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。     

一种新的指纹奇异点区增强算法

提出了一种两步增强指纹奇异点区的新方法。使用基于瑞利函数的滤波器对奇异点区进行带通滤波,使用间隔22.5˚的8方向加博滤波器组对该区域进行增强,在获得的8幅滤波图像上,通过计算质量指标,得到对应于16个方向子区的16幅最优子区图像,合成这些子区图像,得到最终的奇异点区增强结果。实验结果表明该方法有效增强了指纹的奇异点区。     

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。     

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.     

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。     

一种基于奇异点的指纹校准方法

提出一种新的指纹图像校准算法.通过多分辨率的方法对指纹奇异点进行定位,既保证奇异点位置的精确性,也减少运算时间.通过分析指纹图像的方向场,核心方向被精确而快速地计算出来.在这两者的基础上基准点得到有效确定,然后根据基准点的位置和方向对现场指纹和数据库中指纹进行校准.与通常所用的点模式校准算法相比,本文提出的算法在复杂度上有所降低,而且受图像质量的影响较小.初步实验结果表明本文方法的有效性.在指纹图像质量较好时,本文方法在实现效率上有一定优势.     

一种基于信息融合的指纹奇异点提取及纹型分类算法

准确可靠地实现纹型分类对提高大容量指纹库中的检索和匹配效率具有重要意义。提出一种基于信息融合的指纹奇异点提取与纹型分类算法。首先,分别给出一种基于奇异点区域方向场信息和奇异区复数滤波场信息的改进的奇异点提取算法,并将两者融合以完整提取奇异点;再利用所提取奇异点邻域的Gaussian-Hermite矩的分布属性剔除伪奇异点;最后,利用奇异点的数目和位置关系及中心点的主方向将指纹分为常见的六种纹型,对缺少三角点的指纹,使用脊线跟踪算法进行分类。实验表明,该方法新颖有效,具有较高的准确性和鲁棒性。     

基于复数滤波的指纹奇异点提取方法

在身份识别中,指纹具有唯一性,人的指纹包含大量信息,识别指纹图像很重要.针对指纹图像奇异点中准确判断和精确定位的难题,提出了一种改进的指纹奇异点提取方法.首先,对指纹平方复数点方向场进行多尺度滤波,在平滑噪声的同时,保留奇异区方向的细节信息.对方向场进行复数滤波,并运用启发式规则增强复数滤波的响应幅度,通过分析响应的幅度检测奇异点的位置,由响应的相位确定方向.在FVC 2000上进行实验.结果表明,上述方法可精确提取指纹图像中各奇异点的位置及其方向信息,证明优于与其它方法,结果具有较好的鲁棒性.     

基于短时傅里叶变换的音频变速算法及其DSP实现

介绍了一种基于短时傅里叶变换的音频变速方法,并在DSP平台上对其进行优化,提高了运算速度.仿真测试结果表明,该方法可达到良好的音频变速效果.     

指纹图像奇异点提取算法的研究与实现

指纹图像特征点提取的数量与准确度直接影响到指纹特征匹配效率,在分析指纹图像特征的基础上,提出了基于方向场均值的Poincare索引算法,阐述了算法的基本模型、表示方法与具体实现过程。经实验证明,采用该算法能快速、准确地提取指纹图像的奇异点,对各种图像具有较好的适应性。     

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。     

基于奇异点邻近结构的快速指纹识别

将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构.该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别.在NIST和FVC2004数据库上的测试结果显示,该算法在保证自动指纹识别系统(automatic fingerprint identification system,简称AFIS)的识别准确性的同时,还使得指纹在线识别系统的1:N辨识速度有显著的提高.     

一种基于小波变换的指纹特征提取算法

提出了一种基于小波变换的指纹纹理特征提取算法。首先以指纹图像的核心点为中心分割出一片有效的矩形区域,然后对分割后的有效区域做二维小波分解,提取小波分解后各通道的能量值作为特征值来进行识别。与传统的基于指纹细节点的识别算法相比该算法一定程度上减少了计算量,对指纹图像的质量要求也不高,并且识别精度也得到了保证。     

基于Contourlet变换的指纹图像增强

提出通过变换域进行指纹图像增强,对指纹图像进行多尺度多方向的Contourlet变换,通过估计噪声方差水平,对Contourlet变换域系数进行处理,保护边缘特征系数,抑制噪声系数,反变换重建达到去除噪声、增强图像的目的。实验结果表明算法效果良好。     

基于流场与劳伦级数的指纹奇异点检测算法

提出一种基于流场与劳伦级数的指纹奇异点检测算法.运用指纹标量场的梯度信息得到指纹流场,在指纹流场与劳伦多项式之间互相关性的基础上,采用多尺度复数滤波的互相关性能量检测指纹奇异点.在SPD2010指纹数据库上进行实验研究,结果验证该算法能够实现指纹流场中奇异点的旋转不变性检测,检测效果优于SPD2010中的最优算法.     

基于时频分析的指纹增强算法研究

指纹增强是自动指纹识别系统中的一个重要环节,良好的增强算法能够提高细节特征提取的准确率,从而提高整个指纹识别系统的鲁棒性。研究局部指纹图像的频谱特性,采用一种时频分析方法和一种新的基于概率统计学估计的方法求指纹的方向和频率。并提出一种鲁棒的方向和频率校正算法,构造一种带宽自适应的滤波器进行滤波。实验结果表明,该算法对指纹图像有显著增强效果,有助于指纹细节特征的提取。     

一种基于基准点的指纹匹配算法

在图像中心区域为若干细节点分别构造局部结构,根据这些结构的匹配结果实现了基准点的精确定位。在指纹匹配阶段引入一个新的属性,即细节点到基准点之间的纹线切割数目,该属性对指纹的平移和旋转以及非线性形变具有不变性。指纹匹配时对该属性进行比较,排除明显不匹配的细节点,根据可变大小界限盒的方法对细节点进一步匹配。实验结果表明,该算法效率比原有算法提高了10%～20%,且实现了较高的匹配精度。