δ—网分形指纹及其在图像匹配中的应用

基于δ－网分形指纹特征，提出了一种自然景物图像的匹配方法，实验结果表明δ－网分形指纹特征是一种自然景物图像的稳定分形特征，采用δ－网分形指纹特征对自然景物图象进行的匹配，能获得比传统的基于灰度和边缘的特征匹配方法以及多尺度分形指纹匹配方法更好的匹配结果。     

非线性结构动力响应中的灵敏度分析

基于δ－网分形指纹特征，提出了一种自然景物图像的匹配方法．实验结果表明δ－网分形指纹特征是一种自然景物图像的稳定分形特征，采用δ－网分形指纹特征对自然景物图象进行的匹配，能获得比传统的基于灰度和边缘的特征匹配方法以及多尺度分形指纹匹配方法更好的匹配结果．     

基于局部细节特征的二次指纹匹配算法

为提高指纹匹配的正确率,综合局部细节匹配算法和全局匹配算法,提出一种将两者相融合的二次匹配方法。在提取指纹细节特征信息并去除伪特征点后,首先利用k-近邻法进行局部细节特征的一次匹配,获得局部特征之间的匹配分数;然后根据匹配分数对指纹图像进行旋转校正,进而对全局特征进行二次匹配,计算匹配向量,并利用匹配向量获得匹配率决定最终匹配结果。实验结果表明:在不同质量的多个指纹数据库上测试,算法最高正确率达到错误拒绝率为2.5%,错误接受率为0.22%,说明了该方法的有效性。     

基于点模式特征提取的指纹匹配技术

为了准确识别指纹，采用基于点模式特征提取的指纹匹配技术。选取FVC2002指纹库中的指纹，对指纹图像进行归一化、灰度阈值分割、二值化、细化等预处理后，提取出端点、分叉点等特征点，并将其包含的指纹边缘点、断点等伪特征点去除，然后将提取的指纹特征信息同指纹库中的指纹进行匹配，测试指纹匹配率为94.12%。仿真试验结果表明，该方法具有较好的识别精度，根据试验结果可知匹配率为99.41%。     

指纹细节特征提取算法研究

指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配.本文在研究了两种常用的特征点提取算法的基础上,提出了一种新的特征点提取算法,并给出了去伪算法.经实践表明,该算法可在一定程度上减少指纹特征点提取的计算量,从而提高整个指纹匹配系统的效率.     

一种基于矢量三角形的指纹匹配改进算法

在总结指纹匹配的基本算法的基础上对基于矢量三角形的指纹匹配算法作了比较详细的讨论，提出了一种基于矢量三角形的指纹匹配算法的改进算法，在寻找匹配三角形时，为了减小搜索空间，引人两个临近细节点的纹理结构信息定位参考点，匹配程度不再由匹配的特征点对数来衡量，而是由一个含有特征方向、距离阈值、匹配特征点数目的匹配度计算公式给出．实验结果表明，该算法不依赖指纹的中心点，具有旋转不变性．     

基于局部特征的点模式指纹匹配算法

近年来以指纹匹配为代表的身份识别技术受到越来越广泛的运用.因为其具有的学术和社会价值,指纹识别技术成为一个研究的热点.为了克服指纹的旋转和平移在指纹匹配中的影响,提出了一种新的指纹特征描述方法.因为指纹中心点附近的方向场存在某种特定的规律,运用这种规律本文根据指纹图像的方向场提取指纹图像的参考点和参考方向,并以参考点为原点,参考方向为极轴建立极坐标系.根据指纹参考点和参考方向的唯一性,本文建立的极坐标系与指纹图像的旋转和平移无关.由特征点的类型,极坐标以及特征点的方向构成的指纹特征信息同样具有这样的特性.最后对存在平移和旋转关系的两幅指纹的特征信息运用可变大小的限界盒方法进行全局匹配实现指纹匹配算法.实验结果表明该算法能够有效地避免图像的平移和旋转对指纹匹配带来的影响,可以很好的满足实际应用的要求.     

一种基于指纹中心点的匹配算法

针对基于点模式匹配的指纹匹配算法速度较慢的现状。研究了一种基于指纹中心点的指纹匹配算法．该算法首先根据指纹模式区中检测的奇异点结构特征信息对指纹进行粗匹配，判断指纹不匹配的情况．其次，对无法判断的情形，则进行精确匹配．进一步利用奇异点或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，并具有图像旋转平移不变性．对面积适中的指纹图像，匹配结果可以满足在线应用的需要．     

一个新的基于细节特征的指纹匹配方法

自动指纹识别系统(automaticfingerprintidentificationsystems,AFIS)的精度和效率主要依赖于指纹的匹配算法.指纹匹配涉及的两个关键问题是指纹的对齐和匹配方式.根据同一个指纹的不同采样,其脊线形状保持高度的相似性的特点,利用两条脊线对应点的距离构造了一个判据,用来评价两条脊线形状的相似性,以实现指纹的最优对齐;针对传统指纹匹配算法中伪细节点的混入和真实细节点的遗漏影响指纹匹配精度的问题,提出了一种基于编辑距离原理的指纹细节特征匹配方法,对指纹库Fingdb和FingerDUT进行了测试,等错误率分别为0.62%和2.75%,证明该方法具有较高的可靠性和有效性.     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注，而指纹匹配算法的研究又是其中一个非常重要的研究内容．针对基准点定位困难的问题，提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法．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，指纹匹配的速度和准确率可以满足实际应用的需要．     

采用方向场配准和图匹配的指纹匹配算法

提出一种新的指纹匹配算法.在配准阶段,引入局部方向场匹配,并结合局部细节点拓扑结构匹配以进行指纹对齐;在对齐后的匹配中,首先在两个指纹的细节点集之间进行弹性匹配,得到一个由匹配的细节点对组成的相似集,然后以相似集中的细节点做顶点,以各顶点之间的连线为边,为输入指纹和模板指纹组成对应的拓扑图进行图匹配;还引入了全局方向场匹配,并与细节点集匹配进行融合,以提高算法的精度.采用FVC2002公布的指纹库进行对比实验,结果证明了算法的有效性.     

自动指纹识别系统的实现

研究了指纹图像的预处理、特征提取及特征匹配这三种算法。介绍了指纹和自动指纹识别系统的相关知识,详述其各组成单元;采用了基于三角形基准点定位匹配的算法,以弥补细节点指纹匹配算法过于依赖中心点的不足;并在VC++6环境下开发了自动指纹识别系统软件,性能测试结果表明,该系统能较好地实现自动指纹识别功能。     

基于迁移参考节点的指纹匹配方法

指纹识别通常采用节点模式匹配的方法，典型的方法是通过一对参考节点将输人指纹和模板指纹对齐，然后进行节点配对，以基于参考节点对齐的方法为基础提出了一种迁移参考节点的节点匹配方法，基本思想是从某初始参考节点开始得到一些匹配节点对，再以这些匹配节点对作为参考节点得到新的匹配节点对，如此反复，直到所有匹配节点对都被用来作为参考节点．用该算法在FVC2004 DB3上进行测试，结果表明，该方法提高了识别的正确率。     

一种基于点模式匹配的指纹识别方法

把指纹用于身份认证已有上丰年的历史，自动指纹识别（AFIS）已在各个领域广泛应用，除了传统的司法公安领域，自动指纹识别还可以作为计算机操作系统和网络访问认证用户的手段，以及用于金融保险方面的身份确认，指纹匹配是AFIS的最重要问题之一。一般用脊线的分歧点和端点这样的细节点来表示一个指纹，并通过细节匹配来进行指纹匹配，这样指纹匹配就转化为点模式匹配的问题，传统的点模式匹配算法存在运算量过大且难于解决所有的非弹性形变等问题。文章提出了一种基于聚类的点模式匹配方法，来进行指纹识别，有效地解决了如何对数量和位置都不尽相同的两幅指纹细节图象进行最优匹配的问题，设计并给出了利用矢量对匹配确定图象间校准函数的流程，并通过实验证明所提出的算法具有较快的速度和较高的准确率。