基于二值图像的指纹特征点快速提取算法

提出了一种基于二值图像的特征点快速提取算法.该方法仅通过对二值图像中的有效点进行一次顺序遍历,根据二值图像的局部特征可以准确地提取出指纹图像中的特征点,具有简单快速并且有效的特点.     

基于脊线跟踪的指纹角度特征的提取方法及应用

提出了一种指纹图像特征点的提取方法——脊线跟踪法 .它不仅能够快速准确提取出指纹图像中特征点的坐标 ,而且能够求出每一个特征点所在脊线的角度 .角度特征为指纹图像快速匹配提供了更多的依据 ,因而在图像匹配阶段中 ,匹配的速度和精度得到了提高     

基于SUSAN的指纹细节点提取算法

在整个指纹识别过程中，指纹图像的细节点提取至关重要．许多算法是先将脊线细化后进行提取，耗时较多，且易产生大量不易去除的伪细节点．作者将一般图象配准中常用的角点检测技术运用到指纹识别中，提出基于SUSAN的指纹细节点提取新算法．该法在传统的SUSAN上进行数项改进，使其适用于指纹图象，完成端点和分叉点的提取，再根据所产生伪细节点的分布情况将它们去除．此法计算简单、抗噪声能力强、不需事先对脊线进行细化．     

基于Gabor滤波的图像质量分区指纹特征提取

基于Gabor滤波器的指纹图像质量分区方法,对指纹图像的各个分区进行了质量评价。然后对高质量分区直接进行脊线跟踪,提取细节特征点;对低质量分区先使用普遍使用的预处理方法,再进行特征提取。对若干幅低质量指纹进行了实验,得到了不错的实验效果,并且实验的效率和准确率也有所提高。     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

一维经验模态分解在二维图像细节提取中的应用

提出了将一维经验模态分解(1D-EMD)应用到二维图像细节提取的方法.运用1D-EMD方法从水平方向和垂直方向分别处理二维图像,采用最小尺度对齐的原则,可以得到二维图像在水平方向和垂直方向的细节.最后将这2个方向的细节叠加,就可以提取出图像的细节信息.仿真结果证明了该方法的有效性.     

基于方向角度变化的指纹奇异点提取的快速算法

0　引　　言每个人的指纹各不相同 ,指纹是鉴别个人身份的最可靠的方法之一。虽然近年来 ,国内外提出了很多有效的指纹识别方法 ,但在实际应用中仍然存在一定的问题 ,特别在如何进一步提高指纹识别的运算速度等方面还有不少有待于提高的地方。其中在指纹匹配过程时 ,需要将前面所求的特征点进行逐一比较来识别指纹 ,这就要求在指纹图象上建立一参照坐标系 ,以确定特征点在该指纹图象上的位置。由此可见 ,参照坐标系的准确选取 ,即坐标原点的准确选取 ,将直接影响到以后的匹配效果。显然 ,指纹的奇异点 ,或者说指纹的中心点 ,是可供选取的最…     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。     

基于Gabor相位的指纹图像细化算法

利用复数形式的Gabor滤波器, 在对指纹图像进行增强的同时, 得到增强图像的相位, 再利用边缘检测的方法提取相位图中的跳变区域, 直接得到脊线的细化结果。此方法不同于传统的模板匹配的细化算法, 不需要对图像进行二值化, 减少了中间步骤, 从而提高了细化速度和细化结果的准确性。实验结果表明此方法具有更短的细化时间和更好的细化效果。     

一种精确的图像边缘检测法

边缘检测是图像处理与识别中最基础的内容之一,一幅图像就是一个信息系统,其大量信息是由它的轮廓边缘提供的。边缘提取与检测在图像处理中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能。现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待于进一步的改进和发展。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,从理论上分析了该方法的精确性和较强抗干扰能力,给出此算法的实例并与传统的边缘检测算子Laplacian-Gauss算子、Prewitt算子和Canny算子的检测结果进行了比较。     

一个新的基于细节特征的指纹匹配方法

自动指纹识别系统(automaticfingerprintidentificationsystems,AFIS)的精度和效率主要依赖于指纹的匹配算法.指纹匹配涉及的两个关键问题是指纹的对齐和匹配方式.根据同一个指纹的不同采样,其脊线形状保持高度的相似性的特点,利用两条脊线对应点的距离构造了一个判据,用来评价两条脊线形状的相似性,以实现指纹的最优对齐;针对传统指纹匹配算法中伪细节点的混入和真实细节点的遗漏影响指纹匹配精度的问题,提出了一种基于编辑距离原理的指纹细节特征匹配方法,对指纹库Fingdb和FingerDUT进行了测试,等错误率分别为0.62%和2.75%,证明该方法具有较高的可靠性和有效性.     

滤除指纹伪特征算法的优化研究

通过分析指纹图像中存在的各类噪声的拓扑结构,并结合细化指纹图像中细节特征点固有的分布规律,提出了一种有效的滤除指纹细节伪特征点的方法.该方法简单、处理速度快,滤除精度基本可以满足应用的需要.     

基于三方向图的多尺度平滑指纹奇异点检测

为解决低质量指纹图像定位奇异点位置偏移及定位区域过大的问题,提出了一种基于三方向图的多尺度平滑奇异点检测算法.首先,计算指纹图像的方向场和频率场估计并用Gabor滤波器对指纹图像进行增强.然后,计算指纹图像中脊线上像素点的方向并对其进行三方向划分得到指纹脊线方向图.最终,去掉噪点并填补非脊线区域,同时检测多个平滑尺度下的奇异点位置并通过信息融合剔除伪特征点,精确定位奇异点.对FVC2002,FVC2004和FVC2006指纹图像库进行实验,结果表明:该算法对低质量指纹图像奇异点检测的准确率有明显提升,奇异点检测的总准确率达92.35%,可将奇异点精确定位在2×2像素区域内.     

指纹图像质量的自动评定

针对指纹图像质量差而导致指纹识别系统识别成功率低下的问题,提出一种基于多影响因子的指纹图像质量自动评定方法。以原始指纹图像的局部纹理、全局纹理、可利用面积大小和干湿状况作为影响因子,先以梯度相关性计算局部纹理质量分数,再以分块思想分别计算出后三者的质量分数。然后,以不同的影响权值将上述4个影响因子联系起来,综合评定指纹质量。最后调节部分影响因子的影响作用,修正综合评定结果。采用FVC2004DB2_B中图像进行算法验证,实验结果表明：能合理有效地将指纹图像质量评定为5个等级,而且正确率可达到97.5%,能有效提高指纹识别系统的识别成功率。     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。     

指纹图像增强算法研究

指纹图像增强在指纹图像预处理过程中有着非常重要的作用,直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求,为了提高指纹增强算法的综合性能,现提出一种优化的Gabor滤波方法以增强指纹图像并有效消除噪声,并对Gabor滤波器的参数进行量化。实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取,以提高指纹识别的算法效率和准确率。     

指纹图像分割方法综述

在自动指纹识别系统中,精确的指纹图像分割可以加快后续处理速度,提高识别的准确性。按照图像特征的定义范围,将指纹图像分割方法分为基于像素特征、块特征和图像全局特征的方法。对每类方法分别从特征层面与分类器层面进行了归纳总结,并简要分析了3类方法的分割错误率与时间复杂性。最后指出了目前指纹分割算法中存在的主要问题和未来的研究方向。     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究．在此基础上对文献[1]提出的指纹图像二值化方法进行了改进，并对二值化图像、后续的细化图像和特征点提取结果进行了比较。     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究.在此基础上对文献[1]提出的指纹图像二值化方法进行了改进,并对二值化图像、后续的细化图像和特征点提取结果进行了比较.