局部指纹内汗孔特征识别准确性研究

目的探讨汗孔特征在局部指纹内识别的准确性,为汗孔特征的应用提供依据。方法通过对四种承痕客体上遗留手印进行显现、汗孔标注、统计局部指纹内汗孔特征标识的正确率、错误率、漏标率,比较不同客体、不同显现方法对汗孔识别的影响。结果局部指纹内汗孔识别的平均正确率为92.30%,平均错误率为7.70%,平均漏标率为7.39%,手印面积大小、承痕客体性质、显现方法以及人为因素对汗孔识别准确性有一定影响。结论在一定条件下,小面积局部指纹内汗孔特征可以得到有效识别,且识别的准确性较高,汗孔特征识别准确性研究为利用汗孔特征辅助手印鉴定提供了依据。

基于细节点局部结构与LBP的指纹特征融合方法

针对指纹传感器图像采集面积小造成的奇异点缺失,匹配特征点较少等情况,文中提出了一种利用同一手指多幅图像,通过结合细节点邻域结构与局部二值模式(LBP)纹理特征生成合成模板以扩大注册模板的有效面积,同时提升模板中特征点可信度,从而匹配小面积指纹图像的方法。实验结果表明,本文提出的指纹特征融合方法能有效降低小面积指纹图像匹配的拒真率。

棋盘取样方法在指纹识别中的应用

文章提出了在基于神经网络的指纹识别当中一种比较简单的取样方法。在生物学领域指纹样本包含了大量的数据。如果取指纹的部分样本,可以减少大量的数据,从而可以快速地进行数据处理,进而识别指纹信息。为了解决数据容量过大的问题,文章提出了棋盘取样算法。一个8×8的棋盘取样数据将用于神经网络的训练样本。它将减少神经网络50%的记忆程序。25%的指纹信息将用于神经网络以后的记忆和训练。首先用快速傅里叶变换或直方图算法增强指纹图像有效信息。然后二值化图像,并把样本用于人工神经网络的鉴定试验当中。最后用MATLAB仿真实现。

基于小波变换的指纹全局方向场重建

从大型指纹库识别不完整或局部指纹仍然是今天的一大挑战。在此文中,我们研究利用小波变换用于指纹方向场重建问题。特别的,我们提出了一种基于小波的多尺度方法从局部的指纹重建全局拓扑表达。然后提出基于结合参数模型和非参数模型来描述重建问题,我们提供了一般表达式可用于所有有效的反变换模型的解决方案。这种方案允许我们分割保护存在的方向场同时预测丢失的未知部分的结构。我们还开发了基于脊线拓扑特征的一些先验信息来估计丢失的方向结构的算法。我们的统计实验表明我们提出的基于模型的算法能有效的恢复指纹的方向场并应用于指纹匹配,这样重大的提高了局部指纹识别其他模块性能。

基于两级分块的文件同步方法

针对Winnowing分块算法存在的分块效率较低以及分块粒度相对较粗等问题,提出了一种基于两级分块的文件同步方法(double-chunking file synchronization,DF-RSYNC)。该方法采用循环队列对每一个固定窗口内滑动块的局部字节指纹值进行存储,以避免对重叠部分滑块指纹值的重复计算,并采用分块粒度由粗到细的两级分块、两轮往返的同步算法,以提高差异检测的准确率,减少差异数据量。实验结果表明,该方法能够有效减少分块时间,提高差异计算的效率;能够更细粒度地检测到文件差异,从而提高了检重率。