节点的方向通过直线试探法获得。实验结果表明：与基于细化图像的方法相比不仅具有较高的效率,而且能使指纹匹配达到较高的精度。     

基于模式化方法的二值图像降噪

目前二值图像的降噪已有很多算法,在很多领域有应用,但是还存在一些问题,如降噪后造成图像质量下降。在这种情况下,文章提出了一种新的基于模式化方法的二值图像去噪声算法。通过分析二值图像噪声的微观结构,用行程匹配法提取出二值图像中的图段,然后根据图段参数判定噪声并进行清除。实验结果显示该方法降噪效果较好,具有一定的实际意义。     

利用XMS实现图像的实时漫游

一、引言 人们对计算机执行速度的要求是无止境的,总是希望越快越好,体现在图像处理类的软件,就是希望能够快速的漫游和处理图像。除了硬件性能外,程序编制方法对软件的执行速度也有很大影响。我们知道,图像在计算机中是以点阵的形式存放的,每一点根据图像所能表达的颜色数占几位(bit)或者几个字节,因而数据量很大,一幅较大的图像可以达到几兆甚至十几兆字节。在DOS程序中如何调用这些图像     

基于遗传算法的聚类分析

给出了一种基于遗传算法的聚类分析方法。采用二进制编码方式对聚类的中心进行编码,并用特征向量与相应聚类中心的欧氏距离的和来判断聚类划分的质量,通过选择、交叉和变异操作对聚类中心的编码进行优化,得到便聚类划分效果最好的聚类中心。实验结果显示,该方法的聚类划分效果明显优于传统的K-均值方法。     

二值图象去除噪声的一种新方法

本文针对传统的去除二值图象噪声的缺点,提出了用行程编码匹配法去除噪声的算法。该算法不仅处理速度快,而且处理速度与欲清除的噪声的大小没有关系,具有较好的实用性。     

如何在图形程序中使用WindowsGDI坐标变换

主要讲述ＷｉｎｄｏｗｓＧＩＤ坐标变换的原理以及如何应用它来简化图形程序的设计。