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。

一种改进的指纹图像分割算法

针对经典的基于灰度方差的指纹图像分割算法对强噪声区域分割不准确的问题,深入分析了灰度均值计算方法和噪声对方差的影响,结合有效指纹图像区域灰度分布的基本特征,提出了灰度均值求取和灰度方差求取的改进算法。实验结果表明,相比于经典的灰度方差求取算法,改进算法求取的均值和方差更能够代表指纹图像的特征,分割结果更为准确、可靠,对强噪声的抵抗能力更强。

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注,而指纹匹配算法的研究又是其中一个非常重要的研究内容。针对基准点定位困难的问题,提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法。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,指纹匹配的速度和准确率可以满足实际应用的需要。

基于纹理分析的指纹图像分割算法

低质量指纹图像处理是近年来自动指纹识别技术的研究重点,对低质量指纹图像的分割是实现后续处理的前提。文中在分析了方差作为分割指标的局限性基础上,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于纹理的指纹图像分割算法。实验结果表明,相比于基于灰度方差的指纹图像分割算法,文中算法的分割效果更好,对噪声的抵抗能力更强。

基于高斯调制二维正弦曲面滤波器的指纹增强算法

针对指纹图像的纹理特征,深入分析了指纹图像的纹理结构及与二维正弦曲面模式的相似性,构造设计了二维正弦曲面滤波器。为了降低边际噪声对滤波器性能的影响,提升滤波器的滤波增强效果,采用二维高斯函数对二维正弦曲面滤波器进行调制,最终构建了高斯调制二维正弦曲面滤波器,设计实现了基于该滤波器的指纹增强算法。分组实验结果表明,文中提出的基于高斯调制二维正弦曲面滤波器的指纹增强算法能够有效地提高指纹图像的质量,对普遍存在于低质量指纹图像中的断线、疤痕和粘连等强噪声区域的增强效果更好。

基于细化图像的指纹分类方法

在深入研究现有指纹分类算法的基础上，提出了一种利用细化后指纹图像的纹织全局模式进行指纹分类的方法。该方法检测细化后指纹图像的全局模式，并且结合指纹图像的方向流信息，将指纹分为六类：拱型、尖拱型、左环、右环、涡型和学生型。实验结果表明，在对低质量的指纹图像进行有效增强处理以后，该方法可以快速、准确的对指纹进行分类。

指纹图像质量评价系统

指纹图像质量评价系统对于提高整个自动指纹识别系统的性能具有非常重要的意义 .在选取了指纹图像的总体灰度均值、块水平下的灰度均值和灰度方差、点方向信息、块方向信息作为评价因子后 ,首先求取各质量评价因子以及在其基础上的质量分 ,然后综合考虑各种评价因子求取总的质量分 ,最后给出最终的评价结果 .

生物认证-人类未来身份认证的主要方式

分析了生物认证技术的发展需要,介绍了生物认证技术的系统结构和主要工作模式以及主要的生物认证技术和新兴的生物认证技术,给出了权威机构对各种生物认证技术所占市场份额的调查结果和相关的市场预测。

基于加博函数的指纹增强算法及其应用

指纹增强对于提高细节特征提取的准确率乃至整个自动指纹识别系统的性能实现都具有重要的意义.研究了基于加博(Gabor)函数的指纹增强算法,对纹线方向提取算法进行了改进,提出了一种纹线频率提取方法,给出了加博函数用于指纹增强的具体应用形式,以指纹图像的纹线方向和纹线频率为参数,使用加博函数实现了对指纹图像的增强处理,并使用南京大学活体指纹库中的部分典型低质量图像样本对算法性能进行了测试.实验结果表明,该算法对低质量图像具有显著的增强效果,增强后可以有效地降低指纹匹配的拒识率(false reject rate,简称FRR),处理速度和增强效果可以基本上满足在线自动指纹识别系统的需要.

一种指纹图像奇异点检测的方法

准确、可靠地检测奇异点(core点和delta点),对指纹分类和指纹匹配具有重要的意义.针对低质量指纹图像奇异点检测中精确定位和可靠性判断的难题,提出了一种检测指纹奇异点的方法.首先,对于一幅指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确地确定奇异点的位置.然后,再在不同的分块尺寸下检测奇异点,并进一步判断上一步所检测到的奇异点的真伪.该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下检测的奇异点位置相互关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点.在部分典型低质量指纹图像上的实验结果验证了该方法的有效性,对低质量指纹图像具有良好的鲁棒性.

一种结合方向信息的指纹图像二值化算法

指纹图像二值化是指纹细化处理的前提,是指纹识别预处理的一个重要部分。为利用指纹图像所具有的纹理特性,将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法。与自适应阈值法做了对比实验,实验结果表明,该算法具有更好的二值化效果。算法本身还具有一定的连接指纹图像中断线的能力,这对提高细节特征提取结果的准确性具有重要的意义。

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者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。

指纹识别算法研究平台的设计与开发

设计和开发指纹识别算法研究平台,对指纹识别算法的研究具有重要意义。利用MVC设计模式、工作流思想和插件软件开发思想,设计和开发了一个指纹识别算法研究辅助平台。该平台根据工作流思想将算法体系抽象成算法链路模型,使指纹识别算法同平台之间松耦合,因此新算法容易集成到平台中。在实现上,该平台使用了插件技术,所有算法都是在平台运行时动态加载,因此算法链路中的算法模块容易被替换。平台采用MVC设计模式将算法链路同平台操作和结果视图紧耦合,使不同的算法研究工作者面对的是统一的界面和操作流程。

一种基于多级分块错切的指纹奇异点检测算法

准确、可靠地检测指纹奇异点(ore点和delta点),对于指纹分类和指纹匹配具有非常重要的意义。针对指纹图像奇异点的精确定位和可靠性判断的难题,提出了一种基于多级分块错切的指纹奇异点检测新方法。首先,对于一枚指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确确定奇异点的位置。然后,在不同的分块尺寸下分别采用平滑和不平滑的方法进行指纹方向场的估计,并分别根据以上方法估计的指纹方向场信息进行指纹奇异点的检测。最后,利用不同情况下检测的指纹奇异点位置相互关联的特性,进行指纹奇异点的精确、可靠检测。该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下采用不同方法检测的指纹奇异点位置相关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点,对低质量指纹图像具有良好的鲁棒性,在部分典型低质量指纹图像上的实验结果验证了该方法的有效性。

用SIFT词汇树实现的姿态无关的人脸识别

自动人脸识别是智能视频监控的重要组成部分.为提高人脸姿态不确定时的识别准确率,提出一种姿态无关的识别方法.该方法分为训练与识别2个阶段:在训练阶段,利用样本图像的SIFT特征构造词汇树,基于该词汇树对每幅图像进行定量表示,并利用保局投影进行维度约减;在识别阶段,通过提取待识别图像的SIFT特征,利用已有词汇树表示图像,并通过保局投影得到低维特征,采用K近邻方法进行识别.实验结果表明,该方法在人脸姿态不确定的情况下能够有效地提高识别准确率.

基于纹线跟踪的指纹分类方法

在深入研究现有指纹分类算法的基础上,提出了一种基于纹线跟踪的新颖指纹分类方法。不同于以往利用core点和delta点进行分类,该算法结合纹线跟踪的思想,在模式区进行纹线跟踪,得到模式区的跟踪曲线,然后再根据曲线参数进行分类,取得了较好的效果。

一种基于统计窗的纹线距离估计方法

纹线距离在自动指纹识别中有着广泛的应用 .但迄今为止 ,研究纹线距离估计的文献并不多见 ,且所述方法对质量较差的指纹图象的处理效果也不尽如人意 .为了对质量较差的指纹图象进行可靠的纹线距离估计 ,提出了一种基于统计窗的纹线距离估计方法 ,该方法是首先将指纹图象分成互不重叠的块 ,并为每块图象定义统计窗和基线 ,然后采用距离统计的方法来获取统计窗内的指纹纹线分布 ,进而估计每块图象的纹线距离 .部分典型图象的实验结果证明 ,该方法是有效的 .

基于深度学习的小面积指纹匹配方法

针对传统的基于细节特征点的指纹匹配方法多适用于采集面积较大的指纹,在面向智能手机端的小采集面积指纹时准确率明显下降的问题,提出一种基于深度学习的小面积指纹匹配方法。首先,提取指纹图像的细节特征点信息;其次,搜索和标定感兴趣纹理区域(ROI);然后,构建并改进基于残差结构的轻量级深度神经网络,通过采用二值化特征模式优化网络和Triplet Loss方式训练模型;最后,制定一种智能手机端注册匹配策略实现小面积指纹匹配。实验结果表明,提出方法在公开库FVCDB1与自建数据库上的等错率(EER)分别仅为0.50%与0.58%,远低于传统的基于细节特征点的指纹匹配方法,能够有效提升小面积指纹匹配的性能,更好地满足智能手机端的应用需求。

基于多峰检测和能量权重的指纹纹线距离估计方法

指纹纹线距离是指纹的本质属性,也是目前主流指纹增强技术中的常用参数,而指纹增强在指纹识别过程中起着去除噪声影响并同时突出关键特征信息的重要作用,因此,纹线距离估计是自动指纹识别系统的一个关键环节。基于精确、可靠地实现指纹纹线距离估计仍然是一个比较困难的任务,提出了基于多峰值检测和基于能量权重2种方法实现纹线距离的估计,并通过在指纹图像增强和指纹细节点提取过程中的应用对纹线距离效果估计进行验证。实验结果表明,该方法可以获得较好的纹线距离估计效果。

基于信息熵的指纹图像二值化算法

指纹图像的二值化处理是指纹图像预处理中的关键步骤,直接影响到指纹图像细化的质量和细节特征提取的准确性。在深入分析指纹图像信息熵的基础上,将信息熵引入到指纹图像二值化算法中,通过求取对应指纹图像区域的最大信息熵估计二值化阈值,并依据此阈值实现对指纹图像的二值化处理。实验结果表明,文中算法对噪声具有鲁棒性,能够有效实现对指纹图像的二值化,提高了细节特征提取结果的准确率。