基于二值图像中心点指纹分类算法.docVIP

基于二值图像中心点指纹分类算法.doc

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于二值图像中心点指纹分类算法

基于二值图像中心点指纹分类算法   摘 要:指纹的自动分类对于提高检出速度和识别率有重要的意义。有效地利用指纹的纹理结构和纹理方向等固有信息,可以提高指纹的分类类别。基于二值指纹图像进行分类不完全依赖中心点定位的准确性,避免了利用三角点的干扰信息,应用脊线追踪算法进行指纹分类,赋予了中心脊线方向连续的变化,可以将指纹自动分类算法提高到34类。   ?す丶?词:指纹分类;二值图像;中心点;脊线追踪   ?ぶ型挤掷嗪牛?TP391.41 文献标志码:A    文章编号:1001-3695(2008)07-2190-04      Fingerprint classification method based on binary image and core   CHEN Da??hai????1,2??,HAN Song??feng????1??,JIANG Tao????3??,ZHAO Bo????2??   ??   (1.CAMA(Luoyang)Electronics Co. Ltd,AVIC Ι, Luoyang Henan 471000, China;2.Luoyang Reform Development Committee, Luoyang Henan 471000,China; 3.Staion of Computing Centre, Headquarters of the Third General Staff, Beijing 100080, China)   ??   Abstract:Fingerprint automated classification largely contributes to improving identification rate and detecting speed. Making an effective use of intrinsic fingerprint features like texture structure and texture orientation can increase the total of categories being classified. Classifying based on binary fingerprint image incompletely depended on accuracy of core, avoiding the interferential information of using the delta. Applying the ridge following method to classify fingerprint could follow the change of fingerprint ridge orientation.Fingerprints could be classified into 34 categories.   ??Key words: fingerprint classification; binary image; core; ridge following   ?お?   指纹自动识别系统(automated fingerprint identification system, AFIS)已在公安、金融领域得到广泛的应用。近年来,以指纹为代表的生物特征识别技术引起了人们的广泛关注[1]。在各类AFIS中,指纹识别常常需要在大规模的数据库上进行计算。如果没有一种有效的数据库分类机制,输入的指纹图像将不得不同数据库中大量的指纹数据逐一进行比对,系统工作将非常繁重。为了缩短搜索时间和降低计算的复杂度,必须对指纹进行分类。这样查询只需在指纹数据库中的一个相应子集中进行,从而节省了运算时间并降低了运行复杂度。数字指纹的分类是相对最难突破的一个不可或缺的重要环节,它的好坏直接影响着整个识别系统的性能。   ?ブ肝品掷嗉际踔饕?包括计算机图像处理和模式识别两方面的内容。该技术可以看做指纹在大尺度下的粗略匹配。输入指纹首先被划归为预先已定义好的某一类,而后在更精细的尺度上进一步分类,然后在某一级类中进行精确的指纹比对。目前指纹分类算法通常有:根据采用的理论方法划分,通常划分为统计方法[2,3]、结构方法[4,5]、人工神经网络方法[6]等;?┝硗猓???K.Karu等人[7]利用core点和delta点进行指纹分类; ??B.Moayer等人??[8,9]则使用了句法模式识别的方法对指纹进行分类。   ?テ毡槔纯矗?现有指纹分类算法大都存在两个问题,即分类速度较慢和分类准确率不高。从分类方法来看,指纹分类主要趋向于利用指纹自身的纹理特点和适用

文档评论(0)

130****9768 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档