WO2016029346A1 - 指纹提取方法和装置 - Google Patents
指纹提取方法和装置 Download PDFInfo
- Publication number
- WO2016029346A1 WO2016029346A1 PCT/CN2014/085121 CN2014085121W WO2016029346A1 WO 2016029346 A1 WO2016029346 A1 WO 2016029346A1 CN 2014085121 W CN2014085121 W CN 2014085121W WO 2016029346 A1 WO2016029346 A1 WO 2016029346A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image
- fingerprint
- images
- fingerprint images
- obtaining
- Prior art date
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 18
- 238000013441 quality evaluation Methods 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 33
- 238000001228 spectrum Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000002194 synthesizing effect Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 239000003610 charcoal Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
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
Definitions
- Embodiments of the present invention relate to the field of fingerprint recognition technologies, and in particular, to a fingerprint extraction method and apparatus. Background technique
- the purpose of fingerprint collection is to obtain the most realistic and detailed hand fingerprint information, so that it can use its unique biological unique characteristics for personal identification.
- the reason why the fingerprint has invariance and uniqueness is because the uneven lines on the front of the finger end are regularly arranged into different patterns, and different lines have different starting points, end points, joint points and points. Fork points, etc., these characteristics ensure the difference between different individuals. Therefore, an important indicator for fingerprint collection is to ensure the clarity of the fingerprint lines, so as to obtain fingerprint feature information as much as possible.
- the commonly used fingerprint sensors for fingerprint collection are mainly divided into two types: scratch type and push type.
- the signal acquisition principle there are optical, pressure sensitive, capacitive, inductive, thermal and ultrasonic. Regardless of the acquisition method or principle, the most original signal data obtained from the sensor needs to be preprocessed by certain data to obtain fingerprint image information.
- the main acquisition procedure has the following three steps:
- the ridge portion in the fingerprint pattern is a wrinkle formed by the finger dermis to the epidermal papillae, a ridge line called a fingerprint, and a concave portion between the fingerprint ridge lines, which is called a valley line of the fingerprint.
- the digital-to-analog conversion gain is performed.
- the image gain is again performed centering on the 127 pixel value to increase the contrast of the ridge line and the valley line.
- the relevant acquisition parameters involved in the above collection procedure are set in advance during the development process. It is coded into the product, so it is not free to make dynamic adjustments during subsequent use.
- the relevant acquisition parameters involved in the above collection procedure are set in advance during the development process. It is coded into the product, so it is not free to make dynamic adjustments during subsequent use.
- the quality of fingerprints collected will vary. Under the same set of acquisition parameters, due to the influence of the above different factors, it may not be possible to ensure that all fingerprints of all users can smoothly collect better data.
- the embodiment of the invention provides a fingerprint extraction method and device, which can collect good fingerprint data for different users in different scenarios, thereby improving the quality of the fingerprint image.
- an embodiment of the present invention provides a fingerprint extraction method, where the method includes: collecting, by using at least two sets of acquisition parameters, a fingerprint of a user, and obtaining at least two fingerprint images corresponding to the at least two sets of acquisition parameters. ;
- a target fingerprint image is acquired according to the at least two fingerprint images.
- the at least two sets of acquisition parameters include: a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of Acquisition parameters for collecting normal finger fingerprints.
- the acquiring the target fingerprint image according to the at least two fingerprint images includes: acquiring the at least two Image quality parameters of the fingerprint image;
- the acquiring image quality parameters of the at least two fingerprint images respectively; and determining image quality according to the at least two fingerprint images The parameter selects the most image quality in the at least two fingerprint images
- An excellent fingerprint image as the target fingerprint image includes:
- a fingerprint image in which the grayscale average value of the at least two fingerprint images is closest to the ideal grayscale value and the grayscale value variance is within a preset variance range is selected as the target fingerprint image.
- the acquiring an image quality parameter of the at least two fingerprint images respectively; and determining an image quality according to the at least two fingerprint images Selecting, as the target fingerprint image, a fingerprint image having an image quality optimal in the at least two fingerprint images includes:
- the acquiring an image quality parameter of the at least two fingerprint images respectively; and performing image quality according to the at least two fingerprint images Selecting, as the target fingerprint image, a fingerprint image having an image quality optimal in the at least two fingerprint images includes:
- the direction field is all pixels in the preset area a matrix consisting of tangential direction vectors
- the local directional field is a matrix consisting of tangential direction vectors of pixel points in the image block in the preset region;
- the image block corresponding to the local direction field is An image block composed of pixels corresponding to the local direction field;
- a fingerprint image having the smallest variance of the gray value of the image segment is selected as the target fingerprint image.
- the image quality parameter of the two fingerprint images is selected as the target fingerprint image by selecting the fingerprint image with the best image quality in the at least two fingerprint images:
- the first fingerprint image is any one of the at least two fingerprint images
- Searching the ring spectrum to obtain a maximum amplitude ring in the ring spectrum ; acquiring an image quality evaluation score of the first fingerprint image according to the maximum amplitude ring; selecting an image in the at least two fingerprint images The fingerprint image with the highest quality evaluation score is used as the target fingerprint image.
- the acquiring an image quality parameter of the at least two fingerprint images respectively; and determining an image quality according to the at least two fingerprint images Selecting, as the target fingerprint image, a fingerprint image having an image quality optimal in the at least two fingerprint images includes:
- the acquiring the target fingerprint image according to the at least two fingerprint images includes: the at least two fingerprints Image registration;
- the at least two fingerprint images after registration are image-combined to obtain the target fingerprint image.
- the performing image registration on the at least two fingerprint images includes:
- the image is synthesized by the registration of the at least two fingerprint images, and obtaining the target fingerprint image includes:
- the credibility function is used to acquire the credibility of each image for the collected plurality of fingerprint objects, and then the target fingerprint image is synthesized by weighting and averaging the credibility of each image as the weight of each image.
- a fingerprint extraction device comprising:
- the collecting unit is configured to collect the fingerprint of the user by using at least two sets of collecting parameters, Obtaining at least two fingerprint images corresponding to the at least two sets of collection parameters; and an image acquisition unit, configured to acquire a target fingerprint image according to the at least two fingerprint images.
- the at least two sets of acquisition parameters include: a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of Acquisition parameters for collecting normal finger fingerprints.
- the image acquiring unit includes:
- a quality evaluation unit configured to separately acquire image quality parameters of the at least two fingerprint images
- an image selecting unit configured to select, as the target fingerprint image, a fingerprint image with an optimal image quality in the at least two fingerprint images according to image quality parameters of the at least two fingerprint images.
- the quality evaluation unit is specifically configured to:
- the image selection unit is specifically configured to:
- a fingerprint image in which the grayscale average value of the at least two fingerprint images is closest to the ideal grayscale value and the grayscale value variance is within a preset variance range is selected as the target fingerprint image.
- the quality evaluation unit is specifically configured to:
- the image selection unit is specifically configured to:
- the fingerprint image with the highest ratio is selected as the target fingerprint image.
- the quality evaluation unit is specifically configured to:
- the direction field is all pixels in the preset area a matrix consisting of tangential direction vectors; Selecting at least two local directional fields in the directional field; the local directional field is a matrix composed of tangential direction vectors of pixel points in the image segment in the preset region;
- the image block corresponding to the local direction field is An image block composed of pixels corresponding to the local direction field;
- the image selection unit is specifically configured to:
- a fingerprint image having the smallest variance of the gray value of the image segment is selected as the target fingerprint image.
- the quality evaluation unit is specifically configured to:
- the first fingerprint image is any one of the at least two fingerprint images
- the image selecting unit is specifically configured to:
- a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the quality evaluation unit is specifically configured to:
- the image selection unit is specifically configured to: Among the at least two fingerprint images, a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the image acquiring unit includes:
- An image registration unit is configured to perform image registration on the at least two fingerprint images.
- the image synthesizing unit is configured to perform image synthesis on the at least two fingerprint images after registration to obtain the target fingerprint image.
- the image registration unit is specifically configured to:
- the image synthesizing unit is specifically configured to:
- the credibility function is used to acquire the credibility of each image for the collected plurality of fingerprint objects, and then the target fingerprint image is synthesized by weighting and averaging the credibility of each image as the weight of each image.
- a fingerprint extraction apparatus comprising: a processor, a memory, and an input/output interface; the processor, the memory, and the input/output interface are connected by a bus; the input/output The interface is configured to interact with other devices; the memory is configured to store at least two sets of acquisition parameters and a computer program; the processor is configured to execute the computer program to: separately collect fingerprints of the user by using at least two sets of collection parameters Obtaining at least two fingerprint images corresponding to the at least two sets of acquisition parameters;
- a target fingerprint image is acquired according to the at least two fingerprint images.
- the at least two sets of acquisition parameters include: a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of It is used to collect the acquisition parameters of normal finger fingerprints.
- the processor is configured to execute the computer program, specifically:
- the processor is configured to execute the computer program specifically for:
- a fingerprint image in which the grayscale average value of the at least two fingerprint images is closest to the ideal grayscale value and the grayscale value variance is within a preset variance range is selected as the target fingerprint image.
- the processor is configured to execute the computer program, specifically: Obtaining the area of the effective pixels of the fingerprint in each fingerprint image;
- the processor is configured to execute the computer program, specifically:
- the direction field is all pixels in the preset area a matrix consisting of tangential direction vectors
- the local directional field is a matrix consisting of tangential direction vectors of pixel points in the image block in the preset region;
- the image block corresponding to the local direction field is An image block composed of pixels corresponding to the local direction field;
- a fingerprint image having the smallest variance of the gray value of the image segment is selected as the target fingerprint image.
- the processor is configured to execute the computer program, specifically:
- the first fingerprint image is any one of the at least two fingerprint images
- Searching the ring spectrum to obtain a maximum amplitude ring in the ring spectrum ; acquiring an image quality evaluation score of the first fingerprint image according to the maximum amplitude ring; selecting an image in the at least two fingerprint images The fingerprint image with the highest quality evaluation score is used as the target fingerprint image.
- the processor is configured to execute the computer program, specifically:
- the processor is configured to execute the computer program, specifically:
- the at least two fingerprint images after registration are image-combined to obtain the target fingerprint image.
- the processor is configured to execute the computer program specifically for:
- the processor is configured to execute the computer program specifically for:
- the credibility function is used to acquire the credibility of each image for the collected plurality of fingerprint objects, and then the target fingerprint image is synthesized by weighting and averaging the credibility of each image as the weight of each image.
- An embodiment of the present invention provides a fingerprint extraction method and apparatus, which collects fingerprints of a user by using at least two sets of acquisition parameters, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters, and then at least two The fingerprint image selects the image with the best quality as the target fingerprint image, or synthesizes the target fingerprint image according to the at least two fingerprint images. Therefore, good fingerprint data can be collected for different users in different scenarios, thereby improving the quality of the fingerprint image.
- BRIEF DESCRIPTION OF THE DRAWINGS In order to more clearly illustrate the embodiments of the present invention or the technical solutions in the prior art, a brief description of the drawings used in the embodiments or the prior art description will be briefly described below. The drawings are some embodiments of the present invention, and those skilled in the art can obtain other drawings based on these drawings without any inventive labor.
- FIG. 1 is a schematic flow chart of a fingerprint extraction method provided by the present invention.
- FIG. 2 is another schematic flowchart of a fingerprint extraction method provided by the present invention.
- FIG. 3 is still another schematic flowchart of a fingerprint extraction method provided by the present invention.
- FIG. 4 is a schematic structural diagram of a fingerprint extracting apparatus provided by the present invention.
- FIG. 5 is another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention.
- FIG. 6 is still another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention
- FIG. 7 is still another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention
- FIG. 6 is still another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention
- FIG. 7 is still another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention
- FIG. 8 is still another schematic structural diagram of a fingerprint extracting apparatus provided by the present invention. detailed description
- An embodiment of the present invention provides a fingerprint extraction method. As shown in FIG. 1, the method includes:
- S101 Collect, by using at least two sets of acquisition parameters, the fingerprints of the user, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters.
- the foregoing parameter is a parameter used for processing the collected fingerprint image signal when the fingerprint collection sensor collects the fingerprint, such as a pixel value gain, a pixel value offset, a digital-to-analog conversion gain, etc., the acquisition parameters are different, and the collection is performed.
- the image is different. Therefore, the above two different sets of acquisition parameters can be understood as multiple sets of acquisition parameters suitable for different acquisition scenarios, such as three sets of acquisition parameters, one set of acquisition parameters for collecting dry finger fingerprints, and one set for collecting wet parameters.
- the above at least two sets of parameter parameters are pre-stored in the fingerprint acquisition sensor.
- the target fingerprint image can be obtained in two ways:
- One is to separately obtain image quality parameters of the at least two fingerprint images, and then select a fingerprint image with the best image quality as the target fingerprint image in the at least two fingerprint images according to the image quality parameters of the at least two fingerprint images.
- the other is to perform image registration on the at least two fingerprint images, and perform image synthesis on the at least two fingerprint images after registration to obtain a target fingerprint image.
- An embodiment of the present invention provides a fingerprint extraction method, which uses at least two sets of acquisition parameters stored in advance to collect fingerprints of a user, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters, and then at least The two fingerprint images select the best quality image as the target fingerprint image, or synthesize the target fingerprint image according to the at least two fingerprint images. Therefore, it is possible to collect good fingerprint data for different users in different scenarios, thereby improving the fingerprint image. Like the quality.
- Methods include:
- S201 Collect the fingerprints of the user by using different at least two sets of acquisition parameters, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters.
- the at least two sets of parameters are pre-stored in the fingerprint collection sensor, and each set of acquisition parameters corresponds to different acquisition parameters, and different acquisition parameters are applied to different scenarios, for example, three sets of acquisition parameters may be set, one group Acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of acquisition parameters for collecting normal finger fingerprints.
- acquisition parameters corresponding to other possible scenarios, such as acquisition parameters for users with shallow fingerprints, acquisition parameters for deep fingerprints, or acquisition parameters when the user presses a heavy finger.
- the fingerprint acquisition sensor does not know when the finger of the user who performs the fingerprint collection satisfies the above situation, it is necessary to use the multiple sets of acquisition parameters pre-stored by the fingerprint collection sensor to perform the same fingerprint when collecting the fingerprint. After the acquisition, multiple fingerprint images are obtained.
- S203 Select, as the target fingerprint image, a fingerprint image with the best image quality in the at least two fingerprint images according to image quality parameters of the at least two fingerprint images.
- the image quality parameter can be understood as a parameter for evaluating the image quality
- the specific method for evaluating the plurality of images collected by the fingerprint acquisition sensor according to the image quality parameter is exemplary, including but not limited to the following:
- the average value of the gradation in the preset area of the fingerprint center in each fingerprint image is obtained according to the average gray value formula.
- Each fingerprint image includes a fingerprint (also referred to as a foreground) and a background.
- a fingerprint also referred to as a foreground
- a background After determining the center of the fingerprint, an area of w pixels and a width of h pixels centered on the center of the fingerprint may be selected. .
- the resolution of the entire fingerprint image is 640*640, and one area centered on the center of the fingerprint may be selected, and the area of 320*320 is the preset area. Then you can benefit
- the average gray value formula is used to obtain the gray average value of this preset area.
- the average gray value formula can be:
- the variance of the gray value in the preset area of the fingerprint center in each fingerprint image is obtained according to the gray value variance formula.
- the gray value variance formula can be:
- the fingerprint image whose gray average value is closest to the ideal gray value and whose gray value variance is within the preset variance is selected as the final output target fingerprint image.
- the ideal gray value is 127.
- the preset variance range can be set according to the empirical value, or can be set according to actual needs, and is not limited herein.
- Obtaining a fingerprint effective pixel can be understood as: In a fingerprint image, a fingerprint and a background are included, and the fingerprint and the background are composed of a plurality of pixels, wherein the pixel for displaying the fingerprint is regarded as a valid pixel, The area of the pixel for displaying the fingerprint is obtained, and the area of the effective pixel of the fingerprint is obtained.
- the total area of the acquisition is obtained, and the total area of the collection can be understood as the maximum collection area of the fingerprint collection sensor, such as the size of the acquisition window of the fingerprint acquisition sensor, or can also be understood as the total area of the captured fingerprint image.
- the fingerprint image with the highest ratio is selected as the final output target fingerprint image among all the fingerprint images.
- the direction field of the preset area of the fingerprint center in the first fingerprint image is obtained.
- the first fingerprint image here may be any one of the acquired at least two fingerprint images.
- the preset area of the fingerprint center and the area of the fingerprint center centered on the center of the fingerprint are W pixels, and the area of h pixels is the same concept area, where the preset area is long.
- the value of the width and the width may be the same as or different from the preset area described in the first mode.
- the curve of each pixel can be obtained in the tangential direction of the pixel, according to w *
- the tangent direction vector of h pixels can form a matrix, which is the direction field of the preset area.
- the gray values of the image blocks corresponding to the local direction fields are calculated in a direction orthogonal to the local direction fields, and the variance of the image block gray values is obtained, which obtains the image of the first fingerprint image.
- the variance of the gray value of the block is obtained, which obtains the image of the first fingerprint image.
- the fingerprint image with the smallest variance of the gray value of the image segment is selected as the target fingerprint image of the final output.
- the first fingerprint image here may be any one of the acquired at least two fingerprint images.
- the fingerprint center preset area is an area of the same concept as the center of the fingerprint center, and the area of the width of the h pixel is the same concept as the first or third mode, where the preset is The length and width of the area may be the same as or different from the preset area described in the first or third mode.
- the ridge valley structure in the fingerprint is a quasi-periodic information, a good quality fingerprint, its discrete Fourier transform map will appear in the center of the amplitude spectrum, so the circular spectrum structure can be used to evaluate the quality of the fingerprint.
- the quality assessment score of a fingerprint using the ring spectrum can be defined as:
- the representative value inside is the amplitude value at the angle of the maximum amplitude ring, yx s , y s ) and ⁇ are the reference points in the same direction e.
- the maximum amplitude loop can be searched by the following formula, and the most significant loop i should satisfy:
- At ⁇ ) represents the spectral amplitude
- ( ⁇ ) is the coordinate of the point
- the integer j is the distance from the maximum amplitude ring to the center point of the ring spectrum (the distance is evaluated by the number of pixels).
- Q After searching for the maximum amplitude loop i, Q can be calculated according to equation (3).
- the fingerprint image with the highest image quality evaluation score Q is selected as the final output target fingerprint image.
- the preset area of the fingerprint center in the first fingerprint image is divided into a plurality of image blocks of the same size.
- the fingerprint center preset area is an area of the same concept as the center of the fingerprint center, and the area of the width of the h pixels is the same concept as described in the first or third or fifth mode.
- the length and width of the preset area may be the same as or different from the preset area described in the first or third or fifth mode.
- the Gabor characteristic amplitude of the plurality of image blocks in the m directions of the Gabor filter is obtained by using a Gabor filter.
- the Gabor feature amplitude of the image block can be obtained by the following algorithm:
- the frequency of the sine wave, m is the number of directions of the filter, and the standard deviation of the Gaussian function along the X and y axes, respectively.
- the Gabor feature amplitude standard deviation of the Gabor image is G, and G can be obtained by the following formula:
- the image quality evaluation score Q of the fingerprint can be obtained, as shown by the following formula:
- the quality evaluation score Q of all the fingerprint images can be obtained by using the same method as above for all the fingerprint images collected.
- the fingerprint image with the highest image quality evaluation score Q is selected as the final output target fingerprint image.
- any one of the first to fifth methods described above may be selected for evaluation and selection of the fingerprint image.
- a combination of the above methods may also be selected for the fingerprint image.
- the first method can be used to select one or more images of the best quality
- the second method is used to select one or more images of the best quality, and then the results of the two methods are taken. Intersection, the specific needs depend on actual needs, not listed here.
- the above five methods of image evaluation and selection of the best quality image are merely exemplary, and other methods capable of evaluating image quality may be employed.
- S204 ⁇ S205 may be performed after performing S201. As shown in FIG. 3, the method includes:
- Image Registration is a process of matching and superimposing two or more images acquired at different times, different sensors (imaging devices) or under different conditions (weather, illumination, camera position, angle, etc.). .
- a plurality of images of the same finger fingerprint obtained under different parameters are registered.
- the general flow of image registration technology is as follows: First, feature extraction of two images to obtain features Point, then find the matching feature point pairs by performing the similarity measure, and then obtain the image space coordinate transformation parameters through the matched feature point pairs, and finally perform image registration by the coordinate transformation parameters. Simply speaking, registration is to find the points in each image that can be matched. These matching points can correspond to the same position in the fingerprint in order to prepare for subsequent image synthesis.
- Feature extraction is the key in registration technology, and accurate feature extraction provides guarantee for the success of feature matching. Therefore, the use of feature extraction methods with good invariance and accuracy is critical for matching accuracy. Therefore, the Scale Invariant Feature Transform (SIFT) algorithm can be used for image matching.
- SIFT Scale Invariant Feature Transform
- the SIFT algorithm is used to extract the SIFT feature vector of at least two fingerprint images collected by the fingerprint acquisition sensor, which specifically includes:
- the Gaussian pyramid image sequence is a sequence of images including Gaussian filtering of the original image, including an image with a 0th order, each s layer.
- a Gaussian difference pyramid image sequence of the at least two fingerprint images is generated according to the Gaussian pyramid image sequence of the at least two fingerprint images. Specifically, based on the Gaussian pyramid image sequence, a difference of the scale space functions of adjacent two layers on the same order can be used to obtain a layer of the DOG Gaussian pyramid, thereby obtaining a Gaussian difference pyramid image sequence.
- an extreme point detection is performed on a Gaussian difference pyramid image sequence (DOG) of the at least two fingerprint images.
- DOG Gaussian difference pyramid image sequence
- the pixel value comparison if the pixel value is the maximum value or the minimum value compared with the adjacent pixel points, the point is a candidate key point.
- candidate key points are filtered to remove low-contrast and noise-sensitive candidate key points and edge points in the candidate key points to obtain multiple key points. Generate SIFT feature vectors for these key points.
- the SIFT feature vectors are matched, and the matching is performed according to the similarity measure.
- the commonly used matching methods are: Euclidean distance and Mahalanobis distance.
- each fingerprint image can be binarized first.
- Image binarization is to set the gray value of the pixel on the image to 0 or 255, which is to show the entire image a distinct black and white effect.
- the image pyramid is used to search and match the fingerprint image after binarization, wherein the image pyramid is a structure in which the image is interpreted by multiple resolutions, and the pyramid of one image is arranged in a pyramid shape.
- the resolution is gradually reduced by the collection of images.
- Image registration can also be performed on the collected plurality of fingerprint images by the above method.
- S205 Perform image synthesis on the at least two fingerprint images after registration to obtain a target fingerprint image.
- the multiple fingerprint images after registration can be synthesized in the following ways, including but not limited to:
- One is to obtain a pixel average value of the at least two fingerprint images after registration, and perform synthesis of the at least two fingerprint images by using a histogram equalization process according to pixel average values of the at least two fingerprint images. , get the target fingerprint image.
- the histogram equalization processing can specifically perform image synthesis by using a histogram equalization map to a new pixel intensity according to a pixel average value.
- Histogram equalization is a method of adjusting contrast using an image histogram in the field of image processing. This method is often used to increase the local contrast of many images, especially when the contrast of useful data for images is fairly close. In this way, the brightness can be better distributed over the histogram. This can be used to enhance local contrast without affecting the overall contrast.
- the other is to divide each fingerprint image after registration into a plurality of image segments of the same size, and obtain information entropy of each image segment.
- the illumination response curve method to input the at least two fingerprint images after registration Line synthesis, obtaining the target fingerprint image. Specifically, the picture response curve of the fingerprint image is obtained, and the weight of the pixel in the middle of the fingerprint image close to the image response curve is increased, and the pixel weights near the image response curve are reduced, and finally, the pixel weights of the plurality of fingerprint images are performed. After the weighted average, the target fingerprint image is synthesized.
- a plurality of fingerprint objects collected by the ⁇ are evaluated by using a credibility function to obtain the credibility of each image, and the credibility is used to evaluate the contribution of each image to the compositing target fingerprint image.
- the target fingerprint image is then synthesized by weighted averaging the weight of each image as the weight of each image.
- the fingerprint acquisition sensor collects multiple fingerprint images
- the fingerprint recognition time is increased. Therefore, the number of fingerprint images collected during one acquisition is not excessive, so exemplary, the number may be 3, corresponding to the need to store the corresponding three sets of acquisition parameters in the fingerprint collection sensor, as described in the foregoing embodiment, a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and A set of acquisition parameters for collecting normal finger fingerprints, so that a good fingerprint image can be obtained regardless of which of the three states the user's finger is in.
- An embodiment of the present invention provides a fingerprint extraction method, which uses at least two sets of acquisition parameters stored in advance to collect fingerprints of a user, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters, and then at least The two fingerprint images select the best quality image as the target fingerprint image, or synthesize the target fingerprint image according to the at least two fingerprint images. Therefore, good fingerprint data can be collected for different users in different scenarios, thereby improving the quality of the fingerprint image.
- the embodiment of the present invention provides a fingerprint extraction device 1. As shown in FIG. 4, the device 1 includes: an acquisition unit 11 configured to separately collect fingerprints of a user by using at least two sets of acquisition parameters stored in advance, and obtain the At least two fingerprint images corresponding to at least two sets of acquisition parameters;
- the image obtaining unit 12 is configured to acquire a target fingerprint image according to the at least two fingerprint images.
- the image obtaining unit 12 may include:
- the quality evaluation unit 121 is configured to separately acquire image quality parameters of the at least two fingerprint images;
- the image selecting unit 122 is configured to select, as the target fingerprint image, a fingerprint image with the best image quality in the at least two fingerprint images according to image quality parameters of the at least two fingerprint images.
- the at least two sets of acquisition parameters include: a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of acquisition parameters for collecting normal finger fingerprints.
- the quality evaluation unit 121 may be specifically configured to:
- the image selecting unit 122 may be specifically configured to:
- a fingerprint image in which the gray scale average value of the at least two fingerprint images is closest to the ideal gray scale value and the gray value variance is within a preset variance range is selected as the target fingerprint image.
- the quality evaluation unit 121 may be specifically configured to:
- the image selecting unit 122 may be specifically configured to:
- the fingerprint image with the highest ratio is selected as the target fingerprint image.
- the quality evaluation unit 121 may be specifically configured to:
- the direction field is a tangential direction vector of all the pixels in the preset area Matrix
- the local directional field is a matrix consisting of tangential direction vectors of pixel points in the image block in the preset region;
- the image block corresponding to the local direction field is the local direction field corresponding Image segmentation consisting of pixels;
- the image selection unit 122 can be specifically used to:
- selecting a fingerprint with the smallest variance of the gray value of the image block Like the image as the target fingerprint.
- the quality evaluation unit 121 may be specifically configured to:
- the first fingerprint image is any one of the at least two fingerprint images to search the ring spectrum , obtaining the maximum amplitude loop in the ring spectrum;
- the image selection unit 122 can be specifically used to:
- a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the quality evaluation unit 121 may be specifically configured to:
- the image selection unit 122 can be specifically used to:
- a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the image obtaining unit 12 includes:
- the image registration unit 123 is configured to perform image registration on the at least two fingerprint images.
- the image synthesizing unit 124 is configured to perform image synthesis on the at least two fingerprint images after registration to obtain a target fingerprint image.
- the image obtaining unit 12 may include only the image registration unit 123 and the image synthesizing unit 124 as shown in FIG. 5, or may include the quality evaluating unit 121 and the image selecting unit 122 as shown in FIG.
- the image registration unit 123 can be specifically configured to:
- the image synthesizing unit 124 may be specifically configured to:
- a plurality of fingerprint objects are acquired to obtain the credibility of each image by using a credibility function, and then the target fingerprint image is synthesized by weighting the credibility of each image as the weight of each image.
- the embodiment of the invention provides a fingerprint extraction device, which uses at least two sets of acquisition parameters stored in advance to collect fingerprints of the user, and obtain at least two fingerprint images corresponding to the at least two sets of acquisition parameters, and then The at least two fingerprint images are selected as the target fingerprint image, or the target fingerprint image is synthesized according to the at least two fingerprint images. thereby, It is able to collect good fingerprint data for different users in different scenarios, thereby improving the quality of the fingerprint image.
- Another embodiment of the present invention further provides a fingerprint extracting device 2. As shown in FIG. 8, the device 2 includes: a processor 21, a memory 22, an input/output interface 23, a processor 21, a memory 22, and an input/output interface 23. Connected via bus 24; input/output interface 23 for interacting with other devices; memory 22 for storing at least two sets of acquisition parameters and computer programs; processor 21 for executing computer programs for:
- a target fingerprint image is acquired according to the at least two fingerprint images.
- the processor 21 is configured to execute a computer program specifically for:
- the at least two sets of acquisition parameters may include: a set of acquisition parameters for collecting dry finger fingerprints, a set of acquisition parameters for collecting wet finger fingerprints, and a set of acquisition parameters for collecting normal finger fingerprints.
- the processor is configured to execute a computer program specifically for:
- the processor 21 is configured to execute a computer program specifically for:
- the processor 21 is configured to execute a computer program specifically for:
- the direction field is a matrix consisting of tangential direction vectors of all pixels in the preset region
- the local directional field is a matrix consisting of tangential direction vectors of pixel points in the image block in the preset region;
- the image block corresponding to the local direction field is the local direction field corresponding Image segmentation consisting of pixels;
- a fingerprint image having the smallest variance of the gray value of the image segment is selected as the target fingerprint image.
- the processor 21 is configured to execute a computer program specifically for:
- the first fingerprint image is any one of the at least two fingerprint images to search the ring spectrum , obtaining the maximum amplitude loop in the ring spectrum;
- a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the processor 21 is configured to execute a computer program specifically for:
- a fingerprint image having the highest image quality evaluation score is selected as the target fingerprint image.
- the processor 21 is configured to execute a computer program specifically for:
- the processor 21 is configured to execute a computer program, which may be specifically used to:
- the processor 21 is configured to execute a computer program specifically for:
- the credibility function is used to obtain the credibility of each image for the collected plurality of fingerprint objects, and then the target fingerprint image is synthesized by weighting and averaging the credibility of each image as the weight of each image.
- the embodiment of the invention provides a fingerprint extraction device, which uses the at least two sets of acquisition parameters stored in advance to collect the fingerprints of the user respectively, and obtains corresponding to the at least two sets of acquisition parameters. At least two fingerprint images, and then selecting the best quality image as the target fingerprint image in the at least two fingerprint images, or synthesizing the target fingerprint image according to the at least two fingerprint images. Thereby, good fingerprint data can be collected for different users in different scenarios, thereby improving the quality of the fingerprint image.
- the disclosed apparatus and method may be implemented in other manners.
- the device embodiments described above are merely illustrative.
- the division of the unit is only a logical function division.
- there may be another division manner for example, multiple units or components may be combined or Can be integrated into another system, or some features can be ignored, or not executed.
- the mutual coupling or direct coupling or communication connection shown or discussed may be an indirect coupling or communication connection through some interface, device or unit, and may be electrical, mechanical or otherwise.
- each functional unit in each embodiment of the present invention may be integrated into one processing unit, or each unit may exist physically separately, or two or more units may be integrated into one unit.
- the above integrated unit can be implemented in the form of hardware or in the form of hardware plus software functional units.
- the above-described integrated unit implemented in the form of a software functional unit can be stored in a computer readable storage medium.
- the above software functional unit is stored in a storage medium and includes instructions for causing a computer device (which may be a personal computer, a server, or a network device, etc.) or a processor to perform the method of various embodiments of the present invention.
- a computer device which may be a personal computer, a server, or a network device, etc.
- the foregoing storage medium includes: a U disk, a mobile hard disk, a read-only memory (ROM), a random access memory (RAM), a magnetic disk, or an optical disk, and the like, which can store program code. .
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)
- Collating Specific Patterns (AREA)
- Image Input (AREA)
Abstract
本发明实施例提供一种指纹提取方法和装置,包括:利用至少两组采集参数分别对用户的指纹进行采集,获得与所述至少两组采集参数对应的至少两幅指纹图像,而后在所述至少两个指纹图像选取质量最好的图像作为目标指纹图像,或者,根据所述至少两个指纹图像合成目标指纹图像。从而,能够在不同场景下针对不同用户都能够采集到良好的指纹数据,从而提高指纹图像的质量。
Description
指紋提取方法和装置
技术领域
本发明实施例涉及指紋识别技术领域, 尤其涉及一种指紋提取方法和装 置。 背景技术
指纹采集的目的是获取最真实详细的手指纹路信息, 从而利用其独特的 生物唯一性特点进行个人身份鉴定。指紋之所以具有不变性、唯一性等特性, 是因为手指末端正面皮肤上凹凸不平的紋线有规律的排列成了不同的紋型, 不同的紋线具有不同的起点、 终点、 结合点和分叉点等, 这些特征保证了不 同的个体之间的差异性。 因此采集指纹的一个重要指标就是要保证指纹纹线 的清晰, 从而尽可能多的获取指纹特征信息。
目前, 指纹采集常用的指纹传感器按采集方式主要分为划擦式和按压式 两种, 按信号采集原理目前有光学式、 压敏式、 电容式、 电感式、 热敏式和 超声波式等。 无论哪种采集方式或原理, 从传感器获取的最原始信号数据, 都需要通过一定的数据预处理从而得到指纹图像信息。 目前, 主要的采集程 序有以下三个步骤:
第一, 进行像素值增益。 对于原始采集到的指纹信号来说, 信号较弱从 而不利于指紋特征的提取。 因此, 在采集信号处理的第一步需要对原始信号 进行补偿, 从而放大微弱的信号, 提高指紋信号的信噪比和提高脊线和谷线 的对比度。 其中, 指纹纹路中***部分是手指真皮向表皮乳突形成的皱痕, 被称指纹的脊线, 指纹脊线之间的凹陷部分, 称为指纹的谷线。
第二, 进行像素值偏移。 信号采集后需要进行模数转换, 此时信号的幅 度就会在有限的范围内, 此时通过将信号进行偏移, 就可以控制让脊线信号 像素值在 127 (理想像素值) 以下, 让谷线信号像素值在 127以上。
第三, 进行数模转换增益。 以 127像素值为中心再进行一次图像增益, 从而提高脊线和谷线的对比度。
其中,上述采集程序涉及到的相关采集参数是在开发过程中提前设定好,
并将其编码到产品中, 因此不能够随意的在后续使用过程中进行动态调整。 而在实际情况中, 在利用指纹传感器进行指纹采集时, 由于受到干湿手指差 异、 按捺压力、 接触角度、 传感机制、 外界环境, 甚至指纹传感器本身制造 工艺造成的器件差异性等因素影响, 采集到的指紋质量会有差异。 在设定的 相同的采集参数条件下, 由于上述不同因素的影响, 可能无法保证所有用户 的所有指纹都能顺利的釆集到较好的数据。
虽然在上述采集程序中的增益和偏移参数是可调的, 能够使最终得到的 指纹图像的质量在一定的范围内变化, 但是由于在最初原始数据采集时就不 能得到较佳的指紋数据,使得后续的图像处理结果无论怎么调整都会有局限。 因此, 如何解决指紋采集的局限性, 使得在不同场景下针对不同用户都能够 采集到良好的指紋数据, 提高指紋图像的质量是当前亟待解决的问题。 发明内容
本发明实施例提供一种指纹提取方法和装置, 能够在不同场景下针对不 同用户都能够采集到良好的指纹数据, 从而提高指纹图像的质量。
第一方面, 本发明实施例提供一种指紋提取方法, 所述方法包括: 利用至少两组采集参数分别对用户的指紋进行采集, 获得与所述至少 两组采集参数对应的至少两幅指纹图像;
根据所述至少两个指纹图像获取目标指纹图像。
结合第一方面, 在第一种可能的实现方式中, 所述至少两组采集参数 包括: 一组用于采集干手指指紋的采集参数、 一组用于采集湿手指指紋的 采集参数以及一组用于采集正常手指指紋的采集参数。
结合第一方面或第一方面的第一种可能的实现方式, 在第二种可能的 实现方式中, 所述根据所述至少两幅指纹图像获取目标指纹图像包括: 分别获取所述至少两幅指纹图像的图像质量参数;
根据所述至少两幅指紋图像的图像质量参数在所述至少两幅指紋图 像选取图像质量最优的指紋图像作为所述目标指紋图像。
结合第一方面的第二种可能的实现方式, 在第三种可能的实现方式 中, 所述分别获取所述至少两幅指纹图像的图像质量参数; 根据所述至少 两幅指纹图像的图像质量参数在所述至少两幅指纹图像选取图像质量最
优的指纹图像作为所述目标指纹图像包括:
获取每幅指纹图像中指纹中心的预设区域内的灰度平均值; 获取每幅指纹图像中的所述预设区域内的灰度值方差;
选取所述至少两幅指紋图像中灰度平均值最接近理想灰度值, 且灰度 值方差在预设方差范围内的指紋图像作为所述目标指紋图像。
结合第一方面的第二种可能的实现方式, 在第四种可能的实现方式 中, 所述分别获取所述至少两幅指纹图像的图像质量参数; 根据所述至少 两幅指纹图像的图像质量参数在所述至少两幅指纹图像选取图像质量最 优的指紋图像作为所述目标指紋图像包括:
获取每幅指紋图像中指紋有效像素的面积;
获取每幅指紋图像中所述指紋有效像素的面积占采集总面积的比例; 选取比例最高的指纹图像作为所述目标指纹图像。
结合第一方面的第二种可能的实现方式, 在第五种可能的实现方式 中, 所述分别获取所述至少两幅指紋图像的图像质量参数; 根据所述至少 两幅指紋图像的图像质量参数在所述至少两幅指紋图像选取图像质量最 优的指紋图像作为所述目标指紋图像包括:
获取第一指纹图像中指纹中心预设区域的方向场, 所述第一指纹图像 为所述至少两幅指纹图像中的任意一幅图像; 所述方向场为所述预设区域 中所有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预 设区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分 块的灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图 像分块为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的 灰度值方差;
在所述至少两幅指纹图像中, 选取图像分块的灰度值方差最小的指纹 图像作为所述目标指纹图像。
结合第一方面的第二种可能的实现方式, 在第六种可能的实现方式 中, 所述分别获取所述至少两幅指紋图像的图像质量参数; 根据所述至少
两幅指纹图像的图像质量参数在所述至少两幅指纹图像选取图像质量最 优的指纹图像作为所述目标指纹图像包括:
对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得所述中 心预设区域的环形谱; 所述第一指紋图像为所述至少两幅指紋图像中的任 意一幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环; 根据所述最大幅度环获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像 作为所述目标指紋图像。
结合第一方面的第二种可能的实现方式, 在第七种可能的实现方式 中, 所述分别获取所述至少两幅指紋图像的图像质量参数; 根据所述至少 两幅指纹图像的图像质量参数在所述至少两幅指纹图像选取图像质量最 优的指纹图像作为所述目标指纹图像包括:
将所述第一指紋图像中指紋中心的预设区域划分成大小相同的多个 图像分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指紋图像的图像质量评估分数; 在所述至少两幅指紋图像中, 选取图像质量评估分数最高的指紋图像 作为所述目标指纹图像。
结合第一方面或第一方面的第一种可能的实现方式, 在第八种可能的 实现方式中, 所述根据所述至少两个指纹图像获取目标指纹图像包括: 对所述至少两个指紋图像进行图像配准;
将配准后的所述至少两个指紋图像进行图像合成, 获得所述目标指紋 图像。
结合第一方面的第八种可能的实现方式, 在第九种可能的实现方式 中, 所述对所述至少两个指纹图像进行图像配准包括:
利用尺度不变特征转换 SIFT算法提取所述至少两个指紋图像的 SIFT
特征向量;
根据所述至少两个指纹图像的 SIFT特征向量对所述至少两个指纹图 像进行配准;
或者,
对所述至少两个指紋图像进行二值化处理;
为进行二值化处理后的所述至少两个指纹图像分别生成图像金字塔; 利用所述至少两个指纹图像的图像金字塔对所述至少两个指纹图像 进行配准。
结合第一方面的第八种可能的实现方式, 在第十种可能的实现方式 中, 所述将配准后的所述至少两个指紋图像进行图像合成, 获得所述目标 指紋图像包括:
获取配准后的所述至少两个指纹图像的像素平均值, 并根据所述至少 两个指纹图像的像素平均值利用直方图均衡化处理进行所述至少两个指 纹图像的合成, 获得所述目标指紋图像;
或者,
将配准后的每个指紋图像划分成大小相同的多个图像分块, 并获取每 个图像分块的信息熵;
根据所述至少两个指纹图像的所有图像分块的信息熵获取所述至少 两个指纹图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指紋 图像;
或者,
利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获 得所述目标指纹图像;
或者,
对采集到的多幅指紋对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指纹图像。
第二方面, 提供一种指纹提取装置, 所述装置包括:
采集单元, 用于利用至少两组采集参数分别对用户的指紋进行采集,
获得与所述至少两组釆集参数对应的至少两幅指纹图像; 图像获取单元, 用于根据所述至少两个指纹图像获取目标指纹图像。 结合第二方面, 在第一种可能的实现方式中, 所述至少两组采集参数 包括: 一组用于采集干手指指紋的采集参数、 一组用于采集湿手指指纹的 采集参数以及一组用于采集正常手指指紋的采集参数。
结合第二方面或第二方面的第一种可能的实现方式, 在第二种可能的 实现方式中, 所述图像获取单元包括:
质量评估单元, 用于分别获取所述至少两幅指纹图像的图像质量参 数;
图像选择单元, 用于根据所述至少两幅指紋图像的图像质量参数在所 述至少两幅指紋图像选取图像质量最优的指紋图像作为所述目标指紋图 像。
结合第二方面的第二种可能的实现方式, 在第三种可能的实现方式 中, 所述质量评估单元具体用于:
获取每幅指紋图像中指紋中心的预设区域内的灰度平均值; 获取每幅指紋图像中的所述预设区域内的灰度值方差;
所述图像选择单元具体用于:
选取所述至少两幅指纹图像中灰度平均值最接近理想灰度值, 且灰度 值方差在预设方差范围内的指紋图像作为所述目标指纹图像。
结合第二方面的第二种可能的实现方式, 在第四种可能的实现方式 中, 所述质量评估单元具体用于:
获取每幅指纹图像中指纹有效像素的面积;
获取每幅指纹图像中所述指纹有效像素的面积占采集总面积的比例; 所述图像选择单元具体用于:
选取比例最高的指紋图像作为所述目标指紋图像。
结合第二方面的第二种可能的实现方式, 在第五种可能的实现方式 中, 所述质量评估单元具体用于:
获取第一指纹图像中指纹中心预设区域的方向场, 所述第一指纹图像 为所述至少两幅指纹图像中的任意一幅图像; 所述方向场为所述预设区域 中所有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预 设区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分 块的灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图 像分块为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的 灰度值方差;
所述图像选择单元具体用于:
在所述至少两幅指紋图像中, 选取图像分块的灰度值方差最小的指紋 图像作为所述目标指紋图像。
结合第二方面的第二种可能的实现方式, 在第六种可能的实现方式 中, 所述质量评估单元具体用于:
对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得所述中 心预设区域的环形谱; 所述第一指纹图像为所述至少两幅指纹图像中的任 意一幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环; 根据所述最大幅度环获取所述第一指纹图像的图像质量评估分数; 所述图像选择单元具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指紋图像 作为所述目标指紋图像。
结合第二方面的第二种可能的实现方式, 在第七种可能的实现方式 中, 所述质量评估单元具体用于:
将所述第一指纹图像中指纹中心的预设区域划分成大小相同的多个 图像分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指纹图像的图像质量评估分数; 所述图像选择单元具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像 作为所述目标指纹图像。
结合第二方面或第二方面的第一种可能的实现方式, 在第八种可能的 实现方式中, 所述图像获取单元包括:
图像配准单元, 用于对所述至少两个指紋图像进行图像配准; 图像合成单元, 用于将配准后的所述至少两个指纹图像进行图像合 成, 获得所述目标指纹图像。
结合第八种可能的实现方式, 在第九种可能的实现方式中, 所述图像 配准单元具体用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指紋图像的 SIFT 特征向量;
根据所述至少两个指纹图像的 SIFT特征向量对所述至少两个指纹图 像进行配准;
或者,
对所述至少两个指紋图像进行二值化处理;
为进行二值化处理后的所述至少两个指紋图像分别生成图像金字塔; 利用所述至少两个指纹图像的图像金字塔对所述至少两个指纹图像 进行配准。
结合第八种可能的实现方式, 在第十种可能的实现方式中, 所述图像 合成单元具体用于:
获取配准后的所述至少两个指紋图像的像素平均值, 并根据所述至少 两个指纹图像的像素平均值利用直方图均衡化处理进行所述至少两个指 纹图像的合成, 获得所述目标指纹图像;
或者,
将配准后的每个指紋图像划分成大小相同的多个图像分块, 并获取每 个图像分块的信息熵;
根据所述至少两个指纹图像的所有图像分块的信息熵获取所述至少 两个指纹图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指纹 图像;
或者,
利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获 得所述目标指纹图像;
或者,
对采集到的多幅指紋对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指纹图像。
第三方面, 提供一种指纹提取装置, 所述装置包括: 处理器、存储器、 输入 /输出接口; 所述处理器、 所述存储器、 所述输入 /输出接口通过总线 连接; 所述输入 /输出接口用于与其他设备交互;所述存储器用于存储至少 两组采集参数和计算机程序; 所述处理器用于执行所述计算机程序用于: 利用至少两组釆集参数分别对用户的指纹进行采集, 获得与所述至少 两组采集参数对应的至少两幅指纹图像;
根据所述至少两个指纹图像获取目标指纹图像。
结合第三方面, 在第一种可能的实现方式中, 所述至少两组采集参数 包括: 一组用于采集干手指指紋的采集参数、 一组用于采集湿手指指纹的 采集参数以及一组用于釆集正常手指指纹的采集参数。
结合第三方面或第三方面的第一种可能的实现方式, 在第二种可能的 实现方式中, 所述处理器用于执行所述计算机程序具体用于:
分别获取所述至少两幅指紋图像的图像质量参数;
根据所述至少两幅指紋图像的图像质量参数在所述至少两幅指紋图 像选取图像质量最优的指纹图像作为所述目标指纹图像。
结合第三方面的第二种可能的实现方式, 在第三种可能的实现方式 中, 所述处理器用于执行所述计算机程序具体用于:
获取每幅指紋图像中指紋中心的预设区域内的灰度平均值;
获取每幅指紋图像中的所述预设区域内的灰度值方差;
选取所述至少两幅指纹图像中灰度平均值最接近理想灰度值, 且灰度 值方差在预设方差范围内的指纹图像作为所述目标指纹图像。
结合第三方面的第二种可能的实现方式, 在第四种可能的实现方式 中, 所述处理器用于执行所述计算机程序具体用于:
获取每幅指纹图像中指纹有效像素的面积;
获取每幅指纹图像中所述指纹有效像素的面积占采集总面积的比例; 选取比例最高的指纹图像作为所述目标指纹图像。
结合第三方面的第二种可能的实现方式, 在第五种可能的实现方式 中, 所述处理器用于执行所述计算机程序具体用于:
获取第一指纹图像中指纹中心预设区域的方向场, 所述第一指纹图像 为所述至少两幅指纹图像中的任意一幅图像; 所述方向场为所述预设区域 中所有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预 设区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分 块的灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图 像分块为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的 灰度值方差;
在所述至少两幅指紋图像中, 选取图像分块的灰度值方差最小的指紋 图像作为所述目标指纹图像。
结合第三方面的第二种可能的实现方式, 在第六种可能的实现方式 中, 所述处理器用于执行所述计算机程序具体用于:
对第一指紋图像中指紋中心的预设区域进行傅里叶变换, 获得所述中 心预设区域的环形谱; 所述第一指紋图像为所述至少两幅指紋图像中的任 意一幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环; 根据所述最大幅度环获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指紋图像中, 选取图像质量评估分数最高的指紋图像 作为所述目标指紋图像。
结合第三方面的第二种可能的实现方式, 在第七种可能的实现方式 中, 所述处理器用于执行所述计算机程序具体用于:
将所述第一指纹图像中指纹中心的预设区域划分成大小相同的多个 图像分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指紋图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像 作为所述目标指纹图像。
结合第三方面或第三方面的第一种可能的实现方式, 在第八种可能的 实现方式中, 所述处理器用于执行所述计算机程序具体用于:
对所述至少两个指紋图像进行图像配准;
将配准后的所述至少两个指紋图像进行图像合成, 获得所述目标指紋 图像。
结合第八种可能的实现方式, 在第九种可能的实现方式中, 所述处理 器用于执行所述计算机程序具体用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指紋图像的 SIFT 特征向量;
根据所述至少两个指纹图像的 SIFT特征向量对所述至少两个指纹图 像进行配准;
或者,
对所述至少两个指紋图像进行二值化处理;
为进行二值化处理后的所述至少两个指紋图像分别生成图像金字塔; 利用所述至少两个指纹图像的图像金字塔对所述至少两个指纹图像 进行配准。
结合第八种可能的实现方式, 在第十种可能的实现方式中, 所述处理 器用于执行所述计算机程序具体用于:
获取配准后的所述至少两个指紋图像的像素平均值, 并根据所述至少 两个指纹图像的像素平均值利用直方图均衡化处理进行所述至少两个指 纹图像的合成, 获得所述目标指纹图像;
或者,
将配准后的每个指紋图像划分成大小相同的多个图像分块, 并获取每
个图像分块的信息熵;
根据所述至少两个指纹图像的所有图像分块的信息熵获取所述至少 两个指纹图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指紋 图像;
或者,
利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获 得所述目标指纹图像;
或者,
对采集到的多幅指紋对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指纹图像。
本发明实施例提供一种指纹提取方法和装置, 利用至少两组采集参数 分别对用户的指紋进行采集, 获得与所述至少两组采集参数对应的至少两 幅指紋图像, 而后在所述至少两个指紋图像选取质量最好的图像作为目标 指紋图像, 或者, 根据所述至少两个指纹图像合成目标指紋图像。 从而, 能够在不同场景下针对不同用户都能够采集到良好的指纹数据, 从而提高 指纹图像的质量。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案, 下面将对实 施例或现有技术描述中所需要使用的附图作一简单地介绍, 显而易见地, 下 面描述中的附图是本发明的一些实施例, 对于本领域普通技术人员来讲, 在 不付出创造性劳动性的前提下, 还可以根据这些附图获得其他的附图。
图 1为本发明提供的指纹提取方法的流程示意图;
图 2为本发明提供的指紋提取方法的另一流程示意图;
图 3为本发明提供的指紋提取方法的又一流程示意图;
图 4为本发明提供的指纹提取装置的结构示意图;
图 5为本发明提供的指纹提取装置的另一结构示意图;
图 6为本发明提供的指纹提取装置的又一结构示意图;
图 7为本发明提供的指纹提取装置的又一结构示意图;
图 8为本发明提供的指纹提取装置的又一结构示意图。 具体实施方式
为使本发明实施例的目的、 技术方案和优点更加清楚, 下面将结合本发 明实施例中的附图, 对本发明实施例中的技术方案进行清楚、 完整地描述, 显然, 所描述的实施例是本发明一部分实施例, 而不是全部的实施例。 基于 本发明中的实施例, 本领域普通技术人员在没有作出创造性劳动前提下所获 得的所有其他实施例, 都属于本发明保护的范围。
本发明实施例提供一种指纹提取方法, 如图 1所示, 该方法包括:
S101、 利用至少两组采集参数分别对用户的指紋进行采集, 获得与所述 至少两组采集参数对应的至少两幅指紋图像。
具体的, 上述釆集参数是指纹采集传感器釆集指纹时, 对采集的指纹图 像信号进行处理所用的参数, 比如像素值增益、 像素值偏移量、 数模转换增 益等, 采集参数不同, 采集到的图像也就不同。 因此, 上述不同的至少两组 采集参数可以理解为, 适用于不同采集场景的多组采集参数, 比如可以有三 组采集参数, 一组用于采集干手指指紋的采集参数、 一组用于采集湿手指指 纹的采集参数以及一组用于采集正常手指指纹的采集参数。 上述至少两组釆 集参数是预先存储在指纹采集传感器中的。
S102、 根据所述至少两个指纹图像获取目标指纹图像。
示例性的, 可以通过以下两种方式获取目标指紋图像:
一种是分别获取所述至少两幅指紋图像的图像质量参数, 而后根据这至 少两幅指纹图像的图像质量参数在这至少两幅指纹图像选取图像质量最优的 指纹图像作为目标指纹图像。另一种是对这至少两个指纹图像进行图像配准, 并将配准后的这至少两个指纹图像进行图像合成, 获得目标指纹图像。
本发明实施例提供一种指紋提取方法, 利用预先存储的至少两组采集参 数分别对用户的指紋进行采集, 获得与所述至少两组采集参数对应的至少两 幅指纹图像, 而后在所述至少两个指纹图像选取质量最好的图像作为目标指 纹图像, 或者, 根据所述至少两个指纹图像合成目标指纹图像。 从而, 能够 在不同场景下针对不同用户都能够采集到良好的指纹数据, 从而提高指纹图
像的质量。
为了使本领域技术人员能够更清楚地理解本发明实施例提供的技术方 案, 下面通过具体的实施例, 对本发明的实施例提供的一种指纹提取方法进 行详细说明, 如图 2所示, 该方法包括:
S201、 利用不同的至少两组采集参数分别对用户的指紋进行采集, 获得 与所述至少两组采集参数对应的至少两幅指纹图像。
其中, 所述至少两组釆集参数是预先存储在指纹采集传感器中的, 每组 采集参数对应不同的采集参数, 不同的采集参数应用于不同的场景, 比如可 以设置三组采集参数, 一组用于采集干手指指紋的采集参数、 一组用于采集 湿手指指纹的采集参数以及一组用于采集正常手指指紋的采集参数。 当然, 除此之外, 还可以设置对应其他可能场景的采集参数, 比如针对指紋浅的用 户的采集参数、 针对指纹深的用于的采集参数, 又或者针对用户手指按压较 重时的采集参数、 针对用户手指按压较轻时的采集参数, 又或者是针对上述 几种的情况同时发生的场景的采集参数。 具体需要设置多少种参数, 可以根 据用户的实际需要来设置, 在此不一一列举。
由于指纹采集传感器在工作时无法得知进行指紋采集的用户的手指满足 上述哪种情况, 因此就需要在采集指纹时, 分别利用指纹釆集传感器预先存 储的多组采集参数对同一个指纹进行多次采集, 得到多幅指纹图像。
S202、 分别获取所述至少两幅指纹图像的图像质量参数。
S203、 根据所述至少两幅指紋图像的图像质量参数在所述至少两幅指紋 图像选取图像质量最优的指紋图像作为目标指紋图像。
具体的, 图像质量参数可以理解为用于评估图像质量高低的参数, 根据 图像质量参数对指纹采集传感器采集的多幅图像进行评估的具体方法, 示例 性的, 包括但不限于以下几种:
第一种, 首先, 根据平均灰度值公式获取每幅指紋图像中指紋中心的预 设区域内的灰度平均值。
其中, 每幅指纹图像中包括了指纹 (也可以称为前景) 和背景, 在确定 了指纹的中心后, 可以选取以指纹中心为中心的一个长为 w个像素, 宽为 h 个像素的区域。 比如, 整个指纹图像的分辨率为 640*640, 可以选取一个以 指紋中心为中心的, 大小为 320*320的区域为上述预设区域。 而后就可以利
用平均灰度值公式来获取这个预设区域的灰度平均值。
该平均灰度值公式可以为:
M H^ /( )
w* z 1=0 j=0 ( 1 ) 其中, Me (/)表示灰度平均值, 表示像素点(, 的灰度值, w表 示所述预设区域的长, A表示所述预设区域的宽。
其次, 再根据灰度值方差公式获取每幅指紋图像中指紋中心的预设区域 内的灰度值方差。
该灰度值方差公式可以为:
Var(I) = -^—∑∑ (Hi, j) - Mean(I)) 2
w * i=0 j=0 (2) 其中, 表示灰度值方差, M«m(/)表示灰度平均值, 表示像 素点(^, 7')的灰度值, w表示所述预设区域的长, A表示所述预设区域的宽。
最后, 在所有指纹图像中选取灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指紋图像作为最终输出的目标指紋图像。
其中, 理想灰度值为 127, 预设方差范围内可以根据经验值来设置, 也 可以根据实际需要来设置, 在此不做限定。
第二种, 首先, 获取每幅指纹图像中指纹有效像素的面积。 获取指纹有 效像素可以理解为: 在一幅指纹图像中, 包括了指纹和背景, 该指纹和背景 是由若干像素点组成的,其中用于显示指紋的像素点才被认为是有效的像素, 因此,获取用于显示指紋的像素点所 的面积就得到了指紋有效像素的面积。
同时, 获取采集总面积, 釆集总面积可以理解为, 指纹釆集传感器的可 采集最大采集面积, 比如指纹采集传感器的采集窗口的大小, 或者也可以理 解为采集的指纹图像的总面积。
其次, 获取每幅指紋图像中指紋有效像素的面积占采集总面积的比例。 例如, 采集的指紋图像的总的分辨率为 640*640, 则将 640*640作为采集总 面积, 该指纹图像中指纹有效像素为 480*560, 则将 480*560作为指纹有效 像素的面积, 故该指纹图像中指纹有效像素的面积占采集总面积的比例为 (480*560) ÷ (640*640) Χ 100%=65.6%。
最后, 在所有指紋图像中选取比例最高的指紋图像作为最终输出的目标 指紋图像。
第三种, 首先, 获取第一指纹图像中指纹中心预设区域的方向场。 这里 的第一指纹图像可以为采集的至少两幅指纹图像中的任意一幅图像。
其中, 上述指纹中心预设区域与第一种方式中所述的以指纹中心为中心 的一个长为 W个像素, 宽为 h个像素的区域为相同概念的区域, 这里的预设 区域的长和宽的取值可以与第一种方式中所述的预设区域相同,也可以不同。
由于预设区域的图像是由 w*h个像素点组成, 而指纹的脊线和谷线是具 有弧度的曲线, 因此, 可以获得经过每个像素的曲线在该像素点的切线方向, 根据 w*h个像素点的切线方向矢量就可以组成一个矩阵, 该矩阵就是预设区 域的方向场。
其次, 在预设区域中选取若干个图像分块, 例如, 可以选三个分辨率为
1*1 (l<w, Kh) 的图像分块, 根据这三个图像分块中的像素点的切线方向矢 量就可以得到与这几个图像分块分别对应的三个矩阵,可以称为局部方向场。
而后, 在与这些局部方向场正交的方向上计算这些局部方向场对应的图 像分块的灰度值, 并获取这些图像分块灰度值方差, 这就得到了第一指纹图 像的图像分块的灰度值方差。
最后, 在所有指紋图像中, 选取图像分块的灰度值方差最小的指紋图像 作为最终输出的目标指纹图像。
第四种, 首先, 对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得该预设区域的环形谱。 这里的第一指纹图像可以为采集的至少两幅指紋 图像中的任意一幅图像。
其中, 上述指紋中心预设区域与第一或第三种方式中所述的以指紋中心 为中心的一个长为 w个像素, 宽为 h个像素的区域为相同概念的区域, 这里 的预设区域的长和宽的取值可以与第一或第三种方式中所述的预设区域相 同, 也可以不同。
因为指紋中的脊谷结构是一个准周期性信息, 一枚质量好的指紋,其离 散傅立叶变换图在幅度谱中心会出现一个环, 因此可以用环形谱结构来评估 指纹的质量。
其中, Q为质量评估分数, C为归一化因子, 用于将 Q归一到 0与 1之
间, =2 ^( , )θ- (·^,)υ- (·^,}^)。里面的 代表在最大幅度环上 角度为 ^处的幅度值, yxs,ys)和 ^是同一方向 e上的参考点。
其中, At ^)代表频谱幅值, ( ^)是该点的坐标, 整数 j是最大幅度环 到环形谱中心点的距离 (距离用像素数评价) 。
在搜索到最大幅度环 i后, 就可以根据公式 (3) 来计算 Q。
最后, 在所有指紋图像中, 选取图像质量评估分数 Q最高的指紋图像作 为最终输出的目标指紋图像。
第五种, 首先, 将第一指紋图像中指紋中心的预设区域划分成大小相同 的多个图像分块。 其中, 上述指纹中心预设区域与第一或第三或第五种方式 中所述的以指纹中心为中心的一个长为 w个像素, 宽为 h个像素的区域为相 同概念的区域, 这里的预设区域的长和宽的取值可以与第一或第三或第五种 方式中所述的预设区域相同, 也可以不同。
而后, 利用 Gabor (伽柏) 滤波器获取该多个图像分块在 Gabor滤波器 的 m个方向上的 Gabor特征幅度。 示例性的, 可以通过以下算法获取图像分 块的 Gabor特征幅度:
以 (x, y)为中心的大小为 1*1的图像分块分块在第 k个方向(k=l, 2, ···, m) 上的 Gabor特征幅度可以定义为:
//2-1 //2-1
g(X,Y,ek 0 - ∑ ∑l(X+x,Y + y)Kx,y,ek,f0) (5) 式中 /(x,y)为像素点 (x, y)fi炭蟹 , 1为分块的长, m为滤波器数目, /ZOJ, ,/。)为 Gab
¾ = xcos0k + ysm0k , y = ycosOk - sin^
其中, 为 Gabor滤波器 <x,3A,/。)在第 k个方向 (k=l, 2, ···, m) 上的角度, /。为正弦波的频率, m为滤波器的方向数目, 和 分别为高斯 函数沿 X轴和 y轴的标准差。
令 Gabor图像分块的 Gabor特征幅度标准差为 G, G可以通过以下公式 获取:
G -∑ g(x, Y, 0x o )- S (7) m - 1 t=\
^ -∑g(x,Y 0 )
m
通过公示(7)获得第一指纹图像所有前景块的标准差后, 通过计算第一 指纹图像所有前景块的标准差之和, 可以得到指纹的图像质量评估分数 Q, 如下列公式所示:
Q = ^∑G d) (8 ) 其中, C为归一化因子, N为图像分块数。
对采集到的所有指紋图像都利用上述同样的方法就可以得到所有指紋图 像的质量评估分数 Q。
最后, 在所有指纹图像中, 选取图像质量评估分数 Q最高的指纹图像作 为最终输出的目标指纹图像。
需要说明的是, 一般情况下, 可以选取上述第一种至第五种方法中任意 一种进行指紋图像的评估及选取, 在某些情况下, 也可以选取上述几种方法 的组合对指紋图像进行评估及选取, 比如可以用第一种方法选取质量最佳的 一幅或多幅图像, 再用第二种方法选取质量最佳的一幅或多幅图像, 再将两 种方法的结果取交集, 具体的需要视实际需要而定, 在此不一一列举。 另外, 上述五种图像评估及选取最佳质量图像的方法仅仅为示例性的, 除此之外也 可以采用其他能够评估图像质量的方法。
或者,在本发明的实施例提供的另一种指紋提取方法中,在执行 S201后, 可以执行 S204~S205, 如图 3所示, 该方法包括:
S204、 对所述至少两个指纹图像进行图像配准。
具体的, 图像配准 (Image Registration)就是将不同时间、 不同传感器(成 像设备) 或不同条件下 (天候、 照度、 摄像位置和角度等) 获取的两幅或多 幅图像进行匹配、 叠加的过程。 在本实施例中, 是将不同参数下获得的同一 手指指纹的多幅图像进行配准。
图像配准技术的一般流程如下: 首先对两幅图像进行特征提取得到特征
点, 而后通过进行相似性度量找到匹配的特征点对, 然后通过匹配的特征点 对得到图像空间坐标变换参数, 最后由坐标变换参数进行图像配准。 简单的 说配准就是找出各个图像中能够匹配的点, 这些匹配的点能够对应指纹中的 同一位置, 以便为后续的图像合成做准备。
特征提取是配准技术中的关键, 准确的特征提取为特征匹配的成功进行 提供了保障。 因此, 釆用具有良好不变性和准确性的特征提取方法, 对于匹 配精度至关重要。 因此, 可以采用尺度不变特征变换特征 (Scale Invariant Feature Transform, 简称 SIFT) 算法进行图像匹配。
首先, 利用 SIFT算法提取指紋采集传感器采集的至少两个指紋图像的 SIFT特征向量, 具体的包括:
首先, 分别生成所述至少两个指紋图像的高斯金字塔图像序列。 高斯金 字塔图像序列是对原始图像进行高斯滤波后构建的包括具有 0阶, 每阶 s层 图像的图像序列。
其次, 根据所述至少两个指纹图像的高斯金字塔图像序列分别生成所述 至少两个指紋图像的高斯差分金字塔图像序列。 具体的, 可以在高斯金字塔 图像序列的基础上,利用同一阶上的相邻两层的尺度空间函数之差得到 DOG 高斯金字塔的一层, 从而得到高斯差分金字塔图像序列。
而后, 对所述至少两个指纹图像的高斯差分金字塔图像序列 (Difference of Gaussian, 简称 DOG) 进行极值点检测。 示例性的, 需要比较 DOG每层 图像中每个像素点与它相邻的若干个像素点的像素值, 可以比较的相邻像素 点取自在同一阶上的中间层 (即为同一阶上的最底层和最顶层除外, 例如, 选取像素点 i周围的相邻的 26个像素点与像素点 i进行比较, 相邻的像素点 可以是同层 8个, 上层和下层分别 9个) , 进行像素值比较后, 如果该像素 点与这些相邻的像素点相比, 像素值为最大值或者最小值, 则该点为候选关 键点。
而后, 对候选关键点进行筛选, 去除候选关键点中的低对比度和对噪声 敏感的候选关键点以及边缘点, 得到多个关键点。 再为这些关键点生成 SIFT 特征向量。
最后对 SIFT特征向量进行匹配, 进行匹配是根据相似性度量来进行的, 常用的匹配方法有: 欧式距离和马氏距离等。 通过上述方法就可以对采集到
的多幅指纹图像进行图像配准。
或者, 可以先将每幅指纹图像进行二值化处理。 图像二值化就是将图像 上的像素点的灰度值设置为 0或 255, 也就是将整个图像呈现出明显的黑白 效果。
而后利用图像金字塔对进行二值化处理后的指紋图像进行关键点的搜索 和匹配, 其中图像金字塔是以多分辨率来解释图像的一种结构, 一幅图像的 金字塔是一系列以金字塔形状排列的分辨率逐歩降低的图像集合。 通过上述 方法也能够对采集到的多幅指纹图像进行图像配准。
S205、 将配准后的所述至少两个指紋图像进行图像合成, 获得目标指紋 图像。
示例性的, 对配准后的多幅指紋图像可以通过以下几种方式合成, 包括 但不限于:
一种是, 获取配准后的所述至少两个指纹图像的像素平均值, 并根据所 述至少两个指紋图像的像素平均值利用直方图均衡化处理进行所述至少两个 指紋图像的合成, 获得目标指紋图像。
其中, 直方图均衡化处理具体的可以根据像素平均值利用直方图均衡化 映射到新的像素强度上从而进行图像合成。 直方图均衡化是图像处理领域中 利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像 的局部对比度, 尤其是当图像的有用数据的对比度相当接近的时候。 通过这 种方法, 亮度可以更好地在直方图上分布。 这样就可以用于增强局部的对比 度而不影响整体的对比度。
或者,
另一种是, 将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个图像分块的信息熵。
根据所述至少两个指紋图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块。
最后将所有位置上图像质量最好的图像分块进行合成, 获得目标指纹图 像。
或者,
还有一种, 是利用光照响应曲线法将配准后的所述至少两个指紋图像进
行合成, 获得所述目标指纹图像。 具体的, 获取指纹图像的图片响应曲线, 将指纹图像中接近图片响应曲线中间的像素的权重加大, 将接近图片响应曲 线两端的像素权重减小, 最后通过将多幅指纹图像的像素权重进行加权平均 后合成出目标指紋图像。
或者,
再有一种, 是对釆集到的多幅指纹对象利用可信度函数进行评估, 获取 每幅图像的可信度, 该可信度用于评价每幅图像对合成目标指纹图像的贡献 程度, 而后通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合 成目标指紋图像。
另外需要说明的是, 考虑到指紋采集传感器在采集多幅指纹图像时, 会 增加指纹识别的时间, 因此, 在一次采集时采集指紋图像的数量不宜过大, 故示例性的, 该数量可以为 3, 对应的需要在指纹釆集传感器中存储对应的 三组采集参数, 如前述实施例所说的一组用于采集干手指指纹的采集参数、 一组用于采集湿手指指纹的采集参数以及一组用于采集正常手指指紋的采集 参数, 这样无论用户的手指处于这三种状态中的哪一种, 都能够获得良好的 指紋图像。
本发明实施例提供一种指纹提取方法, 利用预先存储的至少两组采集参 数分别对用户的指纹进行采集, 获得与所述至少两组采集参数对应的至少两 幅指纹图像, 而后在所述至少两个指纹图像选取质量最好的图像作为目标指 紋图像, 或者, 根据所述至少两个指紋图像合成目标指紋图像。 从而, 能够 在不同场景下针对不同用户都能够采集到良好的指紋数据, 从而提高指紋图 像的质量。 本发明实施例提供一种指纹提取装置 1, 如图 4所示, 该装置 1包括: 采集单元 11, 用于利用预先存储的至少两组采集参数分别对用户的指紋 进行采集, 获得与所述至少两组采集参数对应的至少两幅指紋图像;
图像获取单元 12, 用于根据所述至少两个指纹图像获取目标指纹图像。 可选的, 如图 5所示, 图像获取单元 12可以包括:
质量评估单元 121, 用于分别获取所述至少两幅指纹图像的图像质量参 数;
图像选择单元 122, 用于根据所述至少两幅指纹图像的图像质量参数在 所述至少两幅指纹图像选取图像质量最优的指纹图像作为目标指纹图像。
其中, 所述至少两组采集参数包括: 一组用于采集干手指指纹的采集参 数、 一组用于采集湿手指指紋的采集参数以及一组用于采集正常手指指紋的 采集参数。
可选的, 质量评估单元 121可以具体用于:
根据平均灰度值公式获取每幅指纹图像中指纹中心的预设区域内的灰度 平均值;
根据灰度值方差公式获取每幅指紋图像中的预设区域内的灰度值方差; 图像选择单元 122可以具体用于:
选取所述至少两幅指紋图像中灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指纹图像作为目标指纹图像。
可选的, 质量评估单元 121可以具体用于:
获取每幅指纹图像中指纹有效像素的面积;
获取每幅指紋图像中指紋有效像素的面积占采集总面积的比例; 图像选择单元 122可以具体用于:
选取比例最高的指纹图像作为目标指纹图像。
可选的, 质量评估单元 121可以具体用于:
获取第一指纹图像中指纹中心预设区域的方向场, 第一指纹图像为所述 至少两幅指紋图像中的任意一幅图像; 方向场为预设区域中所有像素点的切 线方向矢量组成的矩阵;
在方向场中选取至少两个局部方向场; 局部方向场为预设区域中的图像 分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取局部方向场对应的图像分块的灰度 值, 得到至少两个图像分块的灰度值; 局部方向场对应的图像分块为局部方 向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的灰度 值方差;
图像选择单元 122可以具体用于:
在所述至少两幅指紋图像中, 选取图像分块的灰度值方差最小的指紋图
像作为目标指纹图像。
可选的, 质量评估单元 121可以具体用于:
对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得中心预设 区域的环形谱; 第一指紋图像为所述至少两幅指紋图像中的任意一幅图像 对环形谱进行搜索, 获取环形谱中的最大幅度环;
根据最大幅度环获取第一指纹图像的图像质量评估分数;
图像选择单元 122可以具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为目标指紋图像。
可选的, 质量评估单元 121可以具体用于:
将第一指紋图像中指紋中心的预设区域划分成大小相同的多个图像分 块;
利用 Gabor滤波器获取多个图像分块在 Gabor滤波器的 m个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据标准差之和获取第一指纹图像的图像质量评估分数;
图像选择单元 122可以具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指紋图像作 为目标指紋图像。
可选的, 如图 6所示, 图像获取单元 12包括:
图像配准单元 123, 用于对所述至少两个指纹图像进行图像配准; 图像合成单元 124, 用于将配准后的所述至少两个指纹图像进行图像合 成, 获得目标指纹图像。
其中, 图像获取单元 12可以图 5所示, 只包括图像配准单元 123和图像 合成单元 124, 也可以如图 7所示, 同时包括质量评估单元 121和图像选择 单元 122。
可选的, 图像配准单元 123可以具体用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指纹图像的 SIFT特 征向量;
根据所述至少两个指纹图像的 SIFT特征向量对所述至少两个指纹图像 进行配准;
或者,
对所述至少两个指紋图像进行二值化处理;
为进行二值化处理后的所述至少两个指紋图像分别生成图像金字塔; 利用所述至少两个指纹图像的图像金字塔对所述至少两个指纹图像进行 配准。
可选的, 图像合成单元 124可以具体用于:
获取配准后的所述至少两个指紋图像的像素平均值, 并根据所述至少两 个指紋图像的像素平均值利用直方图均衡化处理进行所述至少两个指紋图像 的合成, 获得目标指紋图像;
或者,
将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个 图像分块的信息熵;
根据所述至少两个指紋图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得目标指纹图像; 或者,
利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获得 目标指紋图像;
或者,
对采集到的多幅指纹对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成目标指纹 图像。
本实施例用于实现上述各方法实施例, 本实施例中各个单元的工作流程 和工作原理参见上述各方法实施例中的描述, 在此不再赘述。
本发明实施例提供一种指纹提取装置, 该装置利用预先存储的至少两组 采集参数分别对用户的指纹进行采集, 获得与所述至少两组采集参数对应的 至少两幅指纹图像, 而后在所述至少两个指纹图像选取质量最好的图像作为 目标指紋图像, 或者, 根据所述至少两个指紋图像合成目标指紋图像。 从而,
能够在不同场景下针对不同用户都能够采集到良好的指纹数据, 从而提高指 纹图像的质量。 本发明实施例还提供另一种指紋提取装置 2, 如图 8所示, 该装置 2包 括: 处理器 21、 存储器 22、 输入 /输出接口 23 ; 处理器 21、 存储器 22、 输入 /输出接口 23通过总线 24连接; 输入 /输出接口 23用于与其他设备交互; 存 储器 22用于存储至少两组采集参数和计算机程序; 处理器 21用于执行计算 机程序用于:
利用预先存储的至少两组采集参数分别对用户的指紋进行采集, 获得与 所述至少两组采集参数对应的至少两幅指紋图像;
根据所述至少两个指紋图像获取目标指紋图像。
可选的, 处理器 21用于执行计算机程序可以具体用于:
分别获取所述至少两幅指纹图像的图像质量参数;
根据所述至少两幅指纹图像的图像质量参数在所述至少两幅指紋图像选 取图像质量最优的指紋图像作为目标指紋图像。
可选的, 所述至少两组采集参数可以包括: 一组用于采集干手指指紋的 采集参数、 一组用于采集湿手指指纹的采集参数以及一组用于采集正常手指 指纹的采集参数。
可选的, 处理器用于执行计算机程序具体用于:
根据平均灰度值公式获取每幅指紋图像中指紋中心的预设区域内的灰度 平均值;
根据灰度值方差公式获取每幅指纹图像中的预设区域内的灰度值方差; 选取所述至少两幅指纹图像中灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指纹图像作为目标指纹图像。
可选的, 处理器 21用于执行计算机程序可以具体用于:
获取每幅指紋图像中指紋有效像素的面积;
获取每幅指纹图像中指纹有效像素的面积占采集总面积的比例; 选取比例最高的指纹图像作为目标指纹图像。
可选的, 处理器 21用于执行计算机程序具体可以用于:
获取第一指紋图像中指紋中心预设区域的方向场, 第一指紋图像为所述
至少两幅指纹图像中的任意一幅图像; 方向场为预设区域中所有像素点的切 线方向矢量组成的矩阵;
在方向场中选取至少两个局部方向场; 局部方向场为预设区域中的图像 分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取局部方向场对应的图像分块的灰度 值, 得到至少两个图像分块的灰度值; 局部方向场对应的图像分块为局部方 向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的灰度 值方差;
在所述至少两幅指紋图像中, 选取图像分块的灰度值方差最小的指紋图 像作为目标指紋图像。
可选的, 处理器 21用于执行计算机程序可以具体用于:
对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得中心预设 区域的环形谱; 第一指纹图像为所述至少两幅指紋图像中的任意一幅图像 对环形谱进行搜索, 获取环形谱中的最大幅度环;
根据最大幅度环获取第一指紋图像的图像质量评估分数;
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为目标指纹图像。
可选的, 处理器 21用于执行计算机程序可以具体用于:
将第一指紋图像中指紋中心的预设区域划分成大小相同的多个图像分 块;
利用 Gabor滤波器获取多个图像分块在 Gabor滤波器的 m个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据标准差之和获取第一指紋图像的图像质量评估分数;
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为目标指纹图像。
可选的, 处理器 21用于执行计算机程序可以具体用于:
对所述至少两个指紋图像进行图像配准;
将配准后的所述至少两个指纹图像进行图像合成, 获得目标指纹图像。 可选的, 处理器 21用于执行计算机程序可以具体用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指纹图像的 SIFT特 征向量;
根据所述至少两个指紋图像的 SIFT特征向量对所述至少两个指紋图像 进行配准;
或者,
对所述至少两个指纹图像进行二值化处理;
为进行二值化处理后的所述至少两个指紋图像分别生成图像金字塔; 利用所述至少两个指紋图像的图像金字塔对所述至少两个指紋图像进行 配准。
可选的, 处理器 21用于执行计算机程序可以具体用于:
获取配准后的所述至少两个指纹图像的像素平均值, 并根据所述至少两 个指纹图像的像素平均值利用直方图均衡化处理进行所述至少两个指紋图像 的合成, 获得目标指紋图像;
或者,
将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个 图像分块的信息熵;
根据所述至少两个指纹图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得目标指紋图像; 或者,利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获得目标指纹图像;
或者,对采集到的多幅指纹对象利用可信度函数获取每幅图像的可信度, 而后通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成目标 指紋图像。
本实施例用于实现上述各方法实施例, 本实施例中各个单元的工作流程 和工作原理参见上述各方法实施例中的描述, 在此不再赘述。
本发明实施例提供一种指纹提取装置, 该装置利用预先存储的至少两组 采集参数分别对用户的指紋进行采集, 获得与所述至少两组采集参数对应的
至少两幅指纹图像, 而后在所述至少两个指纹图像选取质量最好的图像作为 目标指纹图像, 或者, 根据所述至少两个指纹图像合成目标指纹图像。 从而, 能够在不同场景下针对不同用户都能够采集到良好的指纹数据, 从而提高指 紋图像的质量。
在本发明所提供的几个实施例中, 应该理解到, 所揭露的装置和方法, 可以通过其它的方式实现。例如, 以上所描述的装置实施例仅仅是示意性的, 例如, 所述单元的划分, 仅仅为一种逻辑功能划分, 实际实现时可以有另外 的划分方式, 例如多个单元或组件可以结合或者可以集成到另一个***, 或 一些特征可以忽略, 或不执行。 另一点, 所显示或讨论的相互之间的耦合或 直接耦合或通信连接可以是通过一些接口, 装置或单元的间接耦合或通信连 接, 可以是电性, 机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的, 作 为单元显示的部件可以是或者也可以不是物理单元, 即可以位于一个地方, 或者也可以分布到多个网络单元上。 可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。 另外, 在本发明各个实施例中的各 功能单元可以集成在一个处理单元中, 也可以是各个单元单独物理存在, 也 可以两个或两个以上单元集成在一个单元中。 上述集成的单元既可以采用硬 件的形式实现, 也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元, 可以存储在一个计算机 可读取存储介质中。 上述软件功能单元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) 或处理器(processor)执行本发明各个实施例所述方法的部分歩骤。 而前述 的存储介质包括: U盘、移动硬盘、只读存储器(Read-Only Memory, ROM)、 随机存取存储器(Random Access Memory, RAM)、 磁碟或者光盘等各种可 以存储程序代码的介质。
最后应说明的是: 以上各实施例仅用以说明本发明的技术方案, 而非对 其限制; 尽管参照前述各实施例对本发明进行了详细的说明, 本领域的普通 技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改, 或者对其中部分或者全部技术特征进行等同替换; 而这些修改或者替换, 并 不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims
1、 一种指紋提取方法, 其特征在于, 所述方法包括:
利用至少两组采集参数分别对用户的指紋进行采集, 获得与所述至少两 组采集参数对应的至少两幅指纹图像;
根据所述至少两个指纹图像获取目标指纹图像。
2、根据权利要求 1所述的方法, 其特征在于, 所述至少两组采集参数包 括: 一组用于采集干手指指紋的采集参数、 一组用于采集湿手指指紋的采集 参数以及一组用于采集正常手指指紋的采集参数。
3、根据权利要求 1或 2所述的方法, 其特征在于, 所述根据所述至少两 幅指纹图像获取目标指纹图像包括:
分别获取所述至少两幅指纹图像的图像质量参数;
根据所述至少两幅指紋图像的图像质量参数在所述至少两幅指紋图像选 取图像质量最优的指紋图像作为所述目标指紋图像。
4、根据权利要求 3所述的方法, 其特征在于, 所述分别获取所述至少两 幅指纹图像的图像质量参数; 根据所述至少两幅指纹图像的图像质量参数在 所述至少两幅指纹图像选取图像质量最优的指纹图像作为所述目标指纹图像 包括:
获取每幅指紋图像中指紋中心的预设区域内的灰度平均值;
获取每幅指纹图像中的所述预设区域内的灰度值方差;
选取所述至少两幅指纹图像中灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指纹图像作为所述目标指纹图像。
5、根据权利要求 3所述的方法, 其特征在于, 所述分别获取所述至少两 幅指紋图像的图像质量参数; 根据所述至少两幅指紋图像的图像质量参数在 所述至少两幅指紋图像选取图像质量最优的指紋图像作为所述目标指紋图像 包括:
获取每幅指纹图像中指纹有效像素的面积;
获取每幅指纹图像中所述指纹有效像素的面积占采集总面积的比例; 选取比例最高的指紋图像作为所述目标指紋图像。
6、根据权利要求 3所述的方法, 其特征在于, 所述分别获取所述至少两 幅指纹图像的图像质量参数; 根据所述至少两幅指纹图像的图像质量参数在
所述至少两幅指纹图像选取图像质量最优的指纹图像作为所述目标指纹图像 包括:
获取第一指纹图像中指纹中心预设区域的方向场, 所述第一指纹图像为 所述至少两幅指紋图像中的任意一幅图像; 所述方向场为所述预设区域中所 有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预设 区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分块的 灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图像分块 为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的灰度 值方差;
在所述至少两幅指纹图像中, 选取图像分块的灰度值方差最小的指纹图 像作为所述目标指紋图像。
7、根据权利要求 3所述的方法, 其特征在于, 所述分别获取所述至少两 幅指紋图像的图像质量参数; 根据所述至少两幅指紋图像的图像质量参数在 所述至少两幅指纹图像选取图像质量最优的指纹图像作为所述目标指纹图像 包括:
对第一指紋图像中指纹中心的预设区域进行傅里叶变换, 获得所述中心 预设区域的环形谱; 所述第一指紋图像为所述至少两幅指紋图像中的任意一 幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环;
根据所述最大幅度环获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为所述目标指紋图像。
8、根据权利要求 3所述的方法, 其特征在于, 所述分别获取所述至少两 幅指纹图像的图像质量参数; 根据所述至少两幅指纹图像的图像质量参数在 所述至少两幅指纹图像选取图像质量最优的指纹图像作为所述目标指纹图像 包括:
将所述第一指紋图像中指紋中心的预设区域划分成大小相同的多个图像
分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m 个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为所述目标指纹图像。
9、根据权利要求 1或 2所述的方法, 其特征在于, 所述根据所述至少两 个指紋图像获取目标指紋图像包括:
对所述至少两个指紋图像进行图像配准;
将配准后的所述至少两个指纹图像进行图像合成, 获得所述目标指纹图 像。
10、 根据权利要求 9所述的方法, 其特征在于, 所述对所述至少两个指 紋图像进行图像配准包括:
利用尺度不变特征转换 SIFT算法提取所述至少两个指紋图像的 SIFT特 征向量;
根据所述至少两个指纹图像的 SIFT特征向量对所述至少两个指纹图像 进行配准;
或者,
对所述至少两个指紋图像进行二值化处理;
为进行二值化处理后的所述至少两个指纹图像分别生成图像金字塔; 利用所述至少两个指纹图像的图像金字塔对所述至少两个指纹图像进行 配准。
11、 根据权利要求 9所述的方法, 其特征在于, 所述将配准后的所述至 少两个指紋图像进行图像合成, 获得所述目标指紋图像包括:
获取配准后的所述至少两个指纹图像的像素平均值, 并根据所述至少两 个指纹图像的像素平均值利用直方图均衡化处理进行所述至少两个指纹图像 的合成, 获得所述目标指纹图像;
或者,
将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个 图像分块的信息熵;
根据所述至少两个指纹图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指紋图 像;
或者,
利用光照响应曲线法将配准后的所述至少两个指纹图像进行合成, 获得 所述目标指紋图像;
或者,
对采集到的多幅指紋对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指纹图像。
12、 一种指纹提取装置, 其特征在于, 所述装置包括:
采集单元, 用于利用至少两组采集参数分别对用户的指紋进行采集, 获 得与所述至少两组采集参数对应的至少两幅指紋图像;
图像获取单元, 用于根据所述至少两个指纹图像获取目标指纹图像。
13、 根据权利要求 12所述的装置, 其特征在于, 所述至少两组采集参数 包括: 一组用于采集干手指指纹的采集参数、 一组用于采集湿手指指紋的采 集参数以及一组用于采集正常手指指紋的采集参数。
14、 根据权利要求 12或 13所述的装置, 其特征在于, 所述图像获取单 元包括:
质量评估单元, 用于分别获取所述至少两幅指纹图像的图像质量参数; 图像选择单元, 用于根据所述至少两幅指纹图像的图像质量参数在所述 至少两幅指紋图像选取图像质量最优的指紋图像作为所述目标指紋图像。
15、 根据权利要求 14所述的装置, 其特征在于, 所述质量评估单元具体 用于:
获取每幅指纹图像中指纹中心的预设区域内的灰度平均值;
获取每幅指纹图像中的所述预设区域内的灰度值方差;
所述图像选择单元具体用于:
选取所述至少两幅指纹图像中灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指纹图像作为所述目标指纹图像。
16、 根据权利要求 14所述的装置, 其特征在于, 所述质量评估单元具体 用于:
获取每幅指紋图像中指紋有效像素的面积;
获取每幅指纹图像中所述指纹有效像素的面积占采集总面积的比例; 所述图像选择单元具体用于:
选取比例最高的指纹图像作为所述目标指纹图像。
17、 根据权利要求 14所述的装置, 其特征在于, 所述质量评估单元具体 用于:
获取第一指紋图像中指紋中心预设区域的方向场, 所述第一指紋图像为 所述至少两幅指纹图像中的任意一幅图像; 所述方向场为所述预设区域中所 有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预设 区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分块的 灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图像分块 为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的灰度 值方差;
所述图像选择单元具体用于:
在所述至少两幅指纹图像中, 选取图像分块的灰度值方差最小的指纹图 像作为所述目标指纹图像。
18、 根据权利要求 14所述的装置, 其特征在于, 所述质量评估单元具体 用于:
对第一指紋图像中指紋中心的预设区域进行傅里叶变换, 获得所述中心 预设区域的环形谱; 所述第一指纹图像为所述至少两幅指纹图像中的任意一 幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环;
根据所述最大幅度环获取所述第一指紋图像的图像质量评估分数;
所述图像选择单元具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为所述目标指纹图像。
19、 根据权利要求 14所述的装置, 其特征在于, 所述质量评估单元具体 用于:
将所述第一指纹图像中指纹中心的预设区域划分成大小相同的多个图像 分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m 个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指纹图像的图像质量评估分数; 所述图像选择单元具体用于:
在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指紋图像作 为所述目标指紋图像。
20、 根据权利要求 12或 13所述的装置, 其特征在于, 所述图像获取单 元包括:
图像配准单元, 用于对所述至少两个指纹图像进行图像配准; 图像合成单元, 用于将配准后的所述至少两个指纹图像进行图像合成, 获得所述目标指紋图像。
21、 根据权利要求 20所述的装置, 其特征在于, 所述图像配准单元具体 用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指纹图像的 SIFT特 征向量;
根据所述至少两个指紋图像的 SIFT特征向量对所述至少两个指紋图像 进行配准;
或者,
对所述至少两个指纹图像进行二值化处理;
为进行二值化处理后的所述至少两个指纹图像分别生成图像金字塔; 利用所述至少两个指紋图像的图像金字塔对所述至少两个指紋图像进行
配准。
22、 根据权利要求 20所述的装置, 其特征在于, 所述图像合成单元具体 用于:
获取配准后的所述至少两个指紋图像的像素平均值, 并根据所述至少两 个指紋图像的像素平均值利用直方图均衡化处理进行所述至少两个指紋图像 的合成, 获得所述目标指纹图像;
或者,
将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个 图像分块的信息熵;
根据所述至少两个指紋图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指纹图 像;
或者,
利用光照响应曲线法将配准后的所述至少两个指紋图像进行合成, 获得 所述目标指紋图像;
或者,
对采集到的多幅指纹对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指紋图像。
23、 一种指紋提取装置, 其特征在于, 所述装置包括: 处理器、 存储器、 输入 /输出接口;所述处理器、所述存储器、所述输入 /输出接口通过总线连接; 所述输入 /输出接口用于与其他设备交互; 所述存储器用于存储至少两组采集 参数和计算机程序; 所述处理器用于执行所述计算机程序用于:
利用至少两组采集参数分别对用户的指紋进行采集, 获得与所述至少两 组采集参数对应的至少两幅指紋图像;
根据所述至少两个指纹图像获取目标指纹图像。
24、 根据权利要求 23所述的装置, 其特征在于, 所述至少两组采集参数 包括: 一组用于采集干手指指纹的采集参数、 一组用于采集湿手指指纹的采 集参数以及一组用于采集正常手指指紋的采集参数。
25、 根据权利要求 23或 24所述的装置, 其特征在于, 所述处理器用于 执行所述计算机程序具体用于:
分别获取所述至少两幅指纹图像的图像质量参数;
根据所述至少两幅指紋图像的图像质量参数在所述至少两幅指紋图像选 取图像质量最优的指紋图像作为所述目标指紋图像。
26、 根据权利要求 25所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
获取每幅指纹图像中指纹中心的预设区域内的灰度平均值;
获取每幅指紋图像中的所述预设区域内的灰度值方差;
选取所述至少两幅指紋图像中灰度平均值最接近理想灰度值, 且灰度值 方差在预设方差范围内的指紋图像作为所述目标指紋图像。
27、 根据权利要求 25所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
获取每幅指纹图像中指纹有效像素的面积;
获取每幅指紋图像中所述指紋有效像素的面积占采集总面积的比例; 选取比例最高的指紋图像作为所述目标指紋图像。
28、 根据权利要求 25所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
获取第一指纹图像中指纹中心预设区域的方向场, 所述第一指紋图像为 所述至少两幅指紋图像中的任意一幅图像; 所述方向场为所述预设区域中所 有像素点的切线方向矢量组成的矩阵;
在所述方向场中选取至少两个局部方向场; 所述局部方向场为所述预设 区域中的图像分块中的像素点的切线方向矢量组成的矩阵;
在每个局部方向场的正交方向上获取所述局部方向场对应的图像分块的 灰度值, 得到至少两个图像分块的灰度值; 所述局部方向场对应的图像分块 为所述局部方向场对应的像素点组成的图像分块;
根据所述至少两个图像分块的灰度值获取所述至少两个图像分块的灰度 值方差;
在所述至少两幅指纹图像中, 选取图像分块的灰度值方差最小的指纹图 像作为所述目标指紋图像。
29、 根据权利要求 25所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
对第一指纹图像中指纹中心的预设区域进行傅里叶变换, 获得所述中心 预设区域的环形谱; 所述第一指紋图像为所述至少两幅指紋图像中的任意一 幅图像;
对所述环形谱进行搜索, 获取所述环形谱中的最大幅度环;
根据所述最大幅度环获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指纹图像作 为所述目标指紋图像。
30、 根据权利要求 25所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
将所述第一指纹图像中指纹中心的预设区域划分成大小相同的多个图像 分块;
利用伽柏 Gabor滤波器获取所述多个图像分块在所述 Gabor滤波器的 m 个方向上的 Gabor特征幅度;
获取每个前景块的 Gabor特征幅度的标准差;
获取所有前景块的 Gabor特征幅度的标准差之和;
根据所述标准差之和获取所述第一指纹图像的图像质量评估分数; 在所述至少两幅指纹图像中, 选取图像质量评估分数最高的指紋图像作 为所述目标指紋图像。
31、 根据权利要求 23或 24所述的装置, 其特征在于, 所述处理器用于 执行所述计算机程序具体用于:
对所述至少两个指纹图像进行图像配准;
将配准后的所述至少两个指纹图像进行图像合成, 获得所述目标指纹图 像。
32、 根据权利要求 31所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
利用尺度不变特征转换 SIFT算法提取所述至少两个指纹图像的 SIFT特 征向量;
根据所述至少两个指紋图像的 SIFT特征向量对所述至少两个指紋图像
进行配准;
或者,
对所述至少两个指纹图像进行二值化处理;
为进行二值化处理后的所述至少两个指紋图像分别生成图像金字塔; 利用所述至少两个指紋图像的图像金字塔对所述至少两个指紋图像进行 配准。
33、 根据权利要求 31所述的装置, 其特征在于, 所述处理器用于执行所 述计算机程序具体用于:
获取配准后的所述至少两个指紋图像的像素平均值, 并根据所述至少两 个指紋图像的像素平均值利用直方图均衡化处理进行所述至少两个指紋图像 的合成, 获得所述目标指紋图像;
或者,
将配准后的每个指纹图像划分成大小相同的多个图像分块, 并获取每个 图像分块的信息熵;
根据所述至少两个指紋图像的所有图像分块的信息熵获取所述至少两个 指紋图像中同一位置上图像质量最好的图像分块;
将所有位置上图像质量最好的图像分块进行合成, 获得所述目标指纹图 像;
或者,
利用光照响应曲线法将配准后的所述至少两个指紋图像进行合成, 获得 所述目标指紋图像;
或者,
对采集到的多幅指纹对象利用可信度函数获取每幅图像的可信度, 而后 通过将每幅图像的可信度作为每幅图像的权重进行加权平均来合成所述目标 指紋图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/085121 WO2016029346A1 (zh) | 2014-08-25 | 2014-08-25 | 指纹提取方法和装置 |
CN201480058459.5A CN105659253B (zh) | 2014-08-25 | 2014-08-25 | 指纹提取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/085121 WO2016029346A1 (zh) | 2014-08-25 | 2014-08-25 | 指纹提取方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2016029346A1 true WO2016029346A1 (zh) | 2016-03-03 |
Family
ID=55398564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2014/085121 WO2016029346A1 (zh) | 2014-08-25 | 2014-08-25 | 指纹提取方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105659253B (zh) |
WO (1) | WO2016029346A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392145A (zh) * | 2017-07-20 | 2017-11-24 | 维沃移动通信有限公司 | 一种指纹识别方法、终端及计算机可读存储介质 |
CN107832706A (zh) * | 2017-11-09 | 2018-03-23 | 深圳市晓控通信科技有限公司 | 一种具有干燥功能的识别精准的电容式指纹识别设备 |
CN110945526A (zh) * | 2019-10-25 | 2020-03-31 | 深圳市汇顶科技股份有限公司 | 屏下指纹采集方法、装置、电子设备及存储介质 |
CN113239817A (zh) * | 2019-02-20 | 2021-08-10 | Oppo广东移动通信有限公司 | 指纹模板获取方法及相关装置 |
CN114565946A (zh) * | 2022-01-25 | 2022-05-31 | 西安电子科技大学 | 一种基于自注意力机制轻量级网络的指纹活体检测方法 |
TWI788952B (zh) * | 2021-03-12 | 2023-01-01 | 大陸商敦泰電子(深圳)有限公司 | 指紋圖像處理方法、指紋晶片及電子設備 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355145A (zh) * | 2016-08-26 | 2017-01-25 | 广东欧珀移动通信有限公司 | 指纹识别方法、装置及移动终端 |
US20190056810A1 (en) * | 2017-08-17 | 2019-02-21 | Novatek Microelectronics Corp. | Method of Handling Sensing Data and Related Image Sensing Circuit |
CN108121946B (zh) * | 2017-11-15 | 2021-08-03 | 大唐微电子技术有限公司 | 一种指纹图像预处理方法及装置 |
CN109902569B (zh) * | 2019-01-23 | 2021-09-17 | 上海思立微电子科技有限公司 | 指纹图像的转换方法、装置和指纹识别方法 |
US10909348B2 (en) * | 2019-04-28 | 2021-02-02 | Novatek Microelectronics Corp. | Optical fingerprint sensing device and operation method thereof |
CN110751105B (zh) * | 2019-10-22 | 2022-04-08 | 珠海格力电器股份有限公司 | 一种手指图像采集方法、装置及存储介质 |
CN110781868A (zh) * | 2019-11-21 | 2020-02-11 | 上海思立微电子科技有限公司 | 像素电路、像素阵列、光学指纹传感器及指纹采集方法 |
CN111639521B (zh) * | 2020-04-14 | 2023-12-01 | 天津极豪科技有限公司 | 指纹合成方法、装置、电子设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698066A (zh) * | 2003-03-07 | 2005-11-16 | 日本电信电话株式会社 | 生物测量图像对照设备及其对照方法 |
US20080298650A1 (en) * | 2007-06-04 | 2008-12-04 | Dong Hyuk Jang | Optical finger print acquisition apparatus using a prism |
CN102483804A (zh) * | 2009-08-19 | 2012-05-30 | 贺利实公司 | 用于局部指纹的n向配准及拼接的方法 |
CN103778420A (zh) * | 2014-02-28 | 2014-05-07 | 成都费恩格尔微电子技术有限公司 | 具有自动增益控制的指纹检测***及其自动增益控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450741B2 (en) * | 2003-06-23 | 2008-11-11 | Motorola, Inc. | Gray scale matcher |
CN201638241U (zh) * | 2010-02-11 | 2010-11-17 | 苏州市职业大学 | 一种指纹识别装置 |
-
2014
- 2014-08-25 CN CN201480058459.5A patent/CN105659253B/zh active Active
- 2014-08-25 WO PCT/CN2014/085121 patent/WO2016029346A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698066A (zh) * | 2003-03-07 | 2005-11-16 | 日本电信电话株式会社 | 生物测量图像对照设备及其对照方法 |
US20080298650A1 (en) * | 2007-06-04 | 2008-12-04 | Dong Hyuk Jang | Optical finger print acquisition apparatus using a prism |
CN102483804A (zh) * | 2009-08-19 | 2012-05-30 | 贺利实公司 | 用于局部指纹的n向配准及拼接的方法 |
CN103778420A (zh) * | 2014-02-28 | 2014-05-07 | 成都费恩格尔微电子技术有限公司 | 具有自动增益控制的指纹检测***及其自动增益控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392145A (zh) * | 2017-07-20 | 2017-11-24 | 维沃移动通信有限公司 | 一种指纹识别方法、终端及计算机可读存储介质 |
CN107832706A (zh) * | 2017-11-09 | 2018-03-23 | 深圳市晓控通信科技有限公司 | 一种具有干燥功能的识别精准的电容式指纹识别设备 |
CN107832706B (zh) * | 2017-11-09 | 2021-10-22 | 深圳市蓝海经略科技有限公司 | 一种具有干燥功能的识别精准的电容式指纹识别设备 |
CN113239817A (zh) * | 2019-02-20 | 2021-08-10 | Oppo广东移动通信有限公司 | 指纹模板获取方法及相关装置 |
CN110945526A (zh) * | 2019-10-25 | 2020-03-31 | 深圳市汇顶科技股份有限公司 | 屏下指纹采集方法、装置、电子设备及存储介质 |
CN110945526B (zh) * | 2019-10-25 | 2023-10-24 | 深圳市汇顶科技股份有限公司 | 屏下指纹采集方法、装置、电子设备及存储介质 |
TWI788952B (zh) * | 2021-03-12 | 2023-01-01 | 大陸商敦泰電子(深圳)有限公司 | 指紋圖像處理方法、指紋晶片及電子設備 |
CN114565946A (zh) * | 2022-01-25 | 2022-05-31 | 西安电子科技大学 | 一种基于自注意力机制轻量级网络的指纹活体检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105659253B (zh) | 2020-09-04 |
CN105659253A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016029346A1 (zh) | 指纹提取方法和装置 | |
Raghavendra et al. | Scaling-robust fingerprint verification with smartphone camera in real-life scenarios | |
CN110852160B (zh) | 以图像为基准的生物识别***及计算机实施方法 | |
WO2018143873A1 (en) | Method for authenticating a finger of a user of an electronic device | |
TWI434220B (zh) | 利用手掌靜脈之生物特徵辨識使用者之方法 | |
CN108416338B (zh) | 一种非接触掌纹身份认证方法 | |
AU2011207120B2 (en) | Identifying matching images | |
KR101632912B1 (ko) | 지문 인식을 이용한 사용자 인증 방법 | |
US10740589B2 (en) | Skin information processing method, skin information processing device, and non-transitory computer-readable medium | |
Rahman et al. | Person identification using ear biometrics | |
Bakshi et al. | A novel phase-intensive local pattern for periocular recognition under visible spectrum | |
US10832030B2 (en) | Method and apparatus of selecting candidate fingerprint image for fingerprint recognition | |
CN103971122B (zh) | 基于深度图像的三维人脸描述方法 | |
Iwasokun et al. | Fingerprint singular point detection based on modified poincare index method | |
CN108875629A (zh) | 基于多样本特征融合的掌静脉识别方法 | |
Bruno et al. | Palmprint principal lines extraction | |
US10740590B2 (en) | Skin information processing method, skin information processing device, and non-transitory computer-readable medium | |
US10430629B2 (en) | Non-transitory computer-readable medium storing information processing program and information processing device | |
Genovese et al. | Palmprint biometrics | |
WO2019171413A1 (ja) | 画像照合装置 | |
JP6118214B2 (ja) | シワ分析方法及びシワ分析装置 | |
Hussein et al. | The fundamentals of unimodal palmprint authentication based on a biometric system: a review | |
Bouchemha et al. | Multispectral palmprint recognition methodology based on multiscale representation | |
Rajeev et al. | Method for modeling post-mortem biometric 3D fingerprints | |
Iwasokun et al. | Singular-minutiae points relationship-based approach to fingerprint matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 14900401 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 14900401 Country of ref document: EP Kind code of ref document: A1 |