论文部分内容阅读
指纹自动识别技术是最早和最广泛被应用于实践的生物特征识别技术,随着计算机与信息技术的不断发展,指纹识别技术的研究受到了广泛的关注和重视。近些年来指纹识别技术取得了长足的进步并被广泛应用于各种个人身份识别和验证系统中。然而,指纹识别技术的各个环节在实际应用中还存在一些问题,如对于低质量指纹图像如何提高它的识别率、对于大数据集问题的处理如何减少计算量等等,都还没有得到很好的解决。
指纹识别大致可以分为三个阶段:指纹图像预处理、指纹特征提取和指纹特征匹配。本文针有对性地对前两个阶段的算法进行了研究,包括指纹图像的方向场估计、二值化、细化、特征提取等。我们使用Visual C++6.0作为软件实现开发工具,还选用了英特尔公司开发的OPENCV(Open Source Computation Vision Library)计算机视觉类库,对于以上这些算法予以编程实现,分别考察了它们的效果。
其中,对方向场估计方法进行了较为系统深入的研究。方向场描述的是局部平行的脊线和谷线构成模式的方向信息。正确快速地估计出方向场对解决上述的两个问题有重要作用。本文首先详细地讨论了三类方向场估计的方法:基于模板的方法、基于梯度的方法和基于模型的方法。特别地,我们就实际获得的指纹数据进行了有关的实验,并比较了三类方向场估计方法的性能。然后,在总结吸收前人工作的基础上,本文提出了一个新的组合模型。该模型是建立在多项式模型和一阶相图模型相结合的基础上,它用多项式模型来进行一个全局的估计,用一阶相图模型来描述奇异点附近的区域。实验表明,该算法取得了很好的效果。