基于SUSAN的指纹细节点提取算法

在整个指纹识别过程中，指纹图像的细节点提取至关重要．许多算法是先将脊线细化后进行提取，耗时较多，且易产生大量不易去除的伪细节点．作者将一般图象配准中常用的角点检测技术运用到指纹识别中，提出基于SUSAN的指纹细节点提取新算法．该法在传统的SUSAN上进行数项改进，使其适用于指纹图象，完成端点和分叉点的提取，再根据所产生伪细节点的分布情况将它们去除．此法计算简单、抗噪声能力强、不需事先对脊线进行细化．     

一种基于细节点的脊线追踪算法

指纹属性是指纹的重要特征,脊线追踪是提取指纹属性的前提。本文提出了一种基于指纹细节端点和叉点的脊线追踪算法,该算法在细化后的指纹图像上分别以端点和叉点为起始点,依次寻找脊线上的下一个像素点,从而遍历整幅指纹图像的脊线。实验结果表明,该算法对指纹细化图具有较好的脊线追踪效果。     

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.     

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.     

一种基于互补滤波的动态指纹图像增强方法

本文使用了一种基于双滤波器的动态指纹图像增强算法。利用动态2维Gabor滤波器分离粘连脊线的能力很强,方向滤波器具有较强连接断裂脊线的能力,而且输出结构为二位图像的特点,使用Gabor滤波器与方向滤波器互补滤波。通过对图像进行第二次增强,从而达到较为理想的增强效果。大量实验结果显示,此算法对指纹图像的平移与旋转变化反应不明星．有利于细节点提取而且易于实现。     

指纹图像细化及特征点提取算法的研究

对改进的OPTA算法和指纹细节特征点提取算法进行了详细的研究,针对改进的OPTA算法产生的细化不全和毛刺较多的问题,提出了一种可变的消除模版和矫正消除模版;针对指纹细节特征点提取算法产生的大量伪特征点问题,提出了边缘信息判别法,有效地去除了边界伪特征点。实验证明,本文的方法简单快速,而且具有较高的准确率。     

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.     

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.     

基于十字方向滤波的指纹图像增强和细化

增强和细化是指纹预处理过程中的重要环节．提出了一种基于十字方向滤波的指纹增强算法,增强过程针对指纹的层次特征,利用十字方向滤波器对纹线边界的粘连现象进行了有效处理,并且修复了纹线中较短的断裂;在此基础上对边缘删减的纹线细化算法作了改进,引入了新的细化模板保护指纹趋势和细节点．实验结果显示,谊算法很好地保留了原指纹图像中的细节特征和纹理信息,减少了指纹特征的丢失．     

基于Gabor滤波器和广义对称变换的指纹增强算法

在传统Gabor滤波器的基础上,引入广义对称度,综合考虑指纹图像中脊线的对称性、方向选择性与频率选择性,提出了一种结合对称性和Gabor滤波器的指纹图像增强新算法.实验表明,该算法能够准确地定位指纹图像的细节点.     

基于Gabor相位的指纹图像细化算法

利用复数形式的Gabor滤波器, 在对指纹图像进行增强的同时, 得到增强图像的相位, 再利用边缘检测的方法提取相位图中的跳变区域, 直接得到脊线的细化结果。此方法不同于传统的模板匹配的细化算法, 不需要对图像进行二值化, 减少了中间步骤, 从而提高了细化速度和细化结果的准确性。实验结果表明此方法具有更短的细化时间和更好的细化效果。     

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点．针对这两种算法的不足，分析其产生的原因，并且在第二种算法的基础上，重新构建了细化模板，提出了一种新的细化算法．经过实验证明。该算法能够很好的满足细化的要求，细化完全彻底，细化以后的指纹骨架在纹线中心线，并保持了纹线原有的拓扑结构和细节特征，而且光滑无毛刺，运算速度也很快．     

一种有效的指纹图象后处理算法

本文分析了常见的指纹伪特征点的类型,并提出了一种按顺序分步消除伪特征点的方法,实验表明,用该方法对直接从细化二值图象中提取的特征点进行处理,能有效消除各类伪特征点。     

基于结构的指纹特征抽取方法

为了弥补传统的提取细节特征点的方法在小面积指纹图像识别上的不足，针对指纹脊线纹理结构进行了详细研究，分析了Gabor滤波器应用在纹理上的原理，建立了用于指纹识别的Gabor滤波器的物理模型，在此基础上设计了基于Gabor滤波器获取指纹特征的算法.首先提出了一种快速和简便的自动定位指纹图像中心点方法，以中心点为参考点在其周围确定特征提取区，根据Gabor滤波器的性质对其进行8方向滤波提取特征.通过在标准指纹数据库上的对比实验，显示了该方法的有效性.     

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．     

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．     

指纹纹路方向计算与图像分割的系统方法

提出了一种系统化的指纹纹路方向计算和指纹图像分割方法．该方法用神经网络对基于梯度方法计算的纹路方向的正确性进行学习，经过训练的神经网络可以区分正确纹路方向和错误纹路方向，从而使错误的纹路方向可以根据周围正确的纹路方向进行纠正；同时，可以根据经过训练的网络的方向正确性计算结果对指纹图像进行初步分割．此外，提出了对初步分割结果进行二次分割以分离指纹图像中残留纹路的方法．将该方法与Neurotechnologija Ltd在2004年发布的VeriFinger 4．2进行特征提取比较，结果表明，该方法有效地提高了特征提取的正确率．