基于HRF-Net的指纹细节点及汗孔统一提取方法

基于多级特征(例如细节点、汗孔等)融合的指纹识别技术,大大提高了指纹识别系统的安全性和鲁棒性.然而,目前基于高精度指纹的识别技术,几乎都是基于第三级特征中的汗孔特征,而忽略了指纹图像中的其他重要特征.针对这一问题,本文首次提出一种指纹特征提取方法,能够实现在高精度指纹图像上同时提取不同层级特征,包括二级的细节点特征和三级的汗孔特征.本文设计了High-Resolution Fingerprint Net(HRF-Net)作为特征提取模型,利用指纹图像生成细节点与汗孔的热力图,再通过滑动窗口算法处理得到特征点坐标.在HRF-Net模型中,通过引入中继输出结构以实现汗孔和细节点特征的解耦,利用由粗到细的阶段式监督以兼顾网络对不同层级特征的学习,在网络中加入shuffle unit模块减少模型计算复杂度,实现了对指纹不同层级特征高效准确的提取.实验结果表明,本文提出的特征统一提取方法在汗孔的提取上真阳率(RT)达到了96.59%,比目前取得最好性能的Judge CNN提高了3.45%;在细节点的提取上真阳率(RT)达到了81.93%.同时,我们在对汗孔和细节点单独提取上也达到了最好的结果,以衡量提取综合性能的F1-score作为评价指标,模型提取汗孔的F1-score达到了95.83%,比Judge CNN提高1.48%.我们利用所提取的特征在指纹匹配数据集上的指纹图像进行匹配实验,在等错误率(Equal Error Rate,EER)上达到了5.39%,相比传统方法下降7.02%.结果表明,本文的方法在汗孔和细节点的提取性能以及匹配结果上都达到了目前最佳水平.

基于二值图像的指纹细节点提取

指纹细节点提取是自动指纹识别研究的关键问题之一 ,尽管已有很多基于细化图像分析的方法和基于原始灰度图像分析的方法 ,但该问题还没有得到很好的解决 因此提出了一种从二值图像上提取细节点的方法 首先通过行程匹配得到二值指纹图像中的图段 ,然后根据图段的结构形式和图段之间的连接关系进行细节点的判定 ,细节点的方向通过直线试探法获得 实验结果表明 :与基于细化图像的方法相比不仅具有较高的效率 。

基于细节点方向分布的指纹特征匹配

提出了一种新的指纹细节点匹配算法。该算法首先基于细节点方向分布特性将指纹在旋转方向上对齐,减少了大量的旋转操作,然后利用大小变化的界限盒判定细节点之间的对应关系。该算法不受指纹之间旋转变形、平移变换和非线性变形的影响,也不受细节点提取误差的影响。实验结果表明该算法不仅处理速度较快,而且具有令人满意的精度。

基于二进制加密电路的指纹细节点匹配

为了在开放网络的身份鉴别中安全地使用指纹认证技术,需要保护用户和服务器各自的指纹数据的隐私性。提出了一种新的指纹细节点匹配算法,由服务器的细节点模板和用户现场细节点集合组成序列通过不经意排序后,对序列相邻位置进行相等性测试,最后通过加法器计算出匹配细节点的数量。用加密二进制电路实现了上述算法并进行了电路结构优化。实验表明本方法能够进行实时指纹认证处理。

一种扭曲指纹图像的细节点修正方法

非线性形变在指纹图像中非常普遍,严重时会导致指纹识别系统的识别性能显著降低,是指纹图像识别领域重要的研究课题之一.尤其对基于细节点的指纹匹配方法而言,由于相当一部分细节点的位置和方向都在非线性形变的作用下发生了改变,从而导致算法匹配准确率下降.在对非线性形变图像反复观察和实验的基础上,发现了细节点偏离的一些有用的规律,并用于细节点的位置和方向调整.提出了一种基于多参考细节点对齐修正指纹图像中部分细节点的方法,首先获取一组匹配细节点对作为基准点对,然后再以此为基础对邻域其他细节点进行修正,在FVC2004 DB2数据集上进行了一系列实验,实验结果表明该算法能够明显改善匹配性能.

一种利用多元线性函数绑定指纹细节点与密钥的新方法

提出了一种新的使用多元线性函数实现待保护的密钥和指纹细节点数据绑定的方法,将指纹数据和传统加密系统密钥融合成一体,只有通过指纹认证才可获得密钥的使用权.其中多元线性函数的变量数不是由待保护的密钥长度决定,而是由需要匹配的细节点数目决定.实验结果表明,与已有的算法相比,提高了系统的安全性和真实用户恢复密钥的速度.

一种基于细节点局部描述子的指纹图像匹配方法

非线性形变现象在指纹图像中十分普遍,严重地制约了指纹识别系统的识别性能。为了克服指纹图像中的全局非线性形变,本文提出了指纹图像匹配"整体对齐,局部匹配;粗糙对齐,精确匹配"的原则。在此基础上,本文设计了一种细节点局部邻域描述子,利用该描述子对齐指纹图像,研究了基于该描述子的指纹图像相似度计算方法。基于FVC2000 DB2、FVC2002 DB1和FVC2004 DB2的一系列实验结果表明,本文提出的算法性能优于同类算法,能够有效抑制非线性形变对指纹图像匹配的影响。

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 。

指纹图像细节点及显著特征的提取

提出了一种改进的指纹细节特征提取算法。该算法首先在细化后的指纹图像上直接提取原始细节特征点集,然后针对不同的噪声,采用针对性的算法,将各类噪声引起的伪特征点分别予以删除,最终保留下来的特征点集即视为真正的特征点集。通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,提出了一种显著特征提取算法,在已提取的特征点集的基础上,提取出指纹图像的显著特征。

基于Harris角点检测器的指纹细节点提取算法

提出了一种基于Harris角点检测器的指纹细节点提取算法。先将Harris角点检测器应用于增强后的指纹图像,检测出指纹的细节点和曲率变化大的点,随后进行后处理操作。在后处理操作中,根据细节点的空间分布特征,删除虚假点。使用细节点的邻域灰度信息,判定细节点的类型。利用细节点的原始方向以及得到的类型,确定细节点的精确方向。与经典的细节点提取算法相比,不需要对指纹图像进行二值化、细化,直接在灰度指纹图像当中提取细节点,大大减少了计算时间,有效地提高了效率。使用FVC2002指纹数据库测试,结果表明,该算法可靠、快速,适合实际应用。

基于学习的高分辨率掌纹细节点质量评价方法

细节点在高分辨率掌纹匹配中扮演了重要角色,然而掌纹图像受到主线、褶皱线等的影响,提取出的细节点质量参差不齐.所以,对细节点进行质量评价并去除伪细节点,成为一个研究课题.提出了一种基于学习的高分辨率掌纹细节点质量评价方法.首先使用了基于图像的Gabor卷积响应和复数滤波响应等的一系列特征,用来对细节点局部进行冗余描述;然后,把每个特征作为弱分类器,用AdaBoost算法进行多层训练,挑选出对真伪细节点判别效果最理想的特征;最后,把弱分类器加权线性组合的响应分数作为细节点质量的得分,筛选出得分在阈值以上的细节点作为真细节点.该方法的实验结果与基于傅里叶变换的方法相比,能够更好地区分真伪细节点,对细节点的质量做出了更好的评价.

构建细节点柱形结构的指纹匹配算法

细节点柱形编码结构是指纹匹配领域中一种新颖的三维数据结构表示。针对这种方法所面临的极大的空间存储代价和时间复杂性,以及对稀疏细节点的描述能力较弱等问题,提出了新的细节点柱形结构的匹配策略,对原有的细节点柱形编码进行改进,减少了柱形编码的计算,有效地降低了匹配时间和空间代价。同时引入了最小形变误差模型,通过对非线性形变进行度量,找回丢失的稀疏细节点对,提高了匹配的准确率。在FVC2004上的实验结果表明,新方法具有较高的效率和准确性。

基于二值化图像的指纹细节点精确提取方法

针对指纹图像质量较差时,基于灰度图的指纹细节点直接提取方法正确率较低,提出一种基于二值化图像的指纹细节点精确提取方法.该方法首先采用方向滤波增强指纹图像,消除各种噪声,然后在二值化图像上进行脊线跟踪,直接提取细节点.脊线跟踪时,采用平滑和加权联合处理来计算脊线下一跟踪点,并提出一种利用循环扩散方法检测脊线连通性的方法,保证脊线跟踪的正确性.实验结果表明,无论图像质量好坏,该方法提取出的细节点正确率都超过80%,优于灰度图直接提取方法及其改进算法.

基于Gabor相位和图像质量评价的高分辨率掌纹细节点提取算法

针对主线、褶皱线及噪声等造成高分辨率掌纹细节点提取困难的问题,提出一种基于Gabor相位和图像质量评价的高分辨率掌纹细节点提取算法。首先使用Gabor振幅相位模型对掌纹图像进行描述,并基于Gabor相位提出多尺度的细节点检测方法;然后利用提取细节点过程中的信息,设计基于傅里叶响应的质量评价方法和基于Gabor振幅的质量评价方法;最后融合两种质量评价结果,并对检测到的细节点进行筛选。实验结果表明,所提方法能够有效地提取高分辨率掌纹图像的细节点,并去除不可信细节点。与其他方法相比,具有更好的细节点提取结果。

一种通过方向延伸向量检测指纹细节点的方法

为了提高基于细节点的指纹鉴别系统的性能,提出了将方向延伸向量特征用于细节点检测,定义方向延伸向量为在预先定义的各个方向上在相同亮度条件下最大延伸长度所组成的向量.细节点检测包括4个步骤:通过方向延伸向量检测出所有可能的细节像素点;通过计算局部区域内的细节像素点的平均位置来获取细节点位置;通过搜索方向延伸向量中最大值对应的方向获取细节点方向;根据细节点间的相对位置和相对方向消除伪细节点.实验结果表明该方法能够快速而准确地检测细节点.

基于FBI细节点的二次指纹配准算法及应用

文章分析了提取指纹图像FBI细节点的处理过程,构建了点特征向量和域特征向量,提出了基于FBI细节点的二次指纹配准算法及实现方法。实验结果表明,本文算法有很高的识别准确率和识别稳定性,可用于指纹实际识别。

基于MATLAB的SUSAN指纹细节点提取

在指纹识别中,指纹细节点提取具有重要的意义,它直接关系到指纹匹配的可行性。指纹细节特征提取通常直接从灰度图像中提取特征点,虽然这种算法不必经过二值化和细化过程,但它要对处理后的指纹图象进行纹线修复,然后再实现细节特征提取。纹线修复往往比较耗时,步骤繁琐,同时对噪声比较敏感,甚至涉及到复杂的梯度和微分运算。本文基于简化运算的目的,首先建立USAN区域,再观察USAN区域的变化情况来判断特征点类型,最后提出了较完善的基于SUSAN原理的指纹特征提取算法,并且在MATLAB下进行仿真。实验结果证明了本算法对USAN的求和相当于求积分,计算简单、抗噪声能力强。

基于二值化指纹图像细节点提取的改进算法

深入研究了二值化指纹图像细节点提取算法,针对已有算法中存在伪细节点和遗漏细节点的问题,提出了一种改进的二值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,采用了形式分割图段、结合纹线方向提取、合并图段等措施。大量实验表明,该算法显著地减少了伪细节点和遗漏细节点的出现,是一种较为理想的二值化指纹图像细节点提取算法。

指纹图像预处理与细节特征点提取

对指纹图像的预处理与细节特征点提取提出了一套较完善的方法。在二值化后的图像中用到了平滑滤波的处理,消除了在预处理过程中纹线中产生的毛刺与小孔等,并对若干幅不同质量的指纹图像进行了测试,获得了较好的效果,细节特征点提取的准确率也有所提高。

指纹识别中未匹配细节点信息的挖掘与利用

针对基于细节点的指纹匹配中未匹配细节点,定义和提取了细节点比例、紧互对原型对距离、网格集合距离以及Hausdorff距离四个方面的特征,并将其作为辅助特征进行利用,通过在得分级上与一种已有的基于细节点的匹配方法进行融合,实现指纹识别。实验结果表明,融合未匹配细节点中的区分性信息后,指纹识别系统的性能得到了明显的提升,从而也证实了未匹配细节点中的确包含可以利用的区分性信息。