指纹图像分割算法的研究

指纹图像分割作为指纹识别的重要部分,是正确进行指纹识别的的基础,只有选择合适的指纹分割方法,有效地分离出指纹图像的前景和背景两部分,才能进行后续的处理,才能对指纹进行有效的识别;否则由于背景区域对前景区域影响会增加许多虚假特征,影响最终匹配,不能有效地对指纹进行识别;在指纹图像分割方面,分析了指纹的方差和方向一致性问题,设计了一种具有光滑轮廓线的指纹分割算法,仿真结果表明,该算法能够从指纹背景中准确提取指纹图像,并且能够除去边缘非正常中断端点,保证有效指纹区得到完整保留。     

模糊几何和纹理特征在指纹细节点后处理中的应用

指纹识别一般基于指纹细节点匹配,当指纹图像质量较差时,细节点的可靠提取十分困难,通常会产生大量的虚假细节点．为提高细节点的精度,给出一种在原始灰度指纹图像上进行细节点后处理验证的方法．在每个自动提取出的细节点上取其在原始灰度指纹图像上的局部邻域,分析邻域图像的模糊几何特征和纹理特征,然后用MLP神经网络对提取出的局部邻域特征进行分类,实现细节点类型验证．实验结果表明：文中方法能有效地去除大量的虚假细节点,与其他方法相比具有较高精度．     

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。     

指纹分割的块图像梯度因子聚类法

指纹识别系统的可靠性是以准确提取细节特征为前提,而现有的指纹分割方法并不能充分利用图像所携带的信息.通过引入块图像梯度因子和条件概率事件模型,实现了对指纹有效区域的提取.     

蚁群算法在指纹增强中的应用

自动的指纹识别系统是基于生物特征的身份识别技术的重要组成部分。指纹增强技术可以有效地加强指纹的脊线特征,为指纹细节的提取和匹配奠定可靠的基础。依据蚁群算法的聚类特性,提出了一种基于蚁群算法的指纹增强方法,提高了指纹图像的质量。     

模糊决策在指纹识别算法中的应用

讨论了指纹图像的前处理及细节特征提取，建立了五维特征向量。给出了模糊决策用于指纹识别的具体算法与过程，进行了相应实验。结果表明，本文算法对指纹信息完整性有良好的宽容性。识别准确性高，响应速度快，有很好的应用前景。     

灰度共生矩阵在指纹图像分割中的应用

指纹图像分割是自动指纹识别系统的关键步骤之一.通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系,提出了一种基于灰度共生矩阵的指纹图像分割算法.该算法先将指纹图像分割成矩形块,得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度,然后将其对比度方差与预设阈值进行比较,完成前景或背景区的快速判断.分析和实验表明,该算法分割指纹效果较好,并且对不同的采集环境和图像质量都体现出较强的健壮性.     

基于Haar小波变换的快速指纹识别算法

指纹中不同的空间频率和纹理方向代表了指纹图像的内在特征。为了提取这些特征,提出了基于Haar小波变换的快速指纹识别算法。该算法在提取指纹特征有效区域的基础上,直接对指纹灰度图像进行Haar小波变换以获取指纹特征向量。与传统的基于指纹细节特征的识别算法相比大大减少了计算量。另外,还将指纹识别算法移植到嵌入式安全领域。在基于Arm7处理器(主频100MHz)架构的嵌入式平台上,对FVC2000标准指纹数据库进行了实验,得到了很好的FAR,FRR关系图,并且整个识别过程耗时在1 s左右。实验结果表明,本文算法在快速指纹识别方面是成功的。     

一种实用的自动指纹识别完整算法

本文设计并实现了一套完整的指纹图像自动识别算法,该算法首先对指纹图像进行增强包括归一化,分割指纹图像,区分有效区域和无效区域,计算方向图、用方向滤波的方法对指纹图像进行滤波、接着用动态阈值法二值化经过滤波增强的指纹图像,并对二值化图像进行细化及细化后处理,然后提取细化后图像的特征数据,最后将提取的特征数据进行匹配。实验表明该算法运行时间短,识别效率较高,是一种实用的自动指纹识别算法。     

基于指纹方向流模式特性的分割方法

研究指纹图像,提取清晰图像处理过程,采集到的原始指纹图像,进行指纹特征提取.由于提取指纹是有方向性的,所谓分割算法就是将可用的指纹区域从背景噪声中提取出来.再采用方差法和方向图法处理基础上,提出了一种新的基于指纹方向流模式特性的SMDF分割方法.方法先将采集到的图像进行归一化,再对每个指纹图像块分别求取平行于块方向和垂直于块方向的灰度变化,选择作为前景块还是背景块的判断依据.实验研究表明,可以较为准确、完整地分割出指纹前景区,同时保留通过后续处理可以恢复的模糊区,还可以节省预处理的时间,也保证了精度,具有较强的可行性.     

指纹自动识别中图像分割算法研究

为了可靠、准确地实现指纹的自动识别,提出了一种简便、可行的指纹图像的分割算法。通过合理地运用指纹图像的灰度特性,以较低的计算代价有效地解决了指纹图像的分割问题,从而使算法的处理效果好、运行速度快。实验表明,这种分割算法对于指纹图像的预处理十分有效。     

基于粒子群算法与方向图法的指纹图像分割

指纹识别作为生物识别技术最为成功的应用之一,近年来已得到快速发展和普及．而指纹图像分割技术是指纹处理特征点提取的基础,同时也是高效识别指纹的关键,直接影响整个指纹识别系统的性能．本文在对相关的指纹图像分割方法分析的基础上,利用粒子群算法的阈值分割方法和方向图的指纹图像分割技术的优点,进一步研究并提出了一个混合分割方法．实验结果表明,这两种方法的结合运用可以获得良好指纹图像分割效果．     

Patch-based Segmentation of Latent Fingerprint Images Using Convolutional Neural Network

Latent fingerprint segmentation involves marking out all the foreground regions accurately in a latent fingerprint image, but due to poor quality images and complex background, segmentation of latent fingerprint images is one of the most difficult tasks in automatic latent fingerprint recognition systems. In this article, we propose a patch-based technique for segmentation of latent fingerprint images, which uses Convolutional Neural Network (CNN) to classify patches. CNN has recently shown impressive performance in the field of pattern recognition, classification, and object detection, which inspired us to use CNN for this complex task. We trained the CNN model using SGD to classify image patches into fingerprint and non-fingerprint classes followed by proposed false patch removal technique, which uses “majority of neighbors” to remove the isolated and miss-classified patches. Finally, based on the final class of patches, an ROI is constructed to mark out the foreground from the background of latent fingerprint images. We tested our model on IIIT-D latent fingerprint database and the experimental results show improvements in the overall accuracy compared to existing methods.     

PCNN在指纹图像分割中的应用

提出了采用新型的有生物学依据的人工神经网络-脉冲耦合神经网络（PCNN桺ulse Coupled Neural Network）来实现指纹图像分割的方法,选取低灰度值背景、高灰度值背景指纹图像以及带阴影的指纹图像进行分割实验,有效的实现了指纹图像有效区和背景区的分离,并与传统的标准差阈值跟踪法进行了比较,试验表明这种方法具有更好的效果。     

基于灰度均衡的指纹图像分割算法

针对MBF200芯片指纹采集器采集的指纹图像的特点,提出了一种新的指纹图像分割方法。该方法简单实用,能快速而有效的分割指纹图像,符合指纹识别系统的实时性要求。首先对指纹图像进行灰度均衡处理,然后根据图像的灰度特征对指纹图像进行分块分割,最后应用数学形态学修复指纹图像的前景边缘。使用该方法对研究室自行设计的MBF200半导体指纹采集器采集到的指纹图像,进行大量的测试。实验结果表明,该方法对这种类型的指纹图像分割是有效的。     

改进的指纹图像自适应分割方法

指纹分割是指纹图像预处理中的重要一步。对传统的指纹分割算法分析比较,并且在基于灰度方差的指纹分割算法的基础上,利用指纹图像区域脊线和谷线间隔均匀出现的纹理特征提出一种自适应指纹图像分割算法,避免了凭经验确定阈值的问题。实验结果表明,相比于基于灰度方差的指纹图像分割算法,该算法的分割效果更好,对噪声的抵抗能力更强,且对不同类型的指纹图像有较高的适应性。     

指纹图像复合分割算法研究

良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。文章在分析了传统指纹分割方法优缺点后,改进了传统方向图计算方法,然后提出了一种基于方向图法、方差法和跑长码目标标记法的复合分割方法,通过实验证明,这种方法能够有效解决传统方法的一些缺点,并对不同类型指纹图像有较高的适应性。     

基于纹理分析的指纹图像分割算法

低质量指纹图像处理是近年来自动指纹识别技术的研究重点,对低质量指纹图像的分割是实现后续处理的前提。文中在分析了方差作为分割指标的局限性基础上,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于纹理的指纹图像分割算法。实验结果表明,相比于基于灰度方差的指纹图像分割算法,文中算法的分割效果更好,对噪声的抵抗能力更强。     

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。