CN100573585C - 图像处理系统 - Google Patents
图像处理系统 Download PDFInfo
- Publication number
- CN100573585C CN100573585C CNB2005800296368A CN200580029636A CN100573585C CN 100573585 C CN100573585 C CN 100573585C CN B2005800296368 A CNB2005800296368 A CN B2005800296368A CN 200580029636 A CN200580029636 A CN 200580029636A CN 100573585 C CN100573585 C CN 100573585C
- Authority
- CN
- China
- Prior art keywords
- frequency analysis
- image
- zonule
- dimension
- result
- 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.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 425
- 239000012141 concentrate Substances 0.000 claims abstract description 10
- 238000003709 image segmentation Methods 0.000 claims description 40
- 238000003672 processing method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 19
- 238000005520 cutting process Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 description 41
- 230000014509 gene expression Effects 0.000 description 34
- 238000000034 method Methods 0.000 description 33
- 230000009471 action Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000003860 storage Methods 0.000 description 14
- 239000000203 mixture Substances 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 230000037303 wrinkles Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 238000004904 shortening Methods 0.000 description 5
- 230000005055 memory storage Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Image Processing (AREA)
Abstract
为了在图像的取得结束之前开始频率分析处理,缩短处理时间,第一频率分析部件(42)对像素列进行一维频率分析。第二频率分析部件(44)集中给定数量的来自第一频率分析部件的一维频率分析的结果,提高进行一维频率分析,取得最终的二维频率分析结果。
Description
技术领域
本发明涉及图像处理系统以及图像处理方法和图像处理程序软件,特别是涉及对输入图像进行频率分析的图像处理系统以及图像处理方法和图像处理程序软件。
背景技术
指纹隆纹那样的图像如果在窄的范围中观察,就能视为周期性的等间隔的直线。因此,对于这样的图像,把图像分割为能视为周期的图案的小区域,对各小区域进行傅立叶变换等频率分析,能进行代码化或图像的强调。
从以往就提出把指纹或掌纹(以下称作指掌纹)的图像进行频率分析的指掌纹图像处理系统。
例如,特开昭59-22173号公报(以下,称作“专利文献1”)描述代码化时的前处理、后处理的减轻和指纹图像代码化的简易的“指纹图像代码化方法”。在专利文献1中记载的指纹图像代码化方法中,把指纹图像分割为小区域,对各小区域进行傅立叶变换,通过把小区域的傅立叶成分代码化,把指纹图像代码化。
此外,特开2002-99912号公报(以下,称作“专利文献2”)描述从指纹图像等输入图像除去噪声,改善图像质量的“图像处理装置”。在专利文献2中记载的图像处理装置中,块分割部件把输入图像分割为块,傅立叶变换部件把各块的图像进行傅立叶变换。噪声功率抑制部件推测各频率下的原图像的功率和噪声的功率,这些功率的相对大小越大,取越小的值地设定增益,把该增益与傅立叶成分信息的该频率成分的振幅相乘,抑制噪声功率。逆傅立叶变换部件对振幅变更的傅立叶成分进行逆傅立叶变换,图像再构成部件读出逆傅立叶变换的各块图像,复原全体的图像。即在专利文献2中记载的图像处理装置中,把指纹图像全体分割为小区域,对各小区域进行傅立叶变换,对各区域,从傅立叶成分的功率选择表示隆线的成分,使用按各区域选择的成分,再构成指纹图像。
特开平9-167230号公报(对应的美国专利5,937,082号)(以下,称作“专利文献3”)描述存在具有类似于隆线的性质的皱纹时,也从皮肤花纹图像正确抽出隆线图像的“指掌纹图像处理装置”。在专利文献3中记载的指掌纹图像处理装置中,局部信息抽出部在分割输入图像的各局部区域抽出多个隆线候补图像。第一隆线候补图像选择部按各局部区域选择隆线相似程度高的隆线候补图像即第一隆线候补图像。在连接性评价部评价第一隆线候补图像的各局部区域间的连接性,用群集部合并评价为彼此连接性好的局部区域,生成局部区域群。群集评价部决定隆线相似程度高的局部区域群即初始局部区域群。最佳隆线候补图像选择部选择不属于初始局部区域群的局部区域的各隆线候补图像中与周围的连接性好的隆线候补图像。隆线图像复原部关于属于初始局部区域群的局部区域,输出第一隆线候补图像,关于不是这样的局部区域,输出最佳隆线候补图像,作为隆线抽出结果。
特开2002-288641号公报(对应的美国专利公开第2002/0164056号)(以下称作“专利文献4”)描述即使是皱纹混合存在的区域或隆线的曲率高的部分,也能正确地抽出隆线的“指掌纹图像处理装置”。在专利文献4中记载的指掌纹图像处理装置中,关于高可靠性区域以外的局部区域,从隆线候补图像中选择推测为表示隆线的隆线图像,对选择的各隆线图像,判定作为表示隆线的图像,是否有效。然后,根据高可靠性区域的隆线图像、此外的区域中判定为有效的隆线图像,生成全体的图像。
特开2002-288672号公报(对应的美国专利公开第2002/0164055号)(以下称作“专利文献5”)描述即使是皱纹混合存在的区域或隆线的曲率高的部分,也能正确地抽出隆线的“指掌纹图像处理装置”。在专利文献5中记载的指掌纹图像处理装置中,区域特性判定部件判定是隆线单独存在的区域还是皱纹和隆线混合存在的区域。适应隆线候补选择部件在各皱纹隆线混合存在区域和隆线单独存在区域中,以分别对应的评价基准从隆线候补图像中选择表示隆线的图像。
即在专利文献3~专利文献5中记载的指掌纹图像处理装置中,把指纹图像全体分割为小区域,对各小区域进行傅立叶变换,在各区域,根据与相邻区域的傅立叶成分的连续性,选择表示隆线的成分,使用各区域中选择的成分,再构成指纹图像。
可是,在专利文献1~专利文献5中描述的指掌纹图像处理装置中,在构造上,统一把分割指掌纹图像全体的小区域的纵横的像素值进行二维傅立叶变换。因此,如果指纹图像全体或小区域全体的图像的输入不结束,就无法开始傅立叶变换处理。结果,由于用于图像的输入的待机时间,存在傅立叶变换处理所需的全体时间变长的问题。
以往,指纹图像的取得常常使用比手指大的传感器一次取得指纹图像。而存在使用比手指小的传感器,通过使手指和传感器相对移动(称作扫描动作),取得手指全体的图像,实现装置的低价格化和小型化的方法。例如,特开平10-91769号公报(对应的美国专利第6,289,114号)(以下称作“专利文献6”)描述充分正确,具有可靠性,低价格,能识别决定最佳的图像的“指纹读取系统”。专利文献6中记载的指纹读取系统具有:手指和附属于读取部件的传感器接触,并且在进行该传感器和该手指彼此滑动的相对运动时读取指纹的所述读取部件;从该运动中取得的部分图像,再构成指纹的图像的部件。
可是,使用这样的传感器输入指纹图像时,在专利文献1~专利文献5的指掌纹图像处理装置中,统一把纵横的像素值进行二维傅立叶变换的构造上,如果不应用所述专利文献6中描述的技术,预先构成指纹全体或小区域全体的图像,就无法开始二维傅立叶变换的处理。结果,除了处理所需的时间的冗长,还存在输入部件的构造上产生限制的问题。
此外,傅立叶变换有必要在明确知道各区域的隆线的周期性的程度的充分宽的范围中进行。可是,如果增大小区域的尺寸自身,在对各小区域进行代码化或图像强调的关系上,产生无法详细进行代码化或图像强调的弊害。因此,希望不把小区域增大到必要以上,在以小区域为中心的宽阔部分中,进行傅立叶变换,保证代码化或图像强调的详细,提高频率分析的稳定性。
例如在专利文献3中描述的实施例中,表示为了求出8像素四方的小区域的频率成分,对以小区域为中心的64像素四方的部分的图像进行傅立叶变换的例子。可是这时,傅立叶变换的图像增大,特别是连续地抽出小区域,求出各小区域的频率成分时,在各小区域,必须对64像素四方的部分的图像进行二维傅立叶变换,存在运算处理的所需时间显著冗长的问题。
在以小区域为中心的宽阔的部分进行傅立叶变换,保证代码化或图像强调的详细,提高频率分析的稳定性的技术思想并不局限于专利文献3的指掌纹图像处理装置,例如在专利文献1、2、3~5的任意指掌纹图像处理装置中也能应用。可是,用于图像输入的待机时间或运算处理的所需时间的冗长的问题成为瓶颈。
此外,特表2001-511569号公报(对应的美国专利第5,953,442号)(以下称作“专利文献7”)描述把未知的指纹图像等第一未知像与多个种类的一个自动对位的方法和装置。专利文献7中描述的发明包含:把从各图像种类的频率显示导出的多个值组存储到库中的步骤。类别处理方法和装置取第一未知图案的频率像,生成第一频率像。第一(未知的)频率像的频率像平面分割为多个频率像平面区域。各频率像平面区域可以是从频率像平面的原点按放射状延伸的角部分。根据各频率像平面区域内的总能量,把区域值分配给各频率像平面区域。把对于第一频率像的区域值相加,产生第一区域值组。在比较器中把第一区域值组与存储的各值组比较。比较器使用区域值组的图案的空间显示的一维频率变换,对区域值的组或图案进行相关付与功能。
在专利文献7中,对指纹图像的像素值统一进行二维傅立叶变换。因此,在专利文献7中描述的方法和装置中,也具有与所述专利文献1~专利文献5中描述的指掌纹图像处理装置同样的问题。
因此,本发明的目的在于,提供能缩短频率分析处理所需的全体的处理时间的图像处理系统、图像处理方法、图像处理程序。
发明内容
本发明的第一形态的图像处理系统把原图像分割为小区域,对各小区域进行频率分析,为了实现所述课题,其特征在于,包括:依次局部取得原图像的图像输入装置;把局部取得的图像分割为像素列,对各像素列进行一维频率分析的第一频率分析部件;将进行小区域的分析所必要的由第一频率分析部件取得的一维频率分析结果集中,取得小区域的二维频率分析结果的第二频率分析部件。
在以上的结构中,指纹传感器等图像输入装置依次局部取得指纹或掌纹等的图像,第一频率分析部件把局部取得的图像分割为像素列,对各像素列进行一维频率分析,取得一维频率分析结果。
因此,第一频率分析部件能在通过图像输入装置取得最低1列的像素的时刻,开始一维频率分析,能缩短用于图像的输入的待机时间。
第一频率分析部件取得进行小区域的分析所必要的一维频率分析结果之前,对通过图像输入装置局部取得的新的图像(最低1列的像素)重复执行一维频率分析,取得一维频率分析结果。
并且,若得到为了进行小区域的分析所需的数目的一维频率分析结果,则第二频率分析部件汇集一维频率分析结果,基于这些一维频率分析结果得到小区域的二维频率分析结果。
能实现缩短第一频率分析部件开始一维频率分析之前的待机时间;与图像的取得并行,预先通过第一频率分析部件求出进行小区域的分析所必要的数量的一维频率分析结果,根据这些一维频率分析结果,第二频率分析部件取得小区域的二维频率分析结果,减轻第一、第二频率分析部件的处理的负担,能缩短频率分析处理所需的全体的处理时间。
本发明的第二形态的图像处理系统包括:依次局部取得原图像,把局部取得的图像分割为像素列的图像输入装置;把各像素列进行一维频率分析的第一频率分析部件;将进行小区域的分析所必要的由第一频率分析部件取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析部件。
除了把局部取得的图像分割为像素列的功能代替第一频率分析部件,在图像输入装置一侧具有,全体的结构与所述同样。
本发明的第三形态的图像处理系统包括:依次局部取得原图像,把局部取得的图像分割为像素列,具有把各像素列进行一维频率分析的第一频率分析部件的图像输入装置;将进行小区域的分析所必要的由第一频率分析部件取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析部件。
除了使图像输入装置一侧具有把局部取得的图像分割为像素列的功能和把分割的各像素列进行一维频率分析的第一频率分析部件的功能,全体的结构与所述同样。
更具体而言,第一频率分析部件把像素列进行一维傅立叶变换,此外第二频率分析部件集中由第一频率分析部件求出的一维傅立叶变换结果,再进行一维傅立叶变换,求出原图像的二维傅立叶变换结果。
与所述同样,能实现缩短第一频率分析部件开始一维傅立叶变换之前的待机时间;预先通过第一频率分析部件求出进行小区域的分析所必要的数量的一维傅立叶变换结果,第二频率分析部件集中这些一维傅立叶变换结果,再进行一维傅立叶变换,取得原图像的二维傅立叶变换结果,减轻第一、第二频率分析部件的处理的负担,缩短二维傅立叶变换处理所需的全体的处理时间。
此外,以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域,求出各小区域的频率成分时,在第二频率分析部件的第二次以后的二维频率分析中,通过反复使用所述第一频率分析部件以前求出的频率分析结果,能省略与重复的像素列的一维频率分析有关的计算,能使处理高速化。
以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域时,能原封不动地利用上次或此前的处理中第一频率分析部件以前求出的频率分析结果的重复部分,所以为了执行第二次以后的二维频率分析所必要的第一频率分析部件的处理次数减少,能实现频率分析处理所需的全体的处理时间的大幅度缩短。
图像处理系统能在从图像输入装置取得指纹或掌纹的图像的图像处理系统即指掌纹用图像处理系统中使用。据此,能提供处理速度优异的指掌纹用图像处理系统。
此外,可以把该图像处理系统在从频率分析结果检测指纹或掌纹的特征点附近,只把特征点附近的隆线复原的指掌纹用图像处理系统中利用。据此,能提供能在短时间中把特征点附近的隆线复原的指掌纹用图像处理系统中利用。
在第一频率分析部件或第二频率分析部件或第一和第二频率分析部件中,能使用信号处理专用的微处理器进行频率分析,使处理高速化。
通过用信号处理专用的微处理器构成第一和第二频率分析部件,能并行执行图像的取得、分割、一维频率分析、二维频率分析等处理的几个,全体的处理速度高速化。
本发明的第一形态的图像处理方法把原图像分割为小区域,对各小区域进行频率分析,为了实现所述课题,其特征在于,进行:依次局部取得原图像的图像输入处理;把局部取得的图像分割为像素列,对各像素列进行一维频率分析的第一频率分析处理;集中进行小区域的分析所必要的由第一频率分析处理取得的一维频率分析结果,取得小区域的二维频率分析结果的第二频率分析处理;对图像进行频率分析。
局部取得原图像,在分割为像素列的时刻立刻开始一维频率分析,能缩短待机时间;与图像的取得并行,预先求出进行小区域的分析所必要的数量的一维频率分析结果,根据这些一维频率分析结果,取得小区域的二维频率分析结果,从而减轻处理的负担,缩短频率分析处理所需的全体的处理时间。
本发明的第二形态的图像处理方法进行:依次局部取得原图像,把局部取得的图像分割为像素列的图像输入处理;把各像素列进行一维频率分析的第一频率分析处理;将进行小区域的分析所必要的由第一频率分析处理取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析处理,对图像进行频率分析。
除了把局部取得的图像分割为像素列的处理代替第一频率分析处理,包含在图像输入处理中,全体的结构与所述同样。
本发明的第三形态的图像处理方法进行:依次局部取得原图像,把局部取得的图像分割为像素列,进行对各像素列进行一维频率分析的第一频率分析处理的图像输入处理;将进行小区域的分析所必要的由第一频率分析处理取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析处理;对图像进行频率分析。
除了使图像输入处理中包含把局部取得的图像分割为像素列的处理和把分割的各像素列进行一维频率分析的第一频率分析处理的功能,全体的结构与所述同样。
更具体而言,第一频率分析处理把像素列进行一维傅立叶变换,此外第二频率分析处理集中由第一频率分析处理求出的一维傅立叶变换结果,再进行一维傅立叶变换,求出原图像的二维傅立叶变换结果。
与所述同样,局部取得原图像,在分割为像素列的时刻立刻开始像素列的一维傅立叶变换,能缩短待机时间;预先求出进行小区域的分析所必要的数量的一维傅立叶变换结果,根据这些一维傅立叶变换结果,取得原图像的二维傅立叶变换结果,从而减轻处理的负担,缩短二维傅立叶变换处理所需的全体的处理时间。
此外,以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域,求出各小区域的频率成分时,在第二频率分析处理的第二次以后的二维频率分析中,通过反复使用所述第一频率分析处理以前求出的频率分析结果,能省略与重复的像素列的一维频率分析有关的计算,能使处理高速化。
以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域时,能原封不动地利用上次或此前执行的第一频率分析处理中求出的频率分析结果的重复部分,所以为了执行第二次以后的二维频率分析所必要的第一频率分析处理的执行次数减少,能实现频率分析处理所需的全体的处理时间的大幅度缩短。
该图像处理方法能在用图像输入处理取得指纹或掌纹的图像的图像处理方法即指掌纹用图像处理方法中使用。原图像的二维频率分析所需的处理时间缩短的结果是能缩短指掌纹用的图像处理的全体处理速度。
此外,可以把该图像处理方法在从频率分析结果检测指纹或掌纹的特征点附近,只把特征点附近的隆线复原的指掌纹用图像处理方法中利用。与所述同样,原图像的二维频率分析所需的处理时间缩短的结果是能以短时间把特征点附近的隆线复原。
本发明的第一形态的图像处理程序软件用于在把原图像分割为小区域,对各小区域进行频率分析的图像处理系统中配备的处理器中实现:依次局部取得原图像的图像输入控制功能;把局部取得的图像分割为像素列,对各像素列进行一维频率分析的第一频率分析功能;集中进行小区域的分析所必要的由第一频率分析取得的一维频率分析结果,取得小区域的二维频率分析结果的第二频率分析功能。
局部取得原图像,在分割为像素列的时刻立刻开始一维频率分析,能缩短待机时间;与图像的取得并行,预先求出进行小区域的分析所必要的数量的一维频率分析结果,根据这些一维频率分析结果,取得小区域的二维频率分析结果,从而减轻处理的负担,缩短频率分析处理所需的全体的处理时间。
本发明的第二形态的图像处理程序软件用于使把原图像分割为小区域,对各小区域进行频率分析的图像处理系统中配备的处理器实现:依次局部取得原图像,把局部取得的图像分割为像素列的图像输入控制功能;把各像素列进行一维频率分析的第一频率分析功能;将进行小区域的分析所必要的由第一频率分析取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析功能。
除了把局部取得的图像分割为像素列的功能代替第一频率分析功能,包含在图像输入控制功能中,全体的结构与所述同样。
本发明的第三形态的图像处理程序软件用于使把原图像分割为小区域,对各小区域进行频率分析的图像处理系统中配备的处理器实现:依次局部取得原图像,把局部取得的图像分割为像素列,进行对各像素列进行一维频率分析的第一频率分析功能;将进行小区域的分析所必要的由第一频率分析取得的一维频率分析结果集中,取得二维频率分析结果的第二频率分析功能。
除了在把分割的各像素列进行一维频率分析的第一频率分析功能中包含把局部取得的图像分割为像素列的功能,全体的结构与所述同样。
更具体而言,第一频率分析功能把像素列进行一维傅立叶变换,此外第二频率分析功能集中由第一频率分析求出的一维傅立叶变换结果,再进行一维傅立叶变换,求出原图像的二维傅立叶变换结果。
与所述同样,局部取得原图像,在分割为像素列的时刻立刻开始像素列的一维傅立叶变换,能缩短待机时间;预先求出进行小区域的分析所必要的数量的一维傅立叶变换结果,根据这些一维傅立叶变换结果,取得原图像的二维傅立叶变换结果,从而减轻处理的负担,缩短二维傅立叶变换处理所需的全体的处理时间。
此外,以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域,求出各小区域的频率成分时,在第二频率分析处理的第二次以后的二维频率分析中,通过反复使用所述第一频率分析功能以前求出的频率分析结果,能省略与重复的像素列的一维频率分析有关的计算,能使处理高速化。
以在包含小区域的更宽的部分进行小区域的频率分析为前提,连续反复抽出小区域时,能原封不动地利用上次或此前执行的第一频率分析功能求出的频率分析结果的重复部分,所以为了执行第二次以后的二维频率分析功能所必要的第一频率分析功能的执行次数减少,能实现频率分析处理所需的全体的处理时间的大幅度缩短。
该图像处理程序软件能在用图像输入控制功能取得指纹或掌纹的图像的图像处理程序软件即指掌纹用图像处理程序软件中使用。原图像的二维频率分析所需的处理时间缩短的结果是能缩短指掌纹用的图像处理的全体处理速度。
此外,可以把该图像处理程序软件在从频率分析结果检测指纹或掌纹的特征点附近,只把特征点附近的隆线复原的图像处理程序软件中利用。与所述同样,原图像的二维频率分析所需的处理时间缩短的结果是能以短时间把特征点附近的隆线复原。
本发明的图像处理系统、图像处理方法、图像处理程序软件局部取得原图像,在分割为像素列的时刻立刻开始一维频率分析,所以能缩短开始一维频率分析之前的图像输入的待机时间。并且,本发明的图像处理系统、图像处理方法、图像处理程序软件与元图像的取得并行,预先求出一维频率分析的结果,根据这些一维频率分析的结果,取得小区域的二维频率分析结果,减轻处理的负荷,所以对小区域的纵横的像素值统一进行二维傅立叶变换,进行频率分析的以往的图像处理系统、图像处理方法、图像处理程序软件相比,能大幅度缩短频率分析处理所需的处理时间。
附图说明
下面简要说明附图。
图1是简化表示本发明实施形态1的图像处理系统的功能框图。
图2是表示图1所示的图像处理系统中使用的图像输入装置的框图。
图3是简化表示本发明实施形态1的图像处理系统中使用的计算机的功能框图。
图4是表示同一实施形态的图像处理系统的全体动作的程序流程图。
图5是表示只在特征点附近把隆线复原的结果的一个例子的图。
图6是表示小区域的分割的一个例子的概念图。
图7是表示小区域和频率分析对象(傅立叶变换区域)的关系的一个例子的概念图。
图8是表示一维傅立叶变换和二维傅立叶变换的关系的概念图。
图9是表示多个小区域的频率分析对象(傅立叶变换区)的重复状态的一个例子的概念图。
图10是具体表示作为第一、第二频率分析工作的计算机的微处理器的处理动作的一个例子的程序流程图。
图11是表示再利用第一频率分析部求出的一维频率分析结果,减轻运算处理的负荷的例子的作用原理图。
图12是简化表示本发明实施形态2的图像处理系统的功能框图。
图13是表示图12所示的图像处理系统中使用的图像输入装置的框图。
图14是简化表示图12所示的图像处理系统中使用的计算机的功能框图。
图15是表示同一实施形态的图像处理系统的全体动作的程序流程图。
图16是简化表示本发明实施形态3的图像处理系统的功能框图。
图17是图16所示的图像处理系统中使用的图像输入装置的框图。
图18是简化表示图16所示的图像处理系统中使用的计算机的功能框图。
图19是表示同一实施形态的图像处理系统的全体动作的程序流程图。
图20是简化表示本发明实施形态4的图像处理系统的功能框图。
具体实施方式
下面参照附图详细说明用于实现本发明的最佳形态。
图1是简化表示本发明实施形态1的图像处理系统20的功能框图。图像处理系统20是把原图像分割为小区域,对各小区域进行频率分析的系统。
图示的图像处理系统20由图像传感器等图像输入装置30、根据程序控制而工作的计算机(CPU)40、显示器等运算结果输出装置50构成。此外,图示的计算机40包含第一频率分析部件42、第二频率分析部件44、特征点检测/隆线复原部件46。
如果参照图2,则图像输入装置30具有图像取得部62。图像取得部62依次局部取得原图像,把局部取得的图像依次向计算机40输出。原图像可以是指纹或掌纹。
如果参照图3,则第一频率分析部件42具有图像分割部64、第一频率分析部66。第二频率分析部件44具有第二频率分析部68。图像分割部64把局部取得的图像分割为像素列,依次输出像素列。第一频率分析部66对各像素列进行一维频率分析。第一频率分析部件42从图像输入装置100逐次取得给定宽度的像素列,对各像素列进行一维频率分析。第二频率分析部68按进行小区域的分析所必要的数量集中一维频率分析结果,取得小区域的二维频率分析结果。第二频率分析部件44只按给定的数量集中由第一频率分析部件42求出的一维频率分析结果,对这些一维频率分析结果进行再度的一维频率分析,求出二维频率分析结果。原图像为指纹或掌纹时,特征点检测/隆线复原部件46从二维频率分析结果检测指纹或掌纹的特征点附近,只把特征点附近的隆线复原,把结果对运算结果输出装置120输出。
下面参照图4的程序流程图,说明图1所示的图像处理装置20的全体动作。这里,以原图像为指纹或掌纹的图像的情形为例进行说明。
首先,从图像输入装置30输入原图像(步骤A1)。图像输入装置30的图像输入部62依次局部取得原图像,把取得的部分(局部取得的图像)随时对计算机40发送(步骤A2)。
接着,第一频率分析部件42的图像分割部64把发送的图像(局部取得的图像)分割为给定宽度的像素列(步骤A3)。然后第一频率分析部件42的第一频率分析部66对分割的各像素列进行一维频率分析,求出各像素列的一维频率分析结果(步骤A4)。
第二频率分析部件44的第二频率分析部68按给定数量集中由第一频率分析部件42的第一频率分析部66对各像素列计算的一维频率分析结果,对这些一维频率分析结果进行再度的一维频率分析,求出二维频率分析结果(步骤A5)。
特征点检测/隆线复原部件46首先从二维傅立叶变换结果检测指纹或掌纹的特征点附近(步骤A6)。接着,特征点检测/隆线复原部件46只把特征点附近的隆线复原(步骤A7)。
然后,运算结果输出装置50显示隆线复原结果(步骤A8)。
图5表示只在特征点附近复原隆线的结果的一个例子。
下面说明本发明实施形态1的图像处理系统20的效果。在本发明实施形态1的图像处理系统20中,对给定的宽度的各像素列进行频率分析,所以在图像全体输入之前,能开始频率分析的处理。此外,在进行二维频率分析的图像中具有重叠时,在第二频率分析部件44的二维频率分析的处理中再利用由第一频率分析部件42求出的一维频率分析结果,能缩短处理时间。
下面以把图像处理系统20作为指掌纹图像处理系统利用的情形为例,具体说明各装置(部件)的动作。
这里,作为图像输入装置30,利用指掌纹传感器,作为计算机40,利用个人电脑,个人电脑40具有作为运算结果输出装置50工作的显示器。此外,个人电脑40具有第一频率分析部件42、第二频率分析部件44、特征点检测/隆线复原部件46。
须指出的是,通过网络从指掌纹传感器30对个人电脑40输入图像,或者对个人电脑40的内部或外部的存储器或硬盘等存储装置中已经记录的指掌纹图像能进行频率分析处理。
对存储器或硬盘等存储装置中已经记录的指掌纹图像进行频率分析处理时,在图像处理系统20自身中没必要有指掌纹传感器,这时的图像输入装置30由从存储器或硬盘等存储装置中存储的指掌纹图像读入部分图像的数据读入装置构成。
不仅对作为运算结果输出装置50的显示器或打印机输出频率分析结果,还能经由网络向其他处理装置传递,或在个人电脑的内部或外部的存储器或硬盘等存储装置中记录,向其他处理装置传递。
从指掌纹传感器30输入的图像按各小区域进行频率分析。虽然小区域能任意分割,但是这里如图6所示,分割为正方形格子状。说明为传感器30每1mm为20像素,分割为一边8像素的正方形格子,但是也可以是其他尺寸或形状。
频率分析也能对小区域进行,为了稳定周期性,评价,也能对包含小区域的周边的图像进行。这里,如图7所示,使用对以小区域为中心的一边32像素的正方形部分进行频率分析的例子进行说明。当然可以是其他尺寸。
可是,为了正确判定指掌纹隆线的周期性,希望进行频率分析的范围为至少包含2个隆线的尺寸。此外,如果进行频率分析的范围过大,就强烈受到隆线弯曲的影响,所以希望比包含4个隆线的尺寸小。
如果从指掌纹传感器3输入图像的1列,就在32像素的宽度(作为频率分析的对象的尺寸),把图像分割为各8像素,用第一频率分析部件42作为对分割的各像素列进行一维傅立叶变换,依次取得一维傅立叶变换结果作为一维频率分析结果的第一傅立叶变换器工作。
输入图像如果有1列的部分,第一频率分析部件42就能工作,没必要等待图像全体的输入,如果1列的像素输入,就能立刻使第一频率分析部件42工作。
而且,如果由第一频率分析部件42进行32列(作为频率分析的对象的尺寸)部分的一维傅立叶变换,第二频率分析部件44就集中32个一维傅立叶变换结果,进行傅立叶变换,如图8所示,取得把一边为32像素正方形图像作为对象的二维傅立叶变换的结果。即第二频率分析部件44作为集中一维傅立叶变换结果,再进行一维傅立叶变换,求出作为小区域的二维频率分析结果的二维傅立叶变换结果的二维傅立叶变换器工作。
如果用表达式表示该事实,就如下所示。可是,图8所示的一边为32像素的正方形的左下的位置为原点,右为+X,上为+Y的坐标系中,定义像素位置,像素位置(x,y)的像素值(浓度)以f(x,y)(x=0,1,2,…,31,y=0,1,2,…,31)表示。
首先,把Y坐标位于y的位置的像素列(在水平方向1列的像素列)进行一维傅立叶变换的结果F1(p,y)变为:
如果集中各一维傅立叶变换的结果,再进行傅立叶变换,就变为:
F2(p,q)与把原来的图像进行二维傅立叶变换相同。
如果集中32列部分的一维傅立叶变换的结果,第二频率分析部件44就能工作,所以没必要等待图像全体的输入。
进行离散傅立叶变换时,虽然有时屡屡使用用于减小数据边界附近的不连续性的影响的窗函数,但是这时也能同样实施处理。例如考虑使用分散σ的高斯窗函数,象表达式(3)那样,
进行二维傅立叶变换的情形。可是,x0,y0是图像中的中心点的坐标值,这时变为15.5(31/2)。通过以(x0,y0)为中心进行高斯窗函数的计算,使图像中心和高斯窗的中心一致。这时,通过第一频率分析部件42,根据表达式(4),
计算一维傅立叶变换,再通过第二频率分析部件44计算表达式(5),
能逐次计算。作为窗函数,除了高斯窗以外,如果是象方形窗那样能在纵和横把计算分离,就能应用。
在与用第一频率分析部件42进行一维傅立叶变换的方向垂直相邻的小区域中,如图9的斜线部分那样,重复第二频率分析部件44中使用的傅立叶变换的对象区域。用第二频率分析部件44进行图9的小区域2的频率分析时,能再利用进行图9的小区域1的频率分析时使用的斜线的区域的一维傅立叶变换结果。因此,与在小区域2和小区域2分别进行二维傅立叶变换时相比,能削减计算量。
此外,指纹或掌纹的隆线的周期限制在特定的范围中,所以也能用第一、第二频率分析部件去掉不能作为指纹或掌纹的隆线的高频成分。通过这样,处理对象减少,能削减计算量。
最终,用第二频率分析部件44求出各小区域的二维傅立叶变换结果,如果用特征点检测/隆线复原部件46把隆线复原,就对显示器50输出隆线复原结果。
第二频率分析部件44按各小区域输出频率信息作为二维频率分析结果。特征点检测/隆线复原部件46从频率信息复原指纹或掌纹的隆线,输出隆线信息。
这里,特征点检测/隆线复原部件46使用背景技术的栏目中描述的专利文献2~专利文献5的方法,从各小区域的频率信息除去皱纹和噪声,把隆线复原。这时,即使存在皱纹和噪声,也能正确输出隆线信息。如果详细描述,就如专利文献2~专利文献5所述,特征点检测/隆线复原部件46从二维频率分析结果,用二维频率空间中的1点代表,对这1点进行逆变换,能进行隆线复原。这里,如果是傅立叶变换,则逆变换相当于二维正弦波。
此外,特征点检测/隆线复原部件46根据各小区域的频率信息和各小区域之间的频率信息的关系,检测好像存在指纹或掌纹的特征点(隆线的中断点或分支点)的地方,只输出这部分的频率信息,只把这部分的隆线复原。这里,作为判定是否在特征点附近的方法,能使用特愿2004-61292号的权利要求6中记载的方法(以下称作特征点检测方法)。即特征点检测/隆线复原部件46使用该特征点检测方法从二维频率分析结果检测指纹或掌纹的特征点附近,与相邻的小区域的二维频率分析结果比较,判定是否在特征点附近。这里,进行比较的理由是在特征点附近隆线的流与相邻的区域变为不连续,所以,二维频率分析结果与相邻的小区域的二维频率分析结果不同。
这里,参照图10的程序流程图和图11的作用原理图,具体说明作为第一、第二频率分析部件42、44工作的部分的个人电脑40的微处理器(以下称作CPU)的处理动作的一个例子。
可是,指掌纹传感器30在从个人电脑40收到图像取得命令的时刻自动开始动作,图8所示的一边32像素的正方形的图像区域的各像素(x,y)的像素值按照(0,0)、(1,0)、(2,0),…(31,0),…,(0,i)、(1,i)、(2,i)、…(31,i)…(0,31)、(1,31)、(2,31),…(31,31)的顺序,从左下到右上的顺序,串行输出。
如果起动指掌纹图像处理系统20,CPU40首先设置标准F,存储对最初的小区域的图像的分割的开始(步骤a1),把用于确定存储第一频率分析处理中使用的像素值的像素值寄存器或存储使用1列的像素值的一维傅立叶变换(第一频率分析处理)的结果一维傅立叶变换结果寄存器的寄存器确定指标x,y的值都初始化为0(步骤a2),对指掌纹传感器30输出图像取得指令(步骤a3),开始基于指掌纹传感器30的图像的取得。
然后,如果从指掌纹传感器30输入像素值(步骤a4),CPU40就根据寄存器确定指标x,y的现在值,把该像素值存储在像素值寄存器中(步骤a5),判定寄存器确定指标x的现在值是否达到设定值31,即在水平方向排列为1列的32像素的像素值的输入是否全部结束(步骤a6)。然后,如果1列的像素值的输入未结束,CPU40就把寄存器确定指标x的值增加1后(步骤a7),准备下一像素值的输入(步骤a4)。
通过重复以上的处理,首先在像素值寄存器f(0,0)~f(31,0)中,如图8所示,一对一对应存储32像素的四方图像的(0,0)点~(31,0)点的像素值。
然后,如果寄存器确定指标x的现在值达到设定值31,用步骤a6的判定处理确定分割的1列的像素的图像输入处理结束,作为第一频率分析部件42工作的CPU40就根据像素值寄存器f(0,0)~f(31,0)中存储的32个像素值,执行表达式1(或者表达式4)的运算式即第一频率分析处理,求出把Y坐标位于0的位置的像素列进行一维傅立叶变换的结果,把该结果根据寄存器确定指标y的现在值存储在一维傅立叶变换结果寄存器F1(p,y)中(步骤a8)。
(步骤a8)
接着,CPU40判定是否设置标志F,即这次的一维傅立叶变换处理是否为对于最初的小区域的图像的分割的最中进行的(步骤a9)。
在当前时刻设置有标志F,意味着这次的一维傅立叶变换处理是对于最初的小区域的图像的分割的最中进行的,所以CPU40进一步判定寄存器确定指标y的现在值是否达到设定值31,即对于在垂直方向排列的32列的各像素列的全部,是否取得一维傅立叶变换的结果(步骤a10)。然后,如果在垂直方向排列的32列的各像素列的一维傅立叶变换结果未全部取得,CPU40就把寄存器确定指标y的值增加1(步骤a11),并且重新把寄存器确定指标x的值初始化为0后(步骤a12),与所述同样,着手下一列的像素值的图像输入处理(步骤a4~步骤a7)。
通过重复上述的2种循环处理,求出进行小区域的分析所必要的一维频率分析结果的数量即32列的一维傅立叶变换结果,在一维傅立叶变换结果寄存器F1(p,0)~F1(p,31)中一对一对应存储。
然后,如果在步骤a10的判定处理中确认寄存器确定指标y的现在值达到设定值31,CPU40就设置标准F,存储对于最初的小区域的图像的分割结束(步骤a13)。
接着,作为第二频率分析部件44工作的CPU40根据一维傅立叶变换结果寄存器F1(p,0)~F1(p,31)中存储的32列的一维傅立叶变换的结果,执行表达式2(或者表达式5)的运算式即第二频率分析处理,求出该小区域的二维傅立叶变换的结果即F2(p,q)(步骤a14),把运算结果对显示器输出(步骤a15)。
这里,CPU40为了执行这次的二维傅立叶变换处理在接着的二维傅立叶变换处理中再利用第一频率分析部件42求出的一维频率分析结果的几个,所以执行把一维傅立叶变换结果寄存器F1(p,0)~F1(p,23)的值一对一对应存储到缓存寄存器G1(p,0)~G1(p,23)的处理(步骤a16)。
如上所述,在本实施形态中,在32像素的宽度中,把图像分割为各8像素,所以从图9可知,如果在这次的处理中以小区域1为中心进行图像的分割,在下次的处理中,只使成为分割对象的区域向下方移动8像素,以小区域2为中心进行图像的分割。因此,下次的傅立叶变换区域的第0列~第31列的像素中第8列~第31列的像素与这次的傅立叶变换区域的第0列~第23列重复。因此,如果不覆盖这次的傅立叶变换区域中的第0列~第23列的一维傅立叶变换结果即F1(p,0)~F1(p,23)的值,而保留到下一处理周期,则在下次的二维傅立叶变换中,可以只对小区域2为中心的傅立叶变换区域中的第8列~第7列的像素重新进行一维傅立叶变换处理,能减轻运算处理的负荷。
接着,CPU40判定是否设定对下一小区域的二维频率分析的继续(步骤a17)。如果设定继续,CPU40就只把作为分析对象的小区域向下方移动8像素,例如把成为分析对象的小区域从图9的小区域1移动到小区域2后(步骤a18),对于新的小区域例如小区域2,与所述同样反复执行步骤a2以后的处理。须指出的是,通过用来自该个人电脑40具有的键盘的指令使执行标准开关的处理,能容易实施二维频率分析的继续的设定和解除。或者,也能按照把频率分析作为必要的图像全体的尺寸,预先设定全体处理的重复次数。
第二个以后的小区域选择为分析对象时的处理流程作为全体与所述同样,但是在把第二个以后的小区域作为对象进行的该处理中,已经预置标志F(参照步骤a13),步骤a9的判定结果总为假。
因此,CPU40判定寄存器确定指标y的现在值是否达到设定值7(步骤a19),通过与所述同样的循环处理,求出与第0列~第7列有关的各列的一维傅立叶变换结果,把这些结果一对一对应覆盖一维傅立叶变换结果寄存器F1(p,0)~F1(p,7)存储。
然后,如果在步骤a19的判定处理中确认寄存器确定指标y的现在值达到设定值7,作为第二频率分析部件44起作用的CPU40就把缓存寄存器G1(p,0)~G1(p,23)的值一对一对应覆盖一维傅立叶变换结果寄存器F1(p,8)~F1(p,31)存储(步骤a20)。然后与所述同样,CPU40根据当前时刻在一维傅立叶变换结果寄存器F1(p,0)~F1(p,31)中存储的32列的一维傅立叶变换结果即新求出的F1(p,0)~F1(p,7)的值和以前的处理中已经求出的F1(p,8)~F1(p,31)的值,执行表达式2(或者表达式5)的运算式即第二频率分析处理。然后,CPU40求出在该时刻作为分析对象的小区域例如图5所示的小区域2的二维傅立叶变换的结果F2(p,q)(步骤a14)。接着,CPU40把运算结果对显示器等输出后(步骤a15),与所述同样,执行用于在接着的二维傅立叶变换处理中再利用第一频率分析部件42求出的一维频率分析结果的备份处理(步骤a16)。
这里,图11具体表示第一频率分析部件42求出的一维频率分析结果的再利用的一个例子。
在本实施形态中,如图11所示,只在进行对最初的小区域的二维频率分析时,第一频率分析部件42执行32列的运算处理(表达式1或表达式4),把值存储在一维傅立叶变换结果寄存器F1(p,0)~F1(p,31)中。在第二次以后的二维频率分析处理中,把缓存寄存器G1(p,0)~G1(p,23)作为媒介,重复再利用第一频率分析部件42以前求出的一维傅立叶变换结果的值。结果,能省略与重复的像素列即24列的一维频率分析有关的计算(表达式1或表达式4),实际上第一频率分析部件42只执行与第0列~第7列的像素有关的运算处理就可以了。
这里,为了简化说明,说明把成为分析对象的小区域从上向下移动的情形。实际上,在对图6所示的全体图像进行处理的必要上,有必要使成为分析对象的小区域也向左右方向移动。这时,在成为分析对象的小区域到达全体图像的下端部的时刻,使成为分析对象的小区域向侧方移动,以后的处理与所述完全同样,所以省略详细的说明。
如果参照图12,则本发明的实施形态2的图像处理系统20A与图1所示的本发明的实施形态1的图像处理系统20相比,图像输入装置30A的动作恶化计算机40A的第一频率分析部件42A的动作不同。
如果参照图13,则图像输入装置30A由图像取得部62和图像分割部64构成。
如果参照图14,则第一频率分析部件42A只由第一频率分析部66构成。
图像输入装置30A从输入的图像(原图像)把给定宽度的像素列逐次计算机40A传送。第一频率分析部件42A对从图像输入装置30A送来的像素列进行一维频率分析。
下面参照图15的程序流程图,说明图12所示的本发明的实施形态2的图像处理系统20A的全体动作。
图像输入装置30A的图像取得部62输入原图像(步骤B1)。即图像取得部62依次局部取得原图像,依次输出局部取得的图像。接着,图像输入装置30A的图像分割部64把局部取得的图像分割为给定的宽度的像素列(步骤B2),把分割的像素列逐次向计算机40A传送(步骤B3)。例如,由指掌纹图像输入装置构成图像输入装置30A时,指掌纹图像输入装置把从传感器输入的图像(原图像)逐次分割为32像素宽度的像素列,发送给计算机40A。
使用平面传感器作为传感器时,从传感器的端部按顺序每次1列进行扫描,分割为像素列,发送,所以在扫描全面结束前,能逐次发送像素列。
作为传感器,使用比手指还小的传感器,扫描手指,取得图像时,在手指全体的扫描结束之前,能逐次把像素列发送给计算机40A。
然后,设置在计算机40A一侧的第一频率分析部件42A的第一频率分析部62对从图像输入装置30A送来的像素列逐次进行一维频率分析(步骤B4)。
这里,如果用指掌纹图像输入装置30A取得图像,就逐次把像素列发送给计算机40A,但是在指掌纹图像输入装置30A设置暂时存储像素列的缓存器(未图示),暂时存储像素列,对指掌纹图像输入装置30A要求在计算机40A一侧成为必要的像素列,指掌纹图像输入装置30A从缓存器读出有要求的像素列,对计算机40A发送。
步骤B5中表示的第二频率分析部件44的动作、步骤B6和B7中表示的特征点检测/隆线复原部件46的动作、步骤B8的运算结果输出装置50的动作分别与图1的实施形态的第二频率分析部件44、特征点检测/隆线复原部件46、运算结果输出装置50的动作(图4的步骤A5、步骤A6和A7、步骤A8)形态,所以省略说明。
在本实施形态中,用指掌纹图像输入装置等图像输入装置30A把输入图像(原图像)分割为像素列,逐次对计算机40A发送,所以如果向计算机40A发送像素列,就能立刻使第一频率分析部件42A工作,能在图像全体输入之前开始处理。
即除了从第一频率分析部件42A去除,使图像输入装置30A一侧具有分割像素列的功能,全体的结构与图1~图4中说明的本发明实施形态1的情形实质上是同样的。
如果参照图16,本发明的实施形态3的图像处理系统20B与图11所示的图像处理系统20A相比,图像输入装置30B和计算机40B的动作象后面描述的那样不同。
如果参照图17,图像输入装置30B由图像取得部62、图像分割部64、第一频率分析部件42B构成。第一频率分析部件42B具有第一频率分析部66。
如果参照图18,计算机40B具有第二频率分析部件44和特征点检测/隆线复原部件46。第二频率分析部件44具有第二频率分析部68。
在图像处理系统20B的图像输入装置30B除了分割像素列功能,还设置第一频率分析部件42B,从计算机40B一侧省略第一频率分析部件。
这样的结构时,图像输入装置30B从输入的图像(原图像)取出给定宽度的像素列,用第一频率分析部件42B进行一维频率分析,把一维频率分析的结果逐次向计算机40B发送。然后,计算机40B使用从图像输入装置30B发送的一维频率分析的结果,用第二频率分析部件44求出二维频率分析结果,特征点检测/隆线复原部件46从二维频率分析结果复原隆线,把隆线复原结果对运算结果输出装置50输出。
接着,参照图19的程序流程图,说明本发明实施形态3的图像处理系统20B的全体动作。
图像输入装置30B的图像取得部62依次局部取得原图像,依次输出局部取得的图像(步骤C1)。接着图像输入装置30B的图像分割部64把局部取得的图像分割为给定宽度的像素列,依次输出像素列(步骤C2)。图像输入装置30B内的第一频率分析部件42B的第一频率分析部66对像素列进行一维频率分析(步骤C3),逐次把一维频率分析结果向计算机40B发送(步骤C4)。
例如,由指掌纹图像输入装置构成图像输入装置30B时,指掌纹图像输入装置30B把从传感器输入的图像逐次分割为32像素宽度的像素列,用指掌纹图像输入装置30B自身具有的第一频率分析部件42B对像素列进行一维傅立叶变换,把一维傅立叶变换的结果逐次对计算机40B发送。
步骤C5所示的第二频率分析部件44的动作、步骤C6和C7所示的特征点检测/隆线复原部件46的动作、步骤C8的运算结果输出装置50的动作分别与图1的实施形态的第二频率分析部件44、特征点检测/隆线复原部件46、运算结果输出装置50的动作(图4的步骤A5、步骤A6和A7、步骤A8)相同。
即计算机40B用第二频率分析部件把发送的一维傅立叶变换结果再进行一维傅立叶变换,求出二维傅立叶变换结果。
本发明的实施形态3中,把输入图像(原图像)分割为像素列,把进行一维频率分析的结果逐次向计算机40B发送,所以如果向计算机40B发送一维频率分析的结果,就能立刻使第二频率分析部件工作,在图像全体输入之前,能开始处理。
因此,使图像输入装置30B一侧具有分割像素列的功能、对分割的像素列进行一维频率分析的功能,从计算机40B一侧省略第一频率分析部件,全体的结构与图1~图4中说明的本发明实施形态1的情形实质上是同样的。
在本发明的实施形态3中,在指掌纹图像输入装置30B上安装DSP等信号处理专用的微处理器,用指掌纹图像输入装置30B进行第一频率分析,能减轻计算机40B的处理。在无线电收发机等机械声音处理的装置上搭载指掌纹图像输入装置30B时,提高使用无线电收发机上原本搭载的声音处理用的信号处理用微处理器,不追加新的信号处理用微处理器,能减轻计算机40B的处理。此外,也能用独立的信号处理用微处理器分别构成第一频率分析部件42B和第二频率分析部件44。
在最初说明的实施形态1和实施形态2和实施形态3中,作为处理对象的原图像,假定指纹或掌纹的图像,进行说明,但是对其他图像也能进行频率分析。此外,作为频率分析方法,以傅立叶变换为例进行说明,但是也可以使用沃尔休·阿达玛变换等能把处理分解到纵和横的其他频率分析方法。即也能使用进行对1列的像素的频率分析,取得各列的一维频率分析结果后,集中利用这些一维频率分析结果,能取得最终的二维频率分析结果的其他频率分析方法。
下面参照图20,简单说明本发明实施形态4的图像处理系统20C。
本发明的实施形态4的图像处理系统20C是由程序构成最初说明的实施形态1(图1)、实施形态2(图12)、或实施形态3(图16)的各部件时,由用各程序工作的计算机70和图像输入装置30构成的图像处理系统。
该程序读入计算机70中,控制计算机70的CPU的动作。计算机70在图像处理程序的控制下,执行与最初说明的实施形态1或实施形态2或实施形态3的计算机40、40A、40B的处理同样的处理。
例如,使计算机70的CPU实现执行第一频率分析处理的第一频率分析部件和执行第二频率分析处理的第二频率分析部件的功能时,该图像处理程序成为图10那样。
以图10为例,说明图像处理程序。步骤a1~步骤a4的处理相当于依次局部取得原图像,依次输出局部取得的图像的功能。步骤a5~步骤a7的处理相当于把局部取得的图像分割为像素列,依次输出像素列的功能。步骤a8~步骤a12的处理相当于把各像素列进行一维频率分析,依次输出一维频率分析结果的功能。即步骤a1~步骤a12的处理相当于把局部取得的图像分割为像素列,把各像素列进行一维频率分析的第一频率分析功能。此外,步骤a14~步骤a20的处理相当于只按进行小区域的分析所必要的数量,集中一维频率分析结果,取得小区域的二维频率分析结果的功能。换言之,步骤a14以后的处理相当于集中进行小区域的分析所必要的由一维频率分析取得的一维频率分析结果,取得小区域的二维频率分析结果的第二频率分析功能。
如上所述,也有在图像输入装置30一侧配备对各像素列进行一维频率分析的第一频率分析功能的变形例,但是分割程序,嵌入计算机70获图像输入装置30中在技术上是容易的。
产业上的可利用性
如果在指掌纹图像的频率分析中使用本发明的图像处理系统,就能在用于确认本人的指掌纹识别装置、用于在计算机中实现指掌纹识别装置的程序中应用。此外,也能在指掌纹数据库登记装置或用于在计算机中实现指掌纹登记装置的程序中应用。
Claims (18)
1.一种图像处理系统(20、20A、20B),将原图像分割为小区域,对各小区域进行频率分析,
包括:
依次局部取得所述原图像,在取得所述原图像的全体之前,依次输出局部取得后的图像的图像取得部(62);
将所述局部取得后的图像分割为像素列,依次输出该像素列的图像分割部(64);
对所述各像素列进行一维频率分析,依次取得一维频率分析结果的第一频率分析部(66);和
将进行所述小区域的分析所必要的所述一维频率分析结果集中,不等待取得所述原图像的全体,取得所述小区域的二维频率分析结果的第二频率分析部(68);
能在取得所述原图像的途中开始频率分析。
2.根据权利要求1所述的图像处理系统,其特征在于:
所述图像处理系统(20)具有:图像输入装置(30)、第一频率分析部件(42)、和第二频率分析部件(44);
所述图像输入装置(30)具有所述图像取得部(62);
所述第一频率分析部件(42)具有所述图像分割部(64)和所述第一频率分析部(66);
所述第二频率分析部件(44)具有所述第二频率分析部(68)。
3.根据权利要求1所述的图像处理系统,其特征在于:
所述图像处理系统(20A)具有:图像输入装置(30A)、第一频率分析部件(42A)、和第二频率分析部件(44);
所述图像输入装置(30A)具有所述图像取得部(62)、和所述图像分割部(64);
所述第一频率分析部件(42A)具有所述第一频率分析部(66);
所述第二频率分析部件(44)具有所述第二频率分析部(68)。
4.根据权利要求1所述的图像处理系统,其特征在于:
所述图像处理系统(20B)具有:图像输入装置(30B)、和频率分析部件(44);
所述图像输入装置(30A)具有所述图像取得部(62)、所述图像分割部(64)、和所述第一频率分析部(66);
所述频率分析部件(44)具有所述第二频率分析部(68)。
5.根据权利要求1所述的图像处理系统,其特征在于:
所述第一频率分析部(66)由对所述分割后的各像素列进行一维傅立叶变换,且作为所述一维频率分析结果,依次取得一维傅立叶变换结果的第一傅立叶变换器构成;
所述第二频率分析部(68)由第二傅立叶变换器构成,集中所述一维傅立叶变换结果,再进行一维傅立叶变换,且作为所述小区域的二维频率分析结果,求出二维傅立叶变换结果。
6.根据权利要求1所述的图像处理系统,其特征在于:
所述第二频率分析部(68)在包含该小区域的更宽的范围内重复进行所述小区域的频率分析,所述第二频率分析部(68)在第二次以后的二维频率分析中,对由所述第一频率分析部(66)在以前求出的一维频率分析结果反复使用。
7.根据权利要求1所述的图像处理系统,其特征在于:
所述图像取得部(62)取得指纹或掌纹的图像作为所述原图像。
8.根据权利要求7所述的图像处理系统,其特征在于:
还具有特征点检测/隆线复原部件(46),从所述二维频率分析结果检测指纹或掌纹的特征点附近,只对该特征点附近的隆线进行复原。
9.根据权利要求1所述的图像处理系统,其特征在于:
所述第一和第二频率分析部(66,68)中的至少一方使用信号处理专用的微处理器进行频率分析。
10.一种图像处理方法,将原图像分割为小区域,对各小区域进行频率分析,
包括:
依次局部取得所述原图像,在取得所述原图像的全体之前,依次输出局部取得后的图像的步骤(A1、B1、C1);
将所述局部取得后的图像分割为像素列,依次输出该像素列的步骤(A3、B2、C2);
对所述各像素列进行一维频率分析,依次得到一维频率分析结果的步骤(A4、B4、C4);和
将进行所述小区域的分析所必要的所述一维频率分析结果集中,不等待取得所述原图像的全体,取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)。
能在取得所述原图像的途中开始频率分析处理。
11.根据权利要求10所述的图像处理方法,其中:
所述一维频率分析的步骤(A4、B4、C4)对所述各像素列进行一维傅立叶变换,输出一维傅立叶变换结果,取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)集中所述一维傅立叶变换结果,再进行一维傅立叶变换,求出所述小区域的二维傅立叶变换结果。
12.根据权利要求10所述的图像处理方法,其中:
取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)在包含该小区域的更宽的范围内重复进行所述小区域的频率分析,取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)在第二次以后的二维频率分析中,对由所述一维频率分析的步骤(A4、B4、C4)在以前求出的一维频率分析结果反复使用。
13.根据权利要求10所述的图像处理方法,其中:
取得所述原图像的步骤(A1、B1、C1)取得指纹或掌纹的图像作为所述原图像。
14.根据权利要求13所述的图像处理方法,其中:
还包含:从所述二维频率分析结果检测指纹或掌纹的特征点附近的步骤(A6、B6、C6)、和只对该特征点附近的隆线进行复原的步骤(A7、B7、C7)。
15.一种图像处理系统(20、20A、20B),将原图像分割为小区域,对各小区域进行频率分析,
包括:
依次局部取得所述原图像,依次输出局部取得后的图像的图像取得部(62);
将所述局部取得后的图像分割为像素列,依次输出该像素列的图像分割部(64);
对所述各像素列进行一维频率分析,依次取得一维频率分析结果的第一频率分析部(66);和
将进行所述小区域的分析所必要的所述一维频率分析结果集中,取得所述小区域的二维频率分析结果的第二频率分析部(68);
所述第二频率分析部(68)在包含该小区域的更宽范围内重复进行所述小区域的频率分析,所述第二频率分析部(68)在第二次以后的二维频率分析中,对由所述第一频率分析部(66)在以前求出的一维频率分析结果反复使用。
16.根据权利要求15所述的图像处理系统,其特征在于:
所述图像取得部(62)取得指纹或掌纹的图像作为所述原图像;
还具有特征点检测/隆线复原部件(46),从所述二维频率分析结果检测指纹或掌纹的特征点附近,只对该特征点附近的隆线进行复原。
17.一种图像处理方法,将原图像分割为小区域,对各小区域进行频率分析,
包括:
依次局部取得所述原图像,依次输出局部取得后的图像的步骤(A1、B1、C1);
将所述局部取得后的图像分割为像素列,依次输出该像素列的步骤(A3、B2、C2);
对所述各像素列进行一维频率分析,依次取得一维频率分析结果的步骤(A4、B4、C4);和
将进行所述小区域的分析所必要的所述一维频率分析结果集中,取得所述小区域的二维频率分析结果的步骤(A5、B5、C5);
取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)在包含该小区域的更宽范围内重复进行所述小区域的频率分析,取得所述小区域的二维频率分析结果的步骤(A5、B5、C5)在第二次以后的二维频率分析中,对由所述一维频率分析的步骤(A4、B4、C5)在以前求出的一维频率分析结果反复使用。
18.根据权利要求17所述的图像处理方法,其中:
取得所述原图像的步骤(A1、B1、C1)取得指纹或掌纹作为所述原图像;
还包含:从所述二维频率分析结果检测指纹或掌纹的特征点附近的步骤(A6、B6、C6)、和只对该特征点附近的隆线进行复原的步骤(A7、B7、C7)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP214919/2004 | 2004-07-22 | ||
JP2004214919 | 2004-07-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101010697A CN101010697A (zh) | 2007-08-01 |
CN100573585C true CN100573585C (zh) | 2009-12-23 |
Family
ID=35785408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005800296368A Expired - Fee Related CN100573585C (zh) | 2004-07-22 | 2005-07-22 | 图像处理系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US7831071B2 (zh) |
EP (2) | EP1967988B1 (zh) |
JP (1) | JP4569781B2 (zh) |
KR (1) | KR100887029B1 (zh) |
CN (1) | CN100573585C (zh) |
DE (2) | DE602005013401D1 (zh) |
WO (1) | WO2006009319A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107533748A (zh) * | 2015-03-11 | 2018-01-02 | 富士机械制造株式会社 | 元件种类自动判别方法、元件种类自动判别系统、图像处理用元件数据生成方法及图像处理用元件数据生成系统 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4569781B2 (ja) * | 2004-07-22 | 2010-10-27 | 日本電気株式会社 | 画像処理システム |
JP5364982B2 (ja) * | 2007-06-26 | 2013-12-11 | コニカミノルタ株式会社 | 情報処理システム |
JP5060457B2 (ja) * | 2008-11-21 | 2012-10-31 | 楽天株式会社 | 目標特徴線特定装置、情報出力装置、目標特徴線特定方法、及び目標特徴線特定処理プログラム |
US8306288B2 (en) * | 2009-08-19 | 2012-11-06 | Harris Corporation | Automatic identification of fingerprint inpainting target areas |
CN102741877B (zh) * | 2010-11-30 | 2016-03-30 | 松下电器产业株式会社 | 目标检测装置、图像分割装置、集成电路 |
JP6657593B2 (ja) * | 2015-05-08 | 2020-03-04 | 富士通株式会社 | 生体撮影装置、生体撮影方法及び生体撮影プログラム |
USD776664S1 (en) * | 2015-05-20 | 2017-01-17 | Chaya Coleena Hendrick | Smart card |
JP6723542B2 (ja) | 2015-07-31 | 2020-07-15 | 株式会社ディー・ディー・エス | 情報処理プログラム及び情報処理装置 |
KR102452945B1 (ko) * | 2015-08-27 | 2022-10-11 | 삼성전자주식회사 | 푸리에 변환을 수행하는 방법 및 장치 |
CN106462760B (zh) * | 2016-09-27 | 2019-12-17 | 深圳市汇顶科技股份有限公司 | 指纹辨识系统 |
FR3084945B1 (fr) * | 2018-08-10 | 2020-08-07 | Idemia Identity & Security France | Procede d'analyse d'une empreinte |
US11380115B2 (en) * | 2019-06-04 | 2022-07-05 | Idemia Identity & Security USA LLC | Digital identifier for a document |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3779492A (en) * | 1971-10-18 | 1973-12-18 | Grumman Aerospace Corp | Automatic target recognition system |
US3836712A (en) * | 1972-12-29 | 1974-09-17 | S Kowel | Direct electronic fourier transforms of optical images |
JPS5922173A (ja) * | 1982-07-28 | 1984-02-04 | Nippon Telegr & Teleph Corp <Ntt> | 指紋画像コ−ド化方法 |
JPS6059473A (ja) * | 1983-09-09 | 1985-04-05 | Yokogawa Hokushin Electric Corp | 投影波形生成回路 |
JP3057590B2 (ja) * | 1992-08-06 | 2000-06-26 | 中央発條株式会社 | 個人識別装置 |
JP3744950B2 (ja) * | 1994-03-30 | 2006-02-15 | オリンパス株式会社 | データ解析装置 |
JP3474653B2 (ja) * | 1994-11-14 | 2003-12-08 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
JPH09147113A (ja) * | 1995-11-27 | 1997-06-06 | Nippon Telegr & Teleph Corp <Ntt> | 指紋照合方法及び装置 |
US5859920A (en) * | 1995-11-30 | 1999-01-12 | Eastman Kodak Company | Method for embedding digital information in an image |
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 |
JPH09214967A (ja) * | 1996-01-30 | 1997-08-15 | Fuji Photo Film Co Ltd | 画像データ圧縮処理方法 |
FR2749955B1 (fr) | 1996-06-14 | 1998-09-11 | Thomson Csf | Systeme de lecture d'empreintes digitales |
US5953442A (en) | 1997-07-24 | 1999-09-14 | Litton Systems, Inc. | Fingerprint classification via spatial frequency components |
JP3036497B2 (ja) * | 1997-12-01 | 2000-04-24 | 日本電気株式会社 | 画像データの拡大率・縮小率検出装置、及び検出方法 |
JP3700381B2 (ja) | 1998-03-18 | 2005-09-28 | コニカミノルタビジネステクノロジーズ株式会社 | 画像処理装置 |
JP4365957B2 (ja) | 1999-11-05 | 2009-11-18 | キヤノン株式会社 | 画像処理方法及びその装置及び記憶媒体 |
US7227884B2 (en) * | 2000-02-28 | 2007-06-05 | Aeroastro, Inc. | Spread-spectrum receiver with progressive fourier transform |
US20020018585A1 (en) * | 2000-07-19 | 2002-02-14 | Kim Young Wan | System and method for cardless secure credit transaction processing |
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 |
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 |
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 |
FR2831302A1 (fr) * | 2001-10-19 | 2003-04-25 | St Microelectronics Sa | Codage d'informations concentriques |
US7013030B2 (en) * | 2002-02-14 | 2006-03-14 | Wong Jacob Y | Personal choice biometric signature |
JP2003295990A (ja) * | 2002-04-05 | 2003-10-17 | Sharp Corp | 機器の操作装置及び方法 |
JP2003331337A (ja) * | 2002-05-16 | 2003-11-21 | Ricoh Co Ltd | カラー画像判定装置 |
JP3811105B2 (ja) | 2002-07-29 | 2006-08-16 | 株式会社駅前探険倶楽部 | 経路探索方法及び経路探索プログラム |
JP4029412B2 (ja) * | 2004-03-04 | 2008-01-09 | 日本電気株式会社 | 指紋掌紋画像処理システムおよび指紋掌紋画像処理方法 |
JP4569781B2 (ja) * | 2004-07-22 | 2010-10-27 | 日本電気株式会社 | 画像処理システム |
-
2005
- 2005-07-22 JP JP2006527863A patent/JP4569781B2/ja not_active Expired - Fee Related
- 2005-07-22 KR KR1020077003967A patent/KR100887029B1/ko not_active IP Right Cessation
- 2005-07-22 DE DE602005013401T patent/DE602005013401D1/de active Active
- 2005-07-22 US US11/632,930 patent/US7831071B2/en not_active Expired - Fee Related
- 2005-07-22 EP EP08157168A patent/EP1967988B1/en not_active Expired - Fee Related
- 2005-07-22 DE DE602005020530T patent/DE602005020530D1/de active Active
- 2005-07-22 WO PCT/JP2005/013890 patent/WO2006009319A1/ja active Application Filing
- 2005-07-22 EP EP05767358A patent/EP1788524B1/en not_active Expired - Fee Related
- 2005-07-22 CN CNB2005800296368A patent/CN100573585C/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
Fast fourier transforms: a tutorial review and a state of the art.. P. Duhamel, M. Vetterli.Signal Processing,Vol.19 No.4. 1990 |
Fast fourier transforms: a tutorial review and a state of the art.. P. Duhamel, M. Vetterli.Signal Processing,Vol.19 No.4. 1990 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107533748A (zh) * | 2015-03-11 | 2018-01-02 | 富士机械制造株式会社 | 元件种类自动判别方法、元件种类自动判别系统、图像处理用元件数据生成方法及图像处理用元件数据生成系统 |
CN107533748B (zh) * | 2015-03-11 | 2020-08-11 | 株式会社富士 | 元件种类自动判别方法、元件种类自动判别系统、图像处理用元件数据生成方法及图像处理用元件数据生成系统 |
Also Published As
Publication number | Publication date |
---|---|
EP1967988B1 (en) | 2010-04-07 |
EP1788524A1 (en) | 2007-05-23 |
DE602005013401D1 (de) | 2009-04-30 |
US20070297655A1 (en) | 2007-12-27 |
KR100887029B1 (ko) | 2009-03-04 |
JPWO2006009319A1 (ja) | 2008-05-01 |
CN101010697A (zh) | 2007-08-01 |
DE602005020530D1 (de) | 2010-05-20 |
EP1967988A1 (en) | 2008-09-10 |
US7831071B2 (en) | 2010-11-09 |
EP1788524A4 (en) | 2008-03-12 |
WO2006009319A1 (ja) | 2006-01-26 |
KR20070035097A (ko) | 2007-03-29 |
JP4569781B2 (ja) | 2010-10-27 |
EP1788524B1 (en) | 2009-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100573585C (zh) | 图像处理系统 | |
Shi et al. | Text extraction from gray scale historical document images using adaptive local connectivity map | |
Justino et al. | Reconstructing shredded documents through feature matching | |
Kumar et al. | Fractional Fourier transform and fractional-order calculus-based image edge detection | |
Gu | Feature extraction using unit-linking pulse coupled neural network and its applications | |
EP2833294A2 (en) | Device to extract biometric feature vector, method to extract biometric feature vector and program to extract biometric feature vector | |
RU2621601C1 (ru) | Устранение искривлений изображения документа | |
CN104809452A (zh) | 一种指纹识别方法 | |
JP5449329B2 (ja) | 強化された画像整合のための方法およびシステム | |
TW201403493A (zh) | 用於觸控判定程序的有效斷層處理 | |
JPH01183793A (ja) | 文字認識装置 | |
JPWO2005086091A1 (ja) | 指紋掌紋画像処理システムおよび指紋掌紋画像処理方法 | |
CN102110284B (zh) | 信息处理设备及信息处理方法 | |
CN104809453A (zh) | 一种基于指纹的认证方法 | |
CN105893405A (zh) | 重复视频检测方法和系统 | |
CN103093185A (zh) | 字符识别装置、图像处理装置及其方法 | |
JP6229352B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
Meng et al. | Extraction of virtual baselines from distorted document images using curvilinear projection | |
Montagner et al. | Staff removal using image operator learning | |
Liu et al. | Strip line detection and thinning by RPCL-based local PCA | |
Vacavant et al. | A combined multi-scale/irregular algorithm for the vectorization of noisy digital contours | |
Montagner et al. | Learning to remove staff lines from music score images | |
Mara et al. | GPU based optical character transcription for ancient inscription recognition | |
Vitabile et al. | An intelligent sensor for fingerprint recognition | |
CN106056133A (zh) | 一种图像识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091223 Termination date: 20170722 |