论文部分内容阅读
本文旨在研究一种鲁棒性较强的自动指纹分类系统(AFCS)，克服传统自动指纹分类方法的不足，提高自动指纹分类的准确性和鲁棒性。该AFCS包括指纹采集、方向图计算、图像分割、特征提取和指纹分类五大模块，论文都逐一进行了深入研究，并提出了一些创新方法：
首次提出了指纹连续分布方向图(场)的概念及其算法。这种连续分布方向图过渡平滑、自然，既具有很好的连续性、渐变性和抗噪性，又具有较高的精确度，能更精确地反映指纹脊线的结构特征，有效地解决了指纹图像方向图的连续过渡性、精确性和抗噪性问题，能有效提高自动指纹识别系统的性能。
对经典的Poincaré Index计算公式进行了改进。改进后的Poincaré Index不仅能精确表示向量场的旋转角度，而且还能精确表示向量场的旋转方向。
提出了一种新的基于连续分布方向图和改进Poincaré Index的指纹奇异点检测算法，该算法能够在像素级水平精确定位指纹奇异点(核心点和三角点)，精确度达到一个像素。
提出了一种新的基于连续分布方向图和改进Poincaré Index的自动指纹分类算法。该算法能抗任意角度的指纹图像旋转，成功地解决了自动指纹分类中的图像平移、旋转和形变不变性问题，分类正确率达到97.05﹪，具有较好的健壮性，满足实用要求。