论文部分内容阅读
摘要：通过对采集到的指纹图像进行预处理，提取中心点和三角点信息对指纹进行粗匹配，将指纹图像分类，利用特征点从缩小后的指纹数据库中实现指纹的精确匹配。该方法可提高指纹的匹配精度，缩短识别时间。
关键词：指纹分类；方向图；指纹匹配
中图分类号：G642 文献标识码：A
文章编号：1009—0118（2012）10—0255—02
一、指纹分类识别的基本流程
指纹识别算法包括指纹采集、图像预处理、指纹特征提取和匹配四个环节。如何缩短指纹识别的时间成了当今研究的重点问题。指纹分类思想可以先对指纹图像进行粗匹配，再进行精确匹配，即将大型的指纹数据库先根据某一固有的特点分为几个子数据库，再对其中一个子数据库里的指纹进行逐一匹配，如果匹配成功，则输出结果，否则将其存放在指纹数据库中。因此减少了指纹的匹配次数，从而缩短了指纹识别的时间。
二、基于奇异点的指纹分类算法
由指纹采集器得到的指纹图像会是一幅含有噪声的灰度图像。因此在提取指纹特征信息前应对指纹图像进行预处理。学者们提出了多种关于图像预处理的方法[2]。
基于奇异点的分类方法是按照指纹专家提出的五种分类法，将指纹分为：漩涡型、左箕型、右箕型、拱型和尖拱型，如图1所示。利用指纹核心点（core）和三角点（delta）的数量、种类及它们之间的相互位置关系来对指纹进行分类。
4、对分块后的每一子块统计8个方向上像素点的个数，像素点个数最大的方向即认为是该子块的方向，如图2所示：
（三）指纹分类。根据奇异点的种类和数量来判别指纹所属类型，当核心点和三角点个数都为2时为漩涡型；当核心点和三角点个数都为1时，分为三种情况，若三角点在核心点右侧为左箕型，在左侧为右箕型，在下侧为尖拱形；当只有一个核心点而无三角点时则为拱形。
三、指纹匹配
提取细节特征就是从指纹图像里找出脊线的奇异点。基于文献[5]的思想，在细化指纹图象上直接提取原始细节特征点集，得到初步的特征提取结果，再对提取特征点后指纹图象进行分析，将各类噪声引起的伪特征点分别予以删除，去伪存真，最终保留真正的特征点集合。利用奇异点邻近结构对细节点进行归类，最后根据一定的匹配规则生成细节点对集来比对两枚指纹图像是否相同。
四、结论
实验证明，本文所采用基于特征点指纹分类的识别方法，先对指纹图像进行粗匹配，缩小了指纹识别的范围，从而很大程度上缩短了指纹识别时间。由于对指纹图像实行二次匹配，从而对指纹图像的质量提出了更高的要求，指纹图像增强效果越好，匹配精度越高。
参考文献：
[1]Gerhardt V P L.A nonlinear orientation model for global description of fingerprints[J].Pattern Recognition，1996，29（7）：1221—1231.
[2]Willis AJ，Myers L.A cost effective fingerprint recognition system for use with low quality prints and damaged fingertips[J].Pattern Recognition，2001，34（2）：255—270.
[3]苏永利，张博，张书玲.改进的指纹图像方向图求取方法[J].计算机工程与应用，2009，45（3）：184—186.
[4]太艷荣.基于MATLAB实现的指纹图像预处理[J].西南民族大学学报（自然科学版），2008，34（4）：836—838.
[5]尹义龙，宁新宝，张晓梅.改进的指纹细节特征提取算法[J].中国图象图形报，2002，12（7A）：1302—1306.
关键词：指纹分类；方向图；指纹匹配
中图分类号：G642 文献标识码：A
文章编号：1009—0118（2012）10—0255—02
一、指纹分类识别的基本流程
指纹识别算法包括指纹采集、图像预处理、指纹特征提取和匹配四个环节。如何缩短指纹识别的时间成了当今研究的重点问题。指纹分类思想可以先对指纹图像进行粗匹配，再进行精确匹配，即将大型的指纹数据库先根据某一固有的特点分为几个子数据库，再对其中一个子数据库里的指纹进行逐一匹配，如果匹配成功，则输出结果，否则将其存放在指纹数据库中。因此减少了指纹的匹配次数，从而缩短了指纹识别的时间。
二、基于奇异点的指纹分类算法
由指纹采集器得到的指纹图像会是一幅含有噪声的灰度图像。因此在提取指纹特征信息前应对指纹图像进行预处理。学者们提出了多种关于图像预处理的方法[2]。
基于奇异点的分类方法是按照指纹专家提出的五种分类法，将指纹分为：漩涡型、左箕型、右箕型、拱型和尖拱型，如图1所示。利用指纹核心点（core）和三角点（delta）的数量、种类及它们之间的相互位置关系来对指纹进行分类。
4、对分块后的每一子块统计8个方向上像素点的个数，像素点个数最大的方向即认为是该子块的方向，如图2所示：
（三）指纹分类。根据奇异点的种类和数量来判别指纹所属类型，当核心点和三角点个数都为2时为漩涡型；当核心点和三角点个数都为1时，分为三种情况，若三角点在核心点右侧为左箕型，在左侧为右箕型，在下侧为尖拱形；当只有一个核心点而无三角点时则为拱形。
三、指纹匹配
提取细节特征就是从指纹图像里找出脊线的奇异点。基于文献[5]的思想，在细化指纹图象上直接提取原始细节特征点集，得到初步的特征提取结果，再对提取特征点后指纹图象进行分析，将各类噪声引起的伪特征点分别予以删除，去伪存真，最终保留真正的特征点集合。利用奇异点邻近结构对细节点进行归类，最后根据一定的匹配规则生成细节点对集来比对两枚指纹图像是否相同。
四、结论
实验证明，本文所采用基于特征点指纹分类的识别方法，先对指纹图像进行粗匹配，缩小了指纹识别的范围，从而很大程度上缩短了指纹识别时间。由于对指纹图像实行二次匹配，从而对指纹图像的质量提出了更高的要求，指纹图像增强效果越好，匹配精度越高。
参考文献：
[1]Gerhardt V P L.A nonlinear orientation model for global description of fingerprints[J].Pattern Recognition，1996，29（7）：1221—1231.
[2]Willis AJ，Myers L.A cost effective fingerprint recognition system for use with low quality prints and damaged fingertips[J].Pattern Recognition，2001，34（2）：255—270.
[3]苏永利，张博，张书玲.改进的指纹图像方向图求取方法[J].计算机工程与应用，2009，45（3）：184—186.
[4]太艷荣.基于MATLAB实现的指纹图像预处理[J].西南民族大学学报（自然科学版），2008，34（4）：836—838.
[5]尹义龙，宁新宝，张晓梅.改进的指纹细节特征提取算法[J].中国图象图形报，2002，12（7A）：1302—1306.