吉林大学学报(工学版)

• • 上一篇    下一篇

基于区域水平的指纹纹线距离估计方法

谭梅1, 尹义龙2, 杨卫辉1   

  1. 1.吉林省经济管理干部学院, 长春 130012; 2.山东大学 计算机科学与技术学院, 济南 250100
  • 收稿日期:2005-03-30 修回日期:2005-06-21 出版日期:2005-09-01 发布日期:2005-09-01
  • 通讯作者: 尹义龙

Method at Region Level for Ridge Distance

TAN Mei1, YIN Yi-long2, YANG Wei-hui1   

  1. 1.Economic Management Staffer Colloge of Jilin Province, Changchun, 130012; 2.School of Computer Science and Technology, Shandong University, Ji′nan, 250100
  • Received:2005-03-30 Revised:2005-06-21 Online:2005-09-01 Published:2005-09-01
  • Contact: YIN Yi-long

摘要: 在充分分析现有纹线距离估计方法的基础上,突破了基于整幅指纹图像或者分块图像进行纹线距离估计的传统思路,提出了一种基于区域水平的新的指纹纹线距离估计方法。首先,根据纹线方向一致性,自适应地将一幅指纹图像划分为若干个区域,提出了区域的统计窗概念。然后,在对指纹图像进行二值化后,为每个区域定义统计窗和基线,以区域为单位,采用一种距离统计方法,估计每个区域的平均纹线距离。实验证明,采用这种方法进行纹线距离估计,弱化了细节特征点和一些低质量指纹区域的存在对纹线距离估计的干扰,估计结果可靠,同时也使得该方法对图像采集分辨率具有不变性。

关键词: 信息处理技术, 模式识别, 指纹, 纹线距离, 区域分割, 统计窗, 基线

Abstract: On the basis of analysing current methods of ridge distance estimation and not using conventional ideas to estimate ridge distance at a whole or block image, a new method at region level to estimate ridge distance of fingerprint images was put forward. A whole fingerprint image was adaptively partitioned into several regions according to the consistency of ridge directions. Based on binary valued fingerprint image, statistical window and base line of each region were defined. By using distance statistical method at the region unit, average ridge distance was estimated. Experimental results show that this method can reduce the effect of reference minutiae and poor quality image on ridge distance estimation, and the ridge distance estimation results are reliable and invariable to the resolution of image acquisition system.

Key words: information processing technology, pattern recognition, fingerprints, ridge distance, region segmentation, statistical window, base line

中图分类号: 

  • TP391.4
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[4] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 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.
[10] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[11] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[14] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!