《外文翻译--一种对指纹预处理和特征提取的高效算法(译文).docx》由会员分享，可在线阅读，更多相关《外文翻译--一种对指纹预处理和特征提取的高效算法(译文).docx（11页珍藏版）》请在金锄头文库上搜索。
1、一种对指纹预处理和特征提取的高效算法摘要：在实践中，对于指纹扫描认证的定位并没有得到最大的重视，尤其是在 注册登记和对于拒绝正版用户的结果的应用上。此外，用户行为和环境条件降低了对 于指纹认证的真正接受率。为了克服这些局限，一种有效的预处理算法被提了出来， 以获得指纹认证与分析的核心点周围的垂直方向和高峰值Illi率区域。这一算法的应用 分为两个阶段。获得指纹垂直方向的过程是第一步执行的。紧接着便是对指纹核心点 的检测。核心点的检测可以识别任何类型的指纹。这种发达的算法是通过使用具有较 大的内部数据库的基于行的特征提取算法和指纹识别竞赛样品来测试的。要是没有低 质量的图像，那些导致存在于细节点
2、中的差异的受损的峰值会被识别出来。提出了这 一算法之后，94%的受检测的图像会被垂直方向，它的真实性通过比较同一样本中已 定位和未定位的图像中的详细细节来验证的。关键词：垂直方向，高峰值曲率区域，核心点检测，特征提取。1. 引言指纹是指尖表面的脊和沟的图案。在度好的或狭小的水平下，山谷和山脊的特征 被称为细节。事实上，指纹并没有被精确地垂直方向，并且可能会产生相对于假定垂 直方向45的偏离。在本论文中，指纹图像旋转被很好地执行在对于高曲率区域围 绕核心点提取过程中的图像增强之前。所以，一个好的定位模式可以提供一个样本的 综合性状，这一样本可以确保嵌入式特征的发现。核心点周围的细节扮演了一个重要
3、的角色，这是因为它在许多应用中特别是指纹 分类，指纹分析都起到了很重要的作用。用户行为和环境方面的考虑，譬如扫描手指 的角度和位置，传感器上的污垢或残留物，手指上的损伤或残留物等也都是指纹匹配 和分析所必需的。当从同一个样本中收集多个样值可能实现时，指纹登记的质量是可 能实现的。在那些决策可以用现有的模板的地方都有许多应用。当方向场非常混乱而 且可能因手指裂缝存在造成的低结构线索误导时，现有的方法便不能很好地处理低质 量的指纹。最初时，录入的指纹是通过循环算法垂直定位的。图像方向是通过X轴和椭圆的 长轴之间的夹角估计的。带有1到90的角位移的高质量图像都会被很好地垂直 定向。在被提出的算法中，
4、候选核心图像是通过考虑所有的图像区域挑选出来的，这 些区域中窗口内的差异值总和大约在360左右，公差值为3。然后所有彼此接近的 候选图像和被认为是该区域的质心的点桥接在一起。垂直方向和核心检测之后，带有 核心点和高曲率模式的相关区域通过在核心点周围选取N个像素被裁切。这N个像素 的选取取决于应用和必要性。该过程基于行的特征提取与开发是由作者验证的。本论文结构如下。第二节讨论文献综述，第三节介绍该算法的步骤，第四节包含 通过使用基于行的特征提取算法的实验结果，紧接着第五部分是总结。2. 文献综述在现实生活中，数据库录入的指纹并没有完全垂直取向，并且可能取代尖瘦地远 离垂直方向。A. K. Jai
5、n等人表明图像的旋转通过在匹配阶段对循环的特征值的特征 编码被部分处理。在将来，图像的旋转将会通过从图像数据中自动确定指纹被正确处已提出的算法经过FVC数据库中640个样本以及内部数据库中250个样本的测 试。结果表明旋转的精度水平为94%,核心检测为92%。此外，在指纹身份验证和分 析方面，该算法提供了更多准确性，时间优势和成本效益的解决方案。此外，由于质 量差，三角点被确定为核心点。当图像被部分扫描或者带有污渍时，我们认为此图像为低质量图像。同时，随着 压力变化而变化的图像也被认为是质量差的图像。下图显示了一些低质量图像。图11 FVC2004_DBl数据库中随机选择的低质量图像6、总结为
6、了改进匹配算法和指纹分析的性能，提出了一个有效的算法。垂直方向的操作 过程一步一步实施出来，并且提供了必要的说明。对于性能的评价，基于线性的算法 是使用连接成分分析的算法。对输入图像进行细节提取，然后比较处理后的图像。用 FVC2004 DB1_A数据库中的640个样本和内部数据库中的250个样本来测试该算法。 性能评价结窠显示，处理后图像的细节提取与原始图像匹配度达94%。整个指纹实现 了核心检测，并且准确率达到92%。质量，分类，各种压力和指纹在扫描以上放置的 位置都影响到了核心点的精度。该算法在垂直方向过程中存在一定限制，由于处理后 的脊线不如原图像光滑，图像的质量受到影响。这需要进一步
7、加强。此外，该算法将 三角形标识为几张循环型图片的核心点。消除该算法限制的研究也正在进行，来减少 计算时间，成木和提供良好的精度。参考文献1 Anil K. Jain, Salil Prabhakar, Lin Hong, and Sharath Pankanti, aFi terbank-based fingerprint match ing, IEEE Trans. Pattern Anal. MachineIntell., Vol. 9, No. 5, (2000) 846-859.2 C. L. Wilson, G. T. Candela, and C. I. Watson, Neur
8、al network fingerprint classification, n J. Art if. Neural Network, Vol. 1, No. 2, (1994) 203- 228.3 L. Hong, Y. F. Wan, and A. K. Jain. Fingerprint image enhancement: Algorithm and performance evaluation. IEEE Trans. Pattern Analysis and Machine Intelligence, 20(8) (1998) 777- 789.4 Lam, L., Seong-
9、Whan Lee, and Ching Y. Suen, Thinning Methodologies-A Comprehensive Survey, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol 14, No. 9, (1992) 879.5 D. Mai ton i, D. Maio, A. K. Jain, S. Prabhakar, Handbook of Fingerprint Recognition, Springer, New York, 2003.6 A. M. Bazcn and S.H.Gerez, S
10、ystematic Methods for the Computation of the Directional Fields and Singular Points of Fingerprints ,IEEE Trans. Pattern analysis and machine intelligence, Vol 24, No. 7, (2002).7 T. Liu, P. Hao, and C. Zhang, aFingerprint Singulai Points Detection and Direction Estimation with a T” Shape Model” , P
11、roc, of the AVBPA 2005,Springer, Hilton Rye Town, NY, USA, ( 2005) 201-207.8 P. Gnanasivam, and S. Muttan, “A Novel approach for Fingerprint Minutiae Extraction by Ridge Tracing using Connected Component Analysis 1JMST, Vol 1, Issue 1, (2009)48-55.9 A. K. Jain, S. Prabhakar, and L. Hong, “A mul tich
12、annel approach to fingerprint classification, IEEE Trans, Pattern Anal. Machine Intell., Vol. 21, No. 4, (1999) 348-359.10 C. L. Wilson, G. T. Candela, and C. I. Watson, Neural network fingerprint classification, w J. Art if. Neural Network, Vol. 1 No. 2, (1994) 203-228.11 A. Jain, L. Hong, R. Bolle
13、, uOn-line fingerprint verification, v IEEE Trans. Pattern Anal. Machine Intell., Vol. 19, (1997). 302-314.12 B. G. Sherlock, D. M. Monro, and K. Millard, Fingerprint enhancement by directional fourier filtering, n Proc. Inst. Electr.Eng. ,Vis.Image Signal Process., Vol. 141 (1994) 87-94.13 Arun Vin
14、odh C, “Extracting and Enhancing the Core Area in Fingerprint Images , IJCSNS International Journal of Computer Science and Network Security, Vol. 7 No. 11(2007).14 L. Hong, A. K. Jain, S. Pankanti, and R. Bolle, Fingerprint enhancement. In Proc. 1st IEEE WACV, pages 202-207, Sarasota, FL, (1996).15
15、 Julasayvake, A. and Choomchuay,S, An algorithm for fingerprint core point detection” , Signal Processing and Its Applications, ISSPA 2007, 9thInternational Symposium on, (2007) 1-4.16 Tomohiko Ohtsuka and Takeshi Takahashi, A New Detection Approach for the Fingerprint Core Location Using Extended R
16、elation Graph , IEICE -Transactions on Information and Systems, Volume E88-D, Issue 10, (2005) 2308-2312.17 J. Serra. Image Analysis and Mathematical Morphology - Volume 2: Theorical Advances. (1988).18 P. Soille. Morphological Image Analysis. Principles and Applications. Springer Verlag, (1999).19 FVC2004 Fingerprint Verification Competition . csr. unibo. it/fvc2004
