一种新的指纹细化算法

一般指纹细化算法处理结果存在毛刺过多，对纹线上的孔洞效果较差的缺点．容易导致为特征点的出现。为了减少毛刺的出现和提高对孔洞处理效果，分析了两种常见的细化算法——快速细化算法和改进的OPTA算法．找出了与毛刺产生和对孔洞处理效果相关的因素，并在此基础上提出了一种新的指纹细化算法。实验表明，该算法能够较好地满足细化要求，细化后的指纹图像保持了原有的拓扑结构和细节特征，细化后指纹光滑无毛刺，而且对孔洞的效果较好。     

采用PCNN模板的二值指纹图像改进细化算法

针对传统PCNN 细化图像时存在细化不彻底、纹线的断裂、产生很多毛刺等问题,给出了一种采用PCNN并发特点对二值指纹图像进行细化的改进算法。经过分析图像细化后留下的毛刺特征,提出了几种消除模板。采用该模板能消除指纹细化后的毛刺;也有效地解决了细化不彻底的问题。利用FVC2004标准指纹图像库仿真的结果表明,指纹图像细化彻底,且能有效地消除纹线断裂和毛刺的产生。应用于指纹图像识别系统,提高了指纹的识别率。     

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。     

手背静脉图像骨架特征提取的算法

手背静脉近红外图像识别是一种新的非接触式生物认证技术。对采集的手背静脉图像进行了增强处理。对二值化图像采用四邻域区域生长的方法,去除噪声斑块。对处理后的静脉图像采用了一种快速细化的细化算法。分析和解决了细化后特征点——交叉点的提取。针对细化后骨架中所引入的另一类噪声——毛刺和静脉图像细化后的特点,提出了一种毛刺修复算法。实验结果表明,经过该算法处理后得到的骨架图像,能够较好的反映静脉纹理特性。     

指纹识别中的特征点提取算法

指纹特征的提取在指纹自动识别系统中足一个必不可少的重要环节.根据指纹的固有规律,提出了一套较完整的指纹图像特征提取和伪特征去除算法,指纹特征提取是从细化后的指纹图像中得到的细节特征点(即端点和分叉点),其中含有大量的伪特征,根据伪特征点的结构,在特征提取之后对伪特征点进行去除,主要对毛刺和短脊进行去除.实验结果表明,该算法大大提高了指纹识别时的精度,并具有较强的抗干扰性.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.     

一种改进模板的OPTA细化算法

本文首先介绍了指纹识别系统中目前常用的两种OPTA细化算法,并针对这两种算法的不足,重新构建了细化模块,提出了一种新的细化算法.经过实验证明,该算法能够很好地满足细化要求,在保证指纹骨架处于纹线中心线的同时,不仅减少了毛刺的出现,使细化后的纹线更均匀,更清晰流畅,而且较大幅度地提高了细化速度,缩短了处理时间,从而节约了所需的内存空间.     

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。     

一种新的指纹图像模板细化方法*

OPTA方法是一个经典的指纹图像细化方法,针对OPTA的不足提出的改进OPTA方法能够得到完全细化的指纹图像,细化后图像纹线扭曲小。但是这两种模板细化方法均存在细化后图像容易产生毛刺的不足,究其原因是由于模板细化方向粗糙造成的。为此提出了16方向的细化模板,该模板以22.5°为角度单位对图像进行更细致的细化处理,得到的细化图像光滑几乎无毛刺,取得了更为理想的细化效果。     

指纹图像细化的复合式算法

指纹图像细化是指纹识别算法中的重要环节,对特征提取起到关键作用。为了快速和高质量地对指纹图像进行细化,对快速细化算法和改进OPTA细化算法不足产生的内在原因进行分析,提出一种新的复合式指纹图像细化算法,该算法设计一套预处理模板,避免了快速细化算法形成的毛刺,并对改进OPTA算法进行了优化。大量实验结果表明,该算法不但具有以往算法的优点,有较好的细化速度,而且细化质量有显著地提高,细化后的图像光滑几乎无毛刺。     

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。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

基于改进PCNN的指纹图像细化算法

针对基于模板脉冲耦合神经网络(PCNN)指纹图像细化算法细化时间长、纹线断裂、细化不彻底等问题,通过增加4个细化模板,重新构造方形模板及改变细化过程,提出一种基于改进PCNN的指纹图像细化算法。实验结果表明,该算法能够较好地满足细化要求,细化彻底、速度快且纹线光滑无毛刺,能够应用于其他二值图像。     

基于变换步长的车辆压线声信号包络提取算法

车辆经过减速带时与其在路面正常行驶时的声信号波形明显不同,其特征参数的提取对车辆数量、速度、类型等的自动判断至关重要,声信号包络曲线对其特征参数的提取相比原始信号有诸多优势,但传统包络提取算法在此类交通领域声信号包络提取方面存在毛刺多、特征参数难以真正体现信号性质和特征的问题。为解决此问题,结合车辆经过减速带时的声信号特点,提出一种基于变换步长的车辆压线声信号包络提取算法。该算法通过设置不同步长遍历信号,以每个步长内的最大值点绘制曲线并与原信号波形对比,以轮廓清晰度和特征点提取误差值为判断依据实现声信号包络的有效提取。实验结果表明,在相同采样点数条件下,所提算法比传统包络提取算法提取的包络曲线轮廓更清晰、毛刺少,且特征参数提取误差小。     

基于生成树的图像完全细化算法

图像细化是图像处理的重要环节,已有的图像细化算法较多,但都存在一些缺陷,限制了算法的使用范围。提出一种基于生成树的图像细化算法,对原图像运用形态学细化算法预处理,对中间结果的连通分支分别建立生成树,利用树的结构特征对图像中各连通分支逐个细化。对指纹图像的实验结果表明,该算法能使图像得到完全细化并能有效的去除毛刺,减小噪声干扰,还能避免交叉点处连通度冗余现象,有较强的适应性。     

一种改进的细化算法在车牌识别系统中的应用

首先介绍了几种典型的细化算法,以Zhang细化算法为基础,并加以适当改进,然后应用到车牌识别系统中。实验结果表明,该改进算法实现效率高、细化效果好、大大提高了车牌识别系统的整体性能。     

一种有效的混合式指纹快速细化算法

针对现有指纹细化算法存在的模板匹配次数过多、迭代频繁、细化不完全等现象 ,在深入分析了快速细化算法和串并混合式细化算法特点的基础上 ,提出了一种新的混合式指纹细化算法 ,有效地提高了细化速度和细化质量。     

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。     

改进的EPTA并行细化算法

为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS（ZHANG和SUEN）并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。     

基于深度优先搜索的快速指纹细化算法改进

对指纹图像的细化算法进行了较深入地研究,分析了两种常用细化算法--快速细化算法和改进的OPTA算法各自的优缺点.针对其中存在的迭代次数多、细化速度慢、图像局部细化不彻底等问题,提取了一种无回溯深度优先搜索的快速指纹细化算法.实验结果表明,该算法在保证对图像完全细化的同时,也具有较快的细化处理速度.