基于混合匹配的指纹识别算法研究

一种基于混合匹配的指纹识别方法 本文提出了一种基于混合匹配的指纹识别方法，旨在克服传统基于细节点匹配的不足。该方法通过结合点模式匹配算法与改进的2DPCA匹配算法，提高了指纹识别的准确性。 点模式匹配算法是一种常用的指纹识别方法，该算法通过提取指纹图像的特征点信息，包括端点和分叉点信息，并通过某种算法实现匹配。然而，该类方法存在一些不足之处，例如对发生偏移、形变、断纹等低质量的指纹图像效果不佳，并且需要对指纹图像进行预处理，耗时较长。 本文提出的混合匹配算法通过将点模式匹配算法与改进的2DPCA匹配算法相结合，提高了指纹识别的准确性。改进后的算法在点模式匹配算法中加入改进的2DPCA算法的初匹配得分权重，提高了点模式匹配算法的准确性；并利用点模式匹配算法对2DPCA算法的匹配结果进行二次匹配，同时也提高了2DPCA算法匹配的准确率。 在点模式匹配算法中，本文采用了一种基于中心点的指纹匹配算法，该算法的具体实现步骤包括： 1. 构造指纹图像特征点的集合，在预处理阶段计算出指纹图像的特征点及其特征点信息，包括特征点的坐标FeatureX与FeatureY、特征点的方向DirectiON和特征点的类型Type（包括端点和分叉点）。 2. 获取中心点CorePoint_X、CorePoint_Y及中心点的方向CorePoint_Dir。 3. 以各自图像的中心点为极点，按照公式将所有的特征点都转换到极坐标下：通过上述公式转换后，指纹图像中的任一特征点可以表示为一个四维向量（Radius,θ，Dir,Type）。 4. 分别将模板指纹P和输入Q特征点按照极角递增的方向排序，形成两个新的特征点集。 5. 匹配误差值的设定。为了克服指纹出现旋转、形变等非线性形变带来的误差，本文引入了可变界限盒的概念，如图1所示，其中，Rw为两个特征点间的极径允许的误差范围，θw为极角间的允许误差范围。 本文的方法可以有效地解决传统基于细节点匹配的不足，提高指纹识别的准确性和鲁棒性。