指纹图像细化的复合式算法

指纹图像细化是指纹识别算法中的重要环节,对特征提取起到关键作用。为了快速和高质量地对指纹图像进行细化,对快速细化算法和改进OPTA细化算法不足产生的内在原因进行分析,提出一种新的复合式指纹图像细化算法,该算法设计一套预处理模板,避免了快速细化算法形成的毛刺,并对改进OPTA算法进行了优化。大量实验结果表明,该算法不但具有以往算法的优点,有较好的细化速度,而且细化质量有显著地提高,细化后的图像光滑几乎无毛刺。     

指纹图像预处理与特征提取

指纹图像预处理与特征提取是指纹识别的前提。提出一套基于方向滤波与模糊数学方法的指纹图像预处理算法,并给出了指纹特征提取及其后处理算法。指纹图像预处理首先求出指纹的方向场,然后根据方向场进行滤波,最后用模糊数学方法得到二值化图像。指纹特征提取则先从细化指纹图中得到特征点,并依据伪特征点的脊线与角度特征剔除伪特征点。     

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.     

指纹识别系统中的图像预处理技术

根据指纹的特点,提出了一套有效的指纹识别预处理算法.包括前背景分离、基于空域和频域的图像增强、方向滤波、二值化、细化以及细化去噪处理.由于常用算法在指纹处理中存在缺陷,本文改进了增强算法和细化算法.实验证明,经过本算法处理后,减少了指纹图像中的伪结点和原有特征的丢失,有利于指纹特征提取.     

一种改进的快速指纹预处理算法

对指纹预处理全过程进行系统研究,在满足预处理效果的前提下,针对指纹识别系统的实时性要求,讨论了有效的预处理算法.在指纹图像的细化方面,针对传统细化方法的不足,提出了改进的快速细化算法.先对图像利用快速细化算法进行全局细化,再对对角线方向采用深度优先搜索,解决细化不彻底的问题.搜索过程中,采用自动阈值滤除毛刺和短脊,为后...     

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.     

指纹识别技术的研究与分析

本文详细介绍了指纹识别技术的原理、指纹识别中的图像采集、图像预处理、特征提取与特征匹配四个过程。指纹识别的关键技术是对指纹的特征提取与特征匹配,论文中详细分析了图像预处理的过程及特征点提取的各种方法,最后对各种指纹特征匹配算法的优缺点进行了分析与比较。     

OPTA算法的改进及其在指纹图像细化中的应用

图像细化是指纹预处理技术中的一个重要环节,大多数指纹识别算法都是在细化图像上实现特征点的检测。因此,研究图像细化对提高指纹识别系统的性能具有重要意义。对OPTA算法进行了改进,将其应用在指纹图像细化中,并对其局限性进行了分析。实验结果表明,使用改进的OPTA算法,指纹图像细化效果有明显的提高。     

基于方向信息的指纹图像预处理

预处理是自动指纹识别技术的基础,它的好坏直接影响着指纹自动识别系统的效果。本文从方向图、滤波、二值化和细化等几个方面详细介绍了自动指纹识别系统中的预处理过程,并具体实现了指纹图像的预处理。该方法取得了良好的效果,保留了指纹纹线的关键信息,为下一步的特征提取工作打下了良好的基础。     

指纹图像预处理算法的研究

指纹预处理算法是指纹识别的关键技术之一,包括指纹图像的分割、增强、二值化和细化等几部分。在指纹图像增强方面,利用指纹的方向特性设计出Gabor滤波器,用Gabor滤波器对指纹进行滤波;在分割、二值化和细化方面也作了讨论,并采用VC验证了算法的有效性。实验结果表明,这种预处理算法可以使指纹纹线变得清晰、连续、光滑,改善指纹图像的质量,提高指纹识别的可靠性。     

指纹图像预处理和特征提取

根据指纹的固有规律，提出了一套较完整的指纹图像预处理和特征提取算法。改进了指纹脊线频率求取算法和二值图像去孔噪声算法，并提出了一种新的滤除指纹伪特征点的方法。通过对上百幅不同质量的指纹图像进行测试，获得了较好的效果。     

一种基于信息融合的指纹特征点提取方法

针对进行指纹图像预处理时产生的伪特征点难以消除的问题,提出了一种基于信息融合的指纹特征点提取方法;该方法首先通过取两种不同预处理方法所获得的指纹特征点集的交集来剔除在指纹图像预处理过程中所产生的伪特征点,然后根据特征点的结构信息来消除原始指纹图像本身所存在的伪特征点;实验结果表明,该方法不仅可以有效地消除指纹图像预处理过程所产生的伪特征点,同时也能消除原始指纹图像中存在的伪特征点。     

指纹图像后处理

指纹比对通常是细节点集间的匹配。指纹图像经预处理后，由于各种原因，会产生数以百计的特征。为了图像匹配的精确和快速，提出了一套在细化后的指纹点图上提取细节特征并对其剪枝的方法，并根据细节特征的拓扑特征，设计了验证了其可靠性的算法，通过实验，证明了该后处理过程在去除指纹图像伪特征方面具有良好的效果。     

改进的指纹细节特征提取算法

指纹细节特征（minutiae)提取是指纹自动识别的核心技术之一，常规的指纹细节特征提取算法需要先采用纹线跟踪的方法对细化后的指纹图象进行纹线修复，然后再实现细节特征提取，纹线修复不仅步骤繁琐，而且比较耗时，针对这一问题，提出了一种改进的指纹细节特征提取算法，该算法首先在细化后的指纹图象上直接提取原始细节特征点集，然后分析图象中存在的各类噪声及其特点，总结伪特征点的分布规律，最后，结合局部纹线方向信息，针对不同的噪声，采用针对性的算法，将各类噪声引起的伪特征点分别予以删除，最终保留下来的特征点集即视为真正的特征点集，为验证该算法的性能，将改进算法与常规算法进行了对比实验，实验结果表明，改进算法有效地减少了计算时间，细节特征提取准确率也基本可以满足应用的需要。     

基于模糊技术的指纹识别预处理

提出一套基于方向滤波与模糊数学方法的指纹图像预处理算法。给出了一种基于16域的自适应滤波器,很好的增强了指纹图像的清晰度;针对以往求取方向图的不足,给出了一种基于16方向的改进算法;该方法取得了良好的效果,保留了指纹纹线的关键信息,为下一步的特征提取工作打下了良好的基础.     

Preprocessing and postprocessing for skeleton-based fingerprint minutiae extraction

In this paper, we propose to use the fingerprint valley instead of ridge for the binarization-thinning process to extract fingerprint minutiae. We first use several preprocessing steps on the binary image in order to eliminate the spurious lakes and dots, and to reduce the spurious islands, bridges, and spurs in the skeleton image. By removing all the bug pixels introduced at the thinning stage, our algorithm can detect a maximum number of minutiae from the fingerprint skeleton using the Rutovitz Crossing Number. This allows the true minutiae preserved and false minutiae removed in later postprocessing stages. Finally, using the intrinsic duality property of fingerprint image we develop several postprocessing techniques to efficiently remove spurious minutiae. Especially, we define an H-point structure to remove several types of spurious minutiae including bridge, triangle, ladder, and wrinkle all together. Experimental results clearly demonstrate the effectiveness of the new algorithms.     

指纹图像细节点及显著特征的提取

提出了一种改进的指纹细节特征提取算法。该算法首先在细化后的指纹图像上直接提取原始细节特征点集,然后针对不同的噪声,采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,最终保留下来的特征点集即视为真正的特征点集。通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,提出了一种显著特征提取算法,在已提取的特征点集的基础上,提取出指纹图像的显著特征。     

指纹图像预处理新方法

介绍并实现了一套完整的指纹图像预处理方法,通过剩余块处理和平滑方法改进了传统的指纹图像分割算法;使用方向匹配的方法对指纹图像方向块进行方向滤波完成图像增强;并除去细化后存在的短线和毛刺。该算法对Secugen指纹仪采集的图像和FVC2004数据库中的指纹图像进行实验,结果表明经过预处理后的指纹图像质量得到明显增强,方便进行细节特征提取。     

基于Matlab实现的指纹图像细节特征提取

指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配.介绍了一套基于Matlab实现的指纹细节特征提取方法,并给出了去伪算法.指纹特征提取是从细化后的指纹图中得到细节特征点(即端点和分叉点),此特征点含有大量的伪特征,既耗时又影响匹配精度.采用了边缘去伪和距离去伪,使得特征点去伪前后减小了近1/3,然后提取可靠特征点信息,以便实现指纹匹配.实验证明,用Matlab实现的这种方法,既简单快速,而且具有较高的准确率.     

基于方向图和Gabor滤波的指纹预处理算法

指纹图像在预处理过程中往往受多方面因素制约,有时无法满足指纹识别系统的要求。本文在传统指纹预处理算法基础上,给出一种有效的指纹预处理改进算法。首先,采用分块方差梯度分割算法分离指纹图像和背景区;再根据指纹特征,用方向图和均值滤波器进行图像增强,并用简化的Gabor滤波器,改进滤波模板滤除边缘模糊效应。二值化、细化并删除伪特征点后,提取出指纹脊线骨架并获得指纹特征点。实验表明,该预处理算法对不同质量的指纹图像均具有较好效果,算法灵活高效、易于实现、精确度高,达到了指纹识别系统的要求。