深度学习应用于指纹识别软件研究

传统指纹识别软件算法存在着需要人工设计指纹特征及大量调试,很难完成使设计特征和选择分类器最优化,指纹识别准确率不够等问题.本文提出将深度学习算法应用于指纹识别软件,可以更好地自动得到指纹数据的特征,减少人工设计指纹特征的巨大工作量,提高指纹识别的准确率.     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1：N辨别速度有明显的提高。     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1:N辨别速度有明显的提高。     

基于灰度区间映射的脱皮指纹识别技术

指纹识别技术是生物特征识别技术中的研究热点.指纹学的研究表明指纹具有唯一性和终生不变性,利用指纹识别技术进行身份验证是可行而且实用的.文中系统地介绍了指纹识别流程及近几年相关技术的最新进展,在此基础上针对脱皮指纹直方图存在多峰的特点,提出了一种基于灰度区间映射的指纹预处理方法.仿真实验结果表明,当去掉灰度区间映射处理后,脱皮指纹识别出错,而包含灰度区间映射处理后识别率达到82.34%.     

一个自动指纹识别算法的研究与实现

针对指纹识别中的指纹采集和预处理这两个关键问题,设计并实现了USB电容式指纹采集仪,保证了指纹图像采集的高质量。并在此基础上提出了一套完整的指纹预处理算法,包括平滑、滤波、二值化和细化,有效的利用了指纹的方向特性,很好的增强了指纹图像,保护了细节特征,为可靠、准确的实现指纹识别提供了一种可行的方法。     

指纹图像预处理和特征提取算法的Matlab实现

在指纹识别中,作为指纹匹配的前提和基础,指纹图像的预处理和指纹图像的特征提取对整个指纹识别算法起着至关重要的作用。本文设计了一套指纹图像预处理和指纹特征提取算法,利用方向滤波的方法对原始图像进行增强,使用改进的细化算法进行细化,最后基于脊线跟踪的方法,用改进的算法更为简洁而有效地避免了各种伪特征。设计的算法经Matlab实现,实验效果良好。该算法为指纹识别进一步应用到实际提供了一定的技术基础。     

基于局部特征结构的指纹匹配算法研究

针对实际应用中指纹识别系统对畸变图像识别率较低的情况,提出了一种点模式指纹匹配的新方法,利用细节点方向的分布特点,构造指纹图像中具有平移旋转不变性的局部特征结构,然后根据模板指纹和输入指纹局部特征结构的相似度寻找候选参考点对,将指纹图像进行对齐,最后进行特征点集的全局匹配,由结果分数来判断两个指纹是否匹配,给出了算法实现的全过程,实验结果表明该算法鲁棒性好,正确识别率较高,是一种实用的指纹识别技术.     

指纹识别系统分析

目前的自动指纹识别系统大多是基于PC平台的,而当今市场对自动指纹识别系统的便携性和易用性提出了更高的要求。介绍了自动指纹识别系统的原理,提出了以基于脊线跟踪的方法直接从指纹灰度图象提取特征的算法来提取指纹图像的特征点,总结了指纹识别的基本原理及其关键技术,研究了目前主要的指纹识别的算法。     

结合方向图的指纹特征点提取

报告了指纹识别研究的现状,分析了指纹识别过程中伪特征点对识别结果的影响,以及指纹识别过程中不同伪特征产生的原因.对指纹图像进行二值化,细化等预处理,并初步提取特征点.结合指纹方向图,对从细化图像中提取出的大量特征点进行处理,利用不同伪特征的不同方向和距离特点设计了伪特征点判断和删除的判据,在去除伪特征点的同时又保证真正的特征点不被误删.实验结果表明,该方法取得了较好的效果,能满足实际使用的需要.     

一个自动指纹识别算法的研究与实现

针对指纹识别中的指纹采集和预处理这两个关键问题，设计并实现了USB电容式指纹采集仪，保证了指纹图像采集的高质量。并在此基础上提出了一套完整的指纹预处理算法，包括平滑、滤波、二值化和细化，有效的利用了指纹的方向特性．很好的增强了指纹图像，保护了细节特征，为可靠、准确的实现指纹识别提供了一种可行的方法.     

基于结构特征的指纹识别

为了克服指纹识别中常见的问题,本文提出了一种基于结构特征的匹配算法用以提高识别率,并提出了一种特殊的指纹图象预测处理算法,以减少图象噪声,整个算法具有高效识别和很强的抗干扰能力,此外逄法对指纹缺损图象也有很高的识别率。     

一种基于局部结构信息的指纹伪特征滤除算法

自动指纹识别系统中，灰度指纹图象经过预处理过程得到细化二值图象，其中往往含有大量的伪特征，这将对后续的分类、匹配等操作造成不良影响，导致系统识别率下降，为此首先提出一种新的快速纹线跟踪算法——8邻域编码纹线跟踪算法，然后提出一种基于局部结构信息的指纹伪特征滤除算法，该伪特征滤除算法是在纹线跟踪的基础上，提取指纹特征点的若干属性，并结合特征点的局部结构信息，对各种伪特征结构进行识别和滤除，实验结果表明，本方法可以快速、准确、彻底地滤除这些伪特征结构，效果令人满意。     

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，与其他方法相比具有较高精度．     

基于遗传算法的指纹图匹配算法及应用

自动指纹识别系统因其在身份确认方面所具有的方便、快速、准确等特点而得到了广泛的研究 .该文利用分层匹配的思想 ,提出了一种根据指纹细节点结构特征进行初匹配的算法 ,并将遗传算法应用于更高层次的点模式匹配问题中 .该方法在自动指纹识别应用中取得了较好的结果.     

Enhancement of feature extraction for low-quality fingerprint images using stochastic resonance

This paper presents a new approach to enhancing feature extraction for low-quality fingerprint images by adding noise to the original signal. Feature extraction often fails for low-quality fingerprint images obtained from excessively dry or wet fingers. In nonlinear signal processing systems, a moderate amount of noise can help amplify a faint signal while excessive amounts of noise can degrade the signal. Stochastic resonance (SR) refers to a phenomenon where an appropriate amount of noise added to the original signal can increase the signal-to-noise ratio. Experimental results show that Gaussian noise added to low-quality fingerprint images enables the extraction of useful features for biometric identification. SR was applied to 20 fingerprint images in the FVC2004 DB2 database that were rejected by a state-of-the-art fingerprint verification algorithm due to failures in feature extraction. SR enabled feature extraction from 10 out of 11 low-quality images with poor contrast. The remaining nine images were damaged fingerprints from which no meaningful features can be obtained. Improved feature extraction using SR decreases an equal error rate of fingerprint verification from 6.55% to 5.03%. The receiver operating characteristic curve shows that the genuine acceptance rates are improved for all false acceptance rates.     

一种基于小波变换的指纹特征提取算法

提出了一种基于小波变换的指纹纹理特征提取算法。首先以指纹图像的核心点为中心分割出一片有效的矩形区域,然后对分割后的有效区域做二维小波分解,提取小波分解后各通道的能量值作为特征值来进行识别。与传统的基于指纹细节点的识别算法相比该算法一定程度上减少了计算量,对指纹图像的质量要求也不高,并且识别精度也得到了保证。     

多印痕指纹识别的数据融合技术

由于指纹图像中存在非线性变形和噪声干扰,当前的指纹识别系统不能满足某些系统要求保持很低的误接受率(FAR)的同时达到较低误拒绝率(FRR)的要求。提高识别性能的一个有效的方法是融合多个模板和多个指纹的数据融合技术。该文研究的一种多印痕指纹数据融合技术能够改善系统性能。通过实验证明了这种数据融合技术能够有效提高系统性能,可以使系统在保持低误接受率的条件下降低误拒绝率。     

基于肤色和类Harr特征的人脸图像的人眼检测

人眼检测在表情识别和计算机视觉领域得到了广泛的关注和研究,但是在多数的人眼检测方法中,对于背景较复杂的图像,识别率急速下降,误检率急剧上升。经过研究,使用椭圆肤色模型预处理图像,分割出肤色区域和非肤色区域,检测算法只对肤色区域进行人眼检测,有效降低了复杂背景造成的高误检率。同时特征选取是决定检测算法识别率和误检率等性能标准的关键因素,选取类Harr特征训练Adaboost级联分类器,实验表明了类Harr特征的有效性。     

指纹图像的特征提取及特征点记录

该文主要研究了基于细节点的方法来提取指纹特征特点,在后处理部分,结合细化指纹图像中细节特征点固有的分布规律,提出了一种新的滤除指纹细节伪特征点的方法。在记录特征点信息部分,该文提出了一种新的记录特征点信息的方法。该方法不依赖于指纹中心点的录入并将特征点之闻的距离用纹线数表示,从而增加了算法的鲁棒性。     

Fingerprint-Quality Index Using Gradient Components

Fingerprint image-quality checking is one of the most important issues in fingerprint recognition because recognition is largely affected by the quality of fingerprint images. In the past, many related fingerprint-quality checking methods have typically considered the condition of input images. However, when using the preprocessing algorithm, ridge orientation may sometimes be extracted incorrectly. Unwanted false minutiae can be generated or some true minutiae may be ignored, which can also affect recognition performance directly. Therefore, in this paper, we propose a novel quality-checking algorithm which considers the condition of the input fingerprints and orientation estimation errors. In the experiments, the 2-D gradients of the fingerprint images were first separated into two sets of 1-D gradients. Then, the shapes of the probability density functions of these gradients were measured in order to determine fingerprint quality. We used the FVC2002 database and synthetic fingerprint images to evaluate the proposed method in three ways: 1) estimation ability of quality; 2) separability between good and bad regions; and 3) verification performance. Experimental results showed that the proposed method yielded a reasonable quality index in terms of the degree of quality degradation. Also, the proposed method proved superior to existing methods in terms of separability and verification performance.