指纹细节特征提取算法研究

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提高指纹特征点提取的准确率,从而提高整个指纹匹配系统的效率与准确率．     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

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.     

指纹信号的识别特征提取和处理技术

指纹识别技术一般由图像采集,预处理,特征提取,特征匹配,数据库管理五部分组成.本文根据方向图二值化处理,提取细节特征点,以及点模式匹配等算法对初始指纹图像进行处理,实验效果达到了预先的设想,成功实现了指纹图像的识别和匹配.     

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.     

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。     

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．     

基于脊线跟踪的指纹角度特征的提取方法及应用

提出了一种指纹图像特征点的提取方法——脊线跟踪法 .它不仅能够快速准确提取出指纹图像中特征点的坐标 ,而且能够求出每一个特征点所在脊线的角度 .角度特征为指纹图像快速匹配提供了更多的依据 ,因而在图像匹配阶段中 ,匹配的速度和精度得到了提高     

基于KL变换的点匹配

提出了一种新的点匹配算法.算法分别提取点集中点的特征,用KL变换得到点的KL特征,通过比较KL特征获取点集间匹配关系.文中定义了点集中点的特征,给出了几种提取点特征的方法.分析了KL特征的稳定性和能量集中性,据此提出了基于KL变换的点匹配算法.文章结合经典的特征向量匹配算法,从算法抗噪性能分析着手,分别由能量守恒性质和最小方差匹配原则推导得出经典特征向量算法是KL算法的特例,KL算法更具普遍性的结论.通过实验,证明了算法的有效性及结论的正确性.     

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.     

一种基于Bezier曲线曲率的指纹特征提取算法

指纹特征提取是指纹识别中关键的一步,文中给出了一种新的特征提取算法,该算法利用指纹纹线的弯曲信息对指纹特征进行描述.算法对指纹图像特定区域中的纹线进行跟踪,并用Bezier曲线来拟合跟踪过的指纹纹线,最后使用Bezier曲线上曲率取极值的点来定义指纹特征点.实验结果表明,提取的特征点有效描述了指纹纹线的弯曲趋势,对噪声不敏感,同时该算法优于传统的特征提取方法.     

指纹匹配算法中采集设备无关性的研究

采集设备无关性即指纹识别系统对不同指纹采集器的适应性。基于指纹识别的网络身份认证将面临各式采集器的终端,为推广基于指纹识别的网络认证方法,指纹识别系统必须解决采集设备无关性。文章对指纹特征模式进行研究,提出了适用多种采集器的匹配算法。该算法采用一种基于细节点集的Delaunay三角化的局部结构来调整2个指纹模式,并根据若干匹配成功的局部结构提取出2个模式的比例,进一步将源自不同指纹采集器的指纹模式统一到同一比例。在3款采集器自建的指纹图像库中,指纹交叉匹配结果验证了算法的有效性。     

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.     

SIFT、ORB及KAZE算法的分析和比较

特征点提取和匹配是影像处理与分析的基础,目前主要是利用各种算法对影像进行特征点提取与描述。介绍了SIFT、ORB及KAZE算法的原理及步骤,并利用这3种算法对影像进行特征点提取及匹配实验,从运行时间和匹配率上定量地分析这3种算法的优异性。实验结果表明:在影像特征点提取实验,ORB算法提取特征点的速度最快,所用的时间最少,SIFT、KAZE算法其次;在影像特征点匹配实验,KAZE算法的匹配率最高,达39.00%,SIFT、ORB其次。     

基于三角形局部特征点模型指纹匹配算法

指纹识别是一种生物识别技术,指纹匹配是指纹识别的一个重要过程,如何解决指纹匹配过程中出现的待识别指纹出现的指纹平移、旋转与挤压引起的形变问题,是本文重要的研究内容。提出了一种基于局部特征点的三角形模型匹配算法,根据指纹中图像中的细节点,与其相邻的局部细节点构成一个三角形,并引入了它与邻近细节点间的距离、脊线数目作为判断因素,从而有效解决指纹图像匹配过程中遇到的因平移、旋转与挤压引起形变导致的识别率较低的问题,提高了指纹识别的精确度和可靠性。最后通过3个实验的结果表明,本文提出的算法比另外2种算法具有拒识率低、正确识别率高(正确率达到98.92%)的特点,即基于三角形局部特征点模型的指纹匹配算法有较好的性能。     

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．     

基于无人机航拍图像拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.     

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%。     

一种基于TMS320VC5402的指纹识别系统的设计

在综合考虑目前技术的发展、性能与成本等因素的基础上,本文设计了一个以TI公司TMS320VC5402处理器为核心的指纹识别系统.该系统的硬件由FPS200 指纹采集传感器、主控电路、输入通路、输出通路、人机交互设备等部分组成.在DSP的集成开发环境下完成了指纹识别算法应用软件的编写,软件实现了指纹图像的预处理、二值化、细化、特征点提取、比对等各项功能,并重点对指纹的图像预处理指纹特征点提取和匹配等算法进行的研究.实验结果表明该系统识别速度快,误识率和拒识率低,因此具有较强的实用价值与广阔的应用前景.