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"主中心点"脊线跟踪的指纹分类算法

通过分析分割算法,结合区域跟踪算法和腐蚀膨胀算法,对基于方向场置信度的分割算法进行了改进;然后,结合一阶对称复数滤波,验证基于传统Poincarê指数法所提取得到奇异点的准确性;在此基础上提出了一种基于"主中心点"脊线跟踪的指纹分类方法,该方法根据"主中心点"附近的脊线信息以及奇异点的数目和相关位置来确定指纹纹型.     

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.     

基于支持向量机的图像分割

良好的指纹图像分割对于指纹奇异点及细节特征的可靠提取具有重要意义.本文提取指纹图像子块内梯度一致性、灰度均值及灰度方差构成特征向量,提出采用支持向量机对这些特征向量进行分类,根据训练得到的分类判决函数并结合形态学操作最终实现指纹前、背景分割.实验结果表明,本文方法在FVC2002指纹库上的平均分割错误率小于3.62%.     

一种改进的指纹纹线方向场的计算方法

本文提出了一种改进的指纹纹线方向场计算方法，其中重点分析了奇异点模型中旋转角度的估计方法，并在复数域内简化了纹线方向场的优化计算．实验结果显示该方法充分利用了指纹纹线方向在全局上的渐变性和在奇异点附近的独特性，可以有效降低指纹图像中局部噪声的影响，提高指纹纹线方向场的计算精度，改进指纹图像的增强效果．     

一种指纹图像奇异点检测的方法

准确、可靠地检测奇异点(core点和delta点),对指纹分类和指纹匹配具有重要的意义.针对低质量指纹图像奇异点检测中精确定位和可靠性判断的难题,提出了一种检测指纹奇异点的方法.首先,对于一幅指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确地确定奇异点的位置.然后,再在不同的分块尺寸下检测奇异点,并进一步判断上一步所检测到的奇异点的真伪.该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下检测的奇异点位置相互关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点.在部分典型低质量指纹图像上的实验结果验证了该方法的有效性,对低质量指纹图像具有良好的鲁棒性.     

改进的结构化指纹分类算法

在深入研究现有指纹分类算法的基础上,提出了一种基于结构的指纹分类算法。利用指纹图像的方向场信息,用Poincare索引值检测出方向场中不连续的点——奇异点,根据奇异点的数目和相互位置关系以及指纹脊线的结构特征确定指纹的基本类型。该算法为匹配算法提供指纹类型信息,可极大地提高算法的匹配速度和匹配精度,具有较好的使用意义。     

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。     

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。     

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。     

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。     

一种鲁棒的指纹奇异点检测方法

提出一种两阶段的奇异点检测方法。将指纹图像分块,求出各块的方向构成块方向图,并在块方向图的基础上利用邻域方向的分布分析结合改进的Poincare Index方法来确定奇异点所在的候选区域,对候选区域中的像素再通过计算局部方向变化率来确定奇异点的精确位置。将此方法用于对FVC2004 DB1_A指纹数据库的图像,实验结果表明这种方法对指纹图像中的噪声有很好的鲁棒性,并且计算简单快速,易于实现。     

基于小波分析的指纹图像模糊边缘识别算法

为了平衡指纹图像识别方法的识别效果与抗噪性能,研究基于小波分析的指纹图像模糊边缘识别算法,提升指纹图像模糊边缘识别的正确率和抗噪性能.采用小波变换增强指纹图像,提高图像质量.并将图像方向场矩阵中被标记次数最多处视为图像中心点位置,以此为中心切割指纹图像,提取指纹有效区域.采用3阶Haar小波分解,提取有效区域内指纹图像边缘特征向量,将其作为概率神经网络(PNN)的输入.通过PNN的分类器完成指纹图像模糊边缘的某一特征向量和其它特征向量的分类和识别.实验结果表明:上述算法的指纹图像模糊边缘识别正确率为98％以上;在不同噪声环境下方法的抗噪性能良好,品质因数均较高,且识别时间短.     

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…     

一种基于独立分类特征的指纹多级分类算法

为了提高基于大容量指纹库的自动指纹识别系统的检索效率,提出一种基于独立分类特征的指纹多级分类算法。依据评测指标对输入指纹图像进行质量评估,若指纹质量不合格,则提醒用户重新输入;若指纹质量合格,则分别利用指纹图像的纹型类别、奇异点间脊线数、中心区域脊线平均频率3个相互独立的分类特征实现多级分类,从而逐级减小检索空间。实验结果表明,该分类算法检索效率高、鲁棒性强,为大容量指纹库提供了一种快速有效的索引机制,具有很强的实用性。     

结合方向信息和模糊聚类的指纹图像二值化方法

尽管指纹图像具有局部方向一致性,但在一些局部区域,尤其是包含指纹奇异点的区域点方向变化仍然较大.鉴于此在求出指纹各个像素的点方向以后对指纹图像进行分块,引入了方向信息可靠块和方向信息不可靠块的概念.对方向信息可靠块提出一种用方向信息分割指纹图像的方法.对方向信息不可靠块,采用两种方法区分出指纹决和背景块:一是利用该块的均值、方差;二是利用邻域信息.在此基础上对不可靠块中的指纹块采用加权模糊C.均值聚类的方法对其进行二值化.实验表明:用本文提出的方法对指纹图像进行二值化处理后得到的二值图像脊线光滑无孔洞.对断线起到了一定的连接作用,而且对于方向变化较大的分块避免了二值化后纹线的偏移.     

基于嵌入式的指纹预处理算法研究

针对嵌入式系统需要满足实时性的要求,提出了一种改进的指纹图像预处理算法。首先采用梯度法计算指纹的方向图,并根据指纹纹线局部区域变化的特点,提出了一种新的指纹方向校正法。该方法基于方向一致性分析,结合Poincare index 方法来区分出奇异区和噪声区域,并利用邻域的方向信息对噪声区域进行平滑处理;然后由指纹纹线方向选择相应的方向滤波模板对指纹图像进行滤波;最后通过二值化、细化得到比较清晰的指纹点线图。实验表明,文中算法能够有效地保持和恢复指纹图像的纹线结构,且算法简单,能满足嵌入式系统的要求。     

基于信息可用性评价的指纹图像质量增强算法

针对指纹图像可能出现模糊、指纹区域过小、奇异点位置过偏等问题,提出了一种基于信息可用性评价与频谱分析的指纹图像质量增强算法。对指纹图像进行信息可用性评价,对不合格的指纹图像提示进行重新采集;对合格图像进行傅里叶变换并求取其频率均值和方差,计算指纹频谱图上内环、外环、中环的频谱能量值与去除直流分量后的频谱总能量值之比,以此确定指纹的清晰程度。对需要进行质量增强的指纹,利用圆滤波器去除其高频与低频干扰,利用方向滤波器连接断纹并去除粘连。实验结果表明,该方法能准确判断指纹图像的可用性,有效地增强指纹图像质量,并因其只对低质量指纹进行增强,故能有效提高指纹自动识别速度及准确性和可靠性。