几种指纹方向图算法及对比分析

对于指纹图像,无论在频域或是在空域处理时,都要用到指纹的方向性信息,所以求取指纹方向图就显得格外重要.求取指纹图像方向图的方法有很多种,文中列出了其中几种易于实现的算法.目的在于比较几种求取方向图的算法,得到这几种方法的性能,以利于不同场合的要求.     

几种指纹方向图算法及对比分析

对于指纹图像,无论在频域或是在空域处理时,都要用到指纹的方向性信息,所以求取指纹方向图就显得格外重要。求取指纹图像方向图的方法有很多种,文中列出了其中几种易于实现的算法。目的在于比较几种求取方向图的算法,得到这几种方法的性能,以利于不同场合的要求。     

一种基于方向图的指纹预处理方法

提出一种基于方向图的指纹预处理方法,利用指纹图像的方向信息实现了指纹的增强、二值化以及不可恢复区域的提取,为实现指纹自动识别提供了一种可行的方法。     

改进的指纹图像方向图求取方法

为提高指纹图像方向图的准确性,提出了一种传统的指纹图像方向图求取算法－离散方向采样法的改进方法。该方法在原有采样模板的基础上,综合考虑中心像素点外的各层数据,给出了改进的采样模板。实验结果表明该方法比传统的离散方向采样法和灰度梯度法得到的指纹图像方向图更加准确。     

一种求取指纹图像方向的方法

指纹识别日益成为一种有效的身份识别的手段。在对指纹图像进行处理的过程中,指纹方向信息的求取是一项关键技术,它对指纹图像的预处理和后处理都有重要的影响。该文提出了一种指纹图像方向求取方法。实验证明了该方法快速、有效。     

一种改进的指纹纹理匹配算法

目前的中心点定位方法对发生旋转的指纹图像处理效果不佳,针对这一缺陷,结合指纹脊线方向特性和结构特性,提出了一种新的基于指纹方向图的中心点定位方法。在此基础上,改进了文献[1]中的指纹编码方法。实验表明该文提出的方法对旋转的指纹图像具有很强的鲁棒性,匹配精确度比原来的方法有一定的改进。     

一种基于梯度的健壮的指纹方向场估计算法

作为指纹的全局特征,指纹方向场在自动指纹识别系统中发挥了非常重要的作用.提出了一种基于梯度的健壮的指纹方向场估计算法,新算法首先归一化点梯度向量并计算块梯度向量及相应的块一致性;然后估计噪声区域;最后采用基于迭代的方法,重新估计所有块梯度向量并将梯度向量场转化为方向场.实验结果表明,与已有基于梯度的指纹方向场估计算法相比,新算法具有更高的准确性及抗噪性能,并能较好地估计大块噪声内的方向场,是一种较为健壮的指纹方向场估计算法.     

结合方向图的指纹特征点提取

报告了指纹识别研究的现状,分析了指纹识别过程中伪特征点对识别结果的影响,以及指纹识别过程中不同伪特征产生的原因.对指纹图像进行二值化,细化等预处理,并初步提取特征点.结合指纹方向图,对从细化图像中提取出的大量特征点进行处理,利用不同伪特征的不同方向和距离特点设计了伪特征点判断和删除的判据,在去除伪特征点的同时又保证真正的特征点不被误删.实验结果表明,该方法取得了较好的效果,能满足实际使用的需要.     

基于方向的指纹奇异点提取

准确、可靠地检测指纹奇异点（核心点和三角点）对于指纹的分类和匹配有重要的意义。针对指纹图像奇异点提取中准确判断和精确定位的难题，介绍了一种比较好的奇异点检测算法。根据奇异点的性质，利用Pcincare Index方法求出核心点和三角点。根据相关规则，清除虚假奇异点。实验结果证明该方法能够从指纹图像中较精确、可靠地提取出奇异点。用该方法对不同质量的指纹图像进行实验，并与其他方法进行比较，结果表明该方法更加有效、可靠．具有很好的鲁棒性。     

基于方向的指纹奇异点提取

准确、可靠地检测指纹奇异点(核心点和三角点)对于指纹的分类和匹配有重要的意义。针对指纹图像奇异点提取中准确判断和精确定位的难题,介绍了一种比较好的奇异点检测算法。根据奇异点的性质,利用Poincare Index方法求出核心点和三角点。根据相关规则,清除虚假奇异点。实验结果证明该方法能够从指纹图像中较精确、可靠地提取出奇异点。用该方法对不同质量的指纹图像进行实验,并与其他方法进行比较,结果表明该方法更加有效、可靠,具有很好的鲁棒性。     

基于加权平均梯度方向场和改进Poincare Index的指纹奇异点检测算法

针对指纹图像具有局部平行性和渐变性以及邻域的脊线方向相关性高的特点,提出了一种基于加权平均梯度的指纹方向场算法。改进了传统的Poincare Index指纹奇异点检测算法。实验证明,在采用加权平均梯度算法获取的方向场上利用改进的Poincare Index算法可实现对低质量指纹图像的奇异点的准确提取。     

连续方向图法在残留指纹分割中的应用

针对残留指纹不易被分割的特点,提出一种连续方向图实现残留指纹分割的应用算法。该算法首先计算点方向图,然后利用直方图滤波技术对指纹点方向图进行滤波处理,得到连续分布方向图;其次对前景区域进一步分析,根据残留指纹和正常指纹方向一般不一致的特点,运用残留指纹与指纹区交界处方向信息变化较大的特性标记出残留指纹和指纹区边界点,然后对标记的一些虚假点进行后处理,最后利用这些边界点进行曲线拟合后去除残留指纹。实验结果表明这种连续分布方向图过渡平滑、自然,既具有很好的连续性、渐变性和抗噪性,又有较高的精度,可以有效地分割残留指纹。     

基于方向图跟踪和对称轴的自动指纹分类算法

采用指纹连续分布方向图跟踪技术,提出指纹对称轴的概念及其算法。在此基础上,提出一种基于方向图跟踪和指纹对称轴的六类自动指纹分类算法,在FVC2000、FVC2002、FVC2004的Set B、FVC2004的Set A指纹库以及本文所采集的指纹库上的分类结果表明,算法能有效地将双旋型和漩涡型指纹正确分开,实现了六类指纹分类,分类正确率达到95.6%,具有较好的健壮性。     

基于图像子块加权缩小的自适应修正算法

提出了一种基于图像子块加权缩小的自适应修正算法,有效地保持了灰度图像信息的完整性。首先,通过对加权平均缩小后得到的低分辨率图像进行对比拉伸处理,然后根据局部区域方差对整体图像的影响情况,对缩小图像像素点进行自适应修正。实验证明,算法克服了加权平均缩小后图像的边缘锯齿和模糊效应,使修正优化后的图像清晰。尤其对缩小比率大的图像质量的提高有较显著的效果。     

结合方向信息和模糊聚类的指纹图像二值化方法

尽管指纹图像具有局部方向一致性,但在一些局部区域,尤其是包含指纹奇异点的区域点方向变化仍然较大.鉴于此在求出指纹各个像素的点方向以后对指纹图像进行分块,引入了方向信息可靠块和方向信息不可靠块的概念.对方向信息可靠块提出一种用方向信息分割指纹图像的方法.对方向信息不可靠块,采用两种方法区分出指纹决和背景块:一是利用该块的均值、方差;二是利用邻域信息.在此基础上对不可靠块中的指纹块采用加权模糊C.均值聚类的方法对其进行二值化.实验表明:用本文提出的方法对指纹图像进行二值化处理后得到的二值图像脊线光滑无孔洞.对断线起到了一定的连接作用,而且对于方向变化较大的分块避免了二值化后纹线的偏移.     

一种改进的指纹图像分割算法

提出了一种传统的指纹图像分割算法——方差法的改进算法。该算法给出了图像块均值及方差的新的计算方法,并用均值和方差的比值作为前景和背景区域的分割标准。既能有效抑制噪声对分割效果的影响,又能对对比度较低的图像实现理想分割。实验结果表明该方法比传统的方差法和方向法分割更准确。     

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。     

基于二值指纹图像的Gabor滤波增强算法

在指纹预处理过程中,Gabor滤波器对于图像的平滑和分割具有十分显著的效果。但是Gabor滤波器对纹线方向和频率十分敏感,通过处理灰度图像得到的二值图像存在着严重的特征点丢失和变化问题。采用相位差分二值化方法,使二值化过程不依赖Gabor滤波。提出了在二值图像上利用Gabor滤波器增强的方法,保留了Gabor滤波器连接纹线断线和滤除图像中噪声的优点,避免了Gabor滤波器对频率的敏感性问题,有效地提高了指纹特征的保持度。     

Generalized compensative weighted averaging aggregation operators

The compensative weighted averaging (CWA) operator is generalized to develop a class of powerful generalized compensative weighted averaging (GCWA) operators with a very fine range of compensatory effects. The conventional means are shown to be the special cases of the proposed GCWA operator. A few extensions are investigated by combining GCWA operator with ordered weighted averaging (OWA) and induced OWA (IOWA) operators. An exponential class of aggregation operators such as exponential CWA, exponential OWA and exponential IOWA operators are developed. The usefulness of GCWA operators is shown through several examples and a case-study.