新的指纹纹理区域分割算法

›› 2012, Vol. ›› Issue (06): 1538-1542.

新的指纹纹理区域分割算法

吉祥¹, 韩军伟¹, 陈大海², 郭雷¹

1. 西北工业大学自动化学院, 西安 710129;
2. 空军导弹研究院, 洛阳 471009

收稿日期:2011-10-09 出版日期:2012-11-01
基金资助:
国家自然科学基金项目(61005018);西北工业大学研究生创业种子基金项目(Z2012111); 西北工业大学基础研究基金项目(NPU-FFR-JC20104);教育部新世纪优秀人才支持计划项目(NCET-10-0079).

Novel fingerprint texture area segmentation algorithm

JI Xiang¹, HAN Jun-wei¹, CHEN Da-hai², GUO Lei¹

1. School of Automation, Northwestern Polytechnical University, Xi'an 710129, China;
2. China Airborne Missile Academy, Luoyang 471009, China

Received:2011-10-09 Online:2012-11-01

摘要/Abstract

摘要： 首先对指纹图像进行归一化处理。然后,以脊线方向和与其垂直方向的灰度差值为依据来进行指纹纹理区域的分割。最后,对分割模板进行平滑处理和开运算,提取纹理区域。与5种分割算法的对比结果显示:本文提出的算法快速有效,并且能够很好地去除指纹采集器的边框和噪声等非纹理区域。将分割算法加入匹配实验中,结果表明:本文方法可以有效地提高指纹自动识别系统的性能。

关键词: 计算机应用, 指纹识别, 指纹分割, 方向场, 灰度差

Abstract: A novel method of fingerprint texture area segmentation is proposed. First, fingerprint image is normalized. Then, intensity difference between the ridge line and the vertical direction is computed as the basis to implement region segmentation. Finally, smoothing and open operation are used on the segmented template which can extract the texture area. Results of comparison with other five algorithms show that the proposed algorithm is fast and effective. It can remove the border of the fingerprint scanner, the background noise and other non-texture regions very well. The match experiment, which adds the segmentation method to the match algorithm, shows that this algorithm can also effectively improve the performance of Automated Fingerprint Identification System (AFIS).

Key words: computer application, fingerprint verification, fingerprint segmentation, orientation field, gray difference

中图分类号:

TP391.4

吉祥, 韩军伟, 陈大海, 郭雷. 新的指纹纹理区域分割算法[J]. , 2012, (06): 1538-1542.

JI Xiang, HAN Jun-wei, CHEN Da-hai, GUO Lei. Novel fingerprint texture area segmentation algorithm[J]. , 2012, (06): 1538-1542.

参考文献

[1] 陈桂友. 自动指纹识别系统中的关键算法研究及应用[D]. 济南:山东大学控制科学与工程学院, 2005. Chen Gui-you.Study and application of key algorithms in automatic fingerprint identification system[D].Ji'nan:School of Control Science and Engineering, Shandong University, 2005.
[2] 苑玮琦,柯丽,白云. 生物特征识别技术[M]. 北京:科学出版社, 2009.
[3] 田捷,杨鑫. 生物特征识别技术理论与应用[M]. 北京:电子工业出版社, 2005.
[4] Cao Jiang-zhong, Dai Qing-yun. A novel online fingerprint segmentation method based on frame-difference[C]//Proceedings of 2009 International Conference on Image Analysis and Signal Processing, 2009:57-60.
[5] 李昊, 傅曦. 精通Visual C++指纹模式识别系统算法及实现[M]. 北京:人民邮电出版社, 2008.
[6] Jin Qi, Mei Xie. Segmentation of fingerprint images using the gradient vector field[C]//2008 IEEE International Conference on Cybernetics and Intelligent Systems, 2008:543-545.
[7] Hong Lin, Wan Yi-fei, Jain A. Fingerprint image enhancement: algorithm and performance evaluation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(8):777-789.
[8] 李洪兵,余成波,张冬梅,等. 基于脊波变换的手指静脉图像增强研究[J]. 重庆邮电大学学报:自然科学版,2011,23(2):224-230. Li Hong-bing,Yu Cheng-bo,Zhang Dong-mei,et al. Study on finger vein image enhancement based on ridgelet transformation[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2011,23(2):224-230.
[9] Chen Da-hai, Ji Xiang, Fan Fang,et al. Comparative analysis of fingerprint orientation field algorithms[C]//Proceedings of the 5th International Conference on Image and Graphics, 2010:796-801.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed