论文部分内容阅读
随着便携式电子设备和微电子技术的发展,指纹采集芯片的面积在不断地缩小,使得采集的指纹图像包含的特征信息减少,导致智能终端设备的识别能力下降。为解决此问题,小面积指纹拼接的概念被提出,通过将多张指纹图像进行拼接,增加模板图像的特征信息,从而提高指纹识别的准确率。本文在小面积指纹拼接的应用场景下,从滑动指纹追踪和滑动指纹拼接两个阶段对算法进行优化,主要工作及创新点如下:（1）结合归一化积相关算法（Normalized Cross Correlation,NCC）和序贯相似性检测算法（Sequential Similiarity Detection Algorithm,SSDA）提出了一种新的滑动指纹追踪算法:利用NCC的高鲁棒性计算前几帧的滑动向量,后续帧采用匹配速度快的SSDA进行匹配,然后通过向量分区、局部积分算法来减少匹配图像的搜索区域和均值的计算量,最后设置步长阈值去除受噪声影响较为严重的帧。该方法能够极大地减少复杂度,使匹配速度和匹配精度都得到提升,从而满足便携式电子设备对于滑动指纹追踪的鲁棒性、准确性和实时性的要求。（2）通过将方向梯度直方图（Histogram of Oriented Gradient,HOG）特征和灰度特征融合,提升了误差最小平方和滤波器（Minimum Output Sum of Squared Error filter,MOSSE）算法的精准度,并使用傅里叶-梅林（Fourier-Mellin）算法和改进后的MOSSE算法计算滑动指纹的旋转角度和滑动向量。上述方法不仅可以较好地适用于滑动指纹发生旋转的情况,而且可以准确、快速地实现滑动指纹图像拼接,将小面积指纹拼接成一个较大面积的指纹图像,然后使用尺度不变特征变换（Scale-Invariant Feature Transform,SIFT）将多组较大面积的指纹图像拼接成一个最终的模板图像,从而增加指纹模板图像的特征信息,提高指纹识别的准确率。本文使用电容式指纹模组采集5000张滑动指纹图像用于建立数据库,并利用该数据库对提出的算法进行验证,实验结果表明改进的两种算法都具有良好的效果。