一种基于加权平均梯度的指纹方向图算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (15): 224-226.

一种基于加权平均梯度的指纹方向图算法

付佳，潘伟，位军，郝重阳

西北工业大学电子信息学院，西安 710072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-05-21 发布日期:2007-05-21
通讯作者: 付佳

Gradient based weighted averaging algorithm for compution of fingerprint directional image

FU Jia，PAN Wei，WEI Jun，HAO Chong-yang

Department of Electronic Engineering，Northwestern Polytechnical University，Xi’an 710072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-05-21 Published:2007-05-21
Contact: FU Jia

摘要/Abstract

摘要： 方向图在指纹识别系统中具有重要的研究价值。梯度法是常见的指纹方向图求取算法，针对传统的梯度法抗噪能力差的缺点，提出了一种基于加权平均梯度的指纹方向图算法。利用指纹图像具有局部平行性和渐变性以及邻域的脊线方向相关性高的特点，通过将邻域的方向信息进行加权平均来求取块的方向。实验证明，该算法比传统的梯度法有更好的抗噪性能。

关键词: 指纹, 方向图, 加权平均, 梯度

Abstract: Directional image has important research value in a fingerprint recognition system.Conventional gradient algorithm is popular in computing of directional image but very sensitive to noise.In this paper，we propose a gradient based weighted averaging algorithm that is more resistant to noise.Because the local parallel and varying slowly features and the high correlation of neighborhoods of fingerprint，it is possible to approximate the orientation of the block using the information from its neigh-borhoods.Our experiment results suggest that the algorithm is more robust against noise in comparison with the conventional gradient algorithm.

Key words: fingerprint, directional image, weighted averaging, gradient

付佳，潘伟，位军，郝重阳. 一种基于加权平均梯度的指纹方向图算法[J]. 计算机工程与应用, 2007, 43(15): 224-226.

FU Jia，PAN Wei，WEI Jun，HAO Chong-yang. Gradient based weighted averaging algorithm for compution of fingerprint directional image[J]. Computer Engineering and Applications, 2007, 43(15): 224-226.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[4]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[5]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[6]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[7]	马志豪，朱响斌. 拟双曲动量梯度的对抗深度强化学习研究[J]. 计算机工程与应用, 2021, 57(24): 90-99.
[8]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[9]	甘昕艳，高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.
[10]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.
[11]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[12]	姚姗姗，牛保宁. 抗频率变换的采样计数音频检索方法[J]. 计算机工程与应用, 2021, 57(12): 126-131.
[13]	唐蕾，刘广钟. 改进TD3算法在四旋翼无人机避障中的应用[J]. 计算机工程与应用, 2021, 57(11): 254-259.
[14]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[15]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.