蚁群算法在指纹增强中的应用

doi:10.3778/j.issn.1002-8331.2009.08.056

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (8): 184-186.DOI: 10.3778/j.issn.1002-8331.2009.08.056

• 图形、图像、模式识别 • 上一篇下一篇

蚁群算法在指纹增强中的应用

杨金¹,钟乐海¹,陈清波²,邹海洋¹

1.西华师范大学计算机学院，四川南充 637002
2.中山路小学，湖南永州 425006

收稿日期:2008-03-03 修回日期:2008-07-01 出版日期:2009-03-11 发布日期:2009-03-11
通讯作者: 杨金

Application of ant colony algorithm for fingerprint image enhancement research

YANG Jin¹,ZHONG Le-hai¹,CHEN Qing-bo²,ZOU Hai-yang¹

1.College of Computer Science，China West Normal University，Nanchong，Sichuan 637002，China
2.Zhongshan Road Primary School，Yongzhou，Hunan 425006，China

Received:2008-03-03 Revised:2008-07-01 Online:2009-03-11 Published:2009-03-11
Contact: YANG Jin

摘要/Abstract

摘要： 自动的指纹识别系统是基于生物特征的身份识别技术的重要组成部分。指纹增强技术可以有效地加强指纹的脊线特征，为指纹细节的提取和匹配奠定可靠的基础。依据蚁群算法的聚类特性，提出了一种基于蚁群算法的指纹增强方法，提高了指纹图像的质量。

关键词: 蚁群算法, 指纹增强, 指纹识别, 聚类

Abstract: Automatic fingerprint identification system is one of the important uses of biometrics，which refers to identifying an individual based on his or her physiological or behavioral characteristics.Fingerprint enhancement can improve the clarity of the ridge structures of input fingerprint image，and ensure the performance of the minutiae extraction and fingerprint matching.According to ant colony algorithm with clustering characteristics，a fingerprint image enhancement based on ant colony algorithm is proposed.This method can improve the quality for fingerprint image.

Key words: ant colony algorithm, fingerprint enhancement, fingerprint verification, clustering

杨金¹,钟乐海¹,陈清波²,邹海洋¹. 蚁群算法在指纹增强中的应用[J]. 计算机工程与应用, 2009, 45(8): 184-186.

YANG Jin¹,ZHONG Le-hai¹,CHEN Qing-bo²,ZOU Hai-yang¹. Application of ant colony algorithm for fingerprint image enhancement research[J]. Computer Engineering and Applications, 2009, 45(8): 184-186.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[4]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[5]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[6]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[7]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[8]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[9]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[10]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[11]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[12]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[13]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[14]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[15]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.

蚁群算法在指纹增强中的应用

Application of ant colony algorithm for fingerprint image enhancement research

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics