CN101149787B - 一种基于方向场模型和Gabor滤波器指纹合成方法及*** - Google Patents
一种基于方向场模型和Gabor滤波器指纹合成方法及*** Download PDFInfo
- Publication number
- CN101149787B CN101149787B CN2006101132412A CN200610113241A CN101149787B CN 101149787 B CN101149787 B CN 101149787B CN 2006101132412 A CN2006101132412 A CN 2006101132412A CN 200610113241 A CN200610113241 A CN 200610113241A CN 101149787 B CN101149787 B CN 101149787B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- image
- centerdot
- texture
- field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001308 synthesis method Methods 0.000 title claims abstract description 12
- 238000013519 translation Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000005489 elastic deformation Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000005260 corrosion Methods 0.000 claims abstract description 13
- 230000007797 corrosion Effects 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 206010038743 Restlessness Diseases 0.000 claims description 9
- 238000001035 drying Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 4
- 238000009415 formwork Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006835 compression Effects 0.000 abstract 1
- 238000007906 compression Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 29
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 8
- 239000004744 fabric Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010013786 Dry skin Diseases 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种基于新方向场模型和改进Gabor滤波器的指纹合成的方法及***,方法包括步骤:指纹模板图像生成,第一步生成指纹轮廓图像,第二步通过新的联合方向场模型生成指纹方向场,第三步用一种新的指纹密度图的表示方法生成密度图,第四步通过改进的Gabor滤波器生成生成指纹脊线纹理;指纹按压图像生成,对已生成的指纹模板图像进行一系列的变换,包括添加划痕,纹理平移,脊线的膨胀/腐蚀,脊线的弹性形变,脊线的加噪和平滑,图像的平移和旋转,改变对比度,添加背景噪声。***包括:指纹模板图像单元和指纹按压图像单元。本发明能够生成逼真的指纹图像。在生物识别技术中有着重要的应用价值。
Description
技术领域
本发明涉及模式识别、图像处理以及信息处理技术,特别涉及利用方向场的图像滤波和方法来实现指纹的合成处理。
背景技术
指纹识别是目前应用最为广泛的生物特征识别方法。在进行自动指纹识别算法研究时,需要较大规模的指纹数据库对算法进行测试和优化。但是传统的采集指纹建库的方法存在很多缺点。首先,采集大量指纹需要花费很大成本和大量的时间。其次,无论对采集指纹者还是被采集指纹者而言,采集的过程都十分麻烦,并且容易出错。而且,采集指纹还涉及个人的隐私。如果能够利用合成指纹的方法生成指纹数据库,会大大简化建库过程,使得上述问题都能够得到很好的解决。国际上对于指纹合成方法的研究已有多年,国际指纹认证竞赛FVC采用的第四个指纹测试库即为合成指纹数据库。而国内目前尚未开展此类工作,但是随着指纹识别技术的推广和应用,合成指纹方法将具有广阔的应用前景。
目前关于合成指纹的方法大体上可以分为两种。一种是波兰公司Optel的方法,用一种比较新颖的方法建立脊线纹理和细节的数学模型,进而生成人造指纹。但是为了保护其商业利益,他们没有向外界透露其技术细节。
另一种也是最完整最经典的方法是Cappelli等人的研究。他们提出了合成指纹方法的框架和步骤,首先生成指纹模板图像,再根据模板生成按压图像。应用其算法开发的软件SFINGE生成的指纹测试库也用于FVC竞赛中。其它方法一般是基于经典方法框架的。
但是经典方法在指纹方向场生成、密度图生成和脊线纹理生成的步骤上都有欠缺。
指纹方向场生成是指纹合成方法的基础之一,方向场的逼真与否直接影响到最后合成指纹的质量。第一个方向场模型是一种简化模型,忽略其它因素,仅根据中心点和三角区的位置计算出一致方向图,即一旦奇异点的类型和位置被确定,方向场也就唯一确定。目前经典指纹合成方法所采用的指纹方向场模型是基于简化模型的一种非线性模型,引入更多参数,使得各点方向场不只与奇异点位置和种类有关。但是它还是不能准确地表示方向场,在很多情况下只能达到近似的结果。
至于生成指纹密度图,目的是为了确定指纹脊线纹理(包括脊线和谷线)的宽度。通过对真实指纹的观察,可有两点结论:
一,在一幅指纹图像中,指纹的局部密度可能会有一定差异(这里的密度指的是指纹脊线与其相邻谷线宽度之和),并且在一些特定区域,此密度呈现一定规律,如上中心点上方和三角区下方区域较之其它大部分区域有更小的密度。
二,在一幅指纹图像中,局部密度相同的区域,脊线(或谷线)宽度也可能有所不同,有的区域脊线比谷线宽,有的区域脊线比谷线窄。经典指纹合成方法忽略了第二点,只考虑到第一点。但综合考虑两者无疑会有助于生成更为逼真的指纹。
经典方法的指纹脊线纹理方法采用普通Gabor滤波器,生成的脊线和谷线宽度相等。
发明内容
为了解决现有技术的问题,本发明的目的是在经典方法的框架基础上,对生成指纹模板图像的方法加以改进,采用新的联合方向场模型生成更加符合真实指纹的方向场,提出一种指纹密度图的表示方法,然后通过改进的Gabor滤波器生成指纹脊线纹理,本发明提供一种能够生成逼真的指纹图像、基于方向场模型和Gabor滤波器指纹合成方法。
为了实现上述目的,本发明提供的基于方向场模型和Gabor滤波器指纹合成方法,包括步骤如下:
将指纹信息生成指纹模板图像,指纹模板图像是根据指纹的轮廓、方向场和密度图生成二值的指纹纹理图像;
对生成的指纹纹理图像进行变换,将指纹纹理图像生成指纹按压图像。
根据本发明的实施例,所述指纹模板图像生成步骤包括:
将指纹信息生成指纹轮廓图像;
通过联合方向场模型生成指纹方向场;
采用指纹密度图表示方法生成密度图;
通过Gabor滤波器生成指纹脊线纹理。
根据本发明的实施例,所述生成指纹方向场的步骤包括:
选择待生成指纹的种类;
确定奇异点的种类和位置以及各控制参数;
用新的联合方向场模型生成指纹方向场;
随机调整各点方向。
根据本发明的实施例,所述新的联合方向场模型是一个多项式和一个受奇异点影响的表达式的加权和。
根据本发明的实施例,所述密度图生成步骤包括:
在符合自然界规律的范围内随机选择指纹局部纹理密度D(x,y)及指纹脊线宽度比例W(x,y)的值,并产生密度图;对特定区域,改变密度图的值;实现整体区域平滑。
根据本发明的实施例,所有指纹脊线纹理生成步骤包括:
随机产生若干种子点;
从种子点开始,用改进Gabor滤波器迭代增强初始图像;
设定灰度阈值,将生成图像变换为二值图像。
根据本发明的实施例,所述改进Gabor滤波器中的分段余弦函数的周期取决于指纹脊线宽度比例W(x,y)。
本发明的第二方面,一种指纹合成的***,包括:
指纹模板图像单元,将输入的指纹信息生成并输出二值的指纹纹理图像;及
指纹按压图像单元,用于将输入的二值指纹纹理图像生成指纹按压图像。
根据本发明的实施例,所述指纹模板图像单元,包括:
添加划痕模块,用于在输入的指纹模板图像上添加划痕;
纹理平移模块,用于对所述添加指纹滑痕的脊线纹理做上下左右的平移,生成纹理平移图像;
脊线的膨胀/腐蚀模块,对所述脊线平移图像模拟不同的手指干燥程度或压力,对指纹脊线平移图像进行膨胀或腐蚀变换;
脊线的弹性形变模块,对指纹脊线膨胀/腐蚀结果,利用非线性的指纹弹性形变模型,把指纹区域分成中心区域、指纹最外层区域、非线性的变化区域,分别进行弹性形变变换;
脊线的加噪和平滑模块,提取指纹区域中的脊线图像的谷线,对脊线图像添加白斑噪声,在得到的加噪平滑图上添加谷线;
图像的平移和旋转模块,利用指纹脊线加噪和平滑图像,在图像中的位置作平移和旋转变换,生成平移和旋转的图像。
改变对比度模块,用于平移和旋转后的图像,使原图像的灰度值成比例变化的对比度图像;
添加背景噪声模块,用纯粹背景图像训练集生成新的背景,并添加到对比度图像上,即为指纹按压图像。
现有技术关于指纹合成的研究都忽略了密度图和脊线纹理中脊线和谷线不一定等宽的问题,并且采用的指纹方向场模型与真实指纹存在一定差距。与现有技术相比,由于决定指纹结构的三个重要因素——方向场模型,密度图模型和脊线纹理模型,本发明中所述的指纹合成的***和方法,更加符合真实指纹的特点,因而合成的指纹在内部属性上更为逼真,能够生成逼真的指纹图像,在生物识别技术中有着重要的应用价值。
附图说明
图1是本发明指纹合成***框图
图2是本发明指纹模板图像生成单元的构成示意图;
图3是本发明指纹按压图像生成单元的构成示意图;
图4是本发明生成5种类型指纹方向场的示意图;
图5是本发明周期与指纹脊线和谷线纹理相对应的余弦函数的示意图;
图6是本发明改进Gabor滤波器(b和c)与原Gabor滤波器生成脊线纹理(a)之比较的示意图;
图7是本发明脊线纹理生成过程示意图;
图8是本发明添加滑痕步骤前后对比的示意图;
图9是本发明指纹纹理平移步骤前后对比的示意图;
图10是本发明对同一指纹二值图像不同程度的膨胀/腐蚀的示意图;
图11是本发明经过指纹脊线弹性形变步骤前后的示意图;
图12是本发明指纹脊线加噪和平滑步骤前后对比的示意图;
图13是本发明的指纹图像调整对比度步骤前后的示意图;
图14是本发明添加背景噪声后的指纹图像的示意图。
具体实施方式
下面将结合附图对本发明加以详细说明,应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明核心在于采用新的联合方向场模型生成更加符合真实指纹的方向场,并提出一种新的指纹密度图的表示方法,然后通过改进的Gabor滤波器生成指纹脊线纹理。
实施例:
基于本发明的方法自行设计实现了指纹合成***。研制开发的指纹合成***是基于WindowXP/2000,采用面向对象的设计方法和软件工程规范,用C++语言实现的、面向指纹识别领域的图像处理与分析***。
利用本发明方法实现的装置如图1本发明指纹合成***框图所示,包括:
指纹模板图像单元1,将输入的指纹信息生成并输出二值的指纹纹理图像;及
指纹按压图像单元2,用于将输入的二值指纹纹理图像生成指纹按压图像。
如图2本发明指纹模板图像生成单元的构成示意图所示:
所述指纹模板图像单元1,包括:
指纹轮廓模块11,用于将输入的指纹信息生成指纹轮廓;
指纹方向场模块12,用于将输入指纹信息生成指纹方向场;
指纹密度图模块13,用于将输入指纹信息生成指纹密度图:
指纹脊线纹理模块14,用于将输入指纹轮廓、指纹方向场和指纹密度图生成指纹脊线纹理,输出指纹模板图像。
如图3本发明指纹按压图像生成单元的构成示意图所示:
所述指纹按压图像单元2,主要包括:
添加划痕模块21,用于在输入的指纹模板图像上添加划痕;
纹理平移模块22,用于对所述添加指纹滑痕的脊线纹理做上下左右的平移,生成纹理平移图像;
脊线的膨胀/腐蚀模块23,对所述脊线平移图像模拟不同的手指干燥程度或压力,对指纹脊线平移图像进行膨胀或腐蚀变换;
脊线的弹性形变模块24,对指纹脊线膨胀/腐蚀结果,利用非线性的指纹弹性形变模型,把指纹区域分成中心区域、指纹最外层区域、非线性的变化区域,分别进行弹性形变变换;
脊线的加噪和平滑模块25,提取指纹区域中的脊线图像的谷线,对脊线图像添加白斑噪声,在得到的加噪平滑图上添加谷线;
图像的平移和旋转模块26,利用指纹脊线加噪和平滑图像,在图像中的位置作平移和旋转变换,生成平移和旋转的图像。
改变对比度模块27,用于平移和旋转后的图像,使原图像的灰度值成比例变化的对比度图像;
添加背景噪声模块28,用纯粹背景图像训练集生成新的背景,并添加到对比度图像上,即为指纹按压图像。
下面对基于新方向场模型和改进Gabor滤波器的指纹合成的算法的具体实施过程。各个步骤均可以通过改变参数来调整结果。
1)选择待生成指纹大小。
2)点击下一步生成指纹轮廓。
3)点击下一步生成指纹方向场。
4)点击下一步生成指纹脊线。
5)点击添加划痕。
6)点击纹理平移。
7)点击脊线的膨胀/腐蚀。
8)点击脊线的弹性形变。
9)点击脊线的加噪和平滑。
10)点击图像的平移和旋转。
11)点击改变对比度。
12)点击添加背景噪声,最终得到合成指纹。
下面详细描述指纹合成的算法。作为具体的指纹合成算法,主要步骤有:包括指纹模板图像生成步骤和指纹按压图像生成步骤。
对于其中具体的指纹模板图像生成算法,主要步骤为:指纹轮廓,指纹方向场,指纹密度图和指纹脊线纹理。
对于其中具体的指纹按压图像生成算法,主要步骤为:添加划痕,纹理平移,脊线的膨胀/腐蚀,脊线的弹性形变,脊线的加噪和平滑,图像的平移和旋转,改变对比度,添加背景噪声。下面对其逐一进行说明。
本发明的方法主要分为指纹模板图像生成和指纹按压图像生成。一幅指纹模板图像相当于一个手指模板,由同一个模板图像生成的各个指纹按压图像,相当于从同一个手指采集到的不同指纹图像。
指纹模板图像生成是指根据指纹的轮廓、方向场和密度图生成二值指纹纹理图像。
所述指纹模板图像生成的主要步骤有:生成指纹轮廓,生成指纹方向场,生成指纹密度图和生成指纹脊线纹理。
步骤1:指纹轮廓生成
指纹轮廓是根据指纹自身特点定义了一个由5个参数控制的基于椭圆弧和矩形的简化模型。5个参数分别为椭圆的两个长轴a1和a2,两个短轴b1和b2,以及矩形的宽c。
步骤2:指纹方向场生成
如本发明图4a、图4b、图4c、图4d、图4e,是生成5种类型指纹方向场的示意图所示:
对于一幅指纹图像,每个象素点都有一个方向,这些方向量化后构成了一个方向场图。方向场同中心点和三角区的位置有着很密切的联系。这里采用一种联合方向场模型来生成指纹方向场。下面介绍该模型及其用于生成指纹方向场的方法。生成指纹方向场的步骤如下:
所述指纹方向场生成,首先选择待生成指纹的种类包括:弓、尖弓、左旋、右旋、漩涡;再确定奇异点的种类和位置,以及各控制参数;然后用新的联合方向场模型生成指纹方向场;最后随机调整各点方向。
新的联合方向场如下:
用θ(x,y)和U(x,y)分别表示方向场函数和变换后的函数,R(x,y)和I(x,y)分别为实部和虚部。
U=R+iI=cos2θ+isin 2θ,θ∈[0,π),
则所述的指纹新的联合方向场模型可表示为一个多项式与一个受奇异点(包括中心点和三角区)影响的表达式之和的混合模型:
其中,PR和PI分别为多项式的实部和虚部,表达式如下:
根据经验值,这里n取4。
两个系数分别为
根据指纹奇异点的不同个数与位置,可生成不同类型指纹方向场。参数P1,P2,Q以及用于控制同类型指纹的个体差异。
步骤3:指纹密度图生成
生成密度图的目的是为了确定指纹脊线纹理(包括脊线和谷线)的宽度。
本发明分别定义了能更加完整地描述指纹局部纹理信息的变量:指纹局部纹理密度D(x,y)及指纹脊线宽度比例W(x,y)。D(x,y)表示图像上一点(x,y)处的局部纹理宽度(脊线与谷线之和),单位为象素。W(x,y)表示点(x,y)处的局部脊线宽度占该脊线与其相邻谷线宽度之和的比例,于是有0<W(x,y)<1,若脊线与谷线宽度相等,则有W(x,y)=0.5。这样,图像上任一点(x,y)处的局部脊线宽度和谷线宽度可由W(x,y)和D(x,y)唯一确定。W(x,y)和D(x,y)将用于后面的脊线纹理生成步骤。
所述生成指纹密度图的实现步骤如下:
步骤(1):
在符合自然界规律的范围内,例如D(x,y)在10左右,W(x,y)初值选择0.5,随机选择指纹局部纹理密度D(x,y)及指纹脊线宽度比例W(x,y)的值,并产生密度图。
步骤(2)
针对一些特定区域,改变密度图的值。
步骤(3)
实现区域平滑。
步骤4:指纹脊线纹理生成
根据前面已经生成的指纹轮廓、方向场和密度图,可以生成脊线纹理二值图像。用灰度值0和255分别表示脊线和谷线。
所述指纹脊线纹理生成步骤如下:
首先随机产生若干种子点;
从种子点开始,用改进Gabor滤波器迭代增强初始图像;
设定灰度阈值,将生成图像变换为二值图像。就可以得到逼真的脊线纹理图像。
所述改进Gabor滤波器中的分段余弦函数的周期取决于指纹脊线宽度比例W(x,y)。
由于用普通Gabor滤波器生成的指纹脊线纹理,其脊线与谷线的宽度是固定相等的,这并不符合真实指纹的性质。为生成更为逼真的脊线,本发明将Gabor滤波器进行改进,这样产生的脊线更加符合真实指纹纹理特征。定义改进滤波器表达式如下:
其中(x,y)为图像上经滤波器增强的点,σ是高斯函数的均方差,k(x,y)是平面波的波矢量,k(x,y)=[kx,ky]T由(x,y)点的脊线纹理方向O(x,y)和密度D(x,y)确定(这里的D(x,y)与步骤3定义的D(x,y)相同):
W(x,y)为(x,y)处的指纹脊线宽度比例(已在步骤3中定义)。分段函数g(v;k(x,y),W(x,y))定义如下:
参数σ由滤波器带宽决定,在时间域按照D(x,y)校准,这样滤波器的有效峰值不超过3个。滤波器截断成为FIR滤波器。
经过这一步骤生成的脊线纹理图像即为一个指纹模板图像。
图5为本发明周期与指纹脊线和谷线纹理相对应的余弦函数的示意图。图6为本发明改进Gabor滤波器(b和c)与原Gabor滤波器生成脊线纹理(a)之比较的示意图。图7为脊线纹理生成过程的示意图。第一行为由单个种子点生成脊线的过程,第二行为由多个种子点生成脊线的过程。
指纹按压图像生成就是将已经生成的指纹模板图像进行各种变换,最后生成逼真的合成指纹图像。由同一个模板图像生成的各个指纹按压图像,相当于从同一个手指采集到的不同指纹图像。
所述指纹按压图像生成的主要步骤有:添加划痕,纹理平移,脊线的膨胀/腐蚀,脊线的弹性形变,脊线的加噪和平滑,图像的平移和旋转,改变对比度,添加背景噪声。
步骤1:添加划痕,如图8本发明添加滑痕步骤前后对比的示意图所示:
在前面生成的指纹模板图像上添加滑痕。即在图像上添加若干灰度值为255的矩形,矩形的形状类似真实指纹滑痕。划痕的长度、宽度和位置在一定取值范围内随机产生,划痕的方向也是随机产生。
步骤2:指纹脊线纹理的平移,如图9本发明指纹纹理平移步骤前后对比的示意图所示:
此步骤针对不同接触区域。图像中的指纹轮廓不动,仅仅是脊线做上下左右的平移。
步骤3:指纹脊线的膨胀/腐蚀,如图10本发明对同一指纹二值图像不同程度的膨胀/腐蚀的示意图所示:
这里利用形态学的方法来模拟不同的手指干燥程度或压力对指纹的作用。对于手指干燥或低压力的情况用腐蚀算法,对于手指较湿或高压力的情况用膨胀算法。
步骤4:指纹脊线的弹性形变,如图11是本发明经过指纹脊线弹性形变步骤前后的示意图所示:
这里采用一种非线性的指纹弹性形变模型。该模型把指纹区域分成三部分:a区为指纹的中心区域,指纹形变时该区不发生改变;c区为指纹最外层的区域,指纹形变时仅仅发生平移和旋转;b区,介于a和c之间,发生了一个非线性的变化。
步骤5:指纹脊线的加噪和平滑,如图12是本发明指纹脊线加噪和平滑步骤前后对比的示意图所示:
由于真实指纹并非二值图像,而是带有白斑的多个灰度级图像,所以需要对指纹脊线加噪和平滑。步骤如下:提取脊线图像的谷线;对脊线图像添加白斑噪声,用3×3或5×5的窗口进行中值滤波;在得到的加噪平滑图上添加谷线。
步骤6:指纹图像的平移和旋转
此步骤是针对指纹在图中的位置的改变来进行的。指纹图像在一定取值范围内,旋转变换范围为-30度至30度,平移变换范围为图像大小的20%作平移和旋转变换。
步骤7:改变对比度,如图13本发明的指纹图像调整对比度步骤前后的示意图所示:
使原图像的灰度值成比例变化。
步骤8:添加背景噪声图,如14是本发明添加背景噪声后的指纹图像的示意图所示:
采用一种基于KL变换的统计模型的方法。模型需要一组纯粹的背景图像作为训练集。计算训练背景中代表主方差的线性子空间,然后用它随机生成新的背景。
本发明的上述结果与指纹合成的理论分析结论一致。具有高可靠性,可应用性和可采纳性。
上面描述是用于实现本发明的实施例,本领域的技术人员应该理解,在不脱离本发明的范围的任何修改或局部替换,均属于本发明权利要求来限定的范围。
Claims (6)
1.一种基于方向场模型和Gabor滤波器指纹合成方法,包括步骤:
将指纹信息生成指纹模板图像,指纹模板图像是根据指纹的轮廓、密度图和方向场生成二值的指纹纹理图像;
对生成的二值指纹纹理图像进行变换,将指纹纹理图像生成指纹按压图像;
所述生成指纹方向场的步骤包括:
选择待生成指纹的种类;
确定奇异点的种类和位置以及各控制参数;
用新的联合方向场模型生成指纹方向场;
随机调整各点方向;所述新的联合方向场模型为:
其中,PR和PI分别为多项式的实部和虚部,表达式如下:
用θ(x,y)和U(x,y)分别表示方向场函数和变换后的函数,R(x,y)和I(x,y)分别为实部和虚部;
U=R+iI=cos 2θ+isin 2θ,θ∈[0,π),
两个系数分别为:
参数P1,P2,Q以及用于控制同类型指纹的个体差异;
所述指纹模板图像生成步骤包括:
将指纹信息生成指纹轮廓图像;
通过新的联合方向场模型生成指纹方向场;
采用指纹密度图表示方法生成密度图;
通过改进的Gabor滤波器生成指纹脊线纹理,生成指纹脊线纹理的步骤包括:
随机产生若干种子点;
从种子点开始,用改进Gabor滤波器迭代增强初始图像,其中改进的Gabor滤波器为:
其中(x,y)为图像上经滤波器增强的点,σ是高斯函数的均方差,k(x,y)是平面波的波矢量,k(x,y)=[kx,ky]T由(x,y)点的脊线纹理方向O(x,y)和密度D(x,y)确定:
W(x,y)为(x,y)处的指纹脊线宽度比例;分段函数g(v;k(x,y),W(x,y))定义如下:
参数σ由滤波器带宽决定;
设定灰度阈值,将生成图像变换为二值图像。
2.按照权利要求1中所述的指纹合成方法,其特征在于:所述联合方向场模型是一个多项式和一个受奇异点影响的表达式的加权和。
3.按照权利要求1中所述的指纹合成方法,其特征在于,密度图生成步骤包括:
在符合自然界规律的范围内随机选择指纹局部纹理密度D(x,y)及指纹脊线宽度比例W(x,y)的值,并产生密度图;针对一些特定区域,改变密度图的值;实现整体区域平滑。
4.按照权利要求1中所述的指纹合成方法,其特征在于:
所述改进Gabor滤波器中的分段余弦函数的周期取决于指纹脊线宽度比例W(x,y)。
5.一种指纹合成的***,其特征在于,包括:
指纹模板图像单元,将输入的指纹信息生成并输出二值的指纹纹理图像;及
指纹按压图像单元,用于将输入的二值指纹纹理图像生成指纹按压图像;
所述指纹模板图像单元,包括:
指纹轮廓模块,用于将输入的指纹信息生成指纹轮廓;
指纹方向场模块,用于将输入指纹信息生成指纹方向场;
指纹密度图模块,用于将输入指纹信息生成指纹密度图;
指纹脊线纹理模块,用于将输入指纹轮廓、指纹方向场和指纹密度图使用改进的Gabor滤波器生成指纹脊线纹理,输出指纹模板图像;
其中,改进的Gabor滤波器表达式为:
其中,(x,y)为图像上经滤波器增强的点,σ是高斯函数的均方差,k(x,y)是平面波的波矢量,k(x,y)=[kx,ky]T由(x,y)点的脊线纹理方向O(x,y)和密度D(x,y)确定:
W(x,y)为(x,y)处的指纹脊线宽度比例;其中分段函数g(v;k(x,y),W(x,y))定义如下:
参数σ由滤波器带宽决定。
6.如权利要求5所述指纹合成的***,其特征在于,所述指纹按压图像单元,包括:
添加指纹划痕模块,用于在输入的指纹模板图像上添加划痕;
纹理平移模块,用于对所述添加划痕的脊线纹理作上下左右的平移,生成纹理平移图像;
脊线的膨胀/腐蚀模块,对所述纹理平移图像模拟不同的手指干燥程度或压力,对指纹纹理平移图像进行膨胀或腐蚀变换;
脊线的弹性形变模块,对指纹脊线膨胀/腐蚀结果,利用非线性的指纹弹性形变模型,把指纹区域分成中心区域、指纹最外层区域、非线性的变化区域,分别进行弹性形变变换;所述指纹中心区域,指纹形变时该区不发生改变;所述指纹最外层的区域,指纹形变时仅仅发生平移和旋转;所述非线性的变化区域,介于指纹中心区域和指纹最外层的区域之间,发生了一个非线性的变化;
脊线的加噪和平滑模块,提取指纹区域中的脊线图像的谷线,对脊线图像添加白斑噪声,在得到的加噪平滑图上添加谷线;
图像的平移和旋转模块,利用添加谷线后的指纹脊线加噪和平滑图像,在图像中的位置作平移和旋转变换,生成平移和旋转的图像;
改变对比度模块,用于平移和旋转后的图像,使原图像的灰度值成比例变化的对比度图像;
添加背景噪声模块,用纯粹背景图像训练集生成新的背景,并添加到对比度图像上,形成指纹按压图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006101132412A CN101149787B (zh) | 2006-09-20 | 2006-09-20 | 一种基于方向场模型和Gabor滤波器指纹合成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006101132412A CN101149787B (zh) | 2006-09-20 | 2006-09-20 | 一种基于方向场模型和Gabor滤波器指纹合成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101149787A CN101149787A (zh) | 2008-03-26 |
CN101149787B true CN101149787B (zh) | 2010-09-08 |
Family
ID=39250307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006101132412A Expired - Fee Related CN101149787B (zh) | 2006-09-20 | 2006-09-20 | 一种基于方向场模型和Gabor滤波器指纹合成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101149787B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770570B (zh) * | 2009-01-04 | 2013-09-25 | 茂晖科技股份有限公司 | 高效能指纹影像处理方法 |
EA014284B1 (ru) * | 2009-05-04 | 2010-10-29 | Павел Анатольевич Зайцев | Способ улучшения качества дактилоскопического изображения |
CN102214362B (zh) * | 2011-04-27 | 2012-09-05 | 天津大学 | 基于块的快速图像混合方法 |
CN102799876B (zh) * | 2012-08-02 | 2015-03-11 | 北京海鑫科金高科技股份有限公司 | 重叠指纹图像的分离方法 |
GB2526874A (en) * | 2014-06-06 | 2015-12-09 | Secr Defence | Synthetic latent fingerprint images |
CN104537648A (zh) * | 2014-12-15 | 2015-04-22 | 深圳云派思科技有限公司 | 一种指静脉仿生纹理特征和线状纹理特征的融合及编码方法 |
CN104504370A (zh) * | 2014-12-15 | 2015-04-08 | 广东智冠信息技术股份有限公司 | 一种结合仿生纹理特征和线状纹理特征的手指静脉识别方法 |
CN106156568B (zh) * | 2015-03-24 | 2020-03-24 | 联想(北京)有限公司 | 一种生物信息识别模块及电子设备 |
CN104951761B (zh) * | 2015-06-12 | 2020-01-31 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN107091702B (zh) * | 2016-02-17 | 2020-06-02 | 北京小米移动软件有限公司 | 压力检测方法和装置 |
CN105812068B (zh) * | 2016-03-23 | 2018-05-04 | 国家电网公司 | 一种基于高斯分布加权的噪声抑制方法及装置 |
CN107506742A (zh) * | 2017-09-05 | 2017-12-22 | 哈尔滨理工大学 | 基于条纹模式的指纹方向特征获取方法 |
CN107784271B (zh) * | 2017-09-27 | 2021-02-09 | Oppo广东移动通信有限公司 | 指纹识别方法及相关产品 |
CN116758593A (zh) * | 2023-08-17 | 2023-09-15 | 荣耀终端有限公司 | 假体指纹模型及其制造方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN1632823A (zh) * | 2003-12-24 | 2005-06-29 | 中国科学院自动化研究所 | 自动指纹分类***和方法 |
-
2006
- 2006-09-20 CN CN2006101132412A patent/CN101149787B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN1632823A (zh) * | 2003-12-24 | 2005-06-29 | 中国科学院自动化研究所 | 自动指纹分类***和方法 |
Non-Patent Citations (4)
Title |
---|
Jinwei Gu,Jie Zhou,David Zhang.A combination model for orientation field of fingerprints.Pattern Recognition第37卷 第3期.2004,第543-553页. * |
R.Cappelli, A.Erol, D.Maio, D.Maltoni.Synthetic Fingerprint-image Generation.Proceedings. 15th international Conference on Pattern Recognition第3卷.2000,第3卷第471-474页. * |
R.Cappelli, D.Maio, D.Maltoni.An Improved Noise Model for theGenerationofSyntheticFingerprints.8th International Conference on Control Automation,Robostic and Vision第2卷.2004,第2卷第1250-1255页. * |
R.Cappelli, D.Maio, D.Maltoni.Synthetic Fingerprint-Database Generation.Proceedings. 16th international Conference on Pattern Recognition第3卷.2002,第3卷第744-747页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101149787A (zh) | 2008-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101149787B (zh) | 一种基于方向场模型和Gabor滤波器指纹合成方法及*** | |
CN104573731B (zh) | 基于卷积神经网络的快速目标检测方法 | |
CN101246543B (zh) | 基于仿生与生物特征识别的考试者身份鉴定方法 | |
CN106529468A (zh) | 一种基于卷积神经网络的手指静脉识别方法及*** | |
CN102270308B (zh) | 一种基于五官相关aam模型的面部特征定位方法 | |
CN109031421B (zh) | 一种基于深度强化学习的叠加速度谱拾取方法及处理终端 | |
CN109299701A (zh) | 基于gan扩充多人种特征协同选择的人脸年龄估计方法 | |
CN101751555A (zh) | 一种形变指纹识别方法及*** | |
CN109902585A (zh) | 一种基于图模型的手指三模态融合识别方法 | |
CN112686817B (zh) | 一种基于不确定性估计的图像补全方法 | |
CN107169479A (zh) | 基于指纹验证的智能移动设备敏感数据防护方法 | |
CN112686816A (zh) | 一种基于内容注意力机制和掩码先验的图像补全方法 | |
CN102096934A (zh) | 一种基于机器学习的人脸卡通画生成方法 | |
CN109871905A (zh) | 一种基于注意力机制深度模型的植物叶片识别方法 | |
CN108537115A (zh) | 图像识别方法、装置及电子设备 | |
CN108898269A (zh) | 基于度量的电力图像环境影响评估方法 | |
CN102354402B (zh) | 基于风格学习的绘画渲染方法 | |
CN104091145A (zh) | 人体掌脉特征图像采集方法 | |
CN105069745A (zh) | 基于普通图像传感器及增强现实技术的带表情变脸***及方法 | |
CN103336942A (zh) | 一种基于Radon BEMD变换的国画鉴定方法 | |
CN112288645A (zh) | 一种颅骨面貌复原模型构建方法及复原方法与*** | |
CN106874867A (zh) | 一种融合肤色及轮廓筛选的人脸自适应检测与跟踪方法 | |
Fang et al. | A smoothness index based approach for off-line signature verification | |
CN105844667A (zh) | 一种紧凑颜色编码的结构化目标跟踪方法 | |
CN107292273A (zh) | 基于特异扩展八邻域双Gabor掌纹ROI匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100908 Termination date: 20190920 |
|
CF01 | Termination of patent right due to non-payment of annual fee |