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.     

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．     

滤除指纹伪特征算法的优化研究

通过分析指纹图像中存在的各类噪声的拓扑结构,并结合细化指纹图像中细节特征点固有的分布规律,提出了一种有效的滤除指纹细节伪特征点的方法.该方法简单、处理速度快,滤除精度基本可以满足应用的需要.     

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.     

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．     

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。     

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。     

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。     

指纹识别技术及其应用

指纹具有唯一性、稳定性的特征。本文讨论了指纹识别系统中读取指纹、图像处理、特征提取等技术的原理并介绍了指纹识别技术在各领域中的应用。     

有相对运动的车牌识别技术研究

汽车车牌识别是图像识别技术的一个重点课题．介绍了拍摄装置与汽车有相对运动的车牌识别方法;结合警车跟踪系统的核心部分,研究了具有相对运动的汽车车牌的提取、车牌的预处理以及车牌数字的识别;着重阐述了自适应模板的中心骨架匹配方法．     

指纹自动识别系统中的关键技术一方向图

指纹方向图具有真实性、渐变性、抽象笥的特点,能以简化的形式直观地反映指纹图像最基本的形态特征,因此在指纹自动识别系统中具有重要的研究价值,目前方向图已被广泛应用于指纹图象增强、纹型特征的提取、指纹的自动分类、方向模板匹配、编码重构等许多关键处理环节,特别是以指纹方向图为基础构建的Gabor滤波器进行指纹的沿纹线方向滤波,收到了非常好的滤波效果,笔者系统地介绍了近年来发展起来的求取指纹方向图的方法,对其时间快速性对噪声的鲁棒性进行了比较,提出了每种方法进一步改进的思路,最后对方向图在指纹自动识别系统中的典型应用作了分析,指出了进一步的研究方向。     

基于嵌入式应用的指纹识别系统设计与实现

随着指纹识别技术的发展和嵌入式系统的广泛应用,指纹识别逐渐向嵌入式方向发展。利用Fujitsu公司的电容式固态指纹传感器MBF200、Samsung公司的ARMS3C2410处理器和uC/OSⅡ操作系统,扩展了相应外部设备,构建了一个通用型基于嵌入式应用的指纹检测与处理模块的指纹识别系统。通过实验验证,该系统能够完成指纹图像的获取与匹配工作。     

基于图像颜色特征检索技术的材料腐蚀监测系统

材料腐蚀监测是利用视频技术、计算机图像处理技术、模式识别技术对材料外观腐蚀图像进行检测、处理及管理．文中针对材料腐蚀图像的颜色特征，用颜色直方图、颜色一致向量和颜色相关图方法实现材料腐蚀图像统计特征的提取，用加权欧氏距离来描述材料腐蚀图像的相似性，实现了材料腐蚀图像内容的匹配及检索．     

基于结构的自适应指纹图像增强算法

指纹图像的周期性和局部方向性是指纹图像的重要结构特征,充分利用这两个结构特征是提高指纹增强算法的重要方法.对一般图像增强算法处理指纹图像分析后,发现了一般图像增强算法无法满足指纹识别系统的要求.为了提高指纹增强算法的综合性能,作者以指纹图像局部方向和周期为参数,并设计了基于梯度得求局部方向的算法,再以Gabor变换为基础,设计了基于结构的自适应滤波算法.试验结果表明,该算法具有很高的实用价值,能够满足一般指纹识别系统性能要求.     

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。     

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．