基于脊线校正的非接触式指纹识别研究

对比传统接触式指纹识别,非接触指纹识别在卫生安全性和用户接受度等方面具有更大的优势,但由于采样条件和指纹自身的问题,导致的脊线图存在伪脊线或特征点是其主要挑战。针对以上问题,在将指纹图像进行改进的自适应对比度增强(adaptive contrast enhance, ACE)和通过自定义Gabor滤波器对二值化的脊线进行滤波增强的预处理前提下,提出了一种基于指纹结构的脊线和特征点优化(ridge and minutiae optimization, RMO)算法。该算法能够有效地在对伪脊线校正的基础上剔除伪特征点,进而提高特征点信息获取准确性和提升指纹识别效率。为了验证本文所提出方法的有效性,基于一个公共非接触式指纹数据集,设计了两组实验,分别验证上述方法是否能准确、有效的获取指纹特征点信息和该方法对于基于特征点匹配的指纹识别的收益。最终在实验以及结果讨论环节,证明了本文提出的RMO算法能够高效地对指纹特征点信息进行提取,以及该算法能够显著提升指纹识别准确率。

基于高清摄像技术的非接触式指纹识别系统

指纹识别是一种理想的生物识别技术,普遍性、唯一性、稳定性、可采集性、性能、接受度、反欺性均较好。本次研究简单的探讨指纹识别系统的工作过程,并提出基于DSPTMS320F2812处理器设计非接触式指纹采集仪器的架构。

基于纹路的三维指纹模型重建算法

三维指纹识别是近几年兴起的一种基于三维指纹模型进行指纹识别的新技术,能够克服传统接触式指纹识别中存在的纹路变形、残留纹路、对手指皮肤状况敏感等缺陷。基于多角度图像的三维指纹模型重建是整个识别过程中的一个关键步骤。提出了一种基于纹路的重建算法,算法重建的指纹模型直接包含纹路与细节点相关特征。相对于已有文献中将指纹表皮作为重建对象,算法重建结果更有助于特征提取等三维指纹识别后续过程。