导读:本文包含了指纹特征匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:指纹识别,缺失图像,关联特征,地统计学
指纹特征匹配论文文献综述
陈云志[1]（2014）在《地统计关联特征与多子集匹配的缺失指纹识别算法》一文中研究指出针对主流指纹识别算法对缺失指纹图像识别率非常低的问题,提出了一种地统计关联特征与多子集匹配的算法(GS-MS)。首先对指纹图像进行Gabor滤波增强以及二值化、细化预处理,然后将图像均匀划分为N个子集,分别提取各子集的地统计学关联特征与分叉点、端点等细节特征点,最后以待识别指纹图像子集为基准,与指纹库子集进行匹配识别。采用完整与缺失两种指纹数据集进行测试,GS-MS算法均取得了较优的识别精度,而且没有大幅度增加运行时间。(本文来源于《计算机工程与应用》期刊2014年10期）
车荣禄[2]（2014）在《指纹图像的特征提取与匹配算法研究》一文中研究指出目前，指纹识别技术以其采集方便、识别效率稳定、系统成本低等优点，成为国内外广为关注和应用的热点。但是，现阶段的指纹特征提取及匹配算法尚有改进的空间。为了提高指纹匹配的准确性和可靠性，本文主要研究了以下几个方面的内容：首先，介绍了指纹识别技术的发展历史，并且在分析国内外指纹识别技术发展现状的基础上，重点研究了指纹图像特征提取算法与匹配算法的发展现状，同时简述了指纹识别系统的组成。其次，阐述了指纹图像预处理的基本原理和过程，深入研究了几种常见的指纹图像二值化及细化方法，并进行了算法仿真，以比较各种方法之间的优缺点。另外，针对改进的OPTA细化算法的不足，提出了一种优化的细化算法。再次，在分析和研究模板检测法和基于八邻域编码的脊线跟踪法的基础上，提出了一种结合两种特征提取算法的基于局部结构信息的伪特征点滤除算法。其中，在去伪过程中，采用了距离去伪与结构去伪相结合的方法，并且利用脊线跟踪法得到了用于后续匹配的细节特征点的信息：对应脊线上的采样信息与细节点的方向。最后，利用基于全等叁角形的指纹匹配算法、基于脊线校正的指纹匹配算法、基于局部特征向量的分段式指纹匹配算法对提取出来的细节特征点集进行匹配处理，并比较了叁种指纹匹配算法的运行时间及错误拒绝率(FRR)与错误接受率(FAR)。最后，通过错误拒绝率和错误接受率的测试结果图上得到了实验的最佳阈值分数。(本文来源于《燕山大学》期刊2014-05-01）
吴志丹[3]（2013）在《高分辨率指纹汗孔特征提取与匹配算法研究》一文中研究指出随着自动指纹识别系统应用范围的拓展，人们在系统安全性方面提出更高的要求，传统的指纹识别系统，已经出现了技术瓶颈。与此同时在科学技术日新月异发展的大背景下，指纹采集设备的性能也得到了很大的提升，使得像汗孔这样的第叁层指纹特征信息的提取成为了可能。这样高分辨率指纹识别很自然的成为人们关注的焦点。对于传统的指纹识别系统来说，高分辨率指纹识别系统具有高精度，防伪能力强，活体检测等优点。但伴随高分辨率指纹识别而带来的问题也很多，例如，像汗孔这样的高分辨率指纹特征提取问题，指纹识别精度和时间问题等。目前的汗孔提取方法大多数都是单尺度，等方向的汗孔提取模型，这样的汗孔模型，对具有尺度性和方向性的汗孔，提取效果并不理想。所以准确的提取出汗孔信息是高分辨率指纹识别系统需要去解决的一大问题。此外，目前的汗孔匹配算法，大致分为两种，一种是用第二层指纹特征进行校准后再做汗孔匹配的算法，另一种是用汗孔直接做匹配的算法。第一种算法在时间方面有优势，而第二种算法在精度上占优势。怎样有效的解决时间与精度之间的问题是高分辨率指纹识别系统需解决的另一问题。针对这两个问题本文分别各提出了一种有效的解决方法。在汗孔提取方面，本文提出一种用Gabor滤波器进行汗孔提取的方法，该方法很好的利用了Gabor滤波器的尺度性和方向性，把汗孔的尺度和方向因子加入到Gabor滤波器中，生成Gabor汗孔模型，很好的解决了单尺度均向性汗孔提取算法的问题，并且汗孔提取准确度与同类算法相比效果得到了提高。在汗孔匹配方面，本文提出了基于细节点汗孔选择的汗孔匹配算法，该算法是用细节点做为汗孔选择的一种选择方法，选择出一部分汗孔用于汗孔匹配，相比那些基于细节点校准的算法在精度上呈现优势，同时在保证汗孔直接匹配精度的情况下，有效的降低了时间复杂度。最后我们在香港理工大学提供的高分辨率指纹库上做了实验。实验结果显示本文提出的汗孔提取算法相比于目前存在汗孔提取算法性能有所提升，提出的汗孔匹配算法与同类算法相比性能也得到了一定改善。(本文来源于《哈尔滨工业大学》期刊2013-12-01）
胡春风[4]（2013）在《指纹纹线特征提取与匹配》一文中研究指出指纹是一种具有“人人都有”的普遍性、“每人不同”的可区分性、“一生不变”的稳定性、容易采集等良好特性的生物特征,因此被深入研究并广泛用于身份认证领域。目前,指纹识别研究已经取得了大量的成果,并被广泛应用到刑侦、金融、军事等很多领域。在应用过程中,对低质量、小面积、弹性形变严重等指纹图像识别的准确性提出了更高的要求,针对这些问题很多算法被研究出来,这些研究成果都是以指纹的节点特征为基础开展提取和匹配。我们通过观察分析和实验比较发现,从纹线的层次来描述指纹比从节点的层次更符合人类专家比对指纹的过程,能够提供更多的特征用于匹配,能更好地区分一些用节点特征无法正确匹配的指纹,提高指纹识别的准确性,因此,本文提出了指纹纹线特征的概念,开展指纹纹线特征表示、提取、匹配的算法研究,以构建基于纹线特征的指纹识别应用系统,研究成果主要包括:1、提出了基于Log-Gabor滤波器的指纹纹线区域提取方法。Log-Gabor滤波器对指纹的不同干湿状态下采集的图像,特别是局部灰度对比度很小的区域,Log-Gabor滤波能很好地使纹路区域保持较大亮度而非纹路区域亮度较小,采用动态灰度阈值的自适应阈值分割可以很好的去掉灰度较小的非纹路区域。根据方向可靠性的性质,在纹路清晰区域纹线方向与周围块方向差异较小,从而方向可靠性高,这样可以排除可靠性低的噪声大的纹路混乱区域。两种标准相结合的分割方法,可以有效处理不同干湿状态下采集的指纹图像,同时较好区分纹路清晰和混乱的区域,避免纹路混乱区域带来错误特征,有效分割指纹的纹线区域以便进一步特征提取和匹配。2、提出了适合于指纹匹配的纹线特征表示方法。指纹的纹线特征包括点特征、线特征和拓扑特征,其中点特征是一条纹线两端的终点的坐标、方向、类型等特征,节点(分叉点和端点)是点特征的一个真子集,线特征包括纹线的起点、终点、最大曲率、长度、类型等特征,拓扑特征是纹线之间的相邻关系。纹线特征包含了节点特征,从理论上讲,通过节点特征能识别的指纹通过纹线特征都能识别,因为纹线特征比节点特征包含更大信息量,根据节点特征无法恢复原有的指纹纹路,但根据纹线特征可以恢复指纹的纹路结构,因此可以更好地区分用节点特征无法正确匹配的指纹。此外,由于纹线特征包括拓扑特征,按照拓扑结构对纹线特征进行存储,可以直接对可能匹配的纹线进行比对,避免了节点特征匹配时需要对所有节点进行全比对,提高了匹配效率。因此指纹的纹线特征是一种比节点特征更有效的指纹特征表示方法。3、提出了从传统细化图像中提取指纹纹线特征的方法。指纹图像经过方向计算、分割、增强、细化等处理后,改进从细化图像中提取节点的算法,在分割后的细化图像中提取节点的同时提取纹线特征。该方法在节点特征提取的基础上提取纹线的起点、终点、最大曲率、长度、类型、拓扑等特征,用很小的额外计算代价和存储空间得到指纹的纹线特征,实验表明纹线特征在指纹匹配及快速匹配发挥了比节点特征更好的效果。4、提出了指纹纹线的匹配方法,包括基于特征纹线的指纹对齐和纹线特征匹配两个阶段。首先提出了8种可以用于对齐的特殊纹线的定义和提取方法,其次按照优先级对特殊纹线进行初始对齐,计算两个指纹的对齐参数。对齐后直接根据纹线的线特征和拓扑特征搜索配对节点,采用固定阈值对纹线上的节点特征计算节点的相似度,从而获得模板指纹和输入指纹的匹配分数。在FVC2006 DB3和DB4上的实验结果表明,纹线特征的提取和匹配提高了指纹识别的准确性。5、提出了基于纹线特征的快速匹配方法,在特殊纹线的基础上,根据纹线的拓扑特征、线特征和点特征来确定纹线的可靠性,结合对FVC指纹库中高可靠性纹线的统计分析,可以仅选用可靠性高的纹线进行匹配。在FVC2006 DB3和DB4的纹线快速匹配实验表明,基于纹线特征的快速匹配算法显着提高了指纹识别的速度,虽然快速匹配算法对识别准确率有一定影响,但在可以接受的范围内,而且在FVC2006DB3中指纹图像弹性形变较大时,相比全局的指纹对齐方法,纹线特征的快速匹配的准确率还有所提高。6、提出了一种基于图像质量分区的指纹特征提取方法,对指纹识别流程进行优化,以提高应用系统的实用性。在实际应用中,只有部分指纹图像的质量不高且这些图像中也只有部分区域质量较低。针对这个问题,提出了一种基于图像质量分区的指纹特征提取方法。具体来说,先用一种简单的图像区域质量计算方法以评价各区域的图像质量,然后对高质量区域直接从灰度图像跟踪纹线、提取节点,对低质量区域先执行传统的方向计算、增强、二值化和细化,再根据高质量区域获得的纹线方向等信息来调整低质量区域的方向,跟踪纹线、提取特征。在FVC四个指纹库上的特征提取时间统计结果表明,通过区分高质量区域与低质量区域,避免了在高质量区域耗费过多的运算时间和计算资源,从而减少了指纹识别所需要的时间。论文对上述算法进行研究和实现,并在FVC指纹库上进行了实验,给出了相应的实验结果和分析。(本文来源于《国防科学技术大学》期刊2013-10-01）
袁东锋,杜恒,秦小铁[5]（2013）在《基于叁角形局部特征点模型指纹匹配算法》一文中研究指出指纹识别是一种生物识别技术,指纹匹配是指纹识别的一个重要过程,如何解决指纹匹配过程中出现的待识别指纹出现的指纹平移、旋转与挤压引起的形变问题,是本文重要的研究内容。提出了一种基于局部特征点的叁角形模型匹配算法,根据指纹中图像中的细节点,与其相邻的局部细节点构成一个叁角形,并引入了它与邻近细节点间的距离、脊线数目作为判断因素,从而有效解决指纹图像匹配过程中遇到的因平移、旋转与挤压引起形变导致的识别率较低的问题,提高了指纹识别的精确度和可靠性。最后通过3个实验的结果表明,本文提出的算法比另外2种算法具有拒识率低、正确识别率高(正确率达到98.92%)的特点,即基于叁角形局部特征点模型的指纹匹配算法有较好的性能。(本文来源于《重庆师范大学学报(自然科学版)》期刊2013年02期）
陈芋文,张昱琳,向林泓[6]（2012）在《基于特征点脊线相似的指纹匹配算法研究》一文中研究指出主要研究指纹特征的提取与匹配,采用八邻域法提取指纹的端点特征,提出了一种基于嵴线相似的叁角形指纹匹配算法。叁角形相似匹配算法的核心思想是:根据特征提取的所有端点和分叉点,组成矢量叁角形进行匹配。仅提取端点并将该端点首先进行嵴线的相似匹配,从中找出脊线相似的端点,再进行叁角形的相似匹配。该算法有效地降低了叁角形匹配的数量,加快了匹配的速度。通过Matlab实现指纹识别系统,实验证明该算法能够取得一定的识别效果。(本文来源于《计算机科学》期刊2012年S3期）
魏鸿磊,张文孝,华顺刚[7]（2012）在《一种采用脊线特征的指纹模糊匹配方法》一文中研究指出针对目前指纹识别系统主要采用手指上细节点的分布来表征和匹配指纹,提出了一种采用指纹脊线特征的匹配算法,以提高细节点数量较少情况下的匹配精度.在特征提取阶段,通过脊线采样,只存储脊线采样点集以降低存储量;在匹配时,对欲匹配的两指纹利用细节特征配准脊线集,在重合区域内对两指纹脊线统一进行编码,通过编码的比较确定相似脊线;以相似脊线的相同位置编码为论域,以相同位置编码的相似程度为隶属度,建立衡量脊线相似程度的模糊集,采用加权平均法对多个相似脊线模糊集进行综合评判得到两指纹脊线总体相似度.最后将脊线匹配相似度与细节点匹配相似度进行加权融合得到两指纹最终的相似度.在FVC2004指纹库上的实验表明该算法能够有效提高指纹匹配的准确性.(本文来源于《智能系统学报》期刊2012年03期）
罗美美[8]（2011）在《基于指纹结构特征的图匹配算法研究》一文中研究指出目前的一些指纹识别算法当中，仍存在着方向场精度不高、预处理效果差、匹配速度慢以及对低质量指纹图像识别效果差等问题。针对这些问题，本文主要在指纹图像预处理和指纹特征匹配方面提出了几种参考性算法。这些算法不仅在一定程度上提高了整个系统的速度和精度，而且提高了低质量指纹的识别率。下面介绍了本文的主要工作。(1)首先介绍了整个指纹图像识别系统的预处理过程，包括指纹图像方向场提取、方向场优化、指纹图像增强、指纹图像二值化和细化等步骤。另外，本文提出了一种新的基于小波变换的指纹增强方法，即利用自适应阈值去除指纹图像中的高频信息，取得了比较好的增强效果。(2)结合现有的指纹质量评价体系，提出了一种改进的基于叁角拓扑结构的指纹匹配算法。在该算法的质量评估模块中，综合考虑了指纹图像的有效区域、干湿状况、偏移度、奇异点的有无和提取特征点的数目等因素来对指纹图像的质量进行评估。然后，根据从指纹质量评估模块中获得的质量评估结果来调整基于叁角拓扑结构的匹配算法的匹配阈值。结果表明，该算法针对低质量指纹图像有较好的匹配效果。(3)提出了一种改进的基于Delaunay叁角剖分的指纹匹配算法。该算法同时考虑了指纹图像的局部细节信息和整体结构信息，并将二者很好地结合起来。实现过程是：首先根据已产生的叁角网格，找到基准点，并对指纹图像进行姿势纠正；然后对姿势纠正后的指纹图像用基于点模式的匹配算法进行匹配；最后，根据待识别图像和模板图像的相似度，来判断两幅指纹图像是否匹配。而相似度的计算结果是由特征点方向、距离阈值、匹配特征点数目和特征点类型这些因素来决定。仿真结果表明，本文提出的两种匹配算法与任群等提出的基于细节点的匹配算法和尹义龙等提出的基于Delaunay叁角剖分的匹配算法相比，有效地降低了误识率和拒识率。(本文来源于《杭州电子科技大学》期刊2011-12-01）
吴一全,张金矿[9]（2011）在《基于Tent映射混沌粒子群的快速指纹特征匹配》一文中研究指出为了进一步提高指纹匹配算法的计算效率,本文提出了一种基于改进的Tent映射混沌粒子群优化的快速指纹特征匹配算法。首先,将粒子群优化引入基于指纹细节特征的点模式匹配中,并利用混沌的类随机性和高遍历性克服基本粒子群算法的不足。考虑到Tent映射比Logistic映射具有更好的遍历性,且基于Tent映射的混沌优化可进一步提高寻优效率,故利用改进的Tent映射混沌粒子群算法优化指纹细节特征匹配的几何变换参数估计,提高搜索过程的收敛精度和运算速度;然后,采用分层匹配的方法,设计了相应的细节特征匹配适应度函数,在粗匹配后利用具有平移旋转不变性的细节特征点的局部结构信息确定特征点对的匹配关系,以抵抗指纹图像旋转、平移和局部非线性形变等因素的影响;最后,给出了针对FVC2006指纹数据库进行的大量指纹细节特征匹配实验的结果及其客观定量评价。结果表明:与最近文献中提出的基于遗传算法的指纹特征匹配算法相比,本文提出的方法匹配精度更高,且运算速度提高了约一倍。(本文来源于《信号处理》期刊2011年02期）
仲元昌,朱树阔,林永,李飞[10]（2011）在《一种基于Core点及特征点的指纹匹配算法》一文中研究指出提出了一种基于Core点和特征点的指纹匹配算法,建立了用Core点确定参考点的数学模型,根据该模型确定了指纹的匹配范围,通过引入特征点到参考点的脊线条数因子n以提高匹配的精度.并以Visual C++6.0建立了该指纹识别算法的实验平台,对提出的指纹匹配算法进行了实验研究,实验结果表明该算法复杂度较低,匹配精度较高.(本文来源于《微电子学与计算机》期刊2011年01期）
指纹特征匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前，指纹识别技术以其采集方便、识别效率稳定、系统成本低等优点，成为国内外广为关注和应用的热点。但是，现阶段的指纹特征提取及匹配算法尚有改进的空间。为了提高指纹匹配的准确性和可靠性，本文主要研究了以下几个方面的内容：首先，介绍了指纹识别技术的发展历史，并且在分析国内外指纹识别技术发展现状的基础上，重点研究了指纹图像特征提取算法与匹配算法的发展现状，同时简述了指纹识别系统的组成。其次，阐述了指纹图像预处理的基本原理和过程，深入研究了几种常见的指纹图像二值化及细化方法，并进行了算法仿真，以比较各种方法之间的优缺点。另外，针对改进的OPTA细化算法的不足，提出了一种优化的细化算法。再次，在分析和研究模板检测法和基于八邻域编码的脊线跟踪法的基础上，提出了一种结合两种特征提取算法的基于局部结构信息的伪特征点滤除算法。其中，在去伪过程中，采用了距离去伪与结构去伪相结合的方法，并且利用脊线跟踪法得到了用于后续匹配的细节特征点的信息：对应脊线上的采样信息与细节点的方向。最后，利用基于全等叁角形的指纹匹配算法、基于脊线校正的指纹匹配算法、基于局部特征向量的分段式指纹匹配算法对提取出来的细节特征点集进行匹配处理，并比较了叁种指纹匹配算法的运行时间及错误拒绝率(FRR)与错误接受率(FAR)。最后，通过错误拒绝率和错误接受率的测试结果图上得到了实验的最佳阈值分数。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指纹特征匹配论文参考文献
[1].陈云志.地统计关联特征与多子集匹配的缺失指纹识别算法[J].计算机工程与应用.2014
[2].车荣禄.指纹图像的特征提取与匹配算法研究[D].燕山大学.2014
[3].吴志丹.高分辨率指纹汗孔特征提取与匹配算法研究[D].哈尔滨工业大学.2013
[4].胡春风.指纹纹线特征提取与匹配[D].国防科学技术大学.2013
[5].袁东锋,杜恒,秦小铁.基于叁角形局部特征点模型指纹匹配算法[J].重庆师范大学学报(自然科学版).2013
[6].陈芋文,张昱琳,向林泓.基于特征点脊线相似的指纹匹配算法研究[J].计算机科学.2012
[7].魏鸿磊,张文孝,华顺刚.一种采用脊线特征的指纹模糊匹配方法[J].智能系统学报.2012
[8].罗美美.基于指纹结构特征的图匹配算法研究[D].杭州电子科技大学.2011
[9].吴一全,张金矿.基于Tent映射混沌粒子群的快速指纹特征匹配[J].信号处理.2011
[10].仲元昌,朱树阔,林永,李飞.一种基于Core点及特征点的指纹匹配算法[J].微电子学与计算机.2011