CN1940995A - 面向嵌入式***的指纹方向图量化压缩方法 - Google Patents
面向嵌入式***的指纹方向图量化压缩方法 Download PDFInfo
- Publication number
- CN1940995A CN1940995A CN 200510108135 CN200510108135A CN1940995A CN 1940995 A CN1940995 A CN 1940995A CN 200510108135 CN200510108135 CN 200510108135 CN 200510108135 A CN200510108135 A CN 200510108135A CN 1940995 A CN1940995 A CN 1940995A
- Authority
- CN
- China
- Prior art keywords
- data
- field
- difference
- storage
- statistics
- 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 25
- 238000010586 diagram Methods 0.000 title claims description 23
- 238000003860 storage Methods 0.000 claims abstract description 35
- 238000011002 quantification Methods 0.000 claims abstract description 22
- 238000007906 compression Methods 0.000 claims description 22
- 230000006835 compression Effects 0.000 claims description 22
- 239000012634 fragment Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000013144 data compression Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明属嵌入式***技术和数字图像处理领域,面向嵌入式***的指纹方向图量化压缩方法,包括步骤:选取量化等级和分段位存储参数;方向图数据量化;求取并统计量化方向图的前向差值;用方向图数据前向差值重复的次数加上数据本身来代替原始数据;分段位存储方向场数据和前向差值的统计数据;使用对方向图数据逐块同差求和补偿的方法读取压缩数据。
Description
技术领域
本发明属嵌入式***技术和数字图像处理技术领域,特别涉及数字图像压缩编码和嵌入式***数据存储技术,具体为适用于嵌入式***的指纹方向图量化以及数据压缩存储和读取的方法。
背景技术
指纹识别或验证一般是通过对指纹的特征数据进行比对和匹配来实现的,这种特征数据称为模板。模板并非原始的指纹图像,而是对指纹图像中关键特征的数字表示。从输入指纹图像提取关键特征后形成模板,可以节省指纹识别***的存储空间,减少网络传输信道的容量,便于实现指纹异地匹配。自动指纹识别***中常用的特征包括细节点特征和方向场特征等。细节点指的是指纹纹线的分叉点或端点,提取的特征数据包括细节点坐标,细节点所在的局部纹线的方向和曲率,以及细节点类型(端点或分叉点)等信息。存储一个细节点的上述信息一般需要5个字节,一幅指纹图像上的真实细节点数是有限的,通常不会超过100个,因此存储一枚指纹的细节点特征的模板数据一般不会超过500个字节,可以满足大多数自动指纹识别***对模板库存储量的限制要求。
然而,不同于细节点特征的是,方向场特征需要相对较大的存储空间。指纹的方向图是用纹线的方向来表示原来的纹线,它是指纹图像的一种重要特征,可以描述指纹图像的整体结构。除了用于指纹匹配,在指纹图像预处理、特征提取、中心点检测、分类以及指纹图像合成等方面也有着重要的应用。目前存在大量的方向图计算方法,一般的指纹识别算法采用块方向图,将源指纹图像分成分为w×w的小块(一般取w=8),使用基于局部灰度梯度的方向场计算方法,计算出每一个小块的脊线方向。全部分块图像的方向构成了指纹图像的方向图。可以发现,即使仅仅存储块方向场数据,仍然需要较大的存储空间,很难满足嵌入式自动指纹识别***的要求。幸运的是,指纹的方向场特征存在着很强的相关性,这就为我们对方向图数据进行压缩提供了重要的依据。
发明内容
本发明的目的在于提出一种适用于嵌入式***,既不会影响指纹识别性能,又能够提高压缩效率的指纹方向图量化压缩的方法。
面向嵌入式***的指纹方向图量化压缩方法,包括步骤:通过方向图量化将块方向场数据归一化到一个整数范围内;在量化的方向图上,求取块方向场的前向差值,并统计前向差值数据连续重复出现的次数,用方向场数据前向差值重复的次数加上数据本身来代替原始数据;区分存储段位,分别用来存储方向场数据和方向场前向差值的统计数据。
还包括步骤:根据算法的精度需要和模板的容量要求,选取量化等级和分段位存储参数,通过同一个参数在量化精度和压缩效率之间获得平衡。
还包括步骤:根据选取的量化等级参数,通过方向图数据量化将块方向场的角度归一化到一个整数范围内。
还包括步骤:在量化的方向图上,以分块为单位,逐行求取块方向场的前向差值,并统计前向差值数据连续重复出现的次数,用方向场数据前向差值重复的次数加上数据本身来代替原始数据。
还包括步骤:分段位压缩存储——根据选取的量化等级和分段位存储参数,将8比特位的字节或字段划分为两个段位,一个段位用来存储方向场数据,另一个段位存储方向场前向差值的统计数据。
还包括步骤:压缩数据读取——首先读取统计数据位,然后再读取方向场数据位,并根据统计数据,对方向场数据逐块同差求和补偿。
附图说明
图1为面向嵌入式***的指纹方向图量化压缩存储流程图。
图2为量化后的指纹方向图和源指纹图像对比图。
图3为分段位存储方向场数据和差值统计数据的实施例示意图。
图4为我们开发的自动指纹识别模块。
具体实施方式
下面通过实施例进一步说明面向嵌入式***的指纹方向图量化压缩方法的操作过程。如图1所示,方向图量化压缩存储的具体实现步骤如下:
(1-1)确定量化等级和分段位存储参数N。如果用来存储方向场数据的最大比特位数记作N,那么方向场数据的量化等级就为2N。根据算法的精度需要和模板的容量要求,我们需要在量化精度和压缩效率之间寻求一个折衷,一般地,可以选取N等于3、4、5或6。
(1-2)方向图数据量化。通过量化将块方向场的角度归一化到一个整数范围内。方向场的角度θ大小一般在0~180°,或者-90°~90°之间,如果是后者需要变换到前者的范围内。我们将180°的角度范围进行2N等分,根据方向场角度落在等分区间的位置确定量化后的方向场数据。具体计算方法如下:设指纹有效区域内的方向场数据为θ(i,j),其中,i,j表示图像块的位置坐标,那么量化后的方向场数据为:[θ(i,j)×32÷180],[]表示对其中的数值取整。可以知道,求取的数值范围在0~2N-1之间。值得说明的是,指纹识别感兴趣的方向场数值一般为相对数据,因此,只需要在指纹图像模板中存储量化后的方向场数据,如需要原始数据,也可以根据量化后的数据反向计算得到。另外,方向场数据按照从左到右从上到下的顺序连续存储,因此不需要存储位置信息。图2(b)所示为量化后的指纹方向图,量化等级为24,图2(a)为源指纹图像,通过对比可以发现,量化的方向图保持了原指纹图像的方向场特征。
(1-3)求取前向差值。在量化的方向图上,按照从左到右从上到下的顺序,依次求取相对于前一个分块的方向场数据的差值。
(1-4)统计差值连续重复的次数。对于连续重复的前向差值,计算其连续出现的次数并减去1,记作iCount。统计差值连续重复次数时同步骤(1-3)求取前向差值一样,以方向图的分块为单位,一行一行地进行。实际上,图像行程编码的原理是:将一行中颜色相同的相邻像素用一个计数值和该颜色值来代替。基于行程编码的思想,我们用方向场数据前向差值重复的次数加上数据本身来代替原始数据,这种数据压缩的方法不但比分段位存储方向场数据的方法效率要高,而且优于图像行程编码的方法,这是因为我们充分利用了指纹方向图的特点——通常情况下,指纹图像邻近的块方向场数据比较接近,一般不会突变,并且最为重要的是,邻近块的方向场往往沿着同一方向变化。
(1-5)区分存储段位。将8比特(bit)位的字节分为两个段位,对于16位的处理器,首先将一个字(word)区分为高8位和低8位两个字段,然后再分别划分为两个段位。一个段位用来存储方向场数据,另一个段位存储方向场前向差值的统计数据,用来存储方向场数据的比特位数N就是步骤(1-1)确定的量化等级和分段位存储参数,存储统计数据的比特位K则等于8-N。
(1-6)分段位存储方向场和差值统计数据。起始块或前向差值不重复的块的统计数据均记作0。能够存储的差值统计数据最大取值为2K-1,如果统计数据iCount大于2K-1,则必须分多次处理。可以发现,在理想情况下最大压缩比为
对于16位的处理器,由于分高、低8位存储,则理论上最大压缩比可以达到
下面以16位处理器,量化等级和分段位存储参数N等于5为例,说明分段位存储数据的方法。将8位字节划分为5位和3位两个段位,前5位存放量化的方向场数据,后3位存放具有相同前向差值的图像分块统计数。具体地,如方向场数据依次为7,9,11,13,15,17,19,21,23,25,27,29,28,27,26,25,24,23,其中7对应起始块的方向场数据,则相应的前向差值依次为2,2,2,2,2,2,2,2,2,2,2,-1,-1,-1,-1,-1,-1,于是分段位压缩存储的结果为:(0x07|0x00),(0x09|0x07),(0x19|0x02),(0x1C|0x05)。对于16位的嵌入式***,如图3所示,可以用两个字(WORD)来表示,压缩比达到
有了上述压缩存储的方法,那么读取数据时也很容易。首先读取一个8位字节或字段的低K位,得到统计数据iCount,如果iCount为0x00,则直接将高N位的数值存入方向图缓冲区;如果iCount大于0x00,则首先将高N位的方向场数值存入缓冲区,然后与缓冲区的前一个方向场数值作差,用此同一差值,重复iCount次对方向场数值逐块求和补偿,依次存入缓冲区。
上述指纹方向图数据压缩的方法简单快速有效,本发明技术已成功应用在我们开发的自动指纹识别模块中,如图4所示。其中图4(a)所示的***模块,曾经多次在各种技术展览会上参展,并由投资人带给欧洲的客户测试,反馈回了令人满意的结果。图4(b)所示的模块是我们正在开发的用于和远程上位机通信的产品,数据压缩尤其重要,本发明较好地解决了这一技术需求。
Claims (7)
1.面向嵌入式***的指纹方向图量化压缩方法,包括步骤:通过方向图量化将块方向场数据归一化到一个整数范围内;在量化的方向图上,求取块方向场的前向差值,并统计前向差值数据连续重复出现的次数,用方向场数据前向差值重复的次数加上数据本身来代替原始数据;区分存储段位,分别用来存储方向场数据和方向场前向差值的统计数据。
2.按权利要求1所述的方法,其特征在于,还包括步骤:根据算法的精度需要和模板的容量要求,选取量化等级和分段位存储参数,通过同一个参数在量化精度和压缩效率之间获得平衡。
3.按权利要求1所述的方法,其特征在于,还包括步骤:根据选取的量化等级参数,通过方向图数据量化将块方向场的角度归一化到一个整数范围内。
4.按权利要求1所述的方法,其特征在于,还包括步骤:在量化的方向图上,以分块为单位,逐行求取块方向场的前向差值,并统计前向差值数据连续重复出现的次数,用方向场数据前向差值重复的次数加上数据本身来代替原始数据。
5.按权利要求1所述的方法,其特征在于,还包括步骤:分段位压缩存储——根据选取的量化等级和分段位存储参数,将8比特位的字节或字段划分为两个段位,一个段位用来存储方向场数据,另一个段位存储方向场前向差值的统计数据。
6.按权利要求1所述的方法,其特征在于,还包括步骤:压缩数据读取——首先读取统计数据位,然后再读取方向场数据位,并根据统计数据,对方向场数据逐块同差求和补偿。
7.按权利要求1所述的方法,方向图量化压缩存储的具体步骤如下:
(1-1)确定量化等级和分段位存储参数N,如果用来存储方向场数据的最大比特位数记作N,那么方向场数据的量化等级就为2N,根据算法的精度需要和模板的容量要求,我们需要在量化精度和压缩效率之间寻求一个折衷,一般地,可以选取N等于3、4、5或6;
(1-2)方向图数据量化,通过量化将块方向场的角度归一化到一个整数范围内,方向场的角度θ大小一般在0~180°,或者-90°~90°之间,如果是后者需要变换到前者的范围内,我们将180°的角度范围进行2N等分,根据方向场角度落在等分区间的位置确定量化后的方向场数据,具体计算方法如下:设指纹有效区域内的方向场数据为θ(i,j),其中,i,j表示图像块的位置坐标,那么量化后的方向场数据为:[θ(i,j)×32÷180],[]表示对其中的数值取整;
(1-3)求取前向差值,在量化的方向图上,按照从左到右从上到下的顺序,依次求取相对于前一个分块的方向场数据的差值;
(1-4)统计差值连续重复的次数,对于连续重复的前向差值,计算其连续出现的次数并减去1,记作iCount,统计差值连续重复次数时同步骤(1-3)求取前向差值一样,以方向图的分块为单位,一行一行地进行,基于行程编码的思想,用方向场数据前向差值重复的次数加上数据本身来代替原始数据;
(1-5)区分存储段位,将8比特位的字节分为两个段位,对于16位的处理器,首先将一个字区分为高8位和低8位两个字段,然后再分别划分为两个段位,一个段位用来存储方向场数据,另一个段位存储方向场前向差值的统计数据,用来存储方向场数据的比特位数N就是步骤(1-1)确定的量化等级和分段位存储参数,存储统计数据的比特位K则等于8-N;
(1-6)分段位存储方向场和差值统计数据,起始块或前向差值不重复的块的统计数据均记作0,能够存储的差值统计数据最大取值为2K-1,如果统计数据iCount大于2K-1,则必须分多次处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005101081350A CN100447815C (zh) | 2005-09-29 | 2005-09-29 | 面向嵌入式***的指纹方向图量化压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005101081350A CN100447815C (zh) | 2005-09-29 | 2005-09-29 | 面向嵌入式***的指纹方向图量化压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1940995A true CN1940995A (zh) | 2007-04-04 |
CN100447815C CN100447815C (zh) | 2008-12-31 |
Family
ID=37959144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005101081350A Expired - Fee Related CN100447815C (zh) | 2005-09-29 | 2005-09-29 | 面向嵌入式***的指纹方向图量化压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100447815C (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262208A (zh) * | 2010-05-31 | 2011-11-30 | 无锡中星微电子有限公司 | 一种芯片测试的方法和*** |
CN104537099A (zh) * | 2015-01-09 | 2015-04-22 | 北京道通天下信息科技有限责任公司 | 存储方法、装置及电子设备 |
CN107515931A (zh) * | 2017-08-28 | 2017-12-26 | 华中科技大学 | 一种基于聚类的重复数据检测方法 |
CN108604146A (zh) * | 2017-01-05 | 2018-09-28 | 深圳市汇顶科技股份有限公司 | 触控装置和确定触控装置的电容感应量的方法 |
CN110677156A (zh) * | 2019-09-19 | 2020-01-10 | 南京国电南自电网自动化有限公司 | 电力***保护装置中黑白点阵数据的压缩算法及解压方法 |
CN112199049A (zh) * | 2020-10-22 | 2021-01-08 | Tcl通讯(宁波)有限公司 | 一种指纹储存方法、装置及终端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1021857C (zh) * | 1989-11-23 | 1993-08-18 | 北京大学 | 指纹鉴别特征提取电路 |
US5995642A (en) * | 1997-06-30 | 1999-11-30 | Aetex Biometric Corporation | Method for automatic fingerprint classification |
CN1299230C (zh) * | 2003-11-10 | 2007-02-07 | 北京握奇数据***有限公司 | 一种基于互信息的指纹特征匹配方法 |
-
2005
- 2005-09-29 CN CNB2005101081350A patent/CN100447815C/zh not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262208A (zh) * | 2010-05-31 | 2011-11-30 | 无锡中星微电子有限公司 | 一种芯片测试的方法和*** |
CN102262208B (zh) * | 2010-05-31 | 2015-11-25 | 无锡中星微电子有限公司 | 一种芯片测试的方法和*** |
CN104537099A (zh) * | 2015-01-09 | 2015-04-22 | 北京道通天下信息科技有限责任公司 | 存储方法、装置及电子设备 |
CN108604146A (zh) * | 2017-01-05 | 2018-09-28 | 深圳市汇顶科技股份有限公司 | 触控装置和确定触控装置的电容感应量的方法 |
CN108604146B (zh) * | 2017-01-05 | 2021-07-16 | 深圳市汇顶科技股份有限公司 | 触控装置和确定触控装置的电容感应量的方法 |
CN107515931A (zh) * | 2017-08-28 | 2017-12-26 | 华中科技大学 | 一种基于聚类的重复数据检测方法 |
CN107515931B (zh) * | 2017-08-28 | 2023-04-25 | 华中科技大学 | 一种基于聚类的重复数据检测方法 |
CN110677156A (zh) * | 2019-09-19 | 2020-01-10 | 南京国电南自电网自动化有限公司 | 电力***保护装置中黑白点阵数据的压缩算法及解压方法 |
CN112199049A (zh) * | 2020-10-22 | 2021-01-08 | Tcl通讯(宁波)有限公司 | 一种指纹储存方法、装置及终端 |
CN112199049B (zh) * | 2020-10-22 | 2023-10-20 | Tcl通讯(宁波)有限公司 | 一种指纹储存方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN100447815C (zh) | 2008-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111684802B (zh) | 用于对字节流进行分级编码和解码的方法和设备 | |
CN100447815C (zh) | 面向嵌入式***的指纹方向图量化压缩方法 | |
US6438268B1 (en) | Vector quantization codebook generation method | |
Ramadan et al. | Face recognition using particle swarm optimization-based selected features | |
Chen et al. | Tree histogram coding for mobile image matching | |
CN102521618B (zh) | 局部描述子的提取方法、图片检索方法及图像匹配方法 | |
Khashman et al. | Image compression using neural networks and Haar wavelet | |
CN103218427A (zh) | 局部描述子的提取方法、图像检索方法及图像匹配方法 | |
KR20150095825A (ko) | 차동 전송을 이용한 무손실 이미지 압축 | |
Zhao et al. | Local quantization code histogram for texture classification | |
CN104115162A (zh) | 图像分析 | |
Ebrahimpour-Komleh et al. | Face recognition using fractal codes | |
Duan et al. | Fast MPEG-CDVS encoder with GPU-CPU hybrid computing | |
US20080252499A1 (en) | Method and system for the compression of probability tables | |
CN105227964A (zh) | 视频认证方法及*** | |
CN108536772B (zh) | 一种基于多特征融合和扩散过程重排序的图像检索方法 | |
CN108712655A (zh) | 一种用于相似图像集合并的群体图像编码方法 | |
CN116132714A (zh) | 一种用于网络电视***的视频数据传输方法 | |
Jackson et al. | Parallel pipelined fractal image compression using quadtree recomposition | |
CN108268533B (zh) | 一种用于图像检索的图像特征匹配方法 | |
Levenets | The Basic principles and methods of the system approach to compression of telemetry data | |
Kekre et al. | Vector quantized codebook optimization using modified genetic algorithm | |
Janet et al. | Vector quantization based index cube model for image retrieval | |
Hubo et al. | Self-Similarity Based Compression of Point Clouds, with application to Ray Tracing | |
Ahadullah et al. | Competitive improvement of the time complexity to encode fractal image: By applying symmetric central pixel of the block |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20081231 Termination date: 20150929 |
|
EXPY | Termination of patent right or utility model |