基于最优梯度估计及小波变换的指纹图像处理技术

提出了最优梯度估计算法 ,用于提取指纹图像局部窗口中的纹理梯度特征参数 ,并在此局部窗口内计算出相应的频率参数 .小波滤波器再根据这些特征参数对指纹图像进行自适应滤波 ,并用滤波后的合成梯度强度对滤波性能进行了衡量 .实验结果表明 ,该算法较好地去除了图像中的噪声 ,并较大程度地提高了图像的质量 .

小波变换在指纹图像处理中的应用

介绍了小波理论在图像处理领域的应用现状,详细介绍了小波阈值去噪算法,并利用小波阈值算法对差的指纹图像进行了处理,解决了因噪声过强而造成的差的指纹图像质量,同时保证了图像的整体增强效果。

模糊几何和纹理特征在指纹细节点后处理中的应用

指纹识别一般基于指纹细节点匹配 ,当指纹图像质量较差时 ,细节点的可靠提取十分困难 ,通常会产生大量的虚假细节点 为提高细节点的精度 ,给出一种在原始灰度指纹图像上进行细节点后处理验证的方法 在每个自动提取出的细节点上取其在原始灰度指纹图像上的局部邻域 ,分析邻域图像的模糊几何特征和纹理特征 ,然后用MLP神经网络对提取出的局部邻域特征进行分类 ,实现细节点类型验证 实验结果表明 :文中方法能有效地去除大量的虚假细节点 。

智能指纹识别系统的设计

指纹识别是利用人体固有的指纹生理特征来进行个人身份鉴别的技术。由于人的指纹具有唯一性和不变性,所以指纹识别与传统的身份鉴别方法相比,具有更高的安全性和易用性。本文阐述了智能指纹识别技术中各个步骤的核心技术,并介绍了一种以DSP芯片OMAP及FPS200指纹传感器为核心的智能指纹识别模块,描述了此系统的硬件设计。

基于扁平结构元素的指纹脊检测

本文在介绍指纹特征提取的基础上,分析了灰度指纹图像脊检测的特点,提出了一种利用数学形态中的扁平结构元素检测灰度指纹图像中脊的方法,并对这种方法的性能进行了分析,与传统算法相比,在达到同等检测效果的情况下,其运算效率提高了约40％。

基于DSP的指纹采集系统的研究

在各种生物识别技术中，指纹识别技术是最成熟、准确和最易使用的。而指纹采集作为指纹识别系统中的一个重要环节也越来越受到人们的重视，高质量的指纹采集技术已成为一个重要的研究课题。指纹图像的采集是自动指纹识别系统（AFIS—Automation Fingerprint Identification System）的重要组成部分，采集到的指纹图像的质量好坏，直接影响到后续的指纹图像处理过程。高质量的指纹图像可以大大简化指纹图像处理的算法，提高识别率，

ARM920T在指纹识别系统中的应用

本文介绍了ARM920T的体系结构及其在指纹识别系统中的应用,以及系统的初始化问题。