機械專業(yè)外文文獻翻譯-外文翻譯--一個混雜的指紋自動識別系統(tǒng) 中文版

《機械專業(yè)外文文獻翻譯-外文翻譯--一個混雜的指紋自動識別系統(tǒng) 中文版》由會員分享，可在線閱讀，更多相關《機械專業(yè)外文文獻翻譯-外文翻譯--一個混雜的指紋自動識別系統(tǒng) 中文版（10頁珍藏版）》請在裝配圖網上搜索。

一個 混雜的指紋自動識別系統(tǒng) 家 學電子工程部門， 信息處理實驗室 軍事學校電子工程 泰國 10120 電子工程部門 部門，泰國 26001 信箱 #352500，華盛頓大學， 西 雅圖佤 要 本文講述的是 一個混合型的指紋識別系統(tǒng)。這個系統(tǒng)包括幾個 步驟 ， 指紋增強，指紋圖象特征提取， 紋理特征 的提取， 快速的紋理匹配和指紋圖形特征的匹配?，F在提出的這種方法比傳統(tǒng)的方法需要更少的步去辨認個性（差別）。 我們的方法已經在一個巨大的指紋數據庫上測試過了，實驗結果就是一個有效的表現，它無需要匹配所有數據庫的指紋。 1 序言 在眾多的指紋識別系統(tǒng)中，傳統(tǒng)的 基于指紋 紋理結構的方法已經廣泛用 因為指紋的細節(jié)拓撲學結構是獨特的 而且不隨著年齡的老化發(fā)生改變。 5，在那書里作者使用了與 指紋特征點相 聯(lián)系的 脊 去 實現變量參量 ，并且有彈性匹配為匹配所用 ，同時 系統(tǒng)需要一個大 的存貯空間 ，因為所有的脊都要被保存下來。 另外一種指印證明方法，所謂基于 6， 在指印使用 捕捉指印的細節(jié) 作為定長 這種匹配根據 的是 2個 幾里德距離 。因此，它比 通常的 方法更迅速，但是響應時間更慢。 在 方法 中 ，卷 積用 現， 主要是 計算到整體特征抽出時間 。在這篇文章中， 我們使用一個以一快速基于過濾器的搜尋和細節(jié)匹配自動指印證明的框架 。 我們提出的 混合 指印鑒定系統(tǒng)流程圖 （ 表 I ）。在第 2部分解釋指印改進和特征點提取框架。第 3部分討論一個基于 快速的指印配比的系統(tǒng) 。第 4部分談到的是一個混合指紋系統(tǒng)，實驗結果在第 5部分，接下來的第 6 部分是結論。 圖表 2改進和特征點提取 計 優(yōu)選的 脊 方向被定義為 顯示 統(tǒng)治地方結構取向的定向領域 。 我們提出 一個 近似 方向角度 的 小波變換 。 2維空間被分為 4個區(qū)域， H，對應于低頻率，水平的細節(jié)，垂直的細節(jié) ， 和對角線系數 。 讓 0是取向角度， 水平的 (波系數。 統(tǒng)治取向的估計 在 以（ n， r）為中心的 P x 出。 （ 1） 使用小波系數為取向角度估計的好處 在于 波系數， 它可以 看成平滑梯度信息 ,可直接計算 ,并視為偏導的結果 . 因此 ,平滑不須經過方向估計 . 在實驗中 ,建議 比如 （ a） (b) 圖表 2. a 原圖象 b 指紋增強后的圖象 指紋增強過濾的目的是使 脊 光滑沿著同一條 脊 線，描繪邊緣和被削尖的細節(jié)在 脊方向的垂線 ， 結合任何低通和高通濾波在垂直方向可以用來順利提升形象 。 為求簡便 ,我們選擇了 斯零均值和標準差 ( )實施 。低通和高通高斯空間域可以表示 為： 因此單獨從產品的 好壞來 看， 2 維濾波 器 可以實現乘法的 2）和（ 3）。 譬如，為了不 失 一般性，讓我們假定脊絕對的水平，二維過濾和加強后的脊可以給出： 同樣的分析方法可以解決不同方向的脊的過濾問題，通過使用適當的過濾器，可以使脊的的光滑性加強。以適當的方向旋轉橫向 濾波的高斯面， G（ x， y），可以找到 已經 加強 過 了的不同方向的指紋。更具體的說，設 數，定向濾波器可以寫成 為轉角， i=（ 1， 2， 3 N）。從 的估計要從 8個方向，因此，為了增強整個指紋圖象， 8定向過濾是必需的。 增強指紋圖象， ，是 決定于過濾后的指紋圖象， ，并通過適當的定向過濾面， ，這里 取決于脊方向的指紋圖象， 。為了提升加強后的指紋圖象，以下的參數必須給定： 1 平滑濾波器的大?。?m），在我們的這個 模擬中，假定 1。 2 我們定義了 3個標準差， ，我們使用了一個恒值 根據我們的觀察 ,脊線 厚度 的指紋數據庫 有 8至 16個像素 ,在第 12號 像素每英寸產生的最高和最低頻率為 1/8和 1/高頻濾波的近似標準偏差被記為 和 ，在低頻下記為 。在整個的模擬報道 中 我 們 使 用 這 些 值 （ 在 本 文 中 ）， 圖 象 增 強 后 可 表 示 后處理分為二值化 ,細化 ,特征提取 . 和偽細節(jié)還原 . 詳情可參閱 3， 經過加工處理后我們獲得了具有最高一直性 4的 50 個特征點。 c 的估計是在一個以（ n， r）為中心的 里 特征向量構造基于類 (結局 和 分 叉 )， 在每一個細節(jié)點 (稱為參考節(jié)點 ), 我們通過收集五個最鄰近 特征點 和計算距離 ,不同的紋線方向 以及 脊之間的參考 來 創(chuàng)造的一個特征向量 ,我們還 存儲 定位的差 異和距離核心和參考節(jié)點 . 因此 ,每一個指紋包含 50 載體 ,每個載體有 23個特征 ,這旋轉和平移不變 . 我們可以直接 在 細節(jié)匹配階段 利用 這 些。 紋理特征提取的程序 見 6. 我們 紋理 特征提取需要較小的運算和存儲能力 節(jié)我們獲得了低頻小波系數（ 而不是從原始的圖象中去獲得的。 1） 用 2。 1 節(jié)中提到的 2） 把小波系數的 個同心圓帶，都帶有參考點。每個級別 有 16個部門和 10個像素寬（見圖表三，指紋 3） 用 8方向 理 圖象 . 我們設定濾波器 頻率等于 的平均脊頻率 小波系數 (F=1/5). 我們的實驗 中 過濾面罩尺寸 設置為標準高斯偏差 都被設置為 4） 計算每一節(jié)的標準差 對于每一個經過圖象過濾后得到的標準差分別取值為 0， 1和 此，每個過濾器占據 2個 5） 通過 2 步驟順時鐘跟 2步驟逆時鐘旋轉一個指紋向量，得到一個量化的輪換的指紋編碼，每一次旋轉的角度是 每個指紋有 5個特征向量，可以用于匹配階段。我們的方法跟 6中提到方法的最大不同就 格化值，減少的特征向量的長度。歐幾里德距離是用來衡量配對的程度。 我們把完全匹配分為 2個階段。 第一階段， 我們提出用距離矩陣來進行快速指紋匹配； 第 2階段 ， 我們用第一階段中的指紋識別系統(tǒng)來核實一個已經匹配了的指紋。 我們已經觀察到 2個具有類似紋理特征指紋之間的距離比 2個不具有類似紋理特征的指紋之間的距離要近（見圖表三），因此在我們實驗中距離成了我們進行快速指紋匹配的一個標準。 1） 對于給定的數據庫，我們把指紋都劃分等級， i， e，即 7中提到的左回路，右回路跟雙回路，并且對數據庫中的指紋構建距離矩陣（ 2） 對于指紋查詢，該系統(tǒng)首先確定給定指紋的等級，然后去數據庫中去匹配 相 應等級的指紋。 3） 如果距離小于某一閾值 而且 停止準則得到滿足 , 該系統(tǒng) 則把 首指紋 識別 為一個配對之一 統(tǒng)通過看距離矩陣確定下個指紋侯選，選出 具有相同 等級 和最接近的距離 的指紋，給出相應的匹配分數。 4） 如果配對分數低于目前的配對評分 ， 配對評分 將被更新而且系統(tǒng)配比分數改變 ,然后 繼續(xù) 3)和 4),直至距離小于預先選定閾值 和停止準則滿足 . 否則 ,系統(tǒng)繼續(xù)下一立柜遠程數據庫匯總表 . 只要停止準則得不到滿足，系統(tǒng)就會一直匹配數據庫中其余尚未處理的指紋， 并把這種可能的指紋匹配（具有最小距離的指紋）稱為紋理核查階段。停止準則取決于每個人指紋登記的數目，假設我們錄入 5個指紋 （每個人都錄入 5個指紋到數據庫中），那么停止準則將滿足： 1）距離小于或者等于預先選定的指紋 2）對應的級需要其真實配比評分小于或者等于第 6級的排序距離矩陣。以這個標準，我們將避免局部極小問題。 圖 3:示例紋理距離圖像 . 2是相同的指紋有不同的印象 . 有類似特征 脊 . 給定 2套指紋特征向量（其中一個是置疑指紋，另外一個是已經匹配好的具有最小距離的指紋稱為模板），我們進一步匹配每一個置疑的向量通過與模板相比較，利用相關配套 8，計算數的相似率。為了避免出現 誤差， 配對應容忍一些邊際距離 。如果下面的條件全部滿足，相似值加 1。 1） 如果查詢值跟模板的一對參考點跟鄰居節(jié)點有相同的類型（結尾和分叉）。 2） 當查詢值跟模板都在邊際距離的時候，核心點和參考節(jié)點的距離跟方向不同。在實驗中，我們經驗性的選擇 40 個像素 的邊距離和 22。 5度的角度差。 3） 如果 查詢值跟模板的一對參考點跟鄰居節(jié)點是邊際節(jié)點，我們經驗性的選擇 15個像素邊距離， 22。 5度的角度差，而且設定脊的值為 1。 具有相似值等于或大于的參考細節(jié)被標記成對 。波擇聚類已經被用來計算將標記的查詢節(jié)點轉換成指紋模板中節(jié)點。轉換參數 以及轉換角度 ，用來記性正確的 圖形變換。圖形變換后，我們通過邊際框和計算配對細節(jié)來匹配 2 個指紋。 如果 當前匹配分數 大于某一閾值 ,我們確定 它 為一個匹配的指紋 . 否則 ,我們返回紋理 匹配 系統(tǒng) ,配對 不同的指紋 等級 ,并繼續(xù)細節(jié)匹配 。 如果 匹配分數 不大于某一閾 值， 該系統(tǒng)認定為拒絕 。 在實驗中，我們采集了 100個人的指紋圖象，其中每個人采集 8張，然后把其中的 500張去構建數據庫。紋理特征跟細節(jié)特征的描敘在第 2節(jié)跟第 3節(jié)。我們建立距離矩陣跟混雜的配對系統(tǒng)，在第 4節(jié)。其余 300套不在數據庫中的指紋是用來測試算法的。設 N 是數據庫中的指紋數，全面搜索和線性搜索需要的時間是和 。在我們提出的這個快速匹配系統(tǒng)中（ 500個指紋），平均需要 10個步驟 就能找的到最小距離（如果指紋分類正確的話）和 40 個步驟（如果分類不正確）。在線性搜索上我們的實驗達到的預期的目的，在全面搜索上約我 2%的下調但是需要更少捕步驟的計算。模擬結果見表 1跟表 2。 表 1：快速匹配的模擬結果 表 2：全面匹配的模擬結果 6 總結和結論 我們已經開發(fā)完了一個混雜的指紋匹配系統(tǒng)，這個系統(tǒng)由幾部分內容組成，指紋增強、特征點萃取，用小波進行紋理萃取，快速紋理匹配和 特征 點核查。我們系統(tǒng)區(qū)別于其他系統(tǒng)的地方在于 用小波系統(tǒng) 進行 角度估計、紋理特征提取、快速紋理特征查詢和混雜系統(tǒng)，比如，結合紋理匹配、 指紋分類、特征點核查等等。實驗結果顯示我們的系統(tǒng)比傳統(tǒng)的系統(tǒng)需要更少的步驟就能實現。它同樣在實時 的數據 庫的應用上有很大的實用。系統(tǒng) 美中不足的是指紋分類的準確性還不夠，指紋的分類僅僅是根據數量和奇異點的位置。奇異點不能完全被檢測到 有一部分的指紋被錄入的話。全體的脊的特征都應該被包括進去，錯誤的分類將導致慢轉換，因此，提高分類的效率和準確率可以提高我們系統(tǒng)的性能。 7 參考文獻： 1 o. 1892. 2 L. Y. 20, 8, 998. 3 S. im . N. 2000. 4 1997. 5 A. K. L. . 19. 4. 997. 6 A. K. L. . 9, 5, 000. 7 K. 29, 3, 3891996. 8 A. to 145, 3, 160998.