CN106156774A - 影像处理方法及影像处理*** - Google Patents
影像处理方法及影像处理*** Download PDFInfo
- Publication number
- CN106156774A CN106156774A CN201610591849.XA CN201610591849A CN106156774A CN 106156774 A CN106156774 A CN 106156774A CN 201610591849 A CN201610591849 A CN 201610591849A CN 106156774 A CN106156774 A CN 106156774A
- Authority
- CN
- China
- Prior art keywords
- block
- image
- blocks
- treatment method
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract 3
- 238000000034 method Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 description 16
- 238000001914 filtration Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000006057 Non-nutritive feed additive Substances 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nonlinear Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种影像处理方法及一种影像处理***。影像处理方法包含于取得含有一图案的感测影像之后,将包含图案的感测影像划分为多个区块,并根据区块中各自包含的图案计算方向场。于计算方向场后,计算每个区块各自的方向场与至少一邻近区块的相似程度,并根据每个区块各自的相似程度,将区块分为第一部份与第二部份。
Description
技术领域
本发明涉及一种影像处理技术,特别是涉及一种指纹影像处理技术。
背景技术
指纹识别已是行之有年的技术,被广泛应用于各种数据保护或身份识别相关领域中,而如何提高识别精确度及提升识别速度则为当前重要研发议题之一。
因为使用者对于指纹感测装置的手指按压方式的偏好***面的感测装置最易受影响,例如海关使用的指纹识别装置。而此等噪声将造成指纹识别率下降及提高识别所需时间。此外,灰尘、水滴或其他外来噪声可能误触感测装置或影响指纹的感测,导致耗能或降低识别成功率。
传统滤除指纹影像外的噪声的作法例如为利用指纹影像的灰阶变化、梯度变化、方向场和纹理的相关性、计算特征点数量等。然而,这些作法并无法滤除例如掌纹或文字等有纹路的噪声,且当指纹影像不够清晰时,亦可能造成识别结果的误判。
发明内容
在本发明的一实施例中提出一种影像处理方法。影像处理方法包含取得含有一图案的感测影像、将包含此图案的感测影像划分为多个区块、根据这些区块中各自包含的图案计算方向场、计算这些区块各自的方向场与至少一邻近区块的相似程度、以及根据这些区块各自的相似程度,将这些区块分为第一部份与第二部份。
在本发明的一实施例中提出一种影像处理***。影像处理***包含有感测单元及处理器。感测单元可用以接收感测影像,其中此感测影像包含一图案。处理器可用以执行下列动作:将包含图案的此感测影像划分为多个区块、根据这些区块中各自包含的图案计算方向场、计算这些区块各自的方向场与至少一邻近区块的相似程度、以及根据这些区块各自的相似程度,将这些区块分为第一部份与第二部份。
附图说明
图1A为本发明的一实施例的指纹感测示意图。
图1B为本发明的一实施例的***架构示意图。
图2为本发明的一实施例的撷取影像。
图3A~3B为本发明的一实施例的影像划分示意图。
图4为本发明的一实施例的方向场示意图。
图5A~5B为本发明的一实施例的方向场示意图。
图6A~6D为本发明的一实施例的影像处理辅助说明图。
图7A~7D为本发明的一实施例的影像处理过程示意图。
图8A~8B为本发明的一实施例的影像处理前后对照图。
图9为本发明的一实施例的方法流程图。
【附图符号说明】
110:手
120:感测单元
130:感测平面
140:处理器
200:手指影像
210、400、710:指纹
220、720:关节纹
410:箭头
700:影像
800a、800b、800c:手指
810a、810b、810c:指纹部分
900:方法
S910~S960:步骤
具体实施方式
下文举实施例配合附图作详细说明,但所描述的具体实施例仅仅用以解释本发明,并不用来限定本发明,而结构操作的描述非用以限制其执行的顺序,任何由元件重新组合的结构,所产生具有均等功效的装置,皆为本发明揭示内容所涵盖的范围。此外,附图仅仅用以示意性地加以说明,并未依照其真实尺寸进行绘制。
请参阅图1A,其绘示根据本发明的一实施例的指纹感测示意图。于本文中,感测单元120可为大面积的影像撷取装置,包含用以接收至少一根手指的影像的感测平面130。于图1A中绘示为感测单元110同时接收使用者的手110的其中三指的影像示意图,并同时对此三指作影像处理及识别程序。应注意的是,感测单元120可视实际需求来使用不同面积大小的感测平面,以同时接收更多或较少的手指影像。此外,经由感测单元120撷取的影像可为灰阶影像或经进一步处理而成的灰阶影像。为了使说明清楚易懂,下文将以一根手指的影像为例作详细说明。
图1B绘示本发明的一实施例的感测单元120的***架构示意图。感测单元120包含有感测平面130及处理器140。其中感测平面130可能为电容式或光学式感测器,用以接收使用者的手指按压影像。处理器140可针对由感测平面130接收的手指按压影像作预先影像处理及指纹识别。举例来说,由处理器140执行的影像处理程序可包括区分按压区及非按压区、影像增强、噪声滤除、二值化、细线化及特征撷取等过程。其中,噪声滤除效果好坏对于指纹识别成功率及指纹识别速率有着重要的影响。
请参阅图2,图2绘示本发明的一实施例的撷取的手指影像200。因使用较大面积的感测平面130,手指影像200可例如包含指纹210、关节纹220、阴影等等。其中,指纹210为***所欲识别的目标,而关节纹220及阴影或其他不必要于指纹识别流程的影像皆为本发明中所谓的噪声。
因噪声可能包含有类似于指纹的条纹或纹路,若未事先滤除噪声,将可能被***误判为目标指纹的一部份。本发明揭示的滤除噪声前的欲处理步骤可包括影像划分、向量场计算、相似程度判断及/或分类等过程。下文将对于噪声滤除过程作进一步的说明。
图3A~3B绘示本发明的一实施例的影像划分示意图。其中,图3A为欲处理的手指影像示意图,图中的白色条纹为凸起纹(ridge,或称纹线),而黑色条纹为凹陷纹(valley,或称谷线)。处理器140可将图3A的影像划分为多个区块。为了使每个区块都至少涵盖一凸起纹及一凹陷纹以利后续处理,上述区块须划分为适当的大小尺寸,尺寸过小时可能无法同时涵盖到凸起纹及凹陷纹,尺寸过大时将可能同时涵盖方向不一致的多条纹路并使解析度降低。于一实施例中所经划分的区块的大小可以设置至少为或较佳为16像素×16像素的大小,或是其他适当的尺寸大小藉此使每个区块都至少涵盖所需的一凸起纹及一凹陷纹。
于影像被划分为多个区块之后,处理器140可进一步计算各个区块所包含的影像部分的向量场。向量场的计算通过处理器140藉由演算法计算得出。请见图4,图4绘示本发明的一实施例的指纹400的方向场示意图。其中,箭头410即表示图4影像的方向场。由图中可看出,方向场(箭头410)大致与影像纹路一致。于本发明中。处理器140将各区块的向量场作角度数值化以便进一步的计算和处理。
于发明的一实施例中,处理器140进一步分析各区块的向量场与其邻近的区块的向量场之间的相似程度(一致性)。一般而言,指纹部分具有高度的相似程度,而关节纹、掌纹或其他噪声则具有低度的相似程度。于此实施例中,***可根据各区块与邻近区块间的相似程度来作进一步的影像处理,以判断各区块应属于指纹或噪声。下文将藉由图5A及图5B来说明相似程度的判断标准。图5A~5B绘示本发明的一实施例的方向场示意图。为了便于解说,图5A~5B的影像将以X1~X5的横坐标与Y1~Y5的纵坐标划分为5×5的区块,各区块将以坐标位置来表示。
其中,图5A为相似程度较高的部分指纹影像中各区块的向量场示意图,而图5B则为相似程度较低的部分关节纹影像中各区块的向量场示意图。图5A~5B中各区块中的短线表示为各区块的向量场的方向。处理器140可计算各区块的方向场角度与其邻近区块的方向场角度彼此间的角度差的平均值,若此平均值不低于一预设阈值,则表示此区块与紧邻区块间的差异性过大、相似程度较低,反之,则差异性较小、相似程度较高。
举例来说,邻近区块的数量可为一个或多个相邻于欲判断区块的区块、或是距此欲判断区块一预设距离范围内的所有区块。于此实施例中,将取以一区块为中心的3×3矩阵内的周围八个区块作为此一区块的邻近区块。此外,预设阈值可例如设定为但不限于30°,依实际上需求的不同,阈值可作适当地调整或设定。应注意的是,于此例中,根据方向场角度差的平均值为例来设定阈值,然应用上亦可将相似程度转化为数值,并依此设定相似程度的阈值。
图5A指纹影像各区块方向场的对照角度如下表一所示:
(表一)
以图5A中坐标(X3,Y3)的区块作为例,并以此区块紧邻的八个区块作为坐标(X3,Y3)的欲判断区块的相似程度参考区块,亦即,位于坐标(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)的八个区块。其中,坐标(X3,Y3)的区块与坐标(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)的区块彼此间的角度差依序为0°、5°、5°、10°、5°、5°、5°、5°,而平均角度差为:
(0°+5°+5°+10°+5°+5°+5°+5°)/8=5°
因平均角度差5°低于预设的阈值30°,故***将图5A中坐标(X3,Y3)的欲判断区块判定为具有高度相似程度的区块。
图5B关节纹影像各区块方向场的对照角度如下表二所示:
(表二)
以图5B中坐标(X3,Y3)的区块为例,并以此区块紧邻的八个区块作为坐标(X3,Y3)的欲判断区块的相似程度参考区块,亦即,坐标(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)的八个区块。其中,坐标(X3,Y3)的区块与坐标(X2,Y2)、(X2,Y3)、(X2,Y4)、(X3,Y4)、(X4,Y4)、(X4,Y3)、(X4,Y2)、(X3,Y2)的区块彼此间的角度差依序为20°、90°、50°、80°、90°、50°、60°、60°,而平均角度差为:
(20°+90°+50°+80°+90°+50°+60°+60°)/8=62.5°
因平均角度差62.5°高于预设的阈值30°,故***将图5B中坐标(X3,Y3)的欲判断区块判定为具有低度相似程度的区块。
于本发明的一实施例中,处理器140亦可将各区块中与邻近区块间的平均角度差不低于阈值的区块(相似程度低)归类或标记为第一部分,将平均角度差低于阈值的区块(相似程度高)归类或标记为第二部分。请一并参阅图6A~6D,图6A~6D绘示本发明的一实施例的影像处理辅助说明图。下表三为图5B各区块对应的平均角度差(仅计算至小数第一位):
(表三)
图6A为图5B的影像各区块依据表三的平均角度差来以阈值30°为基准作判断后的示例标记图,其中经标记的部分(例如坐标(X1,Y1)的区块)为平均角度差不低于阈值的区块,即归类为第一部分(相似程度低)的区块;未经标记的空白部分(例如坐标(X1,Y3)的区块)为平均角度差低于阈值的区块,即归类为第二部分(相似程度高)的区块。
于区分出影像的第一部分及第二部分后,处理器140可进一步判断各区块的邻近区块中涵盖的第一部分以及第二部分的比例。邻近区块可为相邻于欲判断区块的多个区块、或是距此欲判断区块一预设距离范围内的所有区块。当欲判断区块的邻近区块中,属于第一部分的区块的数量占所有邻近区块的一半数量区块、或属于第一部分的区块的数量多于属于第二部分的区块的数量时(亦即相似程度低的区块不少于相似程度高的区块时),滤除此欲判断区块,反之,则保留此欲判断区块。
于此实施例中,将以欲判断区块为中心的3×3矩阵内的周围八个区块作为此欲判断区块的邻近区块。举例来说,以图6A中坐标(X4,Y4)的区块为欲判断区块。图6B为图6A中横坐标X3~X5、纵坐标Y3~Y5范围的九个区块,坐标(X4,Y4)的欲判断区块位于此九个区块的中心。其中,坐标(X4,Y4)的欲判断区块的周围八个区块中涵盖两个属于第一部分的区块(经标记区块,即坐标(X3,Y3)、(X3,Y5)的区块),其余六个区块为第二部分的区块(未标记区块)。因为此周围八个区块中属于第一部分的区块少于属于第二部分的区块,故将中心坐标(X4,Y4)的欲判断区块保留。
再以图6A中坐标(X2,Y3)的区块为欲判断区块作说明。图6C为图6A中横坐标X1~X3、纵坐标Y2~Y4范围的九个区块,坐标(X2,Y3)的欲判断区块位于此九个区块的中心。其中,坐标(X2,Y3)的欲判断区块的周围八个区块中涵盖四个属于第一部分的区块(经标记区块,即坐标(X1,Y2)、(X2,Y2)、(X3,Y2)、(X3,Y3)的区块),其余四个区块为第二部分的区块(未标记区块)。因为此周围八个区块中属于第一部分的区块不少于属于第二部分的区块,故将中心坐标(X2,Y3)的欲判断区块滤除。
于此实施例中,若欲判断区块位于影像边界上,例如图6A中坐标(X1,Y3)的区块,则其邻近区块仅有周围五个区块。图6D为图6A中横坐标X1~X2、纵坐标Y2~Y4范围的六个区块,坐标(X1,Y3)的区块为欲判断的区块。其中,坐标(X1,Y3)的欲判断区块的周围五个区块中涵盖三个属于第一部分的区块(经标记区块,即坐标(X1,Y2)、(X2,Y2)、(X2,Y3)的区块),其余两个区块为第二部分的区块(未标记区块)。因为此周围五个区块中属于第一部分的区块不少于属于第二部分的区块,故将坐标(X1,Y3)的欲判断区块滤除。
处理器140以上述规则依序将每个区块作保留或滤除的动作。下文将以图2中撷取的手指影像200为参考影像作解说。请一并参考图7A~7D绘示的本发明的一实施例的影像处理过程示意图。其中,图7A所绘为图2中撷取的手指影像200经划分为多个区块后的示例影像700。应注意的是,影像700中区块的大小并非为实际应用上的划分大小,而是仅用以辅助说明的示例图。影像700包含有指纹710、关节纹720两部分,其中指纹710为欲识别的目标所在,而关节纹720则为欲滤除的噪声部分。
图7B为影像700中各区块经过向量场计算、相似程度判断及分类后的示例标记图,其中经标记区块属于第一部分(与邻近区块的相似程度低的区块),而未经标记的空白区块属于第二部分(与邻近区块的相似程度高的区块)。根据前述图6A~6D的滤除/保留规则,处理器140将图7B的各区块作进一步的处理以产生图7C。手指影像200则依据图7C进行最后的噪声滤除程序,以得到如图7D的滤除噪声后的影像730。于影像730中,可明显看出关节纹720等噪声部分已被滤除,仅保留识别目标的指纹710。
实际上应用本发明揭示内容来处理的影像可例如为图8A~8B的影像。图8A~8B为本发明的一实施例的影像处理前后对照图。其中,图8A为初步同时接收到的三根手指800a~800c的影像,经过本发明揭示的影像处理后,将噪声有效的滤除,以得到如图8B的指纹部分810a~810c的影像。相较于传统指纹识别流程,根据本发明的揭示,因预先将不必要的噪声影像部分滤除,***仅需针对目标指纹部分作分析,故指纹识别流程将更加快速。此外,因为噪声的有效滤除,指纹识别成功率将能有十分显著的提升。
请参阅图9,图9绘示本发明的一实施例的方法900流程图。首先,于步骤S910,接收一手指感测影像的输入。接着,于步骤S920中,将感测区块划分为多个区块以进行下一步处理。步骤S930中,计算每个区块各自的方向场。于步骤S940,计算每个区块的方向场与各自邻近区块的方向场间的相似程度。于步骤S950,进一步将相似程度低的区块归类为第一部份、其余的区块归类为第二部份。最后,于步骤S960,当其中一个区块的邻近区块所包含的第一部份的区块数量/比例等于或多于第二部份的区块数量/比例时,滤除此其中一个区块。
于本发明的一实施方式中,指纹识别***可藉由计算影像中各区块的方向场与相似程度,作为指纹特征撷取的参考依据。其中,可根据方向场角度与相似的程度,判断指纹影像中的线端、分歧线、短线等等指纹特征点。
于本发明的一实施方式中,指纹识别***可根据经影像处理后的图像,判断原始影像是否涵盖有指纹影像。若***判断出原始影像涵盖有指纹影像,则进一步启动识别程序,反之,则不启动。此机制将能避免因误触或水滴、灰尘等导致的误动作,有效达成节能的效果。
于本发明的又一实施方式中,指纹识别***可藉由前述影像处理方法,进一步区分出指纹部分与背景部分。因为指纹边界可能包含断线等假的特征点,藉由区分出的指纹部分与背景部分来判断指纹的边界,并进一步滤除边界特征点,将能有效避免边界上的假特征点造成***误判的情形,使识别率提升。
承上实施方式,指纹识别***亦可进一步找出指纹的奇异点,例如core(中心)及delta(三角点)。因为core为指纹中心弯曲区域,其与周围区块的相似程度低,故可判断出core的所在及数量。而根据core及delta的数量可将指纹分类为弧型(arch)、帐型(tentedarch)、左箕型(left loop)、右箕型(right loop)以及螺旋型(whorl)等指纹分类。因此,本发明揭示的技术亦可提供指纹分类上的参考。
虽然本发明的实施例已揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可做些许的更动与润饰,因此本发明的保护范围当以权利要求书所界定为准。
Claims (10)
1.一种影像处理方法,包含:
取得一感测影像,该感测影像包含一图案;
将包含该图案的该感测影像划分为多个区块;
根据该些区块中各自包含的该图案计算一方向场;
计算该些区块各自的该方向场与至少一邻近区块的一相似程度;以及
根据该些区块各自的该相似程度,将该些区块分为一第一部份与一第二部份。
2.根据权利要求1所述的影像处理方法,其中该些区块各自包含的该图案对应至一指纹的至少一凸起纹或至少一凹陷纹。
3.根据权利要求1所述的影像处理方法,其中计算该些区块各自的该方向场是根据该些区块的灰阶图像。
4.根据权利要求1所述的影像处理方法,其中该些区块其中一个区块的该方向场与以该其中一个区块为中心的3×3矩阵内的其他八个邻近区块的该些方向场比较,以得到该其中一个区块与该些邻近区块的该相似程度。
5.根据权利要求1所述的影像处理方法,其中将该相似程度低于一阈值的区块归类为该第一部份,将该相似程度不低于一阈值的区块归类为该第二部份。
6.根据权利要求1所述的影像处理方法,进一步包含:
计算其中一个区块的多个邻近区块中该第一部份的比例与该第二部份的比例;以及
当该第一部份的比例大于该第二部份的比例时,滤除该其中一个区块。
7.根据权利要求1所述的影像处理方法,进一步包含:
计算其中一个区块的多个邻近区块中该第一部份的比例与该第二部份的比例;以及
当该第二部份的比例大于属于该第一部份的比例时,保留该其中一个区块。
8.根据权利要求1所述的影像处理方法,进一步包含:
基于该些区块的各自的方向场来撷取指纹特征。
9.根据权利要求1所述的影像处理方法,进一步包含:
判断该感测影像中是否存在指纹,若指纹存在则启动指纹识别。
10.一种影像处理***,包含:
一感测单元,用以接收一感测影像,该感测影像包含一图案;
一处理器,用以执行下列动作:
将包含该图案的该感测影像划分为多个区块;
根据该些区块中各自包含的该图案计算一方向场;
计算该些区块各自的该方向场与至少一邻近区块的一相似程度;以及
根据该些区块各自的该相似程度,将该些区块分为一第一部份与一第二部份。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105116897A TWI606405B (zh) | 2016-05-30 | 2016-05-30 | 影像處理方法及影像處理系統 |
TW105116897 | 2016-05-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106156774A true CN106156774A (zh) | 2016-11-23 |
CN106156774B CN106156774B (zh) | 2019-12-17 |
Family
ID=58060673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610591849.XA Active CN106156774B (zh) | 2016-05-30 | 2016-07-26 | 影像处理方法及影像处理*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US10262185B2 (zh) |
EP (1) | EP3252667B1 (zh) |
CN (1) | CN106156774B (zh) |
TW (1) | TWI606405B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10192098B2 (en) * | 2016-09-09 | 2019-01-29 | MorphoTrak, LLC | Palm print image matching techniques |
US20190362128A1 (en) * | 2018-05-23 | 2019-11-28 | Wen-Kuei Liu | Knuckle-print identification system |
KR102577587B1 (ko) * | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | 지문 인증 방법 및 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
CN101303729A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 一种新的指纹奇异点检测方法 |
CN102682428A (zh) * | 2012-04-18 | 2012-09-19 | 浙江大学城市学院 | 一种基于方向场的指纹图像计算机自动化修补方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289112B1 (en) | 1997-08-22 | 2001-09-11 | International Business Machines Corporation | System and method for determining block direction in fingerprint images |
WO2001055966A1 (fr) | 2000-01-28 | 2001-08-02 | Chuo Hatsujo Kabushiki Kaisha | Procede d'evaluation d'une image d'empreinte digitale et dispositif d'appariement d'empreintes digitales |
KR100825773B1 (ko) | 2005-08-23 | 2008-04-28 | 삼성전자주식회사 | 방향 추정 방법 및 장치 |
WO2007123557A1 (en) | 2006-04-26 | 2007-11-01 | Aware, Inc. | Fingerprint preview quality and segmentation |
US20080101663A1 (en) * | 2006-10-31 | 2008-05-01 | Motorola, Inc. | Methods for gray-level ridge feature extraction and associated print matching |
US20080298648A1 (en) * | 2007-05-31 | 2008-12-04 | Motorola, Inc. | Method and system for slap print segmentation |
US8625861B2 (en) | 2008-05-15 | 2014-01-07 | International Business Machines Corporation | Fingerprint representation using gradient histograms |
TW201023055A (en) | 2008-12-12 | 2010-06-16 | Moredna Technology Co Ltd | Highly efficient method for processing fingerprint images |
CN102254173B (zh) | 2011-07-05 | 2013-04-03 | 山东志华信息科技股份有限公司 | 基于k均值聚类与线性邻域传播结合的指纹图像分割方法 |
WO2013088555A1 (ja) * | 2011-12-15 | 2013-06-20 | 富士通株式会社 | 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 |
CN103646238B (zh) | 2013-12-19 | 2016-09-21 | 清华大学 | 指纹方向场的估计方法和装置 |
-
2016
- 2016-05-30 TW TW105116897A patent/TWI606405B/zh active
- 2016-07-26 CN CN201610591849.XA patent/CN106156774B/zh active Active
-
2017
- 2017-04-28 US US15/581,247 patent/US10262185B2/en active Active
- 2017-05-24 EP EP17172783.7A patent/EP3252667B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
CN101303729A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 一种新的指纹奇异点检测方法 |
CN102682428A (zh) * | 2012-04-18 | 2012-09-19 | 浙江大学城市学院 | 一种基于方向场的指纹图像计算机自动化修补方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
Non-Patent Citations (1)
Title |
---|
JOSEPH: "《Automated Fingertip Detection》", 《BYU SCHOLARSARCHIVE》 * |
Also Published As
Publication number | Publication date |
---|---|
EP3252667B1 (en) | 2021-07-21 |
TW201741935A (zh) | 2017-12-01 |
US10262185B2 (en) | 2019-04-16 |
US20170344794A1 (en) | 2017-11-30 |
EP3252667A1 (en) | 2017-12-06 |
CN106156774B (zh) | 2019-12-17 |
TWI606405B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423690B (zh) | 一种人脸识别方法及装置 | |
US8055018B2 (en) | Object image detection method | |
JP4756705B2 (ja) | バイオメトリクス・イメージングシステムおよび方法 | |
JP6351243B2 (ja) | 画像処理装置、画像処理方法 | |
CN111222508B (zh) | 基于roi的户型图比例尺识别方法、装置、计算机设备 | |
CN111275040A (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN106156774A (zh) | 影像处理方法及影像处理*** | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN116071790A (zh) | 掌静脉图像质量评估方法、装置、设备及存储介质 | |
CN103886319A (zh) | 一种基于机器视觉的举牌智能识别方法 | |
US8879805B2 (en) | Automated image identification method | |
CN110443306B (zh) | 葡萄酒木塞的鉴伪方法 | |
CN110866917A (zh) | 一种基于机器视觉的药片类型及排列方式识别方法 | |
KR20070041816A (ko) | 모폴로지를 이용한 지문영상의 방향성 검출장치 및검출방법 | |
US20220405527A1 (en) | Target Detection Methods, Apparatuses, Electronic Devices and Computer-Readable Storage Media | |
CN115578594A (zh) | 基于计算机视觉的边缘定位方法、装置及相关设备 | |
CN114359923A (zh) | 证件字符识别方法、装置、计算机及存储介质 | |
WO2022263904A1 (en) | Target detection methods, apparatuses, electronic devices and computer-readable storage media | |
Jeanne et al. | Real-time face detection on a dual-sensor smart camera using smooth-edges technique | |
CN109784187B (zh) | 人脸识别的优化方法及装置 | |
JP2005250786A (ja) | 画像認識方法 | |
JP2005346222A (ja) | 汗腺口除去装置、汗腺口除去方法及び汗腺口除去プログラム | |
CN112329572A (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 | |
CN111242189A (zh) | 特征提取方法、装置及终端设备 | |
CN112926676B (zh) | 一种虚假目标识别方法、装置及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |