论文导读:：本文设计的指纹匹配算法，以分类时获取的奇异点为参考点对指纹进行定位，利用奇异点特殊邻近结构缩小细节点匹配规模，在可变界限盒的基础上设计合理匹配策略。该方法不仅可以提高计算速度，也能够适应指纹非线性形变的特点，增加算法鲁棒性。在FVC2000数据库上的测试结果显示,该算法在保证自动指纹识别系统识别准确性的同时，还使得指纹辨识速度有了显著的提高。
论文关键词：指纹，快速匹配，奇异点，可变界限盒
0引言
对于大容量的指纹数据库自动识别，不仅要考虑实用的分类技术，也要选择合适的指纹匹配算法。传统的1:1验证算法在执行效率方面不能满足现场比对的需要，因此还必须采用兼顾识别率和识别速度的快速指纹识别算法。现有的多数分类方法往往只侧重于数据库分类方面的研究，而忽略了将指纹匹配与分类综合考虑，无法将分类和匹配两种加速手段统一起来，充分发挥速度上的优势以满足自动指纹识别系统实用化的需求。本文综合考虑指纹分类和匹配特点，在大小可变限界盒的基础上提出了一种基于分类信息的快速指纹识别算法。该方法将指纹连续分类用到的奇异点邻近结构用到指纹匹配中，通过邻近结构限制细节点对的选择，在分类信息的基础上进行细节点对匹配。匹配主要有3个步骤：首先，以分类中获取的奇异点为基准点对指纹图像进行定位可变界限盒，利用奇异点特殊邻近结构缩小细节点匹配规模；其次，根据可变限界盒大小设计细节点匹配分数，能适应指纹非线性形变的特点；最后，利用细节点匹配分数计算参考点可能的调整位置，为二次匹配提供信息，不仅可以提高计算速度，也能够增加算法鲁棒性。
1细节点匹配顺序构造
奇异点邻近结构参考时鹏等人[1]提出的奇异点邻近结构，如图1所示。以圆心R、为半径作个同心圆，其中，圆心参考点取分类时获取的奇异点, 是预定义的半径值，单位为像素的个数。 个同心圆环将指纹参考点的邻近区域分为个子区域，将第个圆环记为第 档，这样奇异点邻近区域中的细节点就分布在这个分档之中论文开题报告范文。同心圆的数量根据不同指纹数据库中图像的性质,通过实验找到最优值。根据上述规则，就构成了不仅便于指纹连续分类提取采样点，又能够实现快速比对的奇异点邻近结构[1]。
图1 奇异点邻近结构图
第档中细节点 定义为：，其中 。 分别表示细节点相对于参考点 的半径，极角，相对于参照点的细节点方向，定义如公式(1)所示。将细节点用极坐标方向表示，可以避免指纹采集时由于手指的旋转带来的干扰。 是细节点所在的分档号，是细节点到基准点之间的纹线切割数目，对于图像的平移和旋转，属性 具有不变性可变界限盒，也不易受非线性形变的影响。
 (1)
 (2)
比较输入指纹与模板指纹参考点方向，在每一个输入细节点方向上统一调整旋转角度 ，定义如公式(2)所示。然后将M 个输入细节点和N 个模板细节点分别按照分档号，每档极角由小到大，螺旋递增顺序排序，并连接成串, 如图1所示。指纹的匹配细节点顺序可表示如下：
  。
则指纹识别算法就变为集合的细节点间的匹配。
2可变界限盒方法
指纹细节点的匹配采用罗西平[2]提出的可变界限盒来进行，如图2所示。当待匹配的细节点对落在可变界限盒内，认为这两个细节点匹配，否则认为不匹配。指纹的非线性形变特点：在极径较小的细节点周围，小的形变可以造成大的极角改变；而极径较大的细节点周围，形变不易造成大的极角改变量。可变界限盒就是根据指纹的这种非线性形变设计。
图2 可变界限盒
3 快速指纹匹配算法
匹配过程中，利用细节点结构特征，设置条件 可以减少不可能相似的细节点对进行匹配；设置条件 排除明显不相似的细节点对继续细节匹配。满足这两个条件的细节点对继续采用大小可变限界盒的方法来进一步匹配。这样可以极大地减少模板中细节点对进行匹配的数量，从而降低匹配算法的计算量，使匹配速度得到显著提高。
基于分类信息的快速指纹匹配算法具体描述如下：
 上面condition1和 定义如公式(3)和(4)所示，代表细节点间的相似程度。
(3)  (4)(4)式中的 和分别是可变限界盒的极径和极角边界论文开题报告范文。其中
 (5)
 (6)
第4)步中的 和 定义如下
1/2 1 2 下一页 尾页 |
