指纹识别中的奇异点和细节点提取算法研究

摘要

指纹由于具有稳定性、唯一性以及易于采集的特性,一直以来被认为是最可靠的利用生物特征进行身份鉴定的依据之一.指纹识别通常包括以下几个阶段:分割、图像增强、分类、细节提取以及匹配.指纹特征主要包括细节点,奇异点和脊线.在所有的处理过程中,指纹特征提取是指纹识别中必不可少的一个重要环节.本文的研究的重点是指纹图像特征提取算法.本文首先阐述了指纹图像中的细节特征及其特点,针对指纹图像的奇异点和细节点提取,分析并比较了现有的各种算法的特点及优劣.针对指纹图像的奇异点提取,现有大部分算法均基于在全图计算Poincare指数.本文提出的基于分级奇异点提取算法,用基于Pointcare指数和基于梯度场两种不同算法分级提取奇异点位置信息.首先在块方向场中确定奇异点的大概位置和类型,然后再用梯度的方法精确定位奇异点的位置到亚像素级.本文在提取奇异点的位置之后,进一步通过块方向场估计奇异点的方向信息,并在奇异点的位置和方向的基础上提出一种粗匹配的方法.实验结果显示,与传统的算法相比,本文的算法可以在较小的复杂度下,达到更鲁棒的性能.在分析现有的细节点提取算法的基础上,本文提出了一种基于脊线跟踪的指纹细节特征提取算法.相对于D.Maio与D.Maltoni于1997年提出指纹特征的灰度图直接提取算法,本文对前景模板分割,终结点的判定以及伪节点的去除方面也做了有效与新颖的改进.在前景模板分割部分采用结合canny算子和数学形态学的方法,在终结点判定部分提出结合跟踪角度和灰度变化的新方法,在滤波和去除伪节点等方面也提出了改进.实验证明:这些改进在很大程度上克服了原算法阈值过多,易提取出虚假脊线的问题.这样使本算法的健壮性和准确性得到了很大的提高,更有利于实际应用.

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1绪论

1.1本文项目背景

1.2指纹识别系统的实现

1.3本文的介绍

2指纹图象特征提取的关键技术

2.1前景模板的分割

2.2方向图的获取

2.3小结

3奇异点提取算法研究

3.1指纹图像中的奇异点

3.2奇异点的检测

3.3基于方向场和Pointcare指数的指纹奇异点提取方法

3.4小结

4基于Poincare指数和基于梯度场算法融合的分级奇异点提取

4.1基于平方梯度场的奇异点检测

4.2基于块方向场的核心点方向估计

4.3算法描述

4.4基于奇异点的粗匹配算法

4.5实验结果

4.6小结

5指纹细节特征提取

5.1总论

5.2算法进展

5.3直接灰度提取方法

5.4小结

6改进的直接灰度提取方法

6.1基本方法

6.2前景模板的分割

6.3终结点判定条件

6.4法向点集滤波方法的研究

6.5去除伪节点

6.6实验结果

6.7小结

7全文总结

致谢

参考文献