基于密集连接卷积网络的小面积指纹识别方法

针对基于细节特征点的传统指纹识别方法在小面积指纹识别时识别率明显下降的问题,提出一种基于密集连接卷积网络的小面积指纹识别方法。对指纹原图进行图像增强处理,充分利用密集连接卷积网络特征复用的优点构建提取指纹特征的深度学习模型,并将二值特征引进训练模型,依据指纹图像的二值特征和特征向量实现小面积指纹的注册和识别。实验结果表明,所提出的方法在自建数据集中正确识别率达到98.57%,高于基于细节特征点的传统指纹识别方法,基本满足智能移动端的应用要求。     

序列化融合的指纹匹配方法

在指纹识别中,利用细节点或纹线等单一指纹特征的识别算法来得到一个很高的识别性能比较困难。将不同的指纹匹配算法进行融合来获得较高的准确率已经成为当前研究的热点。提出了一种新的序列化融合的指纹匹配方法。利用基于细节点的指纹匹配算法对待识别指纹进行预判,对于不能确定其为同源或异源的,将再利用基于纹线的指纹匹配算法进行匹配,对两次的匹配得分进行融合,基于融合结果判断其为同源或异源。在指纹库FVC2002 DB2上的实验结果表明,采用基于细节点的指纹匹配算法、基于纹线的指纹匹配算法、对上述两种算法的Sum融合方法、提出的方法得到的等错误率（EERs）分别为3.0%、4.9%、2.0%、1.9%,且相对于Sum融合方法,提出的方法在时间消耗上降低了64.64%。     

利用去除形变的方法进行指纹匹配

提出了一种基于细节点的指纹匹配方法。定义了一种新的结构邻接特征联合体(AFU),并用这个与旋转和平移无关的局部特征与指纹细节点进行比对;利用纹路的频率和块方向信息对细节点的位置和方向进行重新调整以增加匹配的可靠性。实验结果表明该方法可以很好地处理指纹中出现的形变问题,具有较好的匹配效果。     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

一种基于采集设备无关性的指纹匹配算法

提出一种基于采集设备无关性的匹配算法。算法采用基于细节点集的DT网格（Delaunay三角网格）的局部结构,将源自不同指纹采集器的指纹模式统一到同一比例。根据不同的图像采集技术,选用三款采集器建立三个指纹图像库,在图像库上进行交叉匹配的结果证明了算法的有效性。     

基于深度特征学习的免校准室内定位方法

针对基于WiFi位置指纹的室内定位中设备异构带来的接收信号强度（Received signal strength,RSS）差异和定位精度偏移的问题,提出一种基于深度特征挖掘的免校准室内定位方法。离线阶段,结合最强接入点（Access point, AP）分类和普氏分析（Procrustes analysis）对原始指纹库处理,获取标准化子指纹库,采用堆叠降噪自编码器（Stacked denoising autoencoder, SDAE）学习标准化子指纹库获取深度特征指纹,构建深度特征子指纹库。在线阶段,利用与离线阶段相同的指纹处理方法,挖掘待定位点RSS数据的深度特征,采用加权最近邻算法（Weighted k-nearest neighbor, WKNN）与深度特征子指纹库匹配,获得估计的位置。在典型实验楼场景使用4种异构类型的手机进行实验,本文方法对比传统的标准化指纹的两种免校准方法,定位精度分别有5.9%和12.5%的提升,实验结果表明,本文算法提高了定位的准确性和鲁棒性。     

一种基于支持模型和SVM的指纹匹配方法

将两枚指纹相似性的判断归为一个二分类问题,介绍了一种基于支持模型和SVM的指纹匹配方法,采用了基于支持模型的细节特征匹配求取匹配的特征点集合,并利用匹配细节特征点所包含的匹配信息,对训练样本构造匹配向量进行分类训练。将训练后的分类器应用于FVC2002的测试数据库,实验结果表明该方法优于传统的计算方法,在度量指纹相似性方面是有效而且可靠的,且具有较强的推广性。     

快速的多级指纹混合匹配方法

提出一种快速的多级指纹混合匹配方法.该方法在提取指纹图像特征,建立指纹细节点匹配模板后,对指纹进行多级匹配.首先,计算两幅指纹图像特征矢量之间的欧式距离,通过比较距离大小实现指纹的初级比对.然后利用输入指纹与库指纹的细节点模板进行二次匹配.最后,对二次匹配过程中匹配的细节点对加以分析,选取可靠的细节点对作为多参照对应点进行再次匹配.该方法融合指纹的图像特征和细节点特征,避免建立指纹细节点对应性耗时的搜索过程,同时多参照点的引入可以更好地校准细节点集.实验证明该方法快速有效.     

基于Delaunay三角化的指纹匹配方法

将计算几何的三角划分方法引入指纹匹配，研究了一种基于DT（Delaunay triangulation）网的指纹匹配方法．通过对细节点的拓扑结构进行DT划分，把空间上位置相近的细节点按照一定规则相连，得到三角形网格．然后基于该网格寻找若干参考点对，并根据获得的参考点对将两幅指纹图像进行姿势调整．最后使用获得的参考点对实现基于点模式的指纹匹配．算法在第1届中国生物特征识别竞赛指纹组的测试结果证明了有效性．     

一种新的形变指纹匹配方法

提出了一种基于细节点局部配准的形变指纹匹配方法。首先,结合细节点的纹理信息以及结构信息获取多个参照点;然后依据选取的多参照点实现模板指纹图像与输入指纹图像的全局配准从而获得指纹之间的公共区域;将公共区域内的细节点与它们最近的参照点聚类组合,形成多个分组,并将各分组内的细节点以对应的参照点为极点转化到极坐标系下建立指纹的局部对应性;最后,采用界限盒约束条件实现指纹匹配。实验结果表明,基于局部配准的指纹匹配方法对形变指纹匹配具有较好的鲁棒性,能较大提升指纹的识别性能。     

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．     

Direct gray-scale minutiae detection in fingerprints

Most automatic systems for fingerprint comparison are based on minutiae matching. Minutiae are essentially terminations and bifurcations of the ridge lines that constitute a fingerprint pattern. Automatic minutiae detection is an extremely critical process, especially in low-quality fingerprints where noise and contrast deficiency can originate pixel configurations similar to minutiae or hide real minutiae. Several approaches have been proposed in the literature; although rather different from each other, all these methods transform fingerprint images into binary images. In this work we propose an original technique, based on ridge line following, where the minutiae are extracted directly from gray scale images. The results achieved are compared with those obtained through some methods based on image binarization. In spite of a greater conceptual complexity, the method proposed performs better both in terms of efficiency and robustness     

基于二值图像的指纹细节点提取

指纹细节点提取是自动指纹识别研究的关键问题之一，尽管已有很多基于细化图像分析的方法和基于原始灰度图像分析的方法，但该问题还没有得到很好的解决。因此提出了一种从二值图像上提取细节点的方法。首先通过行程匹配得到二值指纹图像中的图段，然后根据图段的结构形式和图段之间的连接关系进行细节点的判定，细节点的方向通过直线试探法获得。实验结果表明：与基于细化图像的方法相比不仅具有较高的效率，而且能使指纹匹配达到较高的精度。     

Fingerprint matching based on global alignment of multiple reference minutiae

Fingerprint matching is an important problem in fingerprint identification. A set of minutiae is usually used to represent a fingerprint. Most existing fingerprint identification systems match two fingerprints using minutiae-based method. Typically, they choose a reference minutia from the template fingerprint and the query fingerprint, respectively. When matching the two sets of minutiae, the template and the query, firstly reference minutiae pair is aligned coordinately and directionally, and secondly the matching score of the rest minutiae is evaluated. This method guarantees satisfactory alignments of regions adjacent to the reference minutiae. However, the alignments of regions far away from the reference minutiae are usually not so satisfactory. In this paper, we propose a minutia matching method based on global alignment of multiple pairs of reference minutiae. These reference minutiae are commonly distributed in various fingerprint regions. When matching, these pairs of reference minutiae are to be globally aligned, and those region pairs far away from the original reference minutiae will be aligned more satisfactorily. Experiment shows that this method leads to improvement in system identification performance.     

指纹图像后处理

指纹比对通常是细节点集间的匹配。指纹图像经预处理后，由于各种原因，会产生数以百计的特征。为了图像匹配的精确和快速，提出了一套在细化后的指纹点图上提取细节特征并对其剪枝的方法，并根据细节特征的拓扑特征，设计了验证了其可靠性的算法，通过实验，证明了该后处理过程在去除指纹图像伪特征方面具有良好的效果。     

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状，设计了一种新的指纹匹配方法，即利用纹线匹配技术来寻找基准点对的指纹匹配算法．该算法首先基于指纹纹线的相似程度寻找一对基准特征点；然后根据基准点对的坐标，计算两幅指纹图象(模板图象、待识图象)的相对平移和旋转参数，并将待识图象相对于模板图象进行图象姿势纠正；最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目．以实现两枚指纹的匹配．实验证明．该算法匹配速度很快，误识率低，准确性高，并具有图象旋转平移不变性．对面积适中的指纹图象，匹配结果可以满足在线应用的需要．该算法有望发展成为一种实用、有效的指纹匹配技术．     

一种基于分叉点脊线相似度的指纹匹配算法*

研究了一种基于分叉点脊线相似度的指纹匹配算法,利用可靠性较高的分叉点所在脊线的相似程度寻找出可能的基准细节点对;同时为解决基准点筛选受噪声影响的问题,提出使用基准点与周围四个特征点组成子集之间的相互关系来确定最终的基准点对和变换参数的方法;最后利用可变限界盒来实现两枚指纹的匹配。实验结果表明,本算法可以快速、准确地定位基准点,精确地求取变换参数,能够正确、快速地实现指纹匹配。