CN101042733A - 一种利用滑动采集获取完整指纹的图像拼接方法 - Google Patents

Abstract

本发明公开了一种图像拼接方法，它完整地解决了滑动指纹采集时的指纹趋真重构，为识别率的提高扫清了障碍，实现了用户操作真正的友好和便捷。其技术方案主要是：计算当前帧相对上一帧的帧取向角度之差作为转动角度，接着对当前帧进行几何变换再以此和上一帧进行平动位移计算，当前帧相对起始帧的更新是基于当前所有邻帧之间的转动角度和平动位移进行累计，而当前帧在拼接图上的重构拼接是基于上述累计得到的当前帧相对起始帧的转动角度和平动位移。本发明可应用于滑动指纹图像的拼接等相关领域。

Description

一种利用滑动采集获取完整指纹的图像拼接方法

技术领域

本发明涉及一种图像拼接方法，尤其涉及一种对滑动指纹采集操作时获得的帧序列进行拼接以获取完整指纹的方法。

背景技术

对于滑动指纹采集操作，通常采用滑动式传感器采集多个时刻下的指纹图像帧序列，然后采用图像拼接的方法将这些帧序列图像拼接在一起，重构出完整且接近真实的指纹图像。但是，在实际操作中通常不能避免在滑动过程中的转动成分，无非转动成分的强弱程度不同而已。特别是手持设备的单手操作，比如嵌入滑动指纹传感器的指纹手机，其出现转动成分的概率和程度都非常之大。

现有的指纹重构技术出于图像几何变换的超级计算强度和滑动(平动*转动)大搜索空间的考虑，使得图像拼接不能在短时间内给出结果、故均不能计入转动成分、而仅仅是基于平动成分的拼接重构。

对于指纹识别算法来说，通常能够适应轻度的指纹形变、但当指纹形变比较严重时则通常不能识别。因此，如果允许用户滑动指纹采集操作中有转动成分、或者滑动手指的取向在滑动过程中可以自然演变时，在现有的指纹拼接重构技术下，算法识别率都不能做到比较高。

所以，现有的指纹拼接重构技术均假定滑动指纹采集操作只有平动而转动成分过小可以忽略(即，滑动手指的取向在滑动过程中应基本保持不变)，但实际情况是最终用户在滑动采集指纹的操作过程中(特别是单手操作时)很难做到手指取向的不变、总会或多或少地出现在某个特定方向转动的滑动现象，从而这个“手指取向基本保持不变”的限制必然使得最终用户感觉不够友好进而阻碍指纹技术的普及，这与Windows操作系统取代DOS操作系统从而普及PC和推进其产业发展的道理类似。

另外，鉴于传感器的成本、传感器的坚固性、以及传感器的能耗与体积、还有涉及的指纹残留消除等多方面的考量和指纹技术的突破，可以预见滑动式线型指纹传感将成为今后指纹应用的主流、而面型指纹传感将退居到某些特殊应用领域成为指纹市场的支流。

在图像处理领域，图像拼接是一个传统的课题，涉及的技术手段主要是图像相关技术和图像变换技术、特别是当涉及到有转动成分时的计算量会很大。如果将这些技术直接应用于滑动采集时的指纹拼接，则必须降低计算量以适应指纹成像对实时性的要求。现有技术对此指纹拼接舍弃了滑动中转动成分的考量从而大大缩减了总体计算量、达到了滑动指纹采集的实时性要求，但是由于不能在转动方面达到计算实时性，因此，鉴于滑动式线型指纹传感模式有此缺陷，不能快速进入市场的主流地位。

发明内容

本发明的目的在于解决上述问题，提供了一种图像拼接方法，它完整地解决了滑动指纹采集时的指纹趋真重构，为识别率的提高扫清了障碍，实现了用户操作真正的友好和便捷。

本发明的技术方案为：一种利用滑动采集获取完整指纹的图像拼接方法，其中包括以下步骤：

(1)初始化，获取指纹图像的起始帧，计算该帧的帧取向角度，将该起始帧拼接在拼接图上，然后将该帧设置为上一帧；

(2)获取一帧新的指纹图像作为当前帧；

(3)计算当前帧的帧取向角度；

(4)计算当前帧的帧取向角度与上一帧的帧取向角度的差值，即为当前帧相对上一帧的转动角度；

(5)根据步骤(4)计算得到的转动角度对当前帧作旋转的几何变换；

(6)计算经步骤(5)几何变换的当前帧与上一帧之间的平动位移量，该平动位移量包括横向位移量和纵向位移量；

(7)获得当前帧相对起始帧的转动角度和平动位移量；

(8)根据步骤(7)计算得到的当前帧相对起始帧的转动角度和平动位移量，将当前帧拼接在拼接图上；

(9)判断当前帧是否为结束帧，若是，则结束，否则将当前帧设为上一帧并转至步骤(2)。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(1)和(2)中，每一次循环采用滑动传感器获取一帧新的指纹图像帧。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(1)和(2)中，预先使用滑动传感器存储好所有的帧图像序列，然后在每一次循环中从所述帧图像序列获取一帧新的指纹图像。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(2)采用梯度法来计算当前帧的帧取向角度θ，计算公式为：θ＝arctan(∑(-2*sGrdI(i)*sGrdJ(i))/∑(sGrdI(i)*sGrdI(i)-sGrdJ(i)*sGrdJ(i)))，其中参数i表示一帧指纹图像中所有采集的像素点，参数sGrdI表示横向的Sobel算子，参数sGrdJ表示纵向的Sobel算子。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(6)采用图像灰度相关匹配算法，包括：

(6.1)预先假定当前帧相对上一帧的最大横向位移量和最大纵向位移量，也即当前帧相对上一帧只能在该最大横向位移量和最大纵向位移量所决定的范围内平动，所有可能的平动个数视该范围内像素点的取样个数而定；

(6.2)对于步骤(6.1)中每一个可能的平动，都会使当前帧和上一帧对应存在一个重合区域，根据该重合区域中每一个所采集的像素点的灰度求出对应的图像灰度相关或相左函数；

(6.3)遍历步骤(6.1)所决定的范围内所有可能的平动，从而得到多个图像灰度相关或相左函数值，根据这些函数值寻优得到实际的平动位移量。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(6.2)中，一个确定的平动位移(Δx，Δy)的图像灰度相左函数是f(Δx，Δy)＝∑((g1(x，y)-g2(x，y))2)/M或者f(Δx，Δy)＝∑(|g1(x，y)-g2(x，y)|)/M，其中(Δx，Δy)∈步骤(6.1)所决定的平动范围，点(x，y)∈该确定的平动下当前帧和上一帧重合范围内所有的像素采集点，g1(x，y)和g2(x，y)函数分别表示点(x，y)在当前帧和上一帧时的灰度值，M表示该确定的平动下当前帧和上一帧重合范围内所有的像素采集点的个数；所述步骤(6.3)中的寻优是取图像灰度相左函数f(Δx，Δy)的最小值。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(6.2)中，一个确定的平动位移(Δx，Δy)的图像灰度相关函数是f(Δx，Δy)＝∑(g1(x，y)×g2(x，y))/M，其中(Δx，Δy)∈步骤(6.1)所决定的平动范围，点(x，y)∈该确定的平动下当前帧和上一帧重合范围内所有的像素采集点，g1(x，y)和g2(x，y)函数分别表示点(x，y)在当前帧和上一帧时的灰度值，M表示该确定的平动下当前帧和上一帧重合范围内所有的像素采集点的个数；所述步骤(6.3)中的寻优是取图像灰度相关函数f(Δx，Δy)的最大值。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中使用降分辨率的方法来采集像素点，即通过等间隔地采集像素点来减少采集个数。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(7)包括：

(7.1)通过下式计算当前帧相对起始帧的转动角度β(i)：β(i)＝β(i-1)+α(i)，其中i表示当前帧的索引值，在第二帧和结束帧对应的序号之间取值，β(i-1)表示上一帧相对起始帧的转动角度，α(i)表示当前帧相对上一帧的转动角度；

(7.2)通过下式计算当前帧相对起始帧的横向位移量sCmln(i)和纵向位移量sCmlm(i)：sCmln(i)＝sCmln(i-1)-smF(i)×sinβ(i)+snF(i)×cosβ(i)，sCmlm(i)＝sCmlm(i-1)+smF(i)×cosβ(i)+snF(i)×sinβ(i)，其中snF(i)表示当前帧相对上一帧的横向位移量，smF(i)表示当前帧相对上一帧的纵向位移量，sCmln(i-1)和sCmlm(i-1)分别表示上一帧frame(i-1)相对起始帧frame(0)的横向位移量和纵向位移量。

上述的利用滑动采集获取完整指纹的图像拼接方法，其中所述步骤(8)中，根据当前帧相对起始帧的平动位移量和转动角度先对当前帧作帧旋转的几何变换，再进行逐点拼接。

本发明的图像拼接方法相对现有技术有如下的有益效果：本发明一方面把平动转动搜索优化的计算模型转化为转动强度可直接测度的梯度法降分辨率快速算法计算模型、把平动搜索设计为降分辨率的图像灰度相左或相关快速运算，一方面利用获得的平动和转动参数进行累计量快速计算、再利用该平动和转动的累计量进行图像拼接的三角函数查表来对超出部分进行快速计算，从而为转动拼接突破了两大瓶颈。本发明重点解决了指纹滑动操作中的转动问题，将帮助指纹滑动传感快速成为指纹应用的主流模式。

附图说明

图1是本发明图像拼接方法一个实施例的流程图。

图2是图1所示实施例中计算当前帧相对上一帧的转动角度的示意图。

图3是图1所示实施例中计算当前帧相对上一帧的平动位移量的示意图。

图4是图1所示实施例中计算当前帧相对上一帧的平动位移量的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

图1示出了本发明图像拼接方法一个实施例的算法流程，下面参见图1从整体上描述该图像拼接方法的步骤。

步骤101：初始化。主要获取起始帧并计算起始帧的帧取向角度θ，然后将该起始帧拼接在拼接图上，之后将其设置成上一帧。在这里引入方向场的概念，所谓方向场可理解为一帧图像上所有像素点方向的数学期望。从视觉效果来看，方向场确定了该帧图像的整体取向。

采用梯度法计算某一帧图像的方向场Dir，Dir＝∑(-2*sGrdI(j)*sGrdJ(j))/∑(sGrdI(j)*sGrdI(j)-sGrdJ(j)*sGrdJ(j))，其中参数j表示指纹图像中所有采集的像素点，参数sGrdI表示横向的Sobel算子，参数sGrdJ表示纵向的Sobel算子，符号∑表示对每一个j∈指纹图像中所有采集的像素点，将相应括号内的算式进行求和运算。在这里，Sobel算子可以采用3×3的算子。

然后取方向场Dir的反正切函数值arctan Dir，即为该帧的帧取向角度θ。

步骤102：获取一帧新的指纹图像作为当前帧frame(i)。在这里，变量i表示一个对所采集的帧序列的索引。如果我们定义起始帧为frame(0)，结束帧为frame(n)，那么变量i的取值范围为1-n。当获取下一个新的指纹图像时，i就递增1。值得注意的是，可以采用两种方式来获取一帧新的指纹图像。第一种方式是每一次循环中从滑动式传感器采集一帧新的图像进行处理；第二种方式是预先利用滑动式传感器采集所有的指纹图像并把它们以帧序列的形式存储起来，然后再从存储的帧序列中提取一帧新的指纹图像。而采用何种获取方式当视获取速度和拼接速度的快慢而定，如果获取比拼接慢，可以采用第一种方式，因为该拼接方法是逐帧拼接的，拼接完成后的图像帧会被丢弃，所以无需存储所有的图像帧，采取这样的方式会节省系统的存储空间。但是在获取比拼接快的情况下，就必须采用第二种方式。

步骤103：计算当前帧frame(i)中的帧取向角度θ(i)。这里角度的计算方法同步骤101，故不再重复描述。

步骤104：请结合图2所示，计算当前帧frame(i)202的帧取向角度θ(i)和上一帧frame(i-1)201的帧取向角度θ(i-1)的差值Δθ(i)，该差值Δθ(i)即为当前帧frame(i)202相对上一帧frame(i-1)201的转动角度α(i)。这里的角度均以逆时针为正方向，而且这一步的实现是基于这样的事实：相邻两帧图像的帧取向是一致的。

上述步骤解决了转动角度的计算问题，相对于现有技术对所有可能的转动角度进行搜索寻优这一高强度的计算方式而言，本发明梯度法的计算模型大大降低了运算强度，使得运算速度得到显著提高。而且，在步骤102中计算帧取向角度方面，可以采用降分辨率的方法来采集取样点。所谓降分辨率就是对像素点进行等间距的间隔取样，这样取样的点数少了，也就加快了运算速度。当然间距大小的设定是受限制的，一般来说，最大不能超过每4个像素点采集一个取样点。

步骤105：根据步骤104计算得到的转动角度α(i)对当前帧frame(i)作旋转的几何变换，从而消除当前帧frame(i)相对上一帧frame(i-1)的转动影响。

步骤106：计算经步骤105几何变换的当前帧frame(i)相对上一帧frame(i-1)的平动位移量。该平动位移量可分解成横向位移量snF(i)和纵向位移量smF(i)。可采用图像灰度相关或相左的匹配算法来完成，具体步骤请同时参见图3和图4：

步骤401：首先假设当前帧frame(i)相对上一帧frame(i-1)的最大横向位移量IMAX和最大纵向位移量JMAX。为了便于说明，我们在图3上设定坐标系，以上一帧frame(i-1)301的左下顶点为原点。以图像帧的左下顶点为参考点，实际的当前帧frame(i)的左下顶点只能在原点(0，0)和点(IMAX，JMAX)所决定的矩形范围内移动，图像帧302表示当前帧在假定条件下相对上一帧能够达到的最远距离。

步骤402：设置一个当前帧位置检测点(Δx，Δy)，该检测点的范围是原点(0，0)和点(IMAX，JMAX)所决定的矩形范围内的所有取样点，检测点的初始值设为原点。

步骤403：判断Δy是否大于JMAX，若是，则转至步骤408。

步骤404：判断Δx是否大于IMAX，若是，则转至步骤407。步骤403和404实际上是双层循环的一个循环条件。

步骤405：对于每一次循环中的当前帧位置检测点(Δx，Δy)来说，都对应存在一个当前检测帧303。该当前检测帧303与上一帧301之间必然对应存在一个确定的重合区域304。采用降分辨率的方法对该重合区域304中的像素点进行取样，根据上述每个取样点在上一帧301和当前检测帧303上的灰度求出并保存对应的图像灰度相左函数值。函数值的计算公式为f(Δx，Δy)＝∑((g1(x，y)-g2(x，y))²)/M或者f(Δx，Δy)＝∑(|g1(x，y)-g2(x，y)|)/M，其中点(x，y)∈检测点为(Δx，Δy)时当前检测帧303和上一帧301重合范围304内所有的取样点，g1(x，y)和g2(x，y)函数分别表示上述取样点(x，y)在当前检测帧303和上一帧301时的灰度值，M表示当前检测帧303和上一帧301重合范围304内所有的取样点个数。

步骤406：Δx递增1并转至步骤404。这里的递增距离1只用于描述，Δx也可以递增2或3等，递增的距离参照步骤402中对原点(0，0)和点(IMAX，JMAX)所决定的矩形范围内像素点的取样间距。

步骤407：将Δx重新设置为0、Δy递增1，并转至步骤403。同步骤406的说明，这里的递增距离1只用于描述，Δy也可以递增2或3等，递增的距离参照步骤402中对原点(0，0)和点(IMAX，JMAX)所决定的矩形范围内像素点的取样间距。

步骤408：根据步骤405中得到的灰度相左函数值进行寻优得到实际的当前帧平动位移量。假定步骤402中当前帧位置检测点(Δx，Δy)的取样个数为N，则在步骤405中一共有N个灰度相左函数值。查询这N个图像灰度相左函数值并取出其中的最小值，其对应的Δx和Δy就是实际的当前帧相对上一帧的横向偏移量snF(i)和纵向偏移量smF(i)。

需要说明的是，步骤405中函数值的计算公式还可以采取其他的形式，比如采取图像灰度相关函数f(Δx，Δy)＝∑(g1(x，y)×g2(x，y))/M，这样在步骤408的寻优中就必须取出其中的最大值。应理解，公式的改变并不影响本发明的保护范围。

步骤107：基于步骤106中当前帧frame(i)相对上一帧frame(i-1)的转动角度α(i)、横向位移量snF(i)和纵向位移量smF(i)，获得当前帧frame(i)相对起始帧frame(0)的转动角度β(i)、横向位移量sCmln(i)和纵向位移量sCmlm(i)。

首先，基于当前帧frame(i)相对上一帧frame(i-1)的转动角度α(i)来更新当前帧frame(i)相对起始帧frame(0)的转动角度β(i)，计算公式为β(i)＝β(i-1)+α(i)，其中β(i-1)表示上一帧frame(i-1)相对起始帧frame(0)的转动角度。这里的计算是基于一种递推关系，实际上只要在每一次循环里将当前帧frame(i)相对上一帧frame(i-1)的转动角度α(i)叠加在当前帧frame(i)相对起始帧frame(0)的转动角度这一变量上。

然后，基于当前帧frame(i)相对上一帧frame(i-1)的横向位移量snF(i)和纵向位移量smF(i)以及上一个步骤中计算得到的当前帧frame(i)相对起始帧frame(0)的转动角度β(i)，更新当前帧frame(i)相对起始帧frame(0)的横向位移量sCmln(i)和纵向位移量sCmlm(i)，计算公式为：sCmln(i)＝sCmln(i-1)-smF(i)×sinβ(i)+snF(i)×cosβ(i)，sCmlm(i)＝sCmlm(i-1)+smF(i)×cosβ(i)+snF(i)×sinβ(i)，其中sCmln(i-1)和sCmlm(i-1)分别表示上一帧frame(i-1)相对起始帧frame(0)的横向位移量和纵向位移量。类似地，这一步的计算也是基于一种递推关系，实际上只要在每一次循环里将snF(i)×cosβ(i)-smF(i)×sinβ(i)叠加到当前帧frame(i)相对起始帧frame(0)的横向位移变量上，将smF(i)×cosβ(i)+snF(i)×sinβ(i)叠加到当前帧frame(i)相对起始帧frame(0)的纵向位移变量上。

步骤108：根据步骤107计算得到的当前帧frame(i)相对起始帧frame(0)的转动角度β(i)、横向位移量sCmln(i)和纵向位移量sCmlm(i)，先将当前帧frame(i)作旋转的几何变换，然后再将其逐点拼接在拼接图上。在实际拼接过程中，为减少计算量可以根据当前帧frame(i)相对起始帧frame(0)的纵向位移量sCmlm(i)仅对当前帧frame(i)相对起始帧frame(0)的超出部分进行计算，而计算过程中遇到的三角函数可定点化为查表加速。

步骤109：判断当前帧是否为结束帧，若是，则指纹图的拼接重构完成，若否，则先转至步骤110，将当前帧设为上一帧，再转至步骤102处理下一帧的指纹图像。也应理解，步骤109的循环判断条件也可设置在循环的开始阶段，步骤109的位置并不影响本发明的保护范围。

应理解，本发明的重点在于将转动搜索优化转化成了通过梯度法计算帧取向角度来直接算出转动角度，并根据对相邻两帧之间转动角度和平动位移量的叠加计算出当前帧相对起始帧的转动角度和平动位移量。这一改变大大提高了运算速度。与此同时，对平动采取图像灰度相左或相关算法，采用降分辨率的方法对像素点进行取样，这些变化也进一步提高了拼接速度。

上述实施例是提供给本领域普通技术人员来实现或使用本发明的，本领域普通技术人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (10)

1一种利用滑动采集获取完整指纹的图像拼接方法，其特征在于，包括以下步骤：

(1)初始化，获取指纹图像的起始帧，计算该帧的帧取向角度，将该起始帧拼接在拼接图上，然后将该帧设置为上一帧；

(2)获取一帧新的指纹图像作为当前帧；

(3)计算当前帧的帧取向角度；

(4)计算当前帧的帧取向角度与上一帧的帧取向角度的差值，即为当前帧相对上一帧的转动角度；

(5)根据步骤(4)计算得到的转动角度对当前帧作旋转的几何变换；

(6)计算经步骤(5)几何变换的当前帧与上一帧之间的平动位移量，该平动位移量包括横向位移量和纵向位移量；

(7)获得当前帧相对起始帧的转动角度和平动位移量；

(8)根据步骤(7)计算得到的当前帧相对起始帧的转动角度和平动位移量，将当前帧拼接在拼接图上；

(9)判断当前帧是否为结束帧，若是，则结束，否则将当前帧设为上一帧并转至步骤(2)。

2根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(1)和(2)中，每一次循环采用滑动传感器获取一帧新的指纹图像帧。

3根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(1)和(2)中，预先使用滑动传感器存储好所有的帧图像序列，然后在每一次循环中从所述帧图像序列获取一帧新的指纹图像。

4根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(2)采用梯度法来计算当前帧的帧取向角度θ，计算公式为：θ＝arctan(∑(-2*sGrdI(i)*sGrdJ(i))/∑(sGrdI(i)*sGrdI(i)-sGrdJ(i)*sGrdJ(i)))，其中参数i表示一帧指纹图像中所有采集的像素点，参数sGrdI表示横向的Sobel算子，参数sGrdJ表示纵向的Sobel算子。

5根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(6)采用图像灰度相关匹配算法，包括：

(6.1)预先假定当前帧相对上一帧的最大横向位移量和最大纵向位移量，也即当前帧相对上一帧只能在该最大横向位移量和最大纵向位移量所决定的范围内平动，所有可能的平动个数视该范围内像素点的取样个数而定；

(6.2)对于步骤(6.1)中每一个可能的平动，都会使当前帧和上一帧对应存在一个重合区域，根据该重合区域中每一个所采集的像素点的灰度求出对应的图像灰度相关或相左函数；

(6.3)遍历步骤(6.1)所决定的范围内所有可能的平动，从而得到多个图像灰度相关或相左函数值，根据这些函数值寻优得到实际的平动位移量。

6根据权利要求5所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(6.2)中，一个确定的平动位移(Δx，Δy)的图像灰度相左函数是f(Δx，Δy)＝∑((g1(x，y)-g2(x，y))²)/M或者f(Δx，Δy)＝∑(|g1(x，y)-g2(x，y)|)/M，其中(Δx，Δy)∈步骤(6.1)所决定的平动范围，点(x，y)∈该确定的平动下当前帧和上一帧重合范围内所有的像素采集点，g1(x，y)和g2(x，y)函数分别表示点(x，y)在当前帧和上一帧时的灰度值，M表示该确定的平动下当前帧和上一帧重合范围内所有的像素采集点的个数；所述步骤(6.3)中的寻优是取图像灰度相左函数f(Δx，Δy)的最小值。

7根据权利要求5所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(6.2)中，一个确定的平动位移(Δx，Δy)的图像灰度相关函数是f(Δx，Δy)＝∑(g1(x，y)×g2(x，y))/M，其中(Δx，Δy)∈步骤(6.1)所决定的平动范围，点(x，y)∈该确定的平动下当前帧和上一帧重合范围内所有的像素采集点，g1(x，y)和g2(x，y)函数分别表示点(x，y)在当前帧和上一帧时的灰度值，M表示该确定的平动下当前帧和上一帧重合范围内所有的像素采集点的个数；所述步骤(6.3)中的寻优是取图像灰度相关函数f(Δx，Δy)的最大值。

8根据权利要求4或5所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，使用降分辨率的方法来采集像素点，即通过等间隔地采集像素点来减少采集个数。

9根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(7)包括：

(7.1)通过下式计算当前帧相对起始帧的转动角度β(i)：β(i)＝β(i-1)+α(i)，其中i表示当前帧的索引值，在第二帧和结束帧对应的序号之间取值，β(i-1)表示上一帧相对起始帧的转动角度，α(i)表示当前帧相对上一帧的转动角度；

(7.2)通过下式计算当前帧相对起始帧的横向位移量sCmln(i)和纵向位移量sCmlm(i)：sCmln(i)＝sCmln(i-1)-smF(i)×sinβ(i)+snF(i)×cosβ(i)，sCmlm(i)＝sCmlm(i-1)+smF(i)×cosβ(i)+snF(i)×sinβ(i)，其中snF(i)表示当前帧相对上一帧的横向位移量，smF(i)表示当前帧相对上一帧的纵向位移量，sCmln(i-1)和sCmlm(i-1)分别表示上一帧frame(i-1)相对起始帧frame(0)的横向位移量和纵向位移量。

10根据权利要求1所述的利用滑动采集获取完整指纹的图像拼接方法，其特征在于，所述步骤(8)中，根据当前帧相对起始帧的平动位移量和转动角度先对当前帧作帧旋转的几何变换，再进行逐点拼接。

Images