指纹识别技术研究进展

指纹识别由于具有唯一性、可靠性，在安全领域得到了广泛的应用。本文介绍了指纹识别技术的历史、现状和发展情况，对指纹识别系统的指纹图像增强、特征得取及特征匹配环节的各种技术以及新的发展动态进行了详细的讨论和分析。     

基于Gabor滤波的指纹图像增强算法研究

指纹图像增强是指纹识别系统中关键技术之一,基于Gabor滤波的方法以其能同时在空间域和频率域的变换而被广泛应用,本文详细介绍了Gabor函数、Gabor滤波器的图像增强算法、方向图计算、纹线频率计算的步骤及方法,并根据本文设计的增强算法在计算机上编程实现,实验结果表明该算法能较好的去除指纹图像中的噪声,达到增强的效果。     

基于Gabor滤波器的特征抽取技术

首先简介了2D Gabor函数,然后从样点的选取、Gabor滤波器参数设置、Gabor特征后处理等方面,综述基于Gabor滤波器的特征抽取技术,最后给出进一步的研究方向.     

Gabor滤波在指纹增强算法中的应用研究

在自动指纹识别过程中,指纹图像增强起着关键性的作用。根据指纹自身脊线的纹理特点加之Gabor滤波器在方向性和频率选择性方面的优良特性,对Gabor滤波在指纹增强算法中的应用做了研究,结果表明,能提高自动指纹识别的效率。     

基于ARM的指纹识别算法的研究与开发

研究了指纹识别的核心算法,给出了指纹识别软件系统的整体实现方框图以及具体的指纹识别算法流程图．研究了基于ARM的指纹识别模块的硬件实现和硬件优化以及在ARM平台下对识别算法进行的优化,并同时给出了内存优化和算法优化后模块的一些测试数据．同时也给出了该算法的一些改进意见．     

一个指纹识别的比对算法

本文对指纹特征数据的存贮及指纹的自动比对作了初步的研究，给同一个文件分类原则及一个抗噪音性能较好的比对算法，经实例验证，其存贮容量、识别率、比对速度方面均可达到实用要求。     

基于PCA的指纹识别算法研究

介绍了主成分分析(Principal Component Analysis,简称PCA)方法及其在指纹识别算法中的两个重要应用.并分析了当前指纹匹配算法的研究热点.     

基于Gabor滤波器的掌纹纹理特征的提取

特征提取就是要对图像的性质进行定量化处理,在已有的方法中,有提取点特征,线特征,时频变换法,纹理特征等.时频变换法主要是时把图像变换到频域,通过对频域特性的分析得到在时域时的情况.纹理的方法是一种全局的方法,它不关心手掌纹线具体的分布和尺寸,而只关心在某个特定方向的纹理分布,即忽略掌纹的细节特征,而只看重不同纹线对不同方向贡献的全局变量.在本文中,采用纹理作为特征向量,结果表明此方法可以较好的提取掌纹的特征.     

基于Gabor滤波的图像质量

基于Gabor滤波器的指纹图像质量分区方法，对指纹图像的各个分区进行了质量评价。然后对高质量分区直接进行脊线跟踪．提取细节特征点；对低质量分区先使用普遍使用的预处理方法，再进行特征提取。对著干幅低质量指纹进行了实验，得到了不错的实验效果，并且实验的效率和准确率也有所提高。     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

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。     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,并作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95.0%的识别率.平均每张人脸图像识别时间为0.14 s,表明该算法能符合实际应用的要求.     

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.     

基于Gabor滤波的图像质量分区指纹特征提取

基于Gabor滤波器的指纹图像质量分区方法,对指纹图像的各个分区进行了质量评价。然后对高质量分区直接进行脊线跟踪,提取细节特征点;对低质量分区先使用普遍使用的预处理方法,再进行特征提取。对若干幅低质量指纹进行了实验,得到了不错的实验效果,并且实验的效率和准确率也有所提高。     

基于ASM和Gabor小波的人脸表情识别算法

结合ASM与Gabor小波的优点,提出可以有效提取人脸特征的ASM_GW,并通过LDA算法进一步降低了运算量.最后利用JAFFE人脸表情库对算法进行仿真,通过实验说明算法的有效性.