基于细化图像宏观弧线特征的指纹分类算法*

针对活体指纹采集样本提出了一种新的基于细化图像的指纹分类算法,定义并通过采用脊线追踪算法成功提取了一种反映指纹纹线变化特点和规律的新参量,即宏观弧线特征向量。利用这一新特征对FVC2004库中的指纹进行分类,准确率达98.9%以上,并且对低质量指纹图像具有良好的鲁棒性,消除了传统指纹分类算法过分依赖奇异点的缺陷,具有很强的实用性和一定的推广价值。     

一种改进的指纹分类方法

提供一种改进的指纹分类算法，该算法不仅利用了脊的方向信息而且还利用了脊的结构信息和指纹图像中的奇异点，提高了分类的准确度。在此将指纹分为5类：涡型、右旋型、左旋型，弓型，弧型。实验表明这种算法精确度高，结果可靠。     

基于改进PCNN的指纹图像细化算法

针对基于模板脉冲耦合神经网络(PCNN)指纹图像细化算法细化时间长、纹线断裂、细化不彻底等问题,通过增加4个细化模板,重新构造方形模板及改变细化过程,提出一种基于改进PCNN的指纹图像细化算法。实验结果表明,该算法能够较好地满足细化要求,细化彻底、速度快且纹线光滑无毛刺,能够应用于其他二值图像。     

基于二值图像中心点的指纹分类算法*

指纹的自动分类对于提高检出速度和识别率有重要的意义。有效地利用指纹的纹理结构和纹理方向等固有信息,可以提高指纹的分类类别。基于二值指纹图像进行分类不完全依赖中心点定位的准确性,避免了利用三角点的干扰信息,应用脊线追踪算法进行指纹分类,赋予了中心脊线方向连续的变化,可以将指纹自动分类算法提高到34类。     

一种基于融合隶属度的指纹分类方法

为了提高指纹识别的速度和准确率,特别是在指纹数据库规模不断增大的情况下,指纹分类显得尤为重要。提出一种基于融合隶属度的分类方法,将指纹分为五类：斗型、弓型、帐弓型、左旋和右旋型。该方法充分利用指纹纹理信息,并进行分块统计,加权融合隶属度,突显出能区分指纹类别区域,提高了分类的准确率。实验证明该方法有良好的分类性能。     

基于结构的指纹分类技术

指纹分类技术是指纹数据库的一个重要的索引机制。提出了一种基于指纹方向图的结构分类算法。通过图像分割,抽取图像的有用部分,而后基于指纹方向图,寻找指纹奇异点,利用脊线跟踪技术和规则确定指纹的类别。     

基于纹线跟踪的指纹分类方法

在深入研究现有指纹分类算法的基础上,提出了一种基于纹线跟踪的新颖指纹分类方法。不同于以往利用core点和delta点进行分类,该算法结合纹线跟踪的思想,在模式区进行纹线跟踪,得到模式区的跟踪曲线,然后再根据曲线参数进行分类,取得了较好的效果。     

基于拓扑学及指纹分类的指纹匹配算法

随着计算机和网络的迅速发展,基于生物特征识别的智能身份认证技术正受到越来越多的关注。由于指纹识别技术是生物识别领域技术中最成熟的一门应用技术,使得指纹识别成为目前应用最广泛、可信度最高的个人身份认证技术之一。文中依据指纹图像中细节特征点之间的关联性给出了一种指纹识别算法。该算法首先基于指纹分类学的思想,利用中心点和三角点的数量信息对待识指纹图像进行初匹配,然后基于拓扑学思想用可靠性较高的分叉点方向场及其与中心点的方向场差寻找出基准点对,最后利用可变限界盒实现指纹匹配。实验中,该算法使匹配速度提高了40％,误识率和拒识率略有下降,约0．5％。实验结果表明,该算法能快速、准确地定位基准点对,有效地解决提取基准点时的噪声影响,正确有效地实现指纹匹配,同时提高匹配速度及精确度。     

基于海量指纹数据库检索方法的研究

当前随着对生物识别技术需求的快速增长以及对实时性要求的提高,非常有必要寻找有效的技术来搜索和查询海量指纹等生物特征数据库.随着数据库大小的增加,不仅反应时间不理想,而且准确率也随之下降,对于大型数据应用实质上可以通过分割数据库为更小的块不仅能保证速度,而且帮助提高准确率.本文将根据指纹数据库自身的特点,提出一种有效的检索海量数据库的方法.使用金字塔技术和指纹分类特征等结合的方式,减少检索数据空间并集成多级匹配检索,取得不错的效果.     

二特征向量指纹连续分类方法研究

对使用平均脊线宽度和方向场做特征向量的连续分类方法进行研究,在复平面内计算特征分类距离并选取合适阚值,能够将指纹数据库模板缩小到较为理想的待匹配子集中.该方法克服传统分类方式速度难以提升的问题,与传统分类方法具有较高的互补性.     

基于隐马尔可夫模型的指纹分类研究

指纹分类是针对大型指纹库的一个重要的索引方式，可以有效地提高指纹匹配的效率．指纹类型的不同表现为指纹纹理结构的差异，而指纹的方向场则可以有效地描述纹理结构的差异．同一类型指纹不同区域上方向角结构的差异以及相邻区域间方向角结构的联系可以视作一个马尔可夫随机场．本文利用嵌入式隐马尔可夫模型对指纹方向场进行建模分析，通过合理地抽取指纹的类型特征，构造观察向量、进行建模训练，然后利用训练好的马尔可夫模型进行匹配，最终提出并实现了一种新的鲁棒性强且精度较高的指纹分类方法．     

基于宏观曲率的指纹特征提取和分类

特征提取是在自动指纹识别系统中重要的一步。为了有效地利用大量的指纹弯曲信息对指纹进行描述，提出了一种新算法。该算法通过综合邻近几条指纹脊线的信息，求出了一种能反映指纹宏观弯曲规律，并对单条指纹曲线的不规则不敏感的特征。随后提出了一种基于这些特征的指纹分类方法，实验结果表明，该算法提取出的特征清楚的描述了 纹脊线的弯曲规律，同时对噪声不敏感，可作为指纹识别的辅助特征。新的分类方法可以减少指纹匹配的搜索空间。     

使用局部纹线距离进行指纹分类

为了提高指纹识别的速度和准确率,特别是在指纹数据库不断增大的情况下,指纹分类显得尤为重要。提出了一种使用局部纹线距离进行指纹分类的方法。该方法首先以指纹的参考点为中心提取一个区域,然后计算该区域的局部纹线距离,最后按照局部纹线距离对指纹库中的指纹进行分类。在FVC2006指纹库上对该方法进行了实验,系统穿透系数为0．1063,有效地提高了指纹的检索速度。     

一种基于细节点局部描述子的指纹图像匹配方法

非线性形变现象在指纹图像中十分普遍,严重地制约了指纹识别系统的识别性能。为了克服指纹图像中的全局非线性形变,本文提出了指纹图像匹配"整体对齐,局部匹配;粗糙对齐,精确匹配"的原则。在此基础上,本文设计了一种细节点局部邻域描述子,利用该描述子对齐指纹图像,研究了基于该描述子的指纹图像相似度计算方法。基于FVC2000 DB2、FVC2002 DB1和FVC2004 DB2的一系列实验结果表明,本文提出的算法性能优于同类算法,能够有效抑制非线性形变对指纹图像匹配的影响。     

基于独立分量分析的二级指纹分类算法

针对传统指纹分类算法分类不均衡的缺陷,提出一种基于独立分量分析的二级指纹分类算法。从高阶统计相关性角度出发提取一组特征指纹图像,以该组图像为基,利用该组图像构成的特征空间将指纹图像线性表出,结合系数向量和Henry分类模式将指纹库细分为11个子类,建立二级索引。应用结果表明,该算法可节省运算时间,降低复杂度。     

基于遗传算法指纹分类在保管系统中的应用

研究指纹的自动分类问题对解决大容量指纹库的匹配实时性有着重要的意义。为了优化基于指纹识别的银行保管箱系统,提高其对指纹图像的识别速度,文中引进了遗传算法指纹分类对指纹图像进行粗匹配。该方法通过利用复制、交叉和变异操作,对群体中的个体进行优化与筛选。介绍了基于遗传算法的指纹分类在银行保管箱系统中的应用,基于遗传算法的指纹分类法克服了一般排他性分类法所固有的对某些指纹图像无法识别的缺陷,同时提高了整个系统的效率。     

一种结合方向信息的指纹图像二值化算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分.为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法.与自适应阈值法做了对比实验,实验结果表明,该算法具有更好的二值化效果.算法本身还具有一定的连接指纹图像中断线的能力,这对提高细节特征提取结果的准确性具有重要的意义.