CN113569715A - 一种指纹图像增强方法及装置 - Google Patents
一种指纹图像增强方法及装置 Download PDFInfo
- Publication number
- CN113569715A CN113569715A CN202110841840.0A CN202110841840A CN113569715A CN 113569715 A CN113569715 A CN 113569715A CN 202110841840 A CN202110841840 A CN 202110841840A CN 113569715 A CN113569715 A CN 113569715A
- Authority
- CN
- China
- Prior art keywords
- image
- fingerprint image
- processed
- fingerprint
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000005315 distribution function Methods 0.000 claims description 24
- 238000005192 partition Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002902 bimodal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000005282 brightening Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本申请实施例提供一种指纹图像增强方法及装置,涉及图像处理技术领域,该指纹图像增强方法包括:先获取待处理指纹图像;然后计算待处理指纹图像的灰度分布数据;再根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;最后根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种指纹图像增强方法及装置。
背景技术
指纹识别是将识别对象的指纹进行分类比对从而进行判别。指纹识别技术作为生物体特征识别技术之一在新世纪逐渐成熟,普遍应用于各种身份验证和识别中。指纹识别的准确度依赖于指纹图像的质量,现有的指纹图像增强方法,通常通过构造合适的滤波器,在时域对指纹图像进行卷积运算,从而达到增强的目的。然而,在实践中发现,指纹图像中纹线结构复杂,现有的指纹图像增强方法,处理效果差,进而影响指纹识别精度。
发明内容
本申请实施例的目的在于提供一种指纹图像增强方法及装置,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
本申请实施例第一方面提供了一种指纹图像增强方法,包括:
获取待处理指纹图像;
计算所述待处理指纹图像的灰度分布数据;
根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;
根据所述处理图像数据对所述待处理指纹图像进行图像重建,得到增强后的指纹图像。
在上述实现过程中,先获取待处理指纹图像;然后计算待处理指纹图像的灰度分布数据;再根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;最后根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
进一步地,在根据预先构建的经验公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理得到处理图像之前,所述方法还包括:
获取指纹图像样本集;
对所述指纹图像样本集进行归一化处理,得到归一化图像集;
计算所述归一化图像集的平均像素密度分布函数;
根据所述平均像素密度分布函数生成密度分部曲线图;
对所述密度分部曲线图进行拟合,得到经验知识公式。
在上述实现过程中,通过指纹图像样本集构建经验知识公式,能够准确量化像素灰度分布规律,计算量小。
进一步地,所述对所述指纹图像样本集进行归一化处理,得到归一化图像集,包括:
根据所述指纹图像样本集确定优选图像集;
对所述优选图像集进行预处理,得到预处理图像集;
通过背景分割算法对所述预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集;
对所述前景图像集进行尺寸图像统一处理,得到归一化图像集。
在上述实现过程中,对指纹图像样本集进行归一化处理,能够减少样本中的干扰数据,进而有利于提升经验知识公式的精确度,从而提升指纹图像的增强效果。
进一步地,所述计算所述归一化图像集的平均像素密度分布函数,包括:
对所述归一化图像集中的每个归一化图像进行编号,得到带编号的图像集;
根据预设灰度级和所述带编号的图像集,计算所述预设灰度级的像素密度分布值;
根据所述像素密度分布值计算平均像素密度分布函数。
进一步地,所述根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据,包括:
根据预先构建的经验知识公式建立分区比例表;
根据所述灰度分布数据和所述分区比例表,按比例对所述待处理指纹图像中每个区域进行像素分布比例缩放处理,得到处理图像数据。
在上述实现过程中,分区的比例分布规律,使得每个小的特定区间落入指定比例的像素,从而实现重建图像。
本申请实施例第二方面提供了一种指纹图像增强装置,所述指纹图像增强装置包括:
第一获取单元,用于获取待处理指纹图像;
第一计算单元,用于计算所述待处理指纹图像的灰度分布数据;
缩放单元,用于根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;
图像重建单元,用于根据所述处理图像数据对所述待处理指纹图像进行图像重建,得到增强后的指纹图像。
在上述实现过程中,第一获取单元先获取待处理指纹图像;然后第一计算单元计算待处理指纹图像的灰度分布数据;缩放单元再根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;最后图像重建单元根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
进一步地,所述指纹图像增强装置还包括:
第二获取单元,用于在根据预先构建的经验公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理得到处理图像之前,获取指纹图像样本集;
归一化单元,用于对所述指纹图像样本集进行归一化处理,得到归一化图像集;
第二计算单元,用于计算所述归一化图像集的平均像素密度分布函数;
生成单元,用于根据所述平均像素密度分布函数生成密度分部曲线图;
拟合单元,用于对所述密度分部曲线图进行拟合,得到经验知识公式。
在上述实现过程中,通过指纹图像样本集构建经验知识公式,能够准确量化像素灰度分布规律,计算量小。
进一步地,所述归一化单元包括:
确定子单元,用于根据所述指纹图像样本集确定优选图像集;
预处理子单元,用于对所述优选图像集进行预处理,得到预处理图像集;
分割子单元,用于通过背景分割算法对所述预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集;
统一子单元,用于对所述前景图像集进行尺寸图像统一处理,得到归一化图像集。
在上述实现过程中,对指纹图像样本集进行归一化处理,能够减少样本中的干扰数据,进而有利于提升经验知识公式的精确度,从而提升指纹图像的增强效果。
本申请实施例第三方面提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的指纹图像增强方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例第一方面中任一项所述的指纹图像增强方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例一提供的一种指纹图像增强方法的流程示意图;
图2为本申请实施例二提供的一种指纹图像增强方法的流程示意图;
图3为本申请实施例三提供的一种指纹图像增强装置的结构示意图;
图4为本申请实施例四提供的一种指纹图像增强装置的结构示意图;
图5为本申请实施例二提供的一种密度分部曲线图的曲线示意图;
图6为本申请实施例二提供的一种经验知识公式的曲线示意图;
图7为本申请实施例二提供的一种待处理指纹图像重建前后的对比示意图;
图8为本申请实施例二提供的一种待处理指纹图像淡指纹增强前后的对比示意图;
图9为本申请实施例二提供的另一种指纹图像增强方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供了一种指纹图像增强方法的流程示意图。其中,该指纹图像增强方法包括:
S101、获取待处理指纹图像。
本申请实施例中,待处理指纹图像为指纹采集的一帧图像。
S102、计算待处理指纹图像的灰度分布数据。
本申请实施例中,计算待处理指纹图像的灰度分布数据,即统计该待处理指纹图像中每个像素的灰度数据。
S103、根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据。
本申请实施例中,经验知识公式为预先构建的,为双峰曲线,是由两个偏态分布函数及一个正态分布函数的叠加,公式表示如下:
其中,F[j]为知识经验公式,k1、k2、k3、m、n、μ和σ均为模型参数,预先构建经验知识公式,即为计算模型参数的具体值。
S104、根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像。
本申请实施例中,该方法的执行主体可以为计算机、服务器等计算装置,对此本实施例中不作任何限定。
在本申请实施例中,该方法的执行主体还可以为智能手机、平板电脑等智能设备,对此本实施例中不作任何限定。
可见,实施本实施例所描述的指纹图像增强方法,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
实施例2
请参看图2,图2为本申请实施例提供的一种指纹图像增强方法的流程示意图。如图2所示,其中,该指纹图像增强方法包括:
S201、获取指纹图像样本集。
本申请实施例中,指纹图像样本集包括多张指纹图像样本,用于构建经验知识公式。
S202、根据指纹图像样本集确定优选图像集。
作为一种可选的实施方式,可以通过人工挑选的方式或者根据预设算法进行自动挑选的方式,从指纹图像样本集中挑选预设数量的优质指纹图像样本,得到优选图像集。
在上述实施方式中,预设数量具体可以为50张等,对此本申请实施例不作限定。
S203、对优选图像集进行预处理,得到预处理图像集。
作为一种可选的实施方式,对优选图像集中的指纹图像样本进行预处理,具体地,可以对指纹图像样本进行裁减及缩放处理,以保证指纹位置居中,且有效面积达到预设比例阈值,进而有利于提升经验知识公式的精度。
在上述实施方式中,预设比例阈值具体可以为80%等,对此本申请实施例不作限定。
S204、通过背景分割算法对预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集。
本申请实施例中,通过背景分割算法,能够对预处理图像集中的图像进行背景图像与前景图像的分割处理,然后获取分割处理得到的前景图像,得到前景图像集。
本申请实施例中,前景图像为前景指纹图,背景图像为背景空白图。前景指纹图呈正偏态分布曲线(也叫右偏分布,其偏度>0),背景图像呈负偏态分布曲线(也叫左偏分布,其偏度<0),两图叠加而成一个双峰分布曲线。
S205、对前景图像集进行尺寸图像统一处理,得到归一化图像集。
本申请实施例中,对前景图像集中的前景图像进行尺寸图像统一处理,具体地,可以将所有前景图像一致缩放为W*H大小的图像,其中,W、H为预设尺寸,具体可以根据低成本传感器出图尺寸来确定。
本申请实施例中,实施上述步骤S202~步骤S205,能够对指纹图像样本集进行归一化处理,得到归一化图像集。
S206、对归一化图像集中的每个归一化图像进行编号,得到带编号的图像集。
本申请实施例中,对归一化图像集中的每个归一化图像进行编号,对每张图像进行编号,得到图像I[i],其中,i=0,1,2,……,49。
S207、根据预设灰度级和带编号的图像集,计算预设灰度级的像素密度分布值。
本申请实施例中,设图像I[i]的m行,n列的像素灰度值为g[i,m,n];然后统计图像I[i]在灰度级j的像素密度分布值为p[i,j],具体地,先判断g[i,m,n]的值是否与j相等,相等则累计入p[i,j],公式如下:
S208、根据像素密度分布值计算平均像素密度分布函数。
本申请实施例中,设平均像素密度分布函数为P(j),则计算公式如下:
本申请实施例中,实施上述步骤S206~步骤S208,能够计算归一化图像集的平均像素密度分布函数。
S209、根据平均像素密度分布函数生成密度分部曲线图。
本申请实施例中,在计算出平均像素密度分布函数之后,可以根据P(j),绘制出P(j)的曲线图,请一并参阅图5,图5是本实施例提供的一种密度分部曲线图的曲线示意图。
S210、对密度分部曲线图进行拟合,得到经验知识公式。
本申请实施例中,在绘制出P(j)的曲线图之后,再根据P(j)的曲线图进行函数拟合处理,得到经验知识公式。
作为一种可选的实施方式,在根据P(j)的曲线图进行函数拟合处理,得到经验知识公式时,具体可以包括以下步骤:
建立函数模型和约束条件;
根据P(j)的曲线图和约束条件,采用牛顿迭代法进行函数拟合,求解函数模型的模型参数;
根据模型参数和函数模型,得到经验知识公式。
在上述实施方式中,建立的函数模型为双峰曲线,建模为两个偏态分布函数及一个正态分布函数的叠加,公式表示如下:
其中,F[j]为知识经验公式,k1、k2、k3、m、n、μ和σ均为模型参数。
在上述实施方式中,建立约束条件来求取公式中各未知参数的解,其中,约束条件的公式如下:
在上述实施方式中,采用了牛顿迭代法来拟合F[j]曲线,以图5所示的P(j)的曲线图为例,最终求解模型参数为k1=1.309,k2=3.167,k3=1.314,m=16,n=4,μ=180,σ=60,根据计算出的模型参数,最终得到经验知识的曲线如图6所示。
本申请实施例中,步骤S201~步骤S210执行于步骤S213之前,可以在步骤S211或者步骤S212之前执行,也可以在步骤S211或者步骤S212之后执行,对此本申请实施例不作限定。
在步骤S210之后,还包括以下步骤:
S211、获取待处理指纹图像。
S212、计算待处理指纹图像的灰度分布数据。
S213、根据预先构建的经验知识公式建立分区比例表。
作为一种可选的实施方式,根据预先构建的经验知识公式建立分区比例表,具体可以包括以下步骤:
获取目标分区数量;
对知识经验公式进行求积分计算,得到求积分公式;
根据求积分公式,确定离散形式的公式;
根据目标分区数量和离散形式的公式,建立分区比例表。
在上述实施方式中,目标分区的数量具体可以为5个、10个等,对此本申请实施例不作限定。具体地,可以根据按项目需求,设置数量较少的分区,当目标分区数量为10时,可以得到10个分区Z[0]~Z[9]。
在上述实施方式中,对知识经验公式进行求积分计算,即求取F(j)在j上的积分,公式如下:
其中,Z(j)为求积分公式。
在上述实施方式中,离散形式的公式Z[j]如下:
在上述实施方式中,以上述图6的经验知识公式为例,当目标分区数量为10时,可以得到10个分区Z[0]~Z[9],则可以根据图6,建立分区比例表如下所示;
在步骤S213之后,还包括以下步骤:
S214、根据灰度分布数据和分区比例表,按比例对待处理指纹图像中每个区域进行像素分布比例缩放处理,得到处理图像数据。
本申请实施例中,实施上述步骤S213~步骤S214,能够根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据。
S215、根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像。
本申请实施例中,实施步骤S214~步骤S215,能够实现像素的标准化,从左到右,参照上述的分区比例表,按比例对待处理指纹图像的每个区域重新安置像素,满足分区的比例分布规律,使得每个小的特定区间落入指定比例的像素,从而实现重建图像。请一并参阅图7,图7为本申请实施例提供的一种待处理指纹图像重建前后的对比示意图。
本申请实施例中,通过本申请实施例提供的指纹图像增强方法,还具有淡指纹增强的效果,请一并参阅图8,图8是本申请实施例提供的一种待处理指纹图像淡指纹增强前后的对比示意图。
请一并参阅图9,图9为本申请实施例提供的另一种指纹图像增强方法的流程示意图。如图9所示,在步骤S212之后,还可以判断待处理指纹图像的灰度分布数据是否符合经验知识公式,如果符合,则不用进行指纹图像增强处理,直接输出该待处理指纹图像;如果不符合,则需要执行步骤S212~步骤S215进行指纹图像增强处理。
如图9所示,在得到增强后的指纹图像之后,还可以判断该增强后的指纹图像是否满足预设的评价指标要求,如果满足,则输出该增强后的指纹图像,如果不满足,则重新执行步骤S212~步骤S215进行重新处理,直至得到的增强后的指纹图像满足预设的评价指标要求。
本申请实施例中,本申请实施例提供的指纹图像增强方法,本质上是一种基于先验知识的增强方法,可以达到暗背景图像的背影提亮,模糊前景指纹图像的对比度增强,兼有淡指纹的纹理增强,出图灰度级丰富等改进功能,使低质量采集图像最终设备出图能满足相应的标准及产品规范。
可见,实施本实施例所描述的指纹图像增强方法,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
实施例3
请参看图3,图3为本申请实施例提供的一种指纹图像增强装置的结构示意图。如图3所示,该指纹图像增强装置包括:
第一获取单元310,用于获取待处理指纹图像;
第一计算单元320,用于计算待处理指纹图像的灰度分布数据;
缩放单元330,用于根据预先构建的经验知识公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;
图像重建单元340,用于根据处理图像数据对待处理指纹图像进行图像重建,得到增强后的指纹图像。
本申请实施例中,对于指纹图像增强装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的指纹图像增强装置,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
实施例4
请一并参阅图4,图4是本申请实施例提供的一种指纹图像增强装置的结构示意图。其中,图4所示的指纹图像增强装置是由图3所示的指纹图像增强装置进行优化得到的。如图4所示,指纹图像增强装置还包括:
第二获取单元350,用于在根据预先构建的经验公式和灰度分布数据,对待处理指纹图像进行像素分布按比例缩放处理得到处理图像之前,获取指纹图像样本集;
归一化单元360,用于对指纹图像样本集进行归一化处理,得到归一化图像集;
第二计算单元370,用于计算归一化图像集的平均像素密度分布函数;
生成单元380,用于根据平均像素密度分布函数生成密度分部曲线图;
拟合单元390,用于对密度分部曲线图进行拟合,得到经验知识公式。
作为一种可选的实施方式,归一化单元360包括:
确定子单元361,用于根据指纹图像样本集确定优选图像集;
预处理子单元362,用于对优选图像集进行预处理,得到预处理图像集;
分割子单元363,用于通过背景分割算法对预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集;
统一子单元364,用于对前景图像集进行尺寸图像统一处理,得到归一化图像集。
作为一种可选的实施方式,第二计算单元370包括:
编号子单元371,用于对归一化图像集中的每个归一化图像进行编号,得到带编号的图像集;
计算子单元372,用于根据预设灰度级和带编号的图像集,计算预设灰度级的像素密度分布值;以及根据像素密度分布值计算平均像素密度分布函数。
作为一种可选的实施方式,缩放单元330包括:
建立子单元331,用于根据预先构建的经验知识公式建立分区比例表;
缩放子单元332,用于根据灰度分布数据和分区比例表,按比例对待处理指纹图像中每个区域进行像素分布比例缩放处理,得到处理图像数据。
本申请实施例中,对于指纹图像增强装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的指纹图像增强装置,能够快速准确地对指纹图像进行增强处理,准确度高,处理效果好,进而有利于提升指纹识别精度。
本申请实施例提供了一种电子设备,包括存储器以及处理器,存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中任一项指纹图像增强方法。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例1或实施例2中任一项指纹图像增强方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种指纹图像增强方法,其特征在于,包括:
获取待处理指纹图像;
计算所述待处理指纹图像的灰度分布数据;
根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;
根据所述处理图像数据对所述待处理指纹图像进行图像重建,得到增强后的指纹图像。
2.根据权利要求1所述的指纹图像增强方法,其特征在于,在根据预先构建的经验公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理得到处理图像之前,所述方法还包括:
获取指纹图像样本集;
对所述指纹图像样本集进行归一化处理,得到归一化图像集;
计算所述归一化图像集的平均像素密度分布函数;
根据所述平均像素密度分布函数生成密度分部曲线图;
对所述密度分部曲线图进行拟合,得到经验知识公式。
3.根据权利要求2所述的指纹图像增强方法,其特征在于,所述对所述指纹图像样本集进行归一化处理,得到归一化图像集,包括:
根据所述指纹图像样本集确定优选图像集;
对所述优选图像集进行预处理,得到预处理图像集;
通过背景分割算法对所述预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集;
对所述前景图像集进行尺寸图像统一处理,得到归一化图像集。
4.根据权利要求2所述的指纹图像增强方法,其特征在于,所述计算所述归一化图像集的平均像素密度分布函数,包括:
对所述归一化图像集中的每个归一化图像进行编号,得到带编号的图像集;
根据预设灰度级和所述带编号的图像集,计算所述预设灰度级的像素密度分布值;
根据所述像素密度分布值计算平均像素密度分布函数。
5.根据权利要求1所述的指纹图像增强方法,其特征在于,所述根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据,包括:
根据预先构建的经验知识公式建立分区比例表;
根据所述灰度分布数据和所述分区比例表,按比例对所述待处理指纹图像中每个区域进行像素分布比例缩放处理,得到处理图像数据。
6.一种指纹图像增强装置,其特征在于,所述指纹图像增强装置包括:
第一获取单元,用于获取待处理指纹图像;
第一计算单元,用于计算所述待处理指纹图像的灰度分布数据;
缩放单元,用于根据预先构建的经验知识公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理,得到处理图像数据;
图像重建单元,用于根据所述处理图像数据对所述待处理指纹图像进行图像重建,得到增强后的指纹图像。
7.根据权利要求6所述的指纹图像增强装置,其特征在于,所述指纹图像增强装置还包括:
第二获取单元,用于在根据预先构建的经验公式和所述灰度分布数据,对所述待处理指纹图像进行像素分布按比例缩放处理得到处理图像之前,获取指纹图像样本集;
归一化单元,用于对所述指纹图像样本集进行归一化处理,得到归一化图像集;
第二计算单元,用于计算所述归一化图像集的平均像素密度分布函数;
生成单元,用于根据所述平均像素密度分布函数生成密度分部曲线图;
拟合单元,用于对所述密度分部曲线图进行拟合,得到经验知识公式。
8.根据权利要求7所述的指纹图像增强装置,其特征在于,所述归一化单元包括:
确定子单元,用于根据所述指纹图像样本集确定优选图像集;
预处理子单元,用于对所述优选图像集进行预处理,得到预处理图像集;
分割子单元,用于通过背景分割算法对所述预处理图像集进行背景图像与前景图像的分割处理,得到前景图像集;
统一子单元,用于对所述前景图像集进行尺寸图像统一处理,得到归一化图像集。
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的指纹图像增强方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至5任一项所述的指纹图像增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841840.0A CN113569715B (zh) | 2021-07-23 | 2021-07-23 | 一种指纹图像增强方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841840.0A CN113569715B (zh) | 2021-07-23 | 2021-07-23 | 一种指纹图像增强方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113569715A true CN113569715A (zh) | 2021-10-29 |
CN113569715B CN113569715B (zh) | 2024-04-16 |
Family
ID=78167219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110841840.0A Active CN113569715B (zh) | 2021-07-23 | 2021-07-23 | 一种指纹图像增强方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113569715B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989003099A1 (en) * | 1987-10-05 | 1989-04-06 | Imagepack Limited | Method and apparatus for analysing fingerprints |
US20020146178A1 (en) * | 2000-09-01 | 2002-10-10 | International Business Machines Corporation | System and method for fingerprint image enchancement using partitioned least-squared filters |
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN102609676A (zh) * | 2011-01-21 | 2012-07-25 | 北京数字指通软件技术有限公司 | 一种融入先验知识的指纹特征融合方法和*** |
CN103473546A (zh) * | 2013-09-10 | 2013-12-25 | 电子科技大学 | 一种基于结构张量的指纹方向场获取方法 |
CN107016324A (zh) * | 2016-01-28 | 2017-08-04 | 厦门中控生物识别信息技术有限公司 | 一种指纹图像处理方法和指纹探测设备 |
WO2018166204A1 (zh) * | 2017-03-15 | 2018-09-20 | 广东欧珀移动通信有限公司 | 一种控制指纹识别模组的方法、移动终端及存储介质 |
CN110326001A (zh) * | 2016-12-08 | 2019-10-11 | 维里迪乌姆Ip有限责任公司 | 使用利用移动设备捕捉的图像执行基于指纹的用户认证的***和方法 |
CN111079689A (zh) * | 2019-12-27 | 2020-04-28 | 深圳纹通科技有限公司 | 一种指纹图像增强方法 |
CN112949361A (zh) * | 2019-12-11 | 2021-06-11 | 杭州萤石软件有限公司 | 指纹识别方法及装置 |
-
2021
- 2021-07-23 CN CN202110841840.0A patent/CN113569715B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989003099A1 (en) * | 1987-10-05 | 1989-04-06 | Imagepack Limited | Method and apparatus for analysing fingerprints |
US20020146178A1 (en) * | 2000-09-01 | 2002-10-10 | International Business Machines Corporation | System and method for fingerprint image enchancement using partitioned least-squared filters |
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN102609676A (zh) * | 2011-01-21 | 2012-07-25 | 北京数字指通软件技术有限公司 | 一种融入先验知识的指纹特征融合方法和*** |
CN103473546A (zh) * | 2013-09-10 | 2013-12-25 | 电子科技大学 | 一种基于结构张量的指纹方向场获取方法 |
CN107016324A (zh) * | 2016-01-28 | 2017-08-04 | 厦门中控生物识别信息技术有限公司 | 一种指纹图像处理方法和指纹探测设备 |
CN110326001A (zh) * | 2016-12-08 | 2019-10-11 | 维里迪乌姆Ip有限责任公司 | 使用利用移动设备捕捉的图像执行基于指纹的用户认证的***和方法 |
WO2018166204A1 (zh) * | 2017-03-15 | 2018-09-20 | 广东欧珀移动通信有限公司 | 一种控制指纹识别模组的方法、移动终端及存储介质 |
CN112949361A (zh) * | 2019-12-11 | 2021-06-11 | 杭州萤石软件有限公司 | 指纹识别方法及装置 |
CN111079689A (zh) * | 2019-12-27 | 2020-04-28 | 深圳纹通科技有限公司 | 一种指纹图像增强方法 |
Non-Patent Citations (5)
Title |
---|
HASAN FLEYEH 等: "Segmentation and Enhancement of Low Quality Fingerprint Images", 《INTERNATIONAL CONFERENCE ON WEB INFORMATION SYSTEMS ENGINEERING》, pages 371 - 384 * |
JIANWEI YANG 等: "A modified Gabor filter design method for fingerprint image enhancement", 《PATTERN RECOGNITION LETTERS》, vol. 24, no. 12, pages 1805 - 1817, XP004422277, DOI: 10.1016/S0167-8655(03)00005-9 * |
刘必罡: "低分辨率指纹图像识别的算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 03, pages 138 - 5249 * |
汤海林: "指纹图像增强算法的研究与实现", 《黑龙江科技信息》, pages 42 * |
陈钢: "指纹识别关键算法的研究", 《信息通信》, no. 6, pages 1 - 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN113569715B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993040B (zh) | 文本识别方法及装置 | |
WO2021238455A1 (zh) | 数据处理方法、设备及计算机可读存储介质 | |
CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
CN113159147A (zh) | 基于神经网络的图像识别方法、装置、电子设备 | |
CN110738236A (zh) | 图像匹配方法、装置、计算机设备及存储介质 | |
CN109271957B (zh) | 人脸性别识别方法以及装置 | |
CN113569968B (zh) | 模型训练方法、目标检测方法、装置、设备及存储介质 | |
CN115984662B (zh) | 一种多模态数据预训练及识别方法、装置、设备及介质 | |
CN112634246A (zh) | 一种口腔图像识别方法及相关设备 | |
CN111489344A (zh) | 一种图像清晰度的确定方法、***及相关装置 | |
CN111144425A (zh) | 检测拍屏图片的方法、装置、电子设备及存储介质 | |
CN111340139B (zh) | 一种图像内容复杂度的判别方法及装置 | |
CN109617864A (zh) | 一种网站识别方法及网站识别*** | |
CN116137061B (zh) | 数量统计模型的训练方法、装置、电子设备及存储介质 | |
CN110929731B (zh) | 一种基于探路者智能搜索算法的医疗影像处理方法及装置 | |
CN115984671A (zh) | 模型在线更新方法、装置、电子设备及可读存储介质 | |
CN113569715B (zh) | 一种指纹图像增强方法及装置 | |
CN115984178A (zh) | 伪造图像检测方法、电子设备和计算机可读存储介质 | |
CN115019152A (zh) | 一种图像拍摄完整度判定方法及装置 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN109739840A (zh) | 数据空值处理方法、装置及终端设备 | |
CN112446428B (zh) | 一种图像数据处理方法及装置 | |
CN112183229B (zh) | 基于计算动态参数的作业纸图像的字格提取方法及装置 | |
CN113705459A (zh) | 人脸抓拍方法、装置、电子设备及存储介质 | |
CN111967579A (zh) | 使用卷积神经网络对图像进行卷积计算的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |