一种有效的指纹奇异点提取方法

在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种有效的指纹奇异点提取方法。该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据已定位点的poincare index值确定奇异点类型。与目前占据绝对主流的poincare index方法在FVC2002指纹库上的对比实验表明:在准确性方面,两者各有优、缺点,该文方法的误检率明显低于后者,漏检率略高于后者;在简单实用性方面,该文算法的平均提取速度是后者的14.2倍,具有明显优势。     

一种基于多级分割的指纹奇异点检测新方法

针对指纹图像奇异点检测中奇异点精确定位和可靠判断的难题,提出了一种基于多级分块尺寸的指纹奇异点检测新方法。首先,对于一枚指纹图像,在不同的分块尺寸下分别采用平滑和不平滑的方法进行指纹方向场的估计。然后,根据估计的指纹方向场信息进行指纹奇异点检测。接着,利用不同情况下检测的指纹奇异点位置相互关联的特性,进行指纹奇异点的精确定位、可靠判断。最后,在具有2500枚指纹的NJU 2000指纹数据库上的实验结果验证了该方法的有效性。     

一种新的指纹奇异点快速检测方法

作为指纹最重要的全局特征之一,奇异点在基于模型的方向场计算、人工合成指纹、指纹分类、指纹特征匹配等方面发挥了非常重要的作用.在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种新的指纹奇异点快速检测方法.该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据奇异点处方向丰富度特性判断其类型.实验验证了文中算法的有效性.     

基于方向场特征的指纹图像奇异点检测

1　引言指纹是指端表面的纹路结构,由于具有不变性、唯一性以及易于采集的特性,指纹识别已经成为生物鉴定学的一个重要方面.指纹识别通常包括以下几个阶段:分割、图像增强、分类、细节提取以及匹配[1].在所有的处理过程中,一个有效的分类算法是至关重要的.奇异点数目的多少以及奇异点之间的相对位置关系,是指纹分类的重要依据之一.指纹的奇异点检测已经有很多种方法[2～4],这些方法要么不具有平移、旋转不变性,要么方法的精度和可靠性比较差.本文提出一种新的奇异点检测方法,利用指纹的方向场在奇异点附近的变化比较剧烈,而在其他地方的变化…     

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Pcincare 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。     

基于奇异点区域方向场的指纹检索

为提高大型指纹数据库中指纹识别的速度和准确性,必须对其进行有效分类和快速检索。提出了一种基于奇异点区域方向场的指纹检索方法。首先利用支持向量机对指纹图像进行分割,并对分割出的图像的方向场进行多尺度平滑,得到可靠的平方复数点方向场估计,再对其进行复数滤波,利用滤波响应幅度信息确定奇异区范围及奇异点的位置和方向;然后根据所得奇异点个数及相对位置对指纹进行初次分类,最后利用奇异点区域的方向场构成指纹的特征向量,并通过比对特征向量进行指纹检索。实验结果表明,本文方法较文献的方法有明显的优势,能有效缩小待匹配指纹的数量。     

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.     

尖拱型指纹图像中奇异点检测方法

指纹图像中的奇异点携带着重要的指纹特征信息,因为有些尖拱型指纹图像中的核心点和三角点相隔很近,以至计算出的Poincare Index值相互抵消,结果接近于0,Poincare Index方法就会将该指纹判为拱型指纹,针对这一问题,对Poincare Index方法进行改进,提出了一种新的奇异点或参考点检测与计算方法。实验结果表明,该方法能很好地解决这一局限性问题。     

一种新的全局指纹图像参考点检测算法

提出了一种全局指纹图像参考点检测算法,首先计算指纹的下曲率值,然后建立一个参考点检测模型,利用下曲率最大的优化方法确定参考点。还提出了一种估计参考点的算法,当参考点在图像的外面时,算法可以估计出参考点的位置。实验结果显示,算法不仅精度比传统的PI算法高,而且也比PI稳健,可以检测出拱形指纹的参考点,而PI算法则不能。     

二值指纹图像方向图算法

在指纹自动识别过程中,指纹的纹理特点决定了方向信息的重要性。图像的增强、二值化、分割、模式分类以及压缩等许多地方,都用到了方向信息。方向图是方向信息的表示方法,方向图的准确性决定了自动识别过程中各种算法的效果。本文在二值化处理的基础上,提出了一种不受背景干扰的指纹图像方向图算法,能够准确地反映了指纹模式区的纹理方向。实验证实我们的算法具有良好的鲁棒性,可用于二值化的后期处理。     

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。     

一种新的指纹图像模板细化方法*

OPTA方法是一个经典的指纹图像细化方法,针对OPTA的不足提出的改进OPTA方法能够得到完全细化的指纹图像,细化后图像纹线扭曲小。但是这两种模板细化方法均存在细化后图像容易产生毛刺的不足,究其原因是由于模板细化方向粗糙造成的。为此提出了16方向的细化模板,该模板以22.5°为角度单位对图像进行更细致的细化处理,得到的细化图像光滑几乎无毛刺,取得了更为理想的细化效果。     

一种用于指纹方向场估计的网格插值模型

指纹方向场的估计是指纹识别预处理算法中的重要环节,对算法识别效率起到关键作用。本文提出了一种网格插值模型,该模型以指纹奇异点为中心,将指纹平面做网格划分,利用插值算法建立了方向场与指纹奇异点之间的非线性关系。模型中利用了指纹的全局信息来调整网格点的值,使得它与传统的基于局部信息的方向场算法有本质的区别。在FVC2002 和FVC2004 指纹数据库上的实验结果表明,该模型比传统算法具有更高的准确性和鲁棒性,同时对于低质量的指纹图像,仍然能够给出很好的方向场估计。     

指纹图像质量预评价方法研究

指纹图像的质量直接影响着指纹识别系统的可靠性和正确性,如何有效的评估指纹图像的质量和排除低质量的指纹图像是一个比较难的问题。在灰度图像处理的研究基础上,给出了一套基于图像灰度和指纹纹理的指纹图像质量预评价方法。该方法充分考虑指纹识别系统的特点,设立关键参数,并把分步排除与综合评价相结合。该方法速度快、占用内存小,能很好的评估指纹图像的质量,提高系统的可靠性。     

基于投影信号谱分析的指纹纹线间距估计方法

准确估计指纹纹线间距对指纹图像分割、增强及指纹细节特征提取具有重要意义。针对现有纹线间距估计方法存在的不足,提出了一种基于纹线方向投影信号谱分析的指纹纹线间距估计方法。该方法首先对指纹块方向图进行选择性平滑以滤除噪声干扰,然后计算方向投影信号的傅立叶变换能量谱,并通过谱分析提取信号基频,以此估计出纹线间距。实验结果表明,与现有的一些典型方法相比,该文方法对于纹线间距的估计更为准确、可靠。     

改进的指纹图像方向图求取方法

为提高指纹图像方向图的准确性,提出了一种传统的指纹图像方向图求取算法－离散方向采样法的改进方法。该方法在原有采样模板的基础上,综合考虑中心像素点外的各层数据,给出了改进的采样模板。实验结果表明该方法比传统的离散方向采样法和灰度梯度法得到的指纹图像方向图更加准确。