指纹图像分割中新特征的提出及其应用(英文)

New Features Extraction and Application in Fingerprint Segmentation

指纹身份鉴定是最可靠的身份鉴定方法之一 .指纹图像的分割是自动指纹识别系统中的重要一步 .在本论文中 ,我们提出了一种高效实用的指纹图像分割方法 .我们提取出了能使分割算法更加精确的两个新特征 .在其它的很多分割算法中 ,由于应用的特征不能很好的反映出模糊区的特征 ,因此不能够很好的区分前景和模糊区 .由于可能在模糊区提取出虚假的细节 ,这将很大的程度上影响指纹识别系统的整体性能 .然而 ,由于我们提出的两个新特征 ,我们的算法可以和很好的区分出前景与模糊区 ,因此该分割算法可以降低虚假细节的数目 .我们选用监督的RBF神经网络来进行分类并选取典型的样本用来训练 .

We present a useful and effective fingerprint image segmentation. We extract two new features with which our algorithm can distinguish the blurred area from foreground, and, therefore, can reduce the number of false minutiae. We use supervised RBF neural network to classify patterns and select typical patterns to train the classifier. Experimental results show a significant improvement in fingerprint segmentation performance.