一种基于脊线特征的指纹匹配算法

指纹的脊线几乎构成了指纹的全部特征，其整体结构和趋势是确定指纹的重要依据。本文算法引入了一种描述指纹脊线趋势的特征向量，并且基于该特征向量提出了一种新颖的匹配算法。算法首先在指纹图像的特征区域中进行脊线采样，根据采样结果提取脊线的特征向量，把特征向量的相似度作为指纹匹配的依据。算法避开了传统细节点匹配方法的限制，有效利用了脊线趋势的稳定性和脊线间的相对关系。实验结果表明，本文算法具有较高的匹配精度。     

一种基于脊线特征的指纹匹配算贩

指纹的脊线几乎构成了指纹的全部特征,其整体结构和趋势是确定指纹的重要依据.本文算法引入了一种描述指纹脊线趋势的特征向量,并且基于该特征向量提出了一种新颖的匹配算法.算法首先在指纹图像的特征区域中进行脊线采样,根据采样结果提取脊线的特征向量,把特征向量的相似度作为指纹匹配的依据.算法避开了传统细节点匹配方法的限制,有效利用了脊线趋势的稳定性和脊线间的相对关系.实验结果表明,本文算法具有较高的匹配精度.     

一种指纹特征点连线穿越脊线数的计算方法

指纹中特征点间连线穿越的脊线数由于不受指纹图像缩放、旋转、平移及轻微变形的影响,被越来越多地用于指纹匹配,其计算精度直接影响指纹匹配结果。现有算法大多基于Bresenham及其改进方法,计算误差较大。给出了一种基于细化指纹图像的新方法,该方法首先由两特征点连线上的像素点灰度值确定其穿越的黑点坐标,然后根据连线与其相邻脊线、特征点的几何关系综合处理得到其穿越的脊线数。实验结果表明,该算法稳定可靠,能够准确有效地获得特征点间连线穿越的脊线数。     

基于模糊贴近度的指纹匹配算法研究

针对已有的指纹匹配方法准确率低、算法复杂度高、易受指纹形变等噪声影响缺陷,本文提出了一种基于模糊贴近度的新型指纹匹配算法。该算法以分叉点、转折点、指纹图像上两个点的连线所穿越的脊线的数量等特征信息作为识别对象的特征指标,通过求出采样指纹与标准指纹的模糊贴近度,将其结果与阈值V相比较,检测指纹的匹配程度。实验结果表明,该算法能够有效降低算法复杂度,提高指纹的匹配准确率与效率,同时也可以有效避免因指纹旋转、平移形变或按压力度不均等因素产生的噪声对指纹匹配精度的影响,可以满足实际应用的需求,为提高指纹识别的精确度提供了一种新方法。     

基于特征点脊线相似的指纹匹配算法研究

主要研究指纹特征的提取与匹配,采用八邻域法提取指纹的端点特征,提出了一种基于嵴线相似的三角形指纹匹配算法.三角形相似匹配算法的核心思想是:根据特征提取的所有端点和分叉点,组成矢量三角形进行匹配.仅提取端点并将该端点首先进行嵴线的相似匹配,从中找出脊线相似的端点,再进行三角形的相似匹配.该算法有效地降低了三角形匹配的数量,加快了匹配的速度.通过Matlab实现指纹识别系统,实验证明该算法能够取得一定的识别效果.     

指纹脊线追踪算法研究

提出指纹脊线追踪算法,该算法根据指纹眷线上中心点的灰度(梯度)值的变化,把整条指纹脊线追踪出来,使用该方法直接计算出指纹脊线上的中心点,并根据中心点的灰度(梯度)的变化把它们连接起来,从而直接在原始图像中计算出指纹细化图像,减少了图像预处理过程,同时根据对中心点的追踪可以把断纹连接起来,提高处理精度.     

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。     

引入脊线结构信息的指纹匹配方法

提出了一种利用脊线和脊线结构信息进行指纹匹配的方法,即首先利用脊线的相似度初步确定若干参考点对,然后根据脊线间的结构信息利用矢量三角法对初步确定的参考点对进行筛选,最后用可变限界盒法进行匹配。实验结果表明,该方法能够准确地定位参考点对,快速正确地实现指纹匹配。     

一种新的指纹脊线提取方法

本文提出一种新的指纹脊线提取方法。首先利用灰度形态学，结合条件模板进行滤波，然后用Ｏｔｓｕ方法分割得到二值图像，再将原图反相，进行上述同样处理，最后融合两次分割的结果，提取指纹脊线。实验结果证明本法具有抗噪性、旋转不变性。     

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状，设计了一种新的指纹匹配方法，即利用纹线匹配技术来寻找基准点对的指纹匹配算法．该算法首先基于指纹纹线的相似程度寻找一对基准特征点；然后根据基准点对的坐标，计算两幅指纹图象(模板图象、待识图象)的相对平移和旋转参数，并将待识图象相对于模板图象进行图象姿势纠正；最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目．以实现两枚指纹的匹配．实验证明．该算法匹配速度很快，误识率低，准确性高，并具有图象旋转平移不变性．对面积适中的指纹图象，匹配结果可以满足在线应用的需要．该算法有望发展成为一种实用、有效的指纹匹配技术．     

序列化融合的指纹匹配方法

在指纹识别中,利用细节点或纹线等单一指纹特征的识别算法来得到一个很高的识别性能比较困难。将不同的指纹匹配算法进行融合来获得较高的准确率已经成为当前研究的热点。提出了一种新的序列化融合的指纹匹配方法。利用基于细节点的指纹匹配算法对待识别指纹进行预判,对于不能确定其为同源或异源的,将再利用基于纹线的指纹匹配算法进行匹配,对两次的匹配得分进行融合,基于融合结果判断其为同源或异源。在指纹库FVC2002 DB2上的实验结果表明,采用基于细节点的指纹匹配算法、基于纹线的指纹匹配算法、对上述两种算法的Sum融合方法、提出的方法得到的等错误率（EERs）分别为3.0%、4.9%、2.0%、1.9%,且相对于Sum融合方法,提出的方法在时间消耗上降低了64.64%。     

一种频谱分方向指纹纹线距离估计的新方法

纹线距离是指纹的固有本质属性，在自动指纹识别中有着重要的作用。然而目前多数纹线距离估计的方法直接在空域作估计，对低质量指纹图像的处理普遍存在较大误差。为了适应低质量指纹图像，提出了一种基于频谱分析的纹线距离估计的新方法，该方法首先通过快速傅立叶变换将指纹图像变换到频域，然后将频谱图像分成n个方向分别求纹线距离，最后作处理从而得到指纹图像的纹线距离。部分典型指纹图像的实验结果表明，该方法具有较强的有效性和鲁棒性。     

基于指纹的可撤销Fuzzy vault方案

Fuzzy vault是一种用生物特征保护密钥的加密框架,其主要缺点在于攻击者可以通过交叉比较同一用户的不同vault来获得生物模板的准确信息,从而可以破解vault。提出了一种使用基于指纹细节点的可撤销的变换模板作为生成vault的模板,保护不同密钥时采用不同变换模板,从而解决了这个问题。采用以巴特沃斯低通滤波器为核的函数组作为生成可撤销模板的变换函数。此外还使用了用户口令加密vault,从而进一步增强了被保护密钥的安全性。     

基于线模式的指纹细节点匹配算法

提出了一种新的基于线模式的指纹图像细节点匹配算法,这种算法先分别找出最佳匹配点对,确定相对旋转角度,较快地确定两个指纹的相关性,之后再搜索漏的匹配点对,去掉错误的匹配点对。算法受指纹增强、后处理的影响较小,细节点相似程度受其邻域细节点影响较小。介绍了算法的具体实现方法,并用实际指纹数据进行了测试。初步测试的结果表明,此算法是指纹图像细节点匹配的一种有效算法。     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

基于投影信号谱分析的指纹纹线间距估计方法

准确估计指纹纹线间距对指纹图像分割、增强及指纹细节特征提取具有重要意义。针对现有纹线间距估计方法存在的不足,提出了一种基于纹线方向投影信号谱分析的指纹纹线间距估计方法。该方法首先对指纹块方向图进行选择性平滑以滤除噪声干扰,然后计算方向投影信号的傅立叶变换能量谱,并通过谱分析提取信号基频,以此估计出纹线间距。实验结果表明,与现有的一些典型方法相比,该文方法对于纹线间距的估计更为准确、可靠。     

地统计关联特征与多子集匹配的缺失指纹识别算法

针对主流指纹识别算法对缺失指纹图像识别率非常低的问题,提出了一种地统计关联特征与多子集匹配的算法（GS-MS）。首先对指纹图像进行Gabor滤波增强以及二值化、细化预处理,然后将图像均匀划分为N个子集,分别提取各子集的地统计学关联特征与分叉点、端点等细节特征点,最后以待识别指纹图像子集为基准,与指纹库子集进行匹配识别。采用完整与缺失两种指纹数据集进行测试,GS-MS算法均取得了较优的识别精度,而且没有大幅度增加运行时间。     

一种基于结构分类和图形匹配的指纹识别方法

提出了一种新的确定指纹中心点的方法。根据中心点的位置,通过结构分类的方法对指纹进行分类,接着采用了图形匹配的方法进行匹配,提出了中心点二次定位的匹配方法,结合模糊判别的方法提出新的复合指纹匹配方法。其中包括提出了根据指纹特征进行指纹的二次定位。文中对1000幅指纹图像(包含20％的低质量指纹图像)做了实验,分类正确率达100％,匹配正确率达98．7％。     

Winnowing指纹串匹配的重复数据删除算法

针对可变长度分块（CDC）的重复数据删除算法的分块大小难以控制、指纹计算对比开销大、需要预先设置参数问题,提出Winnowing指纹串匹配的重复数据删除算法（DWFM）。首先,在数据分块前引入分块大小预测模型,较准确地根据应用场景计算出合适的分块大小;然后,在计算指纹时采用ASCⅡ/Unicode编码方式作为数据块指纹;最后,在确定分块边界时,提出指纹串匹配的分块算法,不需要预先设置参数,使得指纹计算和对比开销减少。在多种数据集上的实验结果表明,相比固定长度分块（FSP）和CDC算法,DWFM在数据的重删率上提升10%左右,在指纹计算和对比开销方面减少了18%左右。因此,DWFM的分块大小和边界更加符合数据特性,减少了参数设置对重复数据删除算法性能的影响,在处理不同类型的数据时,可以有效地消除更多的重复数据。