AT502198B1

AT502198B1 - FINGERPRINT COMPRESSION BY VECTOR QUANTIZATION INCLUDING THE ORIENTATION FIELD

Info

Publication number: AT502198B1
Application number: AT18502001A
Authority: AT
Inventors: Josef Dipl Ing Birchbauer; Horst Dipl Ing Dr Bischof; Claus Groissenberger; Bernd Dipl Ing Dr Wachmann; Martin Dipl Ing Winter; Kurt Dipl Ing Heschgl; Wolfgang Dr Marius
Original assignee: Siemens Ag Oesterreich
Priority date: 2001-11-26
Filing date: 2001-11-26
Publication date: 2007-02-15
Also published as: AT502198A4

Description

2 AT 502 198 B12 AT 502 198 B1

Die Erfindung betrifft ein Verfahren zur Komprimierung eines aus Pixel aufgebauten, digitalen Bildes.The invention relates to a method for compressing a pixel-based digital image.

Den hier betrachteten Bildern liegen Muster, insbesondere von Fingerabdrücken, zugrunde, 5 aber auch andere Muster mit einer inhärenten Struktur, wie handgeschriebene Schriften, Fotografien eines zu erkennenden Bildes (z. B. Gesichts) od. dgl. können im Rahmen der Erfindung behandelt werden. Im folgenden wird die Erfindung in erster Linie im Hinblick auf ihre Anwendung auf Fingerabdruckmuster dargestellt, ohne dass dies eine Einschränkung ausschließlich auf solche Muster bzw. Bilder bedeuten soll. 10The images considered here are based on patterns, in particular of fingerprints, 5 but also other patterns with an inherent structure, such as handwritten fonts, photographs of an image to be recognized (eg a face) or the like, can be treated within the scope of the invention , In the following, the invention is presented primarily with regard to its application to fingerprint patterns, without this being intended to restrict exclusively to such patterns or images. 10

Der Komprimierung von Fingerprintbildern kommt in der Praxis eine hohe Bedeutung zu, da im Rahmen biometrischer Zugangskontrollen die Speicherung bzw. Archivierung einer sehr großen Anzahl von Fingerprintbildern erforderlich sein kann. 15 Im Zusammenhang mit der Komprimierung von Bildern ist beispielsweise die US 5 644 645A bekannt geworden. Dieses Dokument beschreibt ein System zur Übertragung von Fingerabdrücken mit einem zentralen Computersystem und einem von dem zentralen Computersystem entfernten Computersystem. In dem von dem zentralen Computersystem entfernten Computersystem wird ein Fingerabdruck in Form eines Grauwertbildes aufgezeichnet und mittels eines 20 verlustbehafteten Komprimierungsverfahren nach einem nicht reversiblen Kodiermechanismus komprimiert. Weiters wird ein „Skelettmuster" des Bildes erstellt und verlustfrei komprimiert. Das komprimierte Graubild und das komprimierte Skelettmuster werden an das zentrale Computersystem übermittelt und dekomprimiert, wobei unter Zuhilfenahme des Graubildes charakteristische Bildmerkmale des Skelettmusters gewonnen und gespeichert werden. 25The compression of fingerprint images is of great importance in practice, since the storage or archiving of a very large number of fingerprint images may be required in the context of biometric access controls. In connection with the compression of images, for example, US Pat. No. 5,644,645A has become known. This document describes a system for transmitting fingerprints to a central computer system and a computer system remote from the central computer system. In the computer system remote from the central computer system, a fingerprint is recorded in the form of a gray value image and compressed by a lossy compression method according to a non-reversible coding mechanism. Furthermore, a skeleton pattern " of the image and compressed lossless. The compressed gray image and the compressed skeleton pattern are transmitted to the central computer system and decompressed, whereby characteristic image features of the skeleton pattern are obtained and stored with the aid of the gray image. 25

Die US 5 432 871 A beschreibt ein interaktives Datenübertragungssystem, bei welchem ein Bild an einen Benutzer in einer verlustbehafteter, komprimierter Form übermittelt wird. Die Darstellung des Bildes auf einem Telekommunikationsendgerät ist infolge des Datenverlustes bei der Komprimierung fehlerbehaftet. Über eine interaktive Steuerung des Telekommunikationsendge-30 rätes kann ein Benutzer die Qualität des Bildes durch Auswahl des dargestellten Bildbereichs beeinflussen.US 5 432 871 A describes an interactive data transmission system in which an image is transmitted to a user in a lossy, compressed form. The representation of the image on a telecommunication terminal is subject to error due to the loss of data during compression. Via an interactive control of the telecommunications terminal, a user can influence the quality of the image by selecting the displayed image area.

Die EP 0 721 174 A2 beschreibt ein Verfahren zum Komprimieren von Bildern in verschiedenen Qualitätsstufen, wobei für jede Qualitätsstufe je ein Codebuch vorgesehen ist. Für ein zu komp-35 rimierendes Bild wird zuerst die Qualitätsstufe festgelegt, hierauf erfolgt sodann die Komprimierung anhand des entsprechenden Codebooks. US 5 093 872 offenbart ein Verfahren und eine Vorrichtung zur Kompression digitaler Bilder, wobei ein zu komprimierendes digitales Bild in Unterbereiche eingeteilt wird. Die Unterbereiche 40 werden wiederum in Bildelemente eingeteilt. Zur Datenkompression werden in einem Unterbereich enthaltene Bildelemente nach ihren Farbwerten sortiert. Den Bildelementen eines Unterbereiches können zur Kompression in Abhängigkeit von dem Verhältnis ihrer Farbwerte zueinander entweder der selbe Farbton oder je zwei Farbtöne zugeordnet werden. Ein Glättungsverfahren kann eingesetzt werden, um unerwünschte Effekte an den Rändern der Unterbereiche 45 zu reduzieren.EP 0 721 174 A2 describes a method for compressing images in different quality levels, wherein a codebook is provided for each quality level. For a picture to be com- pounded, the quality level is set first, then the compression is carried out on the basis of the corresponding codebook. US 5 093 872 discloses a digital image compression method and apparatus wherein a digital image to be compressed is divided into subregions. The subregions 40 are again divided into picture elements. For data compression, picture elements contained in a subarea are sorted according to their color values. The picture elements of a subarea can be assigned for compression either the same color tone or two color tones depending on the ratio of their color values to one another. A smoothing process may be used to reduce unwanted effects at the edges of the subregions 45.

Die EP 0 590 923 A2 beschreibt ein verlustfreies Bildkomprimierverfahren für verschiedene Auflösungsstufen. Bei dem bekannten Verfahren wird ein zu komprimierendes Bild gescannt, wobei für jedes Pixel ein Grauwert festgelegt wird. Jedem Pixel des gescannten Bildes wird eine so vorgebbare Anzahl von korrespondierenden Pixel zugeordnet, wodurch die Auflösung des Bildes verbessert wird. Das auf diese Weise gewonnene digitalisierte Bild wird sodann komprimiert und kann gespeichert oder versendet werden, beispielsweise per Fax.EP 0 590 923 A2 describes a lossless image compression method for different resolution levels. In the known method, an image to be compressed is scanned, a gray value being set for each pixel. Each pixel of the scanned image is assigned a predeterminable number of corresponding pixels, which improves the resolution of the image. The digitized image obtained in this way is then compressed and can be stored or sent, for example by fax.

Es ist eine Aufgabe der Erfindung einen Weg zu schaffen, der es ermöglicht, auf einfache Art 55 die in einem Fingerprintbild enthaltene Datenmenge zu komprimieren. 3 AT 502 198 B1It is an object of the invention to provide a way of easily compressing the amount of data contained in a fingerprint image. 3 AT 502 198 B1

Diese Aufgabe wird mit einem Verfahren der eingangs genannten Art erfindungsgemäß dadurch gelöst, dass das Bild in formgleiche Bereiche, welche eine vorgebbare Anzahl von Pixel enthalten, unterteilt und im wesentlichen für jeden Bereich aus den in ihm enthaltenen Pixel ein Punkt in einem mehrdimensionalen Raum gebildet wird, in welchem für jeden Punkt die kürzeste Distanz zu zuvor anhand einer Menge von digitalen Trainingsbildern ermittelten Mittelpunkten von Clustern von Trainingspunkten bestimmt wird, wobei jedem dieser Clustermittelpunkte ein Index zugeordnet ist, und zur Komprimierung der in dem Bild enthaltenen Datenmenge jeder durch einen Punkt in dem mehrdimensionalen Raum repräsentierte Bereich des Bildes durch den Index des Clustermittelpunktes ersetzt wird, zu dem der dem Bereich zugeordnete Punkt in dem mehrdimensionalen Raum die geringste Distanz aufweist.This object is achieved with a method of the aforementioned type according to the invention in that the image is divided into the same shape areas containing a predetermined number of pixels and is formed essentially for each area from the pixels contained in it a point in a multi-dimensional space in which, for each point, the shortest distance to the centers of clusters of training points previously determined from a set of digital training images is determined, with each of these cluster centers being assigned an index, and for compressing the amount of data contained in the image, each by a point in the image multidimensional space is replaced by the index of the cluster center, to which the area associated with the point in the multidimensional space has the smallest distance.

Durch die Ersetzung von Bildbereichen des zu komprimierenden Bildes durch Indizes von anhand einer Trainingsmenge von Trainingsbildern zuvor ermittelten Clustermittelpunkten kann die in dem zu komprimierenden Bild enthaltene Datenmenge wesentlich reduziert werden. Enthält ein Bereich des ursprünglichen Bildes z. B. m x m Pixelwerte, so enthält dieser Bereich in dem komprimierten Bild lediglich einen Wert für den Index, der auf den zugehörigen Cluster verweist.By replacing image areas of the image to be compressed with indices of cluster centers previously determined on the basis of a training set of training images, the amount of data contained in the image to be compressed can be substantially reduced. Contains an area of the original image z. For example, if mxm pixel values, this area in the compressed image contains only a value for the index that points to the associated cluster.

Bevorzugterweise stellt das digitale Bild einen Fingerabdruck dar.Preferably, the digital image is a fingerprint.

In einer vorteilhaften Variante der Erfindung wird anhand der Orientierung von in Bereichen des zu komprimierenden Bildes enthaltenen Linien des Fingerabdruckes, für jeden dieser Bereiche ein Orientierungswert ermittelt, wobei die Pixelwerte dieser Bereiche durch den Orientierungswert und den Index des Clustermittelpunktes ersetzt werden, der dem den jeweiligen Bereich in dem mehrdimensionalen Raum repräsentierenden Punkt am nächsten liegt.In an advantageous variant of the invention, based on the orientation of lines of the fingerprint contained in areas of the image to be compressed, an orientation value is determined for each of these areas, the pixel values of these areas being replaced by the orientation value and the index of the cluster center corresponding to the respective one Area in the multi-dimensional space representing point closest.

Vorteilhafterweise werden zur Bildung der Punkte die Werte der Pixel eines Bereiches zellenförmig ausgelesen.Advantageously, the values of the pixels of a region are read in a cell-like manner in order to form the dots.

Zur Wiederherstellung des komprimierten Bildes eignet sich insbesondere ein Verfahren zur Rekonstruktion, bei welchem jeder Index des komprimierten Bildes durch den ihm zugeordneten Clustermittelpunkt ersetzt wird, wobei jeder Clustermittelpunkt bei der Rekonstruktion des Bildes um den Orientierungswert gedreht werden kann.In particular, a reconstruction method in which each index of the compressed image is replaced by the cluster center assigned to it is suitable for restoring the compressed image, wherein each cluster center point can be rotated by the orientation value during the reconstruction of the image.

Die Erfindung samt weiteren Vorteilen wird im folgenden anhand eines nicht einschränkenden Ausführungsbeispiels näher erläutert, welches in der Zeichnung dargestellt ist. In dieser zeigen schematisch:The invention together with further advantages will be explained below with reference to a non-limiting embodiment, which is shown in the drawing. In this show schematically:

Fig. 1 ein digitales Fingerprintbild;Fig. 1 is a digital fingerprint image;

Fig. 2 eine erfindungsgemäße Unterteilung eines Ausschnittes des Bildes aus Fig. 1 in Bereiche identischer Form und Größe;FIG. 2 shows a subdivision according to the invention of a detail of the image from FIG. 1 into regions of identical shape and size; FIG.

Fig. 3 eine Wertematrix, in welcher die in Vektoren zusammengefassten Werte von in den Bereichen aus Fig. 2 enthaltenen Pixel enthalten sind;3 shows a value matrix in which the values, combined in vectors, of pixels contained in the regions of FIG. 2 are contained;

Fig. 4 ein Verfahren zur Ermittlung des Orientierungsbildes des Fingerprintbildes aus Fig. 1;4 shows a method for determining the orientation image of the fingerprint image from FIG. 1;

Fig. 5 eine Tabelle, welche anhand einer Menge von Trainingsbildem berechnete Mittelpunkte von Clustern von Bildbereichen zugeordneten Punkten bzw. Vektoren enthält;5 shows a table containing, based on a set of training images, calculated centers of clusters of points or vectors associated with image regions;

Fig. 6 ein Ablaufdiagramm eines erfindungsgemäßen Komprimierungsverfahrens und6 is a flowchart of a compression method according to the invention and

Fig. 7 ein Ablaufdiagramm eines erfindungsgemäßen Rekonstruktionsverfahrens.7 shows a flow diagram of a reconstruction method according to the invention.

Gemäß Fig. 1 und 2 wird ein digitales Bild BIL erfindungsgemäß in Bereiche BER gleicher Größe und Form unterteilt. Jeder Bereich BER enthält mehrere Pixel PIX mit einer Datenbreite von z. B. 8 Bit, womit ein Grauwert dargestellt werden kann. Dieser Grauwert liegt zwischen einem Minimalwert (z.B. 0, „Schwarz“) und einem Maximalwert (z.B. 255, „Weiß“). 4 AT 502 198 B1According to FIGS. 1 and 2, a digital image BIL is divided according to the invention into regions BER of the same size and shape. Each area BER contains several pixels PIX with a data width of z. B. 8 bits, which a gray value can be displayed. This gray value is between a minimum value (e.g., 0, "black") and a maximum value (e.g., 255, "white"). 4 AT 502 198 B1

Die Bereiche BER sind, wie bereits erwähnt, von identischer Form, beispielsweise rechteckig, und enthalten die gleiche Anzahl von Pixel PIX. Die Werte der Pixel PIX in einem Bereich können gemäß Fig. 3 zellenförmig ausgelesen und beispielsweise zu einer Matrix MAT zusammengefasst werden, wobei die Spalten dieser Matrix den Werten der einzelnen Pixel PIX eines 5 Bereiches BER entsprechen. Die Pixelwerte in einer Spalte entsprechen einem den Bereich BER, aus dem sie ausgelesen wurden, repräsentierenden Punkt PUN bzw. einem Vektor in einem mehrdimensionalen Raum.The areas BER are, as already mentioned, of identical shape, for example rectangular, and contain the same number of pixels PIX. The values of the pixels PIX in a region can be read in a cell-like manner in accordance with FIG. 3 and combined, for example, into a matrix MAT, the columns of this matrix corresponding to the values of the individual pixels PIX of a 5 region BER. The pixel values in a column correspond to a point PUN representing a region BER from which they were read, or a vector in a multi-dimensional space.

Das erfindungsgemäße Verfahren beruht nun darauf die Punkte PUN des zu komprimierenden io Bildes BIL Clustermittelpunkten CMP zuzuweisen, die, wie weiter unten beschrieben, anhand einer Menge von Trainingsbildern zuvor „offline“ ermittelt wurden.The method according to the invention is now based on assigning the points PUN of the image BIL cluster center points CMP to be compressed, which, as described below, were previously determined "offline" on the basis of a set of training images.

Zur Ermittlung dieser Clustermittelpunkte CMP, CMP1, CMPn wird in einem Trainingsprozess eine vorgebbare Anzahl von Trainingsbildern ebenfalls in Bereiche BER unterteilt, wobei gemäß 15 der oben für das zu komprimierende Bild BIL beschriebenen Vorgangsweise jeder dieser Bereiche BER durch einen Punkt PUN in dem mehrdimensionalen Raum dargestellt wird. Hierauf wird im Rahmen des Trainingsprozesses nach Clustern solcher Punkte PUN bzw. Vektoren in dem mehrdimensionalen Raum gesucht. Hierzu können an sich bekannte Clustering Algorithmen zum Einsatz kommen. 20To determine these cluster centers CMP, CMP1, CMPn, in a training process a predefinable number of training images are likewise subdivided into regions BER, wherein according to FIG. 15 the procedure described above for the image BIL to be compressed is represented by a point PUN in the multi-dimensional space becomes. In the course of the training process, clusters of such points are searched for PUN or vectors in the multidimensional space. For this purpose, known clustering algorithms can be used. 20

Derartige Clustering Algorithmen können Punkte in n-dimensionalen Räumen zu Gruppen von Punkten zusammenfassen. Als Ähnlichkeitsmaß kann z. B. die euklidische Distanz dienen. Jeder Punkt repräsentiert eine Eigenschaft. In dem vorliegenden Dokument sind es n-dimensionale Vektoren, die einen m x m großen Pixelbereich eines beliebigen Fingerprintbil-25 des repräsentieren. Jede Komponente eines Vektors kann hierbei einem Wert eines Pixels mit einem Wertebereich von 0 bis 255 aufgrund einer 8 Bit Auflösung der Grauwerte entsprechen.Such clustering algorithms can group points in n-dimensional spaces into groups of points. As a measure of similarity z. B. serve the Euclidean distance. Each point represents a property. In the present document, there are n-dimensional vectors representing a mxm pixel area of any fingerprint image. Each component of a vector may hereby correspond to a value of a pixel having a value range of 0 to 255 due to an 8-bit resolution of the gray values.

Das Clustering dieser m x m-dimensionalen Vektoren kann in den folgenden Schritten erfolgen: 30 Ähnliche m x m, z. B. 8 x 8 Pixelbereiche werden in dem m x m-dimensionalen, beispielsweise 64-dimensionalen Raum denselben Clustern zugeordnet, wobei die Cluster durch ihre Mittelpunkte repräsentiert werden können.The clustering of these m x m-dimensional vectors can be done in the following steps: 30 Similar m x m, z. B. 8 x 8 pixel areas are assigned to the same clusters in the m x m-dimensional, for example, 64-dimensional space, where the clusters can be represented by their midpoints.

Gemäß dem erfindungsgemäßen Verfahren wird einen jedem aus der Trainingsmenge gewon-35 nenen Clustermittelpunkt CMP ein Index j, beispielsweise in Form eines Zahlenwertes, zugeordnet. Die Clustermittelpunkte CMP und die zugeordneten Indizes j können, in Form einer im folgenden als „Codebook-Tabelle“ bezeichneten Tabelle TAB, aufgezeichnet werden (Fig. 5). Die Erstellung der Codebook-Tabelle anhand der Trainingsmenge erfolgt „offline“, d. h. vor Implementierung der Codebook-Tabelle in eine Vorrichtung zur Komprimierung von Fingerprint-40 bildern, beispielsweise einen handelsüblichen Computer, der mit einem Fingerprintsensor verbunden ist.According to the method of the invention, an index j, for example in the form of a numerical value, is assigned to each cluster center CMP obtained from the training set. The cluster centers CMP and the associated indices j can be recorded in the form of a table TAB (hereinafter referred to as "codebook table") (FIG. 5). Creating the codebook table based on the training amount is "offline", d. H. prior to implementation of the codebook table into a device for compressing fingerprint-40 images, for example, a commercial computer, which is connected to a fingerprint sensor.

Soll nun ein in digitaler Form vorliegendes Fingerprintbild BIL komprimiert werden, so werden, wie oben beschrieben, Bereiche BER dieses Bildes BIL repräsentierende Punkte PUN gebildet. 45 Hierauf wird für jeden dieser Punkte aus der „Codebook-Tabelle“ der Clustermittelpunkt CMP ermittelt, zu dem der jeweilige Punkt PUN die kürzeste Distanz in dem mehrdimensionalen Raum aufweist. Danach werden die Bereiche BER des Bildes BIL durch die Indizes j derjenigen Clustermittelpunkte CMP ersetzt, die den diese Bereiche BER repräsentierenden Punkten PUN in dem mehrdimensionalen Raum am nächsten liegen. 50If now a fingerprint image BIL present in digital form is to be compressed, areas BER of this image BIL representing points PUN are formed as described above. Then, for each of these points from the "codebook table", the cluster center point CMP at which the respective point PUN has the shortest distance in the multi-dimensional space is determined. Thereafter, the areas BER of the image BIL are replaced by the indices j of those cluster centers CMP closest to the points PUN representing these areas BER in the multidimensional space. 50

Darüber hinaus kann nach Fig. 4 zu Beginn des Einlesevorganges eines zu komprimierenden Bildes BIL dessen dazugehöriges Orientierungsbild OKL bestimmt werden. Zur Ermittlung von Orientierungsbildern OKL aus digitalen Fingerprintbildern siehe auch beispielsweise „Adaptive flow Orientation based feature exraction in fingerprint images“; Nalini K. Ratha, Shaoyun Chen 55 and Anil K. Jain; Department of Computer Science Michigan State University East Lansing, 5 AT 502 198 B1In addition, according to FIG. 4, at the beginning of the read-in process of an image BIL to be compressed, its associated orientation image OKL can be determined. For determining orientation images OKL from digital fingerprint images, see also, for example, "Adaptive flow orientation based feature extraction in fingerprint images"; Nalini K. Ratha, Shaoyun Chen 55 and Anil K. Jain; Department of Computer Science Michigan State University East Lansing, 5 AT 502 198 B1

Ml 48824.Ml 48824.

Zur Ermittlung des Orientierungsbildes OKL kann nach Fig. 6 am Ort eines Bildpunktes PO ein Richtungsfeld 8(P0) aufgrund einer Umgebung um den Bildpunkt PO bestimmt werden, bei-5 spielsweise in einem Fenster W1 der Größe w x w (in Fig. 6 ist w=5) um den Punkt PO, der in der Mitte des Fensters W1 liegt. Das Richtungsfeld kann anhand der folgenden Formel berechnet werden (vgl. A. Jain und L. Hong, IEEE Trans. ΡΑΜΙ, 19(4), 1997): θ(Ρ0) = 1/2 · arctan (Gs(W1 )/Gc(W1 )) 10In order to determine the orientation image OKL, a direction field 8 (P0) can be determined on the basis of an environment around the pixel PO according to FIG. 6 at the location of a pixel PO, for example in a window W1 of size wxw (in FIG 5) around the point PO, which lies in the middle of the window W1. The direction field can be calculated from the following formula (see A. Jain and L. Hong, IEEE Trans. ΡΑΜΙ, 19 (4), 1997): θ (Ρ0) = 1/2 · arctan (Gs (W1) / Gc (W1)) 10

Gs(W1) = Σ 2Gx(P1)Gy(P1)Gs (W1) = Σ2Gx (P1) Gy (P1)

Gc(W1) = Σ (θχ2(Ρ1 )-Gy2(P1)), 15 wobei GX(P) und Gy(P) die Gradienten des Bildwerts in der x- bzw. y-Richtung am Punkt P sind; die Summen bei der Berechnung der Zwischengrößen Gs und Gc werden über alle Bildpunkte P1 mit gültigen Bildwerten im Fenster W1 gebildet. In gebräuchlichen Anwendungen bei der Erkennung von Fingerabdrücken ist es ausreichend, die Orientierung θ mit einer verhältnismäßig geringen Genauigkeit zu bestimmen, z.B. auf 180716 oder 180764 genau, sodass 16 bzw. 20 64 Orientierungen möglich sind. Die Zwischengrößen Gs und Gc können auch zur Abschätzung der Güte des Orientierungsfelds verwendet werden, die z.B. gemäß Q = Gs2 + Gc2 bestimmt wird.Gc (W1) = Σ (θχ2 (Ρ1) -Gy2 (P1)), 15 where GX (P) and Gy (P) are the gradients of the image value in the x and y directions at the point P, respectively; the sums in the calculation of the intermediate quantities Gs and Gc are formed over all pixels P1 with valid image values in the window W1. In common fingerprint recognition applications, it is sufficient to determine the orientation θ with a relatively low accuracy, e.g. to 180716 or 180764, so 16 or 20 64 orientations are possible. The intermediate quantities Gs and Gc can also be used to estimate the quality of the orientation field, e.g. is determined according to Q = Gs2 + Gc2.

Werden dann die Bereiche BER aus den Bildern BIL geschnitten, so wird zu jedem Bereich 25 BER dessen durchschnittlicher Orientierungswert p bestimmt, d. h. es wird ein Mittelwert über die Richtungen aller in dem betrachteten Bildausschnitt enthaltenen Linien gebildet. Hierauf wird der durchschnittliche Orientierungswert p eines Bereiches BER gespeichert. Die ermittelten Orientierungswerte P liegen in einem Wertebereich von -π bis +π. 30 In einer bevorzugten Variante der Erfindung gemäß Fig. 6 werden die Bereiche des zu komprimierenden Bildes BIL sowohl durch die Indizes j der am nächsten gelegenen, d. h. ähnlichsten Clustermittelpunkte CMP als auch durch den Orientierungswert p ersetzt. Somit wird beim Komprimieren des Bildes BIL sowohl der Index j des einem Punkt PUN des Bildes am nächsten gelegenen Clustermittelpunktes CMP als auch der dazugehörige Orientierungswert p gespei-35 chert. Demnach müssen für ein komprimiertes Bild BIL' anstelle des ganzen Bildes BIL nur mehr die Nummern bzw. Indizes j der Clustermittelpunkte CMP und die Orientierungswerte p der einzelnen Regionen bzw. Bereiche BER gespeichert werden.If the regions BER are then cut out of the images BIL, then for each region 25 BER its average orientation value p is determined, ie. H. an average is formed over the directions of all the lines contained in the viewed image section. The average orientation value p of an area BER is then stored. The determined orientation values P are in a value range from -π to + π. In a preferred variant of the invention according to FIG. 6, the regions of the image BIL to be compressed are represented both by the indices j of the closest, i.e. H. The most similar cluster center points CMP replaced by the orientation value p. Thus, in compressing the image BIL, both the index j of the cluster center CMP closest to a point PUN of the image and the associated orientation value p are stored. Thus, for a compressed image BIL 'instead of the entire image BIL, only the numbers or indices j of the cluster centers CMP and the orientation values p of the individual regions or regions BER must be stored.

Mathematisch lässt sich dies wie folgt formulieren: 40Mathematically, this can be formulated as follows: 40

Sei v = (Vj... vn} ein Satz von Clustermittelpunkten CMP bzw. Referenzvektoren (typischerweise 8x8 Pixel des Grauwertbildes) und sei x der Punkt PUN eines zu komprimierenden Bereiches BER des Bildes BIL mit einem Orientierungswert p, dann kann der zu einem Clustermittelpunkt CMP gehörige Index j so gewählt werden, dass 45 j = arg min{i=1...n> (d(R(x, p), v,)). wobei R(x, p) der Rotation von x um p entspricht, und d ein geeignetes Distanzmaß (z. B. die Euklidische Distanz) bedeutet. Der Punkt PUN kann dann durch den Index j und der Orientie-50 rungswert p ersetzt werden. In einer weiteren Variante der Erfindung kann auch der Wert von R(x, p) - Vj, also das (quantisierte) Differenzbild gespeichert werden.Let v = (Vj ... vn} be a set of cluster centers CMP or reference vectors (typically 8x8 pixels of the halftone image) and let x be the point PUN of a region BER to be compressed of the image BIL with an orientation value p, then it may be a cluster center CMP associated index j are chosen such that 45 j = arg min {i = 1 ... n> (d (R (x, p), v,)) where R (x, p) is the rotation of x um The point PUN can then be replaced by the index j and the orientation value p In a further variant of the invention, the value of R can also be replaced by the value p (x, p) - Vj, so the (quantized) difference image are stored.

In einer weiteren Variante der Erfindung kann selbst bei Berücksichtigung der Orientierung auf die Berechnung der Orientierungsinformation gänzlich verzichtet werden, falls bei der Suche 55 nach dem nächstgelegenen Clustermittelpunkt CMP bzw. Referenzvektor auch die RotationIn a further variant of the invention, even when the orientation is taken into account, it is entirely possible to dispense with the calculation of the orientation information if in the search 55 for the nearest cluster center CMP or reference vector also the rotation

Claims

6 AT 502 198 B1. Ie: Ü. P) = arg min {i = 1 ... n}, p (d (R (x, p), vO) The relation just mentioned can also be used in the training process, in which case the codebook table contains TAB next to it By determining the orientation value p, unnecessary redundancies in the compressed image can be avoided, and the difference between a point and the nearest cluster center CMP can be determined to determine an error. if it is in an area defined by thresholds, it can also be stored to indicate the accuracy with which the reconstruction is done With a large residual error, the area BER can be subdivided differently, for example into a 4x4 pixel area instead of in For reconstructing a compressed image, as shown in Fig. 7, they may replace the original areas BER Indexes j are exchanged for their associated cluster centers CMP. The cluster centers can be rotated by the stored rotation angle p. The inventive method is independent of the training algorithm used to create the codebook table, since for compression / reconstruction only the result of the training - the cluster centers CMP - must be known. 1. A method for compressing a pixel image (PIX) constructed digital image (BIL), characterized in that the image (BIL) in the same shape areas (BER), which contain a predetermined number (ANZ) of pixels (PIX) , divided and essentially for each area (BER) from its contained pixels (PIX) a point (PUN) is formed in a multi-dimensional space in which for each point (PUN) the shortest distance (DIS) to previously using a Set of points determined by digital training images of cluster of training points (TPU), each of these cluster centers (CMP) having an index (IND) associated with it, and for compressing the amount of data contained in the image (BIL) each by a point (PUN) in the multi-dimensional space, represented area (BER) of the image (BIL) is replaced by the index (IND) of the cluster center (CMP) to which the point (PUN) associated with the area (BER) in the multidimensional a len space has the smallest distance (DIS).

2. The method according to claim 1, characterized in that the digital image represents a fingerprint.

3. Method according to claim 2, characterized in that, based on the orientation of lines of the fingerprint contained in areas (BER) of the image to be compressed (BIL), an orientation value (P) is determined for each of these areas (BER), the pixel values of these areas (BER) are replaced by the associated orientation value (P) and the index (j) of the cluster center point (CMP) closest to the point (PUN) representing the respective area (BER) in the multi-dimensional space.

4. Method according to one of claims 1 to 3, characterized in that the values (WER) of the pixels (PIX) of a region (BER) are read in a line in order to form the dots (PUN).

5. A method of reconstructing a digital image (BIL) compressed by the method according to one of claims 1 to 5, characterized in that each index (j) of the compressed image is replaced by the cluster center (CMP) assigned to it.

6. The method according to claim 5, characterized in that each cluster center (CMP) in the reconstruction of the image (BIL) is rotated by the orientation value (P). 10 For this 3 sheets of drawings 15 20 25 30 35 40 45 50 55