基于指纹识别算法的识别技术研究与应用

由于指纹识别具有长期稳定性、采集方便、特征明显以及惟一性和不可复制性等特点,因此是最具有发展前景的生物识别技术。阐述基于指纹识别算法的识别技术方面的内容,采用基于点模式匹配算法和基于子模式的匹配方法,通过读取指纹图像、指纹图像预处理、特征提取、保存数据和匹配等5个功能模块,得到指纹匹配结果,效果良好。     

基于光学联合变换相关的指纹识别算法研究

利用光学联合变换相关器(JTC) ,通过对参考图像和待识别图像作相关运算,观察相关平面是否出现相关峰,从而推断两图像的相似程度。和一般的基于细节匹配的指纹识别算法不同,基于光学联合变换相关的指纹识别算法利用了指纹图像的整体特征,因而对破损指纹图像具有较高的识别准确性,通过对指纹数据库中多幅指纹图像的识别结果验证了该算法的可行性。     

基于复合梯度向量的指纹匹配算法

针对接触式指纹识别中存在的非线性形变问题,提出了一种基于复合梯度向量（Composite Gradient Vector,CGV）的指纹匹配算法.该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量,并对指纹图像进行旋转;然后在旋转后的指纹图像上采样基向量,组建向量簇,提取极大梯度向量,并以极大梯度向量为元素组建复合梯度向量;最后以分层标记规则对复合梯度向量进行分层标记,通过对指纹库进行指纹检索、复合梯度向量匹配、维度和梯度匹配,识别出指纹图像.实验结果表明,该方法克服了接触式指纹识别中旋转、偏移、拉伸等问题,有较强的抗非线性形变能力,同时具有较快的识别速度和较高的识别准确率.     

基于特征描述子的匹配方法

利用一种效率和匹配率均较高且存储空间小的基于特征描述子的指纹识别算法,实现了指纹匹配且可应用到嵌入式系统。由于自动指纹识别系统一般在嵌入式系统上实现,对算法的复杂度、运算速度、存储空间需要等均有较高要求,因此选用普遍使用的基于细节特征的匹配算法。该算法运算速度快,一幅300×300像素的指纹图像,仅需几十个特征向量。实验证明,算法克服了点匹配计算量大、速度慢和参考点确定难等缺点,且对图像的旋转和平移具有较好的鲁棒性。可以使基于特征描述子的随机局部区域描述子特征的匹配性能进一步提高。     

基于图像结构相似度的手指静脉匹配算法

在手指静脉识别领域,静脉特征的提取与匹配是非常重要的问题。然而现有的特征提取算法非常复杂,仅提取静脉特征就耗费了大量的计算资源,再加上匹配过程,大大降低了方法的实用性。提出了一种基于图像结构相似度(SSIM)的图像匹配算法,仅仅提取少量的图像特征就可以取得高识别精度,结合一种去除非静脉区域细小不规则区域的形态学方法,有效降低了识别系统的等错率(EER)。     

基于VC++指纹识别系统

指纹具有唯一性、稳定性、再生性等特点。指纹识别技术为现代身份识别提供了一个很好的解决方案。指纹识别算法一般包括预处理和特征提取与匹配两大部分。其中预处理通常包括图像分割、图像滤波、图像增强、图像二值化以及图像细化等步骤。文中主要对以上各个步骤在PC机上用Visual C 编程实现,并给出了各个步骤的实验结果。实验结果表明,采用VC 平台实现指纹识别算法简单实用,指纹图像处理效果较好。     

基于深度学习的污损指纹识别研究

随着社会信息化水平的提高及不稳定因素的增加,人们迫切需要更加可靠的识别技术对身份进行认证。因此,利用生物特征进行鉴定已成为时下热潮。其中的指纹识别更是因其方便性和可靠性受到普遍认同。传统的指纹识别方法基于特征点比对寻求相似性,此种方法特征点寻找容易出错,且随着指纹的模糊、破坏、污损或是其他问题,均会使识别率明显降低。针对这些问题,该文提出基于深度卷积神经网络(CNN)的CBF-FFPF(Central Block Fingerprint and Fuzzy Feature Points Fingerprint)算法对污损指纹图像进行分类识别。CBF-FFPF算法提取指纹中心点分块图像及特征点模糊化图,合并后输入CNN网络,进行指纹深层特征识别。将该算法与基于主成分分析(KPCA),超限学习机(ELM)和k近邻分类器(KNN)的指纹识别算法进行比较,实验结果表明,所提出的CBF-FFPF算法对污损指纹识别有更高的识别率和更好的鲁棒性。     

基于不变因子的SIFT误匹配点剔除及图像检索

为解决尺度不变特征变换(SIFT)算法在图像发生旋转和尺度变化时产生的错误匹配问题,提出一种新的算法.根据 SIFT 提取的关键点信息,利用正确匹配点对间的旋转不变因子和尺度不变因子来剔除 SIFT 误匹配点,然后对保留下来的特征点进行聚类分析,对目标图像进行识别判断,并通过实验将该算法与双向匹配算法和随机抽样一致性算法(RANSAC)进行比较.实验结果表明,该算法能够有效地剔除误匹配点,且误剔除率低.剔除误匹配点后再进行图像检索,图像的漏检率和误检率都大大地降低了.     

神经网络在手写体数字识别中的应用

本文采用前向、多层神经网络,BP学习算法对40个人的手写体数字进行了识别。识别过程分为四步:首先,用HP扫描仪把写在纸上的数字变成二值图像,接着对它进行分割,规整等预处理,变换成32×32点阵。然后提取特征,把点阵图像变成特征描述。最后,进行训练和识别。在拒识率为25％条件下,得到误识率为0.4％的识别结果,文中还分析和讨论了在实验中遇到的一些问题。     

基于视觉模糊的LBP鲁棒特征提取与匹配

目的针对目前模糊图像特征提取与匹配方面, 存在特征提取困难、匹配率低、抗噪以及抗尺度变 化能力弱的缺陷。方法提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准 、特征识别 率高的匹配算法。首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的 中心对称局 部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特 征检测,并生 成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈 值。提取符合 特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法 进行误差匹 配的剔除来改善匹配的精度和鲁棒性。结果测试结果表明,本文所建议的算法是有效的,它 不仅具有良 好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力 。结论本文 提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出 了算法改进的 新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高。     

SIFT与SURF特征提取算法在图像匹配中的应用对比研究

SIFT算法和SURF算法是图像特征提取和匹配的典型方法,广泛应用于目标检测、图像理解与识别等领域,然而对二者尚缺乏较深入的对比研究。针对这两种算法,采用实验室相机实拍图像和低空无人机实拍图像,以不同的图像旋转角度进行特征点提取和图像匹配实验,从匹配成功率和运行效率两个方面对算法的性能进行对比研究。结果表明,SIFT算法具有较好的图像旋转不变性,匹配精度较高,而SURF算法匹配精度较低,但是效率较高,因此在实际应用中可根据具体需求合理选择。     

基于飞行时间深度图像变化率的火焰识别方法

为开发飞行时间算法在火灾探测中的应用,简化算法,提高检测速率和准确性,根据飞行时间法,结合火焰的深度图特征,设计了基于深度图像变化率的火焰识别算法。以三维深度相机为主要图像捕获设备,进行了多组火焰识别实验,包括正庚烷火焰、乙醇火焰、纸张火焰、灯光干扰、行人干扰实验,对捕获的图像进行了处理与计算,提出了识别火焰的简化算法和火焰像素估计模型。采用该方法分析了火焰深度图特征,火焰识别结果图像的频谱图特征、集中度特征以及面积变化特征。研究结果表明,采用文中提出的算法的实验识准率大于91.5%,误识率小于3.8%,能有效识别火焰。     

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息.为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法.在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别.应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性.     

基于C#指纹识别系统设计

设计了一套精确、方便、人性化的基于c#指纹识别系统。指纹识别经过图像预处理、特征提取、特征匹配三步骤。运用高斯一拉普拉斯算子的边缘检测方法进行图像分割、Poincare法提取中心点以及端点、分叉点后去伪点进行特征提取以及结合节点与方向场的匹配方法进行匹配。经过调试得到的识别结果表明：运行稳定、实时性好、识别率高,达到了预期的目标并能够很好地满足实际需求,具有广泛的应用前景。     

网上考试系统中指纹验证模块的研究与算法实现

网上考试中运用指纹认证方法,可以有效地杜绝代考现象的发生.文中探讨了网上指纹验证过程中的算法实现,综合运用图像处理和模式识别技术,研究了指纹识别的理论和技术,建立了一对一的指纹识别系统.整个系统框架采用浏览器/服务器(B/S)结构,用户在客户端提交指纹图像,而服务器端则完成指纹图像的预处理、匹配算法等,再将识别信息反馈给客户端.     

融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

一种应用于溯源秤的计算机视觉果蔬识别算法

提出一种基于稀疏表征特征的果蔬识别算法,首先采用图像获取装置获取果蔬图片,对果蔬图片进行预处理,得到归一化果蔬图片,提取果蔬图片的5尺度8方向的Gabor小波特征,采用主频量分析算法对其进行降维处理,构建稀疏表征识别分类模型,并对提取到的特征进行分类识别,最终得到识别结果。仿真证明文章研究的算法分类正确率达96％左右,误识率低,运算速度快,更适合用来对果蔬进行分类识别,具有较强的实用性。     

基于神经网络的视频监控图像异常行为识别方法

由于传统方法在视频监控图像异常行为识别应用中效果不佳,漏识率较高,且识别用时较长,文章为此提出基于神经网络的视频监控图像异常行为识别方法。该方法首先分割处理视频监控图像,然后应用视频帧图像阵列对目标图像进行预处理并提取图像行为特征,最后建立神经网络模型,利用模型计算图像行为特征卷积,完成异常行为识别。实验证明,该方法的漏识率为0.56%,具有较好的应用前景。     

基于Gabor函数能量特征的指纹增强

指纹图像增强技术可以有效地加强指纹的脊线特征,为指纹细节的提取和匹配奠定可靠的基础,直接影响指纹识别的识别率和识别速度.用Gabor函数变换将空域的指纹图像变换到联合空间频率域,并将联合空间频率域的能量分布作为指纹的特征.Gabor函数滤波器在频域内对子块其主方向上频率能量分布进行高分辨率滤波,进行了识别匹配.实验表明...     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响.结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法.首先采用改进的三次 B 样条分别对两幅源图像进行边缘提取;然后利用 SURF 算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC 算法剔除误匹配点对,从而实现图像的匹配.实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性.