无方向的三角形匹配指纹识别

目的 指纹匹配是自动指纹识别系统研究的核心内容之一,匹配算法的好坏直接影响识别系统的效能。目前,大多数点模式匹配算法都依赖于指纹方向场的求取,由于输入的指纹图像存在平移、旋转和尺度变化,因此同一个手指在不同时间获得的指纹图像的方向场是不同的,这不仅增加了计算量,也影响了指纹识别的精度。针对上述问题,提出了无方向的三角形匹配算法。方法 提出的三角形匹配算法是以平面中任意点与一个确定的三角形之间的位置结构稳定性为理论基础的。首先,分别在待识指纹图像和模板指纹图像中确定基准三角形;其次,将各个特征点与基准三角形三个顶点的距离组成有序三数组;最后,利用数组的相等程度对指纹相似度进行匹配判断。结果 采用国际标准测试库FVC2004进行综合性能比对实验,实验结果表明,与其他几种匹配算法相比,本文方法在识别精度上提高了27.97%~33.81%,在比对时间上降低了3%~5%,在不同旋转角度下误匹配率平均降低了约86.63%,对噪声、平移、旋转和形变有足够的适应能力,具有较高的容错能力和鲁棒性。结论 无方向的三角形匹配算法是一种全局模式的算法,该算法不受指纹图像方向及其位置的影响,实现过程简单,识别精度高,平均比对时间少,适用于处理不同类型的图像数据。     

一种新的指纹图像分割算法

指纹图像分割是自动指纹识别的重要步骤。对指纹特征和传统指纹分割方法进行了研究,提出了一种新的指纹图像分割算法。先对指纹图像进行裁剪,如果指纹图像对比度较低,则对图像进行均衡化处理;然后对图像进行顶帽变换,补偿不均匀的背景亮度;最后用迭代自组织分析算法(ISODATA聚类)对图像进行分块分割和形态学图像处理。对国际指纹识别竞赛(FVC)数据库不同质量的指纹进行了测试,实验结果表明,此算法对不同质量的指纹是有效的,效果好于传统指纹分割方法。     

Fingerprint minutiae matching algorithm for real time system

Many fingerprint matching algorithms have been reported in articles in recent years. And people did fingerprint images matching through minutiae matching in most of the algorithms. In this paper, we proposed a new fingerprint minutiae matching algorithm, which is fast, accurate and suitable for the real time fingerprint identification system. In this algorithm we used the core point to determine the reference point and used a round bounding box for matching. Experiments done on a set of fingerprint images captured with a scanner showed that our algorithm is faster and more accurate than Xiping Luo's algorithm.     

On fingerprint pattern recognition

Stochastic languages have been used for fingerprint classification⁽²⁾. In this note we observe that it is not possible to classify the fingerprint patterns in the absence of accurate registration of the fingerprint.Use of features like downward fork, upward fork, end, etc. have been suggested⁽⁴⁾ for fingerprint classification. It is noted that some of the results are either incorrect or incomplete. Limitations of the various algorithms are presented.     

Efficient fingerprint matching algorithm for Integrated Circuit Cards

Fingerprint matching is a crucial step in fingerprint identification. Recently, a variety of algorithms for this issue have been developed. Each of them is application situation specific and has its advantages and disadvantages. It is highly desired to develop an efficient fingerprint verification technology for Integrated Circuit (IC) Cards or chips. IC cards have some special characteristics, such as very small storage space and slow processing speed, which hinder the use of most fingerprint matching algorithms in such situations. In order to solve this problem, the paper presents an improved minutia-pattern (minutiae-based) matching algorithm by employing the orientation field of the fingerprint as a new feature. Our algorithm not only inherits the advantages of the general minutia-pattern matching algorithms, but also overcomes their disadvantages. Experimental results show that the proposed algorithm can greatly improve the performance of fingerprint matching in both accuracy and efficiency, and it is very suitable for applications in IC cards.     

指纹图像预处理技术的研究

通过对常用算法改进的基础上,实现了一套完整的指纹预处理算法,包括平滑、滤波、二值化和细化,有效的利用了指纹的方向特性,很好的增强了指纹图像,保护了细节特征,为可靠、准确的实现指纹识别提供了一种可行的方法。     

指纹识别算法研究平台的设计与开发

设计和开发指纹识别算法研究平台,对指纹识别算法的研究具有重要意义.利用MVC设计模式、工作流思想和插件软件开发思想,设计和开发了一个指纹识别算法研究辅助平台.该平台根据工作流思想将算法体系抽象成算法链路模型,使指纹识别算法同平台之间松耦合,因此新算法容易集成到平台中.在实现上,该平台使用了插件技术,所有算法都是在平台运行时动态加栽,因此算法链路中的算法模块容易被替换.平台采用MVC设计模式将算法链路同平台操作和结果视图紧耦合,使不同的算法研究工作者面对的是统一的界面和操作流程.     

改进的指纹图像预处理在指纹识别中的应用

指纹图像的预处理在计算机指纹自动识别系统(AFIS)中有着非常重要的作用,直接制约着系统的识别率和识别速度.在总结现有常用预处理算法的基础上,结合指纹图像的特点,通过实验提出并实现了一些改进的预处理算法,即先计算出指纹的脊线方向,然后将脊线方向应用到预处理的各个算法中.结果表明,基于脊线方向的预处理算法能明显改善指纹图像的处理效果,可以很好的提高指纹图像的质量,在同样的特征提取算法和匹配条件下,改进的预处理方法的识别率高于传统方法.     

基于中心点的指纹细节结构匹配算法

指纹细节匹配算法是自动指纹识别系统(AFIS)中一项关键的任务,目前存在大量的研 究和算法.依据算法是否依赖中心点,指纹细节点匹配算法可以分为两类:基于中心点的匹配算 法和非中心点匹配算法.大多数非中心点匹配算法都非常耗时,因此不适合在线应用.而基于中 心点方法的效率相对较高,但是这类算法极度依赖于中心点的定位精度.在本文中,提出了一种 全新的基于中心点的指纹细节结构匹配算法,该算法综合了基于中心点匹配算法和非中心点匹 配算法的优点,同时又避免了二者的缺点.首先利用中心点检测算法获得中心点的位置,然后在 中心区域定义了一些局部的结构,同时利用这些局部结构寻找指纹细节的对应点,并通过对应点 和中心点的相对关系来确认这些对应细节点.其次利用这些细节对应点匹配全局的细节信息,最 后,利用匹配细节的全局距离和距离方差来判决最终匹配结果.实验结果表明,算法的匹配效果 非常好,同时匹配效率较高,非常适合在线指纹识别系统的应用.     

Two-stage quality adaptive fingerprint image enhancement using Fuzzy C-means clustering based fingerprint quality analysis

Fingerprint recognition techniques are dependent on the quality of fingerprint images. An efficient enhancement algorithm improves the performance of recognition algorithms for poor quality images. Performance improvement of the recognition algorithms will be more if the enhancement process is adaptive to the fingerprint qualities (wet, dry or normal). In this paper, a quality adaptive fingerprint enhancement algorithm is proposed. The proposed fingerprint quality assessment (FQA) algorithm assigns the appropriate quality class of dry, wet, normal dry, normal wet, and good quality using Fuzzy C-means clustering technique to each fingerprint image. It considers seven features namely, mean, moisture, variance, uniformity, contrast, ridge valley area uniformity (RVAU), and ridge valley uniformity (RVU) to cluster the fingerprint images into suitable quality class. Fingerprint images of each quality class undergo through a two-stage fingerprint quality enhancement (FQE) process. In the first stage, a quality adaptive preprocessing (QAP) method is used to preprocess the fingerprint images. Next, fingerprint images are enhanced with Gabor, short-term Fourier transform (STFT), and oriented diffusion filtering (ODF) based enhancement techniques in the second stage. Experimental evaluations are performed on a quality driven database of FVC 2004. Results show that the performance improvement of 1.54% to 50.62% for NBIS matcher and 1.66% to 8.95% for VeriFinger matcher are achieved while the QAP based approaches are used in comparison to the current state-of-the-art enhancement techniques. In addition, the experimentation is also performed on FVC 2002 database to validate the robustness and efficacy of the proposed method.     

Winnowing指纹串匹配的重复数据删除算法

针对可变长度分块（CDC）的重复数据删除算法的分块大小难以控制、指纹计算对比开销大、需要预先设置参数问题,提出Winnowing指纹串匹配的重复数据删除算法（DWFM）。首先,在数据分块前引入分块大小预测模型,较准确地根据应用场景计算出合适的分块大小;然后,在计算指纹时采用ASCⅡ/Unicode编码方式作为数据块指纹;最后,在确定分块边界时,提出指纹串匹配的分块算法,不需要预先设置参数,使得指纹计算和对比开销减少。在多种数据集上的实验结果表明,相比固定长度分块（FSP）和CDC算法,DWFM在数据的重删率上提升10%左右,在指纹计算和对比开销方面减少了18%左右。因此,DWFM的分块大小和边界更加符合数据特性,减少了参数设置对重复数据删除算法性能的影响,在处理不同类型的数据时,可以有效地消除更多的重复数据。     

基于Gaussian-Hermite矩的指纹奇异点定位

在指纹分类和识别算法中,提取的奇异点(core点和delta点)数目和奇异点的准确位置是非常重要的.介绍了一种基于Gaussian-Hermite矩分布属性的自适应指纹奇异点定位方法,为了准确地确定奇异点,用到了指纹图像在多种尺度下的不同阶Gaussian-Hermite矩分布,并用一种基于主分量分析(principal component analysis,简称PCA)的方法分析指纹图像的Gaussian-Hermite矩分布.实验结果表明,该算法能够准确地确定奇异点位置.     

基于卷积神经网络的室内指纹定位算法

随着无线网络和智能设备的普及,室内定位得到了迅速发展.在室内定位中,基于指纹的定位方法因为无需外部设施、抗干扰性强等优点逐渐成为研究热点.近几年深度学习的发展为提高指纹定位算法的精度带来了新的机遇.因此提出了一种基于CNN的指纹定位算法,使用卷积神经网络（convolutional neural network,简称CNN）来改进指纹库的构建.首先,在收集了CSI与磁场数据后,通过CNN对这些数据进行处理,将每个参考点处的CNN模型参数值用作为指纹.然后使用一种概率方法来进行最后的指纹匹配.实验结果表明,该定位算法比传统的指纹定位算法具有更好的鲁棒性和更高的定位精度.     

指纹图像预处理和特征提取算法的Matlab实现

在指纹识别中,作为指纹匹配的前提和基础,指纹图像的预处理和指纹图像的特征提取对整个指纹识别算法起着至关重要的作用。本文设计了一套指纹图像预处理和指纹特征提取算法,利用方向滤波的方法对原始图像进行增强,使用改进的细化算法进行细化,最后基于脊线跟踪的方法,用改进的算法更为简洁而有效地避免了各种伪特征。设计的算法经Matlab实现,实验效果良好。该算法为指纹识别进一步应用到实际提供了一定的技术基础。     

基于Matlab实现的指纹图像预处理算法

指纹图像预处理是指纹识别的前提,它的好坏直接影响到指纹识别的成败,在前人的基础上提出了一套基于Matlab实现的指纹图像预处理算法.文中给出了用Matlab对每个指纹图像处理功能模块的算法实现、改进方法及处理结果,主要包括去边缘背景,块方向图求取,增强和二值化的合并,细化.用Matlab实现的这种方法,既能分步对指纹图像预处理算法进行仿真测试,又可以很直观地看到图像处理算法的效果,有效配合了算法的研究.实验证明,用Matlab实现的算法的处理结果比较理想,满足识别的应用性.     

基于扇区划分的细节点采样指纹匹配算法

在对指纹匹配算法进行了深入研究及总结现有算法优缺点的基础上,提出了新的基于扇区划分的细节点采样指纹匹配算法。本算法以指纹图像参考点为中心,分扇区对细节点数目进行采样统计以构造新的指纹特征向量,再利用距离最小准则进行指纹匹配。实验结果表明,本算法有效提高了指纹图像的匹配效果和运行速度。     

一个自动指纹识别算法的研究与实现

针对指纹识别中的指纹采集和预处理这两个关键问题,设计并实现了USB电容式指纹采集仪,保证了指纹图像采集的高质量。并在此基础上提出了一套完整的指纹预处理算法,包括平滑、滤波、二值化和细化,有效的利用了指纹的方向特性,很好的增强了指纹图像,保护了细节特征,为可靠、准确的实现指纹识别提供了一种可行的方法。     

一个自动指纹识别算法的研究与实现

针对指纹识别中的指纹采集和预处理这两个关键问题，设计并实现了USB电容式指纹采集仪，保证了指纹图像采集的高质量。并在此基础上提出了一套完整的指纹预处理算法，包括平滑、滤波、二值化和细化，有效的利用了指纹的方向特性．很好的增强了指纹图像，保护了细节特征，为可靠、准确的实现指纹识别提供了一种可行的方法.     

一种基于矩阵补全的室内指纹定位算法

近年来室内定位技术引起了研究者的广泛关注,现有基于信号指纹的室内定位算法需要大量采集指纹数据,且在噪声干扰下易产生较大的定位误差。针对上述问题,提出了一种鲁棒的基于矩阵补全的室内指纹定位算法,其基于信号指纹矩阵的低秩特性,将噪声干扰下的指纹数据恢复问题建模为范数正则化矩阵补全问题;在此基础上引入L1范数和F范数以平滑野值噪声并提高算法的稳定性,最终通过交替方向乘子法和变量分裂技术进行有效求解。实验结果表明,该算法只需进行少量信号指纹数据采集即可较为完整地恢复出指纹库,在各种噪声场景下均能获得高于同类算法的定位精度。     

改进的主曲线算法在指纹骨架提取中的应用

在指纹识别系统中,指纹骨架的提取是一个重要而困难的环节,传统的细化算法得到的骨架很容易受到噪声的干扰。因此,在研究指纹数据特点和Kégl的主曲线算法的基础上,提出了一种改进的主曲线算法。实验结果表明：改进算法与传统算法相比有着更好的效率和效果,它所提取的指纹骨架包含更多的信息且具有更高的准确性、可靠性和抗噪声性。