基于改进CPN的指纹识别算法

通常的指纹识别算法因为预处理步骤过于复杂而明显地存在计算量过大、识别速度慢等缺点。提出一种基于小波变换和对传网络的指纹识别算法，直接从二值化指纹图像中提取指纹图象细节特征进行比对，避免了复杂的预处理过程，减少了工作量，加快了，计算速度。同时对对传神经网络进行改进，在竞争层使用软竞争替代传统的硬竞争，以便于分类识别，有效提高识别精度。实验表明该算法在实际应用中效果较好。对受噪声污染严重的指纹图像亦能获得很好的识别效果，算法具有较强的鲁棒性。     

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。     

椭球基函数神经网络的指纹识别方法

椭球基函数（Ellipsoidal Basis Function,EBF）使网络划分输入空间成为封闭有界的局部作用的空间,与径向基函数（Radial Basis Function,RBF）神经网络的高斯函数相比,它对空间的划分更明确。因此,它的模式识别能力将有所提高。提出了一种基于EBF神经网络的指纹识别方法。首先,利用小波变换（Wavelet Transform,WT）直接从二值化指纹图像中提取细节特征,简化了复杂的预处理步骤,极大地减少了计算量,提高了识别的速度。同时利用EBF神经网络进行分类识别,有效提高了识别精度。该算法在FVC2000（国际指纹竞赛数据库）上作了测试。并与文献[9]中的WT-RBF算法进行比较。实验结果表明,提出的算法获取了较高的识别率,并且缩短了识别时间。     

基于纹理分析的指纹图像预处理算法研究

论文针对指纹图像的纹理特点,给基于纹理分析的指纹识别系统建立了一套指纹预处理体系,为指纹纹理特征的提取和比对奠定基础。文中主要以指纹识别处理流程为线索,提出了一套指纹预处理算法。首先对输入的指纹图像进行灰度归一化,再计算指纹图像的方向场,然后在此基础上对指纹图像的中心参考点进行定位,再以找到的参考点为中心提取有效区域。实验结果表明,该方法处理好,运算速度快。     

一种有效的快速指纹预处理算法与仿真

针对自动指纹识别系统中,关于时间复杂度高的指纹图像预处理算法进行研究,为了提高识别速度,有效去除噪声,提出一种有效的快速指纹预处理算法。算法基于指纹的方向场,采用查表的方法,对指纹图像进行8方向滤波增强,并采用混合式快速细化算法完成指纹的细化。对100幅URU4000B指纹采集仪采集的指纹图像在Matlab中进行仿真,结果表明92%的图像都能达到较好的处理效果。算法速度快,适用于配置一般的基于嵌入式平台的指纹自动识别系统。     

基于BP神经网络的指纹识别

本文深研究了基于BP神经网络的指纹识别。对采集到的指纹图像进行预处理,消除假的特征点,利用指纹图像的脊线端点和分叉点作为最终特征点,提取其特征点坐标和方向作为神经网络的特征输入向量,实验证明该方法具有较好的实验效果。     

一种有效的指纹图像预处理方法

预处理是指纹自动识别系统中非常关键的部分,它直接影响着指纹识别的最终效果.指纹预处理一般包括规格化、方向图计算、脊线频率计算、增强、二值化、细化等环节.文中研究并实现了一种有效的指纹图像预处理方法,并采用了一种高效的指纹细化算法.实验结果表明,这种方法能有效地去除传感器表面残留纹印引入的噪声,进一步增强了指纹的脊线和谷线,使指纹纹线变得清晰、连续、光滑,改善指纹图像的质量,提高了指纹识别的可靠性.     

基于前景灰度特征值的伪指纹图像判别法

通过改进指纹识别流程和预处理算法,使指纹识别系统能有较强的伪指纹判别性能.在指纹图像预处理环节计算多个前景灰度特征值,包括图像质量特征值、材质特征值和信息量特征值.选取特定的阈值,对前后采集的指纹图像特征值进行比较,判别是否为伪指纹图像.实验结果证明了该方法的有效性.     

掩膜法与Gabor滤波在指纹增强中的应用

在实时指纹识别系统中,图像增强的效果好坏将影响指纹特征提取及指纹鉴别的识别率.为了解决指纹采集仪采集图像对比度差而且指纹损坏严重情况下识别效果不佳的问题,采用了对反锐化掩膜后指纹图像采用Gabor滤波方法进行图像增强的算法.用反锐化掩膜法预处理指纹图像,并用Sobel算子求取图像的水平和垂直梯度图,把预处理后图像与Gabor函数卷积得到增强图像,可以恢复指纹采集图像中难以识别区域,清楚再现指纹纹理.结果表明,掩膜法与Gabor滤波算法结合在指纹图像增强中可以达到理想的图像增强效果.     

一种改进的指纹图像增强算法

指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等步骤.其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配.论文针对指纹采集中存在的指纹图像局部模糊的问题,提出了一种改进的基于Gabor函数的指纹增强算法.该算法首先对指纹图像进行归一化处理,然后对指纹图像分成奇异区和非奇异区分别进行点方向和块方向的求取,最后用改进的Gabor滤波器对指纹图像进行增强.实践表明,该方法能提高指纹图像增强的效果和速度.     

指纹图像的预处理算法

根据指纹的固有特性及常用算法在指纹处理中的缺陷，文中提出一套有效的预处理算法。对于图像增强，算法利用指纹的方向特性和频率特性设计出Gabor滤波器对图像进行滤波，取得理想的效果；在图像分割，二值图像处理等方面也作了改进。     

指纹图像的预处理算法

提出了一种基于Gabor滤波的指纹图像预处理算法,包括指纹图像的增强、背景的分割、二值化和细化等几部分;在指纹图像增强方面,利用指纹的方向特性设计出Gabor滤波器,使用Gabor滤波器对指纹进行滤波;在图像分割方面,采用了滤波后指纹图像4个角部灰度均值作为阈值的快速分割算法;在二值化和细化方面也做了探讨;实验结果表明,经过这种预处理算法提取出了纹线,并且很好地保留了纹线的关键信息.     

指纹图像预处理中的关键技术研究

指纹图像的预处理在计算机指纹自动识别系统（AFIS）中有着非常重要的作用,直接制约着系统的识别率和识别速度。指纹图像预处理通常包含图像的分割、去噪、增强、二值化和细化等。在总结现有常用预处理算法的基础上,通过实验对预处理中的三个关键算法即指纹图像的增强、二值化和细化进行了详细地研究,根据指纹图像的特点提出了一些有效的改进算法,实验结果显示这些改进的算法对指纹图像的处理效果明显,可以很好地提高指纹图像的质量,为后继处理打下良好基础。     

基于Harris角点能量的指纹图像分割算法

指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节。提出了一种基于Harris角点检测器的指纹图像自适应分割算法。首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域。在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性。     

指纹自动识别中图像分割算法研究

为了可靠、准确地实现指纹的自动识别,提出了一种简便、可行的指纹图像的分割算法。通过合理地运用指纹图像的灰度特性,以较低的计算代价有效地解决了指纹图像的分割问题,从而使算法的处理效果好、运行速度快。实验表明,这种分割算法对于指纹图像的预处理十分有效。     

指纹图像预处理算法

介绍并实现了一套完整的指纹图像预处理算法,包括指纹图像有效区域提取、方向图计算、方向滤波、二值化及后处理、细化等算法。实验结果表明该算法能有效地增强指纹图像,且具有较快的速度。     

指纹图像的自适应预处理研究

自动指纹识别系统的性能在很大程度上依赖于其预处理效果的好坏.不同环境、不同手指采集到的指纹图像,在图像质量方面会有很大的差别,而图像质量的好坏往往决定了识别的准确率.自适应预处理方法首先对指纹图像进行质量评估,对于质量过差的图像直接剔除,不进入后续的处理和识别;对于质量较差的图像,则根据其类型的不同,运用数学形态学和图像处理技术进行自适应增强处理.由于该自适应预处理方法的步骤和结构元素的选择充分考虑到各指纹图像在脊谷线连通性方面的差异,所以对不同的低质量指纹图像,均可得到较好的处理效果.     

基于NIOSII指纹采集系统设计与实现

本文以嵌入式应用为背景,提出了一种基于NIOSII的指纹采集系统设计方案,给出了该系统的硬件设计结构和软件算法,并利用NIOSII定制指令来加速实现指纹图像预处理算法。实验结果表明,该系统能够有效采集指纹数据,实时处理并获取指纹有用信息,提高指纹图像增强的效果和速度。