论文部分内容阅读
人类使用指纹进行身份识别已经有几百年历史。指纹由于其普遍性、唯一性、便携性等特点,成为目前被广泛应用的生物特征识别技术。尽管指纹识别的理论研究与应用开发取得了重大进展,但指纹识别算法的准确性和识别速度仍有待提高。本文在分析近年来国内外有关指纹识别技术研究成果的基础上,分别针对指纹图像分割、感兴趣区域提取、指纹特征提取提出改进算法：(一)提出了一种基于多特征的自适应指纹分割算法。考虑指纹的多个局部特征(均值、方差以及全变差)对局部阈值的影响,自适应地选取局部阈值,并且采取逐点分割和逐块分割相结合的方法,有效地避免了边缘块效应。(二)提出了一种基于曲率和Poincare Index的指纹感兴趣区域提取算法。由于基于曲率的参考点提取算法不能区分提取到的参考点是中心点还是三角点,基于Poincare Index的参考点提取算法对噪声敏感,并且这两种算法都是在整幅指纹中提取参考点,增加了算法计算量。该改进算法首先将参考点定位于方向场图的跳变点集中,然后分别基于Poincare Index和曲率提取出跳变点中可能的参考点集,选择两个参考点集交集的质心为所要提取的参考点,并以该参考点为中心,提取指纹感兴趣区域。(三)用指纹感兴趣区域代替整幅指纹图像进行特征提取,减小算法计算量。将子空间分析法的两种典型方法二维主成分分析和二维线性鉴别分析应用于指纹特征提取,分析其算法性能。在FVC2004指纹库基础上,对本文所涉及的算法进行仿真。结果表明,基于多特征的指纹分割算法有效地避免了边缘块效应,并且对背景较复杂的指纹图像也能够较好地提取出指纹前景区域；基于曲率和Poincare Index的指纹感兴趣区域提取算法将参考点定位于方向场图的跳变点集中,极大程度上减少了计算量。并且结合了基于曲率和基于Poincare Index提取指纹参考点的优点,能够准确提取各类指纹的参考点,进而提取出感兴趣区域。对于指纹图像的平移、旋转和伸缩亦具有强鲁棒性；二维主成分分析和二维线性鉴别分析应用于指纹特征提取都有很好的识别性能。