基于贪心算法进行三角剖分的印鉴匹配方法

将计算几何中平面点集的三角剖分方法-贪心算法引入印鉴识别,研究了一种基于三角网格的印鉴匹配方法.通过对细节点的拓扑结构进行三角划分,把空间上位置相近的细节点按照一定的规则相连,得到三角形网格.然后基于该网格寻找若干参考点对,并根据获得的参考点对将两幅印鉴图像进行姿势调整.最后使用获得的参考点对实现基于点模式的印鉴匹配,经分析该方法是一种行之有效的印鉴匹配方法.     

基于模糊贴近度的指纹匹配算法研究

针对已有的指纹匹配方法准确率低、算法复杂度高、易受指纹形变等噪声影响缺陷,本文提出了一种基于模糊贴近度的新型指纹匹配算法。该算法以分叉点、转折点、指纹图像上两个点的连线所穿越的脊线的数量等特征信息作为识别对象的特征指标,通过求出采样指纹与标准指纹的模糊贴近度,将其结果与阈值V相比较,检测指纹的匹配程度。实验结果表明,该算法能够有效降低算法复杂度,提高指纹的匹配准确率与效率,同时也可以有效避免因指纹旋转、平移形变或按压力度不均等因素产生的噪声对指纹匹配精度的影响,可以满足实际应用的需求,为提高指纹识别的精确度提供了一种新方法。     

基于贪心算法与多边形剖分的印鉴匹配算法

将计算几何中平面点集的三角剖分方法之一贪心算法与多边形三角剖分方法引入印鉴匹配,研究了一种基于三角网格(用贪心算法进行平面点集的三角剖分)的印鉴匹配方法.用贪心算法对基于线条的细节点集进行三角剖分,而对于基于多边形的细节点直接进行多边形的三角剖分.通过对两种细节点(基于线条的细节点和基于多边形的细节点)的拓扑结构进行三角划分,把空间上位置相近的细节点按照一定的规则相连,得到三角形网格.然后基于该网格寻找若干参考点对,并根据获得的参考点对将两幅印鉴图像进行姿势调整.最后使用获得的参考点时实现基于点模式的印鉴匹配,经分析该方法是一种行之有效的印鉴识别方法.     

基于贪心算法思想的凸多边形最优三角剖分算法研究

当将多边形分割成互不相交的三角形的弦长之和最小时,称为最优三角剖分。在动态规划算法实现此功能的时间复杂度O(n3),空间复杂度O(n2)[1],采用贪心算法的时间复杂度是O(n2),空间复杂度是O(n),算法效率有明显的提升。贪心算法思想的最优剖分算法推广到三维空间,实现对多面体最优三角形椎体的剖分能得到非常现实的应用。     

基于线模式的指纹细节点匹配算法

提出了一种新的基于线模式的指纹图像细节点匹配算法,这种算法先分别找出最佳匹配点对,确定相对旋转角度,较快地确定两个指纹的相关性,之后再搜索漏的匹配点对,去掉错误的匹配点对。算法受指纹增强、后处理的影响较小,细节点相似程度受其邻域细节点影响较小。介绍了算法的具体实现方法,并用实际指纹数据进行了测试。初步测试的结果表明,此算法是指纹图像细节点匹配的一种有效算法。     

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.     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

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.     

一种基于中心点的指纹匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状,该文研究了一种基于指纹中心点的指纹匹配算法.该算法利用奇异点或者指纹有效区域的质心点寻找匹配的基准特征点对和相应的变换参数,并将待识指纹相对于模板指纹做姿势纠正,最后采用坐标匹配的方式实现两枚指纹的比对.实验结果证明,该算法可以快速、准确的定位基准点,精确求取变换参数,误识率低,准确性高,并具有图象旋转平移不变性.对面积适中的指纹图象,匹配结果可以满足在线应用的需要.     

指纹特征点匹配算法探析

指纹形变问题已成为指纹鉴别准确率的瓶颈。本文针对指纹的形变问题,对现行的指纹特征点匹配算法进行了研究和探讨,提出了一种能够实现精确匹配的特征点匹配算法,从而有效地解决指纹变形等问题。     

一种基于混合匹配的指纹识别方法

为克服传统的基于细节点匹配的不足,对基于点模式匹配算法与改进的2DPCA匹配算法的混合识别算法进行了改进。改进后的算法在点模式匹配算法中加入改进的2DPCA算法的初匹配得分权重,提高了点模式匹配算法的准确性;并利用点模式匹配算法对2DPCA算法的匹配结果进行二次匹配,同时也提高了2DPCA算法匹配的准确率。     

指纹特征匹配算法的研究与实现

指纹特征的匹配是实现指纹识别的重要环节,现有的匹配算法大多需要反复的调整每一个点来与图像模版中的点相对应,这样就加大了匹配算法的计算复杂度,因而无法满足指纹实时识别系统的要求.为此提出了通过快速确定参考、旋转和平移参数的方法,以实现指纹特征匹配算法的实时要求.实验结果表明,该特征匹配算法在满足实时性要求的前提下,其性能指标完全符合一般的商业用途.     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

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.     

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。     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

蚁群算法在指纹增强中的应用

自动的指纹识别系统是基于生物特征的身份识别技术的重要组成部分。指纹增强技术可以有效地加强指纹的脊线特征,为指纹细节的提取和匹配奠定可靠的基础。依据蚁群算法的聚类特性,提出了一种基于蚁群算法的指纹增强方法,提高了指纹图像的质量。