指纹图像细化算法的改进算法

对指纹图像算法进行了较深入的研究,分析了OPTA算法和改进的OPTA算法的优缺点,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,细化后保持了纹线原有的拓扑结构和细化特征,而且光滑无毛刺,运算速度也很快。     

一种改进的指纹图像细化后算法

对指纹图像细化后算法进行研究,分析了常规细化后处理算法存在的不足,分析其产生的原因,并在常规细化后算法的基础上提出了一种改进的细化后算法。经过实验表明,该算法在继承了原有细化后算法优点的基础上显著地减少了细化后的噪声,是一种较为理想的细化后算法。     

一种有效的基于八邻域查表的指纹图像细化算法

指纹图像预处理是指纹识别的第一步,它的好坏直接影响着后续指纹特征值提取和匹配的准确性,而细化是又是预处理过程的核心环节。因而文章重点研究了二值化后指纹图像细化算法基础上,提出更有效的基于"八邻域"查表细化算法及其改进算法。实验表明基于八邻域查表细化算法效率更高、处理后几乎没有毛刺、效果更理想,为后续的工作奠定了良好的基础。     

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多，细化速度慢，图像局部细化不完全等问题，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，提出了一种基于两极复合式算法的指纹图像细化算法，该算法在保证对图像完全细化的同时，能较明显提高细化处理速度。     

基于细化指纹图像特征提取的改进算法

文章深入研究了细化指纹图像细节点提取算法,针对常规提取算法中存在一定数量的伪细节点问题,提出了一种改进的细化指纹图像细节点提取算法。该算法在原有提取算法的基础上,在细节点提取中采用了邻域查找删除、边缘删除等措施。实验表明,该算法显著地减少了伪细节点的提取,是一种较为理想的细化指纹图像细节点提取算法。     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。     

基于场结构的指纹图像细节特征提取算法

根据指纹图像局部区域所固有的方向特性和频率特性 ,提出了方向场和频率场的概念 ,实现了指纹图像与背景区域的有效分离 ,并实现了指纹图像的二值化、细化以及细化纹线修复的后处理。提出了一种基于场结构的快速而有效的指纹图像细节提取算法。该算法依据局部与宏观相结合的原则 ,不但利用了指纹图像的局部特性 ,而且结合了局部四邻区域的关联特性 ,对于脊线方向变化较小的局部区域 ,采取单一方向Gabor滤波的方法 ;对于脊线方向变化较大的局部奇异区域 ,采取多方向Gabor滤波合成的综合方法 ,从而保证了提取指纹细节特征的准确性。实践证明 ,与现有的方法相比 ,此方法具有计算量小、细节特征提取准确的特点 ,可应用于实际的指纹自动识别系统中。     

基于场结构的指纹图像细节特征提取算法

根据指纹图像局部区域所固有的方向特性和频率特性,提出了方向场和频率场的概念,实现了指纹图像与背景区域的有效分离,并实现了指纹图像的二值化、细化以及细化纹线修复的后处理。提出了一种基于场结构的快速而有效的指纹图像细节提取算法。该算法依据局部与宏观相结合的原则,不但利用了指纹图像的局部特性,而且结合了局部四邻区域的关联特性,对于脊线方向变化较小的局部区域,采取单一方向Gabor滤波的方法;对于脊线方向变化较大的局部奇异区域,采取多方向Gabor滤波合成的综合方法,从而保证了提取指纹细节特征的准确性。实践证明,与现有的方法相比,此方法具有计算量小、细节特征提取准确的特点,可应用于实际的指纹自动识别系统中。     

自动指纹识别系统预处理技术及细节特征提取算法的研究

指纹图像预处理是自动指纹识别系统(AFIS)的关键步骤,它的好坏直接影响到整个系统的速度和准确率.详细介绍了预处理过程中指纹图像与背景分离、方向信息提取、纹线提取、二值化、细化,以及细节特征提取等关键技术.在这些模块中,提出了一些改进算法和新的思想.根据人指纹本身是一个曲面结构的特点,采用一种自适应的局部阈值分离方法,解决处于不同深浅区域的指纹图像均能有效地同背景分离;提出了一种改进的、基于非彻底细化图像的细节特征提取算法,在不对纹线进行任何处理的情况下,直接从细化指纹图像上提取原始细节特征点集合,并针对各种噪声产生的伪特征点进行修复;另外,还介绍了一种基于灰度纹线跟踪直接提取指纹图像细节特征的新方法,并与传统算法进行了比较.这种方法不经过二值化、细化等过程,能显著减少预处理带来的累计误差,加快处理速度,在一定程度上提高了准确率.实验证明,以上算法行之有效,在实际应用和严格测验中取得了较好的效果.     

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．     

一种有效的骨架毛刺去除算法

针对数学形态学骨架化算法可能出现的多像素宽度情况,定义了端点、节点、尾支和毛刺等概念,在此基础上设计了一种分级毛刺去除算法,作为形态学骨架化算法的后处理手段,此算法能够有效去除多余分支,使骨架更加准确和稳定地反映目标的几何结构。     

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．     

计算机辅助的指纹图象预处理及特征提取

本论文分析了有关指纹图象预处理及特征提取的方法,在研究过程中,提出了空域方向性滤波法和均衡增强法两种去嗓声方法,及基于指纹原图的一次性细化方法,并对指纹中心点的定义作了改进。     

乙烯裂解管减薄损伤及寿命预测方法

对一根运行５ａ后的乙烯裂解炉管的组织和性能分析结果表明，经长期运行后炉 管材料的蠕变断裂性能降低，管壁减薄。提出了考虑裂解管蠕变损伤和减薄损伤的剩 余寿命预测方法。     

相干增强扩散与冲击滤波相结合的指纹增强算法

自动指纹识别系统(AFIS)的性能严重依赖于输入指纹的质量,因此有效指纹增强算法对该系统具有重要意义。针对相干增强扩散滤波增强的指纹图像会出现边缘模糊,以及谷线与脊线间对比度较低的现象,提出使用冲击滤波和相干增强扩散的加权模型方法,既能保持相干增强扩散的优势,又能锐化指纹脊线边缘,以及增强指纹脊线与谷线的对比度。增强的主要过程为,建立一个相干增强扩散和冲击滤波的加权组合模型,加权函数是以指纹梯度为自变量,使得在扩散过程中在图像边缘处以冲击滤波为主,在脊线与谷线内部则以相干增强扩散为主。实验表明,使用这种方法,能得到更加清晰的指纹图像,便于之后的二值化与细化过程处理,使得自动指纹识别系统具有更好的性能。     

基于MBF200指纹图像预处理方法的研究

针对MBF200指纹图像的特点,提出一套指纹图像预处理方法。该方法对MBF200指纹图像的去噪、分割、中心点定位、Gabor滤波增强、二值化及细化等预处理步骤进行研究及实现。为了验证该方法的有效性,使用自行设计的MBF200指纹采集器对所获得的指纹图像进行试验。结果表明,所提出的指纹预处理方法对MBF200指纹图像的处理是行之有效的,有助于基于细节特征的指纹提取。     

基于十字方向滤波的指纹图像增强和细化

增强和细化是指纹预处理过程中的重要环节．提出了一种基于十字方向滤波的指纹增强算法,增强过程针对指纹的层次特征,利用十字方向滤波器对纹线边界的粘连现象进行了有效处理,并且修复了纹线中较短的断裂;在此基础上对边缘删减的纹线细化算法作了改进,引入了新的细化模板保护指纹趋势和细节点．实验结果显示,谊算法很好地保留了原指纹图像中的细节特征和纹理信息,减少了指纹特征的丢失．     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究．在此基础上对文献[1]提出的指纹图像二值化方法进行了改进，并对二值化图像、后续的细化图像和特征点提取结果进行了比较。