CN107967469B - 指纹采样方法 - Google Patents
指纹采样方法 Download PDFInfo
- Publication number
- CN107967469B CN107967469B CN201810068888.0A CN201810068888A CN107967469B CN 107967469 B CN107967469 B CN 107967469B CN 201810068888 A CN201810068888 A CN 201810068888A CN 107967469 B CN107967469 B CN 107967469B
- Authority
- CN
- China
- Prior art keywords
- image
- finger
- palm
- point
- hand
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V40/13—Sensors therefor
-
- 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
-
- 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
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
为了提高在线指纹采集的可识别度,本发明提供了一种结合掌静脉的指纹采样方法,包括如下步骤:(1)以第一彩色背光对采集到的第一帧掌部图像进行第一灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;(2)利用手指纹路生理特征得到表示各个手指对应的指纹区域的第一中间图像;(3)以第二彩色背光对采集到的第二帧掌部图像进行第二灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;(4)利用手指纹路生理特征得到表示各个手指对应的指纹区域的第二中间图像;(5)对第一中间图像和第二中间图像进行降噪处理,得到指纹图像。
Description
技术领域
本发明属于生物特征采集领域,具体涉及一种指纹采样方法。
背景技术
随着集成电路的功能日益多样化,过去属于特用产品,或者根本无法取得的装置,现在都已经逐渐普及。例如指纹扫描器,就是一个例子。过去,在传统的消费产品市场上少见,或甚至听都没有听过的指纹识别***,也由于集成电路指纹扫描器的出现,已经在关切存取控制及识别鉴定的一般使用者之间日渐普及;指纹识别***的应用领域已经不再仅限于政府以及安全人员。这些装置是用来确保只有获得授权的使用者才可以在一计算机***或者数据库进行存取,而且,其体积也已经缩小到可以装进便携式计算机中。
在网络化发展日益成熟的背景下,指纹扫描器的网络化应用呼之欲出。然而,由于网络传输以及远端指纹扫描器使用者未经过专业人士指导,其采集的图像质量不佳,噪声过大。
发明内容
为了提高在线指纹采集的可识别度,本发明提供了一种指纹采样方法,包括如下步骤:
(1)以第一彩色背光对采集到的第一帧掌部图像进行第一灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(2)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最粗的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第一中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第一中间图像匹配的灰度V灰度1;
(3)以第二彩色背光对采集到的第二帧掌部图像进行第二灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(4)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最细的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第二中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第二中间图像匹配的灰度V灰度2;
(5)对第一中间图像和第二中间图像进行降噪处理,得到指纹图像;
所述步骤(1)包括:
a.根据第一帧图像,计算左手和右手掌部图像的灰度平均值A灰度=(A左掌+A右掌)/2;
b.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
c.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
d.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
e.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
f.分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
g.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
h.计算N×M得到的矩阵的特征值A’及特征向量a;
i.以第一点为原点,建立左手手指图像的平面直角坐标系,第二点的坐标为da和db,以第四点为原点,建立右手手指图像的平面直角坐标系,第三点的坐标为d'a和d'b;
所述步骤(3)包括:
a.将采集掌部图像的背景光灰度调整为A灰度/2;
b.根据第二帧图像,计算左手和右手掌部图像的灰度平均值A灰度2=(A左掌2+A右掌2)/2;
c.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
d.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
e.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
f.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
g.分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
h.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
i.计算N×M得到的矩阵的特征值A”及特征向量b;
j.以第二点为原点,建立左手手指图像的平面直角坐标系,第一点的坐标为fa和fb,以第三点为原点,建立右手手指图像的平面直角坐标系,第四点的坐标为f'a和f'b;
k.计算左手手指图像和右手手指图像中各像素的交叉校正系数α=A”×(1-A灰度2×(1-x×lg(f'a/fa))/(1-y×lg(fb/f'b))),得到灰度校正后的左手和右手手指图像,其中x,y分别是各像素在左手和右手的坐标系中的横、纵坐标值;
所述步骤(5)包括:
a.计算第一帧中左手手掌面积B1和右手手掌面积B2,手掌与手指的边界参照各手的手指根部分叉点连线;
b.计算第二帧中左手手掌面积B’1和右手手掌面积B’2,手掌与手指的边界参照各手的手指根部分叉点连线;
c.对左手和右手的手指,分别累加各个所述第一中间图像面积和第二中间图像的面积,进而得到第一中间图像的面积和C1和第二中间图像的面积和C2;
d.计算矩阵a×b得到矩阵E;
e.分别计算左手和右手的手掌面积因子:p左手掌=ln(r×(B1/(2×B’1))/V灰度1),p右手掌=ln(R×(B2/(2×B’2))/V灰度2);
f.构造图像噪声滤波器,其滤波因子β为:
g.根据滤波因子为β的图像噪声滤波器,对所述第一中间图像和第二中间图像进行指数滤波,其中滤波参数即该滤波因子β。
进一步地,所述r取值范围为0.02~0.1,R为0.08~0.3。
进一步地,所述R为r的3倍。
进一步地,所述第一彩色背光为模拟太阳光。
本发明的技术方案具有以下优点:
利用主动改变在线指纹采集时的背景灰度并创造性地以左手和右手的手指、手掌的灰度平衡技术,降低了在线采集时由于帧抖动或者网络传输信噪比对指纹采集图像的质量影响。经测试,识别率相比已有在线采集技术提高40%以上。
附图说明
图1示出了根据本发明的方法的流程图。
具体实施方式
如图1所示的指纹采样方法,包括如下步骤:
(1)以第一彩色背光对采集到的第一帧掌部图像进行第一灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(2)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最粗的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第一中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第一中间图像匹配的灰度V灰度1;
(3)以第二彩色背光对采集到的第二帧掌部图像进行第二灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(4)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最细的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第二中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第二中间图像匹配的灰度V灰度2;
(5)对第一中间图像和第二中间图像进行降噪处理,得到指纹图像;
所述步骤(1)包括:
a.根据第一帧图像,计算左手和右手掌部图像的灰度平均值A灰度=(A左掌+A右掌)/2;
b.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
c.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
d.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
e.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
f.分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
g.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
h.计算N×M得到的矩阵的特征值A’及特征向量a;
i.以第一点为原点,建立左手手指图像的平面直角坐标系,第二点的坐标为da和db,以第四点为原点,建立右手手指图像的平面直角坐标系,第三点的坐标为d'a和d'b;
所述步骤(3)包括:
a.将采集掌部图像的背景光灰度调整为A灰度/2;
b.根据第二帧图像,计算左手和右手掌部图像的灰度平均值A灰度2=(A左掌2+A右掌2)/2;
c.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
d.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
e.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
f.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
g.分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
h.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
i.计算N×M得到的矩阵的特征值A”及特征向量b;
j.以第二点为原点,建立左手手指图像的平面直角坐标系,第一点的坐标为fa和fb,以第三点为原点,建立右手手指图像的平面直角坐标系,第四点的坐标为f'a和f'b;
k.计算左手手指图像和右手手指图像中各像素的交叉校正系数α=A”×(1-A灰度2×(1-x×lg(f'a/fa))/(1-y×lg(fb/f'b))),得到灰度校正后的左手和右手手指图像,其中x,y分别是各像素在左手和右手的坐标系中的横、纵坐标值;
所述步骤(5)包括:
a.计算第一帧中左手手掌面积B1和右手手掌面积B2,手掌与手指的边界参照各手的手指根部分叉点连线;
b.计算第二帧中左手手掌面积B’1和右手手掌面积B’2,手掌与手指的边界参照各手的手指根部分叉点连线;
c.对左手和右手的手指,分别累加各个所述第一中间图像面积和第二中间图像的面积,进而得到第一中间图像的面积和C1和第二中间图像的面积和C2;
d.计算矩阵a×b得到矩阵E;
e.分别计算左手和右手的手掌面积因子:p左手掌=ln(r×(B1/(2×B’1))/V灰度1),p右手掌=ln(R×(B2/(2×B’2))/V灰度2);
f.构造图像噪声滤波器,其滤波因子β为:
g.根据滤波因子为β的图像噪声滤波器,对所述第一中间图像和第二中间图像进行指数滤波,其中滤波参数即该滤波因子β。
优选地,所述r取值范围为0.02~0.1,R为0.08~0.3。
优选地,所述R为r的3倍。
优选地,所述第一彩色背光为模拟太阳光。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种指纹采样方法,包括如下步骤:
(1)以第一彩色背光对采集到的第一帧掌部图像进行第一灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(2)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最粗的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第一中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第一中间图像匹配的灰度V灰度1;
(3)以第二彩色背光对采集到的第二帧掌部图像进行第二灰度校正处理,得到手指图像,所述掌部图像包括分别对应左手和右手的手掌图像和手指图像;
(4)针对某个手指,沿手指尖向手指与手掌连接处方向,根据与各个手指延伸方向垂直的纹路的粗细程度,查找最细的一条纹路,以此纹路为分界线,获得该分界线到对应的手指尖的区域,作为对应该手指的第二中间图像,且针对该手指所在的手掌,获得掌部图像的灰度作为与第二中间图像匹配的灰度V灰度2;
(5)对第一中间图像和第二中间图像进行降噪处理,得到指纹图像;
所述步骤(1)包括:
a.根据第一帧图像,计算左手和右手掌部图像的灰度平均值A灰度=(A左掌+A右掌)/2;
b.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
c.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
d.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
e.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
f.分别计算第一点、第二点、第三点、第四点为中心、r为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
g.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、r为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
h.计算N×M得到的矩阵的特征值A’及特征向量a;
i.以第一点为原点,建立左手手指图像的平面直角坐标系,第二点的坐标为da和db,以第四点为原点,建立右手手指图像的平面直角坐标系,第三点的坐标为d'a和d'b;
所述步骤(3)包括:
a.将采集掌部图像的背景光灰度调整为A灰度/2;
b.根据第二帧图像,计算左手和右手掌部图像的灰度平均值A灰度2=(A左掌2+A右掌2)/2;
c.在掌部图像中,以手指形状和长度为基准,确定以掌部图像中最短的手指的图像作为拇指对应的图像,确定次短的手指的图像作为小指对应的图像,确定靠近拇指的图像作为食指对应的图像,确定靠近小指的图像作为无名指对应的图像,确定剩余的手指状图像作为中指对应的图像;
d.确定掌部图像中手指根部分叉处所在位置为手指根部分叉点;
e.对左手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第一点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第二点;根据左手掌部图像的各个手指根部分叉点和第一点以及第二点,在左手掌部图像中去除左手手掌图像,得到左手手指图像;
f.对右手掌部图像进行如下处理:将各个手指根部分叉点进行连线,并将中指与无名指的手指根部分叉点以及无名指与小指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近小指的轮廓的交点作为第三点,将中指与食指的手指根部分叉点以及食指与拇指的手指根部分叉点这两个分叉处的连线的延长线与掌部图像中掌部靠近拇指的轮廓的交点作为第四点;根据右手掌部图像的各个手指根部分叉点和第三点以及第四点,在右手掌部图像中去除右手手掌图像,得到右手手指图像;
g.分别计算第一点、第二点、第三点、第四点为中心、R为半径的邻域像素的灰度均值,以这4个灰度均值构成1×4的矩阵M;
h.将左手掌部图像中尖端的图像作为左手各个手指尖对应的图像,将右手掌部图像中尖端的图像作为右手各个手指尖对应的图像,计算以各个手指尖对应的图像中手指尖位置为中心、R为半径的邻域的灰度均值,以这10个灰度均值构成10×1的矩阵N;
i.计算N×M得到的矩阵的特征值A”及特征向量b;
j.以第二点为原点,建立左手手指图像的平面直角坐标系,第一点的坐标为fa和fb,以第三点为原点,建立右手手指图像的平面直角坐标系,第四点的坐标为f'a和f'b;
k.计算左手手指图像和右手手指图像中各像素的交叉校正系数α=A”×(1-A灰度2×(1-x×lg(f'a/fa))/(1-y×lg(fb/f'b))),得到灰度校正后的左手和右手手指图像,其中x,y分别是各像素在左手和右手的坐标系中的横、纵坐标值;
所述步骤(5)包括:
a.计算第一帧中左手手掌面积B1和右手手掌面积B2,手掌与手指的边界参照各手的手指根部分叉点连线;
b.计算第二帧中左手手掌面积B’1和右手手掌面积B’2,手掌与手指的边界参照各手的手指根部分叉点连线;
c.对左手和右手的手指,分别累加各个所述第一中间图像面积和第二中间图像的面积,进而得到第一中间图像的面积和C1和第二中间图像的面积和C2;
d.计算矩阵a×b得到矩阵E;
e.分别计算左手和右手的手掌面积因子:p左手掌=ln(r×(B1/(2×B’1))/V灰度1),p右手掌=ln(R×(B2/(2×B’2))/V灰度2);
f.构造图像噪声滤波器,其滤波因子β为:
g.根据滤波因子为β的图像噪声滤波器,对所述第一中间图像和第二中间图像进行指数滤波,其中滤波参数即该滤波因子β。
2.如权利要求1所述的指纹采样方法,所述r取值范围为0.02~0.1,R为0.08~0.3。
3.如权利要求1所述的指纹采样方法,所述R为r的3倍。
4.如权利要求1所述的指纹采样方法,所述第一彩色背光为模拟太阳光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810068888.0A CN107967469B (zh) | 2018-01-24 | 2018-01-24 | 指纹采样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810068888.0A CN107967469B (zh) | 2018-01-24 | 2018-01-24 | 指纹采样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107967469A CN107967469A (zh) | 2018-04-27 |
CN107967469B true CN107967469B (zh) | 2021-11-05 |
Family
ID=61993663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810068888.0A Active CN107967469B (zh) | 2018-01-24 | 2018-01-24 | 指纹采样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967469B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739856A (zh) * | 2012-05-31 | 2012-10-17 | 西安电子科技大学 | 基于手掌图像信息的手机解锁***及解锁方法 |
CN103761466A (zh) * | 2014-02-14 | 2014-04-30 | 上海云享科技有限公司 | 一种身份验证的方法及装置 |
CN104809446A (zh) * | 2015-05-07 | 2015-07-29 | 西安电子科技大学 | 基于校正手掌方向的掌纹感兴趣区域快速提取方法 |
CN107239772A (zh) * | 2017-06-23 | 2017-10-10 | 深圳市利众信息科技有限公司 | 掌纹掌脉图像采集装置及通关闸机 |
CN107358145A (zh) * | 2017-05-20 | 2017-11-17 | 深圳信炜科技有限公司 | 图像传感器及电子装置 |
CN107506757A (zh) * | 2017-09-30 | 2017-12-22 | 努比亚技术有限公司 | 一种侧向指纹模组以及具有侧向指纹模组的移动终端 |
CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
-
2018
- 2018-01-24 CN CN201810068888.0A patent/CN107967469B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739856A (zh) * | 2012-05-31 | 2012-10-17 | 西安电子科技大学 | 基于手掌图像信息的手机解锁***及解锁方法 |
CN103761466A (zh) * | 2014-02-14 | 2014-04-30 | 上海云享科技有限公司 | 一种身份验证的方法及装置 |
CN104809446A (zh) * | 2015-05-07 | 2015-07-29 | 西安电子科技大学 | 基于校正手掌方向的掌纹感兴趣区域快速提取方法 |
CN107358145A (zh) * | 2017-05-20 | 2017-11-17 | 深圳信炜科技有限公司 | 图像传感器及电子装置 |
CN107239772A (zh) * | 2017-06-23 | 2017-10-10 | 深圳市利众信息科技有限公司 | 掌纹掌脉图像采集装置及通关闸机 |
CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
CN107506757A (zh) * | 2017-09-30 | 2017-12-22 | 努比亚技术有限公司 | 一种侧向指纹模组以及具有侧向指纹模组的移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN107967469A (zh) | 2018-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107680054B (zh) | 雾霾环境下多源图像融合方法 | |
CN107301624B (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾方法 | |
CN111783647B (zh) | 人脸融合模型的训练方法、人脸融合方法、装置及设备 | |
WO2021004180A1 (zh) | 一种纹理特征提取方法、纹理特征提取装置及终端设备 | |
CN110032271B (zh) | 对比度调节装置及其方法、虚拟现实设备及存储介质 | |
Dai et al. | Single underwater image restoration by decomposing curves of attenuating color | |
CN105654436A (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN110046544A (zh) | 基于卷积神经网络的数字手势识别方法 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN108805826B (zh) | 改善去雾效果的方法 | |
Li et al. | An improved image defogging method based on dark channel prior | |
CN110473181A (zh) | 基于边缘特征信息的屏幕内容图像的无参质量评价方法 | |
CN111311502A (zh) | 使用双向加权融合处理雾天图像的方法 | |
CN114511567B (zh) | 舌体与舌苔图像识别分离方法 | |
Chen et al. | Research of polarized image defogging technique based on dark channel priori and guided filtering | |
CN111126250A (zh) | 一种基于ptgan的行人重识别方法及装置 | |
CN107967469B (zh) | 指纹采样方法 | |
CN108268851B (zh) | 在线指纹采集方法 | |
CN109934152B (zh) | 一种针对手语图像的改进小弯臂图像分割方法 | |
CN108073916B (zh) | 掌纹信息收集设备 | |
CN108256528B (zh) | 指掌纹安防*** | |
CN102156968A (zh) | 一种基于颜色立方先验的单一图像能见度复原方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211018 Address after: 250001 Room 301, block B, Jinan International Innovation Industrial Park, No. 2, Wanshou Road, Shizhong District, Jinan City, Shandong Province Applicant after: SHANDONG CHENGSHI ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 610000 No. 10, floor 20, building 3, No. 88, Jitai fifth road, high tech Zone, Chengdu, Sichuan Applicant before: SICHUAN ZHENG'ANTONG TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |