一、背景：
現(xiàn)在大多數(shù)的
指紋識別算法是基于細節(jié)點特征的匹配算法，在理想的情況下，如果：輸入細節(jié)點集和模板細節(jié)點集之間不存在平移、旋轉(zhuǎn)和尺度變形；指紋圖像中的每個細節(jié)點都被準確的提取出來，且沒有虛假細節(jié)點。則細節(jié)點匹配僅需統(tǒng)計重合細節(jié)點的對數(shù)，如果超過一定的數(shù)目，即可判斷為匹配。然而在實際應(yīng)用中，受各種主客觀因素的影響，以上條件很難完全滿足，致使指紋細節(jié)點匹配問題非常的困難。
二、指紋匹配算法
本文采用的是局部匹配和全局驗證結(jié)合的匹配方法。首先，待匹配指紋與模板指紋之間的局部特征向量進行匹配，得到局部特征向量匹配對；然后，對得到的局部特征向量匹配對進行全局驗證，剔除其中的虛假匹配對。
局部特征向量構(gòu)成：每個細節(jié)點以其為中心在半徑為R的范圍內(nèi)查找距離最近的k個細節(jié)點（k一般取5-6），該細節(jié)點及其k個相鄰細節(jié)點就構(gòu)成了一個局部結(jié)構(gòu)特征。通過提取局部結(jié)構(gòu)的信息和原有的細節(jié)點基本信息一起構(gòu)成了局部結(jié)構(gòu)特征向量。
局部特征向量匹配：
首先進行特征向量中的中心細節(jié)點的匹配，這里主要進行中心細節(jié)點所在脊線的采樣點匹配?？紤]到
指紋圖像采集過程中的各種因素的影響，得到細節(jié)點的類型可能與真實的類型不一致，因此這里并不要求細節(jié)點的類型匹配，如果不匹配，則在匹配分數(shù)上扣分。這個步驟主要的目的是迅速排除不匹配的特征向量對
根據(jù)局部結(jié)構(gòu)信息，找出基準鄰點，以該鄰點為基準找出其余匹配的鄰點。其中基準鄰點的選取原則是：該鄰點在滿足動態(tài)容限下可以對準更多的其余的鄰點
計算匹配分數(shù)，匹配分數(shù)包括細節(jié)點基本信息和品牌分值和結(jié)構(gòu)信息的品牌分值
驗證局部特征向量匹配對：局部匹配時只考慮了細節(jié)點及其鄰近細節(jié)點的結(jié)構(gòu)關(guān)系，由于匹配時采用了動態(tài)容限和誤差容限，因此在已經(jīng)匹配上的局部匹配對立可能存在一部分誤匹配對，甚至是不同指紋但匹配上來較多的局部匹配對。這時只考慮局部結(jié)構(gòu)特征不足以把誤匹配對剔除，因此需要利用全局關(guān)系來剔除他們。
設(shè)輸入
指紋的特征向量集為P，模板的特征向量集為Q，P和Q在局部匹配中匹配上的特征向量集分別為 ，如果Mp 中的第i個特征向量與 MQ中的第i個特征向量是真正匹配對，那么Mp 中的特征向量i和 Mp的其余任意特征向量k的距離與MQ 眾相應(yīng)的特征向量i、k的距離差值在誤差容限內(nèi)， Mp的特征向量i、k的中心細節(jié)地方向夾角與 MQ的特征向量i、k的中心細節(jié)點方向夾角差值在誤差容限內(nèi)。
設(shè)G(i) 為和特征向量i的距離關(guān)系滿足上述條件的其余特征向量數(shù)目：
如果，即特征向量i和超過半數(shù)的其余特征向量的距離關(guān)系滿足條件，可以認為匹配對i為真，否則為偽匹配對。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
