指纹特征匹配若干问题的研究

研究了指纹细节点特征匹配的关键问题.在匹配准则上,算法考虑了待匹配点的质量以及重合区域内匹配点和未匹配点对打分的影响.将待识模式和模板分解为局部模式,寻找最大密度点作为最优匹配.实验表明,该方法降低了计算量,并提高了匹配的准确性.     

指纹特征匹配方法的研究与实现

论述指纹自动识别的概念及过程。重点研讨指纹特征匹配原理,提出一种指纹特征匹配方法,给出了实验数据,证明匹配速度快,匹配精度高。     

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。     

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.     

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%。     

基于特征点匹配的指纹鉴别门禁系统

根据目前的指纹识别先进技术,设计了一套基于指纹特征点匹配技术的指纹门禁管理系统.该系统能够较容易地进行功能升级,是一种较理想和实用的门禁系统.     

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.     

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。     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题,提出一种特征匹配及目标定位快速算法.首先,采用Shi-Tomasi检测算法提取特征点;其次,提出一种新的特征描述子定义方法:先以特征点为中心截取子图像,利用二维Gauss函数偏导数确定特征方向,再根据特征方向对局部图像做旋转处理,提取旋转后标准局部图像局部二值模式...     

改进SIFT算法在特征匹配中的应用

对尺度特征不变SIFT算法进行了研究。针对原算法中128维特征描述子在匹配过程中效率低的情况,提出64维特征描述子。该描述子增加了特征点邻域的统计范围,增强了特征点的特征信息,降低了特征描述子的维数;特征点匹配阶段,采用欧氏距离作为度量,采用基于BBF的Kd-树对特征点进行匹配,提高了匹配速率。实验表明,匹配速率提高了5%到15%,配准精度与原算法相近。     

随机树特征匹配算子性能研究

为了改进增强现实实时跟踪系统,评估增强现实特征匹配算子随机树的性能,并与尺度不变特征变换算子SIFT进行比较. 分别在旋转变换、尺度变换和光照变换的情况下,测试两种算子的鲁棒性能和匹配速度. 实验结果表明,随机树算子能达到每秒30帧的实时特征匹配速度,且光照变换可以到达50%以上的匹配率,但匹配精度有待提高.     

一种快速的多模式字符串匹配算法

以基于有限自动机的多模式匹配算法（DFSA）为基础，结合Boyer-Moore(BM）和Quick Search（QS)快速单模式匹配算法的优点，提出了一种快速的多模式字符串匹配算法，在一般情况下，该算法不需要匹配目标文本中的每个字符，能充分利用匹配过程中本次匹配不成功的信息和已经匹配成功的信息，跳过尽可能多的字符。实验表明，模式串较短时，本算法所需时间为DFSA算法的1／2－1／3；模式串较长时，本算法所需时间为DFSA算法的1／2－1／3；模式串较长时，其所需时间为DFSA算法的1／3－1／5。     

基于文档指纹的中文复制检测方法

文档复制检测技术是保护知识产权和提高信息检索效率的有效有段。目前,关于英文的复制检测技术已经趋向成熟,但关于中文的复制检测技术才刚刚起步。在此提出基于文档指纹的中文复制检测方法,改进了正向最大匹配分词方法并建立了相应的语料库机制,提出k-words分解句子的方法;定义了两篇文档同粒度指纹矩阵之间的匹配运算。实验结果表明,所提出的方法能高效地进行中文文档复制检测。     

基于局部特征点检测与匹配的微悬臂梁变形受力测量方法

提出了一种基于局部特征点检测与匹配的微悬臂梁变形受力测量方法.通过光学显微镜得到微悬臂梁变形前后的图像和基于放大的微悬臂梁表面的散斑纹理特征,在尺度空间中定位具有局部响应极值的LOG（Laplace of Gaussian)特征点,并在LOG特征点周围提取局部仿射不变封闭区域,其质心可以作为具有亚像素精度的特征点位置.由封闭区域构造仿射不变特征描述算子并进行特征点匹配,根据匹配点的位移信息进行悬臂梁弯曲挠度曲线拟合以描述微悬臂梁的弯曲变形,并采用最小二乘法计算悬臂梁受力大小与受力点.通过对实际的微悬臂梁变形图像实验,验证了所提方法的有效性.     

一种基于匹配集的入检测方法

提出了一种基于网络入侵检测的方案,即从结构上构造一个匹配集,优化入侵检测特征的存储结构,提高入侵检测的效率;并且改善了匹配检测算法,使系统具有学习性;加强了对数据的分析,提高了系统的准确性。     

一种面向中文的快速字串多模式匹配算法

针对中文字串匹配问题,提出一种快速模式匹配算法,算法采用新型组合状态自动机,将2个状态组合起来匹配一个双字符,从而解决了双字节符构建完全Hash表时带来的存储空间膨胀问题;同时考虑到待匹配模式串中的字符在大字符集中稀疏分布的特点,尝试将单模式QS匹配算法的思想与DFSA算法进行结合,应用于多模式匹配中,实验结果显示,本算法明显优于DFSA算法,平均所花费时间仅为DFSA算法的45．2％。