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 .

基于区域水平的指纹纹线距离估计方法

在充分分析现有纹线距离估计方法的基础上,突破了基于整幅指纹图像或者分块图像进行纹线距离估计的传统思路,提出了一种基于区域水平的新的指纹纹线距离估计方法。首先,根据纹线方向一致性,自适应地将一幅指纹图像划分为若干个区域,提出了区域的统计窗概念。然后,在对指纹图像进行二值化后,为每个区域定义统计窗和基线,以区域为单位,采用一种距离统计方法,估计每个区域的平均纹线距离。实验证明,采用这种方法进行纹线距离估计,弱化了细节特征点和一些低质量指纹区域的存在对纹线距离估计的干扰,估计结果可靠,同时也使得该方法对图像采集分辨率具有不变性。

一种二步分类计算指纹纹线距离的新方法

纹线距离是指纹图像纹理结构的根本属性,在自动指纹识别中有着重要的应用。现有的纹线距离计算方法往往忽略指纹局部质量差异对纹线距离估计的影响,而直接对指纹纹线距离进行同一化计算,造成了纹线距离计算失准。本文针对该问题,提出了一种两步分类计算指纹纹线距离的方法。实验结果证明该方法显著提高了算法对指纹图像质量的鲁棒性。

一种基于区域水平的纹线距离估计方法

突破了基于整幅图像或者基于分块图像进行纹线距离估计的传统思路,根据纹线方向一致性,自适应地将一幅指纹图像划分为若干个区域,在区域水平上实现了纹线距离估计。

指纹纹线距离估计:算法与性能评价

指纹纹线距离的可靠估计对自动指纹识别系统的实现具有重要的意义.本文利用传统的谱分析方法在频域实现了对指纹图像纹线距离的估计,提出了一种基于统计窗的纹线距离估计新的方法,在空间域实现了纹线距离估计.针对纹线距离估计方法缺少性能评价标准的现状,定义直接估计出纹线距离的区域占整个指纹有效面积的比例(Direct Estimation Ratio,DER)和估计精度(Estimation Accuracy,EA),提出使用DER、EA和时间消耗(TimeConsuming,TC)作为评价纹线距离估计方法的性能指标.实验结果表明,在模式区附近等纹线方向变化剧烈的区域,谱分析方法可以更为可靠地实现对纹线距离的估计,而在纹线方向变化平缓的区域,统计窗方法对图像质量表现出更好的鲁棒性,可以取得更好的效果.谱分析方法的DER、EA、TC分别为46.7%、84%、0.42秒,而统计窗方法的DER、EA、TC分别为66.4%、95O、0.29秒,统计窗方法在整体性能上要优于谱分析法.