基于三方向图的多尺度平滑指纹奇异点检测

为解决低质量指纹图像定位奇异点位置偏移及定位区域过大的问题,提出了一种基于三方向图的多尺度平滑奇异点检测算法.首先,计算指纹图像的方向场和频率场估计并用Gabor滤波器对指纹图像进行增强.然后,计算指纹图像中脊线上像素点的方向并对其进行三方向划分得到指纹脊线方向图.最终,去掉噪点并填补非脊线区域,同时检测多个平滑尺度下的奇异点位置并通过信息融合剔除伪特征点,精确定位奇异点.对FVC2002,FVC2004和FVC2006指纹图像库进行实验,结果表明:该算法对低质量指纹图像奇异点检测的准确率有明显提升,奇异点检测的总准确率达92.35%,可将奇异点精确定位在2×2像素区域内.     

多尺度复数滤波器及PI值相结合的奇异点检测

为了有效检测指纹奇异点,提出了一种结合多尺度复数滤波器及PI(Poincare Index)值的奇异点检测算法.首先,计算多个尺度下的指纹图像方向场并对每个尺度的方向场进行复数滤波;其次,计算各个尺度的方向场的中心点和三角点滤波器响应,若响应值是邻域内的极大值且大于某一阈值,则进一步计算PI值,并依据PI值是否满足奇异点判定条件,则将其标记为候选奇异点;最后,将多个尺度下的奇异点进行信息融合,检测出指纹的奇异点.将提出算法和同类算法进行主客观的实验比较,对公用指纹数据库FVC2004DB1检测的实验结果表明:算法能很好地应用于低质量指纹图像中,正确的奇异点检测率为93%,高于同类算法,且检测到的奇异点位置不发生偏移.     

基于方向均值滤波的指纹图像平滑算法

在分析了指纹图像的纹理特征之后,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于方向均值滤波的指纹图像平滑算法．该方法首先求取指纹脊线方向,然后沿该方向上选择均值滤波平滑邻域, 最后采用均值滤波对指纹图像进行平滑处理．该方法可以有效地平滑指纹图像中的噪声,降低强噪声对后续处理的影响,从而有效地提高了指纹细节特征提取算法的准确性．     

基于二值化图像的指纹细节点精确提取方法

针对指纹图像质量较差时,基于灰度图的指纹细节点直接提取方法正确率较低,提出一种基于二值化图像的指纹细节点精确提取方法.该方法首先采用方向滤波增强指纹图像,消除各种噪声,然后在二值化图像上进行脊线跟踪,直接提取细节点.脊线跟踪时,采用平滑和加权联合处理来计算脊线下一跟踪点,并提出一种利用循环扩散方法检测脊线连通性的方法,保证脊线跟踪的正确性.实验结果表明,无论图像质量好坏,该方法提取出的细节点正确率都超过80%,优于灰度图直接提取方法及其改进算法.     

用于非接触式指纹增强的曲率驱动自适应滤波器

为了有效增强指纹,提出了一种改进的基于曲率的自适应非接触式指纹图像增强算法.首先,对局部平稳的指纹图像信号进行STFT(short time Fourier transform)分析,确定纹理模式频谱所在的主要区域,对频谱进行根滤波和形态学平滑后,用均值-门限法提取STFT主频谱成分;然后,提出一种角度和径向估计方法,计算指纹图像在频域的方向图和频率图;最后,根据指纹的曲率,构造相应的巴特沃斯陷波带通滤波器和高斯带通滤波器分别对低曲率区域和高曲率区域进行滤波,有效地滤除奇异点区域和非奇异点区域的噪声模式频率并保留纹线模式的主频率.将提出算法和同类算法进行主客观的实验比较,实验结果表明:提出的算法优于现有算法,能有效滤除非接触式指纹的噪声、增强脊线和谷线之间对比度,同时修复并增强正确的脊线结构.     

采用八方向Gabor滤波的指纹识别算法

采用指纹增强算法与复滤波器中心点定位结合的方法,有效地解决低质量指纹图像中心点定位问题,实现了平移不变.同时,采用基于结构的指纹特征提取算法,用八方向Gabor滤波提取指纹的全局特征和局部脊线特征,实现了旋转不变.在FVC2004指纹库上的仿真实验表明:该算法取得较好的识别效果,优于基于单Finger Code特征和基于点模式的指纹识别算法.     

多级提取奇异点的算法及基于奇异点的粗匹配

提出了一种分别基于Poincare指数和梯度场零点检测的分级算法来提取奇异点(核心点,三角点).该算法分为两级:首先是粗定位,根据指纹块方向场的Pioncare指数确定奇异点所在的分块和该奇异点所属的类型,同时得到核心点的方向;然后精定位,用梯度场零点检测的方法在该块中精确确定奇异点的位置(精确到像素级);最后利用奇异点的位置和方向信息对指纹做粗匹配,尽可能地排除明显不可能的候选待匹配指纹.实验证明,提取奇异点的算法快速、准确并且有很强的鲁棒性,而且与全图平方方向场滤波算法相比节省27%的计算时间.后阶段粗匹配的算法则能够拒绝30%的候选指纹系统的处理时间.     

相干增强扩散与冲击滤波相结合的指纹增强算法

自动指纹识别系统(AFIS)的性能严重依赖于输入指纹的质量,因此有效指纹增强算法对该系统具有重要意义。针对相干增强扩散滤波增强的指纹图像会出现边缘模糊,以及谷线与脊线间对比度较低的现象,提出使用冲击滤波和相干增强扩散的加权模型方法,既能保持相干增强扩散的优势,又能锐化指纹脊线边缘,以及增强指纹脊线与谷线的对比度。增强的主要过程为,建立一个相干增强扩散和冲击滤波的加权组合模型,加权函数是以指纹梯度为自变量,使得在扩散过程中在图像边缘处以冲击滤波为主,在脊线与谷线内部则以相干增强扩散为主。实验表明,使用这种方法,能得到更加清晰的指纹图像,便于之后的二值化与细化过程处理,使得自动指纹识别系统具有更好的性能。     

基于方向权值扩散的指纹方向场计算

为有效解决噪声区域指纹质量块重建方向场(orientation filed,OF)可靠性低的问题,提出一种基于方向权值扩散求方向场的方法.首先,利用平方梯度法对指纹方向场进行粗提取,利用基于权值的梯度一致性对指纹质量进行评估,把质量块分为四个等级;然后,利用邻域判别法对误判的指纹块进行修正,统计邻域块中已评估块的个数,把质量分数相同的指纹块分为三个优先级;最后,利用质量和优先级对指纹方向场进行扩散迭代,在迭代过程中根据待评估块邻域块的方向梯度一致性赋予不同的权值,待评估块迭代完全后得到最终的方向场.实验结果表明:该方法能够通过质量扩散来提高低质量区域的可靠性,从而提高低质量区域方向场的准确度.     

基于局部直方图均衡化的指纹方向图算法

针对低质量指纹图像的纹理信息和灰度梯度信息遭到严重破坏的问题,提出一种基于局部直方图均衡化的指纹方向图算法.此算法结合指纹谷点与其相邻脊点特有的灰度差规律,修改了经典直方图均衡化的累积分布函数,用于放大源图像的纹理信息,使图像趋于二值化.基于放大的纹理信息,采用改进的点方向图算法计算指纹的谷点方向,使用直方图块方向图法赋予脊点方向,同时校正谷点的点方向,得到完整的方向图.通过对FVC2006指纹库中的部分低质量图像的增强结果进行比较,此算法对低质量指纹图像的增强性能优于传统算法.     

一种自动指纹粗分类算法的研究

提出了一种利用指纹图像奇异点的数目和位置进行粗分类的算法。指纹图像大致可分为拱形、尖拱形、左旋形、右旋形和螺纹形5种，对指纹的粗分类是实现指纹自动识别系统的一个重要步骤。首先介绍了一种计算指纹图像中各个像素点的方向矢量的算法，然后详细讨论了在这个算法所获得的指纹方向图上进行平滑处理、提取奇异点对（核心点－三角点对）的算法，并根据奇异点对的数目和位置进行指纹方向图的粗分类。试验结果表明，有用的算法与Kalle的算法相比，具有较高的分类率，具有实用意义。     

一种改进的基于脊线跟踪的指纹特征提取方法

本文改进了基于脊线跟踪的指纹特征提取方法,用局部Gabor滤波对指纹图像进行增强,提高了指纹脊线方向的计算精度,增强了指纹跟踪终止点的判决条件.改进后的算法在不增加算法时间复杂度的前提下,增强了特征点提取的准确性.     

一种基于多级分块错切的指纹奇异点检测算法

准确、可靠地检测指纹奇异点(core点和delta点)，对于指纹分类和指纹匹配具有非常重要的意义．针对指纹图像奇异点的精确定位和可靠性判断的难题，提出了一种基于多级分块错切的指纹奇异点检测新方法．首先，对于一枚指纹图像，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，以精确确定奇异点的位置．然后，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，并分别根据以上方法估计的指纹方向场信息进行指纹奇异点的检测．最后。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、可靠检测．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采用不同方法检测的指纹奇异点位置相关联的特性，能够从指纹图像中较精确、可靠地检测出奇异点。对低质量指纹图像具有良好的鲁棒性．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．     

基于场结构的指纹图像细节特征提取算法

根据指纹图像局部区域所固有的方向特性和频率特性 ,提出了方向场和频率场的概念 ,实现了指纹图像与背景区域的有效分离 ,并实现了指纹图像的二值化、细化以及细化纹线修复的后处理。提出了一种基于场结构的快速而有效的指纹图像细节提取算法。该算法依据局部与宏观相结合的原则 ,不但利用了指纹图像的局部特性 ,而且结合了局部四邻区域的关联特性 ,对于脊线方向变化较小的局部区域 ,采取单一方向Gabor滤波的方法 ;对于脊线方向变化较大的局部奇异区域 ,采取多方向Gabor滤波合成的综合方法 ,从而保证了提取指纹细节特征的准确性。实践证明 ,与现有的方法相比 ,此方法具有计算量小、细节特征提取准确的特点 ,可应用于实际的指纹自动识别系统中。     

基于场结构的指纹图像细节特征提取算法

根据指纹图像局部区域所固有的方向特性和频率特性,提出了方向场和频率场的概念,实现了指纹图像与背景区域的有效分离,并实现了指纹图像的二值化、细化以及细化纹线修复的后处理。提出了一种基于场结构的快速而有效的指纹图像细节提取算法。该算法依据局部与宏观相结合的原则,不但利用了指纹图像的局部特性,而且结合了局部四邻区域的关联特性,对于脊线方向变化较小的局部区域,采取单一方向Gabor滤波的方法;对于脊线方向变化较大的局部奇异区域,采取多方向Gabor滤波合成的综合方法,从而保证了提取指纹细节特征的准确性。实践证明,与现有的方法相比,此方法具有计算量小、细节特征提取准确的特点,可应用于实际的指纹自动识别系统中。     

一种基于扩散方程的指纹方向场提取方法

方向场估计是指纹识别过程中非常重要的步骤。传统方向场提取算法存在着3个较为严重的问题:指纹质量较低时,无法获得满意的结果;无法在背景区域获得可靠的方向场;基于模型的方法,如Legendre模型或FOMFE模型,在奇异区域会产生较大偏差。针对这些问题,该文改进了基于复数滤波的质量评价方向,并提出了一种融入指纹质量的扩散方程来提取指纹方向场。为了验证算法的有效性,在各种质量的指纹图像上进行了实验。实验结果表明:无论是低质量还是高质量指纹图像,基于扩散方程模型的方向场提取算法都能获得准确的指纹方向场。     

多级分块尺寸下的指纹方向信息提取算法

作为一种重要的生物特征识别手段，自动指纹识别近年来得到了广泛的关注并取得很大的进展．指纹方向信息提取是自动指纹识别技术研究内容中一个非常重要的内容，但从低质量指纹图像中准确、可靠地提取方向信息却是一件很困难的事情．提出了一种多级分块尺寸下的指纹方向信息提取算法，依据大分块尺寸下所提取的方向信息对小分块尺寸下所提取的方向信息进行可靠性判断，然后进行相应的调整．实验结果证明，即使对于低质量指纹图像，该算法也可以快速、准确的提取指纹方向信息．     

基于MTM和灰色关联度的混合噪声自适应滤波算法

利用MTM滤波算法和灰色关联度的特点,提出一种基于MTM滤波算法和灰色关联度相结合的混合噪声图像的自适应滤波算法.算法选取加窗混合噪声图像的MTM值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到滤波后图像.仿真实验表明,该算法有较好的自适应性,不但能够有效抑制图像的噪声,而且能较好地保护图像的细节信息,提高图像的清晰度.     

基于改进非局部先验的Bayesian低剂量CT投影平滑算法

针对低剂量CT(LDCT)图像质量退化的问题,提出了一种改进的非局部先验模型,并将基于该模型的Bayesian统计算法应用于LDCT投影降噪中.首先将方向性测度引入到传统的非局部先验模型中,构建一种改进的先验模型;同时结合基于加权欧氏距离的距离测度,提高权重系数计算的准确性;然后运用基于该先验模型的Bayesian统计算法对LDCT投影进行平滑降噪;最后依据降噪后投影,利用滤波反投影(FBP)方法进行重建,得到改善的LDCT图像.实验结果表明,与典型的传统LDCT重建算法相比,该算法在抑制噪声、去除伪影的同时,较好地保留了重建图像细节信息.     

基于Gabor滤波器的自适应指纹增强算法

指纹增强的目的在于改善指纹图像的质量,进而提高指纹识别系统的性能.提出了一种基于Gabor滤波器的指纹增强算法,算法采用梯度法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率,通过计算图像方向一致性来自适应地调节Gabor滤波窗口的大小,再采用具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应.实验结果表明,算法具有良好的图像增强效果.