指纹图像预处理与细节特征点提取

对指纹图像的预处理与细节特征点提取提出了一套较完善的方法.在二值化后的图像中用到了平滑滤波的处理,消除了在预处理过程中纹线中产生的毛刺与小孔等,并对若干幅不同质量的指纹图像进行了测试,获得了较好的效果,细节特征点提取的准确率也有所提高.     

指纹图像预处理算法

介绍并实现了一套完整的指纹图像预处理算法,包括指纹图像有效区域提取、方向图计算、方向滤波、二值化及后处理、细化等算法.实验结果表明该算法能有效地增强指纹图像,且具有较快的速度.     

指纹图像预处理算法

介绍并实现了一套完整的指纹图像预处理算法,包括指纹图像有效区域提取、方向图计算、方向滤波、二值化及后处理、细化等算法。实验结果表明该算法能有效地增强指纹图像,且具有较快的速度。     

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。     

指纹图像预处理中的二值化技术

预处理是指纹自动识别系统中很关键的一步,它的好坏将直接影响到后面的特征提取与匹配。本文详细讨论了图像的二值化问题,提出了三种二值化方法,分别用它们对一幅指纹灰度图进行处理,并对其效果进行了比较,得到了一种比较适合指纹处理的二值化方法。     

指纹图像模式识别方法的研究

如今,指纹识别技术成为了生物技术研究的热点问题,也正逐渐朝着更实用和更优越的目标前进,自动指纹识别系统更是以各种方式进入人们的生活。笔者介绍了对采集的指纹图像的处理过程和结果,包含指纹图像预处理、特征点提取、比对与指纹图像的匹配。建立了提取指纹端点、叉点、奇异点的提取模型。通过比较可以得出提取指纹特征点的算法对于不同的指纹图像都具有普遍适用性,比较了不同算法的优缺点并总结评价。     

指纹图像预处理和特征提取

根据指纹的固有规律,提出了一套较完整的指纹图像预处理和特征提取算法。改进了指纹脊线频率求取算法和二值图像去孔噪声算法,并提出了一种新的滤除指纹伪特征点的方法。通过对上百幅不同质量的指纹图像进行测试,获得了较好的效果。     

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。     

指纹图像细化的复合式算法

指纹图像细化是指纹识别算法中的重要环节,对特征提取起到关键作用。为了快速和高质量地对指纹图像进行细化,对快速细化算法和改进OPTA细化算法不足产生的内在原因进行分析,提出一种新的复合式指纹图像细化算法,该算法设计一套预处理模板,避免了快速细化算法形成的毛刺,并对改进OPTA算法进行了优化。大量实验结果表明,该算法不但具有以往算法的优点,有较好的细化速度,而且细化质量有显著地提高,细化后的图像光滑几乎无毛刺。     

指纹图像细节点及显著特征的提取

提出了一种改进的指纹细节特征提取算法。该算法首先在细化后的指纹图像上直接提取原始细节特征点集,然后针对不同的噪声,采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,最终保留下来的特征点集即视为真正的特征点集。通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,提出了一种显著特征提取算法,在已提取的特征点集的基础上,提取出指纹图像的显著特征。     

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.     

Fingerprint image analysis for automatic identification

Most of the papers on fingerprints deal with classification of fingerprint images. Fingerprint databases being large (in the range of millions), the effort in matching of fingerprints within a class or when the class is unknown, is very significant. This requires fingerprint image analysis and extraction of the “minutiae” features, which are used for matching FPs. In this paper a scheme of preprocessing and feature extraction of fingerprint images for automatic identification is presented, which works even if the pattern class is unknown. The identification of fingerprints is based on matching the minutiae features of a given finger-print against those stored in the database. The core and delta information is used for classification and for registration while matching. These algorithms have been tested for more than 10,000 fingerprint images of different qualities. The results are manually verified and found to be very good for practical application. A few sample results are presented.     

指纹识别中的特征点提取算法

指纹特征的提取在指纹自动识别系统中足一个必不可少的重要环节.根据指纹的固有规律,提出了一套较完整的指纹图像特征提取和伪特征去除算法,指纹特征提取是从细化后的指纹图像中得到的细节特征点(即端点和分叉点),其中含有大量的伪特征,根据伪特征点的结构,在特征提取之后对伪特征点进行去除,主要对毛刺和短脊进行去除.实验结果表明,该算法大大提高了指纹识别时的精度,并具有较强的抗干扰性.通过对上百幅不同质量的指纹图像进行测试,获得了较好的效果.     

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．     

通用指纹图像处理分析平台的研发与应用

对通用指纹图像处理分析中的关键算法和平台研发技术进行了研究,并给出初步应用结果.针对模糊指纹图像,通过傅立叶变换从空域转换到额域,进行带通滤波和方向滤波,从而增强图像、突出细节.通过指纹识别算法获取指纹特征数据,根据一定的原则删除伪细节点、存储终止点和分叉点的相关信息.以特征数据为依据,通过计算机进行分类和比较,把指纹划分为某一类型,或在小型指纹库中计算指纹间的相似度,得到指纹匹配结果.实验结果表明,该算法简单实用,效果良好,为自动指纹识别系统的研发打下基础.     

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。     

结合方向图的指纹特征点提取

报告了指纹识别研究的现状,分析了指纹识别过程中伪特征点对识别结果的影响,以及指纹识别过程中不同伪特征产生的原因.对指纹图像进行二值化,细化等预处理,并初步提取特征点.结合指纹方向图,对从细化图像中提取出的大量特征点进行处理,利用不同伪特征的不同方向和距离特点设计了伪特征点判断和删除的判据,在去除伪特征点的同时又保证真正的特征点不被误删.实验结果表明,该方法取得了较好的效果,能满足实际使用的需要.     

一种采用脊线特征的指纹模糊匹配方法

针对目前指纹识别系统主要采用手指上细节点的分布来表征和匹配指纹,提出了一种采用指纹脊线特征的匹配算法,以提高细节点数量较少情况下的匹配精度.在特征提取阶段,通过脊线采样,只存储脊线采样点集以降低存储量;在匹配时,对欲匹配的两指纹利用细节特征配准脊线集,在重合区域内对两指纹脊线统一进行编码,通过编码的比较确定相似脊线;以相似脊线的相同位置编码为论域,以相同位置编码的相似程度为隶属度,建立衡量脊线相似程度的模糊集,采用加权平均法对多个相似脊线模糊集进行综合评判得到两指纹脊线总体相似度.最后将脊线匹配相似度与细节点匹配相似度进行加权融合得到两指纹最终的相似度.在FVC2004指纹库上的实验表明该算法能够有效提高指纹匹配的准确性.     

基于8邻域编码逐像素跟踪法的指纹细节特征提取算法

研究并实现基于8邻域编码逐像素跟踪法的细节特征提取算法。该算法能有效提取细化后指纹图像中的端点和分叉点,通过回朔跟踪法,能有效去除图像中的伪特征点。实验结果表明该算法较大幅度提高了特征提取的速度,并能够较准确的滤除伪特征点,缩短了图像后处理时间,可以满足实际应用的需要。     

有效的指纹纹线细化方法

自动指纹识别一般包括指纹采集,图像预处理、特征提取、特征匹配等。细化是预处理中的一个重要环节,如果细化不好,很难使用常规的特征提取算法提取特征信息。现有的指纹细化算法存在很多问题,如细化不彻底、纹线吞噬、骨架偏离纹线中心等,各种问题的存在严重影响了细节点的准确提取。将现有的几种细化算法进行融合,应用于指纹二值图像的细化,得到了较好的细化效果。在细化纹线基础上可以准确地提取细节点.