CN102270297B - 一种指纹图像增强方法 - Google Patents
一种指纹图像增强方法 Download PDFInfo
- Publication number
- CN102270297B CN102270297B CN 201110205104 CN201110205104A CN102270297B CN 102270297 B CN102270297 B CN 102270297B CN 201110205104 CN201110205104 CN 201110205104 CN 201110205104 A CN201110205104 A CN 201110205104A CN 102270297 B CN102270297 B CN 102270297B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- wave filter
- fingerprint image
- height
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000002708 enhancing effect Effects 0.000 claims abstract description 19
- 238000005728 strengthening Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 20
- 238000005516 engineering process Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
技术领域
本发明涉及计算机科学中指纹识别领域的指纹图像增强方法。
背景技术
指纹识别作为一种基于生物特征的身份认证技术得到越来越广泛的应用。高性能的指纹识别***需要高正确率而且快速的特征提取与匹配算法。特征提取通常经过图像分割、方向计算、图像增强、纹路提取与细化、细节点特征提取与筛选的过程。指纹图像增强用来增强图像中纹路结构,特别是低质量图像的纹路结构,从而可以更准确地提取图像特征。
目前最常用的一种图像增强方法是Hong的基于Gabor滤波器的增强方法(L Hong,Y.F.Wang,A.K.Jain,Fingerprint Image Enhancement:Algorithm and Performance Evaluation,IEEE Transactions on Pattern Analysis and Machine Intelligence 20(8)(1998)777-789.)。该方法的技术方案是将图像与Gabor滤波器进行卷积,Gabor滤波器为:
X=xcosθ+ysinθ
Y=xsinθ-ycosθ
其中x和y是坐标,δx和δy是包络常数(envelope constant),d和θ分别为局部纹路间距和纹路方向。假设图像I的第y行第x列的像素(x,y)灰度为I(x,y),增强后灰度变为E(x,y),增强时取以像素(x,y)为中心、大小为w×w的区域W,区域W的大小为w×w,称w为Gabor滤波器的尺寸,则
在Hong方法中将δx和δy设置为4,并将区域W的大小设置为w×w=11×11,这种设置使得增强的图像会存在明显的方向效应,即局部纹路方向不同增强程度明显不同,特别是对于低对比度的图像。实验表明:将δx和δy设置为d/2,d是局部纹路间距,同时加大滤波器的尺寸w,将w设置为纹路间距的3倍,一般取w为奇数,可以消除增强结果的方向效应。对于500dpi的图像,纹路间距一般分布在5-15个像素,大多数纹路间距在8-10之间。对于纹路间距10,w×w应设置为31×31,才能较好地消除方向效应。w设置越大,需要的增强时间越多,因此加大w会增加增强所需要的运行时间。如何能够既消除方向效应,又缩小滤波器尺寸w是本领域技术人员极为关注的技术问题。
发明内容
本发明要解决的技术问题是:消除方向效应的同时,缩小滤波器尺寸,以减少增强指纹图像需要的运行时间。
为了解决上述技术问题,本发明提出的技术方案为:
第一步,设计一个新的滤波器,该滤波器为:
Y=xsinθ-ycosθ
其中x和y是坐标,d和θ分别为图像的局部纹路间距和纹路方向(例如,如果用该滤波器增强图像像素(x0,y0)的灰度值,则d和θ分别是(x0,y0)处的纹路间距和纹路方向),是函数的自变量,λ=2.181268(λ的取值使得∑-d≤x≤d∑-d≤y≤dc(x,y,d,θ)=0)。待增强的图像I的第y行第x列的像素(x,y)灰度为I(x,y),0≤x≤width-1,0≤y≤height-1,width为图像I的宽度,height为图像I的高度。
第二步,采用滤波器增强指纹图像I,得到增强后的图像E,方法是:
在图像I中取以像素(x,y)(0≤x≤width-1,0≤y≤height-1)为中心,大小为w×w的区域W,w取值为(约为局部纹路间距的2倍)。采用公式(4)对图像I进行增强,得到增强后的图像E,E在(x,y)处的灰度为E(x,y)。
公式(4)中d和θ为(x,y)处的局部纹路间距和纹路方向,x′,y′为区域W内的像素的坐标。对于整幅指纹图像,依次对前景区域的每个像素(利用公开文献中的方法可以计算)利用公式(4)计算增强后的灰度,便可获得增强图像E。一个指纹图像I可以增强多次,增强的次数T由指纹图像质量决定,得到增强图像E的过程为:
2.1t=0,t为增强次数的循环控制变量。
2.2初始化像素(x,y)为图像I左下角像素,x=0,y=0。
2.3若像素(x,y)为背景像素,则:E(x,y)=255,转2.9;若像素(x,y)不为背景像素,执行2.4。
2.5E(x,y)=E(x,y)+I′(x+i,y+j)c(i,j,d,θ),其中
2.6i=i+1。
2.7若转2.5;否则执行2.7.1:
2.8若E(x,y)>255,则E(x,y)=255;若E(x,y)<0,则E(x,y)=0;若0≤E(x,y)≤255,则E(x,y)保持不变。
2.9x=x+1。
2.10若x<width(图像I的宽度),转2.3;否则:
2.10.1x=0,y=y+1;
2.10.2若y<height(图像I的高度),转2.3;否则执行2.11;
2.11t=t+1。
2.12若t<T,将E拷贝到I,转2.2;否则结束,此时E中保存着将I增强T次后
的增强结果。T是增强的次数,由指纹图像质量决定。
增强过程的2.1步初始化控制增强次数的循环变量t=0;从2.2到2.10.2是一次增强;
2.11步将t增1,表示已经增强了t次;2.12步判断是否已经增强了T次,如果还没有达到T次则再执行一次增强过程。与现有方法相比,采用本发明可获得以下有益效果:
附图说明
图1是本发明总体流程图。
图2是用于实验比较的原始图像。
图3是本发明和背景技术基于Gabor滤波器的增强方法对图2所示图像的增强结果对比。
具体实施方式
图1是本发明总体流程图。
第一步,设计一个新的滤波器,该滤波器如公式(3)所示。
第二步,采用滤波器增强指纹图像I,得到增强后的图像E。
图2为用于增强实验的原始图像,该图像来自FVC2000-DB1-100_1。
图3是本发明和背景技术基于Gabor滤波器的增强方法对图2所示图像的增强结果对比。其中(a)和(b)是背景技术基于Gabor滤波器的增强方法将滤波器大小设置为纹路间距的2倍时分别进行1次增强和2次增强获得的增强图像,(a)中可以看出明显的方向效应,即使在(b)中,方向效应也没有完全消除。(c)和(d)是Gabor滤波将滤波器大小设置为纹路间距的3倍时分别进行1次增强和2次增强获得的增强图像,可以看出,(a)中出现的方向效应在(c)中基本消除,经过两次增强获得的(d)已经具有清晰的纹路结构。(e)和(f)是本发明方法设置参数λ=2.181268、且滤波器尺寸w为纹路间距2倍时分别经过1次增强和2次增强获得的结果。(e)已经消除了(a)中出现的方向效应,不同区域纹路的衔接是平滑的。经过2次增强得到的(f)略好于(d),因为(d)中左上部出现纹路相粘或断开的情况,而(f)中的纹路结构增强恢复得更好。(g)和(h)是本发明方法滤波器尺寸w为(d为纹路间距)时分别经过1次增强和2次增强获得的结果。(g)中有明显的方向效应,原因是滤波器尺寸w小于纹路间距的2倍。
总之,背景技术基于Gabor滤波器的增强方法将滤波器大小设置为纹路间距的2倍时存在明显方向效应,为了消除方向效应需要将滤波器大小增加到纹路间距的3倍,从而需要的运行时间是原来的2.25倍。采用本发明,滤波器大小为纹路间距的2倍,不但消除了方向效应,而且没有增加运行时间,且获得的增强结果略好于基于Gabor滤波器的增强方法增大滤波器大小后获得的增强结果。
Claims (1)
1.一种指纹图像增强方法,其特征在于包括以下步骤:
第一步,设计一个滤波器,该滤波器为:
Y=xsinθ-ycosθ
其中x和y是坐标,d和θ分别为局部纹路间距和纹路方向,是函数的自变量,λ=2.181268;待增强的图像I的第y行第x列的像素(x,y)灰度为I(x,y),0≤x≤width-1,0≤y≤height-1,width为图像I的宽度,height为图像I的高度;
第二步,采用滤波器增强指纹图像I,得到增强后的图像E,方法是:
2.1t=0,t为增强次数的循环控制变量;
2.2初始化像素(x,y)为图像I左下角像素,x=0,y=0;
2.3若像素(x,y)为背景像素,则:E在(x,y)处的灰度值E(x,y)=255,转2.9;若像素(x,y)不为背景像素,执行2.4;
2.5 E(x,y)=E(x,y)+I′(x+i,y+j)c(i,j,d,θ),其中
2.6 i=i+1;
2.7若转2.5;否则执行2.7.1:
2.8若E(x,y)>255,则E(x,y)=255;若E(x,y)<0,则E(x,y)=0;若0≤E(x,y)≤255,则E(x,y)保持不变;
2.9 x=x+1;
2.10 若x<width,转2.3;否则:
2.10.1 x=0,y=y+1;
2.10.2 若y<height,转2.3;否则执行2.11;
2.11 t=t+1;
2.12 若t<T,将E拷贝到I,转2.2;否则结束,此时E中保存着将I增强T次后的增强结果,T是增强的次数,由指纹图像质量决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110205104 CN102270297B (zh) | 2011-07-21 | 2011-07-21 | 一种指纹图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110205104 CN102270297B (zh) | 2011-07-21 | 2011-07-21 | 一种指纹图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102270297A CN102270297A (zh) | 2011-12-07 |
CN102270297B true CN102270297B (zh) | 2012-12-19 |
Family
ID=45052599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110205104 Expired - Fee Related CN102270297B (zh) | 2011-07-21 | 2011-07-21 | 一种指纹图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102270297B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI595449B (zh) * | 2015-12-30 | 2017-08-11 | 國立中正大學 | 影像增強方法 |
CN105844265B (zh) * | 2016-06-07 | 2019-07-16 | Oppo广东移动通信有限公司 | 一种指纹图像处理方法和装置 |
CN111695386B (zh) * | 2019-03-15 | 2024-04-26 | 虹软科技股份有限公司 | 一种指纹图像增强、指纹识别和应用程序启动方法 |
CN112884756A (zh) * | 2021-03-12 | 2021-06-01 | 敦泰电子(深圳)有限公司 | 一种指纹图像处理方法、指纹芯片及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400836B2 (en) * | 1998-05-15 | 2002-06-04 | International Business Machines Corporation | Combined fingerprint acquisition and control device |
JP5206218B2 (ja) * | 2008-08-20 | 2013-06-12 | 富士通株式会社 | 指紋画像取得装置、指紋認証装置、指紋画像取得方法及び指紋認証方法 |
CN101576999B (zh) * | 2009-06-01 | 2012-10-17 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
-
2011
- 2011-07-21 CN CN 201110205104 patent/CN102270297B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102270297A (zh) | 2011-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Fingerprint classification based on extraction and analysis of singularities and pseudo ridges | |
CN104834922B (zh) | 基于混合神经网络的手势识别方法 | |
Yao et al. | A new pedestrian detection method based on combined HOG and LSS features | |
CN101763507B (zh) | 人脸识别方法及人脸识别*** | |
CN108734694A (zh) | 基于faster r-cnn的甲状腺肿瘤超声图像自动识别方法 | |
CN108009472B (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
CN104239856B (zh) | 基于Gabor特征和自适应线性回归的人脸识别方法 | |
CN104680127A (zh) | 手势识别方法及*** | |
CN101833658B (zh) | 一种复杂光照人脸识别的光照不变量提取方法 | |
CN102722699A (zh) | 基于多尺度韦伯局部特征和核组稀疏表示的人脸识别方法 | |
CN103745237A (zh) | 光照变化条件下的人脸识别算法 | |
CN104504721A (zh) | 一种基于Gabor小波变换纹理描述的非结构化道路检测方法 | |
CN111639558A (zh) | 一种基于ArcFace Loss和改进残差网络的指静脉身份验证方法 | |
CN102270297B (zh) | 一种指纹图像增强方法 | |
Almazán et al. | Deformable hog-based shape descriptor | |
CN102254172A (zh) | 一种基于细胞神经网络和形态学的指纹图像分割方法 | |
CN103246877B (zh) | 基于图像轮廓的人脸识别新方法 | |
CN103839066A (zh) | 一种源于生物视觉的特征提取方法 | |
Zhu et al. | A robust stamp detection framework on degraded documents | |
US10872225B2 (en) | Instantaneous search and comparison method for large-scale distributed palm vein micro-feature data | |
CN110458773A (zh) | 一种基于边缘增强算子的各向异性扩散噪声处理方法 | |
CN103473546B (zh) | 一种基于结构张量的指纹方向场获取方法 | |
CN104008389A (zh) | 结合Gabor小波和SVM进行物体识别的方法 | |
Mannan et al. | Optimized segmentation and multiscale emphasized feature extraction for traffic sign detection and recognition | |
CN105069402A (zh) | 一种面向人脸识别的改进鲁棒稀疏编码算法 |
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: 20121219 |
|
CF01 | Termination of patent right due to non-payment of annual fee |