排序方式: 共有3条查询结果,搜索用时 62 毫秒
1
1.
基于频谱能量的指纹分类 总被引:1,自引:0,他引:1
指纹分类是自动指纹识别系统中的关键技术,但目前的算法对低质量的指纹图像的分类还存在较大的误差.为了能够对低质量的指纹图像进行准确分类,提出了一种基于频谱能量的指纹分类,首先对分块的指纹图像进行傅立叶变换,然后根据频谱图中能量的分布特点得到指纹图像的方向图,提取core点周围的指纹图像的方向向量作为该指纹图像的特征向量.最后使用K近邻分类器和最小距离分类器对输入指纹进行分类.在NIST-4指纹数据库上的实验结果表明了算法的有效性,分类正确率达到94.1%,且算法速度比同类算法有较大的提高. 相似文献
2.
亓秀燕 《中国新技术新产品》2010,(22):205-205
财政政策与货币政策作为调节经济的两大手段,在市场经济的背景下发挥着巨大的作用。地方政府投融资作为财政政策的重要一环,对地方经济的发展发挥着其巨大的作用。本文着重分析了当前我国国内的投融资环境与地方政府投融资的作用。 相似文献
3.
基于Gaussian-Hermite矩和改进的Poincare Index的指纹奇异点提取 总被引:1,自引:0,他引:1
在指纹分类和匹配中,准确、可靠地提取奇异点十分重要.针对低质量指纹图像奇异点检测中精确定位和可靠性判断这一难题,提出了一种两阶段的奇异点提取算法.首先,针对现有Poincare index方法存在伪点检出较多和抗噪性较弱的问题,通过对其改进实现候选奇异点位置的确定;然后,再通过计算候选奇异点周围圆形邻域的Gaussian-Hermite矩分布属性值来判断其真伪.方法有效结合了奇异点周围邻域的纹线方向和纹线一致性信息,能够从指纹图像中较为准确、可靠地检测出奇异点.在NIST-4和南京大学活体指纹库上的实验结果验证了该方法的有效性和鲁棒性.在从NIST-4中随机抽取的500幅指纹图像上,奇异点的检测准确率为93.05%(Core点准确率为96.93%,Delta点准确率为86.43%). 相似文献
1