改进的结构化指纹分类算法

在深入研究现有指纹分类算法的基础上,提出了一种基于结构的指纹分类算法。利用指纹图像的方向场信息,用Poincare索引值检测出方向场中不连续的点——奇异点,根据奇异点的数目和相互位置关系以及指纹脊线的结构特征确定指纹的基本类型。该算法为匹配算法提供指纹类型信息,可极大地提高算法的匹配速度和匹配精度,具有较好的使用意义。     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1：N辨别速度有明显的提高。     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1:N辨别速度有明显的提高。     

基于方向图的指纹奇异点快速检测方法

准确、快速地检测指纹奇异点(core点和delta点),对指纹分类和指纹匹配等具有重要意义.首先,给出计算指纹图像方向图的算法,然后,在基于方向图的基础上,对传统的基于poincare索引计算公式的指纹奇异点检测算法进行了改进.使用改进算法对PU-JY203U警用活体指纹采集仪采集的指纹(1000枚)进行Matlab仿真.实验结果表明改进后的算法与传统算法相比,在定位奇异点的精确度和速度上都有很大的提高.     

基于奇异点邻近结构的快速指纹识别

将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构.该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别.在NIST和FVC2004数据库上的测试结果显示,该算法在保证自动指纹识别系统(automatic fingerprint identification system,简称AFIS)的识别准确性的同时,还使得指纹在线识别系统的1:N辨识速度有显著的提高.     

一种基于中心点的指纹匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状,该文研究了一种基于指纹中心点的指纹匹配算法.该算法利用奇异点或者指纹有效区域的质心点寻找匹配的基准特征点对和相应的变换参数,并将待识指纹相对于模板指纹做姿势纠正,最后采用坐标匹配的方式实现两枚指纹的比对.实验结果证明,该算法可以快速、准确的定位基准点,精确求取变换参数,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.     

一种改进的指纹图像增强算法

指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等步骤.其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配.论文针对指纹采集中存在的指纹图像局部模糊的问题,提出了一种改进的基于Gabor函数的指纹增强算法.该算法首先对指纹图像进行归一化处理,然后对指纹图像分成奇异区和非奇异区分别进行点方向和块方向的求取,最后用改进的Gabor滤波器对指纹图像进行增强.实践表明,该方法能提高指纹图像增强的效果和速度.     

一种基于信息融合的指纹奇异点提取及纹型分类算法

准确可靠地实现纹型分类对提高大容量指纹库中的检索和匹配效率具有重要意义。提出一种基于信息融合的指纹奇异点提取与纹型分类算法。首先,分别给出一种基于奇异点区域方向场信息和奇异区复数滤波场信息的改进的奇异点提取算法,并将两者融合以完整提取奇异点;再利用所提取奇异点邻域的Gaussian-Hermite矩的分布属性剔除伪奇异点;最后,利用奇异点的数目和位置关系及中心点的主方向将指纹分为常见的六种纹型,对缺少三角点的指纹,使用脊线跟踪算法进行分类。实验表明,该方法新颖有效,具有较高的准确性和鲁棒性。     

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．     

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Gaussian-Hermite矩和改进的Poincare Index的指纹奇异点提取

在指纹分类和匹配中,准确、可靠地提取奇异点十分重要.针对低质量指纹图像奇异点检测中精确定位和可靠性判断这一难题,提出了一种两阶段的奇异点提取算法.首先,针对现有Poincare index方法存在伪点检出较多和抗噪性较弱的问题,通过对其改进实现候选奇异点位置的确定;然后,再通过计算候选奇异点周围圆形邻域的Gaussian-Hermite矩分布属性值来判断其真伪.方法有效结合了奇异点周围邻域的纹线方向和纹线一致性信息,能够从指纹图像中较为准确、可靠地检测出奇异点.在NIST-4和南京大学活体指纹库上的实验结果验证了该方法的有效性和鲁棒性.在从NIST-4中随机抽取的500幅指纹图像上,奇异点的检测准确率为93.05%(Core点准确率为96.93%,Delta点准确率为86.43%).     

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.     

基于Matlab的指纹识别系统的研究与实现

提出了一种基于Matlab的指纹识别方法,改进了传统指纹识别方法中的不足。在经过简单预处理后实现的指纹识别系统的基础上．强调预处理算法与Gabor滤波器为基础的算法相结合,得到了基于Matlab的速度快,识别率高的指纹识别系统。它以人机界面形式实现指纹的识别与匹配,同时还开发了指纹数据库的程序和界面,能添加和清除指纹数据,简单易用,方便准确。     

基于奇异点的字典模型指纹方向场去噪方法*

方向场估计是指纹识别过程中非常重要的步骤。传统方法如基于梯度的方法等在处理潜指纹图像时很容易受噪音干扰,而最近提出的基于字典模型的方法无法解决“真词错误”的问题。针对上述问题,本文提出一种融合了零极点模型的字典模型的指纹方向场去噪方法,即将指纹方向场看做是零极点控制的方向场和平滑的残差方向场相叠加的结果,通过首先用零极点模型生成正确的零极点控制的方向场,然后用字典模型修正残差方向场方向场,最后将零极点模型生成的方向场与去噪后的残差方向场融合形成重建方向场,通过基于奇异点的字典模型,我们解决了“真词错误”的问题。为了验证算法的有效性,在NIST SD27潜指纹图像数据库上进行了实验。实验结果表明：对于潜指纹,本文算法能获得比字典模型更精确的方向场,继而可以更好地增强潜指纹图像,并在后续的匹配实验中取得更好的结果。     

Singular point detection by shape analysis of directional fields in fingerprints

This paper presents a new fingerprint singular point detection method that is type-distinguishable and applicable to various fingerprint images regardless of their resolutions. The proposed method detects singular points by analyzing the shapes of the local directional fields of a fingerprint image. Using the predefined rules, all types of singular points (upper core, lower core, and delta points) can be extracted accurately and delineated in terms of the type of singular points. In case of arch-type fingerprints there exists no singular point, but reference points for arch-type fingerprints are required to be detected for registration. Therefore, we propose a new reference point detection method for arch-type fingerprints as well. The result of the experiments on the two public databases (FVC2000 2a, FVC2002 2a) with different resolutions demonstrates that the proposed method has high accuracy in locating each types of singular points and detecting the reference points of arch-type fingerprints without regard to their image resolutions.     

Singular points detection based on multi-resolution in fingerprint images

The singular points of fingerprints, namely core and delta, play an important role in fingerprint recognition and classification systems. Several traditional methods have been proposed; however, these methods cannot achieve the reliable and accurate detection of poor-quality fingerprints. In this paper, an algorithm is proposed which combines improved Poincaré index and multi-resolution analysis to detect singular points. Conventional Poincaré index method is improved on the basis of the Zero-pole Model analysis to detect singular points with different resolutions. A model is presented to extract the multi-resolution information of the fingerprint pattern; this model divides fingerprint image into nonoverlapping blocks corresponding to different block sizes on the basis of wavelet functions to compute multiple resolution directional fields, and block position shifting is performed on these resolution levels to capture the features of the ridge direction patterns, where the corresponding shifting intervals are based on Sampling theorem. The relationship of singularities detected by improved Poincaré index in different resolution directional fields is used to confirm singular points accurately and reliably. The combination of local and global information makes our algorithm more robust to noise than methods that use local information only, and the existence of this algorithm increases the insight into the nature of singular points extraction. The accuracy and reliability of the method are demonstrated by experiment on database NIST-4, public fingerprint databases FVC02 DB1 and DB2.     

Fingerprint classification based on decision tree from singular points and orientation field

In this study, a high accuracy fingerprint classification method is proposed to enhance the performance in terms of efficiency for fingerprint recognition system. The recognition system has been considered as a reliable mechanism for criminal identification and forensic for its invariance property, yet the huge database is the key issue to make the system obtuse. In former works, the pre-classifying manner is an effective way to speed up the process, yet the accuracy of the classification dominates the further recognition rate and processing speed. In this paper, a rule-based fingerprint classification method is proposed, wherein the two features, including the types of singular points and the number of each type of point are adopted to distinguish different fingerprints. Moreover, when fingerprints are indistinguishable, the proposed Center-to-Delta Flow (CDF) and Balance Arm Flow (BAF) are catered for further classification. As documented in the experimental results, a good accuracy rate can be achieved, which endorses the effectiveness of the fingerprint classification scheme for the further fingerprint recognition system.