积分商城

最新搜索： ide手册 WINCE 传感器 拼音输入 QCC5125 STM32CubeMX
您现在的位置是：首页 > 技术资料 > 基于复合梯度向量的指纹匹配算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于复合梯度向量的指纹匹配算法

更新时间：2019-12-24 07:40:17 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：指纹匹配算法 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对接触式指纹识别中存在的非线性形变问题,提出了一种基于复合梯度向量(Composite Gradient Vector,CGV)的指纹匹配算法.该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量,并对指纹图像进行旋转;然后在旋转后的指纹图像上采样基向量,组建向量簇,提取极大梯度向量,并以极大梯度向量为元素组建复合梯度向量;最后以分层标记规则对复合梯度向量进行分层标记,通过对指纹库进行指纹检索、复合梯度向量匹配、维度和梯度匹配,识别出指纹图像.实验结果表明,该方法克服了接触式指纹识别中旋转、偏移、拉伸等问题,有较强的抗非线性形变能力,同时具有较快的识别速度和较高的识别准确率.


部分文件列表

文件名 大小
基于复合梯度向量的指纹匹配算法.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
4
Vol． 45 No． 4  
Apr． 2017  
第
期
电
子
学
报
2017  
4
ACTA ELECTRONICA SINICA  
年
月
基于复合梯度向量的指纹匹配算法  
1
1
2
， ，  
袁 姮 王志宏 姜文涛  
( 1．  
，
辽宁工程技术大学工商管理学院 辽宁葫芦岛  
125105; 2．  
，
辽宁工程技术大学软件学院 辽宁葫芦岛  
125105)  
:
，
针对接触式指纹识别中存在的非线性形变问题 提出了一种基于复合梯度向量  
( Composite Gradient  
摘
要
Vector，CGV)  
． ，  
的指纹匹配算法 该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量 并对指纹图  
; ， ， ，  
像进行旋转 然后在旋转后的指纹图像上采样基向量 组建向量簇 提取极大梯度向量 并以极大梯度向量为元素组建  
; ， 、  
复合梯度向量 最后以分层标记规则对复合梯度向量进行分层标记 通过对指纹库进行指纹检索 复合梯度向量匹配  
、
， ． ， 、 、 ，  
维度和梯度匹配 识别出指纹图像 实验结果表明 该方法克服了接触式指纹识别中旋转 偏移 拉伸等问题 有较强的  
，
抗非线性形变能力 同时具有较快的识别速度和较高的识别准确率  
．
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
指纹匹配 非线性形变 复合梯度向量 分层标记  
:
TP391. 41  
:
A
: 0372-2112 ( 2017) 04-0912-10  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 04． 021  
文献标识码  
文章编号  
电子学报  
Fingerprint Matching Based on Composite Gradient Vector  
1
1
2
YUAN Heng ，WANG Zhi-hong ，JIANG Wen-tao  
( 1． College of Business and Management，Liaoning Technical University，Huludao，Liaoning 125105，China;  
2． College of Software，Liaoning Technical University，Huludao，Liaoning 125105，China)  
Abstract: An approach based on composite gradient vector is proposed to overcome the problem of nonlinear distor-  
tion in contact fingerprint identification． Firstly，rectangular coordinate system and the first base vector are set up，and then  
the fingerprint image is rotated． Base vectors are collected on rotated fingerprint image． All the base vectors are set into vec-  
tor cluster． Then the basis vectors are made into greatly gradient vector． Finally，hierarchical markup method is used for  
markup on the composite gradient vector． The target fingerprint image is recognized by fingerprint searching，compound gra-  
dient vector matching，dimension and gradient matching auxiliary． Experiment results show that the proposed approach has o-  
vercome the problem of rotation，translation and scaling situation and has a strong ability of anti-nonlinear deformation with  
fast recognition speed and high recognition accuracy．  
Key words: fingerprint matching; nonlinear distortion; composite gradient vector; hierarchical markup  
，
针对非线性形变导致指纹图像难以匹配的问题  
1
引言  
．
许多学者做了长期的研究并取得了重要的成果 目前  
，
生物特征识别是目前最为安全和方便的身份识别  
针对非线性形变指纹图像的匹配方法主要包括基于形  
［1 ～ 3］  
．
，
各种生物特征识别系统中 自动指纹识别系  
技术  
、 、  
变模型的方法 基于界限盒的方法 基于局部结构相似  
［10］  
， ．  
统是应用最早 也是应用最为广泛的 自动指纹识别系  
．
性的方法和全局配准的方法等 如  
CAPPELLI  
等人  
［4，5］  
［6］  
:
统主要包括 指纹图像预处理  
、
、
指纹  
指纹分类  
建立了一个弹性数学模型用来描述指纹在采集时所发  
［7 ～ 9］  
［11，12］  
．
匹配  
; BAZEN  
生的形变过程  
述两幅指纹图像之间的形变  
接特征向量用来描述指纹的局部图像 罗 希平 和田  
等人  
用薄板样条模型来描  
［13，14］  
指纹匹配算法作为自动指纹识别系统中的核心算  
; TONG  
等人  
提取了邻  
， :  
法 目前仍然面临着两个问题 低质量指纹图像所导致  
;
［15］  
、
的真实特征缺失和伪特征增加 非线性形变所导致的  
捷
采用大小可变的界限盒来处理两幅指纹图像间的  
［16］  
．
特征偏移和图像拉伸 本文主要研究第二个问题  
．
; 、  
非线性形变 陈宏和田捷 使用细节点特征 联系脊线  
: 2015-10-10;  
: 2016-05-15; :  
责任编辑 孙瑶  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No． 61172144)  
913  
4
:
姮 基于复合梯度向量的指纹匹配算法  
第
期
袁
:
初始点 将指纹中心点  
( core)  
定义为向量簇初始  
的采样点和全局的方向场特征信息确定配准模式进行  
［17］  
;
指纹匹配 陈晖等人 根据查询图像与模板图像间的  
， ，  
点 简称初始点 记为  
C
．
1( b)  
．
所示  
如图  
( x，y)  
［18］  
;
相对形变差对细节点分别加以调整 曹国等人 通过  
2． 1  
指纹图像预处理  
由于采集到的指纹图像会存在不同程度的噪声干  
［19］  
;
界限盒约束实现形变指纹匹配 陈小光等人 首次提  
．
出稳定区域的概念以解决指纹图像的匹配问题  
， ，  
扰 需要对指纹图像进行一些处理 去除图像中的噪音  
，
，
通过分析发现 现有指纹匹配方法的一个普遍弱  
，
以便后续步骤中提取准确的指纹特征 因此算法需首  
，
点是缺乏与指纹非线性形变相适应的能力 当形变发  
．
先进行指纹图像预处理  
，
生改变时 需重新寻找相似区域或重新建立数学模型  
，
、 、  
指纹图像预处理包括方向场估计 图像分割 图像  
，
由于非线性形变难以估计和测量 现有算法的匹配效  
、 、 ．  
增强 图像细化 奇异点和中心点的提取等步骤 我们采  
［21］  
． ， ［20］  
果难以令人满意 基于此 本文在文献 的研究基础  
HONG  
用
等人 提出的最小平均方差方法计算指纹的  
，
之上 提出了基于复合梯度向量的指纹匹配方法  
．
，
方向场 该方法在保证计算的指纹图像方向场比较光  
“ ”  
复合梯度向量指纹匹配方法是在生物 自适应 特  
， ;  
滑的同时 在算法运行上也有较快的速度 然后采用罗  
［15］  
，
征约束识别的方向上提出来的 它将指纹分散性的特  
希平等人 提出的方法对指纹图像进行增强和提取细  
，
征组合起来 形成生物视觉效应中最明显的特征分布  
，
节点 该方法通过对指纹图像进行二值化处理来进行  
， ．  
约束信息 以此作为目标匹配依据 通过复合梯度向量  
;
指纹图像增强和细节点提取 最后应用  
KAWAGOE  
等
［22］  
，
方法提取出来的指纹特征分布约束信息 能够适应指  
Poincare Index ，  
方法检测奇异点和中心点  
人
提出的  
该方法通过将指纹图像分成固定的块 计算局部纹线  
Poincare Index  
，
纹图像的非线性变化 当形变导致指纹图像出现特征  
、
， ，  
旋转和偏移时 该方法均能够进行较稳定的匹配 体现  
、
、
的方向 计算块的方向 计算每个像素的  
． ，  
出较强的非线性形变处理能力 同时 由于采用了分层  
，
值等步骤 能够精确地检测指纹图像的 奇异 点和中  
，
标记规则对复合梯度向量信息进行标记 加快了指纹  
．
心点  
，
匹配过程中检索指纹的过程 提高了指纹匹配速度  
．
1 ，  
指纹图像预处理如图 所示 其中图  
1( a)  
为待识  
;
别指纹图像 图  
1( b)  
为经过预处理之后的待识别指纹  
2
预处理  
z
，
图像 此图像中包括了初始点  
C
和奇异点 σ  
的位  
( x，y)  
( x，y)  
［20］  
复合梯度向量方法是由文献 提出并应用于人  
．
置信息  
， ，  
脸识别中 人脸特征明显且密度大 而指纹图像特征较  
2． 2  
指纹图像旋转  
，
在对指纹进行采样的过程中 指尖与采集平面接  
，
少且分散 因此需对复合梯度向量的一些概念进行重  
，
新定义和调整 具体描述如下  
．
，
触部位的不同 会造成采集的指纹图像出现不同角度  
:
奇异点 将指纹细节点中的端点和分叉点定义为  
，
的旋转和偏移 即同一指纹细节点在不同时刻采集的  
z
，
奇异点 记为 σ  
．
( x，y)  
．
指纹图像中的位置存在较大差异 这是非线性形变的  
，z  
其中 为奇异点的标号  
，( x，y)  
为奇异点的坐标信  
，
一种常见现象 对后期指纹图像的特征采集和匹配产  
，
息 设指纹图像的奇异点数量为  
Z， 1 z Z．  
则 ≤ ≤ 奇异点  
，
生一定的干扰 因此需在特征采集之前对指纹图像中  
1( b)  
．
所示  
如图  
，
的细节点坐标进行调整 以解决指纹图像中的 旋 转  
: ，  
说明 指纹细节点是指纹脊线和谷线的交叉点 包  
．
问题  
、 、 、 ，  
括断点 分叉点 孤立点 短分点和环等 一般端点和分  
，
在指纹图像上建立直角坐标系并对其进行旋转  
、 、 ，  
叉点在指纹中出现最多 最稳定 最易获得 这两类特征  
，
可以有效规范奇异点的坐标位置 使得相同指纹的不  
．
点就可以满足对指纹进行特征匹配的要求  
，
同图像中细节点坐标位置差异减小 同时由于不同指  
，
纹图像的旋转角度不同 不仅增强了不同指纹特征的  
， ．  
差异 且有效抑制相似指纹特征的干扰 具体描述如下  
．
C 、  
以检测到的初始点 为原点 平行向右为横坐标  
、 ，  
轴 垂直向上为纵坐标轴建立直角坐标系 如图  
2( a)  
．
所示  
C
设初始点 的原始坐标为  
( x ，y ) ，  
奇异点 σ 的原  
0
0
( x″，y″) ， ，  
因建立新的坐标轴 相当于初始点和  
始坐标为  
，
奇异点均沿着直线平移 设平移后初始点的坐标为  
( 0，  
0) ，  
奇异点的坐标为  
( x'，y') ，  
则有  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号