自动指纹识别系统中关于指纹特征算法的研究

指纹图像的特征提取和匹配在计算机指纹自动识别系统(AFIS)中起着至关重要的作用,直接制约着系统的识别率和识别速度.本文在指纹图像预处理的基础上,对指纹特性算法进行了改进,主要创新点在于简略细化过程同时引入基于二值化图像的特征提取算法.非正向扫描特征提取算法根据指纹的综合特征,沿脊线搜索匹配细节特征点,避免伪特征点的提取.改进后的算法在MATLAB环境下成功应用,实验结果表明,该算法能有效提高识别精度和速度,满足在线验证指纹的实时应用性.     

一个基于特征点匹配的联机指纹鉴别系统

描述了一个基于特征点匹配的联机指纹验证系统设计思想和实现方法，专用的CCD指纹采集设备通过自动跟踪二值化电路，可向处理软件提供高质量的二值图像。专门设计的一种两遍扫描串行迭代细化算法可以获得高质量的指纹的骨架。设计了一种新方法在细化后的点线图上计算指纹的中心点。特征点匹配算法通过动态建立极坐标系和弹性配对特征点来实现。预先计算出的中心点可使搜索范围大大减少，确保了本算法满足联机自动指纹验证系统的实时性要求。     

指纹图像预处理和匹配算法研究

根据电容式传感器采集的指纹图像的特点,提出了一套指纹图像预处理和匹配算法.算法首先采用指纹预处理组合算法去除噪声,并提取指纹图像的二值点线图,然后通过搜索脊线,寻找细节点来实现特征提取.最后采用基于极坐标下的点模式的细节匹配算法,并用一个相对匹配点数的匹配判决标准,按相对匹配点数确定两幅图像是否匹配.实验结果表明,该算法能够对指纹进行较准确的比对与匹配,并效果较好.     

基于细节特征的指纹匹配算法研究

指纹图像匹配是自动指纹识别系统最后的环节也是最为关键的环节,匹配算法需要克服指纹图像的旋转,平移.本文提出了基于细节特征的指纹匹配算法,实验结果表明该算法能够在使用较少资源的前提下,提高指纹匹配速度,改善系统的匹配性能.     

自动指纹识别系统的实现

研究了指纹图像的预处理、特征提取及特征匹配这三种算法。介绍了指纹和自动指纹识别系统的相关知识,详述其各组成单元;采用了基于三角形基准点定位匹配的算法,以弥补细节点指纹匹配算法过于依赖中心点的不足;并在VC＋＋6环境下开发了自动指纹识别系统软件,性能测试结果表明,该系统能较好地实现自动指纹识别功能。     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法（Loca lRidge Compensation）进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP（Local binary patterns）算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析（PCA）进行降维,并采取了极限学习机（Extreme learning machine,ELM）分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于PCR-DSmT的序列帧融合景像匹配算法

针对INS/SMNS组合导航系统中,单帧景像匹配难以判断匹配结果是否正确并给出准确的匹配置信度的情况,提出一种基于PCR-DSmT的序列帧融合景像匹配算法。算法分为单帧粗匹配和序列帧融合精匹配两步:首先提取图像的相位一致性特征并采用快速归一化互相关算法初步匹配;然后建立序列帧时空约束关系,利用相关阵中极大峰构建辨识框架,采用层次分析法自适应计算置信指派并利用适配因子进行折扣运算,最后采用证据推理组合规则融合并根据判决准则输出匹配位置及置信度或对错误匹配结果报警。针对Dempster组合规则在高冲突序列帧融合时出现错误以及DSmT组合规则在多证据融合时正确位置置信指派难以增大并收敛的问题,提出一种PCR-DSmT组合规则。采用真实航拍图像和对应的Google earth卫星基准图像的仿真实验验证了匹配算法的有效性。     

基于SIFT特征匹配算法的目标跟踪及视频采集与传输研究

为了有效解决复杂背景情况下运动物体的跟踪问题,提出了一种基于SIFT特征匹配算法的目标跟踪方法。通过构建Do G尺度空间、FIFT特征点检测、特殊点描述子算法、特征点匹配将参考图像和待匹配图形进行SIFT特征点匹配,实现目标跟踪;并通过视频采集模块和无线传输模块将采集的目标图像进行无线传输。实验结果表明:SIFT特征匹配算法可对复杂环境中的目标信息进行有效跟踪。     

基于MSERs改进的大失配立体图像自动配准方法

提出了一种基于最大稳定极值区域(MSERs)改进的亚像素级自动鲁棒配准算法.该算法对灰度图像序列进行了MSERs特征提取与椭圆拟合.利用特征极线方位来代替该特征邻域主梯度方位,提出了改进的特征规则化处理与描述方法;采用一种新的自适应特征匹配方法来获得可靠特征匹配集,在此基础上基于最小二乘影像匹配(LSM)来进一步提高配准精度,根据匹配点误差统计分布规律与3倍标准差准则来剔除粗差点,并基于配准模型获得图像的配准融合结果.试验证明提出的算法对发生较大旋转、缩放以及视角变化的图像精确配准具有优越性.     

基于双目视觉的运动目标检测系统

为了满足室内环境监控的需求,提出一套基于双目视觉的运动目标检测系统。该系统由数据采集与存储模块、运动目标检测模块、对应点匹配模块和测距模块共四部分组成。运动目标检测模块对采集到的双通道视频分别采用背景差分法进行目标提取,然后对双通道的每帧图像进行粗匹配,并采用尺度不变特征变换算法进行精匹配,找到双通道图像的匹配点对,完成运动目标的距离测量。经实验证明,新系统可以有效提取运动目标,并进行距离测量,尤其可以解决目标物被部分遮挡的距离测量问题。     

基于角点分层匹配的织物图像拼接

针对一些织物图像,该文提出了一种新的基于角点分层匹配的图像拼接方法。该算法首先采用harris角点检测,然后用归一化互相关法进行初步的匹配,再运用稳健的RANSAC算法进行精匹配,最后对相关性最高的4对点求单应性矩阵,从而实现对图像的拼接。整个算法自动完成,采用二次匹配,鲁棒性强。实验结果表明,该方法能准确找到图像间的重叠位置,且融合效果比较理想。     

基于灰度校正的SIFT算法全景图实现

提出应用灰度校正改进全景图像无缝拼接的方法。利用直方图均衡化技术消除拍摄图像的灰度不一致;应用基于尺度不变特征变换算法(SIFT)对图像进行特征匹配,最后利用加权平均算法进行图像融合实现图像的无缝拼接。实验结果表明,图像的匹配对增加了86%,匹配效果优于现有SIFT方法。     

基于细节点频谱的指纹图像匹配算法研究

为了提高指纹识别系统对存在位移、缩放和旋转等线性变化的指纹图像识别率,提出一种基于指纹细节点频谱的指纹匹配算法。首先介绍了从频率域提取指纹细节点的频谱特征,利用傅里叶-梅林变换的特性来消除平移、缩放和旋转等线性变化,从而获得稳定的无需再次校准的指纹特征;由于新的频谱特征是以矩阵形式存储的,因此可以直接用欧氏距离来评估两个指纹特征的相似程度,进而完成指纹图像的匹配;最后利用Matlab搭建了一个系统平台,在FVC2002DB2数据库中进行实验。结果表明:与其他方法相比,笔者提出的方法明显提高了自动指纹识别系统的识别率。     

无人机导航信号稳定跟踪方法

在复杂背景下易混入随机噪声,导致无人机导航信号检出率较低、跟踪误差较大.为此,本文提出了基于改进图像特征块匹配的无人机导航信号稳定跟踪方法.利用图像传感器、CCD摄像机等设备采集序列图像;采用Harris算法提取特征点确立匹配准则,选取估计量最优值完成特征点匹配;使用改进的图像模块匹配法计算目标模块与子模块的相似度,同...     

安全指纹识别系统的研究与设计

针对常见的指纹特征提取存在问题以及原始指纹特征的安全问题,进行了安全指纹识别系统的研究与设计。提取了指纹图像感兴趣区域的Frobenius范数特征,借助随机矩阵对范数特征进行映射以增大类间差;并基于映射结果采用阈值化方法生成了作为特征模板的描述子,并将其扩展成为具有安全性和鲁棒性的伪描述子存于系统数据库;对伪描述子采用恢复算法与特征模板进行匹配并给出识别方法。该识别系统中的描述子和伪描述子,都不能通过逆变换获得合法用户的原始指纹特征。FVC2002数据库的实验表明:该识别系统安全、可行、有效,并获得了满意的等错率(0.0219)。     

基于代数特征和几何特征的快速指纹识别

对仅基于指纹几何特征的匹配方法进行取长补短,提出新的基于指纹代数特征和几何特征的分阶段匹配方法.实验证明该方法在保证较高识别率的同时,匹配时间缩短了47.5%.该算法有望发展成为一种实用、有效的指纹识别技术.     

动态分数选择的多视角非接触指纹识别融合

与传统的二维指纹采集方式相比,非接触的指纹采集方式可以提供更丰富的特征,并能克服二维采集方式某些不足．基于多视角非接触指纹识别融合问题,提出了基于聚类的动态分数选择(CDSS)算法．首先,通过聚类将匹配分数分为两类,分别计算两类中匹配分数的个数以及其他统计量,然后通过参数的判断选择相应的统计量作为整个系统最终用于决策的匹配分数．实验表明:相比单视角非接触二维指纹识别,基于CDSS的多视角非接触指纹识别的识别性能有显著提高．与sum、max、SVM和Fisher线性判别算法等的实验比较也验证了CDSS在多视角非接触指纹识别融合方面的优越性．     

基于兴趣区域特征融合的半监督图像检索算法

提出一种融合底层特征、基于兴趣区域的半监督学习图像检索方法,实现了图像内容的语义关联。该方法首先划分图像兴趣区域,提取图像的综合底层特征,然后将其作为训练数据,对图像类别进行半监督学习,建立图像和类别的语义映射,最后分别采用二次式距离和改进的Canberra距离对图像底层特征进行度量,特征空间中图像类的区域中心用正反馈进行迭代更新。通过实验对比,该图像检索算法具有较高的准确率,优于传统的基于内容的图像检索算法。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于改进加权算法的实时图像数据融合研究

在三维重建、多维数据融合和信息可视化分析等领域中,针对实时视频图像数据拼接融合的过程中常出现的拼接缝隙问题,提出了一种改进的加权融合实时图像拼接方法.该方法将视频拼接问题转化为视频对应帧图像的融合问题,通过利用SURF算法对特征数据点进行提取与匹配,对图像使用RANSAC算法和LM算法求其几何变换矩阵,再根据变换矩阵进行图像插值拼接,对拼接线区域图像内容进行加权处理完成视频图像融合.在进行图像融合处理时,提出了基于拼接线一侧加权融合和基于原图内容的加权融合算法.实验结果表明:该方法实现的拼接融合速度快、效果较好,适用于对速度和拼接效果均有要求的场景视频拼接和实时数据呈现.