一种基于指纹分类的指纹识别算法-Read.PDFVIP

( ) 第 52 卷 第 5 期 武汉大学学报 理学版 Vol . 52 No . 5 　 　2006 年 10 月 J . Wuhan U niv . (Nat . Sci . Ed . ) Oct . 2006 ,587～59 1 文章编号 :167 18836 (2006) 一种基于指纹分类的指纹识别算法 陈春霞 , 殷新春 , 王秋平 (扬州大学 信息工程学院 ,江苏 扬州 225009) 　　摘 　要 : 依据指纹特征点在指纹图像中的特性给出了一种基于指纹分类的识别算法. 该算法利用中心点和三 角点信息对指纹进行分类并初匹配 ,然后用可靠性较高的分叉点所在脊线的相似度寻找出基准点对 ,根据基准点 与周围特征点的关系筛选基准点对 、确定变换参数 ,有效地解决基准点筛选受噪声影响问题 ,最后利用可变限界盒 实现指纹匹配. 实验结果表明 ,该算法能快速 、准确地定位基准点 ,正确有效地实现指纹匹配 , 同时提高匹配速度及 精确度. 关 　键 　词 : 指纹分类 ; 分叉点 ; 脊线相似度 ; 基准点 ; 可变限界盒 中图分类号 : TP 39 1 　　　文献标识码 :A 变换参数 ,使得变换参数更为精确. 0 　引　言 　　指纹识别技术是生物识别技术中最重要 、应用 1 　算法描述 最广泛的技术. 它利用指纹特征的惟一性和终身不 ( ) 中心点 Core 点 是指指纹中其周围纹线呈半 变性识别个人身份. 而在已有的指纹匹配算法中 ,常 ( ) [ 1 ,2 ] 圆趋势的点 ,三角点 Delt a 点 指的是其周围纹线由 见的有两种 :第一类是图形匹配的方式 ,其实质 是基于脊线结构或者细节点间拓扑结构的匹配. 这 三部分组成 ,而每一部分都呈双曲线形状的点. 在一 类方法对于图像的旋转 、平移不敏感 ,对于少量细节 幅指纹中最多包含两个中心点与两个三角点 ,考虑 点的缺失 、少量伪细节点的存在和细节点的定位误 到指纹图像中的三角点与中心点所包含的信息量要 差 ,具有一定的容错性. 第二类是人工神经网络的方 比细节特征少得多. 作者利用中心点与三角点信息 法[3 ,4 ] . 由于人工神经网络具有解决模糊 问题的优 将图像进行分类 ,可以大大减少计算量 ,从而能更好 势 ,这类算法的容错性比较好 ,但事先要经过足够数 地适应指纹匹配实时性的要求. 量样本的训练 ,系统才能正确地进行工作. 但是这类 1 . 1 　指纹分类过程 匹配方法不适合于实时的自动指纹识别系统. 指纹按其拓扑结构 ,通常分为 5 个类型 , 即拱 指纹特征点在指纹图像中出现的几率最大 、最 形 、尖拱形 、左旋形 、右旋形和旋涡形. 本文采用中心 稳定 ,易于检测 ,而且足以描述指纹的惟一性. 本文 点和三角点的特征[ 5 ] , 即它们的数 目和它们之间的 利用此特性给出了一种基于指纹分