CN100565580C - 指纹掌纹图像处理系统以及指纹掌纹图像处理方法 - Google Patents
指纹掌纹图像处理系统以及指纹掌纹图像处理方法 Download PDFInfo
- Publication number
- CN100565580C CN100565580C CNB2005800068304A CN200580006830A CN100565580C CN 100565580 C CN100565580 C CN 100565580C CN B2005800068304 A CNB2005800068304 A CN B2005800068304A CN 200580006830 A CN200580006830 A CN 200580006830A CN 100565580 C CN100565580 C CN 100565580C
- Authority
- CN
- China
- Prior art keywords
- mentioned
- fingers
- zonule
- palms
- print image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
使用这样一种指掌纹图像处理系统,该指掌纹图像处理系统包括频率成分分析部(11)和频率成分判断部(12)。频率成分分析部(11)对分割成多个小区域的指掌纹图像中的多个小区域的每一个进行频率分析,并求出代表多个小区域的每一个的多个频率成分。频率成分判断部(12)根据频率成分,判断对应于频率成分的小区域的清楚性。指掌纹图像表示指纹和掌纹中的至少一个。使用傅立叶变换作为频率分析。频率成分判断部(12)根据频率成分和对清楚的二维正弦波进行傅立叶变换后的结果,判断对应于频率成分的小区域的清楚性。由此,即使在背景中存在浓淡不匀、或在指掌纹区域中具有由于损伤等导致的不清楚部分,也可以判断出存在清楚脊线的区域。
Description
技术领域
本发明涉及一种指纹掌纹图像处理系统以及指纹掌纹图像处理方法,特别是,涉及一种提高了指纹掌纹的图像处理功能的指纹掌纹图像处理系统和指纹掌纹图像处理方法。
背景技术
在含有指纹掌纹(下面称为“指掌纹”)的图像中,通过对该图像施加规定的图像处理来识别指掌纹的指掌纹图像处理技术是公知的。
指掌纹图像处理技术的一个例子已经在特开2002-99912号公报中公开。该技术的图像处理方法从输入的图像中除去噪音后复原原图像。具有将输入的图像分割成多个块的过程;对由上述块分割装置得到的各块的图像进行傅立叶变换的过程;通过推测各个频率中的原图像的功率和噪音功率,使用这两种功率的推测值设定增益使得该频率下的噪音功率的相对大小越大越取较小的值,并通过将该增益乘以傅立叶成分信息的该频率的振幅来抑制噪音功率的过程;对上述振幅改变后的傅立叶成分进行逆傅立叶变换的过程;将由上述逆傅立叶变换装置变换后的各块的图像组合后构成复原后的整个图像的过程。
在该公报中记载了:该技术通过在傅立叶变换后的图像数据中使用忽视微小成分的函数使噪音成分减少,此后进行逆傅立叶变换来复原原始图像,可以使噪音减少并突出脊线。此外,记载了由于不进行调查各个象素和区域的方向,所以即使将分割图像的单位,即微小块的尺寸假定为宽条纹的间隔并将其设定得很大,也不会产生所谓的在窄条纹间隔的区域不能精确地进行方向性测量的恶劣影响。
在现有的指掌纹图像处理技术中,判断指掌纹图像区域的技术的一个例子记载在特开2003-44856号公报、特开平8-110949号公报、特开平8-129644号公报中。特开2003-44856号公报中记载的指掌纹校对装置的背景分离处理,通过对输入指掌纹图形通过高斯变换晕色后进行二值化,判断变为黑象素的区域为具有指掌纹的区域,变为白象素的区域为背景区域。
记载在特开平8-110949号公报中的指纹输入方法的指掌纹图像的画质判断方法中,将输入图像二值化,如果变为黑象素的比例在0.4到0.55之间则判断输入图像是优良画质。记载在特开平8-129644号公报中的指纹图像的画质判断方法是使输入图像二值化且细线化,提取端点和分歧点,如果端点和分歧点的密度在规定的范围内,则判断为是优良画质。
此外,在现有的指掌纹图像处理技术中,提取指掌纹脊线的技术的一个例子记载在特开平8-110945号公报、特开平9-167230号公报、特开2002-288641号公报、特开2002-288672号公报中。特开平8-110945号公报中记载的指纹图像的画质判断方法中,通过在每个小区域由象素值的柱状图求出二值化阈值来对指掌纹图像进行二值化,从而提取脊线图像。在特开平9-167230号公报、特开2002-288641号公报、特开2002-288672号公报中记载的指掌纹图像处理装置中,按每个小区域对输入图像进行频率分析并检测出多个候补脊线,在每个这样的区域通过与周围区域的候补脊线的连续性从候补脊线中选择表示正确脊线的脊线,并提取脊线图像。
上述判断指掌纹图像区域的技术,当背景中存在污染或者噪音这样的浓淡不匀的情况下,具有区域判断精度下降的可能性。上述提取指掌纹脊线的技术,在指掌纹中存在褶皱或者损伤的情况下,存在不能提取正确的脊线,而且不能提取指掌纹脊线的微小结构的可能性。
专利文献1:特开2002-99912号公报
专利文献2:特开2003-44856号公报
专利文献3:特开平8-110949号公报
专利文献4:特开平8-129644号公报
专利文献5:特开平8-110945号公报
专利文献6:特开平9-167230号公报
专利文献7:特开2002-288641号公报
专利文献8:特开2002-288672号公报
非专利文献1:大津展之,“基于判断和最小二次方基准的自动阈值选择法”,电子信息通信学会论文杂志,Vol.J63-D、No.4、pp.349-356
发明内容
本发明的目的在于提供一种即使在背景中存在指纹掌纹(下面称为“指掌纹”)以外的浓淡不匀,也可以正确地判断具有指掌纹的区域(下面称为“指掌纹区域”)的指纹掌纹图像处理系统和指纹掌纹图像处理方法。
本发明的另一目的在于提供一种即使在指掌纹区域中存在不清楚的部分也可以正确地识别不清楚部分的指掌纹图像处理系统和指掌纹图像处理方法。
本发明的又一目的是提供一种即使在指掌纹区域中存在褶皱或者损伤,也可以正确地提取脊线,且可提取脊线的细微结构的指纹掌纹图像处理系统和指纹掌纹图像处理方法。
下面,使用用于实施发明的最佳实施例的标记、符号说明用于解决问题的方法。为了明确权利要求记载的范围和用于实施发明的最佳实施例间的对应关系,这些标记、符号附加在括号中。但是,这些标记、符号不能用于权利要求范围记载的发明技术范围的解释。
用于解决上述问题的本发明的指纹掌纹图像处理系统包括频率成分分析部(11、11a)和频率成分判断部(12、12a)。频率成分分析部(11、11a)对分割成多个小区域的指掌纹图像中的上述多个小区域的每一个进行频率分析,并求出代表上述多个小区域的每一个的多个频率成分。频率成分判断部(12、12a)根据频率成分,判断对应于频率成分的小区域的清楚性。指掌纹图像表示指纹和掌纹中的至少一个。
在本发明中由于将指掌纹图像分割成小区域,求出代表小区域的频率成分,并判断频率成分是否是清楚脊线中可见的频率,所以即使在背景中存在污染这种指掌纹以外任何的浓淡不匀或者噪音的情况下,也可以正确地判断指掌纹区域。即使在指掌纹区域中存在由于噪音的影响而不清楚的部分的情况或者脊线为微小结构的情况下,也可以正确地判断指掌纹区域。
在上述指掌纹图像处理系统中,频率成分分析部(11、11a)使用傅立叶变换进行上述频率分析。频率成分判断部(12、12a)根据频率成分以及对清楚的二维正弦波进行傅立叶变换后的结果,判断对应于上述频率成分的上述小区域的清楚性。
在上述指纹掌纹图像处理系统中,频率成分分析部(11、11a)根据上述频率分析结果,决定频率空间的一点作为上述频率成分,将对应于上述频率成分的小区域通过作为与上述频率空间的一点对应的二维正弦波的代表点二维正弦波来近似。
在上述指纹掌纹图像处理系统中,频率成分判断部(12、12a)使用代表点二维正弦波的振幅的大小,或代表点二维正弦波的振幅的大小占规定频带的二维正弦波的振幅的总和的比例中的任意一个来判断对应于频率成分的小区域的清楚性。
在上述指纹掌纹图像处理系统中,频率成分判断部(12、12a)判断满足如下任意一种情形的小区域为清楚指纹区域,即满足:小区域的代表点二次正弦波的振幅的大小在规定值以上的情况、以及将小区域的代表点二次正弦波的振幅的大小通过多个小区域中的最大的代表点二次正弦波的振幅的大小进行标准化后的值在规定值以上的情况。
在上述指纹掌纹图像处理系统中,频率成分分析部(11、11a)求出对小区域的中心部进行频率分析后的第一分析结果、以及包含周围部在内对小区域进行频率分析的第二分析结果。频率成分判断部(12、12a)在第一分析结果和第二分析结果之间存在差别的情况下,判断小区域为具有微小结构的区域,在第一分析结果和第二分析结果之间没有差别的情况下,判断小区域为单调流向的区域。
在上述指纹掌纹图像处理系统中,进一步包括根据全部多个小区域的清楚性的判断结果判断指掌纹图像品质的画质判断部(13)。
在上述指纹掌纹图像处理系统中,指掌纹图像由指掌纹图像输入装置输入。画质判断部(13)判断规定数量的指掌纹图像的画质,并判断指掌纹图像输入装置的品质。
在上述指掌纹图像处理系统中,进一步包括按照多个小区域的每一个中,根据小区域的清楚性判断结果,改变小区域的指掌纹图像中的脊线提取方法,并进行脊线的提取的脊线图像提取部(15)。
在上述指掌纹图像处理系统中,频率成分分析部(11、11a)按照小区域部分的每一个顺序输入指掌纹图像,并按照每个小区域进行频率分析。
在上述指掌纹图像处理系统中,频率成分分析部(11、11a)输入整个指掌纹图像。分割成小区域并进行频率分析。
用于解决上述问题的本发明的指纹掌纹图像处理方法,包括(a)对分割成多个小区域的指掌纹图像中的多个小区域的每一个进行频率分析,并求出代表多个小区域的每一个的多个频率成分的步骤;(b)根据频率成分,判断对应于频率成分的小区域的清楚性的步骤。这里,指掌纹图像表示指纹和掌纹中的至少一个。
在上述指掌纹图像处理方法中,(a)步骤包括:(a1)使用傅立叶变换进行频率分析的步骤。(b)步骤包括:(b1)根据频率成分和对清楚的二维正弦波进行傅立叶变换后的结果,进行对应于频率成分的小区域的清楚性判断的步骤。
在上述指纹掌纹图像处理方法中,(a)步骤包括:(a2)根据频率分析的结果,决定频率空间的一个点作为频率成分的步骤;(a3)将对应于频率成分的小区域由与频率空间的一个点对应的作为二维正弦波的代表点二维正弦波进行近似的步骤。
在上述指纹掌纹图像处理方法中,(b)步骤包括:(b2)使用代表点二维正弦波的振幅的大小或代表点二维正弦波的振幅大小占规定频带的二维正弦波的振幅总和的比例中的任何一个进行判断的步骤。
在上述指纹掌纹图像处理方法中,(b2)步骤包括:(b21)将满足以下任意一种情形的小区域判断为清楚的指纹区域的步骤,即满足:小区域的代表点二次正弦波的振幅的大小在规定值以上的情形、以及将小区域的代表点二次正弦波的振幅的大小通过多个小区域中的最大的代表点二次正弦波的振幅的大小进行标准化后的值在规定值以上的情形。
在上述指纹掌纹图像处理方法中,(a)步骤包括:(a4)求出对小区域的中心部进行频率分析的第一分析结果以及对包含周围部在内的小区域进行频率分析的第二分析结果的步骤。(b)步骤包括:(b3)在第一分析结果和第二分析结果之间存在差别的情况下,判断小区域为具有微小结构的区域,在第一分析结果和第二分析结果没有差别的情况下,判断小区域为单调流向的区域的步骤。
在上述指纹掌纹图像处理方法中进一步包括:(c)根据全部多个小区域的清楚性的判断结果,判断指掌纹图像品质的步骤。
在上述指纹掌纹图像处理方法中,(a)步骤包括:(a5)从指掌纹图像输入装置获取指掌纹图像的步骤;(b)步骤包括:(b4)判断规定数的指掌纹图像的画质,并判断指掌纹图像输入装置的品质的步骤。
在上述指纹掌纹图像处理方法中,进一步包括:(d)按照多个小区域的每一个,根据小区域的清楚性的判断结果,改变小区域的指掌纹图像中的脊线的提取方法,并进行脊线的提取的步骤。
在上述指纹掌纹图像处理方法中,(a)步骤包括:(a6)按照每个小区域顺序输入指掌纹图像的步骤。频率分析按照每个小区域进行。
在上述指纹掌纹图像处理方法中,(a)步骤包括:(a7)输入全部指掌纹图像的步骤;(a8)将指掌纹图像分割为小区域的步骤。频率分析按照每个小区域进行。
为了解决上述问题,本发明的程序在计算机中执行如下方法,该方法包括:(a)对分割成多个小区域的指掌纹图像中的多个小区域的每一个进行频率分析,并求出代表多个小区域的每一个的多个频率成分的步骤,(b)根据频率成分,判断对应于频率成分的小区域的清楚性的步骤。这里,指掌纹图像表示指纹和掌纹中的至少一个。
在上述程序中,(a)步骤包括:(a1)使用傅立叶变换进行频率分析的步骤;(b)步骤包括:(b1)根据频率成分和对清楚的二维正弦波进行傅立叶变换后的结果,进行对应于频率成分的小区域的清楚性的判断的步骤。
在上述程序中,(a)步骤包括:(a2)根据频率分析的结果,决定频率空间的一个点作为频率成分的步骤;(a3)将对应于频率成分的小区域由与频率空间的一个点对应的作为二维正弦波的代表点二维正弦波进行近似的步骤。
在上述程序中,(b)步骤包括:(b2)使用代表点二维正弦波的振幅的大小或代表点二维正弦波的振幅大小占规定频带的二维正弦波的振幅的总和的比率中的任何一个进行判断的步骤。
在上述程序中,(b2)步骤包括:(b21)将满足如下任意一种情况的小区域判断为清楚指纹区域的步骤,即满足:小区域的代表点二次正弦波的振幅的大小在规定值以上的情况、以及将小区域的代表点二次正弦波的振幅的大小通过多个小区域中的最大的代表点二次正弦波的振幅的大小进行标准化后的值在规定值以上的情况。
在上述程序中,(a)步骤包括:(a4)求出对小区域的中心部进行频率分析的第一分析结果以及对包含周围部在内的小区域进行频率分析的第二分析结果的步骤。(b)步骤包括:(b3)在第一分析结果和第二分析结果之间存在差别的情况下,判断小区域为具有微小结构的区域;在第一分析结果和第二分析结果没有差别的情况下,判断小区域为单调流向的区域的步骤。
在上述程序中,进一步包括:(c)根据全部多个小区域的清楚性的判断结果,判断指掌纹图像品质的步骤。
在上述程序中,(a)步骤包括:(a5)从指掌纹图像输入装置获取指掌纹图像的步骤。(b)步骤包括:(b4)判断规定数的指掌纹图像的画质,并判断指掌纹图像输入装置的品质的步骤。
在上述程序中,进一步包括:(d)按照多个小区域的每一个,根据小区域的清楚性的判断结果,改变小区域的指掌纹图像中的脊线的提取方法,并进行脊线的提取的步骤。
在上述程序中,(a)步骤包括:(a6)按照每个小区域顺序输入指掌纹图像的步骤。频率分析按照每个小区域进行。
在上述程序中,(a)步骤包括:(a7)输入全部指掌纹图像的步骤;(a8)将指掌纹图像分割为小区域的步骤。频率分析按照每个小区域进行。
通过本发明,即使在背景中存在污染这种指掌纹以外的任何浓淡不匀的情况下,也可以正确地判断指掌纹区域。即使在指掌纹区域中由于噪音的影响而存在不清楚的部分的情况下也可以正确地判断指掌纹区域。即使是具有褶皱或损伤的部分或脊线为微小结构的情况下,也可以正确地提取脊线。
附图说明
图1是表示本发明指掌纹图像处理系统的第一实施例结构的方框图。
图2是表示本发明指掌纹图像处理系统的第一实施例动作的流程图。
图3是表示小区域中的二维正弦波的图像和对该二维正弦波进行二维傅立叶变化后得到的频率空间上的二维正弦波的曲线图。
图4是表示指掌纹图像的小区域内的指掌纹的脊线和二维正弦波的图。
图5是表示进行指掌纹图像中的频率分析的区域的图。
图6是表示指掌纹图像的一个例子的图。
图7是表示本发明的指掌纹图像处理系统的第二实施例结构的方框图。
图8是表示本发明指掌纹图像处理系统的第二实施例动作(指掌纹图像处理方法的第二实施例)的流程图。
图9是表示小区域中的指掌纹图像的一个例子的图。
图10是表示小区域中的指掌纹图像的一个例子的图。
图11是表示小区域中的指掌纹图像的一个例子的图。
图12是表示小区域中的指掌纹图像的一个例子的图。
图13是表示小区域中的指掌纹图像的一个例子的图。
图14是表示小区域中的指掌纹图像的一个例子的图。
具体实施方式
下面,参照附图说明涉及本发明的指掌纹图像处理系统以及指掌纹图像处理方法的实施例。
(第一实施例)
针对本发明的指掌纹图像处理系统和指掌纹图像处理方法的第一实施例进行说明。
首先,说明本发明的指掌纹图像处理系统的第一实施例的结构。
图1是表示本发明的指掌纹图像处理系统的第一实施例的结构的方框图。本发明的指掌纹图像处理系统1包括指掌纹图像输入装置3、指掌纹图像处理装置4和输出装置5。
指掌纹图像输入装置3获得表示指掌纹图像的指掌纹图像数据,并将该指掌纹图像数据输出到指掌纹图像处理装置4。指掌纹图像输入装置3示例性地表示为指掌纹传感器和扫描仪。指掌纹图像输入装置3和指掌纹图像处理装置4可以通过网络连接,也可以通过通常的连接电缆连接。
指掌纹图像处理装置4获取指掌纹图像数据。并且,将对获取的指掌纹图像数据施加规定的图像处理后的图像处理结果和使用该图像处理结果进行规定判断的判断结果输出到输出装置5。指掌纹图像处理装置4示例性地表示为个人计算机或者工作站、便携式信息终端。但是,作为指掌纹图像数据,可以使用已经输入且存储在指掌纹图像处理装置4的存储部(未图示)中的数据。图像处理结果和判断结果的输出地点可以存储在指掌纹图像处理装置4的存储部(未图示)中、或者通过网络(未图示)输出到其它信息处理装置(未图示)。其它信息处理装置可以示例性地表示为通过指掌纹识别人物的识别装置。
输出装置5输出指掌纹图像处理装置4的图像处理结果和判断结果。输出装置5示例性地表示为显示器或打印机。但是,输出装置5和指掌纹图像处理装置4可以通过网络连接,也可以通过通常的连接电缆连接。
指掌纹图像处理装置4包括作为程序的频率成分分析部11、频率成分判断部12以及画质判断部13。
频率成分分析部11从指掌纹图像输入装置3获取指掌纹图像数据。将该指掌纹图像数据的指掌纹图像分割为多个小区域。对该多个小区域的每一个,分析指掌纹图像的频率成分。每个小区域的分析结果输出到频率成分判断部12。分析结果包含该小区域的图像频率成分(垂直频率、水平频率)及其振幅。
这里,在对小区域的分割方法中,分割为欲判断具有指掌纹的区域是否清楚的任意单位。作为分析方法,例如对多个小区域的每一个,可以使用如二维傅立叶变换、离散余弦变换、沃尔什变换、小波变换这样的正交变换或自相关。
频率成分判断部12根据频率成分分析部11的分析结果,判断各个小区域是否是清楚的指掌纹区域。每个小区域的判断结果输出到画质判断部13。判断方法例如判断代表各小区域的频率成分是否满足在指掌纹的脊线清楚出现的情况下所能看到的规定条件。
画质判断部13综合由频率成分判断部12求出的每个小区域的判断结果,判断所输入的指掌纹图像数据的全部指掌纹图像是否清楚。判断结果输出到输出装置5。
接下来,针对本发明的指掌纹图像处理系统的第一实施例的动作进行说明。
图2是表示本发明的指掌纹图像处理系统的第一实施例的动作(指掌纹图像处理方法的第一实施例)的流程图。
(1)步骤S01
指掌纹图像输入装置3获取表示指掌纹图像的指掌纹图像数据。指掌纹图像处理装置4输入来自指掌纹图像输入装置3的指掌纹图像数据。
(2)步骤S02
频率成分分析部11将指掌纹图像数据的指掌纹图像分割为小区域。这里,在对小区域的分割方法中,分割为判断具有指掌纹的区域是否清楚的单位。例如,分割成规定大小的正方形格子状。
(3)步骤S03
频率成分分析部11按每个分割的小区域进行频率分析,检测该小区域的图像频率成分(垂直频率、水平频率)及其振幅。并且,决定代表该小区域的频率成分。例如,在多个小区域的每一个中通过二维傅立叶变换进行频率分析。
图3是表示二维正弦波的图像(左图)和对该二维正弦波进行二维傅立叶变换得到的频率空间上的二维正弦波的曲线图(右图)。在右图中,纵轴是垂直方向频率,横轴是水平方向频率。如图所示,在通过二维傅立叶变换得到的频率空间上一对点表示一个二维正弦波。
图4是表示指掌纹图像的小区域21内的指掌纹的脊线23(左图)和二维正弦波(右图)的图。如图所示,当小区域21小到将指掌纹的脊线23看作平行线的情况下,小区域21内的指掌纹的脊线23可以近似为二维正弦波25。
从图3和图4可知,对指掌纹脊线23被看作平行线的较小的小区域21,如果进行二维傅立叶变换,则在频率空间上出现一个与二维正弦波25对应的点。可以选择其中的一点作为代表点。并且,使指掌纹的脊线23与该频率空间上的一点所对应的二维正弦波近似。在频率空间中在小区域21内具有多个点的情况下,选择二维正弦波的振幅(实际空间以及频率空间中的至少一个,下面相同)最大的作为代表点。
作为在频率空间上的小区域21内具有多个点情况下的代表点的选择方法,使用评价特开平9-167230号公报、特开2002-288641号公报以及特开2002-288672号公报中记载的各个小区域的频率成分与附近区域的频率成分的连续性,并且选择代表各区域的频率成分以使指掌纹的脊线相连续的方法,也可以根据与周围区域的连接性进行选择。
图5表示进行指掌纹图像的频率分析的区域的图。在对于指掌纹图像20的各个小区域21进行小区域的频率分析的情况下,进行该频率分析的范围是包含小区域21的稍宽的区域27。这种情况下,提高了判断结果的稳定性。
为了正确地判断指掌纹脊线的周期性,进行频率分析的范围(小区域21或区域27)优选至少含有两根脊线的大小。如果进行频率分析的范围过大,则由于受脊线弯曲的影响较大,所以优选包含四根脊线以下的大小。为了提高频率分析的稳定性,优选在进行频率分析之前对周围部进行晕色等图像处理。
(4)步骤S04
参照图2,频率成分判断部12按各个小区域判断:代表由频率成分分析部11按各个小区域确定的各个小区域的频率成分,是否满足当出现指掌纹脊线清楚的情况下所能够看到的规定条件。
作为指掌纹脊线清楚出现的情况下所能够看见的规定条件,例如,存在代表(近似)各个小区域的二维正弦波的振幅比规定基准值大的情况。该情况下,频率成分判断部12判断该小区域为具有清楚指掌纹的区域。
如果二维正弦波的振幅大,则可以判断具有清楚指掌纹的原因如下。
图6是表示指掌纹图像的一个例子的图。输入的指掌纹图像20可以分为没有指掌纹的背景区域31、存在指掌纹的脊线且指掌纹的脊线清楚的区域33、以及虽然存在指掌纹的脊线但由于损伤或者污染导致指掌纹的脊线不清楚的区域35。
此时,指掌纹的脊线可以进一步近似为二维正弦波。为此,在指掌纹脊线较清楚的区域33,近似该区域的二维正弦波的振幅变大。但是,在没有指掌纹脊线的背景区域31中,由于没有以二维正弦波表示的区域,没有该二维正弦波的振幅或者振幅非常小。在由于损伤或者污染而导致指掌纹脊线不清楚的区域35,由于损伤或污染而不能近似为二维正弦波,近似该区域的二维正弦波的振幅应较小。即,如果二维正弦波的振幅大,则可以判断为存在清楚的指掌纹。
在较清楚的情况下,指掌纹的脊线类似于作为清楚波形的二维正弦波。另一方面,在不清楚的情况下,指掌纹的脊线不太类似于清楚的波形,即二维正弦波。因此,如上所述,根据类似的二维正弦波的振幅或与该二维正弦波对应的频率成分的振幅的大小进行判断,也可以考虑通过所输入的图像中的指掌纹的脊线与二维正弦波的类似程度进行判断的方法。
在频率成分判断部12中,二维正弦波的振幅大小受到输入图像的浓度的直接影响。为此,在考虑输入图像中浓淡不匀的情况下,由代表各个区域的二维正弦波中的最大振幅使二维正弦波的振幅标准化之后,可以进行上述的判断。
也可以通过代表区域的二维正弦波的大小相对于所有频率的振幅大小之和所占的比例、以及代表区域的二维正弦波的大小相对于作为指掌纹脊线的频带的振幅大小之和所占的比例是否超过规定比例来进行判断。
作为判断的基准,不仅与规定值比较,也可以使用在文献“大津展之,‘基于判断和最小二次方基准的自动值选定法’,电子信息通信学会论文杂志,Vol.J63-D,No.4、pp.349-356”记载的方法等统计性判断方法,决定是否判断存在清楚的指掌纹区域的阈值,也可以使用其组合进行判断。
(5)步骤S05
参照图2,频率成分判断部12在满足规定条件的情况下(步骤S04;Yes),判断该小区域是清楚指掌纹的区域。
(6)步骤S06
频率成分判断部12在不满足规定条件的情况下(步骤S04:No),判断为该小区域不是清楚指掌纹区域。
(7)步骤S07
频率成分判断部12调查所有小区域中的判断是否结束。此外,如果有未检查的小区域,则返回到步骤S03中进行下一区域的检查。频率成分判断部12根据该判断,将各个小区域是否是清楚指掌纹区域的判断结果输出到画质判断部13。也可以将判断结果输出到输出装置5。
这里,判断指掌纹脊线清楚存在的区域及其以外的区域。但是,使用特开2003-44856号公报等的方法判断背景区域,可以使用频率成分判断剩余部分中的存在清楚指掌纹脊线的区域及其以外的区域。这种情况下,如图6所示,可以分为背景区域31、脊线清楚区域33、脊线不清楚区域35三种。由此,可以通过剩余部分中清楚区域所占的比例进行判断,可以不受所输入的指掌纹图像中指掌纹区域的大小不同的影响。
此外,不仅通过规定的阈值判断脊线清楚的区域和不清楚的区域,也可以将用于上述各种判断的值、或通过规定函数将用于该判断方法的值变换后的值作为表示清楚度的程度输出到输出装置5。
(8)步骤S08
参照图2,画质判断部13综合每个频率成分判断部12的各个小区域的判断结果,判断是否满足规定的条件。规定的条件示例性地表示为由多个小区域中的频率成分判断部12判断为清楚指掌纹图像的小区域的比例在规定比例以上的情况。这种情况下,画质判断部13判断所输入的指掌纹图像是良好的。
(9)步骤S09
画质判断部13在满足规定条件的情况下(步骤S08:Yes),判断所输入的指掌纹图像整体为良好。将判断结果输出到输出装置5。
(10)步骤S10
画质判断部13在不满足规定条件的情况下(步骤S08:No),判断所输入的指掌纹图像整体不好。将判断结果被输出到输出装置5。
步骤S07、步骤S09以及步骤S10输出的判断结果在输出装置5中表示并输出。
在本实施例中,由于构成为按每个输入的指掌纹图像的小区域判断代表该区域的频率成分是否表示清楚的指掌纹脊线,所以可以判断各个小区域的指掌纹是否为清楚的。此外,由于构成为综合每个小区域的判断结果来进行输入图像的判断,所以可以判断全部输入图像。
此外,不仅判断所输入的每个指掌纹图像的优良与否,还可以判断规定数量的输入指掌纹图像的优良与否,判断为是良好的图像的比例在规定比例以上的情况下,判断指掌纹扫描仪等的指掌纹图像输入装置3良好。即,可以用于判断指掌纹输入装置3的优良与否。
(第二实施例)
针对本发明的指掌纹图像处理系统和指掌纹图像处理方法的第二实施例进行说明。
首先,说明本发明的指掌纹图像处理系统的第二实施例的结构。
图7是表示本发明的指掌纹图像处理系统的第二实施例的结构的方框图。本发明的指掌纹图像处理系统1a包括指掌纹图像输入装置3、指掌纹图像处理装置4a和输出装置5a。
由于指掌纹图像输入装置3与第一实施例相同,所以省略其说明。
指掌纹图像处理装置4a获取指掌纹图像数据。并且,将获取的指掌纹图像数据的图像处理分割为多个小区域。在分割后的各个小区域中进行图像处理,判断各个小区域的状态。根据判断结果,按各个小区域的每一个确定脊线的复原方法,提取并复原脊线。将提取、复原结果输出到输出装置5a。指掌纹图像处理装置4a示例性地表示为个人计算机或者工作站、便携信息终端。但是,作为指掌纹图像数据也可以使用已经输入并存储在指掌纹图像处理装置4a的存储部(未图示)中的数据。复原结果的输出地点可以存储在指掌纹图像处理装置4的存储部(未图示)中、或通过网络(未图示)输出到其它信息处理装置(未图示)。其它信息处理装置可以示例性地表示为通过指掌纹识别人物的识别装置。
输出装置5a输出指掌纹图像处理装置4a的提取、复原结果。输出装置5a示例性地表示为显示器或者打印机。但是,输出装置5a和指掌纹图像处理装置4a可以通过网络连接,也可以通过通常的连接电缆进行连接。
指掌纹图像处理装置4a包括作为程序的频率成分分析部11a、频率成分判断部12a以及脊线图像提取部15。
频率成分分析部11a从指掌纹图像输入装置3获取指掌纹图像数据。将该指掌纹图像数据的指掌纹图像分割为多个小区域。在该多个小区域的每一个中,分析指掌纹图像的频率成分。此外,在各个小区域中,在仅其中心部分的情况下和包含周围部分的情况(整体)下,分别分析频率成分。每个小区域的分析结果输出到频率成分判断部12。这里,由于对小区域的分割方法、分析方法与第一实施例相同,所以省略其说明。
频率成分判断部12a根据频率成分分析部11a的分析结果,判断各个小区域的状态。即,在分析结果为每个指掌纹图像的小区域的代表性频率成分的情况下,判断各个小区域是否是清楚的指掌纹区域。分析结果在仅有中心部分的情况下和全部各个频率成分的情况下,判断各个小区域是具有单调结构的区域还是具有微小结构的区域。根据分析结果,也可以进行两种判断。将每个小区域的判断结果输出到脊线图像提取部15。关于清楚指掌纹区域,判断方法例如判断代表各个小区域的频率成分是否满足在指掌纹脊线清楚出现的情况下所能够看见的规定条件。关于具有微小结构的区域,判断小区域中心部的频率成分和全部频率成分的关系是否满足在具有微小结构的情况下所能够看见的规定条件。
脊线图像提取部15根据频率成分判断部12a求出的各个小区域中的判断结果,选择每个小区域适宜的脊线提取、复原方法,提取、复原脊线图像。将提取、复原结果输出到输出装置5a。作为提取方法,例如可以使用特开平8-110945号公报或者特开平9-167230号公报的方法。
接下来,针对本发明的指掌纹图像处理系统的第二实施例的动作进行说明。
图8是表示本发明的指掌纹图像处理系统的第二实施例的动作(指掌纹图像处理方法的第二实施例)的流程图。
(1)步骤S21
指掌纹图像输入装置3获取表示指掌纹图像的指掌纹图像数据。指掌纹图像处理装置4a输入来自指掌纹图像输入装置3的指掌纹图像数据。
(2)步骤S22
频率成分分析部11a将指掌纹图像数据的指掌纹图像分割为小区域。这里,在对小区域的分割方法中,分割为判断具有指掌纹的区域是否清楚的单位。例如,分割成规定大小的正方形格子状。
(3)步骤S23
按照每个分割的小区域进行频率分析,检测该小区域的图像的频率成分(垂直频率、水平频率)及其振幅。或者,确定代表该小区域的频率成分。此外,按每个小区域在仅有该中心部的情况下和包含周围部分的整体情况下分别进行频率分析,检测该小区域的图像的中心部及整体频率成分(垂直频率,水平频率)及其振幅。并且,也可以确定代表其小区域中心部的频率成分和代表整个情况的频率成分。由于频率成分的确定方法与第一实施例相同(步骤S23中的说明),所以省略其说明。
(4)步骤S24
频率成分判断部12a判断代表由频率成分分析部11a按各个小区域确定的各个小区域的频率成分、或代表各个小区域的中心部和整体的每一个的频率成分是否满足规定的条件。
此时,在判断每个小区域的代表性的频率成分的情况下,判断各小区域是否是清楚的指掌纹区域。该判断方法由于与第一实施例相同(在步骤S04中的说明),所以省略其说明。
判断分别代表各小区域的中心部分和整体频率成分的情况如下进行判断,即:在各个小区域中,比较中心部的频率成分和全部频率成分。如果比较的结果,两者的差不在规定的范围,则可以判断为具有微小结构的区域,如果在规定的范围则可以判断为单调流向的区域。使用图9~图14说明该理由。
图9~图14是表示小区域中的指掌纹图像的一个例子的图。在表示如图9中所示的脊线为单调流向的小区域21a中,由周期性的直线将中心部28a的脊线近似成为由图10表示的小区域41这样的直线,将包含周围部的全部21a的脊线由周期性直线近似成为图11表示的小区域42这样的直线。因此,基于中心部28a的近似(41)和基于整体21a的近似(42)为同样的图案。另一方面,在具有图12中所示的特征点等的微小结构的小区域21b中,由周期性的直线将中心部28b的脊线近似成为图13中示出的小区域44这样的倾斜直线,由周期性的直线将包含周围部的整体21b的脊线近似成为图14所示的小区域45这样的直线。因此,基于中心部28b的近似(44)和基于整体21b的近似(45)成为彼此不同的图案。由此,如果比较中心部的频率成分和全部频率成分,并判断两者是否一致或是否在规定的范围内,则可以判断小区域是单调区域还是具有微小结构的区域。
(5)步骤S25
参照图8,脊线图像提取部15根据由频率成分判断部12a求出的各个小区域中的判断结果,按每个小区域选择适宜的脊线提取、复原方法,并提取、复原脊线的图像。将提取、复原结果输出到输出装置5。
对于清楚的小区域,与特开平8-110945号公报相同,通过根据各个小区域的象素值的柱状图,求出将指掌纹图像分割为适宜的脊线和谷线的阈值并进行二值化,可以忠实地将脊线复原为原图像。对于具有褶皱或者损伤等不清楚的小区域,与特开平9-167230号公报一样,通过将一个小区域复原为二维正弦波等单调的图案,可以不受损伤或者褶皱的影响而复原脊线。
在判断为具有微小结构的小区域中,与特开平8-110945号公报相同,通过根据各个小区域中的象素值的柱状图,求出将指掌纹图像分割为适宜的脊线和谷线的阈值并进行二值化,可以将脊线忠实地复原为原图像。在判断为单调流向的小区域中,与特开平9-167230号公报相同,也可以将一个小区域复原为二维正弦波等的单调图案。
将由频率成分判断部12a判断是否清楚、是微小结构还是单调区域时的特征量作为表示清楚和单调的尺度,对应于该尺度而改变方向性滤波器的参数,对应于单调性使用强方向性滤波器,对应于复杂性或清楚性而使用弱方向性滤波器来强调输入图像,从而可以按每个小区域提取、复原适宜的脊线图像。
(6)步骤S26
参照图8,脊线图像提取部15调查在全部的小区域中是否提取、复原结束。此外,如果存在没有提取、复原的小区域,则返回到步骤S23进行下一个区域的检查。
(7)步骤S27
脊线图像复原部15根据被复原的各个小区域的脊线,进行整个指掌纹图像的复原,并输出到输出装置5。输出装置5输出该指掌纹图像。
在本发明中,由于使用每个小区域的判断结果确定脊线的提取方法并复原脊线,所以可以更正确地复原指掌纹的脊线。
在本发明中,指掌纹图像输入装置3不是一次性输入指掌纹图像,而是可以依次地输入用于在指掌纹图像处理装置4(a)分析小区域的部分图像。在输入整个指掌纹图像的情况下,考虑到指掌纹图像处理装置4(a)的存储容量小而不能一次性存储全部指掌纹图像的情况下,则不能进行图像处理。但是,通过依次输入部分图像,仅需要处理小区域所必须的存储容量就可以进行图像处理。
此外,如果在指掌纹图像输入装置3通过通信速度慢的网络接收来自指掌纹传感器的输入的情况下,或指掌纹图像输入装置3和指掌纹图像处理装置4(a)之间的通信速度慢的情况下,输入整个指掌纹图像,则直到整个指掌纹图像的通信结束也不能开始图像处理。但是,通过依次输入部分图像,可以在仅输入频率成分分析部11(a)所必需的小区域的图像的阶段就开始图像处理。由此,可以同步进行通信和频率成分分析,缩短处理时间。作为输入方法,考虑如下方法:每次获得小区域图像便通过指掌纹图像输入装置3向计算机依次传送的方法、或者在由频率成分分析部11(a)结束一个小区域的图像处理的阶段,指掌纹图像处理装置4(a)向指掌纹图像输入装置3请求下一个小区域的图像,并根据请求由指掌纹图像输入装置3发送图像的方法。但是,并不局限于该例子。
在本发明中,在指掌纹图像的画质的判断过程中,由于不仅判断象素的浓淡不匀,还判断是否是在指掌纹脊线中所能看到的频率成分,故可以区别具有与指掌纹相同程度的象素值的背景和指掌纹的脊线区域。由此,即使在背景中存在污染这样指掌纹以外的某种浓淡不匀的情况下,也可以正确地判断指掌纹区域。
在本发明中,在指掌纹图像的画质判断中,由于不使用象素的浓淡不匀或端点以及分歧点的密度,而是使用是否是在指掌纹的清楚脊线中所能看到的频率成分进行判断,所以可以区别由于损伤或者损坏等导致不清楚的区域以及脊线清楚存在的区域。由此,即使在指掌纹领域中存在由于噪音的影响而不清楚的部分的情况下也可以正确地判断指掌纹区域。
在本发明中,可以判断是单调流向表现良好的区域还是需要微小复原的区域,并根据判断结果使用适宜的复原方法。由此,即使是具有褶皱或损伤的部分或脊线较微小的结构时,也可以正确地提取脊线。
如上所述,对于本发明,适用于提高指掌纹的图像处理功能的指掌纹图像处理系统以及指掌纹图像处理方法等用途中。
Claims (10)
1.一种指纹掌纹图像处理系统,包括:
频率成分分析部,对分割成多个小区域的指掌纹图像中的上述多个小区域的每一个进行频率分析,并求出代表上述多个小区域的每一个的多个频率成分;
频率成分判断部,根据上述频率成分,判断对应于上述频率成分的上述小区域的清楚性,
上述指掌纹图像表示指纹和掌纹的至少一个,
上述频率成分分析部求出对上述小区域的中心部进行频率分析的第一分析结果、以及包含周围部在内对上述小区域进行频率分析的第二分析结果,
上述频率成分判断部在上述第一分析结果和上述第二分析结果之间存在差别的情况下,判断上述小区域为具有微小结构的区域;在上述第一分析结果和上述第二分析结果之间没有差别的情况下,判断上述小区域为单调流向的区域。
2.据权利要求1记载的指纹掌纹图像处理系统,其特征在于:
上述频率成分分析部使用傅立叶变换作为上述频率分析,
上述频率成分判断部根据上述频率成分以及对清楚的二维正弦波进行傅立叶变换后的结果,判断对应于上述频率成分的上述小区域的清楚性。
3.根据权利要求1或2记载的指纹掌纹图像处理系统,其特征在于:
上述频率成分分析部根据上述频率分析结果,决定频率空间的一点作为上述频率成分,采用与上述频率空间的一点相对应的作为二维正弦波的代表点二维正弦波来近似对应于上述频率成分的上述小区域。
4.根据权利要求1或2记载的指纹掌纹图像处理系统,其特征在于,进一步包括:
按照上述多个小区域的每一个,根据上述小区域的清楚性的判断结果,改变上述小区域中的上述指掌纹图像中的脊线的提取方法,并进行上述脊线的提取的脊线图像提取部。
5.根据权利要求3记载的指纹掌纹图像处理系统,其特征在于,进一步包括:
按照上述多个小区域的每一个,根据上述小区域的清楚性的判断结果,改变上述小区域中的上述指掌纹图像中的脊线的提取方法,并进行上述脊线的提取的脊线图像提取部。
6.一种指纹掌纹图像处理方法,包括如下步骤:
(a)对分割成多个小区域的指掌纹图像中的上述多个小区域的每一个进行频率分析,并求出代表上述多个小区域的每一个的多个频率成分的步骤,这里,上述指掌纹图像表示指纹和掌纹中的至少一个;
(b)根据上述频率成分,判断对应于上述频率成分的上述小区域的清楚性,
上述(a)步骤包括:
(a4)求出对上述小区域的中心部进行频率分析的第一分析结果以及包含周围部在内对上述小区域进行频率分析的第二分析结果的步骤;
上述(b)步骤包括;
(b3)在上述第一分析结果和上述第二分析结果之间存在差别的情况下,判断上述小区域为具有微小结构的区域;在上述第一分析结果和上述第二分析结果没有差别的情况下,判断上述小区域为单调流向的区域的步骤。
7.根据权利要求6记载的指掌纹图像处理方法,其特征在于:
上述(a)步骤包括:
(a1)使用傅立叶变换作为频率分析的步骤;
上述(b)步骤包括:
(b1)根据上述频率成分和对清楚的二维正弦波进行傅立叶变换后的结果,进行对应于上述频率成分的上述小区域的清楚性判断的步骤。
8.根据权利要求6或7记载的指纹掌纹图像处理方法,其特征在于:
上述(a)步骤包括:
(a2)根据上述频率分析的结果,决定频率空间的一个点作为上述频率成分的步骤;
(a3)采用与上述频率空间的一点相对应的作为二维正弦波的代表点二维正弦波来近似对应于上述频率成分的上述小区域的步骤。
9.根据权利要求6或7记载的指纹掌纹图像处理方法,其特征在于,进一步包括:
按照多个小区域的每一个,根据上述小区域的清楚性判断结果,改变上述小区域中的上述指掌纹图像中的脊线的提取方法,并进行上述脊线的提取的步骤。
10.根据权利要求8记载的指纹掌纹图像处理方法,其特征在于,进一步包括:
按照多个小区域的每一个,根据上述小区域的清楚性判断结果,改变上述小区域中的上述指掌纹图像中的脊线的提取方法,并进行上述脊线的提取的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP061292/2004 | 2004-03-04 | ||
JP2004061292 | 2004-03-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1954341A CN1954341A (zh) | 2007-04-25 |
CN100565580C true CN100565580C (zh) | 2009-12-02 |
Family
ID=34918058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005800068304A Active CN100565580C (zh) | 2004-03-04 | 2005-01-28 | 指纹掌纹图像处理系统以及指纹掌纹图像处理方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7769206B2 (zh) |
EP (1) | EP1724725B1 (zh) |
JP (1) | JP4029412B2 (zh) |
CN (1) | CN100565580C (zh) |
WO (1) | WO2005086091A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1967988B1 (en) * | 2004-07-22 | 2010-04-07 | NEC Corporation | Image processing system |
ATE477548T1 (de) | 2006-04-26 | 2010-08-15 | Aware Inc | Qualität und segmentierung einer fingerabdruck- voransicht |
KR101481551B1 (ko) * | 2008-06-03 | 2015-01-13 | 엘지전자 주식회사 | 영상 노이즈 제거 장치 및 방법 |
JP5365632B2 (ja) | 2008-06-30 | 2013-12-11 | 富士通株式会社 | 認証装置及び認証方法 |
JP5196010B2 (ja) | 2009-04-13 | 2013-05-15 | 富士通株式会社 | 生体情報登録装置、生体情報登録方法及び生体情報登録用コンピュータプログラムならびに生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
JP5454672B2 (ja) | 2010-03-01 | 2014-03-26 | 富士通株式会社 | 生体情報処理装置及び方法 |
WO2011152213A1 (ja) * | 2010-06-04 | 2011-12-08 | 日本電気株式会社 | 指紋認証システム、指紋認証方法および指紋認証プログラム |
WO2013094524A1 (ja) | 2011-12-19 | 2013-06-27 | シャープ株式会社 | 画像出力システム、情報処理装置及び認証装置 |
US9330294B2 (en) | 2012-01-26 | 2016-05-03 | Aware, Inc. | System and method of capturing and producing biometric-matching quality fingerprints and other types of dactylographic images with a mobile device |
US10216978B2 (en) | 2014-08-26 | 2019-02-26 | Gingy Technology Inc. | Fingerprint identification device and fingerprint identification method |
US9977947B2 (en) * | 2015-08-25 | 2018-05-22 | Gingy Technology Inc. | Fingerprint identification method and device thereof |
US9547083B2 (en) * | 2014-09-12 | 2017-01-17 | Qualcomm Incorporated | Determining whether a target object was present during a scanning operation |
JP6493991B2 (ja) * | 2014-12-26 | 2019-04-03 | Necソリューションイノベータ株式会社 | 画像処理装置、画像処理方法及びプログラム |
KR101639986B1 (ko) * | 2015-10-07 | 2016-07-15 | 크루셜텍 (주) | 지문 등록 및 인증 속도 향상을 위한 지문 정보 프로세싱 방법 및 그 장치 |
US10452071B1 (en) | 2016-02-29 | 2019-10-22 | AI Incorporated | Obstacle recognition method for autonomous robots |
US11449061B2 (en) | 2016-02-29 | 2022-09-20 | AI Incorporated | Obstacle recognition method for autonomous robots |
US11927965B2 (en) | 2016-02-29 | 2024-03-12 | AI Incorporated | Obstacle recognition method for autonomous robots |
US10788836B2 (en) | 2016-02-29 | 2020-09-29 | AI Incorporated | Obstacle recognition method for autonomous robots |
US9946917B2 (en) * | 2016-03-31 | 2018-04-17 | Synaptics Incorporated | Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications |
US20170364920A1 (en) * | 2016-06-16 | 2017-12-21 | Vishal Anand | Security approaches for virtual reality transactions |
TWI576717B (zh) * | 2016-07-26 | 2017-04-01 | Dimensional biometric identification system and method | |
JP2019109619A (ja) | 2017-12-15 | 2019-07-04 | 富士通株式会社 | 生体認証装置、生体認証方法、および生体認証プログラム |
CN109784195B (zh) * | 2018-12-20 | 2021-03-23 | 金菁 | 一种用于企业指纹打卡的指纹识别方法及系统 |
KR102577587B1 (ko) * | 2019-01-03 | 2023-09-12 | 삼성전자주식회사 | 지문 인증 방법 및 장치 |
CN110717429B (zh) * | 2019-09-27 | 2023-02-21 | 联想(北京)有限公司 | 一种信息处理方法、电子设备及计算机可读存储介质 |
JP7322980B2 (ja) * | 2020-02-10 | 2023-08-08 | 日本電気株式会社 | 画像処理装置、画像処理方法、及び、プログラム |
CN113918915A (zh) * | 2021-10-20 | 2022-01-11 | 中国平安人寿保险股份有限公司 | 基于生物识别的文档生成方法、装置、设备和介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1172539A (en) * | 1966-10-12 | 1969-12-03 | Atomic Energy Authority Uk | Improvements in or relating to Methods and Apparatus for Classifying Patterns |
US4225850A (en) * | 1978-11-15 | 1980-09-30 | Rockwell International Corporation | Non-fingerprint region indicator |
JPS63308679A (ja) | 1987-06-11 | 1988-12-16 | Secom Co Ltd | 隆線紋様の隆線方向検出装置 |
JPH08110945A (ja) | 1993-05-07 | 1996-04-30 | Sharp Corp | 指紋入力方法 |
JPH08110949A (ja) | 1993-05-07 | 1996-04-30 | Sharp Corp | 指紋画像の画質判定方法 |
JPH08129644A (ja) | 1993-05-07 | 1996-05-21 | Sharp Corp | 指紋画像の画質判定方法 |
JP2739856B2 (ja) | 1995-12-18 | 1998-04-15 | 日本電気株式会社 | 指掌紋画像処理装置 |
US5963656A (en) * | 1996-09-30 | 1999-10-05 | International Business Machines Corporation | System and method for determining the quality of fingerprint images |
WO2001055966A1 (fr) | 2000-01-28 | 2001-08-02 | Chuo Hatsujo Kabushiki Kaisha | Procede d'evaluation d'une image d'empreinte digitale et dispositif d'appariement d'empreintes digitales |
JP2002099912A (ja) | 2000-09-21 | 2002-04-05 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理方法,画像処理装置および画像処理プログラム記録媒体 |
JP4193163B2 (ja) * | 2001-03-26 | 2008-12-10 | 日本電気株式会社 | 指掌紋画像処理装置及び方法 |
JP4134522B2 (ja) * | 2001-03-26 | 2008-08-20 | 日本電気株式会社 | 指掌紋画像処理装置及び方法 |
JP2003044856A (ja) | 2001-07-30 | 2003-02-14 | Dds:Kk | 指紋照合装置、指紋照合方法及び指紋照合プログラム |
US7489807B2 (en) * | 2003-08-07 | 2009-02-10 | Kyungtae Hwang | Statistical quality assessment of fingerprints |
-
2005
- 2005-01-28 WO PCT/JP2005/001236 patent/WO2005086091A1/ja not_active Application Discontinuation
- 2005-01-28 JP JP2006510620A patent/JP4029412B2/ja active Active
- 2005-01-28 EP EP05709462.5A patent/EP1724725B1/en active Active
- 2005-01-28 US US10/591,427 patent/US7769206B2/en active Active
- 2005-01-28 CN CNB2005800068304A patent/CN100565580C/zh active Active
Also Published As
Publication number | Publication date |
---|---|
WO2005086091A1 (ja) | 2005-09-15 |
EP1724725A1 (en) | 2006-11-22 |
EP1724725A4 (en) | 2011-01-12 |
EP1724725B1 (en) | 2015-09-23 |
US20070189586A1 (en) | 2007-08-16 |
JP4029412B2 (ja) | 2008-01-09 |
CN1954341A (zh) | 2007-04-25 |
JPWO2005086091A1 (ja) | 2008-04-24 |
US7769206B2 (en) | 2010-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100565580C (zh) | 指纹掌纹图像处理系统以及指纹掌纹图像处理方法 | |
CN102081731B (zh) | 一种从图像中提取文本的方法和装置 | |
CN110503054B (zh) | 文本图像的处理方法及装置 | |
Hambalık | Fingerprint recognition system using artificial neural network as feature extractor: design and performance evaluation | |
CN105160303A (zh) | 基于混合匹配的指纹识别方法 | |
Engin et al. | Offline signature verification on real-world documents | |
Ferrer et al. | Signature verification using local directional pattern (LDP) | |
CN112036323B (zh) | 签名笔迹鉴别方法、客户端及服务器 | |
CN113222062A (zh) | 烟叶分类的方法、装置和计算机可读取介质 | |
Singh et al. | Fusion of 4-slap fingerprint images with their qualities for human recognition | |
Gamassi et al. | Fingerprint local analysis for high-performance minutiae extraction | |
Sadak et al. | Dynamic and static feature fusion for increased accuracy in signature verification | |
Panetta et al. | LQM: Localized quality measure for fingerprint image enhancement | |
CN105373781A (zh) | 用于身份认证的二值图像处理方法 | |
CN110310660B (zh) | 一种基于语谱图的语音重采样检测方法 | |
KR100449486B1 (ko) | 수직선 인접 그래프를 이용한 문서 인식 시스템 및 방법 | |
Kumar et al. | Locating text in images using matched wavelets | |
RU2340941C2 (ru) | Способ оценки сходства образцов почерка и способы верификации личности и идентификации почерка с использованием данного способа оценки | |
Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
CN111797921A (zh) | 一种图像数据对比方法及装置 | |
Kazi et al. | Comparison of fingerprint enhancement techniques through mean square error and Peak-signal to noise ratio | |
Kharina et al. | Algorithm of Palm Vein Image Selection for Biometric Authentication Systems Based on Multidimensional Markov Chain | |
Medvedev et al. | Improving Performance of Facial Biometrics With Quality-Driven Dataset Filtering | |
Chen et al. | The detection of forged handwriting using a fractal number estimate of wrinkliness | |
CN105404864A (zh) | 基于灰度图像的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |