一、一种基于可变限界盒的指纹匹配算法（论文文献综述）
常凯[1]（2019）在《基于特征融合的低质量指纹图像的识别方法研究》文中研究说明现有的指纹识别算法应用于低质量指纹图像时,由于指纹图像存在污损、断裂、伤疤和形变等问题,能够提取的有效特征变少或者伪特征变多,从而导致了指纹识别变得十分困难。国内外学者针对该问题已经提出了很多解决办法,但在识别速度和准确率上依旧难以同时达到很高的水平,这也是现如今指纹识别领域中迫切需要解决的问题。针对该问题,分析和总结了国内外学者在低质量指纹图像识别领域提出的学术研究成果,并对其识别过程中的图像增强、图像分割和特征匹配等方法进行了相应的改进和优化。本文的主要工作包括:（1）提出了基于改进算子和自适应微分阶数的低质量指纹图像增强方法。该方法选择了比传统算子更高精度的微分增强算子,并以距离为标准对传统算子结构进行了优化,达到了更好的效果。此外,根据指纹图像的特点,构造了由图像局部信息熵和梯度组成的自适应微分阶数函数,保证了图像中各像素点都能获取较优的微分阶数,从而使得整体的图像增强效果得到进一步提升。（2）提出了基于自适应阈值和形态学的二层分割方法。该方法在第一次分割中,通过选择灰度共生矩阵的对比度方差和其他实验参数来对分割阈值进行自适应优化,提升初步分割效果。在二次分割中,根据初步分割产生噪声的特点,对其进行相应的滤波处理后通过数学形态学的操作,有效地去除了初步分割中的噪声。实验表明该算法在低质量指纹图像上的分割精度达到了96.83%,相比同类型分割算法具有更高精度。（3）提出了基于特征融合的矢量三角形匹配算法。该方法将特征点的基本特征和矢量三角形的结构特征进行融合,构造出全新的特征向量。并基于Delaunay三角剖分的优点,对局部特征向量的结构进行了优化,同时在二次匹配中优化了可变限界盒的设计,提高了低质量指纹图像的识别准确率。同时还对整个匹配过程进行了优化,通过二层匹配方式实现指纹的快速识别。实验表明该算法在识别低质量指纹图像时相等误差率只有7.6%,比同类型匹配算法具有更低的错误率。
刘晓莉[2]（2015）在《嵌入式指纹识别系统的研究与设计》文中进行了进一步梳理随着社会的进步、技术的发展,运用生物识别技术进行身份认证是未来的发展趋势。生物识别技术中,指纹识别技术因其发展较早、识别效率高、成本低廉而得到广泛应用。随着人们对指纹识别设备的性能、便携性、功耗等方面要求的不断提高,嵌入式系统以其本身的特点能够给予良好的解决方案。因而,嵌入式指纹识别系统的研究将具有广阔的市场前景。本文以指纹传感器FPC1011F为指纹图像采集设备,以小型的嵌入式指纹库为出发点,研究快速、有效的嵌入式指纹识别系统。具体研究内容如下:首先,在对国内外嵌入式指纹识别系统发展现状进行研究之后,针对FPC1011F采集的指纹图像特点,本文提出一种新的预处理方案,包括指纹图像初次分割、方向图估计、中心点定位、二次分割图像增强、图像二值化和图像细化。其中,中心点定位采用的是窗口迭代的方法,改进基于方向场的中心点检测法,通过确定各行最大累积向量的最大峰值点与次大峰值点的关系,达到定位中心点的目的,从而克服了只通过一次分块指纹方向图所造成的块效应。指纹增强部分,提出基于中心点的二次分割Gabor滤波增强算法,此算法只对中心点附近的100像素的图像区域进行增强,同时改变原来滤波器的结构和参数,采用圆形滤波器和指纹平均变化频度,克服了传统Gabor滤波器耗费时间长的不足。其次,针对本文采用的预处理算法,提出改进的基于中心点的分级可变限界盒匹配算法,采用极坐标法表示特征点,解决指纹图像匹配的旋转问题;另外,引入分级可变限界盒的思想,使匹配算法具有更强的鲁棒性。再次,根据指纹采集模块和MagicARM开发板的特点,设计了嵌入式指纹识别系统的硬件平台,并在新的硬件平台上完成串口驱动程序的移植,使用PB4.2定制Windows CE.net操作系统,完成操作系统的移植。最后,针对本文采用的指纹识别算法,采用模块化结构设计,使用VC++6.0设计了PC端的测试系统及用户操作界面,通过采集不同年龄段人群的指纹图像进行测试和评估,验证了系统的识别性能。
皮海龙[3]（2014）在《指纹匹配算法与自动指纹识别系统的研究》文中研究说明传统的安全系统已经显得越发薄弱，不符合现代生活的需求和标准。电子产品的身份验证迫切需要一种更安全，更准确，更方便的新的身份识别和数字签名方法。这种特殊的需求就给指纹匹配系统提供了广泛的用武之地。预处理是指纹匹配系统的第一阶段。特征提取是指纹匹配系统的第二阶段。特征匹配是指纹匹配系统的第三阶段。文章的主要研究工作也分为以下三个方面：首先：指纹预处理阶段包括指纹分割部分（分割前景和背景），均衡处理部分（增强明暗对比度），收敛部分（缓解纹线发散混沌），指纹平滑部分（平滑噪声），智能增强部分，二值化（灰度两级表示）并去噪部分，指纹骨架细化并清掉虚假特征点部分。其次：指纹特征提取中心点，分叉点，梯度场，端点，三角点等。特别加入了后处理模块有效的清掉虚假特征点，毛刺，短棒，粘桥等伪特征，提升了预处理和特征提取的整体效果。最后：针对基于图形的指纹匹配方法匹配效果不佳，匹配时间较长的缺点，本文设计了一种新的匹配算法，即一种利用新的特征集合，改进的拓扑结构和匹配过程的匹配算法。该算法利用k近邻法以及脊线追踪相融合，为端点和叉点重新设计拓扑结构，利用坐标转换，和半可变限界盒分别对每个匹配的特征点对进行两次匹配，争取提前结束指纹匹配的全过程。本文实验样本为FVC指纹库的b组，在vc6.0编程平台下，共进行2000余次实验，并与基于遗传算法和矢量三角形的传统指纹匹配算法相对比，从对比结果上看，本文实验效果良好，应用前景广阔。
于明,皮海龙,王岩,阎刚,郭迎春[4]（2014）在《基于k近邻法和脊线追踪的指纹匹配算法》文中认为首先,综合运用k近邻法和脊线追踪法,分别为叉点和端点设计了新的拓扑结构,提取脊线特征、邻域特征、细节点特征。其次,利用特征加权和坐标转换,以及半可变限界盒技术提出快速的二次匹配过程。试验结果表明:该算法运行速度快、拒识率和误识率低。
张莹,于宝堃[5]（2013）在《基于ARM9的指纹匹配算法》文中指出为了满足嵌入式指纹识别系统的实时性需求,论文提出了一种基于ARM9内核的指纹匹配算法。该算法通过构建特征点的三角结构向量,消除了指纹图像旋转、平移的影响,提高了系统的鲁棒性。同时算法采用两个等级进行指纹匹配,缩短了匹配时间,提高了匹配效率。通过在ARM920T主建的平台上进行识别测试,本算法完全可以满足嵌入式系统的要求。
袁东锋,杜恒,秦小铁[6]（2013）在《基于三角形局部特征点模型指纹匹配算法》文中认为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三角形模型匹配算法,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三角形,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,即基于三角形局部特征点模型的指纹匹配算法有较好的性能。
徐俊峰[7]（2013）在《自动指纹识别系统算法研究》文中研究指明指纹识别因其稳定性、永久性、唯一性和安全性，成为目前应用最为广泛的生物特征识别技术。本文研究自动指纹识别系统重要组成部分，包括指纹图像预处理、特征提取以及特征匹配。采用基于块梯度方差的图像分割算法，实现指纹图像快速有效的分割；针对传统Gabor滤波器的缺点，将矩形Gabor滤波器简化为两个相互垂直的线段形滤波器，并结合基于方向图的中值滤波器，增强指纹图像；利用局部自适应阈值二值化方法，将灰度指纹图像转化为二值图像，并采用邻域搜索法，填充脊线孔洞；采用基于数学形态学的查表细化算法，快速提取指纹脊线骨架，并进行细化后处理，删除毛刺与短线。在细化指纹图像上，提取脊线的端点和交叉点作为特征点。采用基于串距离的特征匹配算法，结合大小可变的限界盒，进行指纹特征匹配。本文自动指纹识别系统在VC++平台上采用C语言编程实现。利用交叉匹配指纹数据库对系统进行性能测试。实验表明，本文实现的自动指纹识别算法快速有效，且满足实时系统的需求。
王健康[8]（2010）在《自动指纹识别技术研究》文中认为指纹识别是基于生物特征的身份认证技术之一,相对于传统的个人身份认证,该技术具有安全、准确和方便等优势,并在实践中得到广泛应用。但目前的指纹识别算法在识别的快速性、准确性、误识率、拒识率、鲁棒性等方面仍表现出许多不足。本文对指纹识别中的几项关键技术作了较为深入的研究,主要包括指纹分割、指纹增强、奇异点提取和指纹特征匹配等,并开发了一个自动指纹识别系统研发平台。主要取得了以下研究成果：1、在指纹预处理方面,一是提出运用两级分割策略进行指纹分割,先将空白区分离出去,然后把剩下的清晰纹理区和噪声区的分离看作一个二值分类问题,利用简单的线性分类器进行分割。二是研究了基于Hermite滤波器的指纹增强算法,利用指纹图像子块的频谱分布特征计算纹线频率,利用Hermite滤波器良好的带通特性提高指纹的纹理清晰度,通过设置滤波器滤波角度可变带宽来减小奇异点区域的块效应。2、在指纹特征提取方面,一是提出用分级逐步提取的方法提取奇异点,即先在大尺寸图像块下,利用指纹曲率初步确定指纹奇异区的位置；然后在指纹奇异区的点方向场上,利用复数滤波技术准确提取指纹奇异点的位置和方向。二是采用了基于知识的指纹伪细节点去除方法,先定义各种伪特征结构,并针对不同结构设置相应的处理方法,然后对于不同类型的伪细节点,采用合理顺序分步进行剔除处理。3、在指纹特征匹配方面,改进了基于全局结构和局部结构的匹配算法。分析了原有匹配算法存在的不足：一是局部结构含有不稳定的特征量,二是采用固定大小的限界盒。为了克服这些不足,本文采用细节点的排序数代替细节点类型,以提高局部结构的稳定性；采用可变大小的限界盒进行全局匹配,以更好地适应指纹的非线性形变。4、在VC6.0环境下编程实现了自动指纹识别系统研发平台,该平台设计采用面向对象的思想,集成了指纹识别系统的多种算法,可用于自动指纹识别算法的研究。
桂可[9]（2010）在《指纹图像处理及匹配算法研究》文中提出随着信息技术的和网络技术的发展,信息安全越来越引起人们的重视。为了保护自身的信息、资料以及财产的安全,许多场合都需要对使用者、来访者进行身份识别。基于指纹识别技术的身份识别系统以其独特的技术优势和成本优势正广泛被应用到各个场合。目前指纹识别系统不足表现在：特征匹配效率较低；容易受伪特征点的影响导致匹配不准确；对模糊的图像无法准确识别等等问题。本文就指纹识别系统的图像处理进行系统地研究,对现有算法进行对比、改进和创新。指纹识别系统的图像处理按处理流程及目的大致可划分为：预处理、特征提取和特征匹配三个阶段。其中预处理包括指纹图像的归一化、图像增强、二值化和细化。其中,本文重点对图像增强算法进行研究,采用基于方向滤波的图像增强算法。在指纹特征提取阶段,本文先采用基于细化图像的邻域法提取特征点,然后再进行去伪特征点。在剔除伪特征点时,先进行去边缘处理,再根据不同类型伪特征点的特征,采用相应剔除算法。在匹配阶段,本文采用基于特征点的二次匹配算法。初匹配阶段,通过构建局部特征向量,并创新性地跟据各个特征量受形变等因素影响的不同,引入权值不同的匹配分值体系,实现了基准特征点对以及待匹配点集的求取；二次匹配阶段,利用基准特征点对,实现待匹配指纹的特征点与模板指纹的特征点之间坐标校准。并通过引入可变限界盒,判别两个特征点是否匹配。最后求取所有可匹配的特征点对的总数,将其与阈值比较,大于阈值则判定两幅指纹是同一来源指纹,否则不是。最后,本文使用FVC2002DB1和DB2标准指纹库,分别对本文特征匹配算法进行Matlab仿真测试,得到测试结果：FAR10分别为0.85%和5.5%,FAR100分别为1.8%和9.5%,EER分别为1.7%和7.0%。通过与同类参考测试对比可知：本文在反映匹配准确度的指标FAR10和FAR100上优于其他同类测试,在反映综合性能的指标EER上还有待进一步提高,该测试结果达到了预期目标。
杨栋,杨公平,尹义龙,张利明[10]（2010）在《基于多级结构相似度的快速指纹匹配算法》文中指出首先对指纹中的每个细节点定义具有很好区分度的子结构,根据这些子结构计算相似度并筛选出可能的参考点对。然后利用它们之间的边角关系等结构信息实施奖惩得分制度,根据事先设定的阈值,得分较高的参考点对被保留进行最终的全局匹配并计算匹配得分,两幅指纹的最终的匹配得分就是这些分数的最大值。实验结果表明,本文提出的匹配算法在性能下降可以忽略的情况下能够大幅度降低匹配时间。
二、一种基于可变限界盒的指纹匹配算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种基于可变限界盒的指纹匹配算法（论文提纲范文）
（1）基于特征融合的低质量指纹图像的识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 指纹图像预处理研究现状 |
| 1.2.2 指纹特征提取与匹配研究现状 |
| 1.3 本文主要工作 |
| 第2章 基于改进微分算子的低质量指纹图像增强 |
| 2.1 分数阶微分 |
| 2.1.1 Grunwald-Letnikov分数阶微分定义 |
| 2.1.2 Riemann-Liouville分数阶微积分定义 |
| 2.1.3 分数阶微分在数字信号处理中的影响 |
| 2.2 分数阶微分算子构造 |
| 2.2.1 二阶精度算子的构造 |
| 2.2.2 SOA算子的改进 |
| 2.2.3 固定微分阶数的图像增强实验 |
| 2.3 自适应微分阶数的图像增强 |
| 2.3.1 图像梯度的计算 |
| 2.3.2 图像局部信息熵的计算 |
| 2.3.3 微分阶数的自适应处理 |
| 2.4 实验结果与分析 |
| 2.4.1 低质量指纹数据集 |
| 2.4.2 实验结果定量分析 |
| 2.5 本章小结 |
| 第3章 基于自适应阈值和形态学的低质量指纹图像分割 |
| 3.1 灰度共生矩阵 |
| 3.1.1 灰度共生矩阵定义 |
| 3.1.2 灰度共生矩阵特征量 |
| 3.2 灰度共生矩阵在图像分割中的应用 |
| 3.2.1 基于固定阈值的分割方法 |
| 3.2.2 改进的自适应阈值分割方法 |
| 3.3 基于形态学的二次分割方法 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 基于特征融合的低质量指纹图像匹配 |
| 4.1 指纹特征提取 |
| 4.1.1 方向场特征提取 |
| 4.1.2 奇异点特征提取 |
| 4.1.3 细节点特征提取 |
| 4.1.4 融合特征的构建 |
| 4.2 指纹特征匹配 |
| 4.2.1 Delaunay三角剖分处理 |
| 4.2.2 基于特征融合的匹配算法 |
| 4.2.3 算法改进及实现 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
（2）嵌入式指纹识别系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 指纹识别技术的优势 |
| 1.2 指纹识别技术的发展现状 |
| 1.3 本课题研究的目的和意义 |
| 1.4 主要研究内容 |
| 第2章 嵌入式指纹识别系统原理 |
| 2.1 指纹采集技术 |
| 2.1.1 指纹传感器 |
| 2.1.2 指纹传感器FPC1011F的优势 |
| 2.2 指纹识别算法描述 |
| 2.2.1 指纹图像预处理 |
| 2.2.2 指纹特征提取 |
| 2.2.3 指纹特征匹配 |
| 2.3 嵌入式技术概述 |
| 2.3.1 嵌入式开发平台 |
| 2.3.2 嵌入式操作系统 |
| 2.3.3 系统软件开发环境 |
| 2.4 嵌入式指纹识别系统的性能评价指标 |
| 2.5 本章小结 |
| 第3章 指纹识别算法的研究 |
| 3.1 指纹预处理 |
| 3.1.1 指纹图像初次分割 |
| 3.1.2 指纹方向图 |
| 3.1.3 改进的中心点定位 |
| 3.1.4 改进的中心点定位实现流程图和实验结果 |
| 3.1.5 指纹图像二次分割增强 |
| 3.1.6 二值化及细化 |
| 3.2 指纹特征提取 |
| 3.2.1 基于8邻域的细节特征提取方法 |
| 3.3 特征匹配 |
| 3.3.1 基于中心点的分级可变限界盒匹配算法 |
| 3.3.2 基于中心点的分级限界盒匹配算法流程图实现 |
| 3.4 本章小结 |
| 第4章 嵌入式指纹识别系统硬件平台的设计 |
| 4.1 系统方案设计 |
| 4.2 嵌入式识别系统硬件结构 |
| 4.2.1 指纹采集模块 |
| 4.2.2 核心处理器 |
| 4.3 嵌入式操作系统移植 |
| 4.3.1 Platform builder配置 |
| 4.3.2 WinCE内核定制和下载 |
| 4.4 S3C2410串口驱动移植 |
| 4.5 创建平台SDK |
| 4.6 本章小结 |
| 第5章 系统测试和分析 |
| 5.1 指纹识别算法在PC端的测试 |
| 5.1.1 指纹识别模块 |
| 5.1.2 图像采集模块 |
| 5.1.3 指纹注册模块 |
| 5.1.4 图像处理模块 |
| 5.1.5 图像处理演示模块 |
| 5.1.6 数据库模块 |
| 5.2 系统流程框图 |
| 5.3 测试结果分析 |
| 5.3.1 PC端的测试以及结果分析 |
| 5.3.2 整体系统的测试 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在校期间发表的学术论文与研究成果 |
（3）指纹匹配算法与自动指纹识别系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景和研究意义 |
| 1.1.1 生物特征识别技术概述 |
| 1.1.2 指纹识别技术研究的历史以及国内外研究现状 |
| 1.2 指纹识别技术中的一些基本概念 |
| 1.2.1 指纹的谷线和脊线 |
| 1.2.2 指纹的局部特征与全局特征 |
| 1.2.3 指纹图像采集 |
| 1.2.4 指纹匹配的工作模式 |
| 1.3 本文的主要研究内容和文章结构 |
| 第二章 指纹图像预处理 |
| 2.1 指纹分割模块 |
| 2.2 指纹均衡处理模块 |
| 2.3 指纹收敛模块 |
| 2.4 指纹平滑模块 |
| 2.5 指纹智能增强模块 |
| 2.6 指纹二值化并去噪 |
| 2.6.1 指纹二值化 |
| 2.6.2 指纹去噪 |
| 2.7 指纹细化模块以及后处理模块 |
| 2.7.1 指纹细化 |
| 2.7.2 指纹后处理 |
| 2.8 本章小结 |
| 第三章 指纹特征提取和指纹图像后处理 |
| 3.1 指纹特征的各种分类 |
| 3.2 各种特征提取的介绍和相应的提取算法 |
| 3.2.1 端点和叉点的提取 |
| 3.2.2 指纹中心点和三角点的提取 |
| 3.2.3 指纹梯度场和方向场的提取 |
| 3.3 指纹图像后处理 |
| 3.4 本章小结 |
| 第四章 指纹图像匹配 |
| 4.1 指纹匹配算法概述 |
| 4.2 基于 k 近邻法和脊线追踪的指纹匹配算法 |
| 4.2.1 拓扑结构和特征向量 |
| 4.2.2 将直角坐标调整为极坐标 |
| 4.2.3 半可变限界盒 |
| 4.2.4 特征加权 |
| 4.2.5 匹配过程 |
| 4.3 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验环境 |
| 5.2 FVC2002 指纹库介绍 |
| 5.3 指纹预处理特征提取实验过程和结果 |
| 5.4 指纹匹配的实验过程以及结果分析 |
| 5.5 本章小结 |
| 第六章 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
（4）基于k近邻法和脊线追踪的指纹匹配算法（论文提纲范文）
| 1 新的指纹匹配算法 |
| 1.1 拓扑结构和特征向量 |
| 1.2 将直角坐标转换为极坐标 |
| 1.3 半可变限界盒 |
| 1.4 特征加权 |
| 2 算法匹配过程 |
| 3 试验结果及分析 |
| 4 结束语 |
（5）基于ARM9的指纹匹配算法（论文提纲范文）
| 1 引言 |
| 2 嵌入式系统的构建 |
| 3 指纹图像的处理 |
| 3.1 预处理 |
| 3.2 特征提取 |
| 4 基于特征点三角结构的两级指纹匹配算法 |
| 4.1 第一级匹配 |
| 4.1.1 构建三角结构特征向量 |
| 4.2 第二级匹配 |
| 1) 图像校准 |
| 2) 特征点匹配 |
| 5 实验结果 |
| 6 结语 |
（6）基于三角形局部特征点模型指纹匹配算法（论文提纲范文）
| 1 指纹细节点 |
| 2 指纹匹配算法 |
| 2.1 初匹配 |
| 1) 建立局部特征向量。 |
| 2) 匹配过程。 |
| 2.2 再匹配 |
| 1) 极坐标转换。 |
| 2) 可变大小限界法全局匹配。 |
| 3 分析与实验 |
| 4 结语 |
（7）自动指纹识别系统算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 生物特征识别技术 |
| 1.3 指纹识别技术 |
| 1.3.1 指纹识别技术发展历史 |
| 1.3.2 指纹识别技术应用前景 |
| 1.3.3 指纹识别技术研究现状 |
| 1.4 本文研究内容和安排 |
| 第二章 自动指纹识别理论 |
| 2.1 指纹特征 |
| 2.2 自动指纹识别基本原理 |
| 2.2.1 基本原理 |
| 2.2.2 验证与识别 |
| 2.2.3 性能指标 |
| 2.3 自动指纹识别系统 |
| 2.3.1 指纹图像采集 |
| 2.3.2 指纹图像预处理 |
| 2.3.3 指纹特征提取 |
| 2.3.4 指纹特征匹配 |
| 2.4 本章小结 |
| 第三章 指纹图像预处理 |
| 3.1 指纹图像分割 |
| 3.1.1 指纹图像分割方法 |
| 3.1.2 基于块梯度方差指纹图像分割算法 |
| 3.1.3 分割效果与分析 |
| 3.2 指纹图像增强 |
| 3.2.1 指纹方向场 |
| 3.2.2 指纹图像增强方法 |
| 3.2.3 基于 Gabor 滤波器的指纹图像增强 |
| 3.2.4 基于简化 Gabor 滤波器与方向中值滤波的指纹图像增强算法 |
| 3.3 指纹图像二值化 |
| 3.3.1 二值化 |
| 3.3.2 二值化后处理 |
| 3.4 指纹图像细化 |
| 3.4.1 基于数学形态学的查表细化算法 |
| 3.4.2 细化后处理 |
| 第四章 指纹特征提取 |
| 4.1 特征提取 |
| 4.2 指纹伪特征点及其处理 |
| 第五章 指纹特征匹配 |
| 5.1 基于点模式的匹配算法 |
| 5.2 基于串距离的特征匹配算法 |
| 5.3 指纹特征匹配测试 |
| 5.3.1 性能指标 |
| 5.3.2 特征匹配测试方法 |
| 5.3.3 结果与分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）自动指纹识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 指纹预处理 |
| 1.2.2 指纹特征提取 |
| 1.2.3 指纹特征匹配 |
| 1.3 本文的研究内容 |
| 1.3.1 指纹预处理 |
| 1.3.2 指纹特征提取 |
| 1.3.3 指纹匹配 |
| 第二章 指纹预处理 |
| 2.1 指纹分割 |
| 2.1.1 初级分割 |
| 2.1.2 二级分割 |
| 2.2 指纹增强 |
| 2.2.1 Hermite滤波器 |
| 2.2.2 纹线方向计算 |
| 2.2.3 纹线频率计算 |
| 2.2.4 角度带宽计算 |
| 2.2.5 滤波增强 |
| 2.3 实验结果 |
| 2.4 本章小结 |
| 第三章 指纹特征提取 |
| 3.1 奇异点提取 |
| 3.1.1 奇异区定位 |
| 3.1.2 奇异点提取 |
| 3.2 细节点提取 |
| 3.2.1 细节点提取 |
| 3.2.2 细节点提取后处理 |
| 3.3 实验结果 |
| 3.4 本章小结 |
| 第四章 指纹匹配 |
| 4.1 局部结构匹配算法 |
| 4.1.1 局部结构定义 |
| 4.1.2 局部结构匹配 |
| 4.2 全局结构匹配算法 |
| 4.2.1 全局特征定义 |
| 4.2.2 可变大小的限界盒设置 |
| 4.2.3 全局结构匹配 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 第五章 自动指纹识别系统研发平台 |
| 5.1 系统平台总体设计 |
| 5.2 平台模块及其功能实现 |
| 5.2.1 图像输入输出模块 |
| 5.2.2 指纹识别算法模块 |
| 5.2.3 处理结果显示模块 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要研究成果 |
（9）指纹图像处理及匹配算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 生物识别技术 |
| 1.3 指纹图像处理及匹配算法的研究现状 |
| 1.4 主要内容和结构安排 |
| 1.4.1 主要内容 |
| 1.4.2 结构安排 |
| 1.5 本章小结 |
| 第2章 指纹图像预处理 |
| 2.1 归一化 |
| 2.1.1 归一化算法 |
| 2.1.2 归一化算法Matlab仿真 |
| 2.2 图像增强 |
| 2.2.1 方向图 |
| 2.2.2 点方向图的求取 |
| 2.2.3 块方向图的求取 |
| 2.2.4 块方向算法比较与改进 |
| 2.2.5 方向滤波 |
| 2.2.6 图像增强算法Matlab仿真 |
| 2.3 二值化 |
| 2.3.1 二值化算法 |
| 2.3.2 二值化算法Matlab仿真 |
| 2.4 细化 |
| 2.4.1 细化算法 |
| 2.4.2 细化算法Matlab仿真 |
| 2.5 本章小结 |
| 第3章 指纹特征的提取 |
| 3.1 指纹特征的表征 |
| 3.1.1 全局特征 |
| 3.1.2 局部特征 |
| 3.2 指纹图像特征点的提取 |
| 3.2.1 基于灰度图像的直接提取法 |
| 3.2.2 基于细化图像的邻域法 |
| 3.2.3 算法比较 |
| 3.3 伪细节特征点的剔除 |
| 3.3.1 伪特征点分类及特点 |
| 3.3.2 伪特征点的剔除算法 |
| 3.4 特征提取算法Matlab算法仿真 |
| 3.5 本章小结 |
| 第4章 匹配算法 |
| 4.1 本文采用的匹配算法 |
| 4.2 初匹配 |
| 4.2.1 构造特征向量 |
| 4.2.2 初匹配 |
| 4.3 二次匹配 |
| 4.3.1 特征点集的校准 |
| 4.3.2 特征点二次匹配 |
| 4.4 匹配算法Matlab仿真及结果分析 |
| 4.4.1 匹配算法Matlab仿真 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
| 附录A 归一化仿真程序 |
| 附录B 方向图仿真程序 |
| 附录C 二值化仿真程序 |
| 附录D 细化仿真程序 |
| 附录E 特征提取及匹配算法仿真程序 |
| 附录F 指纹采集现场示意图 |
（10）基于多级结构相似度的快速指纹匹配算法（论文提纲范文）
| 0 引言 |
| 1 多级结构相似度的指纹参考点对的选取 |
| 1.1 构建局部特征向量 |
| 1.2 第一级结构相似度匹配:特征向量之间的匹配 |
| 1.3 第二级相似度匹配:参考点对之间的匹配 |
| 2 第三级相似度匹配:全局细节点匹配 |
| 3 实验结果及分析 |
| 3.1 时间复杂度分析 |
| 3.2 实验结果 |
| 4 结论 |
四、一种基于可变限界盒的指纹匹配算法（论文参考文献）
- [1]基于特征融合的低质量指纹图像的识别方法研究[D]. 常凯. 武汉理工大学, 2019(07)
- [2]嵌入式指纹识别系统的研究与设计[D]. 刘晓莉. 华侨大学, 2015(03)
- [3]指纹匹配算法与自动指纹识别系统的研究[D]. 皮海龙. 河北工业大学, 2014(03)
- [4]基于k近邻法和脊线追踪的指纹匹配算法[J]. 于明,皮海龙,王岩,阎刚,郭迎春. 吉林大学学报(工学版), 2014(06)
- [5]基于ARM9的指纹匹配算法[J]. 张莹,于宝堃. 计算机与数字工程, 2013(05)
- [6]基于三角形局部特征点模型指纹匹配算法[J]. 袁东锋,杜恒,秦小铁. 重庆师范大学学报(自然科学版), 2013(02)
- [7]自动指纹识别系统算法研究[D]. 徐俊峰. 西安电子科技大学, 2013(S2)
- [8]自动指纹识别技术研究[D]. 王健康. 中南大学, 2010(02)
- [9]指纹图像处理及匹配算法研究[D]. 桂可. 武汉理工大学, 2010(12)
- [10]基于多级结构相似度的快速指纹匹配算法[J]. 杨栋,杨公平,尹义龙,张利明. 山东大学学报(工学版), 2010(02)