CN103810470A - 生物信息校正设备、方法以及计算机可读记录介质 - Google Patents

生物信息校正设备、方法以及计算机可读记录介质 Download PDF

Info

Publication number
CN103810470A
CN103810470A CN201310571648.XA CN201310571648A CN103810470A CN 103810470 A CN103810470 A CN 103810470A CN 201310571648 A CN201310571648 A CN 201310571648A CN 103810470 A CN103810470 A CN 103810470A
Authority
CN
China
Prior art keywords
biometric image
biological information
unit
characteristic amount
change degree
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.)
Pending
Application number
CN201310571648.XA
Other languages
English (en)
Inventor
安部登树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN103810470A publication Critical patent/CN103810470A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)

Abstract

公开了生物信息校正设备、方法以及计算机可读记录介质。该生物信息校正方法包括：关于表示用户的生物信息的第一生物图像施加校正处理，以提高所述用户的生物信息的清晰度，由此产生第二生物图像；从所述第一生物图像中提取表示所述生物信息的特征的第一特征量，并且从所述第二生物图像中提取表示所述生物信息的特征的第二特征量；计算表示所述第一特征量与所述第二特征量之间的差异的改变度；以及在所述改变度表示所述第二生物图像中已经产生伪像时，输出所述第一特征量。

Description

生物信息校正设备、方法以及计算机可读记录介质
技术领域
本公开内容涉及一种对在生物图像（biometric image）上捕获的生物信息进行校正的生物信息校正设备和生物信息校正方法，以及用于生物信息校正的计算机程序。
背景技术
最近已经开发出了一种生物认证（biometric authentication）技术，该生物认证技术使用生物信息（如指纹或掌纹）来判定是否要认证个体。生物认证技术广泛用于具有大量注册用户的大规模***（如出入管理***）、用于控制寄宿生（boarder）的***以及对由个体使用的小规模装置（如计算机或便携式终端）使用国家识别***的***。
例如，当手指中的任意一个手指用作生物信息时，生物认证设备获取表示指纹的生物图像作为输入生物图像。然后，生物认证设备将输入生物信息与注册生物信息进行匹配，其中，输入生物信息对应于输入生物图像中所表示的用户的指纹，而注册生物信息对应于已经预先注册的注册用户的生物图像中所表示的指纹。当基于匹配处理的结果判定输入生物信息与注册生物信息一致时，生物认证设备将用户认证为具有有效授权的注册用户。此外，生物认证设备使得认证用户能够使用其中***了生物认证设备的设备或连接至生物认证设备的另一设备。
当传感器读取生物信息时，由于用户的活体（living body）中包括用户的生物信息的那个部分的表面状态，或者由于读取生物信息时该部分的移动，在生物图像上所捕获的生物信息的质量可能劣化。例如，当用户将他或她的手指过度地按压在传感器上时，脊线会被压扁（squash）并且生物图像上的对应于脊线的像素与对应于谷线的像素之间的亮度差异变小，从而指纹变得不清晰。另外，当手指的表面湿或干时，在生物图像上所捕获的指纹可能会变得不清晰。如上面所描述的，当具有所捕获的不清晰的生物信息的生物图像用于生物认证时，生物认证设备不能够准确地提取表示生物信息的特征的特征量。因此，认证准确性有可能劣化。
因此，已经提出了一种对在生物图像上捕获的生物信息进行校正的技术。例如，参见日本特许公开专利公布2006-72553、日本特许公开专利公布2007-202912、日本特许公开专利公布2011-150483和日本特许公开专利公布H09-62836。
日本特许公开专利公布2006-72553公开了一种技术，在该技术中，当生物信息数据的校正不必要时将输入的生物信息数据原样输出。然而，当生物信息数据的校正必要时，对输入的生物信息数据执行预定的校正处理以输出经历了校正处理的经校正生物信息数据。另外，在该技术中，当生物信息数据并未经历校正处理时，根据正常评估标准对生物信息的质量进行评估。然而，当生物信息数据已经经历校正处理时，提高评估标准以对经校正生物信息数据的质量进行评估。此外，当生物信息数据的质量满足评估标准时，对从生物信息数据中提取的独特的特征数据进行注册。
日本特许公开专利公布2007-202912公开了一种技术，在该技术中，选择幅值的绝对值大于或等于预定阈值的频率分量，并且当所选择的频率分量满足适于匹配处理的像素的质量时，基于所选择的频率分量对该像素进行重新配置。
日本特许公开专利公布2011-150483已经提出了一种技术，在该技术中，包括指纹或掌纹的梯度图像基于脊线方向分布数据而被强调，其中该脊线方向分布数据表示指纹或掌纹的脊线的形状的方向分布。另外，日本特许公开专利公布H09-62836公开了一种图像处理方法，在该图像处理方法中，对于除了具有大于预定阈值的边缘程度的边缘区域以外的边缘区域执行抑制边缘加强处理或不执行边缘加强。
发明内容
根据本公开内容的一方面，提供了一种生物信息校正方法，该方法包括：关于表示用户的生物信息的第一生物图像施加校正处理，以提高所述用户的生物信息的清晰度，由此产生第二生物图像；从所述第一生物图像中提取表示所述生物信息的特征的第一特征量，并且从所述第二生物图像中提取表示所述生物信息的特征的第二特征量；计算表示所述第一特征量与所述第二特征量之间的差异的改变度；以及在所述改变度表示所述第二生物图像中已经产生伪像时，输出所述第一特征量。
将通过在权利要求中特别指出的元件和组合来实现和获得本发明的目的和优点。应当理解的是，前述概括的描述和下面详细的描述两者都是示例性的和说明性的，并且不对要求保护的本发明构成限制。
附图说明
图1是与生物信息校正设备的第一实施例相对应的生物认证设备的示意性配置。
图2是根据第一实施例的处理单元的功能框图。
图3A是示出了校正前生物图像的示例的图，而图3B是示出了校正后生物图像的示例的图。
图4是示出了生物信息校正处理的操作流程图的图。
图5是示出了用于示出生物认证处理的操作流程图的图。
图6是配备有根据每个实施例或其修改的生物信息处理设备的示例性计算机***的示意性配置。
具体实施方式
期望对生物图像进行校正以使得已在生物图像上捕获的生物信息清晰化。同时，生物图像的校正有可能导致与生物图像的生物信息的伪特性相对应的伪像。例如，对捕获有指纹的生物图像进行校正，使得可能产生脊线的伪分叉点，或者作为脊线的分叉点的点可能变成脊线的端点。此外，当在例如输入生物图像或注册生物图像上产生伪像时，即使用户是注册用户本身，输入生物信息与注册生物信息之间的差异也变大，因而生物认证设备可能会无法认证用户。另外，存在一种担心：当将在一种***中产生的表示生物信息的特征的用于匹配的数据实施到另一***中时，性能兼容性可能降低。
因此，本公开内容的一个方面意在提供一种生物信息校正设备，在该生物信息校正设备中，使得生物信息清晰化，同时抑制在生物图像上所捕获的生物信息的伪像的产生。
根据实施例，提供了一种生物信息校正设备。生物信息校正设备包括：校正单元，该校正单元被配置成对表示用户的生物信息的第一生物图像施加校正处理以产生第二生物图像，其中该校正处理提高生物信息的清晰度；特征量提取单元，该特征量提取单元被配置成从第一生物图像中提取表示生物信息的特征的第一特征量并从第二生物图像中提取表示生物信息的特征的第二特征量；改变度计算单元，该改变度计算单元被配置成计算表示第一特征量与第二特征量之间的差异的改变度；以及判定单元，该判定单元被配置成在改变度的值是表示第二生物图像上产生了生物信息的伪像的估计值的情况下输出第一特征量。
本公开内容的目的和优点通过在权利要求中特别指定的元件及其组合来实施和实现。应当理解的是，上面所描述的技术以及下面将要详细描述的技术是说明性的和解释性的，并不意在将本公开内容限制为权利要求中所阐述的事项。
在下文中，将参照附图对根据各种实施例的生物信息校正设备进行描述。生物信息校正设备从在用户的生物信息的注册或匹配时获取的表示生物信息的生物图像中提取表示生物信息的特征的特征量，并且在关于该生物图像执行校正处理之后还再次提取特征量。此外，生物信息校正设备评估校正处理之前的时间和校正处理之后的时间的特征量的改变，以判定是否产生伪像，并且重复校正处理直到估计到产生了伪像或生物信息变得清晰为止。
在本实施例中，生物图像处理设备使用多个手指中的任何一个手指的指纹作为用于生物认证的目标生物信息。然而，用于生物认证的目标生物信息可以是生物图像上可表示的其它生物信息，如掌纹或手掌的静脉图案。另外，在本申请中，术语“匹配处理”用于表示下述处理：在该处理中，计算表示用户的生物信息与注册用户的生物信息之间的差异度和相似度的指标。另外，术语“生物认证处理”用于表示整个的认证处理，其不仅包括匹配处理，而且还包括使用由匹配处理获得的指标来判定是否要认证用户的处理。
图1示出了与生物信息校正设备的第一实施例相对应的生物认证设备的示意性配置。如图1所示，生物认证设备1包括显示单元2、输入单元3、生物信息获取单元4、存储单元5和处理单元6。可以与容纳有存储单元5和处理单元6的壳体相分离地安装显示单元2、输入单元3和生物信息获取单元4。可替代地，显示单元2、输入单元3、生物信息获取单元4、存储单元5和处理单元6可以容纳在单个壳体中，如容纳在所谓的笔记本PC（个人电脑）或平板型终端中。另外，生物认证设备1还可以包括用于访问存储介质（如磁盘、半导体存储卡和光学存储介质）的存储介质访问设备（未示出）。此外，生物认证设备1可以通过例如存储介质访问设备来加载和读取存储在存储介质中的且在处理单元6上执行的用于生物认证处理的计算机程序，并且根据计算机程序执行生物认证处理。
生物认证设备1将由生物信息获取单元4使用表示指纹的生物图像来产生的用户手指的指纹与注册用户的指纹进行匹配，以执行生物认证处理。此外，当判定作为生物认证处理的结果而将用户认证为多个注册用户中的任何一个注册用户时，生物认证设备1使得用户能够使用配备有生物认证设备1的设备。可替代地，生物认证设备1向另一设备（未示出）发送表示用户被认证的信号，以使得用户能够使用该另一设备。
显示单元2包括显示装置，诸如例如液晶显示器。此外，显示单元2显示例如用于表示用于匹配的那个部分（例如，多个手指中的任何一个手指）的消息或者用于将该部分放置在下述位置上的指导消息：在该位置中，生物信息获取单元4可以关于该用户获取适当的生物图像。另外，显示单元2显示用于表示由处理单元6执行的生物认证处理的结果的消息或与应用相关的各种信息。
输入单元3包括用户接口，诸如例如键盘、鼠标和触摸板。此外，通过输入单元3输入的命令、数据或用户的用户名被传送至处理单元6。然而，当用户不需要在生物认证设备1中输入除了生物信息以外的信息时，可以省略输入单元3。
生物信息获取单元4包括使用例如区域传感器的指纹传感器。指纹传感器可以是采用例如光学方法、静电方法、电场方法和热敏方法中的任何一种方法的传感器。此外，生物信息获取单元4在用户将手指放置在指纹传感器的传感器表面上时获取用户手指的表面的图像，以产生捕获有指纹的生物图像。另外，生物信息获取单元4可以包括滑动型指纹传感器。在这种情况下，当在指纹传感器上滑动手指时，生物信息获取单元4在预定时间间隔处产生连续的部分图像。在部分图像中捕获手指的表面的指纹的一部分，并且将多个部分图像以图像产生时间顺序互相连接，使得组合了捕获有手指的整个指纹的生物图像。
每当产生了生物图像时，生物信息获取单元4将所产生的生物图像传送至处理单元6。
存储单元5包括例如非易失性半导体存储器和易失性半导体存储器。此外，存储单元5存储例如由生物认证设备1使用的应用程序以及用户名、用户标识号、至少一个注册用户的个人设置信息和各种设置信息。另外，存储单元5存储用于执行生物认证处理的程序。另外，存储单元5针对每个注册用户来存储特征量信息连同该注册用户的标识信息，其中，特征量信息包括与注册用户的注册生物信息相对应的、注册用户的特定手指的指纹的特征量，而注册用户的标识信息诸如注册用户的用户名或用户标识号。该特征量信息包括例如从注册生物图像中提取的细节（如脊线的端点或分支点）的类型和位置，其中注册生物图像与表示注册生物信息的生物图像相对应。另外，该特征量信息可以包括表示指纹的特征的其它特征量，这些特征诸如局部脊线方向、涡中心的形状、三角形的位置和数量。另外，存储单元5可以临时存储从生物信息获取单元4接收的生物图像以及已经经历校正处理的经校正生物图像。
处理单元6包括一个或多个处理器及其***电路。此外，处理单元6对从生物信息获取单元4获取的生物图像进行校正。另外，处理单元6使用经校正生物图像执行生物认证处理或注册处理。
图2是处理单元6的功能框图。如图2所示，处理单元6包括质量评估单元11、校正信息设置单元12、校正单元13、特征量提取单元14、改变度计算单元15、判定单元16、匹配单元17、认证判定单元18和注册单元19。处理单元6中包括的这些单元中的每个单元都是由在处理单元6中包括的处理器上执行的计算机程序所提供的功能模块。可替代地，处理单元6中包括的这些单元中的每个单元可以作为固件安装在生物认证设备1中。
在本实施例中，处理单元6判定生物图像或通过对该生物图像执行校正处理所获得的经校正生物图像的质量是否满足预定标准，以及由于校正处理的执行而导致的特征量的改变度是否大到足以估计出现了伪像。另外，处理单元6重复校正处理，直到生物图像或经校正生物图像的质量满足预定标准或估计出现了伪像为止。
在生物认证处理和注册处理两者中使用质量评估单元11、校正信息设置单元12、校正单元13、特征量提取单元14、改变度计算单元15和判定单元16。此外，在生物认证处理中使用匹配单元17和认证判定单元18。同时，在注册处理中使用注册单元19。因此，在下面的描述中，首先将描述由对生物认证处理和注册处理共同的每个单元所执行的处理。
质量评估单元11计算质量值，该质量值对应于在从生物信息获取单元4中接收的生物图像上所捕获的生物信息的质量或经校正生物图像的质量的评估值。另外，质量评估单元11针对生物图像和经校正生物图像两者执行相同的处理，因而在下面的描述中，将通过计算生物图像的质量值来描述质量评估单元11的细节。
质量评估单元11将生物图像划分成多个块。在本实施例中，每个块具有矩形形状，并且质量评估单元11还将生物图像在水平方向上划分成M块并在竖直方向上划分成N块，以待被布置在晶格结构中（M和N为二或更大的整数），使得在每个块中包括多个脊线。例如，在生物信息获取单元4具有500dpi的分辨率的情况下，每个块在尺寸上为24×24像素或32×32像素。
质量评估单元11计算每个块的生物图像的质量值Q（i，j）（i表示在水平方向上从图像的左端起的块的编号而j表示在竖直方向上从图像的上端起的块的编号）。例如，质量评估单元11基于表示在块上所捕获的指纹的一部分的复杂度的指标F（i，j）来计算质量值Q（i，j）。指标F（i，j）可以是根据例如对比度、峰值频率、或亮度值的统计数据（如亮度值的方差）而计算的值。
对比度被计算为例如块中的亮度值的最大值与亮度值的最小值之间的差。另外，峰值频率被获得为从频率转换处理（如傅里叶变换）获得的各个频率分量当中除了零阶频率分量以外具有最高强度的频率分量。
此外，例如根据下面的公式来计算基于针对每个块所计算的亮度值的方差的指标。
F ( i , j ) = 1 1 + Var ( i , j ) - - - ( 1 )
在此，Var（i，j）表示关于块（i，j）所计算的亮度值的方差。在指纹不清晰的块中，脊线与谷线之间的区分不清晰，使得块中的各像素的相应亮度值之间的差异小。结果，方差也变小。因此，当亮度值的方差变小时，根据公式（1）的指标F（i，j）的值变大。
可替代地，质量评估单元11可以根据下面的公式计算指标F（i，j）。
F ( i , j ) = stddev mean - - - ( 2 )
在此，“mean”表示块（i，j）中的各像素的亮度值的平均值，而“stddev”表示关于块（i，j）的亮度值的标准方差。
另外，质量评估单元11可以基于纹理特征量（诸如例如每个块的熵或能量）来计算块的指标F（i，j）。另外，质量评估单元11可以将块的指标F（i，j）定义为通过组合各种统计数据（如对比度、峰值频率、亮度值的方差）而获得的值。然而，当块中所捕获的形状变得更复杂时，指标F（i，j）的值可变得更高。因此，在这种情况下，质量估计单元11通过将各个统计数据除以例如最大可能的值来对各个统计数据进行归一化，并且将各个归一化的统计数据的总和定义为指标F（i，j）。
质量评估单元11根据例如下面的公式计算每个块的质量值Q（i，j）。
Q ( i , j ) = F ( i , j ) - F min F max - F min - - - ( 3 )
在此，Fmax和Fmin中的每个分别表示针对每个块计算的特征量所能采取的最大值和最小值。如从公式（3）中明显看出的，在本实施例中，每个块的质量值Q（i，j）表示由特征量所能采取的最大值与最小值之间的差来归一化的该块的复杂度，并且具有在从0（零）到1（一）的范围中变动的值。
另外，质量评估单元11可以仅针对包括在下述区域中的块来计算质量值Q（i，j）：在该区域中，在生物图像或经校正生物图像上捕获了生物信息。在这种情况下，在本实施例中，质量评估单元11对例如生物图像的每个像素的亮度值进行二值化以区分表示脊线的像素和表示谷线的像素。二值化的阈值可以是例如生物图像的亮度值的平均值。此外，质量评估单元11判定与脊线相对应的包括预定数量像素或更多像素（例如，对应于块区域的四分之一的像素数量）的块被包括在指纹被捕获的区域中。
质量评估单元11计算每个块的质量值Q（i，j）的平均值，并且将该平均值传送到判定单元16，作为在生物图像或经校正生物图像上所捕获的生物信息的质量值（Qav）。
校正信息设置单元12设置对生物图像或经校正生物图像执行的校正处理的等级。校正单元13根据设置等级来关于例如生物图像或经校正生物图像执行对比度增强处理、噪声移除处理和边缘加强处理中的一个，因而提高了生物信息的清晰度。
例如，假定校正单元13根据下面的公式（4）关于生物图像或经校正生物图像中的每个像素执行对比度增强处理。
q = 255 × ( p 255 ) 1 r - - - ( 4 )
在此，p是校正之前的像素的亮度值，而q是校正之后的像素的亮度值。此外，γ是表示对比度增强的程度的校正系数。随着γ变得较小，校正后生物图像的对比度变得更加被增强。在这种情况下，作为校正处理的等级，校正信息设置单元12将校正系数γ的值设置成下述值：利用该值，在校正处理执行一次期间生物信息变得清晰并且不产生伪像，具体地，校正信息设置单元12将校正系数γ的值设置成小于1（一）的正值，例如0.8。
另外，当相对于生物图像中所捕获的指纹而言，脊线被捕获的脊线区域的尺寸与谷线被捕获的谷线区域的尺寸近似相同时，生物图像上的相互相邻的脊线相对清晰地彼此分隔开，从而生物信息的伪像较小。因此，当校正单元13执行公式（4）的对比度增强处理时，校正信息设置单元12可以确定校正系数γ，使得亮度值大于对脊线和谷线进行区分的二值化阈值的像素的数量变得与亮度值小于或等于二值化阈值的像素的数量近似相同。
此外，当校正单元13对生物图像或经校正生物图像执行中值滤波处理作为噪声移除处理时，校正信息设置单元12将中值滤波器尺寸设置成例如3×3像素或5×5像素作为校正处理的等级。
另外，当校正单元13关于生物图像或经校正生物图像执行加博滤波（Gabor filtering）处理作为边缘加强处理时，校正信息设置单元12将在边缘加强处理执行一次期间的加博滤波处理的应用的数量设置成例如2（二）或3（三）。
另外，校正单元13可以在关于生物图像或经校正生物图像执行短时傅里叶变换（STFT）或小波变换以及将特定频率分量乘以校正系数以强化该特定频率分量之后执行逆变换。在这种情况下，校正信息设置单元12将要乘以特定频率分量的校正系数的值设置成例如大约1.2至2.0。
另外，校正信息设置单元12可以针对每个块来估计包括在每个块中的脊线的方向，并且使得在与脊线的方向平行的方向上的校正处理的等级不同于在与脊线的方向垂直的方向上的校正处理的等级。例如，当应用一维加博滤波器作为校正处理时，校正信息设置单元12可以将加博滤波器的方向设置成与脊线的方向垂直。此外，当应用中值滤波器时，校正信息设置单元12可以在与脊线的方向平行的方向上将中值滤波器的尺寸设置成相对大的尺寸，诸如例如5像素，而在与脊线的方向垂直的方向上将中值滤波器的尺寸设置成相对小的尺寸，诸如例如3像素。
另外，为了估计块中所包括的脊线的方向，例如，校正信息设置单元12针对每个块执行频率转换以在各个方向上检查频率分量，并获得与脊线之间的间隙相对应的各频率分量当中的具有最高频率分量的方向。将与脊线的方向垂直的方向估计为与脊线之间的间隙相对应的各频率分量当中的具有最高频率分量的方向。因此，校正信息设置单元12将与脊线之间的间隙相对应的频率分量当中的具有最高频率分量的方向定义为脊线的方向。此外，校正信息设置单元12可以根据估计脊线的方向的各种方法中的任何一种方法来估计每个块的脊线的方向。
校正信息设置单元12向校正单元13通知校正处理的设置等级。
校正单元13根据从校正信息设置单元12通知的校正处理的等级关于生物图像或经校正生物图像执行校正处理，如对比度增强处理、噪声移除处理和边缘加强处理。如上面所描述的，当执行例如对比度增强处理时，校正单元13使用从校正信息设置单元12通知的校正系数γ的值根据公式（4）对生物图像或经校正生物图像的像素的亮度值进行校正。另外，当执行例如噪声移除处理时，校正单元13对生物图像或经校正生物图像应用具有从校正信息设置单元12通知的滤波器尺寸的中值滤波器。另外，当执行例如边缘加强处理时，校正单元13按照从校正信息设置单元12通知的加博滤波处理应用的次数来关于生物图像或经校正生物图像重复地执行加博滤波处理。
校正单元13将通过执行校正处理获得的经校正生物图像存储在存储单元5中。
特征量提取单元14从生物信息图像或经校正生物图像中提取表示生物信息的特征的特征量。在本实施例中，特征量提取单元14获得例如对应于特性指纹的结构的细节（如指纹的脊线的分叉点和端点）的位置作为特征量。为此，特征量提取单元14例如对生物图像的每个像素的亮度值进行二值化，以区分表示脊线的像素和表示谷线的像素。二值化的阈值可以是例如生物图像的亮度值的平均值。接下来，特征量提取单元14关于二值化的生物图像关于具有与脊线相对应的亮度值的像素执行细化处理（thinning process），以使得连接表示脊线的像素的线是具有例如一个像素的宽度的细线。此外，特征量提取单元14使用具有对应于脊线的分叉点或端点的二值化图案的多个掩模图案对细线化的生物图像进行扫描，以当生物图像与掩模图案中的任何一个一致时，检测生物图像上的位置。此外，特征量提取单元14将检测到的位置的中心像素定义为细节，并将一致的掩模图案所表示的细节（例如，分叉点或端点）的类型定义为检测到的细节的类型。
此外，特征量提取单元14可以使用获得端点或分叉点作为细节的另一已知方法从生物图像中提取细节。
特征量提取单元14将包括特征量的特征量信息存储在存储单元5中，其中特征量诸如所提取的细节的总数量、每个细节的类型和生物图像上的位置。
改变度计算单元15计算下述改变度：该改变度表示在进行校正单元13的校正之前和之后的特征量之间的差异。在下面的描述中，为了方便，从生物信息获取单元4获取的原始生物图像或由校正单元13在当前之前的先前时间处校正的经校正生物信息图像被称为校正前生物图像，而通过正在经历由校正单元13执行的校正处理所获得的图像被称为校正后生物图像。
图3A是示出了校正前生物图像的示例的图，而图3B是示出了校正后生物图像的示例的图。以校正后生物图像310中的分叉点311替代了在校正前生物图像300中捕获的指纹的端点301。此外，在校正前生物图像300中捕获的指纹的端点302被移动到校正后生物图像310中的相邻脊线的端点312，该相邻脊线在校正之前不具有端点。改变度计算单元15基于细节类型在校正前后被改变的细节组（如端点301和分叉点311）的数量以及校正前后的细节的位置改变（如端点302和端点312）来计算改变度。
改变度计算单元15为从校正前生物图像中提取的每个细节指定从校正后生物图像中提取的细节当中的最接近的细节，以获得一组相应的细节。此外，改变度计算单元15针对每组细节获得细节之间的距离，并且计算距离的平均值MD。
此外，改变度计算单元15计算多组细节的数量DN，其中，在这多组细节当中细节的类型互不相同。此外，改变度计算单元15可以将校正前生物图像的细节当中的下述细节的数量添加至DN：针对该细节，在校正后生物图像中距该细节的位置预定距离内不存在其它细节。另外，预定距离是与相邻脊线之间的间隙相对应的像素的数量。此外，改变度计算单元15将DN除以多组细节的总的数量（totalNum（总数）），以计算用于表示由于校正处理而改变的细节类型的比率的比率DR。此外，改变度计算单元15根据下面的公式（5）计算改变度FVR。
FVR=MD×α(1-DR)               (5)
另外，α是预定义的常数并且被设置成约例如0.1至0.5。如从公式（5）中明显可见的，当细节的位置或类型由于校正处理的执行而逐渐改变时，FVR变为较大的值。
改变度计算单元15将FVR传送至判定单元16。
判定单元16基于Qav和FVR来判定是输出从校正前生物图像中提取的特征量还是输出从校正后生物图像中提取的特征量。另外，判定单元16基于Qav和FVR判定关于校正后生物图像是否要重复校正处理。
在本实施例中，当从生物信息获取单元4中接收的生物图像的Qav大于或等于质量判定阈值（Thqm）时，判定单元16判定不执行校正处理。此外，判定单元16从存储单元5中读取从生物图像中获取的特征量，以将该特征量输出至注册单元19或匹配单元17。类似地，当校正后生物图像的Qav变得大于或等于Thqm时，判定单元16判定不再执行校正处理。此外，判定单元16从存储单元5中读取从校正后生物图像中获取的特征量信息，以将该特征量信息输出至注册单元19或匹配单元17。另外，Thqm被设置成下述的质量值的最低值（例如0.6）：在该值处计算Qav的生物图像可被视为用于生物认证处理的适当的生物图像，例如在生物图像中所捕获的所有细节可被提取的质量值的最低值。
另外，当FVR大于改变度阈值Thvr时，判定单元16判定伪像有可能被包括在从校正后生物图像提取的特征量中。因此，判定单元判定不再执行校正处理。在这种情况下，判定单元16从存储单元5中读取从校正前生物图像获取的特征量信息，以将特征量信息输出至注册单元19或匹配单元17。另外，Thvr被设置成下述的改变度的最低值：其超过生物图像上所表示的图形的周期图案的间隙。例如，当生物信息获取单元4具有500dpi的分辨率，指纹的周期图形图案之间的间隙、即相邻脊线之间的间隙变为约8个像素时，Thvr可以被设置成约8±2的值。
同时，当关于校正前生物图像的Qav低于Thqm以及FVR等于或低于Thvr时，判定单元16判定要关于校正前生物图像执行校正处理。此外，判定单元16使得校正单元13关于校正前生物图像执行校正处理。
图4是由处理单元6执行的生物信息校正处理的操作流程图。处理单元6从生物信息获取单元4获取其中用户的指纹被捕获的生物图像（步骤S101）。处理单元6的特征量提取单元14从生物图像中提取特征量（步骤S102）。此外，特征量提取单元14将特征量存储在存储单元5中。此外，处理单元6的质量评估单元11计算生物图像的Qav（步骤S103）。此外，质量评估单元11将Qav传送至处理单元6的判定单元16。
判定单元16判定Qav是否大于或等于Thqm（步骤S104）。当判定Qav大于或等于Thqm（在步骤S104为“是”）时，判定单元16输出存储单元5中存储的从原始生物图像中提取的特征量信息（步骤S105）。此外，处理单元6结束生物信息校正处理。
同时，当判定Qav小于Thqm（在步骤S104为“否”）时，处理单元6的校正信息设置单元12设置校正信息（步骤S106）。此外，校正信息设置单元12向处理单元6的校正单元13通知校正信息。校正单元13根据通知的校正信息关于校正前生物图像执行校正处理，以产生校正后生物图像（步骤S107）。此外，由于第一校正处理中并未产生经校正生物图像，原始生物图像变为校正前生物图像。同时，在第二校正处理之后的校正处理中，由先前时间执行的校正处理产生的校正后的生物图像变为要在当前校正处理中执行的校正前的生物图像。此外，校正单元13使用校正后生物图像来更新存储在存储单元5中的校正前生物图像。
特征量提取单元14从校正后生物图像中提取特征量信息（步骤S108）。此外，特征量提取单元14将先前时间提取的特征量信息与表示特征量信息是先前提取的旧标志相关联，并同时将从校正后生物图像中提取的特征量信息存储在存储单元5中。另外，质量评估单元11计算校正后生物图像的Qav（步骤S109）。此外，质量评估单元11将Qav传送至判定单元16。
判定单元16判定Qav是否大于或等于Thqm（步骤S110）。当判定Qav大于或等于Thqm（在步骤S110为“是”）时，判定单元16输出存储单元5中存储的从校正后生物图像中提取的特征量信息（步骤S111）。此外，处理单元6结束生物信息校正处理。
同时，当判定Qav小于Thqm（在步骤S110为“否”）时，处理单元6的改变度单元15计算校正之前的时间和校正之后的时间的特征量的FVR（步骤S112）。此外，改变度计算单元15将FVR通知给判定单元16。
判定单元16判定FVR是否小于Thvr（步骤S113）。当判定FVR小于Thvr（在步骤S113为“是”）时，存在并未在校正后生物图像中产生生物信息的伪像的很高可能性。因此，处理单元6再次执行步骤S106之后的处理。
同时，当判定FVR大于或等于Thvr（在步骤S113为“否”）时，存在在校正后生物图像中已经产生生物信息的伪像的很高可能性。因此，判定单元16输出与旧标记相关联的特征量信息，即，从校正前生物图像中提取的特征量信息（步骤S114）。此外，处理单元6结束生物信息校正处理。
生物认证处理
图5是由处理单元6执行的生物认证处理的操作流程图。处理单元6通过输入单元3获取用于指定用于认证的注册用户的用户名或用户标识号（步骤S201）。另外，处理单元6从生物信息获取单元4接收输入生物图像，该输入生物图像捕获有与意在被认证的用户的生物信息相对应的输入生物信息。此外，处理单元6关于输入生物图像执行生物信息校正处理，以提取表示在输入生物图像中捕获的用户的输入生物信息的输入特征量信息（步骤S202）。
匹配单元17从存储单元5中读取注册的特征量信息，该注册的特征量信息表示由例如通过输入单元3输入的用户名指定的注册用户的注册生物信息的特征。此外，匹配单元17将输入特征量与注册特征量进行匹配，以计算输入生物信息与注册生物信息之间的相似度（步骤S203）。
在本实施例中，匹配单元17通过细节匹配计算相似度的值。在这种情况下，匹配单元17执行例如从输入生物图像中提取的细节当中的目标细节与从注册生物图像中提取的细节当中的任意一个细节的位置对准。此外，匹配单元17获取从输入生物图像中提取的细节当中的、与从注册生物图像中提取的细节一致的细节的数量。另外，当两个细节之间的距离例如小于脊线之间的间隙时，匹配单元17判定两个细节相互一致。另外，仅当两个细节的类型相互一致时，匹配单元17可以判定两个细节相互一致。
匹配单元17获得相互一致的细节的数量，同时改变细节的集合。此外，匹配单元17将相互一致的细节的数量与从输入生物图像中提取的细节的总数量的比率定义为相似度。
匹配单元17将相似度连同注册用户的用户名或用户标识号一起传送至认证判定单元18。
认证判定单元18判定相似度是否大于或等于认证判定阈值（步骤S204）。当判定相似度大于或等于认证判定阈值（在步骤S204为“是”）时，认证判定单元18判定用户的输入生物信息与注册用户的注册生物信息相互一致。此外，认证判定单元18将用户认证为注册用户（步骤S205）。当用户被认证时，认证判定单元18将认证结果通知给处理单元。此外，处理单元6使得经认证的用户能够使用配备有生物认证设备1的装置或连接至生物认证设备1的装置。
同时，当判定相似度小于认证判定阈值（在步骤S204为“否”）时，判定用户的输入生物信息与注册用户的注册生物信息不一致。因此，认证判定单元18不认证用户（步骤S206）。此外，认证判定单元18通知处理单元6用户未被认证。在这种情况下，处理单元6不允许未被认证的用户使用配备有生物认证设备1的装置或连接至生物认证设备1的装置。另外，处理单元6可以使得显示单元2显示表示认证失败的消息。在执行步骤S205或步骤S206之后，处理单元6结束生物认证处理。
另外，认证判定阈值可以被设置成与如下值相同的值：利用该值，仅当注册用户是用户本身时，由认证判定单元18进行的认证才是成功的。此外，认证判定阈值可以被设置成与如下值相同的值：利用该值，当用户是除了注册用户以外的人时，由认证判定单元18进行的认证是失败的。例如，认证判定阈值可以是通过下述方式获得的值：将由0.7乘以可由相似度采取的最大值与最小值之间的差而获得的值加到相似度的最小值上。
另外，在利用1对N认证方案，也就是说，不输入注册用户的标识信息（如注册用户的用户名）的情况下，匹配单元17获取关于每个注册用户的每个相似度。此外，匹配单元17选择具有最大相似度的注册用户。匹配单元17向认证判定单元18传送相似度的最大值以及与最大值和最大值相对应的注册用户的用户标识号或用户名。当相似度的最大值大于或等于认证判定阈值时，认证判定单元18将用户认证为与相似度的最大值相对应的注册用户。
注册处理
此外，在注册处理中，处理单元6从生物信息获取单元4接收捕获有用于注册的目标用户的生物信息的生物图像。此外，处理单元6关于生物图像执行生物信息校正处理，以提取表示在生物图像中捕获的用户的生物信息的特征量信息。
注册单元19从输入单元3获取用于注册的目标用户的用户名。此外，注册单元19设置用户标识号，其中该用户标识号关于用户被唯一地设置。此外，注册单元19将用户的用户名和用户标识号连同从判定单元16输出的特征量信息一起存储在存储单元5中。因此，将用户注册为被允许使用配备有生物认证设备1的装置的注册用户。
如上所述，生物认证设备可以检查在校正之前的时间和校正之后的时间的特征量的改变度，以估计是否由于在生物图像上执行的校正处理而产生了生物信息的伪像。因此，生物认证设备可以在不产生伪像的范围内关于生物图像来执行提高生物信息的质量的校正处理。因此，生物认证设备可以在生物认证中使用从提高了生物信息的质量的生物图像中提取的特征量，同时抑制在生物信息中生成伪像的可能性。
另外，根据另一修改的实施例，校正信息设置单元12可以根据生物图像的Qav改变校正等级。例如，随着Qav逐渐变低，校正信息设置单元12可以使校正等级变高。例如，当校正单元13执行公式（4）的对比度增强处理时，随着Qav逐渐变低，校正信息设置单元12可以使校正系数γ变小。另外，当校正单元13使用中值滤波器执行噪声移除处理时，随着Qav逐渐变低，校正信息设置单元12可以使滤波器尺寸变大。另外，当校正单元13使用加博滤波器执行边缘加强处理时，随着Qav逐渐变低，校正信息设置单元12可以增加滤波器应用的数量。
另外，在该修改的实施例中，当FVR变得大于或等于Thvr时，校正信息设置单元12可以设置校正信息，使得校正等级相比于先前校正处理中的校正等级被降低。例如，可以假定，要施加的校正处理是公式（4）的对比度增强处理并且先前校正处理中的校正系数γ为0.7。在这种情况下，校正信息设置单元12在下一校正处理中将校正系数γ设置成0.85。此外，校正单元13使用修改后的校正系数γ再次关于原始生物图像执行校正处理。可替代地，可以假定，要施加的校正处理是加博滤波处理并且加博滤波器应用的数量为4（四）。在这种情况下，校正信息设置单元12可以在下一校正处理中降低加博滤波器应用的数量并且将其设置成2（二）。
可替代地，当FVR变得大于或等于Thvr时，校正信息设置单元12可以在下一校正处理中针对原始生物图像执行校正处理，其中该下一校正处理是与对先前校正处理施加的不同类型的校正处理。
接下来，将对根据生物信息校正设备的第二实施例的生物认证设备进行描述。根据第二实施例的生物认证设备估计生物图像上的生物信息的劣化原因，并且根据所估计的原因来改变要应用到生物图像的校正处理的类型。与根据第一实施例的生物认证设备相比，根据第二实施例的生物认证设备具有由处理单元的质量评估单元11、校正信息设置单元12和校正单元13执行的处理当中的一些不同处理。因此，将在下面的描述中对质量评估单元11、校正信息设置单元12和校正单元13进行描述。根据第二实施例的生物认证设备的其它部件的细节涉及生物认证设备的相应的部件。
质量评估单元11计算分割区域比率，该分割区域比率表示由脊线占据并且由皱纹或斑点途中切割的区域在对象区域中的尺寸比率，其中在该对象区域中捕获指纹连同上面在生物信息校正处理的步骤S103和S109处所描述的Qav。为了计算分割区域比率，质量评估单元11可以利用例如由Marcelo et al.，“Reconnection of Fingerprint Ridges Based onMorphological Operators and Multiscale Directional Information”，SIBGRAPI'04，第122至129页，2004年公开的方法。例如，质量评估单元11将下述区域检测为分割区域：在该区域处，通过对生物图像分别应用在脊线的方向上具有不同尺寸的多个平滑滤波器而获得的各滤波后图像之间存在差异。此外，质量评估单元11将分割区域的尺寸除以对象区域的尺寸来计算分割区域比率。另外，对象区域可以被定义为例如其中脊线被捕获的像素的集合。此外，生物图像可能会需要经历二值化处理以检测如上所述的捕获有脊线的像素。质量评估单元11向校正信息设置单元12通知分割区域比率。
校正信息设置单元12基于分割区域比率来估计生物信息的劣化原因。因此，校正信息设置单元12将分割区域比率与生物信息校正处理的步骤S106处的区域比率阈值Thcrack进行比较。当分割区域比率大于Thcrack时，如下事实被估计为劣化原因：存在很多脊线被途中切割的部分。因此，在这种情况下，校正信息设置单元12关于生物图像上的脊线被途中切割的部分来选择校正处理（例如加博处理），该校正处理致力于使用位于该部分周围的脊线的方向来连接脊线。同时，当分割区域比率小于或等于Thcrack时，如下事实被估计为劣化原因：脊线与谷线之间的区分不清晰。因此，校正信息设置单元12选择例如上面所描述的对比度增强处理或反锐化掩模（unsharp masking）处理。另外，Thcrack被设置成例如约0.3至0.5。校正信息设置单元12向校正单元13通知用于表示校正处理的所选择的类型和校正处理的等级的校正信息。另外，可以如第一实施例中那样预先设置校正处理的等级，并且另外可以如修改的实施例中那样根据质量值来改变校正处理的等级。
校正单元13参考校正信息以判定要在步骤S107处应用的校正处理的类型。此外，校正单元13根据校正信息中表示的校正等级对生物图像或经校正生物图像施加判定的校正处理。
根据本实施例的生物认证设备可以取决于生物信息为什么不清晰的原因而施加恰当的校正处理。因此，生物认证设备可以更恰当地校正生物图像。
另外，在其它实施例中，改变度计算单元15将校正前生物图像和校正后生物图像中的每一个都划分成多个块，以针对每个块根据例如公式（5）计算改变度。另外，每个块可以具有包括多个特性点的尺寸。在这种情况下，判定单元16可以判定每个块是否需要经历与根据实施例或修改示例的处理相同的处理，以基于每个块的改变度来提取从校正前生物图像中所提取的特征量或提取从校正后生物图像中所提取的特征量。另外，在修改的实施例中，质量评估单元11还可以针对计算了改变度的每个块来根据公式（3）计算质量值。在这种情况下，判定单元16可以基于每个块的质量值来判定是否要关于校正后生物图像重复校正处理。
另外，本申请中所公开的生物信息校正设备和生物信息校正方法可以应用于在用户的生物信息与预先注册的生物信息之间执行生物认证处理的各种设备或***。
图6是配备有根据上述每个实施例或其修改的生物信息处理设备的计算机***的示意性配置图。例如，计算机***100包括至少一个终端110和服务器120。此外，终端110和服务器120通过有线或无线通信网络130互相连接。另外，在图6中，计算机***100中所包括的部件当中的、与包括在图1中示出的生物认证设备中的部件相对应的部件被分配了与包括在生物认证设备中的部件相同的附图标记。
在计算机***中，终端110是便携式终端（诸如例如移动电话或平板终端）或固定安装的终端，并且包括显示单元2、输入单元3和生物信息获取单元4。此外，终端110包括存储单元21、图像获取控制单元22和接口单元23。存储单元21包括例如半导体存储电路，并且临时存储由生物信息获取单元4产生的生物图像。另外，图像获取控制单元22包括一个或多个处理器及其***电路并且控制终端110的每个单元，并且进一步执行终端110上运行的各种程序。此外，图像获取控制单元22将由生物信息获取单元4产生的生物图像经由接口单元23发送至服务器120，其中接口单元23包括用于将终端110连接至通信网络130的接口电路。另外，图像获取控制单元22也可以将通过输入单元3输入的用户标识信息发送至服务器120。
服务器120包括存储单元5、处理单元6和接口单元24，其中接口单元24包括用于将服务器120连接至通信网络130的接口电路。服务器120的处理单元6使用经由接口单元24接收的生物图像通过实现包括在根据上面所描述的实施例中的任何一个或其修改的处理单元中的每个单元的功能而执行生物认证处理。此外，服务器120通过接口单元24对终端110回复认证是否成功的判定结果。
可替代地，在根据每个实施例的处理单元的功能当中，终端110的图像获取控制单元22可以执行由质量评估单元、校正信息设置单元、校正单元、特征量提取单元、改变度计算单元和判定单元执行的处理。在这种情况下，从用户的生物图像中提取的特征量信息和用户标识信息可以从终端110被发送至服务器120。同时，在根据每个实施例的处理单元的功能当中，服务器120的处理单元6仅执行由匹配单元、认证判定单元和注册单元执行的处理。以这种方式，减少服务器120的处理负担，使得即使同时执行多个生物认证处理，计算机***100也可以抑制用户的等待时间。
另外，可以以记录介质（诸如例如磁记录介质、光学记录介质或非易失性半导体存储器）的形式提供包括命令的计算机程序，这些命令使得计算机执行根据每个实施例的处理单元的功能。计算机程序可以被记录在这些介质中。另外，计算机可读记录介质中不包括载波。
本申请中所公开的生物信息校正设备可以在抑制生物信息的伪像的出现的同时使在生物图像中捕获的生物信息清晰化。
本文中叙述的所有示例和条件语言意在用于教学目的，以帮助读者理解本发明和由发明人贡献的促进本领域的概念，并且应被解释为不限于这样具体叙述的示例和条件，说明书中这些示例的组织也与示出本发明的优劣无关。尽管已经详细描述了本发明的实施例，但是应当理解的是，在不脱离本发明的精神和范围的情况下，可以对此作出各种改变、替换和更改。

Claims (14)

1.一种生物信息校正设备，包括：
校正单元，被配置成关于表示用户的生物信息的第一生物图像施加校正处理，以提高所述用户的生物信息的清晰度并产生第二生物图像；
特征量提取单元，被配置成从所述第一生物图像中提取表示所述生物信息的特征的第一特征量，并且从所述第二生物图像中提取表示所述生物信息的特征的第二特征量；
改变度计算单元，被配置成计算表示所述第一特征量与所述第二特征量之间的差异的改变度；以及
判定单元，被配置成在所述改变度表示所述第二生物图像中已经产生伪像时，输出所述第一特征量。
2.根据权利要求1所述的生物信息校正设备，还包括：质量评估单元，被配置成计算表示所述第二生物图像上的生物信息的质量的质量值，
其中，当所述改变度表示所述第二生物图像中并未产生所述伪像并且所述第二生物图像基于所述质量值而能够在生物认证中使用时，所述判定单元输出所述第二特征量。
3.根据权利要求2所述的生物信息校正设备，
其中，当所述改变度表示所述第二生物图像中并未产生所述伪像并且所述第二生物图像并未达到能够在所述生物认证中使用的质量时，所述校正单元基于所述质量值通过使用所述第二生物图像作为所述第一生物图像来重新产生新的第二生物图像，
所述特征量提取单元从所重新产生的第二生物图像中提取表示所述生物信息的特征的第三特征量，
所述改变度计算单元计算所述第二特征量与所述第三特征量之间的改变度，以及
所述判定单元基于所述第二特征量与所述第三特征量之间的所述改变度来判定要输出所述第二特征量还是要输出所述第三特征量。
4.根据权利要求2所述的生物信息校正设备，还包括：
校正信息设置单元，被配置成估计所述第一生物图像中的生物信息的劣化原因，并且根据所述劣化原因来选择多种校正处理中的任一种，
其中，所述校正单元关于所述第一生物图像施加所选择的校正处理。
5.根据权利要求2所述的生物信息校正设备，
其中，所述质量评估单元关于所述第一生物图像计算所述质量值，以及
随着所述质量值逐渐变低，所述校正单元使得施加到所述第一生物图像的校正的等级变高。
6.根据权利要求2所述的生物信息校正设备，
其中，当所述判定单元判定所述改变度表示所述第二生物图像中已经产生所述伪像时，
所述校正单元使得所述校正处理的等级与先前校正处理中的所述等级相比变低，并且关于所述第一生物图像再次执行所述校正处理，以重新产生所述第二生物图像；
所述特征量提取单元从所重新产生的第二生物图像中重新提取所述第二特征量，
所述改变度计算单元计算所述第一特征量与所重新提取的第二特征量之间的改变度，以及
所述判定单元基于所重新计算的改变度来判定要输出所述第一特征量还是要输出所重新提取的第二特征量。
7.根据权利要求2所述的生物信息校正设备，
其中，当所述判定单元判定所述改变度表示所述第二生物图像中已经产生所述伪像时，
所述校正单元从先前校正处理中的校正处理类型改变所述校正处理类型，并且关于所述第一生物图像再次执行所述校正处理，以重新产生所述第二生物图像；
所述特征量提取单元从所重新产生的第二生物图像中重新提取所述第二特征量，
所述改变度单元计算所述第一特征量与所重新提取的第二特征量之间的改变度，以及
所述判定单元基于所重新计算的改变度来判定要输出所述第一特征量还是要输出所重新提取的第二特征量。
8.根据权利要求1所述的生物信息校正设备，还包括：
存储单元，被配置成存储注册特征量，所述注册特征量表示从捕获了注册用户的生物信息的注册生物图像中提取的生物信息的特征；
匹配单元，被配置成将从所述判定单元提取的特征量与所述注册特征量相匹配，以计算所述用户的生物信息与所述注册用户的生物信息之间的相似度；以及
认证判定单元，被配置成取决于所述相似度来判定是否要认证所述用户。
9.根据权利要求1所述的生物信息校正设备，还包括：
注册单元，被配置成将从所述判定单元输出的特征量连同所述用户的标识号一起存储在存储单元中。
10.根据权利要求1所述的生物信息校正设备，
其中，所述改变度计算单元将所述第一生物图像和所述第二生物图像中的每一个划分成多个块，并且分别计算包括在所述多个块中的每个块中的第一特征量和第二特征量之间的改变度，以及
当该改变度表示所述第二生物图像的多个块中的任何一个块中已经产生所述生物信息的伪像时，所述判定单元关于该块输出所述第一特征量。
11.一种生物信息校正方法，包括：
关于表示用户的生物信息的第一生物图像施加校正处理，以提高所述用户的生物信息的清晰度，由此产生第二生物图像；
从所述第一生物图像中提取表示所述生物信息的特征的第一特征量，并且从所述第二生物图像中提取表示所述生物信息的特征的第二特征量；
计算表示所述第一特征量与所述第二特征量之间的差异的改变度；以及
在所述改变度表示所述第二生物图像中已经产生伪像时，输出所述第一特征量。
12.根据权利要求11所述的生物信息校正方法，还包括：
计算表示所述第二生物图像上的生物信息的质量的质量值，
其中，当所述改变度表示所述第二生物图像中并未产生所述伪像并且所述第二生物图像基于所述质量值而能够在生物认证中使用时，输出所述第二特征量。
13.根据权利要求12所述的生物信息校正方法，
其中，当所述改变度表示所述第二生物图像中并未产生所述伪像并且所述第二生物图像并未达到能够在所述生物认证中使用的质量时，基于所述质量值通过使用所述第二生物图像作为所述第一生物图像来重新产生新的第二生物图像，
从所重新产生的第二生物图像中提取表示所述生物信息的特征的第三特征量，
计算所述第二特征量与所述第三特征量之间的改变度，以及
基于所述第二特征量与所述第三特征量之间的所述改变度来判定要输出所述第二特征量还是要输出所述第三特征量。
14.一种存储计算机程序的计算机可读记录介质，所述计算机程序在被执行时使得计算机执行生物信息校正方法，所述方法包括：
关于表示用户的生物信息的第一生物图像施加校正处理，以提高所述用户的生物信息的清晰度，由此产生第二生物图像；
从所述第一生物图像中提取表示所述生物信息的特征的第一特征量，并且从所述第二生物图像中提取表示所述生物信息的特征的第二特征量；
计算表示所述第一特征量与所述第二特征量之间的差异的改变度；以及
在所述改变度表示所述第二生物图像中已经产生伪像时，输出所述第一特征量。
CN201310571648.XA 2012-11-14 2013-11-13 生物信息校正设备、方法以及计算机可读记录介质 Pending CN103810470A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-250317 2012-11-14
JP2012250317A JP5971089B2 (ja) 2012-11-14 2012-11-14 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム

Publications (1)

Publication Number Publication Date
CN103810470A true CN103810470A (zh) 2014-05-21

Family

ID=49486392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310571648.XA Pending CN103810470A (zh) 2012-11-14 2013-11-13 生物信息校正设备、方法以及计算机可读记录介质

Country Status (5)

Country Link
US (1) US9202104B2 (zh)
EP (1) EP2733642A3 (zh)
JP (1) JP5971089B2 (zh)
KR (1) KR101544279B1 (zh)
CN (1) CN103810470A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326829A (zh) * 2015-06-30 2017-01-11 三星电子株式会社 检测虚假指纹的方法和设备以及识别指纹的方法和设备
CN109388926A (zh) * 2017-08-14 2019-02-26 三星电子株式会社 处理生物特征图像的方法和包括该方法的电子设备
CN111971671A (zh) * 2018-04-24 2020-11-20 三菱电机株式会社 认证装置

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990084200A (ko) * 1999-09-27 1999-12-06 조경연 파프리카 쥬스 및 그의 제조방법
US9384518B2 (en) * 2012-03-26 2016-07-05 Amerasia International Technology, Inc. Biometric registration and verification system and method
JP5846291B2 (ja) * 2012-03-28 2016-01-20 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム
JP6167733B2 (ja) * 2013-07-30 2017-07-26 富士通株式会社 生体特徴ベクトル抽出装置、生体特徴ベクトル抽出方法、および生体特徴ベクトル抽出プログラム
US9773151B2 (en) * 2014-02-06 2017-09-26 University Of Massachusetts System and methods for contactless biometrics-based identification
JP6069581B2 (ja) * 2014-03-25 2017-02-01 富士通フロンテック株式会社 生体認証装置、生体認証方法、及びプログラム
EP3125192B1 (en) 2014-03-25 2023-05-10 Fujitsu Frontech Limited Biometric authentication device, biometric authentication method, and program
EP3125195B1 (en) 2014-03-25 2020-03-11 Fujitsu Frontech Limited Biometric authentication device, biometric authentication method, and program
EP3125193B1 (en) * 2014-03-25 2020-12-23 Fujitsu Frontech Limited Biometric authentication device, biometric authentication method, and program
US9519819B2 (en) * 2014-07-14 2016-12-13 Fingerprint Cards Ab Method and electronic device for noise mitigation
CN107358188B (zh) * 2015-01-13 2021-12-07 深圳市汇顶科技股份有限公司 指纹传感器及其校正方法
JP6049958B1 (ja) 2015-04-30 2016-12-21 真旭 徳山 端末装置およびコンピュータプログラム
CN105469106B (zh) * 2015-11-13 2018-06-05 广东欧珀移动通信有限公司 指纹识别方法、装置及终端设备
CN107133551B (zh) * 2016-02-29 2020-06-19 北京小米移动软件有限公司 指纹验证方法及装置
CN109716387B (zh) * 2016-09-21 2023-05-23 株式会社岛津制作所 图像处理装置
KR20180083700A (ko) * 2017-01-13 2018-07-23 삼성전자주식회사 생체 센서를 포함하는 전자 장치
KR102461720B1 (ko) 2017-08-03 2022-11-01 삼성전자주식회사 지문인식 센서 및 이를 포함하는 지문 인식 겸용 터치 스크린 장치
KR102466676B1 (ko) 2017-08-16 2022-11-14 삼성전자주식회사 생체 센서의 성능 평가 방법, 생체 영상을 이용한 인증 방법 및 인증 방법을 적용한 전자 기기
EP3710498B1 (en) 2017-11-17 2021-09-08 ExxonMobil Chemical Patents Inc. Method of online cleaning of heater exchangers
JP2019109619A (ja) * 2017-12-15 2019-07-04 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム
KR102510460B1 (ko) * 2017-12-18 2023-03-17 삼성디스플레이 주식회사 표시 장치 및 그의 구동 방법
JP6981249B2 (ja) * 2017-12-28 2021-12-15 富士通株式会社 生体認証装置、生体認証プログラム、及び生体認証方法
US10949957B2 (en) * 2018-01-04 2021-03-16 Gingy Technology Inc. Biometric image processing method and electronic device thereof
JP6981265B2 (ja) * 2018-01-11 2021-12-15 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム
US10572749B1 (en) * 2018-03-14 2020-02-25 Synaptics Incorporated Systems and methods for detecting and managing fingerprint sensor artifacts
CN111222366A (zh) 2018-11-26 2020-06-02 上海耕岩智能科技有限公司 一种指纹识别方法及装置、存储介质、终端
US11449979B2 (en) * 2020-10-09 2022-09-20 Applied Materials Israel Ltd. Measuring a pattern
KR20220055210A (ko) * 2020-10-26 2022-05-03 현대자동차주식회사 차량 및 그 제어방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1388946A (zh) * 2000-07-19 2003-01-01 金榮浣 用于无卡式安全信用交易处理的***和方法
CN1421815A (zh) * 2001-11-29 2003-06-04 田捷 基于知识的指纹图像增强方法
CN1620113A (zh) * 2003-11-18 2005-05-25 佳能株式会社 摄像装置、指纹认证装置和摄像方法
CN1668244A (zh) * 2002-09-17 2005-09-14 富士通株式会社 生物特征信息获取设备和使用生物特征信息的认证设备
US20080310711A1 (en) * 2007-06-12 2008-12-18 Samsung Electronics Co., Ltd. Image processing apparatus and control method thereof

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3813999B2 (ja) 1995-08-25 2006-08-23 ジーイー横河メディカルシステム株式会社 画像処理方法および画像処理装置
US20050152586A1 (en) * 2004-01-13 2005-07-14 Tri-D Systems, Inc. Print analysis
JP2006072555A (ja) * 2004-08-31 2006-03-16 Secom Co Ltd 生体情報画像補正装置
JP4564804B2 (ja) 2004-08-31 2010-10-20 セコム株式会社 生体情報照合装置
JP4931426B2 (ja) * 2006-02-03 2012-05-16 セコム株式会社 縞模様を含む画像の照合装置
JP5110983B2 (ja) * 2007-06-29 2012-12-26 日立オムロンターミナルソリューションズ株式会社 生体認証処理システム
JP2009042900A (ja) 2007-08-07 2009-02-26 Olympus Corp 撮像装置および画像選択装置
JP2009059073A (ja) * 2007-08-30 2009-03-19 Toshiba Corp 撮影装置、撮影方法、人物認識装置および人物認識方法
WO2009044549A1 (ja) * 2007-10-03 2009-04-09 Panasonic Corporation ブロック歪みを減少させる方法および装置
CN102077247B (zh) * 2008-06-30 2013-08-21 富士通株式会社 认证装置
JP5196010B2 (ja) * 2009-04-13 2013-05-15 富士通株式会社 生体情報登録装置、生体情報登録方法及び生体情報登録用コンピュータプログラムならびに生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
EP2495698B1 (en) 2009-10-27 2018-05-02 Fujitsu Limited Biometric information processing device, biometric information processing method, and computer program for biometric information processing
JP5534411B2 (ja) * 2010-01-20 2014-07-02 日本電気株式会社 画像処理装置
WO2011096457A1 (en) * 2010-02-03 2011-08-11 Canon Kabushiki Kaisha Image processing apparatus and program
CN103188988A (zh) 2010-08-27 2013-07-03 索尼公司 图像处理装置及方法
JP5669572B2 (ja) * 2010-12-28 2015-02-12 ラピスセミコンダクタ株式会社 指紋認証装置
JP2012217139A (ja) * 2011-03-30 2012-11-08 Sony Corp 画像理装置および方法、並びにプログラム
US9342725B2 (en) * 2012-06-29 2016-05-17 Apple Inc. Image manipulation utilizing edge detection and stitching for fingerprint recognition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1388946A (zh) * 2000-07-19 2003-01-01 金榮浣 用于无卡式安全信用交易处理的***和方法
CN1421815A (zh) * 2001-11-29 2003-06-04 田捷 基于知识的指纹图像增强方法
CN1668244A (zh) * 2002-09-17 2005-09-14 富士通株式会社 生物特征信息获取设备和使用生物特征信息的认证设备
CN1620113A (zh) * 2003-11-18 2005-05-25 佳能株式会社 摄像装置、指纹认证装置和摄像方法
US20080310711A1 (en) * 2007-06-12 2008-12-18 Samsung Electronics Co., Ltd. Image processing apparatus and control method thereof

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326829A (zh) * 2015-06-30 2017-01-11 三星电子株式会社 检测虚假指纹的方法和设备以及识别指纹的方法和设备
CN106326829B (zh) * 2015-06-30 2021-09-28 三星电子株式会社 检测虚假指纹的方法和设备以及识别指纹的方法和设备
US11295111B2 (en) 2015-06-30 2022-04-05 Samsung Electronics Co., Ltd. Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
CN109388926A (zh) * 2017-08-14 2019-02-26 三星电子株式会社 处理生物特征图像的方法和包括该方法的电子设备
CN109388926B (zh) * 2017-08-14 2024-02-09 三星电子株式会社 处理生物特征图像的方法和包括该方法的电子设备
CN111971671A (zh) * 2018-04-24 2020-11-20 三菱电机株式会社 认证装置

Also Published As

Publication number Publication date
EP2733642A3 (en) 2016-11-02
KR101544279B1 (ko) 2015-08-12
US20140133711A1 (en) 2014-05-15
JP2014099039A (ja) 2014-05-29
JP5971089B2 (ja) 2016-08-17
US9202104B2 (en) 2015-12-01
KR20140061966A (ko) 2014-05-22
EP2733642A2 (en) 2014-05-21

Similar Documents

Publication Publication Date Title
CN103810470A (zh) 生物信息校正设备、方法以及计算机可读记录介质
CN102460507B (zh) 生物体认证装置、生物体认证方法以及生物体认证用计算机程序
KR101307603B1 (ko) 생체 정보 등록 장치, 생체 정보 등록 방법 및 생체 정보 등록용 컴퓨터 프로그램과 생체 인증 장치, 생체 인증 방법 및 생체 인증용 컴퓨터 프로그램
EP2528018B1 (en) Biometric authentication device and biometric authentication method
US9715616B2 (en) Fingerprint sensing and enrollment
JP5809792B2 (ja) 生体認証装置および方法
JP5505504B2 (ja) 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびに生体情報登録装置
JP5304901B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
US20160379038A1 (en) Valid finger area and quality estimation for fingerprint imaging
JP2013030074A (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
Khan et al. A spatial domain scar removal strategy for fingerprint image enhancement
CN102027488A (zh) 使用梯度直方图的指纹表示
CN102955932B (zh) 一种基于嵌入式的qnmv指纹识别方法与***
CN106156726A (zh) 指纹图像的增强方法和装置
He et al. Robust eyelid, eyelash and shadow localization for iris recognition
CN113723309A (zh) 身份识别方法、身份识别装置、设备及存储介质
JP2008287432A (ja) 静脈パターン管理システム、静脈パターン登録装置、静脈パターン認証装置、静脈パターン登録方法、静脈パターン認証方法、プログラムおよび静脈データ構造
US20100239129A1 (en) Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration
Kumar et al. Performance improvement using an automation system for segmentation of multiple parametric features based on human footprint
Kubanek et al. Feature extraction of palm vein patterns based on two-dimensional density function
Gupta et al. Slap fingerprint segmentation using symmetric filters based quality
Gowsica et al. A survey on biometric authentication techniques using finger vein
Ma et al. Description of boundary irregularity on multi-scale local FD for melanomas
Swain Level 3 Feature based Fingerprint Identification

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20180713

AD01 Patent right deemed abandoned