CN101382999B - 一种快速高效的指纹细化方法 - Google Patents
一种快速高效的指纹细化方法 Download PDFInfo
- Publication number
- CN101382999B CN101382999B CN2008101373530A CN200810137353A CN101382999B CN 101382999 B CN101382999 B CN 101382999B CN 2008101373530 A CN2008101373530 A CN 2008101373530A CN 200810137353 A CN200810137353 A CN 200810137353A CN 101382999 B CN101382999 B CN 101382999B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- template
- thinning
- opta
- refinement
- 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
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
一种快速高效的指纹细化方法,它涉及一种指纹细化方法,以解决现有的指纹细化方法存在的细化不彻底、细化后的纹线不是单像素、影响指纹识别的准确性的问题。快速细化:先判断出待细化图像中指纹纹线的边界点,然后逐步将指纹纹线的边界点删除,得到快速细化图像;OPTA细化:使用OPTA细化方法的消除模板和保留模板,将快速细化图像变成单相素图像。本发明采用了快速细化算和OPTA算法组成的综合方法,使得采用本发明的方法显著提高细化算法的运行效率,克服了以前细化后的指纹图像有较多的毛刺,分叉点细化不够完全的问题,既没有破坏纹线的连接性又保护了指纹的细节特征,运算速度也较快,处理后的指纹图像细化完全,骨架接近纹线中心线。
Description
技术领域
本发明属于指纹识别方法,尤其涉及一种快速高效的指纹细化方法,属于指纹识别领域。
背景技术
一个完整的自动指纹识别系统(AFIS)主要包括指纹采集、指纹图像预处理、指纹特征提取、指纹比对等几个模块。指纹图像预处理是一个很重要的部分,它的处理效果直接影响后续的特征提取和指纹比对,而指纹细化又是指纹预处理中的一个很重要的环节,因为一般的特征提取都是在细化的基础上进行的,如果细化不好,将无法使用常规的特征提取算法提取细节点特征信息。
指纹的细化方法包括很多种类,按照细化顺序来看主要分为三类:串行细化、并行细化和混合细化。其中快速细化方法(Quick thinning algorithm)和改进的OPTA方法(Improved OPTA thinning algorithm)是目前使用较多的两种指纹细化方法。快速指纹细化方法为四连通并行指纹细化方法,原理是判断出指纹纹线的边界点并逐步删除,这种方法的指纹细化速度较快,但细化不彻底,细化后的纹线不是单像素宽;改进的OPTA方法是串行指纹细化方法,其原理是构造一定的消除模板和保留模板,将二值化后的指纹图像和模板比较,决定是否删除某点的像素值,这种方法能够基本保证单像素宽,但细化后会产生很多毛刺,而且实验发现,经过该算法细化的图像在纹线的分叉点处并不是单像素宽的,如果不加处理,在以后特征提取的时候就会导致相当多的伪特征点出现,极大的影响指纹识别的准确性。
发明内容
本发明为解决现有的指纹细化方法存在的细化不彻底、细化后的纹线不是单像素、影响指纹识别的准确性的问题,提供一种快速高效的指纹细化方法。本发明包括以下步骤:
步骤A1,快速细化:先判断出待细化图像P中指纹纹线的边界点,然后逐步将指纹纹线的边界点删除,得到快速细化图像Q;
步骤A2,OPTA细化:使用OPTA细化方法的消除模板和保留模板,将快速细化图像Q变成单相素图像。
步骤A2中所述的OPTA细化由以下步骤组成:
步骤C1,构造如下16个3×3的消除模板,其中X为不确定数,有可能为0,也有可能为1:
0 | 0 | 0 |
X | 1 | X |
0 | 0 | 0 |
1 | 1 | 1 |
(a)
1 | X | 0 |
1 | 1 | 0 |
1 | X | 0 |
(b)
1 | 1 | 1 |
X | 1 | X |
0 | 0 | 0 |
(c)
0 | X | 1 |
0 | 1 | 1 |
0 | X | 1 |
(d)
0 | 0 | X |
0 | 1 | 1 |
X | 1 | X |
(e)
X | 0 | 0 |
1 | 1 | 0 |
X | 1 | X |
(f)
X | 1 | X |
1 | 1 | 0 |
X | 0 | 0 |
(g)
X | 1 | X |
0 | 1 | 1 |
0 | 0 | X |
(h)
0 | 0 | 0 |
1 | 1 | 1 |
0 | 1 | 0 |
(i)
0 | 1 | 0 |
0 | 1 | 1 |
0 | 1 | 0 |
(j)
0 | 1 | 0 |
1 | 1 | 1 |
0 | 0 | 0 |
(k)
0 | 1 | 0 |
1 | 1 | 0 |
0 | 1 | 0 |
(l)
1 | 0 | 0 |
0 | 1 | 1 |
0 | 1 | 0 |
(m)
0 | 1 | 0 |
0 | 1 | 1 |
1 | 0 | 0 |
(n)
0 | 1 | 0 |
1 | 1 | 0 |
0 | 0 | 1 |
(o)
0 | 0 | 1 |
1 | 1 | 0 |
0 | 1 | 0 |
(p)
构造如下6个4×4的保留模板,其中X为不确定数,有可能为0,也有可能为1:
X | 1 | X | 0 |
0 | 1 | 1 | 0 |
X | 1 | X | 0 |
X | X | X | X |
(A)
X | X | 0 | 0 |
0 | 1 | 1 | 0 |
X | X | 1 | X |
X | X | X | X |
(B)
X | X | 1 | X |
0 | 1 | 1 | 0 |
X | X | 0 | 0 |
X | X | X | X |
(C)
X | 0 | X | X |
1 | 1 | 1 | X |
X | 1 | X | X |
0 | 0 | 0 | X |
(D)
X | 0 | X | X |
X | 1 | X | X |
X | 0 | X | X |
1 | 1 | 0 | X |
X | 0 | 0 | X |
(E)
X | 0 | X | 0 |
X | 1 | X | X |
0 | 1 | 1 | X |
0 | 0 | X | X |
(F)
构造如下6个保留模板中需要去掉的3个4×4的特殊模板:
0 | 0 | 1 | 1 |
0 | 1 | 1 | 1 |
0 | 1 | 1 | 1 |
0 | 0 | 1 | 1 |
(α)
0 | 0 | 0 | 0 |
0 | 1 | 1 | 0 |
1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 |
(β)
1 | 0 | 0 | 0 |
1 | 1 | 0 | 0 |
1 | 1 | 0 | 0 |
1 | 0 | 0 | 0 |
1 | 0 | 0 | 0 |
(γ)
步骤C2,对当前像素点Q0抽取14个相邻像素点与当前像素点Q0构造如下4×4的改进OPTA模板,其中X为不确定数,有可能为0,也有可能为1:
Q<sub>8</sub> | Q<sub>1</sub> | Q<sub>2</sub> | Q<sub>12</sub> |
Q<sub>7</sub> | Q<sub>0</sub> | Q<sub>3</sub> | Q<sub>13</sub> |
Q<sub>6</sub> | Q<sub>5</sub> | Q<sub>4</sub> | Q<sub>14</sub> |
Q<sub>9</sub> | Q<sub>10</sub> | Q<sub>11</sub> | X |
判断所述的改进OPTA模板是否与所述的16个消除模板中的一个相匹配,判断结果为是,则进入步骤C3,判断结果为否,则进入步骤C4;
步骤C3,判断所述的改进OPTA模板是否与所述的6个保留模板中的一个相匹配且不与所述的3个特殊模板中的任何一个相匹配,判断结果为是,则保留当前像素点Q0并返回步骤C2,判断结果为否,则删除当前像素点Q0并返回步骤C2;
步骤C4,保留当前像素点Q0,返回步骤C2;
步骤C5,重复步骤C2-步骤C4,直到所有的像素点都扫描完毕;
步骤C6,判断步骤C5中最后一次扫描过程里是否有像素点被删除,判断结果为是,则返回步骤C2,判断结果为否,则OPTA细化结束。
发明效果:本发明采用了快速细化算和OPTA算法组成的综合方法,使得采用本发明的方法不仅显著提高细化算法的运行效率(提高约15%),而且还克服了以前细化后的指纹图像有较多的毛刺,分叉点细化不够完全的问题。
具体实施方式
具体实施方式一:本实施方式由以下步骤组成:
步骤A1,快速细化:先判断出待细化图像P中指纹纹线的边界点,然后逐步将指纹纹线的边界点删除,得到快速细化图像Q;
步骤A2,OPTA细化:使用OPTA细化方法的消除模板和保留模板,将快速细化图像Q变成单相素图像。
本实施方式的方法主要分为两部分,第一部分是利用快速细化方法速度较快的特点,对图像进行初步处理,以免直接实用OPTA方法耗费较多的时间,然后再使用OPTA细化方法对图像进行彻底细化,避免了快速细化方法对图像细化不彻底的问题,使细化后的图像能够较好的为后续的指纹匹配所服务。
具体实施方式二:本实施方式在具体实施方式一的基础上进一步限定了步骤A1中所述的快速细化包括以下步骤:
步骤B1,对目标点构造如下3×3的邻域模板:
P<sub>8</sub> | P<sub>1</sub> | P<sub>2</sub> |
P<sub>7</sub> | P<sub>0</sub> | P<sub>3</sub> |
P<sub>6</sub> | P<sub>5</sub> | P<sub>4</sub> |
步骤B2,顺序扫描待细化图像P,将满足条件TP1或TP2的像素点删除:
TP1:中心像素P0有2-6个八连通相邻像素点T(P0)=1,P1P3P5=0且P3P5P7=0;
TP2:中心像素P0有2-6个八连通相邻像素点T(P0)=1,P1P5P7=0且P1P3P7=0;
步骤B3,重复步骤B2直到所有的像素点都不可删除为止,得到单像素宽的指纹细化图像。
目标点指像素值为1的点,背景点指像素值为0的点。邻域中的连接成分数T(P0)表示序列P1P2P3P4P5P6P7P8P1中0到1的变化次数。边界点:属于目标点,且其4邻点中至少有一个为背景点。8邻点和4邻点:在步骤B1的邻域模板中,设有任意像素点p,p的8邻点即为以p为中心3×3区域中除了p点以外的8个点即p1到p8,而p2、p4、p6、p8为其4邻点。8连通性和4连通性:一点具有8连通性是指该点的8邻点中至少有一点为目标点;4连通性则是指该点的4邻点中至少有一点为目标点。中心像素P0取2-6个8连通相邻像素点是因为如果中心像素P0只有一个邻点,说明是目标端点,不能删除;如果中心像素P0有6个以上邻点,说明它不是目标边界点,去掉会引起目标的腐蚀。NB=1表示检查像素P0的周围是否只有一个连通成分。单像素宽:考察纹线上每一点的8邻域,纹线端点的8邻域中只有1个目标点,纹线连续点的8邻域有2个,分叉点有3个,且每点8邻域最多只有3个目标点,符合上述条件即为单像素宽。
具体实施方式三:本实施方式在具体实施方式一的基础上进一步限定了步骤A2中所述的OPTA细化由以下步骤组成:
步骤C1,构造如下16个3×3的消除模板,其中X为不确定数,有可能为0,也有可能为1:
0 | 0 | 0 |
X | 1 | X |
0 | 0 | 0 |
1 | 1 | 1 |
(a)
1 | X | 0 |
1 | 1 | 0 |
1 | X | 0 |
(b)
1 | 1 | 1 |
X | 1 | X |
0 | 0 | 0 |
(c)
0 | X | 1 |
0 | 1 | 1 |
0 | X | 1 |
(d)
0 | 0 | X |
0 | 1 | 1 |
X | 1 | X |
(e)
X | 0 | 0 |
1 | 1 | 0 |
X | 1 | X |
(f)
X | 1 | X |
1 | 1 | 0 |
X | 0 | 0 |
(g)
X | 1 | X |
0 | 1 | 1 |
0 | 0 | X |
(h)
0 | 0 | 0 |
1 | 1 | 1 |
0 | 1 | 0 |
(i)
0 | 1 | 0 |
0 | 1 | 1 |
0 | 1 | 0 |
(j)
0 | 1 | 0 |
1 | 1 | 1 |
0 | 0 | 0 |
(k)
0 | 1 | 0 |
1 | 1 | 0 |
0 | 1 | 0 |
(l)
1 | 0 | 0 |
0 | 1 | 1 |
0 | 1 | 0 |
(m)
0 | 1 | 0 |
0 | 1 | 1 |
1 | 0 | 0 |
(n)
0 | 1 | 0 |
1 | 1 | 0 |
0 | 0 | 1 |
(o)
0 | 0 | 1 |
1 | 1 | 0 |
0 | 1 | 0 |
(p)
构造如下6个4×4的保留模板,其中X为不确定数,有可能为0,也有可能为1:
X | 1 | X | 0 |
0 | 1 | 1 | 0 |
X | 1 | X | 0 |
X | X | X | X |
(A)
X | X | 0 | 0 |
0 | 1 | 1 | 0 |
X | X | 1 | X |
X | X | X | X |
(B)
X | X | 1 | X |
0 | 1 | 1 | 0 |
X | X | 0 | 0 |
X | X | X | X |
(C)
X | 0 | X | X |
1 | 1 | 1 | X |
X | 1 | X | X |
0 | 0 | 0 | X |
(D)
X | 0 | X | X |
X | 1 | X | X |
X | 0 | X | X |
1 | 1 | 0 | X |
X | 0 | 0 | X |
(E)
X | 0 | X | 0 |
X | 1 | X | X |
0 | 1 | 1 | X |
0 | 0 | X | X |
(F)
构造如下6个保留模板中需要去掉的3个4×4的特殊模板:
0 | 0 | 1 | 1 |
0 | 1 | 1 | 1 |
0 | 1 | 1 | 1 |
0 | 0 | 1 | 1 |
(α)
0 | 0 | 0 | 0 |
0 | 1 | 1 | 0 |
1 | 1 | 1 | 1 |
1 | 1 | 1 | 1 |
(β)
1 | 0 | 0 | 0 |
1 | 1 | 0 | 0 |
1 | 0 | 0 | 0 |
1 | 1 | 0 | 0 |
1 | 0 | 0 | 0 |
(γ)
步骤C2,对当前像素点Q0抽取(按从左到右从上到下的顺序)14个相邻像素点与当前像素点Q0构造如下4×4的改进OPTA模板,其中X为不确定数,有可能为0,也有可能为1:
Q<sub>8</sub> | Q<sub>1</sub> | Q<sub>2</sub> | Q<sub>12</sub> |
Q<sub>7</sub> | Q<sub>0</sub> | Q<sub>3</sub> | Q<sub>13</sub> |
Q<sub>6</sub> | Q<sub>5</sub> | Q<sub>4</sub> | Q<sub>14</sub> |
Q<sub>9</sub> | Q<sub>10</sub> | Q<sub>11</sub> | X |
判断所述的改进OPTA模板是否与所述的16个消除模板中的一个相匹配,对3×3消除模板,将改进OPTA模板的左上角的3×3模块与之进行比较(Q0~Q8),判断结果为是,则进入步骤C3,判断结果为否,则进入步骤C4;
步骤C3,判断所述的改进OPTA模板是否与所述的6个保留模板中的一个相匹配且不与所述的3个特殊模板中的任何一个相匹配,判断结果为是,则保留当前像素点Q0并返回步骤C2,判断结果为否,则删除当前像素点Q0并返回步骤C2;
步骤C4,保留当前像素点Q0,返回步骤C2;
步骤C5,重复步骤C2-步骤C4,直到所有的像素点都扫描完毕;
步骤C6,判断步骤C5中最后一次扫描过程里是否有像素点被删除,判断结果为是,则返回步骤C2,判断结果为否,则OPTA细化结束。
对步骤A1处理过的细化图形进行进一步处理所采用的消除模板(a~h)和保留模板是目前常用的方法,本实施方式是以消除模板(i~p),和保留模板中需要去除的三种情况(a~c)为主要原理,对OPTA模板进行改进。利用改进的OPTA细化发法对图像进行处理,既没有破坏纹线的连接性而引起纹线的逐步吞食,又保护了指纹的细节特征,而且该方法运算速度也较快,处理后的指纹图像细化完全,骨架接近纹线中心线,光滑无毛刺。
Claims (1)
1.一种快速高效的指纹细化方法,其特征在于它包括以下步骤:
步骤A1,快速细化:先判断出待细化图像P中指纹纹线的边界点,然后逐步将指纹纹线的边界点删除,得到快速细化图像Q;
步骤A2,OPTA细化:使用OPTA细化方法的消除模板和保留模板,将快速细化图像Q变成单相素图像;
步骤A2中所述的OPTA细化由以下步骤组成:
步骤C1,构造如下16个3×3的消除模板,其中X为不确定数,有可能为0,也有可能为1:
构造如下6个4×4的保留模板,其中X为不确定数,有可能为0,也有可能为1:
构造如下6个保留模板中需要去掉的3个4×4的特殊模板:
步骤C2,对当前像素点Q0抽取14个相邻像素点与当前像素点Q0构造如下4×4的改进OPTA模板,其中X为不确定数,有可能为0,也有可能为1:
判断所述的改进OPTA模板是否与所述的16个消除模板中的一个相匹配,判断结果为是,则进入步骤C3,判断结果为否,则进入步骤C4;
步骤C3,判断所述的改进OPTA模板是否与所述的6个保留模板中的一个相匹配且不与所述的3个特殊模板中的任何一个相匹配,判断结果为是,则保留当前像素点Q0并返回步骤C2,判断结果为否,则删除当前像素点Q0并返回步骤C2;
步骤C4,保留当前像素点Q0,返回步骤C2;
步骤C5,重复步骤C2-步骤C4,直到所有的像素点都扫描完毕;
步骤C6,判断步骤C5中最后一次扫描过程里是否有像素点被删除,判断结果为是,则返回步骤C2,判断结果为否,则OPTA细化结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101373530A CN101382999B (zh) | 2008-10-17 | 2008-10-17 | 一种快速高效的指纹细化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101373530A CN101382999B (zh) | 2008-10-17 | 2008-10-17 | 一种快速高效的指纹细化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101382999A CN101382999A (zh) | 2009-03-11 |
CN101382999B true CN101382999B (zh) | 2010-09-15 |
Family
ID=40462833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101373530A Expired - Fee Related CN101382999B (zh) | 2008-10-17 | 2008-10-17 | 一种快速高效的指纹细化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101382999B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005058B (zh) * | 2010-11-30 | 2012-05-23 | 南京信息工程大学 | 一种针对opta图像细化算法的快速实现方法 |
CN105092597B (zh) * | 2015-09-14 | 2018-05-29 | 广东电网有限责任公司电力科学研究院 | 一种硬塑材料表面的裂纹检测方法 |
CN112446818B (zh) * | 2019-08-29 | 2024-04-16 | 比亚迪半导体股份有限公司 | 图像细化的方法、装置、存储介质及电子设备 |
CN110427926A (zh) * | 2019-09-11 | 2019-11-08 | 中国计量大学 | 一种改进的opta手指静脉细化算法 |
-
2008
- 2008-10-17 CN CN2008101373530A patent/CN101382999B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101382999A (zh) | 2009-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
CN101382999B (zh) | 一种快速高效的指纹细化方法 | |
CN109697717B (zh) | 一种基于图像自动搜索的衬砌裂缝识别方法 | |
CN106407983A (zh) | 图像主体的识别、矫正与配准方法 | |
CN108154151B (zh) | 一种快速多方向文本行检测方法 | |
CN103577828B (zh) | 一种基于边缘特征的道路检测方法 | |
CN109344820A (zh) | 基于计算机视觉和深度学习的数字式电表读数识别方法 | |
CN114863492B (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN102930242B (zh) | 一种公交车车型识别方法 | |
Vithlani et al. | Structural and statistical feature extraction methods for character and digit recognition | |
CN109766850B (zh) | 基于特征融合的指纹图像匹配方法 | |
CN101567049B (zh) | 一种半色调文档图像的噪声处理方法 | |
Cao et al. | Separation of overlapping text from graphics | |
Huang et al. | Extraction of vectorized graphical information from scientific chart images | |
Dong et al. | An improved parallel thinning algorithm | |
CN106780535A (zh) | 一种灰度图像处理方法 | |
Singh et al. | Fingerprint feature extraction using morphological operations | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
He et al. | Edge detection with BP neural networks | |
CN105894475A (zh) | 一种国际音标图像字符细化方法 | |
CN1229755C (zh) | 验证模式下的自动指纹识别技术 | |
CN106780637B (zh) | 一种基于脉冲神经膜系统的快速并行图像细化方法 | |
CN114972103A (zh) | 一种针对铁素体晶界的骨骼提取优化算法 | |
Lu et al. | Unstructured road detection from a single image | |
Das et al. | Binarization of stone inscripted documents |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100915 Termination date: 20111017 |