外文翻译--一个混杂的指纹自动识别系统 中文版.doc

一个混杂的指纹自动识别系统SanpachaiHuvanandanaSettapongMalisuwanJenq-NengHwangJakkapolSantiyanonChulachomklao皇家Rangsit大学电子工程部门，信息处理实验室军事学校电子工程泰国10120电子工程部门部门，泰国26001Email:信箱#352500，华盛顿大学，Email:西雅图佤Email:摘要本文讲述的是一个混合型的指纹识别系统。这个系统包括几个步骤，指纹增强，指纹图象特征提取，纹理特征的提取，快速的纹理匹配和指纹图形特征的匹配。现在提出的这种方法比传统的方法需要更少的步去辨认个性（差别）。我们的方法已经在一个巨大的指纹数据库上测试过了，实验结果就是一个有效的表现，它无需要匹配所有数据库的指纹。1序言在众多的指纹识别系统中，传统的基于指纹纹理结构的方法已经广泛用3.5.8，因为指纹的细节拓扑学结构是独特的而且不随着年龄的老化发生改变。Iain和Ai提出了一种新的基于对准线配比的算法在5，在那书里作者使用了与指纹特征点相联系的脊去实现变量参量，并且有弹性匹配为匹配所用，同时系统需要一个大的存贮空间，因为所有的脊都要被保存下来。另外一种指印证明方法，所谓基于filterbank的指印匹配6，在指印使用Gabar过滤器来捕捉指印的细节作为定长Fingercode，这种匹配根据的是2个Fingercode之间的欧几里德距离。因此，它比通常的方法更迅速，但是响应时间更慢。在filter-bank的方法中，卷积用Gabor过滤器实现，主要是计算到整体特征抽出时间。在这篇文章中，我们使用一个以一快速基于过滤器的搜寻和细节匹配自动指印证明的框架。我们提出的混合指印鉴定系统流程图（表I）。在第2部分解释指印改进和特征点提取框架。第3部分讨论一个基于filterbank的快速的指印配比的系统。第4部分谈到的是一个混合指纹系统，实验结果在第5部分，接下来的第6部分是结论。图表1.一个混杂的指纹识别系统2改进和特征点提取2.1(LRO)估计优选的脊方向被定义为显示统治地方结构取向的定向领域。我们提出一个近似方向角度的小波变换。2维空间被分为4个区域，LL、HL、LH和HH，对应于低频率，水平的细节，垂直的细节，和对角线系数。让0是取向角度，ly和Jx分别为垂直(LH)和水平的(HL)小波系数。统治取向的估计在以（n，r）为中心的PxP非重叠块给出。（1）使用小波系数为取向角度估计的好处在于LH和HL是小波系数，它可以看成平滑梯度信息,可直接计算,并视为偏导的结果.因此,平滑不须经过方向估计.在实验中,建议lro估计优于其他梯度过滤，比如Sobel,Roben,DOG.andLOG.（a）(b)图表2.a原图象b指纹增强后的图象2.2实现空间滤波指纹增强过滤的目的是使脊光滑沿着同一条脊线，描绘边缘和被削尖的细节在脊方向的垂线，结合任何低通和高通滤波在垂直方向可以用来顺利提升形象。为求简便,我们选择了kemel高斯零均值和标准差()实施。低通和高通高斯空间域可以表示为：因此单独从产品的好坏来看，2维滤波器可以实现乘法的Eqs（2）和（3）。譬如，为了不失一般性，让我们假定脊绝对的水平，二维过滤和加强后的脊可以给出：同样的分析方法可以解决不同方向的脊的过滤问题，通过使用适当的过滤器，可以使脊的的光滑性加强。以适当的方向旋转横向滤波的高斯面，G（x，y），可以找到已经加强过了的不同方向的指纹。更具体的说，设N为脊方向的个数，定向滤波器可以写成为转角，i=（1，2，3N）。从2.1节已知，脊的估计要从8个方向，因此，为了增强整个指纹图象，8定向过滤是必需的。2.3指纹增强增强指纹图象，是决定于过滤后的指纹图象，并通过适当的定向过滤面，这里取决于脊方向的指纹图象，。为了提升加强后的指纹图象，以下的参数必须给定：1平滑滤波器的大小（m），在我们的这个模拟中，假定m的取值为11。2我们定义了3个标准差，我们使用了一个恒值根据我们的观察,脊线厚度的指纹数据库有8至16个像素,在第12号像素每英寸产生的最高和最低频率为1/8和1/16.从观测频率，高频滤波的近似标准偏差被记为和，在低频下记为。在整个的模拟报道中我们使用这些值（在本文中），图象增强后可表示为2.4后加工后处理分为二值化,细化,特征提取.和伪细节还原.详情可参阅3，经过加工处理后我们获得了具有最高一直性4的50个特征点。CoherencyCc的估计是在一个以（n，r）为中心的