基于方向场特征的指纹图像中心点检测

本文实现了基于指纹方向场特征指纹图像中心点检测的两种算法,对传统的Poincare索引值奇异点检测算法进行改进,并提出了一种基于8×8及16×16块区域平均方向差异中心点检测算法.两种算法提取的结果图中的伪中心点均能采用较简单的方法去除,能确保中心点(斗形指纹为上中心点)提取结果的有效性.     

基于"主中心点"脊线跟踪的指纹分类算法

通过分析分割算法,结合区域跟踪算法和腐蚀膨胀算法,对基于方向场置信度的分割算法进行了改进;然后,结合一阶对称复数滤波,验证基于传统Poincarê指数法所提取得到奇异点的准确性;在此基础上提出了一种基于"主中心点"脊线跟踪的指纹分类方法,该方法根据"主中心点"附近的脊线信息以及奇异点的数目和相关位置来确定指纹纹型.     

改进的结构化指纹分类算法

在深入研究现有指纹分类算法的基础上,提出了一种基于结构的指纹分类算法。利用指纹图像的方向场信息,用Poincare索引值检测出方向场中不连续的点——奇异点,根据奇异点的数目和相互位置关系以及指纹脊线的结构特征确定指纹的基本类型。该算法为匹配算法提供指纹类型信息,可极大地提高算法的匹配速度和匹配精度,具有较好的使用意义。     

一种新的指纹奇异点快速检测方法

作为指纹最重要的全局特征之一,奇异点在基于模型的方向场计算、人工合成指纹、指纹分类、指纹特征匹配等方面发挥了非常重要的作用.在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种新的指纹奇异点快速检测方法.该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据奇异点处方向丰富度特性判断其类型.实验验证了文中算法的有效性.     

一种有效的指纹奇异点提取方法

在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种有效的指纹奇异点提取方法。该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据已定位点的poincare index值确定奇异点类型。与目前占据绝对主流的poincare index方法在FVC2002指纹库上的对比实验表明:在准确性方面,两者各有优、缺点,该文方法的误检率明显低于后者,漏检率略高于后者;在简单实用性方面,该文算法的平均提取速度是后者的14.2倍,具有明显优势。     

一种基于信息融合的指纹奇异点提取及纹型分类算法

准确可靠地实现纹型分类对提高大容量指纹库中的检索和匹配效率具有重要意义。提出一种基于信息融合的指纹奇异点提取与纹型分类算法。首先,分别给出一种基于奇异点区域方向场信息和奇异区复数滤波场信息的改进的奇异点提取算法,并将两者融合以完整提取奇异点;再利用所提取奇异点邻域的Gaussian-Hermite矩的分布属性剔除伪奇异点;最后,利用奇异点的数目和位置关系及中心点的主方向将指纹分为常见的六种纹型,对缺少三角点的指纹,使用脊线跟踪算法进行分类。实验表明,该方法新颖有效,具有较高的准确性和鲁棒性。     

一种用于指纹方向场估计的网格插值模型

指纹方向场的估计是指纹识别预处理算法中的重要环节,对算法识别效率起到关键作用。本文提出了一种网格插值模型,该模型以指纹奇异点为中心,将指纹平面做网格划分,利用插值算法建立了方向场与指纹奇异点之间的非线性关系。模型中利用了指纹的全局信息来调整网格点的值,使得它与传统的基于局部信息的方向场算法有本质的区别。在FVC2002 和FVC2004 指纹数据库上的实验结果表明,该模型比传统算法具有更高的准确性和鲁棒性,同时对于低质量的指纹图像,仍然能够给出很好的方向场估计。     

基于方向场的指纹分类快速算法

本文经过分析比较以前的指纹分类的算法,提出一种基于Walsh函数的算法获取指纹的奇点和方向场,并利用方向场进行指纹分类的快速算法.根据指纹方向场的特点,以指纹奇点为中心,考察其邻近八个指定区域方向场的大致走向.依据传统的指纹分类方法将指纹分成弓型、斗型、左箕型和右箕型四种类型.实验表明,这种算法程序编制简单,计算速度快,检测结果可靠.     

一种复合的指纹中心点定位算法

准确地进行指纹中心点定位,对指纹分类和匹配有重要意义。本文提出一种复合的指纹中心点定位算法,在指纹分块基础上,利用方向能量进行初步搜索,再用块的庞加莱算法进行二次定位。该算法快速,简单,鲁棒性好。     

基于局部方向场的指纹褶皱检测

褶皱是指穿过指纹脊线和谷线的不规则条纹。由于年龄增长、体力劳动、意外事故等,指纹中会产生褶皱。褶皱的存在将在指纹识别中引入伪特征点,降低指纹识别系统的可靠性。本文提出一种基于局部方向场的自适应多通道滤波算法,并在该算法基础上建立了一种多分辨率的褶皱检测框架。实验证明,该算法检测结果准确;与现有算法相比,算法架构简洁、效率更高,可以很好地解决指纹中褶皱检测问题。     

Modelling fingerprint ridge orientation using Legendre polynomials

The estimation of fingerprint ridge orientation is an essential step in every automatic fingerprint verification system. The importance of ridge orientation can be deflected from the fact that it is inevitably used for detecting, describing and matching fingerprint features such as minutiae and singular points. In this paper we propose a novel method for fingerprint ridge orientation modelling using Legendre polynomials. One of the main problems it addresses is smoothing orientation data while preserving details in high curvature areas, especially singular points. We show that singular points, which result in a discontinuous orientation field, can be modelled by the zero-poles of Legendre polynomials. The models parameters are obtained in a two staged optimization procedure. Another advantage of the proposed method is a very compact representation of the orientation field, using only 56 coefficients. We have carried out extensive experiments using a state-of-the-art fingerprint matcher and a singular point detector. Moreover, we compared the proposed method with other state-of-the-art fingerprint orientation estimation algorithms. We can report significant improvements in both singular point detection and matching rates.     

Fingerprint ridge orientation field reconstruction using the best quadratic approximation by orthogonal polynomials in two discrete variables

This paper proposes a novel algorithm for reconstructing the fingerprint orientation field (FOF). The basic idea of the algorithm is to reconstruct the ridge orientation by using the best quadratic approximation by orthogonal polynomials in two discrete variables. We first estimate the local region orientation by the linear projection analysis (LPA) based on the vector set of point gradients, and then reconstruct the ridge orientation field using the best quadratic approximation by orthogonal polynomials in two discrete variables in the sine domain. In this way, we solve the problem that is difficult to accurately extract low quality fingerprint image orientation fields. The experiments with the database of FVC 2004 show that, compared to the state-of-the-art fingerprint orientation estimation algorithms, the proposed method is more accurate and more robust against noise, and is able to better estimate the FOF of low quality fingerprint images with large areas of noise.     

Fingerprint reference point detection for image retrieval based on symmetry and variation

Reference point plays an important role in fingerprint identification systems. The reference point is widely used for the fingerprint retrieval in large-scale databases. This paper proposes a novel algorithm for detecting a convex core point as a unique reference point consistently and accurately for all types of fingerprints. In order to detect robust core point candidates, a modified complex filter, called semi-radial symmetry filter, is proposed to detect correctly rotational symmetries of core points. Moreover, a vertical orientation variation feature, called VORIV feature, is proposed to remove spurious core points and concave core points. Therefore, the proposed technique computes the Variation and Symmetry Combined Energy (VSCOME). Then, the reference point is located by searching the global VSCOME maximum. The experimental results on the public database (FVC2004 DB1 set A) show that the proposed technique exhibits a very high robustness and gets the best performance in comparing with other approaches in literature.     

A method for fingerprint image identification based on Gabor filter and power spectrum

This work presents a fingerprint identification scheme using a coefficient map based on Gabor filter and power spectrum. This process uses Poincaré index in order to locate fingerprint core and delta points and the images are aligned through these singular points before matching. From the core point, this technique divides an input image into quadrants, where information about texture orientation on three Gabor-filter directions is extracted. In the frequency domain, the analysis is based on the power spectrum, aiming towards reducing computational time. Results illustrate the method efficiency and accuracy.     

基于奇异点的字典模型指纹方向场去噪方法*

方向场估计是指纹识别过程中非常重要的步骤。传统方法如基于梯度的方法等在处理潜指纹图像时很容易受噪音干扰,而最近提出的基于字典模型的方法无法解决“真词错误”的问题。针对上述问题,本文提出一种融合了零极点模型的字典模型的指纹方向场去噪方法,即将指纹方向场看做是零极点控制的方向场和平滑的残差方向场相叠加的结果,通过首先用零极点模型生成正确的零极点控制的方向场,然后用字典模型修正残差方向场方向场,最后将零极点模型生成的方向场与去噪后的残差方向场融合形成重建方向场,通过基于奇异点的字典模型,我们解决了“真词错误”的问题。为了验证算法的有效性,在NIST SD27潜指纹图像数据库上进行了实验。实验结果表明：对于潜指纹,本文算法能获得比字典模型更精确的方向场,继而可以更好地增强潜指纹图像,并在后续的匹配实验中取得更好的结果。     

一种基于梯度的健壮的指纹方向场估计算法

作为指纹的全局特征,指纹方向场在自动指纹识别系统中发挥了非常重要的作用.提出了一种基于梯度的健壮的指纹方向场估计算法,新算法首先归一化点梯度向量并计算块梯度向量及相应的块一致性;然后估计噪声区域;最后采用基于迭代的方法,重新估计所有块梯度向量并将梯度向量场转化为方向场.实验结果表明,与已有基于梯度的指纹方向场估计算法相比,新算法具有更高的准确性及抗噪性能,并能较好地估计大块噪声内的方向场,是一种较为健壮的指纹方向场估计算法.     

基于方向的指纹奇异点提取

准确、可靠地检测指纹奇异点(核心点和三角点)对于指纹的分类和匹配有重要的意义。针对指纹图像奇异点提取中准确判断和精确定位的难题,介绍了一种比较好的奇异点检测算法。根据奇异点的性质,利用Poincare Index方法求出核心点和三角点。根据相关规则,清除虚假奇异点。实验结果证明该方法能够从指纹图像中较精确、可靠地提取出奇异点。用该方法对不同质量的指纹图像进行实验,并与其他方法进行比较,结果表明该方法更加有效、可靠,具有很好的鲁棒性。     

D-S证据理论在指纹图像分割中的应用研究

有效的指纹分割能够提高特征提取精度和减少后续处理时间,针对这种情况,提出一种基于D-S证据理论的指纹图像分割算法。该算法首先用改进的灰度方差和均值进行初级分割,然后进行平滑;其次使用方向性和对比度两个信息分别作为两个分类器的特征,并利用模糊规则对各分类器的基本概率分配判断,最后利用D-S证据理论的合成法则将两个分类器的结果进行融合判决,实验结果验证了算法的有效性。     

基于拓扑学及指纹分类的指纹匹配算法

随着计算机和网络的迅速发展,基于生物特征识别的智能身份认证技术正受到越来越多的关注。由于指纹识别技术是生物识别领域技术中最成熟的一门应用技术,使得指纹识别成为目前应用最广泛、可信度最高的个人身份认证技术之一。文中依据指纹图像中细节特征点之间的关联性给出了一种指纹识别算法。该算法首先基于指纹分类学的思想,利用中心点和三角点的数量信息对待识指纹图像进行初匹配,然后基于拓扑学思想用可靠性较高的分叉点方向场及其与中心点的方向场差寻找出基准点对,最后利用可变限界盒实现指纹匹配。实验中,该算法使匹配速度提高了40％,误识率和拒识率略有下降,约0．5％。实验结果表明,该算法能快速、准确地定位基准点对,有效地解决提取基准点时的噪声影响,正确有效地实现指纹匹配,同时提高匹配速度及精确度。