一种新的点模式指纹匹配算法的研究与实现

指纹匹配是指纹识别中的一个重要问题,主要针对如何提高识别率、减少算法复杂度,介绍了一种点模式的指纹匹配算法,具体方法是将匹配分为两步进行,这种分段式的匹配方法使相差很大的指纹及早淘汰减少了拒绝时间;初匹配利用了局部细节点间的结构关系,既克服了图像的平移和旋转也得到了更精确的坐标校准参数;在二次匹配过程中引入可变大小的限界盒概念来解决对应点间的弹性形变和坐标偏移,整合多种判决条件作为识别的依据,提高了识别率;其实验结果表明,该算法复杂度低,识别率较高有较强实用价值.     

基于局部特征结构的指纹匹配算法研究

针对实际应用中指纹识别系统对畸变图像识别率较低的情况,提出了一种点模式指纹匹配的新方法,利用细节点方向的分布特点,构造指纹图像中具有平移旋转不变性的局部特征结构,然后根据模板指纹和输入指纹局部特征结构的相似度寻找候选参考点对,将指纹图像进行对齐,最后进行特征点集的全局匹配,由结果分数来判断两个指纹是否匹配,给出了算法实现的全过程,实验结果表明该算法鲁棒性好,正确识别率较高,是一种实用的指纹识别技术.     

基于矢量三角形的快速指纹细节匹配算法

指纹匹配是自动指纹识别系统(AFIS) 中的重要环节。该文提出了一种基于指纹纹线结构和矢量三角形相结合确定参考点,再通过极坐标进行细节匹配的指纹匹配算法。该方法将匹配分成两步,减少了拒判时间。引进了纹线信息,降低了误识率。采用矢量三角形及极坐标进行细节匹配,具有旋转和平移不变性。实验结果表明,该方法识别速度快,正确识别率高,可满足实时系统需求。     

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。     

基于结构特征的指纹识别

为了克服指纹识别中常见的问题,本文提出了一种基于结构特征的匹配算法用以提高识别率,并提出了一种特殊的指纹图象预测处理算法,以减少图象噪声,整个算法具有高效识别和很强的抗干扰能力,此外逄法对指纹缺损图象也有很高的识别率。     

基于Delaunay网格和DLP的三维指纹识别系统设计

针对目前已有的嵌入式指纹识别系统存在的识别精度底和识别效率低的问题,设计了一种基于单DLP处理器的嵌入式三维指纹识别系统;首先,以TMS320VC5402为处理器核心,FPS200为图像采集芯片,EPM7128为外围逻辑设计了指纹识别系统硬件;然后,设计了基于Delaunay网格的上位机指纹识别软件,将指纹识别过程分为细节点DT网格构造、识别参考点获取、待识别指纹姿势校正和指纹匹配四个阶段进行实现;最后,采用指纹数据库FVC2004为测试数据库在上位机上进行仿真,测试结果表明:文中系统能较为精确地实现指纹识别,平均正确识别率高达98.1%,且与其他方法相比,具有FNMR和FMR值较低、正确识别率高和匹配时间少的优点。     

基于相似度直方图的混合指纹匹配方法

指纹的匹配问题是指纹识别算法中的核心问题．文中介绍了一种基于相似度直方图的指纹混合匹配算法,该算法同时使用了指纹的细节特征和纹理特征．指纹的细节匹配部分通过相似度直方图函数来计算最优校准参数,并且将校准结果应用到纹理匹配中．在FVC2002数据库上的实验结果表明该混合识别算法比使用细节匹配的算法具有更高的识别率．     

基于ARM的QNMV指纹识别系统的研究

目前指纹识别技术正向着嵌入式和小型化的方向发展,搭建了基于ARM的指纹识别系统的硬件平台并对硬件进行了优化,研究了指纹识别的软件开发环境,给出了指纹识别系统的软件实现方框图和详细的指纹识别算法流程图;详细论述了全新的基于QNMV结构向量的指纹匹配算法,给出了算法优化后的一些测试数据,将指纹匹配算法与其他常见的算法进行了数据比对后,发现系统具有较好的性能指标:具有较低的误识率(FAR)和拒识率(FRR)、识别率(MRI)有了较大的提高、有效地缩短了匹配耗费时间(Time-Match);系统具有安全可靠、易于扩展、性价比高等优点。     

利用贪心算法进行三角剖分的指纹匹配方法

针对指纹识别过程中的指纹匹配算法的准确性以及识别效果等问题,结合计算几何中平面点集的三角剖分方法-贪心算法的特点,将其引入指纹匹配处理,提出了一种基于三角网格(用贪心算法进行平面点集的三角剖分)的指纹匹配方法。该方法通过对细节点的拓扑结构进行三角划分,把空间上位置相近的细节点按照一定的规则相连,得到三角形网格,并基于该网格寻找若干参考点对,最后通过将两幅指纹图像进行姿势调整构成待识别指纹图像,使用获得的参考点对实现基于点模式的指纹匹配。经分析该方法是一种行之有效的指纹匹配方法,确保了指纹旋转、指纹平移参数计算结果的准确性,有效地提高了最终的识别效果。     

一个有效的面向IC卡应用的指纹匹配算法

生物特征识别正在成为一门成熟的技术并被应用于身份识别中。指纹识别技术是其中最具有应用前景的研究课题之一。指纹匹配是指纹识别中非常重要的一个步骤，它决定着整个指纹识别系统的最终识别率。近些年来，人们提出了许多有关指纹匹配的算法。但是，每个算法都有它自己特定的     

一种结合节点和方向场的指纹匹配算法

指纹匹配是指纹识别中的一个重要问题,直接影响着系统的正确率。目前普遍使用的匹配算法主要是基于节点的匹配算法。Ross提出了结合节点和纹理特征的指纹匹配方法,但Ross方法时间代价大。本文提出了结合节点和方向场的匹配算法,在用节点进行旋转和平移对齐的基础上,计算两个指纹方向场的一致性。实验结果表明：该算法可以比现现有的基于节点的匹配算法更准确地区分两个指纹,同时比Ross方法更快。     

一种新的指纹节点匹配方法

指纹匹配是指纹识别中的一个重要问题,在指纹识别系统中常用一组节点来表示一个指纹。目前的指纹识别系统主要采用基于节点的匹配方法。文章提出了一种新的指纹节点匹配方法,在抽取节点特征时不但提取其坐标和方向,而且还提取每个节点沿着其方向和反方向的一定距离内的局部方向,在匹配两个节点时匹配这些方向信息,并将节点按方向信息排序,以加速查找。匹配时首先确定最佳参考节点,然后根据最佳参考节点下匹配节点对的位置和方向差异再次旋转和平移输入指纹,最后在直角坐标下再次匹配两个指纹。实验表明,该方法能有效地提高系统的识别性能。     

基于Delaunay三角化的指纹匹配方法

将计算几何的三角划分方法引入指纹匹配，研究了一种基于DT（Delaunay triangulation）网的指纹匹配方法．通过对细节点的拓扑结构进行DT划分，把空间上位置相近的细节点按照一定规则相连，得到三角形网格．然后基于该网格寻找若干参考点对，并根据获得的参考点对将两幅指纹图像进行姿势调整．最后使用获得的参考点对实现基于点模式的指纹匹配．算法在第1届中国生物特征识别竞赛指纹组的测试结果证明了有效性．     

指纹特征规模研究

自动指纹识别系统是通过对指纹的特征(节点)进行匹配对比来实现识别认证的,识别的效果主要取决于指纹输入设备、特征提取和匹配算法.为了研究指纹输入设备和特征提取算法对识别精度的影响,在已知指纹特征位置分布的情况下,建立了指纹特征匹配的数学模型,通过计算两枚指纹匹配的概率,引入了指纹特征规模的概念,它是对指纹输入设备和特征提取算法的一个综合评价.最终得到结论:若节点匹配的数目不变,可以通过降低指纹的特征规模,来提高识别精度;若系统的特征规模不变,可以通过增加节点匹配的数目,来提高系统识别精度.     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

采用逐级配准和分值加权的指纹匹配算法

为将2个细节点集高效而准确地配准,首先利用与细节点相关联的短脊线对细节点组合进行初选,然后采用局部特征结构匹配精选出5对细节点作为配准的候选对应点.在2个细节点集配准后的匹配中,针对采用弹性匹配算法经常出现的细节点错配的情况,提出根据匹配可信度对各匹配对的匹配分值进行加权处理,以降低其对匹配精度的影响.采用FVC2002公布的指纹库进行对比实验,结果表明该算法在匹配效率和准确性上都有明显的提高.     

一种新的点模式指纹匹配方法

指纹的旋转和平移是指纹匹配中必须解决的问题,针对这一问题提出了一种新的指纹局部特征描述方法,主要是利用特征点之间的距离、特征点类型来构建新的局部特征向量,利用这些局部结构特征来实现对匹配参考点的确定,将存在平移和旋转的两个指纹特征点集转换为以匹配参考点为极点的极坐标下进行全局匹配。实验结果表明该算法对于指纹图像的旋转和平移具有较强的适应性,可以满足实际应用的需要。     

基于中心点的自适应匹配算法

随着指纹识别技术的广泛应用，人们对指纹匹配速度和精度的要求越来越高。为了满足用户的需求，研究人员提出了许多优秀的匹配算法，其中点匹配算法是目前研究较广泛的一种算法。由于指纹录入时产生旋转、平移和非才性形变，一般在进行精确的匹配之前先将指纹进行校正。切践校正算法简单，有利于解决指纹录入时产生的旋转和平移，提高匹配速度。在点匹配算法中，利用特征点的方向信息和坐标信息进行匹配，同时采用自适应阀值法，对指纹录入时产生的非玑性形变具有较好的鲁棒性，可以提高识别率。     

基于多参考节点的指纹匹配方法

提出了基于多参考节点整体对齐的指纹节点匹配方法,该方法先用多对参考节点将两个指纹对齐,然后再评估两组节点的匹配程度．由于多参考节点分布在指纹的各个区域,多对参考节点对齐后,两个指纹各区域的对齐程度会相对均衡．实验表明,该方法能有效地提高系统的识别性能．     

基于深度学习的小面积指纹匹配方法

针对传统的基于细节特征点的指纹匹配方法多适用于采集面积较大的指纹,在面向智能手机端的小采集面积指纹时准确率明显下降的问题,提出一种基于深度学习的小面积指纹匹配方法。首先,提取指纹图像的细节特征点信息;其次,搜索和标定感兴趣纹理区域（ROI）;然后,构建并改进基于残差结构的轻量级深度神经网络,通过采用二值化特征模式优化网络和Triplet Loss方式训练模型;最后,制定一种智能手机端注册-匹配策略实现小面积指纹匹配。实验结果表明,提出方法在公开库FVCDB1与自建数据库上的等错率（EER）分别仅为0.50%与0.58%,远低于传统的基于细节特征点的指纹匹配方法,能够有效提升小面积指纹匹配的性能,更好地满足智能手机端的应用需求。