局部調(diào)整梯度函數(shù)在指紋識別技術(shù)中的研究和應(yīng)用.pdf

1、圖像分割是從圖像處理到圖像分析的關(guān)鍵技術(shù)。幾何活動輪廓模型是為解決圖像處理和計算機視覺領(lǐng)域廣泛存在的圖像分割問題而提出來的。梯度函數(shù)是在研究幾何活動輪廓模型時將界面或者演化曲線看成高一維空間中某一函數(shù)ψ原型。指紋識別過程主要包括指紋采集、指紋分類、特征提取和指紋匹配四個步驟。現(xiàn)有指紋識別技術(shù)中的指紋分類大多是根據(jù)奇異點的數(shù)目、類型和位置等信息來實現(xiàn)固定分類，根據(jù)指紋方向場信息進行連續(xù)分類。在指紋匹配算法中，主要是基于部分奇異點對的匹配，

2、通常所見的指紋匹配算法中認為：只要比對13個特征點重合，就認為是同一指紋。
　　當采集到的指紋圖象遇到刮擦，扭曲，變形，水痕等情況，現(xiàn)有的指紋識別算法功能就很難達到，其主要原因在于現(xiàn)有的指紋分類算法大多都只是基于灰度估算算法計算方向場，當采集圖象的灰度估算在失效的情況下，就很難對現(xiàn)有指紋圖象進行分類，從而導(dǎo)致整個指紋識別算法失效；在指紋匹配算法中，由于未對捕獲到的指紋特征點進行具體的分類，從而導(dǎo)致了指紋匹配算法中的奇異點對量過大，

3、致而整個匹配算法的效率低下；此外，從整個指紋識別算法來看，指紋分類算法和指紋匹配算法是彼此孤立的過程，這樣在1：N運行模式下，沒有實現(xiàn)指紋分類和指紋匹配算法的同步，從而拖慢了整個系統(tǒng)的運行效率。
　　本文在現(xiàn)有的梯度函數(shù)研究的基礎(chǔ)上，分析傳統(tǒng)梯度函數(shù)的優(yōu)缺點，引入一種新的梯度函數(shù)：局部調(diào)整梯度函數(shù)，再結(jié)合現(xiàn)有指紋分類算法中構(gòu)建指紋方向場所存在的局限，把灰度估算方向場算法和局部調(diào)整梯度計算方向場算法有機結(jié)合起來，提出一種新的建模思路

4、，即：把兩中指紋分類算法有機的統(tǒng)一到一種算法中來。這樣一來，即使其中一種分類算法失效，也能保證指紋分類算法有效性，從而達到提高指紋分類算法的魯棒性的效果。
　　本文針對傳統(tǒng)意義上單純匹配細節(jié)點的算法，提出了一種改良后的算法：匹配細節(jié)點對的算法。在算法中，引入奇異點的鄰近結(jié)構(gòu)，即在以奇異點或者特征點為中心，構(gòu)造同心圓的過程，在同心圓內(nèi)所包含的細節(jié)點即為該奇異點鄰近的鄰近結(jié)構(gòu)，然后對該結(jié)構(gòu)內(nèi)的細節(jié)點進行分類，在分類后，對不同類的細節(jié)點

5、進行構(gòu)造細節(jié)點對。那么單純匹配細節(jié)點算法中：匹配13個以上的特征點對匹配的情況，就認為兩張指紋圖象完全匹配。就可以變?yōu)椋褐灰ヅ?對到7對細節(jié)點對的情況就可以認為兩張指紋圖象完全匹配。這樣一來，通過對特征點進行分類，就達到了降低匹配指紋特征點的數(shù)目，從而了提高匹配的效率。
　　在實際的1：N模式指紋識別系統(tǒng)中，都會存在在線匹配的情況，如果單純的把指紋分類和指紋匹配算法孤立起來，那么這樣的指紋識別系統(tǒng)效率是十分低下的。本文把孤立的指