神经网络

Neural Networks Tutorial Review
http://hem.hj.se/~de96klda/NeuralNetworks.htm
ftp://ftp.sas.com/pub/neural/FAQ.html


Image Compression with Neural Networks
http://www.comp.glam.ac.uk/digimaging/neural.htm


Backpropagator's Review
http://www.dontveter.com/bpr/bpr.html


Bibliographies on Neural Networks
http://liinwww.ira.uka.de/bibliography/Neural/


Intelligent Motion Control with an Artificial Cerebellum
http://www.q12.org/phd.html


Kernel Machines
http://www.kernel-machines.org/


Some Neural Networks Research Organizations
http://www.ieee.org/nnc/
http://www.inns.org/


Neural Network Modeling in Vision Research
http://www.rybak-et-al.net/nisms.html


Neural Networks and Machine Learning
http://learning.cs.toronto.edu/


Neural Application Software
http://attrasoft.com


Neural Network Toolbox for MATLAB
http://www.mathworks.com/products/neuralnet/


Netlab Software
http://www.ncrg.aston.ac.uk/netlab/


Kunama Systems Limited
http://www.kunama.co.uk/

Computer Vision

Computer Vision Homepage, Carnegie Mellon University
www.cs.cmu.edu/~cil/vision.html

Annotated Computer Vision Bibliography
http://iris.usc.edu/Vision-Notes/bibliography/contents.html
http://iris.usc.edu/Vision-Notes/rosenfeld/contents.html

Lawrence Berkeley National Lab Computer Vision and Robotics Applications
http://www-itg.lbl.gov/ITG.hm.pg.docs/VISIon/vision.html

CVonline by University of Edinburgh
The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision, www.dai.ed.ac.uk/CVonline

Computer Vision Handbook, www.cs.hmc.edu/~fleck/computer-vision-handbook

Vision Systems Courseware
www.cs.cf.ac.uk/Dave/Vision_lecture/Vision_lecture_caller.html

Research Activities in Computer Vision
http://www-syntim.inria.fr/syntim/analyse/index-eng.html

Vision Systems Acronyms
www.vision-systems-design.com/vsd/archive/acronyms.html

Dictionary of Terms in Human and Animal Vision
http://cns-web.bu.edu/pub/laliden/WWW/Visionary/Visionary.html

Metrology based on Computer Vision
www.cranfield.ac.uk/sme/amac/research/metrology/metrology.html

Digital Photography

Digital Photography, Scanning, and Image Processing
www.dbusch.com/scanners/scanners.html

Educational Resources, Universities

Center for Image Processing in Education
www.cipe.com
Library of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology
http://wally2.rit.edu/pubs/guides/imagingcall.html

Mathematical Experiences through Image Processing, University of Washington
www.cs.washington.edu/research/metip/metip.html

Vismod Tech Reports and Publications, MIT
http://vismod.www.media.mit.edu/cgi-bin/tr_pagemaker

Vision Lab PhD dissertation list, University of Antwerp
http://wcc.ruca.ua.ac.be/~visielab/theses.html

INRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systems
www.inria.fr/Themes/Theme3-eng.html

Image Processing Resources
http://eleceng.ukc.ac.uk/~rls3/Contents.htm

Publications of Carsten Steger
http://www9.informatik.tu-muenchen.de/people/steger/publications.html

FAQs

comp.dsp FAQ
www.bdti.com/faq/dsp_faq.htm
Robotics FAQ
www.frc.ri.cmu.edu/robotics-faq

Where's the sci.image.processing FAQ?
www.cc.iastate.edu/olc_answers/packages/graphics/sci.image.processing.faq.html

comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations
www.exaflop.org/docs/cgafaq

Astronomical Image Processing System FAQ
www.cv.nrao.edu/aips/aips_faq.html

由於在现今资讯流通普遍的社会中，影像的需求量越来越大，影像的数位化是必然的趋势。然而在数位化过的影像所占的资料量又相当庞大，在传输与处理上皆有所不便。将资料压缩是最好的方法。如今有一新的模式，在压缩率及还原度皆有不错的表现，为其尚未有一标准的格式，故在应用上尚未普及。但在不久的未来，其潜力不可限量。而影像之於印刷有密不可分的关系。故以此篇文章介绍小波（WAVELET）转换的历史渊源。小波转换的基础原理。现今的发展对印刷业界的冲击。影像压缩的未来的发展。 

壹、前言 

由於科技日新月异，印刷已由传统印刷走向数位印刷。在数位化的过程中，影像的资料一直有档案过大的问题，占用记忆体过多，使资料在传输上、处理上都相当的费时，现今个人拥有True Color的视讯卡、24-bit的全彩印表机与扫描器已不再是天方夜谭了，而使用者对影像图形的要求，不仅要色彩繁多、真实自然，更要搭配多媒体或动画。但是相对的高画质视觉享受，所要付出的代价是大量的储存空间，使用者往往只能眼睁睁地看着体积庞大的图档占掉硬碟、磁带和光碟片的空间；美丽的图档在亲朋好友之间互通有无，是天经地义的事，但是用网路传个640X480 True Color图形得花3分多钟，常使人哈欠连连，大家不禁心生疑虑，难道图档不能压缩得更小些吗？如此报业在传版时也可更快速。所以一种好的压缩格式是不可或缺的，可以使影像所占的记忆体更小、更容易处理。但是目前市场上所用的压缩模式，在压缩的比率上并不理想，失去压缩的意义。不然就是压缩比例过大而造成影像失真，即使数学家与资讯理论学者日以继夜，卯尽全力地为lossless编码法找出更快速、更精彩的演算法，都无可避免一个尴尬的事实：压缩率还是不够好。再说用来印刷的话就造成影像模糊不清，或是影像出现锯齿状的现象。皆会造成印刷输出的问题。影像压缩技术是否真的穷途末路？请相信人类解决难题的潜力是无限的。既然旧有编码法不够管用，山不转路转，科学家便将注意力移转到WAVELET转换法，结果不但发现了满意的解答，还开拓出一条光明的坦途。小波分析是近几年来才发展出来的数学理论。小波分析，无论是作为数学理论的连续小波变换，还是作为分析工具和方法的离散小波变换，仍有许多可被研究的地方，它是近几年来在工具及方法上的重大突破。小波分析是傅利叶（Fourier）分析的重要发展，他保留了傅氏理论的优点，又能克服其不足之处。可达到完全不失真，压缩的比率也令人可以接受。由於其数学理论早在1960年代中叶就有人提出了，而到现在才有人将其应用於实际上，其理论仍有相当大的发展空间，而其实际运用也属刚起步，其後续发展可说是不可限量。故研究的动机便由此而生。 

贰、 WAVELET的历史起源 

WAVELET源起於Joseph Fourier的热力学公式。傅利叶方程式在十九世纪初期由Joseph Fourier (1768-1830)所提出，为现代信号分析奠定了基础。在十九到二十世纪的基础数学研究领域也占了极重要的地位。Fourier提出了任一方程式，甚至是画出不连续图形的方程式，都可以有一单纯的分析式来表示。小波分析是近几年来才发展出来的数学理论为傅利叶方程式的延伸。 

小波分析方法的提出可追溯到1910年Haar提出的小波规范正交基。其後1984年，法国地球物理学J. Morlet在分析地震波的局部性质时，发现传统的傅利叶转换，难以达到其要求，因此引进小波概念於信号分析中，对信号进行分解。随後理论物理学家A.Grossman对Morlet的这种信号根据一个确定函数的伸缩，平移系 { a -1/2 Ψ[(x-b)/a] ；a,b?R ,a≠0}展开的可行性进行了研究，为小波分析的形成开了先河。 

1986年，Y. Meyer建构出具有一定衰减性的光滑函数Ψj,k(x)，其二进制伸缩与平移系 {Ψj,k(x)=√2jΨ(2jx-k)；j,k?Z}构成L2（R）的规范正交基。1987年，Mallat巧妙的将多分辨分析的引入到小波分析中，建构了小波函数的构造及信号按小波转换的分解及重构。1988年Daubechies建构了具有正交性（Orthonormal）及紧支集（Compactly Supported）；及只有在一有限区域中是非零的小波，如此，小波分析的理论得到了初步建立。  

三、 WAVELET影像压缩简介及基础理论介绍 

一、 WAVELET的压缩概念  

WAVELET架在三个主要的基础理论之上，分别是阶层式边码(pyramid coding)、滤波器组理论(filter bank theory)、以及次旁带编码(subband coding)，可以说wavelet transform统合了此三项技术。小波转换能将各种交织在一起的不同频率组成的信号，分解成不相同频率的信号，因此能有效的应用於编码、解码、检测边缘、压缩数据，及将非线性问题线性化。良好的分析局部的时间区域与频率区域的信号，弥补傅利叶转换中的缺失，也因此小波转换被誉为数学显微镜。  

WAVELET并不会保留所有的原始资料，而是选择性的保留了必要的部份，以便经由数学公式推算出其原始资料，可能不是非常完整，但是可以非常接近原始资料。至於影像中什度要保留，什麽要舍弃，端看能量的大小储存（跟波长与频率有关）。以较少的资料代替原来的资料，达到压缩资料的目的，这种经由取舍资料而达到压缩目地的作法，是近代数位影像编码技术的一项突破。即是WAVELET的概念引入编码技术中。 

WAVELET转换在数位影像转换技术上算是新秀，然而在太空科技早已行之有年，像探测卫星和哈柏望远镜传输影像回地球，和医学上的光纤影像，早就开始用WAVELET的原理压缩/还原影像资料，而且有压缩率极佳与原影重现的效果。 

以往lossless的编码法只着重压缩演算法的表现，将数位化的影像资料一丝不漏的送去压缩，所以还原回来的资料和原始资料分毫无差，但是此种压缩法的压缩率不佳。 将数位化的影像资料转换成利於编码的资料型态，控制解码後影像的品质，选择适当的编码法，而且还在撷取图形资料时，先帮资料「减肥」。如此才是WAVELET编码法主要的观念。  

二、 影像压缩过程 

原始图形资料 → 色彩模式转换 → DCT转换 → 量化器 → 编码器 → 编码结束  

三、 编码的基本要素有三点 

（一） 一种压缩/还原的转换可表现在影像上的。 

（二） 其转换的系数是可以量化的。 

（三） 其量化的系数是可以用函数编码的。 

四、 现有WAVELET影像压缩工具主要的部份 

（一） Wavelet Transform（WAVELET转换）：将图形均衡的分割成任何大小，最少压缩二分之一。  

（二） Filters（滤镜）：这部份包含Wavelet Transform，和一些着名的压缩方法。  

（三） Quantizers（量化器）：包含两种格式的量化，一种是平均量化，一种是内插量化，对编码的架构有一定的影响。 

（四） Entropy Coding（熵编码器）：有两种格式，一种是使其减少，一种为内插。 

（五） Arithmetic Coder（数学公式）：这是建立在Alistair Moffat's linear time coding histogram的基础上。 

（六） Bit Allocation（资料分布）：这个过程是用整除法有效率的分配任何一种量化。  

肆、 WAVELET影像压缩未来的发展趋势 

一、 在其结构上加强完备性。 

二、 修改程式，使其可以处理不同模式比率的影像。 

三、 支援更多的色彩。可以处理RGB的色彩，像是YIQ、HUV的色彩定义都可以分别的处理。  

四、 加强运算的能力，使其可支援更多的影像格式。 

五、 使用WAVELET转换藉由消除高频率资料增加速率。 

六、 增加多种的WAVELET。如：离散、零元树等。 

七、 修改其数学编码器，使资料能在数学公式和的位元之间转换。 

八、 增加8X8格的DCT模式，使其能做JPEG的压缩。 

九、 增加8X8格的DCT模式，使其能重叠。 

十、 增加trellis coding。 

十一、 增加零元树。 

现今已有由中研院委托国内学术单位研究，也有不少的研究所的硕士发表。国外更是如火如荼的展开研究。相信实际应用於实务上的日子指日可待。  

伍、 影像压缩研究的方向 

1. 输入装置如何捕捉真实的影像而将其数位化。 

2. 如何将数位化的影像资料转换成利於编码的资料型态。 

3. 如何控制解码影像的品质。 

4. 如何选择适当的编码法。 

5. 人的视觉对影像的反应机制。 

小波分析，无论是作为数学理论的连续小波变换，还是作为分析工具和方法的离散小波变换，仍有许多可被研究的地方，它是近几年来在工具及方法上的重大突破。小波分析是傅利叶（Fourier）分析的重要发展，他保留了傅氏理论的优点，又能克服其不足之处。  

陆、 在印刷输出的应用 

WAVELET影像压缩格式尚未成熟的情况下，作为印刷输出还嫌太早。但是後续发展潜力无穷，尤其在网路出版方面，其利用价值更高，WAVELET的出现就犹如当时的JPEG出现，在影像的领域中掀起一股旋风，但是WAVELET却有JPEG没有的优点，JPEG乃是失真压缩，且解码後复原程度有限，能在网路应用，乃是由於的解析度并不需要太高，就可辨识其图形。而印刷所需的解析度却需一定的程度。WAVELET虽然也是失真压缩，但是解码後却可以还原资料到几乎完整还原，如此的压缩才有存在的价值。 

有一点必须要提出的就是，并不是只要资料还原就可以用在印刷上，还需要有解读其档案的RIP，才能用於数位印刷上。等到WAVELET的应用成熟，再发展其适用的RIP，又是一段时间以後的事了。 

在网路出版上已经有浏览器可以外挂读取WAVELET档案的软体了，不过还是测试版，可是以後会在网路上大量使用，应该是未来的趋势。对於网路出版应该是一阵不小的冲击。 

图像压缩的好处是在於资料传输快速，减少网路的使用费用，增加企业的利润，由於传版的时间减少，也使印刷品在当地印刷的可能性增高，减少运费，减少开支，提高时效性，创造新的商机。  

柒、 结论  

WAVELET的理论并不是相当完备，但是据现有的研究显现，到普及应用的阶段，还有一段距离。但小波分析在信号处理、影像处理、量子物理及非线性科学领域上，均有其应用价值。国内已有正式研究此一压缩模式。但有许多名词尚未有正式的翻译，各自有各自的翻译，故研究起来倍感辛苦。但相信不久即会有正式的定名出现。这也显示国内的研究速度，远落在外国的後面，国外已成立不少相关的，国内仅有少数的相关。如此一来国内要使这种压缩模式普及还有的等。正式使用於印刷业更是要相当时间。不过对於网路出版仍是有相当大的契机，国内仍是可以朝这一方面发展的。站在一个使用其成果的角度，印刷业界也许并不需要去了解其高深的数理理论。但是在运用上，为了要使用方便，和预估其发展趋势，影像压缩的基本概念却不能没有。本篇文章单纯的介绍其中的一种影像压缩模式，目的在为了使後进者有一参考的依据，也许在不久的将来此一模式会成为主流，到时才不会手足无措。 

参考文献： 

1.Geoff Davis，1997，Wavelet Image Compression Construction Kit，。 

2.张维谷.小宇宙工作室，初版1994，影像档宝典.WINDOWS实作（上）， 峰资讯股份有限公司。 

3.张维谷.小宇宙工作室，初版1994，影像档宝典.WINDOWS实作（下）， 峰资讯股份有限公司。 

4.施威铭研究室，1994，PC影像处理技术（二）图档压缩续篇，旗标出版有限公司。 

5.卢永成，民八十七年，使用小波转换及其在影像与视讯编码之应用，私立中原大学电机工程学系硕士学位。 

6.江俊明，民八十六年，小波分析简介，私立淡江大学物理学系硕士。 

7.曾泓瑜、陈曜州，民八十三年，最新数位讯号处理技术（语音、影像处理实务），全欣资讯图书。

目前，指纹识别技术的研究无论是在前端的数据采集上还是在后端的指纹识别算法上都已经取得了巨大的进展。于是，很多人认为现在的指纹识别技术已经很完善了，不再需要研究了。但这种观点是错误的，在指纹识别技术上仍然有一些没有解决好的问题，如: 低质量指纹图像的处理、形变指纹图像的匹配、活体指纹的检测等。这些都是经常遇到、非常重要和亟待解决的问题。在国际指纹识别竞赛（FVC2004）中，指纹数据库DB1中有些指纹图像的形变就很大，而位于第一名的指纹识别算法的等错误率(EER)是1.97%，从中可以看出形变指纹图像的处理仍然不是很理想，有着很多工作要做。

自动指纹识别系统（Automatic Fingerprint Identification System，简称AFIS）是通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以自动、迅速、准确地鉴别出个人身份的。一般可以分成“离线部分”和“在线部分”两个部分。如图1所示。

图1 自动指纹识别系统框图

其中离线部分包括用指纹采集仪采集指纹、提取出细节点、将细节点保存到数据库中形成指纹模板库等主要步骤。在线部分包括用指纹采集仪采集指纹、提取出细节点、然后将这些细节点与保存在数据库中模板细节点进行匹配，判断输入细节点与模板细节点是否来自同一个手指的指纹。一般来说，离线处理允许人工因素介入，可根据需要手动调整系统参数，而在线处理应完全由系统自动完成所有操作。

本文主要对指纹图像增强、特征点提取、匹配以及分类和压缩算法进行介绍。

指纹图像增强算法

采集获得的指纹图像通常都伴随着各种各样的噪声，一部分是由于采集仪造成的，比如采集仪上的污渍，采集仪的参数设置不恰当等。另外一部分是由于手指的状态造成的，比如手指的过干、太湿、伤疤、脱皮等等。第一种相对来说是固定的系统误差，比较容易恢复。另外一类和个体手指密切相关，比较难于恢复。指纹增强在指纹图像的识别过程中是最为重要的一环，这部分算法的优劣将对整个系统的性能产生至关重要的影响。如果这一部分没有处理好，也很难通过改进后面的细节提取过程而获得好的效果。

指纹图像是连续脊线和谷线组成的（在细节点处除外），具有丰富纹理信息的图像。对于灰度指纹图像，脊线和谷线在局部的小邻域内可以认为是正弦波形状，具有一定的频率和方向。使用方向场和Gabor滤波器来进行增强的算法就是基于这样的特点进行。

指纹专家通常是根据视觉上的脊线信息来准确地识别出真正的细节点。这些脊线的关系有局部脊线的方向、脊线的连续性、脊线的曲率、光滑度、脊线走向趋势等等。而诸如指纹的脊线连接、局部脊线方向和脊线的光滑度这样的结构信息是有可能在计算机中表示出来的。所以也可以把人对指纹结构的认识引入指纹图像处理的过程中，用计算机来模拟指纹专家做图像增强的算法。

图像的预处理指的是在指纹进行图像增强前使用一些简单的图像处理手段对图像进行初加工的过程。常见的预处理有: 灰度的均衡化，这可以消除不同图像之间对比度的差异; 使用简单的低通滤波消除斑点噪声、高斯噪声; 计算出图像的边界，进行图像的裁剪，这样可以减少下一步的计算工作量，提高系统的速度。

指纹特征提取算法

图2 指纹图像及其特征

用计算机的语言完整地描述稳定而又有区别的指纹特征是实现自动指纹识别的一个关键问题。选择什么特征以及如何表示这种特征既关系指纹本身的特点，又和具体的指纹匹配算法紧密联系，同时还要考虑所采用的指纹采集设备的特点。目前的自动指纹识别系统普遍采用的指纹特征是细节点（minutiae），分为极限末梢和分叉点，见图2。

指纹的特征可以反映给定的人类群体里来自不同手指的指纹之间相似的程度。指纹的特征信息很多。这些所有的指纹特征信息构成了庞大的指纹特征集合。那么，特征层需要研究和解决的问题主要与这些特征信息有关，比如: “特征是否是终生不变的、惟一的”，“特征之间存在什么样的相互关系”，“什么样的特征子集可以使某种算法达到最佳的识别效果”，“指纹特征用于身份鉴别是否更安全”等等。一组好的特征不仅要能达到身份识别的基本要求，而且对噪声、畸变和环境条件不敏感。

围绕指纹特征展开研究是伴随着人们对指纹进行身份鉴别的认识而进行的，如今已经有很长的历史。1892年英国Sir Francis Galton对指纹进行了系统研究，首次提出了指纹特征惟一性的问题。随着信息技术的发展，人们对身份认证的准确性要求明显提高，同时也对指纹有效鉴定身份的能力产生质疑。2002年1月，美国联邦法官路易斯·波拉克做出的“凭借指纹鉴定不能定罪”的裁决促动了针对指纹特征的两个方面的研究工作: (1)在实践中为指纹定出可以作为有效特征的标准，使得两幅指纹是否相符不依赖于鉴定人员的主观判断; (2)研究指纹特征产生误差的根源，从技术角度将出现的误差量化。

指纹匹配

指纹匹配指的是通过对两枚指纹特征集间的相似性比较，来判断对应的指纹图像是否来自同一手指的过程，它是一种非常经典而又亟待解决的模式识别问题。

目前，指纹细节点匹配算法分类有多种: 根据指纹识别的目的可以分为一比一匹配和一比N匹配; 根据操作过程的差异可分为自动匹配 和人机交互匹配; 根据匹配适应性可以分为弹性匹配和刚性匹配。根据指纹细节点定义和相似性判断函数选取的不同，指纹匹配方法更是多种多样的，比如基于奇异点的、基于三角形的、基于极坐标变换的，基于动态规划的、基于图匹配的等等方法，不胜枚举。需要说明的是这些分类方法都难以囊括所有的指纹匹配算法，因为同时有很多算法彼此交叉。

需要指出的是，上述分类方法并不是绝对的，各种方法是相互联系的，每个算法都有自己的特点，并针对特殊的应用。比如: 图匹配的方法对质量差指纹图的噪声抗干扰能力较好，但方法未经大规模实验的证实; 细节点匹配对质量好的指纹图像计算准确，纹理特征的可区分性不强; 基于纹理信息和串匹配的混合匹配方法在一定程度上提高了识别率，但是计算代价非常高; 基于三角匹配和动态规划的混合匹配方法可以解决非线性形变的问题，但是提取的特征过大，难以满足在线实用的要求。总而言之，指纹图像的几何影像形变及错位等问题是匹配算法需要做的首要工作。因此，在指纹识别中必须考虑这些指纹图像中可能存在的线性或非线性形变。目前已有的算法依赖一个前提条件: 待匹配的两幅指纹图像是使用相同配置、相同采集仪来采集的，即同模态，并且，这些指纹允许存在一定程度的噪声。而匹配算法的最终目的是对给定的两幅指纹，寻求使这两幅图像的灰度(或特征)相似度之间差异达到最小的方法。在这种情况下，主要的工作常常是对指纹形变问题的研究，建立一个定义在有穷的形变参数空间的带参数的形变变换模型，最后进行形变参数最优化处理。

指纹分类与压缩

识别一个人需要将他的指纹与数据库中的所有指纹做比较。在某些民用或刑侦场合，数据库可能非常大（比如几百万枚指纹）。在这种情况下，识别就需要耗费很长的时间，这是无法接受的。这一识别过程可以通过减少必须执行的匹配次数来提高速度。在某些情况下，如果加入诸如性别、种族、年龄等与个体有关的信息能显著降低搜索数据库的范围，然而这些信息并不总是存在的，比如在犯罪现场的指纹。通常的策略是将指纹数据库划分成几个子类，这样识别指纹时只需将此指纹与数据库中同一类的指纹做比较。

指纹分类就是研究如何以稳定而且可靠的方式将指纹划为某一类别。指纹匹配多根据指纹的局部特征（如细节点）来判别，而指纹分类则根据指纹的全局特征（如全局脊线结构、奇异点）来判别。由于各指纹模式具有较小的类间差距和较大的类内差距，指纹分类是一个非常难的模式识别问题。指纹图像通常还有噪声，这使得分类任务更加困难，因此指纹分类问题一直是模式识别领域中的难点问题，一直以来也吸引了科研人员的极大兴趣。

指纹压缩技术也是自动指纹识别系统中的一项重要技术，在大容量的指纹库中，为了节省存储空间必须对指纹图进行压缩存储，使用时再进行解压缩。图像压缩编码的目的是以尽量少的比特数表示图像，同时保持复原图像的质量，使它符合预定应用场合的要求。基于小波的指纹压缩算法，是目前技术较成熟、应用较广泛的指纹图像压缩算法。

原理是将一扫描行中的颜色值相同的相邻像素用一个计数值和那些像素的颜色值来代替。例如:aaabccccccddeee，则可用3a1b6c2d3e来代替。对于拥有大面积，相同颜色区域的图像，用RLE压缩方法非常有效。由RLE原理派生出许多具体行程压缩方法:

1.PCX行程压缩方法:

该算法实际上是位映射格式到压缩格式的转换算法，该算法对于连续出现1次的字节Ch，若Ch>0xc0则压缩时在该字节前加上0xc1，否则直接输出Ch，对于连续出现N次的字节Ch，则压缩成0xc0＋N，Ch这两个字节，因而N最大只能为ff－c0=3fh(十进制为63)，当N大于63时，则需分多次压缩。

2.BI_RLE8压缩方法:

在WINDOWS3.0、3.1的位图文件中采用了这种压缩方法。该压缩方法编码也是以两个字节为基本单位。其中第一个字节规定了用第二个字节指定的颜色重复次数。如编码0504表示从当前位置开始连续显示5个颜色值为04的像素。当第二个字节为零时第二个字节有特殊含义:0表示行末;1
表示图末;2转义后面2个字节，这两个字节分别表示下一像素相对于当前位置的水平位移和垂直位移。这种压缩方法所能压缩的图像像素位数最大为8位(256色)图像。

3.BI_RLE压缩方法:

该方法也用于WINDOWS3.0/3.1位图文件中，它与BI_RLE8编码类似，唯一不同是:BI_RLE4的一个字节包含了两个像素的颜色，因此，它只能压缩的颜色数不超过16的图像。因而这种压缩应用范围有限。

4.紧缩位压缩方法(Packbits):

该方法是用于Apple公司的Macintosh机上的位图数据压缩方法，TIFF规范中使用了这种方法，这种压缩方法与BI_RLE8压缩方法相似，如1c1c1c1c2132325648压缩为:831c2181325648，显而易见，这种压缩方法最好情况是每连续128个字节相同，这128个字节可压缩为一个数值7f。这种方法还是非常有效的。

二、霍夫曼编码压缩:

也是一种常用的压缩方法。是1952年为文本文件建立的，其基本原理是频繁使用的数据用较短的代码代替，很少使用的数据用较长的代码代替，每个数据的代码各不相同。这些代码都是二进制码，且码的长度是可变的。如:有一个原始数据序列，ABACCDAA则编码为A(0)，B(10)，C(110)，D111)，压缩后为010011011011100。产生霍夫曼编码需要对原始数据扫描两遍，第一遍扫描要精确地统计出原始数据中的每个值出现的频率，第二遍是建立霍夫曼树并进行编码，由于需要建立二叉树并遍历二叉树生成编码，因此数据压缩和还原速度都较慢，但简单有效，因而得到广泛的应用。

三、LZW压缩方法

LZW压缩技术比其它大多数压缩技术都复杂，压缩效率也较高。其基本原理是把每一个第一次出现的字符串用一个数值来编码，在还原程序中再将这个数值还成原来的字符串，如用数值0x100代替字符串"abccddeee"这样每当出现该字符串时，都用0x100代替，起到了压缩的作用。至于0x100与字符串的对应关系则是在压缩过程中动态生成的，而且这种对应关系是隐含在压缩数据中，随着解压缩的进行这张编码表会从压缩数据中逐步得到恢复，后面的压缩数据再根据前面数据产生的对应关系产生更多的对应关系。直到压缩文件结束为止。LZW是可逆的，所有信息全部保留。

四、算术压缩方法

算术压缩与霍夫曼编码压缩方法类似，只不过它比霍夫曼编码更加有效。算术压缩适合于由相同的重复序列组成的文件，算术压缩接近压缩的理论极限。这种方法，是将不同的序列映像到0到1之间的区域内，该区域表示成可变精度(位数)的二进制小数，越不常见的数据要的精度越高(更多的位数)，这种方法比较复杂，因而不太常用。

五、JPEG(联合摄影专家组JointPhotographicExprertsGroup)

JPEG标准与其它的标准不同，它定义了不兼容的编码方法，在它最常用的模式中，它是带失真的，一个从JPEG文件恢复出来的图像与原始图像总是不同的，但有损压缩重建后的图像常常比原始图像的效果更好。JPEG的另一个显著的特点是它的压缩比例相当高，原图像大小与压缩后的图像大小相比，比例可以从1％到80～90％不等。这种方法效果也好，适合多媒体系统。

指纹图像的特征指的是这种特征
 

    特征提取之后的匹配过程，我们所知到的不多，可以参考文章。

A.K.Jain是其中的大师，中国在这方面的人物有石青云。以下列出了他们的一些文章。

1. Fingerprint classification approaches: an overview
http://ccrma-www.stanford.edu/~jhw/bioauth/fingerprints/00949849.pdf

2. Jain, A., and Pankanti, S., "Fingerprint Classification and Matching".
 Handbook for Image and Video Processing, A. Bovik (ed.), Academic Press, April 2000.
http://www.research.ibm.com/ecvg/pubs/sharat-handbook.pdf

3. L. Hong, Y. Wan, and A. Jain, "Fingerprint image enhancement: Algorithm and performance evaluation,"  IEEE. Trans. Pattern Anal. Machine Intell., vol. 20, pp. 777--789, Aug. 1998.

指纹的特征

我们定义了指纹的两类特征来进行指纹的验证：总体特征和局部特征。在考虑局部特征的情况下，英国学者E.R.Herry认为，只要比对13个特征点重合，就可以确认为是同一个指纹。

总体特征

纹形 

	
环型（loop）	弓型（arch）	螺旋型（whorl）

其他的指纹图案都基于这三种基本图案。仅仅依靠纹形来分辨指纹是远远不够的，这只是一个粗略的分类，通过更详细的分类使得在大数据库中搜寻指纹更为方便快捷。

模式区（Pattern Area）

模式区是指指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹是属于那一种类型的。有的指纹识别算法只使用模式区的数据。 SecureTouch的指纹识别算法使用了所取得的完整指纹而不仅仅是模式区进行分析和识别。

核心点（Core Point）

核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点。许多算法是基于核心点的，既只能处理和识别具有核心点的指纹。核心点对于SecureTouch的指纹识别算法很重要，但没有核心点的指纹它仍然能够处理。

三角点（Delta）

三角点位于从核心点开始的第一个分叉点或者断点、或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点。三角点提供了指纹纹路的计数跟踪的开始之处。

纹数（Ridge Count）

指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先在连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。

局部特征

局部特征是指指纹上的节点的特征，这些具有某种特征的节点称为特征点。两枚指纹经常会具有相同的总体特征，但它们的局部特征--特征点，却不可能完全相同。

指纹纹路并不是连续的、平滑笔直的，而是经常出现中断、分叉或打折。这些断点、分叉点和转折点就称为“特征点”。就是这些特征点提供了指纹唯一性的确认信息。指纹上的节点有四种不同特性：

特征点的分类

有以下几种类型，最典型的是终结点和分叉点。

	终结点（Ending） -- 一条纹路在此终结。
	分叉点（Bifurcation） -- 一条纹路在此分开成为两条或更多的纹路。
	分歧点（Ridge Divergence） -- 两条平行的纹路在此分开。
	孤立点（Dot or Island） -- 一条特别短的纹路，以至于成为一点。
	环点（Enclosure） -- 一条纹路分开成为两条之后，立即有合并成为一条，这样形成的一个小环称为环点。
	短纹（Short Ridge） -- 一端较短但不至于成为一点的纹路。

方向（Orientation）

-- 节点可以朝着一定的方向。

曲率（Curvature）

-- 描述纹路方向改变的速度。

位置（Position）

-- 节点的位置通过（x, y）坐标来描述，可以是绝对的，也可以是相对于三角点或特征点的。