基于改进的GPL主曲线算法的指纹特征分析与提取

在对GPL(Generalized Polygonal Line)主曲线算法和指纹数据特点分析的基础上,针对指纹数据本身的特点,改进原来的GPL主曲线算法以得到更好的指纹骨架,并实现基于主曲线的指纹特征提取.实验结果表明,改进的GPL主曲线算法在指纹骨架提取的效率和效果上比原算法都有明显提高.基于主曲线的指纹特征提取相对于其它一些传统方法也有着更高的准确率,具有一定的应用价值.     

改进的主曲线算法在指纹骨架提取中的应用

在指纹识别系统中,指纹骨架的提取是一个重要而困难的环节,传统的细化算法得到的骨架很容易受到噪声的干扰。因此,在研究指纹数据特点和Kégl的主曲线算法的基础上,提出了一种改进的主曲线算法。实验结果表明：改进算法与传统算法相比有着更好的效率和效果,它所提取的指纹骨架包含更多的信息且具有更高的准确性、可靠性和抗噪声性。     

改进的软K段主曲线算法及其在指纹骨架提取中的应用

主曲线是一种基于非线性变换的特征提取方法,它是通过数 据分布“中间”并满足“自相合”的光滑曲线,能较好抽取出数据的结构特征。针对软K段 主曲线算法提取的指纹图像的骨架结构光滑度较差,而且提取的指纹图像骨架经常出现小圈 和短枝的现象,本文在对软K段主曲线算法和指纹图像数据特点分析的基础上,引入了一个 新的评判函数,并提出了改进的软K段主曲线算法,将该算法应用在提取指纹图像骨架上。 实验结果表明,改进的软K段主曲线算法在提取指纹图像骨架的效果和准确率上比原算法都 有明显提高。     

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。     

基于复杂形态数据的主曲线提取算法及其在图像骨架提取中的应用

针对目前存在的主曲线算法对提取分散度大、高度弯曲及自相交等复杂形态数据效果不好的情况,提出从复杂数据集中找到主曲线的新方法.算法首先用细化算法初始化顶点集得到初步骨架图,并合并邻近顶点;然后采用Kégl主曲线算法的拟合光滑步思想并加以改进来平滑顶点位置,通过迭代构建出主图;最后采用Kégl主曲线算法的重构步进一步修正主图.算法在模拟数据集上进行试验而且还被运用于图像骨架提取,实验结果表明它对提取复杂数据的主曲线是非常有效的.     

主曲线在复杂指纹图像特征提取中的应用

在自动指纹识别系统中,特征抽取是关键步骤之一。主曲线具有自相合特性,对模式特征能够进行很好的描述,并能够有效维持结构信息。因此,选用推广的多边形主曲线算法并加以改进来提取指纹主曲线,并在此基础上进一步实现指纹特征提取和伪特征检测。实验结果表明,该算法能够在短时间内获得更好的指纹骨架,指纹特征提取的准确率也较高。     

基于方向图和Gabor滤波的指纹预处理算法

指纹图像在预处理过程中往往受多方面因素制约,有时无法满足指纹识别系统的要求。本文在传统指纹预处理算法基础上,给出一种有效的指纹预处理改进算法。首先,采用分块方差梯度分割算法分离指纹图像和背景区;再根据指纹特征,用方向图和均值滤波器进行图像增强,并用简化的Gabor滤波器,改进滤波模板滤除边缘模糊效应。二值化、细化并删除伪特征点后,提取出指纹脊线骨架并获得指纹特征点。实验表明,该预处理算法对不同质量的指纹图像均具有较好效果,算法灵活高效、易于实现、精确度高,达到了指纹识别系统的要求。     

基于改进的OPTA的并串混合细化算法

现有的指纹细化算法存在着很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等。对OPTA（One-Pass Thin-ning Algorithm）算法和改进的OPTA算法进行了深入的分析和研究,指出了各自的优点和缺点。在此基础上提出了一种基于改进的OPTA的并串混合细化算法。该算法扩展了改进的OPTA算法的消除模板,舍弃保留模板,同时用缩小的消除模板来彻底细化。对以上算法进行了编程实验。实验结果表明,算法不仅保持了改进的OPTA算法的优点,也继承了OPTA算法的并行性,是一种较为理想的细化算法。     

基于主曲线的书法字动态重现算法

如何高效逼真地动态重现书法作品的创作过程日益成为亟需解决的问题,因此文中提出基于主曲线的书法字动态重现方法,解决当前细化算法在提取骨架时存在的无效分支较多、不能保证笔画的连续性和准确性的问题.结合书法字自身结构对主曲线算法进行改进和优化.对书法图像进行骨架提取、骨架追踪、笔顺获取等处理,结合骨架信息和二值图像实现笔画宽度复原,针对笔画宽度存在的“肿瘤”问题,提出“角点剔除法”进行修正,结合HTML5的Canvas绘图技术进行书法字动态书写过程.在模拟数据集上的实验表明,文中算法的书法动态重现取得较好效果.     

有效的指纹纹线细化方法

自动指纹识别一般包括指纹采集,图像预处理、特征提取、特征匹配等。细化是预处理中的一个重要环节,如果细化不好,很难使用常规的特征提取算法提取特征信息。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,各种问题的存在严重影响了细节点的准确提取。将现有的几种细化算法进行融合,应用于指纹二值图像的细化,得到了较好的细化效果。在细化纹线基础上可以准确地提取细节点.     

Fingerprint minutiae extraction based on principal curves

It is important to extract minutiae of a fingerprint for the implementation of an auto fingerprint identification system. In this paper, the principal graph algorithm proposed by Kegl is used to obtain principal curves, which can be served as the skeletons of a fingerprint. Based on the obtained principal curves, a minutiae extraction algorithm is proposed to extract minutiae of the fingerprint. The experimental results indicate that principal curves obtained from the principal graph algorithm are smoother than the ones obtained from thinning algorithm, and the minutiae extracted by the proposed algorithm are more efficient.     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

基于形态学和结构图表的指纹识别

指纹识别技术是目前最方便、可靠、非侵害和价格便宜的生物识别技术解决方案,对于广大市场的应用有着很大的潜力。为克服指纹识别中常见的拒识或误识问题,文章提出了一种基于结构图表的匹配算法以提高识别率,并将形态学技术成功的运用于指纹图像预处理中,以减少图像噪音干扰。整个算法具有高效识别和强抗噪能力,使指纹识别系统更具有鲁棒性。     

指纹图像预处理和特征提取

根据指纹的固有规律，提出了一套较完整的指纹图像预处理和特征提取算法。改进了指纹脊线频率求取算法和二值图像去孔噪声算法，并提出了一种新的滤除指纹伪特征点的方法。通过对上百幅不同质量的指纹图像进行测试，获得了较好的效果。     

一种改进的快速指纹预处理算法

对指纹预处理全过程进行系统研究,在满足预处理效果的前提下,针对指纹识别系统的实时性要求,讨论了有效的预处理算法.在指纹图像的细化方面,针对传统细化方法的不足,提出了改进的快速细化算法.先对图像利用快速细化算法进行全局细化,再对对角线方向采用深度优先搜索,解决细化不彻底的问题.搜索过程中,采用自动阈值滤除毛刺和短脊,为后...     

指纹图像预处理与特征提取

指纹图像预处理与特征提取是指纹识别的前提。提出一套基于方向滤波与模糊数学方法的指纹图像预处理算法,并给出了指纹特征提取及其后处理算法。指纹图像预处理首先求出指纹的方向场,然后根据方向场进行滤波,最后用模糊数学方法得到二值化图像。指纹特征提取则先从细化指纹图中得到特征点,并依据伪特征点的脊线与角度特征剔除伪特征点。     

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.     

指纹图像细节点及显著特征的提取

提出了一种改进的指纹细节特征提取算法。该算法首先在细化后的指纹图像上直接提取原始细节特征点集,然后针对不同的噪声,采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,最终保留下来的特征点集即视为真正的特征点集。通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,提出了一种显著特征提取算法,在已提取的特征点集的基础上,提取出指纹图像的显著特征。     

基于分块脊波变换的手背静脉识别算法

提出一种分块提取局部方向特征,并将所有特征融合的静脉识别算法．首先,静脉图像经预处理后,利用改进的细化算法对获得的二值图像进行细化处理,得到了静脉的骨架信息;其次,将细化后的静脉图像进行分块,对分块后所有的子图像进行脊波变换,并对脊波分解系数进行主成分分析(PCA)降维,得到静脉图像的特征向量;最后,基于图像特征向量,利用支持向量机(SVM)对静脉图像进行分类匹配．试验表明,该算法获得的静脉图像特征具有较高的区分度,识别效果受图像采集和预处理过程出现的误差影响较小,正确识别率可达到97%以上．