如何研究指纹识别算法？

全部展开

由于指纹特征的独特性和稳定性，指纹识别技术已长期用于刑事侦查领域，并取得了巨大的成功. 近年来，各个领域对身份认证的需求不断增长，并且随着公众的认可和认可，自动指纹识别技术已逐渐在民用市场中得到越来越广泛的应用. 指纹图像增强和匹配算法是影响自动指纹识别系统的准确性和速度的重要链接. 由于处理速度和内存限制，嵌入式系统对指纹识别算法有更高的要求. 另外，获取高质量的指纹图像并减少模板存储容量也是嵌入式指纹识别系统特别需要解决的问题. 本文基于DSP处理器的技术特点，研究了嵌入式指纹识别系统算法中的几个关键问题. 本文的主要工作和贡献如下: 1）提出了一种基于运动估计的扫描指纹图像重建算法. 我们在视频压缩和编码技术中使用了运动估计理论，并根据手指在获取扫描图像的滑动过程中的物理运动定律，引入了一种反馈机制来预测运动矢量，动态选择参考匹配块，多帧运动估计并结合亚像素精度运动估计，获得连续扫描图像的相对位移，并重建指纹图像. 通过计算复杂度分析和实验，我们的算法可以实时准确地重建原始指纹图像. 2）提出了一种基于增强图像几何特征的二值化方法. 我们提出并证明基于Hessian矩阵轨迹的二值化方法等效于最大主曲率方法，并且该方法的前提是指纹图像在局部邻域中具有方向一致性.

因此，我们首先使用各向异性扩散滤镜使扩散滤镜过程在一致性方向上适应局部纹理结构. 实验证明，该算法的性能优于常用的指纹图像增强和二值化算法. 3）提出了一种量化和压缩嵌入式系统指纹图谱的方法，利用该图谱的互信息来实现指纹匹配. 根据指纹图案特征与DSP处理器方便的存储位操作的相关性，改进了笔划编码算法，并实时有效地实现了量化图案的压缩存储. 将读取的图案模板和输入的指纹图案视为两个离散的随机变量，并将图案的互信息作为两个图像的相似性度量. 方向图互信息匹配算法可以在识别性能和压缩效率之间取得较好的平衡. 4）分别在特征级别和匹配级别分别结合细节三角形e799bee5baa6e997aee7ad94e59b9ee7ad9431333264626464特征和方向场特征，提出了两种不同的匹配算法. 在特征级别上结合细节特征和方向场特征，定义具有恒定旋转和平移的固定尺寸三角形特征向量指纹识别算法研究，并使用非校准方法进行匹配. 针对该算法耗时长的缺点，提出了一种按区域查询等价三角形和几何变换参数聚类的方法. 在匹配级别指纹识别算法研究，我们采用了级联融合策略，使定向模式匹配的可能性很小，并且融合细节匹配的结果以获得更高的识别率. 本文的部分研究成果已转化为基于DSP的指纹识别核心模块，在实际应用中取得了良好的识别效果. 一些研究成果已应用于我们正在开发的生物特征识别安全教育系统，并取得了良好的效果. 实验结果.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-196474-1.html