CN1726504A - 对具有条形结构的图像进行滤波的方法 - Google Patents

对具有条形结构的图像进行滤波的方法 Download PDF

Info

Publication number
CN1726504A
CN1726504A CNA2003801061500A CN200380106150A CN1726504A CN 1726504 A CN1726504 A CN 1726504A CN A2003801061500 A CNA2003801061500 A CN A2003801061500A CN 200380106150 A CN200380106150 A CN 200380106150A CN 1726504 A CN1726504 A CN 1726504A
Authority
CN
China
Prior art keywords
filtering
piece
carry out
block
image
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
Application number
CNA2003801061500A
Other languages
English (en)
Other versions
CN100371942C (zh
Inventor
S·肖尔茨
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1726504A publication Critical patent/CN1726504A/zh
Application granted granted Critical
Publication of CN100371942C publication Critical patent/CN100371942C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

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
    • G06V40/1347—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Filtering Materials (AREA)
  • Cigarettes, Filters, And Manufacturing Of Filters (AREA)
  • Paper (AREA)

Abstract

按照一种借助伽柏滤波器对具有条形结构的图像进行滤波的方法，这些伽柏滤波器在空间域内是由沿主方向叠加了余弦函数的二维高斯钟形曲线形成的，将图像分成多个块，对于各个块确定条形结构的主导方向，并且以这样一种方式进行滤波：一次旋转一个块，直到主导方向与伽柏滤波器的主方向垂直，在主方向上进行一次滤波，而在与主方向垂直的方向上进行另一次滤波，并且将经过滤波的块再次旋转回来。

Description

对具有条形结构的图像进行滤波的方法
本发明涉及一种借助伽柏(Gabor)滤波器对具有条形结构的图像进行滤波的方法，这些伽柏滤波器是由沿主方向叠加了余弦函数的二维高斯钟形曲线在空间域中形成的。
本发明的重要应用领域涉及皮肤印痕图像的处理，尤其是指纹图像。从指纹的灰度图像(由各种各样可采用商业手段得到的传感器提供)开始，将要实现所包含的凹槽结构的强化，同时实现任何所包括的缺陷的修复。在进一步的步骤中，将这一经过处理的图像二值化，然后从有蚀痕的二值图像中提取出决定性特征。
伽柏滤波器已经证明了它们在(局部)凹槽结构的强化和修复方面的价值，因为它们的原理是依赖于方向的强化和依赖于频率的强化之一。局部地需要与主方向和主频率相关的信息，与它们的局部变化一起，作为局部伽柏滤波的输入值。预先假定对这些的计算达到了足够的质量，并且所述计算不是本发明的组成部分。
图像段(例如，32×32块)的伽柏滤波通常是这样进行的：借助变换到频域(FFT＝快速傅立叶变换)的转换，然后逐点乘以由局部参数预先计算出来的块尺寸的伽柏滤波器掩码，然后反变换到时间和空间域(IFFT＝反快速傅立叶变换)。由于所发生的变换(FFT和IFFT)的伪像，各个得到的块的组合因此通常不够精确，如果这是在不与相邻块重叠的情况下进行的话。此类的窗口和重叠技术是现有技术部分。
按照已知的方法，通过频域的转换得到了接受，因为二维卷积在时域内具有高度的复杂性，如果不采用通过频域的转换，则就必须完成时间域内的二维卷积。
本发明的目的是实现图像的伽柏滤波，尤其是实现皮肤印痕图像的伽柏滤波，就程序实现而言其可能的复杂性最小，其中滤波要在很大程度上适用于局部。
这个目的按照本发明是这样实现的，其中将图像分为多个块，对于各个块确定条形结构的主导方向，并且以这样一种方式进行滤波：一次旋转一个块，直到主导方向与伽柏滤波器的主方向垂直；在主方向上进行一次滤波，而在与主方向垂直的方向上进行另一次滤波；并且将经过滤波的块再次旋转回来。
本发明能够直接在时域中实现局部和自适应伽柏滤波，而不必通过频域进行转换，无需计算“真正”的二维卷积。这是借助将单独的二维伽柏滤波器分解为两个一维滤波器来实现的，这两个一维滤波器的向量积得出所求的伽柏滤波器，其中时间顺序可以自由选择。不过，仅仅在余弦振荡的波前和所叠加的高斯钟形曲线的正交主轴沿着轴向行进的情况下(根据本发明这是通过滤波器的固定排列伴同块的相应旋转来实现的)，才可能精确地分解为两个一维滤波器。
与伽柏滤波在频域中的实现不同，时域中的伽柏滤波的特征在于具有下述优点：
-可以自由选择伽柏滤波器的大小(不必与所选择的块大小相当)，
-采用给定的参数，一维滤波器的结构实现起来极其简单，
-可以自由选择块的大小，不会造成所需时间和程序存储方面的任何额外的成本升高(可以采用非二次的块，不仅仅是并矢量，这优选用于FFT/IFFT)，
-程序简单易行，
-需要相对较小的程序存储，
-能够很容易地实现合格的或所需的精度(在浮点算法和定点算法中都是如此)，
-不需要对目标平台执行二维FFT/IFFT。
滤波器对特定块的自适应优选是这样进行的：逐块地，针对滤波之一，得出频率与垂直于主导方向的结构的频率相等的余弦振荡，并且由高斯钟形曲线对该余弦振荡进行调制，并且，如果可行，则逐块地，对于另一个滤波，高斯钟形曲线的宽度取决于块上结构的方向变化。
如果块上结构的方向仅发生轻微变化，则可以并且优选采用较宽的高斯钟形曲线。于是可以将更大的区域包含在沿着这些结构的方向的滤波中，从而抑制了不属于这些结构的不规则事物，例如，小点。不过，在块发生显著的轮廓变化的情况下，即，急剧弯曲的结构，就需要沿着这个方向进行窄带滤波。还有可能将余弦振荡的方向上的高斯钟形曲线的宽度设置为取决于块上的频率变化，不过，如果块大小得到了适当匹配，则在指纹图像的情况下，通常不需要这样设置高斯钟形曲线的宽度。
为了进一步减小执行和计算输入，可以在按照本发明的方法中对为旋转而定义的选定角度(在特定程序中实现)进行规定，然后将所定义的角度中与旋转本身所需要的最接近一致的一个角度用于滤波应用。这样，例如，可以允许±5°、±10°、±15°、…、±90°的旋转，在它们的复杂程度方面，使它们得到了最小化，尤其是对特定的角度(±45°，±90°)。依靠这一背景，可以实现在旋转的各个可选择角度的时间方面最优的程序。
由于特定块的各个图像元素在旋转期间无论如何也要重新计算，因此按照本发明的方法还可以进行这样的简化：在旋转期间，低通滤波是通过内插进行的，和/或在反向旋转期间同时进行二值化。
在要进行滤波的块按照本发明的旋转期间，不可避免地会有更多的图像元素包含在滤波过程中，从而最终对比结果块大的块进行了滤波。这个块的大小取决于各种不同的影响，例如，包括滤波器的大小。为了对不与相邻块重叠的大小限定的块进行滤波，本发明在这方面具有优势的一种实施方式包括：形成与相邻块重叠的更大的块，并且该更大的块具有至少根号二倍(double the root)的尺寸；并且，在旋转之后，在边长相当于该更大的块边长的至少根号二倍的正方形内对该更大的块进行滤波。
在按照本发明方法的情况下，可以进行计算时间的进一步最小化：在滤波期间，不予考虑位于阈值以下以及处于一维滤波器的边缘上的项(值)。
将参照附图中所示的实施方式的实例对本发明加以进一步介绍，不过，本发明并不局限于这些实例。
附图1示意性地表示按照本发明的方法的各个步骤。
附图2表示在按照本发明的方法的不同阶段下要被滤波的块的大小。
附图3表示指纹图像的一个实例。
附图4表示伽柏滤波器的立体图。
附图1表示指纹图像块1的伽柏滤波，其中，由于专利附图的规定所限，滤波本身的效果没有示出。块1是附图3所示的指纹的一部分，并且可以具有，例如，32×32个图像元素。不过，也可以采用其它大小和非方形、正方形的块。采用已知的伽柏滤波，在附图1中所示的例子中必须要进行二维滤波，其中伽柏滤波器是依照倾斜地且以曲线行进的条纹2排列的。
不过，在按照本发明的方法中，这些条纹的平均方向是通过本身公知的算法确定的，根据这些算法，按照这样一种方式旋转块1：条纹2的平均方向处于直角处。由滤波器4对这样旋转过的块3进行滤波，该滤波器4包括由高斯钟形曲线调制的余弦函数。该余弦函数的频率预先与条纹2的空间频率进行了匹配。高斯钟形曲线的宽度取决于条纹的曲率，并且如果可应用的话，取决于条纹空间频率的变化。
在进一步的步骤中，由高斯钟形曲线5与之前的滤波过程成直角地对经过初始一维滤波的、经过旋转的块进行滤波。这一高斯钟形曲线的宽度取决于条纹2的平均曲率。随后，将经过二维滤波的块3’旋转回到其起始位置。
附图2表示，为了对经过旋转的块进行滤波，必须在一开始时得到更大的块，以避免边缘处的伪像。由此起始点是具有32×32个图像元素的结果块。由于块的旋转，需要考虑更大数量的图像元素。这一变量是通过将边长的根号二倍作为对角线给出的。如果在旋转期间要进行双线性内插，则被滤波的大小为32×32的块必须通过具有进行缓冲的最小尺寸的、50×50的块的反向旋转来得出。如果将这一缓冲扩展到52×52个图像元素，则可以完全避免伪像。
为了获得由15×15个图像元素的滤波器进行滤波的大小为52×52的有效区域，最终要产生大小为66×66的要进行缓冲的块。附图2表示在执行按照本发明的方法中的各个尺寸和旋转，其中假设，为了对32×32个图像元素的块进行滤波，从图像中截取46×46个图像元素的块。然后旋转45°产生66×66个图像元素的块，不过，其中只有52×52个图像元素的区域可以由大小为15×15个图像元素的滤波器加以处理。
虚线表示这一区域。不过，由此可以看出，只有由特定滤波器位置覆盖的所有图像元素位于经过旋转的46×46个图像元素的块之内时，滤波结果才可以得到采用。进行反向旋转之后，显示出大小为32×32的经滤波后的块，这个块决不能与图像的其它结果块重叠。
附图3表示具有块1的指纹图像的黑白画面，该块1是附图1和2中所示的例子中处理的块。
附图4表示在一个方向上由高斯钟形曲线形成而在另一个方向(与前一个方向垂直)上由经高斯钟形曲线调制的余弦振荡形成的伽柏滤波器。

Claims (9)

1.一种借助伽柏滤波器对具有条形结构的图像进行滤波的方法，这些伽柏滤波器在空间域内是由沿主方向叠加了余弦函数的二维高斯钟形曲线形成的，其特征在于，将图像分成多个块，对于各个块确定条形结构的主导方向，并且以这样一种方式进行滤波：一次旋转一个块，直到主导方向与伽柏滤波器的主方向垂直，在主方向上进行一次滤波，而在与主方向垂直的方向上进行另一次滤波，并且将经过滤波的块再次旋转回来。
2.按照权利要求1所述的方法，其特征在于，逐块地，针对所述滤波之一，得出频率与垂直于主导方向的结构的频率相等的余弦振荡，并且由高斯钟形曲线对该余弦振荡进行调制。
3.按照权利要求1所述的方法，其特征在于，逐块地，对于所述滤波中的另一次，高斯钟形曲线的宽度取决于块上结构的方向变化。
4.按照权利要求2或3所述的方法，其特征在于，将余弦振荡的方向上的高斯钟形曲线的宽度设置为取决于块上的频率变化。
5.按照前述任何一项权利要求所述的方法，其特征在于，定义用于旋转的选定角度，这些选定角度是在特定程序中实现的，然后将所定义的角度中与其本身是必需的旋转最接近一致的一个角度用于滤波应用。
6.按照前述任何一项权利要求所述的方法，其特征在于，在旋转期间，通过内插进行低通滤波是。
7.按照前述任何一项权利要求所述的方法，其特征在于，在反向旋转期间同时进行二值化。
8.按照前述任何一项权利要求所述的方法，其特征在于，为了对不与相邻块重叠的、具有限定大小的块进行滤波，形成更大的块，该块不与相邻块重叠，并且具有至少根号二倍的尺寸，并且，在旋转之后，在边长相当于该更大的块的至少根号二倍的正方形内对该更大的块进行滤波。
9.按照前述任何一项权利要求所述的方法，其特征在于，在滤波期间，不予考虑位于阈值以下以及处于一维滤波器的边缘上的项(值)。
CNB2003801061500A 2002-12-16 2003-12-04 对具有条形结构的图像进行滤波的方法 Expired - Fee Related CN100371942C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP02102763 2002-12-16
EP02102763.6 2002-12-16

Publications (2)

Publication Number Publication Date
CN1726504A true CN1726504A (zh) 2006-01-25
CN100371942C CN100371942C (zh) 2008-02-27

Family

ID=32524074

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2003801061500A Expired - Fee Related CN100371942C (zh) 2002-12-16 2003-12-04 对具有条形结构的图像进行滤波的方法

Country Status (8)

Country Link
US (1) US7577278B2 (zh)
EP (1) EP1576529B1 (zh)
JP (1) JP2006510105A (zh)
CN (1) CN100371942C (zh)
AT (1) ATE364877T1 (zh)
AU (1) AU2003282321A1 (zh)
DE (1) DE60314450T2 (zh)
WO (1) WO2004055714A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096908A (zh) * 2010-12-17 2011-06-15 福州瑞芯微电子有限公司 一种移动终端的图像滤波方法
CN104838424A (zh) * 2012-09-27 2015-08-12 惠普发展公司，有限责任合伙企业 基于线段定向的服饰条纹检测

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI405135B (zh) * 2005-05-17 2013-08-11 Ibm 系統，方法及記錄媒體
CN101297192B (zh) * 2005-09-09 2012-05-30 萨克米伊莫拉机械合作社合作公司 用于直观监测物体的方法和设备
RU2329537C1 (ru) * 2006-11-08 2008-07-20 Владимир Николаевич Бичигов Способ фильтрации дактилоскопического изображения
CN105335937A (zh) * 2014-06-26 2016-02-17 联想(北京)有限公司 一种信息处理方法、装置和电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5659626A (en) * 1994-10-20 1997-08-19 Calspan Corporation Fingerprint identification system
US7072523B2 (en) * 2000-09-01 2006-07-04 Lenovo (Singapore) Pte. Ltd. System and method for fingerprint image enhancement using partitioned least-squared filters

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096908A (zh) * 2010-12-17 2011-06-15 福州瑞芯微电子有限公司 一种移动终端的图像滤波方法
CN104838424A (zh) * 2012-09-27 2015-08-12 惠普发展公司，有限责任合伙企业 基于线段定向的服饰条纹检测

Also Published As

Publication number Publication date
DE60314450T2 (de) 2008-02-21
US20080031500A1 (en) 2008-02-07
DE60314450D1 (de) 2007-07-26
ATE364877T1 (de) 2007-07-15
US7577278B2 (en) 2009-08-18
AU2003282321A1 (en) 2004-07-09
WO2004055714A1 (en) 2004-07-01
EP1576529B1 (en) 2007-06-13
CN100371942C (zh) 2008-02-27
JP2006510105A (ja) 2006-03-23
EP1576529A1 (en) 2005-09-21

Similar Documents

Publication Publication Date Title
CN107016642B (zh) 用于对有噪输入图像进行分辨率上调的方法和装置
WO2018173660A1 (ja) 表面欠陥検査方法及び表面欠陥検査装置
WO2019205290A1 (zh) 一种图像检测方法、装置、计算机设备及存储介质
Kaur et al. Fractional Fourier Transform based Riesz fractional derivative approach for edge detection and its application in image enhancement
CN104657965B (zh) 基于离散连续曲波的偏振图像融合方法
Moghaddam et al. Linear motion blur parameter estimation in noisy images using fuzzy sets and power spectrum
CN103116875A (zh) 自适应双边滤波图像去噪方法
CN105761236A (zh) 一种用于图像配准的图像预处理方法及装置
TW201127057A (en) Image processing method for enhancing the resolution of image boundary
CN107845086A (zh) 一种皮革表面显著性缺陷的检测方法、***及装置
EP2026281A1 (en) Recognizing system, recognizing metho and recognizing program
CN1726504A (zh) 对具有条形结构的图像进行滤波的方法
Escalante et al. 2-D continuous wavelet transform for ESPI phase-maps denoising
CN108121983A (zh) 一种基于傅里叶变换的文本图像纠偏方法
RU2329537C1 (ru) Способ фильтрации дактилоскопического изображения
CN112991359A (zh) 一种路面区域提取方法、***、电子设备及存储介质
Grediac et al. Removing quasi-periodic noise in strain maps by filtering in the Fourier domain
Chen et al. Sub-pixel detection algorithm based on cubic B-spline curve and multi-scale adaptive wavelet transform
CN107220952B (zh) 一种基于显著性的多尺度图像平滑方法
Bezzubik et al. Optimization-based image reconstruction method for super-resolution structured-illumination microscopy
EP3198554B1 (en) Image processing
RU2651176C1 (ru) Способ обработки сигналов для обнаружения и определения толщины прямых линий на изображении
Ciomaga et al. Image visualization and restoration by curvature motions
CN105787900A (zh) 一种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法
JP3098704B2 (ja) 画像照合方法及び装置

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
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20090213

Address after: Holland Ian Deho Finn

Patentee after: Koninkl Philips Electronics NV

Address before: Holland Ian Deho Finn

Patentee before: Koninklijke Philips Electronics N.V.

ASS Succession or assignment of patent right

Owner name: NXP CO., LTD.

Free format text: FORMER OWNER: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Effective date: 20090213

C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20080227

Termination date: 20131204