一种新的指纹图像快速细化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (5): 93-95.

一种新的指纹图像快速细化算法

廖开阳^1,2,张学东^1,3,章明珠²

1.辽宁科技大学计算机科学与工程学院，辽宁鞍山 114000
2.西安翻译学院信息工程系，西安 710000
3.东北大学信息科学与工程学院，沈阳 110000

收稿日期:2007-06-07 修回日期:2007-08-27 出版日期:2008-02-11 发布日期:2008-02-11
通讯作者: 廖开阳

Novel fast thinning algorithm for fingerprint image

LIAO Kai-yang^1,2,ZHANG Xue-dong^1,3,ZHANG Ming-zhu²

1.College of Computer Science and Engineering，Liaoning University of Science and Technology，Anshan，Liaoning 114000，China
2.Department of Information and Engineering，Xi’an Translation College，Xi’an 710000，China
3.College of Information Science and Engineering，Northeast University，Shenyang 110000，China

Received:2007-06-07 Revised:2007-08-27 Online:2008-02-11 Published:2008-02-11
Contact: LIAO Kai-yang

摘要/Abstract

摘要： 针对快速并行细化算法存在的不足，即细化不全、不光滑、毛刺等缺点进行分析和研究，提出了一种新的细化算法，该算法速度快、细化全，细化后的指纹骨架在纹线中心线，且光滑无毛刺，不会产生断线，实验结果非常好。

关键词: 图像处理, 指纹, 细化算法

Abstract: The disadvantages of the fast parallel thinning algorithm，i.e.incomplete thinning and not smooth，were analyzed and studied.A novel algorithm was presented which had the advantage of quick speed and complete thinning.The thinned fingerprint skeleton is smooth and located in the center of the ridge，and no broken lines，the result of experiment is perfect.

Key words: image processing, fingerprint, thinning algorithm

廖开阳^1,2,张学东^1,3,章明珠². 一种新的指纹图像快速细化算法[J]. 计算机工程与应用, 2008, 44(5): 93-95.

LIAO Kai-yang^1,2,ZHANG Xue-dong^1,3,ZHANG Ming-zhu². Novel fast thinning algorithm for fingerprint image[J]. Computer Engineering and Applications, 2008, 44(5): 93-95.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	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.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[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]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[14]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[15]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.