指纹特征提取的算法研究

自动指纹识别系统（AFIS）已经成为很多安全和执法应用中一种流行的工具。许多安全和执法系统都依靠指纹图像中脊线结点和分叉点来进行指纹匹配。尽管结点和分叉点信息对于小的数据库系统来说是足够的,但它在大量的指纹图像分析中却不能提供足够的分辨信息。通过示范一种新的提取指纹灰度图像中汗孔位置的方法,介绍一种从指纹图像中获取额外的分辨信息的方法。这种信息的提取是通过实行改进的最小平方误差方法。这种算法即使应用于500点每英寸的图像上,也可以取得很好的效果。     

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．     

基于词袋模型的监控视频异常活动检测算法

针对监控视频异常活动检测算法检测准确率与鲁棒性较低的问题,提出了一种基于词袋模型与无向图建模的视频异常活动检测算法.(1)将输入视频划分为大小相等的视频片段,提取每个视频片段的时空兴趣点;(2)生成一个局部活动的无向图集,图的顶点表示时空兴趣点,边表示兴趣点之间的关系;(3)分别对局部异常活动和全局异常活动进行分类处理,识别出异常活动.基于公共数据集UMN的仿真实验结果表明,本算法对视频监控中异常活动具有较好的检测准确率.     

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。     

指纹中心点的定位和特征匹配方法

提出了一种新的指纹中心点搜索的方法及其于中心点的指纹匹配算法，它利用指纹块方向图中块方向的变化进行中心点的粗细两步搜索，首先在粗方向图中搜索方向锐变区域，然后在细方向图中对相应的匹配再进一步搜索方向锐变的区域，最终得到中心点，在此基础上介绍了基于网格的旋转匹配方法，此方法对噪声大的指纹有较强的抗干扰性，算法相对简单且效果良好。     

基于BP神经网络的刮擦式指纹识别算法研究

该文针对刮擦式指纹识别中辨识率不高、算法不稳定等问题,提出了一种基于BP神经网络的指纹识别算法。在通过指纹传感器采集好指纹图片后,拼接成完整的指纹图片,首先通过中值滤波降噪、二值化等图像预处理方法获得了增强后的指纹图像,运用基于网格的八方向梯度特征对指纹图像进行特征点提取,最后采用BP神经网络对指纹图像进行识别。通过仿真进行验证,与其他两种算法进行对比分析,仿真结果表明了该方法的有效性。     

指纹图像预处理算法研究

在指纹识别系统中，指纹图像预处理是指纹特征提取与识别的前提．对指纹图像预处理技术进行了研究。提出了一种指纹图像预处理算法．实验结果显示，该算法能够去除指纹噪声，得到较高质量的指纹图像．     

网格环境下一种动态任务调度算法

针对网格系统中资源协同分配的动态性问题，分析了现有的基于有向无环图的资源映射方法，提出了一种动态资源协同分配算法。该算法采用有向无环图表示每个应用，然后，将所有这些图进行分层，执行过程中，就绪的应用组可以按照一定的规则动态插入。该算法解决了网格环境下资源和应用的动态性问题，从而更好的满足了网格的动态特性。     

二元向量值有理插值的一种递推算法

一般二元向量值有理插值的算法多利用分叉连分式的方法。文章利用插值型值点复数化的方法讨论并给出了二元向量值有理插值的一种新算法,即把平面上的插值结点视为一个复数,所对应的向量视为一个复向量,使用一元Thiele型向量值有理插值公式的构造方法和向量连分式的向后三项递推关系式以及适当的变换,最后导出了这种递推算法。所得算法避免了使用分叉连分式,具有更大的有效性和灵活性。     

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。     

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。     

指纹识别技术的新进展

在人们日常生活中指纹识别技术已经被日益广泛的用于个人的身份鉴别，譬如ID卡、指纹硬盘等.目前，在线指纹采集技术和自动指纹识别算法都已经取得很大的进展.各种指纹识别技术，包括指纹获取、分类、增强和匹配，性能都有了显著的提高.文中概述了指纹识别领域的最新进展，对每个步骤的相关算法进行了讨论，特别针对两个重要而有挑战性的问题：低质量指纹图像的增强和弹性形变指纹图像的匹配进行了深入地探讨.另外，还讨论了国际指纹识别评测算法FVC2004和FpVTE2003，基于此可以进行全面、客观地识别算法的性能评价.     

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.     

具有第四小Hosoya指标的单圈图

用Z（G）表示图G的Hosoya指标,定义为图G的边的匹配数的总和,设“。表示”个顶点的单圈图集．一个充分悬挂的单圈图具有这样的性质：在它唯一圈上的任意一点的度不小于3．用un^1表示充分悬挂的单圈图集．在这篇文章中,确定了在un^1中有第四小Hosoya指标的图．     

基于零先验知识的室内指纹定位优化算法

针对众包方法构建指纹库数据质量低和指纹模糊相似性等问题,提出了一种基于SLAM技术的指纹数据质量优化和指纹唯一性增强的算法。利用ICNN算法完成数据关联优化,并在指纹向量中加入可信度指标来优化指纹更新过程;随后针对指纹模糊相似性设计了基于高斯插值的指纹唯一性增强优化算法,保证了指纹数据质量,从本质上提高了指纹定位的性能。实验表明,该算法能够将指纹定位的中位数误差从原始指纹的3m提高到2m,最大定位误差从8m左右下降到4m以内。     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

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．     

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%。