CN101996321A - 一种指纹识别预处理的方法及装置 - Google Patents
一种指纹识别预处理的方法及装置 Download PDFInfo
- Publication number
- CN101996321A CN101996321A CN2009100910595A CN200910091059A CN101996321A CN 101996321 A CN101996321 A CN 101996321A CN 2009100910595 A CN2009100910595 A CN 2009100910595A CN 200910091059 A CN200910091059 A CN 200910091059A CN 101996321 A CN101996321 A CN 101996321A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- fingerprint image
- image
- frequency
- 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.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明所提供的一种指纹识别预处理的方法及装置,通过选择高频图像含有较少的信息量且具有紧致性的指纹图像作为小波基,对采集到的指纹图像进行小波变换,得到低频图像,由于低频图像和高频图像间的像素点是一一对应的,低频图像保留了原指纹图像的纹线方向和频率信息,对低频图像估计得到的各像素的方向可作为高频图像对应像素的纹线方向,因此本发明仅考虑低频图像的信息来估算指纹方向,有效抑制了高频噪声对指纹图像质量的影响,实现了指纹图像的增强,提高了指纹图像的质量,从而提高了指纹识别的准确性和识别速度,满足更多的指纹识别的实际应用要求,拓宽了指纹识别的应用范围。
Description
技术领域
本发明涉及生物识别技术领域,特别是涉及一种指纹识别预处理的方法及装置。
背景技术
生物识别是指根据人所拥有的生理或行为特征来进行身份识别。生物识别依赖于人体的固有属性,不存在遗忘、丢失问题,且生物特征具有唯一性,因此生物识别在理论上可以实现很高的安全性。主要的生物识别技术有人脸识别、指纹识别、手型识别、虹膜识别、视网膜识别、声音识别、签名识别等等。相比较而言,指纹识别具有准确性高、速度快、采集指纹方便、对指纹特性的认识较充分、获得法律认可、容易被人们接受、市场份额较大等等优点,因此,指纹识别的研究和应用是当前生物识别领域的热点问题。作为自动身份识别的新方式,指纹识别显示出广阔的应用前景。
指纹识别的研究包括识别算法的研究和应用系统研究。识别算法的研究主要围绕两个目的:如何提高识别的准确性和识别的速度。应用系统研究的目的是构建经济实用、抗攻击性强、与各种应用无缝集成的指纹识别系统,如基于指纹的计算机登录系统、基于指纹的文件加密系统等等。指纹识别预处理是指纹识别过程中的一个重要环节,主要是通过指纹图像增强来提高指纹图像质量。
目前,尽管指纹识别预处理的研究和开发已取得重要进展,也获得了不少应用,但由于高频噪声等因素的影响,导致指纹图像质量较差,而指纹图像的质量对指纹识别准确性和识别速度方面的性能具有非常重要的影响,指纹图像质量较差使得指纹识别的实际应用受到很多限制。
发明内容
本发明所要解决的技术问题是提供一种指纹识别预处理的方法及装置,能够有效抑制高频噪声对指纹图像质量的影响,以满足指纹识别更多的实际应用要求。
为了解决上述问题,本发明公开了一种指纹识别预处理的方法,其特征在于,包括:
对采集到的指纹图像进行小波变换,得到低频图像;
对所述低频图像进行纹线方向估算,获取指纹图像方向图;
选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波。
优选的,进行方向滤波之后,还包括:
对滤波后的指纹图像进行水平方向和垂直方向的细化,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线。
优选的,水平方向的细化中,每一行水平扫描时,先判断每一点的左右邻居,如果都是黑点,则该点不做删除处理,如果某个黑点被删除了,则跳过它的右邻居,处理下一个点;
垂直方向的细化通过将水平方向的细化中行列对换实现。
优选的,进行细化之前还包括:
对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像。
优选的,进行小波变换时通过以下方式选择小波基:
选择高频图像含有较少信息量且具有紧致性的指纹图像作为小波变换的小波基。
优选的,通过以下方式进行指纹图像方向估算:
将小波变换后的低频图像分成多个无重叠方块;
计算方块中每个像素点(i,j)沿水平和垂直方向的梯度Gx(i,j)和Gy(i,j);
根据Gx(i,j)和Gy(i,j)计算每块中心像素点的方向,并作为该块方向。
优选的,对采集到的指纹图像进行小波变换之前,还包括:
对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上。
一种指纹识别预处理装置,其特征在于,包括:
小波变换单元,用于对采集到的指纹图像进行小波变换,得到低频图像;
纹线方向估算单元,用于对小波变换单元得到的低频图像进行纹线方向估算,获取指纹图像方向图;
方向滤波单元,用于选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波。
优选的,所述指纹识别预处理装置还包括:
细化单元,用于对滤波后的指纹图像进行水平方向和垂直方向的细化,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线;
其中,水平方向的细化中,每一行水平扫描时,先判断每一点的左右邻居,如果都是黑点,则该点不做处理,如果某个黑点被删除了,则跳过它的右邻居,处理下一个点;垂直方向的细化通过将水平方向的细化中行列对换实现。
优选的,所述指纹识别预处理装置还包括:
二值化单元,用于对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像;
归一化单元,用于在小波变换之前,对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上。
与现有技术相比,本发明具有以下优点:
首先,本发明所提供的一种指纹识别预处理的方法及装置,通过选择高频图像含有较少的信息量且具有紧致性的指纹图像作为小波基,对采集到的指纹图像进行小波变换,得到低频图像,由于低频图像和高频图像间的像素点是一一对应的,低频图像保留了原指纹图像的纹线方向和频率信息,对低频图像估计得到的各像素的方向可作为高频图像对应像素的纹线方向,因此本发明仅考虑低频图像的信息来估算指纹方向,有效抑制了高频噪声对指纹图像质量的影响,实现了指纹图像的增强,提高了指纹图像的质量,从而提高了指纹识别的准确性和识别速度,满足更多的指纹识别的实际应用要求,拓宽了指纹识别的应用范围。
同时,对指纹图像小波变换得到低频图像,所述低频图像的大小相对于原指纹图像变小,估计纹线方向时会大大降低计算量,从而提高了指纹识别的速度。
而且,由于低频图像很好地保留了原指纹图像的纹线方向和频率信息,仅对其低频图像做纹线方向估计削弱了指纹过干或过湿区域对方向估算的影响,提高了指纹图像的质量。
其次,本发明对增强后的指纹图像的进行二值化处理,得到二值图像,对二值图像采用查表法进行细化时,采用改进的细化处理,提取出位于中间的单像素宽度的指纹纹线,得到可靠准确的细化图像,提高了指纹识别的性能。
附图说明
图1是本发明实施例一所述一种指纹识别预处理的方法流程图;
图2是本发明实施例一所述小波变换前输入的指纹图像;
图3是本发明实施例一所述小波变换后得到的低频图像;
图4是本发明实施例一所述滤波器的模板示意图;
图5是本发明实施例一所述滤波处理前指纹图像;
图6是本发明实施例一所述滤波增强后指纹图像;
图7是本发明实施例一所述采集到的指纹图像;
图8是本发明实施例一所述归一化处理后的指纹图像;
图9是本发明实施例一所述细化模板图;
图10是本发明实施例一所述需要处理的像素点在不同的八邻域条件下的情况图;
图11是本发明实施例一所述细化处理后的指纹图像;
图12是本发明实施例一所述二值化处理前的指纹图像;
图13是本发明实施例一所述二值化处理后的指纹图像;
图14是本发明实施例二所述一种指纹识别预处理的装置结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一:
参照图1,是本实施例所述一种指纹识别预处理的方法流程图。
S101,指纹图像的小波变换;
小波变换是目前数学中一个迅速发展的新领网域,它同时具有理论深刻和应用十分广泛的双重意义。小波变换是通过物理的直观和信号处理的实际需要经验的建立了反演公式,是一个时间和频率的局网域变换,应用领网域十分广泛,在信号分析和图像预处理领域能够实现去噪声、压缩、传递、识别、去污等功效。
在进行小波变换时小波基的选择是非常重要的,一方面由于小波变换提供了多种不同时频特性的小波基,使得小波基的选择存在多样性;另一方面,实际工作中是以小波变换后的小波系数为基础,好的小波基使小波系数更集中,去噪声效果更好,本发明选择使高频图像含有较少的信息量且具有紧致性的指纹图像作为小波基对指纹图像进行小波变换,得到低频图像。由于低频图像和高频图像间的像素点是一一对应的,由低频图像估计得到的各像素的方向可作为高频图像对应像素的纹线方向,低频图像很好地保留了原指纹图像的纹线方向和频率信息,这样仅考虑低频图像的信息来估计纹线方向的算法,有效抑制了高频噪声对指纹图像质量的影响,实现了指纹图像的增强,提高了指纹图像的质量。
本实施例通过采用db7小波将指纹图像进行小波变换进行举例说明。若输入的指纹图像参照图2,大小为M×N,则小波变换后得到的低频图像参照图3,大小为(M/2)×(N/2),低频图像为指纹图像大小的四分之一。
本实施例仅作举例说明,低频图像的大小依实际小波变换的情况而变化。
S102,指纹图像方向估算;
方向滤波算法,依赖于纹线方向的准确估计。指纹图像在局部区域内几乎所有像素点的方向是一致的,且在小波变换后小波低频系数的分布与原指纹图像的像素分布基本相同,因此低频系数图像很好地保留了原指纹图像的纹线方向和频率信息,且抑制了高频扰动对纹线方向和频率信息的影响。指纹图像模糊的局部区域可看作是图像局部区域灰度的高频扰动,因而在小波域仅对其低频系数图做纹线方向估计将削弱指纹过干或过湿区域对方向估计的影响。本步骤通过对低频图像进行纹线方向进行估算,获取指纹图像方向图,采用的估算方法如下:
第一步,将小波变换后的低频图像分成w×w大小的无重叠方块,w为所分方块的边长,大小可根据计算中需要随意确定值。
第二步,计算方块中每个像素点(i,j)沿水平和垂直方向的梯度Gx(i,j)和Gy(i,j),其中(i,j)代表该像素点在方块中的坐标。
第三步,根据Gx(i,j)和Gy(i,j),按公式(1.1)~(1.3)计算每块中心像素点(i,j)的方向具体为:
S103,指纹图像方向滤波;
指纹图像的重要特点就是纹线的方向性,所以说方向滤波是最有效的滤波方法。本步骤依据不同的方向像素点选用设计好的方向滤波器模版,对指纹图像方向计算所获取的指纹图像方向图进行方向滤波。
所选方向滤波器模板的设计思想是使指纹纹线在切向平滑、在法向锐化,以消除指纹图中纹线的断裂和叉连。方向滤波的关键就是滤波器的选择,下面是设计滤波器时的一些注意事项:(本实验的模板系数)
1)在设计滤波器的模板时,模板尺寸的选择要合适。要求大小为一个或者一个半的纹线周期,并且为奇数,这样模板就可以通过中心点关于x轴y轴对称;在垂直于纹线方向上中央部分系数为负,两边系数为正;因此滤波器模板中所有系数的代数和应为零;
2)方向滤波器是由平均滤波器和分离滤波器组合而成的。平均滤波器的系数满足A<B<C<D<0,分离滤波器的系数应满足A+2B+2C+2D=0。一个基本的方向滤波器应该同时具备两种功能,它相当于平均滤波器加上分离滤波器,所以它的系数是平均滤波器和分离滤波器的系数之和;
3)水平滤波器的模板示意图参照图4,以n=7为例,其他方向的滤波器模板可以通过旋转得到。滤波器模板大小为n×n,n由指纹图像中脊线和谷线的宽度以及实验条件决定,边宽一般是3-10个像素;
4)由于指纹是具有方向性和谷脊交替性的特殊图像,所以要根据像素点方向不同而采用不同的方向滤波模板。
在选取滤波模板以后,对所获取的指纹图像方向图进行滤波,滤波处理前指纹图像参照图5,将整个图像分成w×w小块,根据上面计算得到的低频指纹方向图判断每一块的方向,采用相对应的滤波模板进行滤波,滤波增强后指纹图像参照图6,通过指纹图像方向滤波获取了指纹图像准确方向,实现指纹图像的增强,提高了指纹图像的质量。
优选的,本实施例在对采集到的指纹图像参照图7进行小波变换之前,对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上,归一化处理后的指纹图像参照图8。假设指纹图像G的大小为M×N,G(i,j)为像素点(i,j)的灰度,AVE和VAR分别为原指纹图像的均值和方差,G G(i,j)为规格化后的像素点(i,j)的灰度,AVE和VAR分别通过公式(1.4)和(1.5)计算得到。指纹图像的归一化公式如式(1.6)所示。
其中AVE0和VAR0为期望的灰度均值和方差,本实施例中取AVE0=200,VAR0=400。
通过对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上,增强了指纹图像的对比度,使指纹图像间具有好的一致性,为提高指纹图像质量。
优选的,由于指纹识别只对纹线的走向感兴趣,为了压缩数据和有利于特征提取,本发明对滤波增强后的指纹图像进行细化,细化是删除指纹图像边缘的像素,使纹线只具有一个像素的宽度,从而提取出指纹图像的“骨架”。
一个较好的细化算法应该达到如下要求:
(1)骨架图像必须保持原图像的连通性:
(2)骨架图像应尽可能是原图像的中心线;
(3)细化结果要尽可能细,争取得到一个像素宽的线条图像;
(4)应使用尽可能少的迭代次数。
细化中通常采用的是查表的并行处理算法。
对于任意形状的区域,细化实质上是腐蚀操作的变体,细化过程中要根据每个像素点的八个相邻点的情况来判断该点是否可以剔除或保留。下面给出几个例子来说明如何判断当前像素点是否该保留或删除。
参照图9给出了当前需要处理的像素点在不同的八邻域条件下的情况,可以看出:情况(a)不能删,因为它是个内部点,我们要求的是骨架,如果连内部点也删了,骨架也会被掏空的;情况(b)不能删,和(a)是同样的道理;情况(c)可以删,这样的点不是骨架;情况(d)不能删,因为删掉后,原来相连的部分断开了;情况(e)可以删,这样的点不是骨架;情况(f)不能删,因为它是直线的端点,如果这样的点删了,那么最后整个直线也被删了,剩不下什么;情况(g)不能删,因为孤立点的骨架就是它自身。
经过分析总结,可以提出如下判决准则:
(1)内部点不能删除;
(2)孤立点不能删除;
(3)直线端点不能删除;
(4)如果P是边界点,去掉P后,如果连通分量不增加,则P可以删除。
根据上述的准则,可以定义一张索引表,包含256个元素,对应于任何一点的8邻域的256种情况。每个元素赋予0或者1。1表示该点可删,0表示该点保留。参照图9,对图10中各点进行计算处理,
任意点N(i,j)的索引值k可由相邻的的8点加权求得:
k=N(i-1,j-1)+2N(i-1,j)+4N(i-1,j+1)+8N(i,j-1)
+16N(i,j+1)+32N(i+1,j-1)+64N(i+1,j)+128N(i+1,j+1) (17)
其中设白点为1.黑点为0。则k∈(0,255)。
上面的例子中(a)对应表中的第0项,该项应该为0;(b)对应37,该项应该为0;(c)对应173,该项应该为1;(d)对应231,该项应该为0;(e)对应237,该项应该为1;(f)对应254,该项应该为0;(g)对应255,该项应该为0。仔细考虑当前像素点的各种八邻域的情况,我们可以得到一个细化操作索引表,详见下表:
索引值 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | ... | 249 | 250 | 251 | 252 | 253 | 254 | 255 | 256 |
数值 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | ... | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 |
表一
为了避免分裂物体,细化的过程分为两个步骤,第一步是正常的腐蚀操作,但是它是有条件的,也就是说那些被标记的可除去的像素点并不立即消去;在第二步中,只将那些消除后并不破坏连通性的点消除,否则的话保留这些边界点。以上的步骤是在一个3*3邻域内运算,可以通过查表实现细化的操作。算法的实现步骤如下:
(1)按公式(1.8)参照图10邻域值计算用于查表的索引值:
S=P1×20+P2×21+P3×22+P4×23+P6×24
+P7×25+P8×26+P9×27 (1.8)
(P1~P9分别为0或1),则有256种索引与数值0到255一一对应;
(2)从上到下,从左到右,对二值图像进行扫描,对每一个黑点计算8邻域编码作为索引,查消除表看是否删除,如果该黑点被删除了,那么跳过它的右邻域,处理下一个点。
(3)如果本次循环有黑点被删除,则跳到(3),否则,终止循环,细化结束。
由于经过细化后,预期的结果是一条水平直线,且位于该黑色矩形的中心。实际的结果确实是一条水平直线,但不是位于黑色矩形的中心,而是最下面的一条边。经过研究分析发现细化不正常的原因为:在从上到下,从左到右的扫描过程中,遇到的第一个黑点就是黑色矩形的左上角点,经查表,该点可以删。下一个点是它右边的点,经查表,该点也可以删,如此下去,整个一行被删了。每一行都是同样的情况,所以都被删除了。到了最后一行时,黑色矩形已经变成了一条直线,最左边的黑点不能删,因为它是直线的端点,它右边的点也不能删,因为如果删除,直线就断了,如此下去,直到最右边的点,也不能删,因为它是直线的右端点。所以最下面的一条边保住了,但这并不是希望的结果。
针对这一缺陷,本发明采用改进的细化处理,即:在水平方向细化中每一行水平扫描时,先判断每一点的左右邻居,如果都是黑点,则该点不做删除处理,如果某个黑点被删除了,则跳过它的右邻居,处理下一个点;垂直方向的细化时,通过将水平方向细化中的行列对换来实现,在垂直方向细化中每一列垂直扫描时,先判断每一点的上下邻居,如果都是黑点,则该点不做删除处理,如果某个黑点被删除了,则跳过它的下邻居,处理下一个点,通过所述细化处理,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线,获得细化处理后的指纹图像参见图11。
优选的,本实施例进行细化之前对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像,二值化处理前图像参照图12。
灰度图二值化的基本思想是选取适当的灰度阈值,将灰度图像转化为二值图像,其中阈值的选择很关键,对于阈值的选择,有多种方法,如熵法,Ostu法等。根据是否将图像分块处理,又分全局阈值算法和局部阈值算法两种,全局阈值算法是将整幅图像以一个阈值处理,而局部阈值算法则把原图分成若干个子图,在每个子图中确定阈值,在进行二值化,由于指纹图像在不同区域的亮度和对比度是有差别的,因而全局阈值算法不适用,选用局部阈值法作为二值化算法。
具体算法为:
第一步,将图像分为W×w的方块,分块的大小会对二值化效果产生一定的影响,具体的大小选定将视程序调试情况而定。
第二步,根据公式(1.7),计算每一个子块内的平均灰度值:
G(i,j)为子块内像素点(i,j)的灰度值。
将方块中每个象素点的灰度值与平均灰度值进行比较,若大于平均灰度值,则将该象素点灰度值置为255,反之置0。
本实施例中选用的指纹采集设备为PIS2004光学指纹采集仪,图像尺寸大小为640×480。根据实际指纹采集仪的实际情况,选w为16,对于实际采集到的指纹图像,如果是脊线,则灰度值相对较小,不是脊线则灰度值相对较大。所以,在该块内若某一点的灰度值G(i,j)<平均灰度值AV,则取0,否则取1。对每一块都进行这样的处理,可得到二值化图像,参照图13。
本实施例所述的一种指纹识别预处理的方法,对指纹图像小波变换,得到保留了原指纹图像的纹线方向和频率信息的低频图像,对低频图像估计得到的各像素的方向可作为高频图像对应像素的纹线方向,有效抑制了高频噪声对指纹图像质量的影响,同时削弱了指纹过干或过湿区域对方向估算的影响,大大降低了估计纹线方向时计算量,提高了指纹图像的质量,提高了指纹识别的准确性和识别速度,并且对增强后的指纹图像进行细化时,采用改进的细化处理,提取出位于中间的单像素宽度的指纹纹线,得到可靠准确的细化图像,进一步提高了指纹识别的性能。
实施例二:
针对上述方法实施例,本发明还提供了相应的装置实施例。
参照图14,为本实施例所述一种指纹识别预处理装置的结构图,所述指纹识别预处理装置包括:
小波变换单元1401,用于对采集到的指纹图像进行小波变换,得到低频图像;
纹线方向估算单元1402,用于对小波变换单元得到的低频图像进行纹线方向估算,获取指纹图像方向图;
方向滤波单元1403,用于选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波。
优选的,所述指纹识别预处理装置包括还包括:
细化单元1404,用于对滤波后的指纹图像进行水平方向和垂直方向的细化,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线。
优选的,所述指纹识别预处理装置包括还包括:
二值化单元1405,用于对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像。
归一化单元1406,用于在小波变换之前,对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上。
本实施例所述指纹识别预处理装置中,小波变换单元1401对采集到的指纹图像进行小波变换,得到低频图像,纹线方向估算单元1402对小波变换单元得到的低频图像进行纹线方向估算,获取指纹图像方向图,有效抑制了高频噪声对指纹图像质量的影响,方向滤波单元1403选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波,细化单元1404对增强后的指纹图像进行细化时,采用改进的细化处理,提取出位于中间的单像素宽度的指纹纹线,得到可靠准确的细化图像,进一步提高了指纹识别的性能。
综上所述,本发明提供的一种指纹识别预处理方法及装置能够有效抑制了高频噪声对指纹图像质量的影响,提高指纹图像的质量的同时提取出可靠准确的指纹图像。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本发明所提供的一种指纹识别预处理方法及装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种指纹识别预处理的方法,其特征在于,包括:
对采集到的指纹图像进行小波变换,得到低频图像;
对所述低频图像进行纹线方向估算,获取指纹图像方向图;
选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波。
2.根据权利要求1所述的方法,其特征在于,进行方向滤波之后,还包括:
对滤波后的指纹图像进行水平方向和垂直方向的细化,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线。
3.根据权利要求2所述的方法,其特征在于:
水平方向的细化中,每一行水平扫描时,先判断每一点的左右邻居,如果都是黑点,则该点不做删除处理,如果某个黑点被删除了,则跳过它的右邻居,处理下一个点;
垂直方向的细化通过将水平方向的细化中行列对换实现。
4.根据权利要求2所述的方法,其特征在于,进行细化之前还包括:
对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像。
5.根据权利要求1所述的方法,其特征在于,进行小波变换时通过以下方式选择小波基:
选择高频图像含有较少信息量且具有紧致性的指纹图像作为小波变换的小波基。
6.根据权利要求1所述的方法,其特征在于,通过以下方式进行指纹图像方向估算:
将小波变换后的低频图像分成多个无重叠方块;
计算方块中每个像素点(i,j)沿水平和垂直方向的梯度Gx(i,j)和Gy(i,j);
根据Gx(i,j)和Gy(i,j)计算每块中心像素点的方向,并作为该块方向。
7.根据权利要求1所述的方法,其特征在于,对采集到的指纹图像进行小波变换之前,还包括:
对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上。
8.一种指纹识别预处理装置,其特征在于,包括:
小波变换单元,用于对采集到的指纹图像进行小波变换,得到低频图像;
纹线方向估算单元,用于对小波变换单元得到的低频图像进行纹线方向估算,获取指纹图像方向图;
方向滤波单元,用于选用方向滤波器模版对所获取的指纹图像方向图进行方向滤波。
9.根据权利要求8所述的装置,其特征在于,所述指纹识别预处理装置还包括:
细化单元,用于对滤波后的指纹图像进行水平方向和垂直方向的细化,提取出位于指纹图像纹线中间的单像素宽度的指纹纹线;
其中,水平方向的细化中,每一行水平扫描时,先判断每一点的左右邻居,如果都是黑点,则该点不做处理,如果某个黑点被删除了,则跳过它的右邻居,处理下一个点;垂直方向的细化通过将水平方向的细化中行列对换实现。
10.根据权利要求8所述的装置,其特征在于,所述指纹识别预处理装置还包括:
二值化单元,用于对滤波后的指纹图像进行二值化处理,将灰度图像转化为二值图像;
归一化单元,用于在小波变换之前,对指纹图像进行归一化处理,将指纹图像中不同的对比度和灰度调整到一个固定的级别上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100910595A CN101996321A (zh) | 2009-08-24 | 2009-08-24 | 一种指纹识别预处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100910595A CN101996321A (zh) | 2009-08-24 | 2009-08-24 | 一种指纹识别预处理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101996321A true CN101996321A (zh) | 2011-03-30 |
Family
ID=43786459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100910595A Pending CN101996321A (zh) | 2009-08-24 | 2009-08-24 | 一种指纹识别预处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101996321A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682432A (zh) * | 2012-05-11 | 2012-09-19 | 中国科学院半导体研究所 | 基于三高斯滤波的低质指纹灰度图像增强方法 |
CN104303209A (zh) * | 2012-05-18 | 2015-01-21 | 日本电气方案创新株式会社 | 指纹脊线图像合成系统、指纹脊线图像合成方法及其程序 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN105629746A (zh) * | 2015-07-30 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种基于用户信息识别的设备控制方法及移动终端 |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN106780637A (zh) * | 2016-12-07 | 2017-05-31 | 中国石油大学(华东) | 一种基于脉冲神经膜系统的快速并行图像细化算法 |
WO2018040878A1 (zh) * | 2016-08-31 | 2018-03-08 | 福建联迪商用设备有限公司 | 指纹图像数据的加密方法和装置 |
CN110728201A (zh) * | 2019-09-20 | 2020-01-24 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
CN113516035A (zh) * | 2021-05-06 | 2021-10-19 | 佛山市南海区广工大数控装备协同创新研究院 | 一种多接口融合的指纹图像前处理方法 |
CN115169406A (zh) * | 2022-07-15 | 2022-10-11 | 中国人民解放军国防科技大学 | 基于经验模态分解的瞬时相位指纹特征增强方法 |
-
2009
- 2009-08-24 CN CN2009100910595A patent/CN101996321A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682432A (zh) * | 2012-05-11 | 2012-09-19 | 中国科学院半导体研究所 | 基于三高斯滤波的低质指纹灰度图像增强方法 |
CN104303209A (zh) * | 2012-05-18 | 2015-01-21 | 日本电气方案创新株式会社 | 指纹脊线图像合成系统、指纹脊线图像合成方法及其程序 |
CN104303209B (zh) * | 2012-05-18 | 2017-05-17 | 日本电气方案创新株式会社 | 指纹脊线图像合成系统及指纹脊线图像合成方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN105629746A (zh) * | 2015-07-30 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种基于用户信息识别的设备控制方法及移动终端 |
CN106503609B (zh) * | 2015-09-08 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
WO2017041488A1 (zh) * | 2015-09-08 | 2017-03-16 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
US10558841B2 (en) | 2015-09-08 | 2020-02-11 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for recognizing fingerprint ridge point |
WO2018040878A1 (zh) * | 2016-08-31 | 2018-03-08 | 福建联迪商用设备有限公司 | 指纹图像数据的加密方法和装置 |
CN106780637A (zh) * | 2016-12-07 | 2017-05-31 | 中国石油大学(华东) | 一种基于脉冲神经膜系统的快速并行图像细化算法 |
CN106780637B (zh) * | 2016-12-07 | 2020-09-04 | 中国石油大学(华东) | 一种基于脉冲神经膜系统的快速并行图像细化方法 |
CN110728201A (zh) * | 2019-09-20 | 2020-01-24 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
CN110728201B (zh) * | 2019-09-20 | 2023-04-07 | 南京元初科技有限公司 | 用于指纹识别的图像处理方法及装置 |
CN113516035A (zh) * | 2021-05-06 | 2021-10-19 | 佛山市南海区广工大数控装备协同创新研究院 | 一种多接口融合的指纹图像前处理方法 |
CN115169406A (zh) * | 2022-07-15 | 2022-10-11 | 中国人民解放军国防科技大学 | 基于经验模态分解的瞬时相位指纹特征增强方法 |
CN115169406B (zh) * | 2022-07-15 | 2023-04-07 | 中国人民解放军国防科技大学 | 基于经验模态分解的瞬时相位指纹特征增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101996321A (zh) | 一种指纹识别预处理的方法及装置 | |
CN101847257B (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
Yu et al. | Image denoising using trivariate shrinkage filter in the wavelet domain and joint bilateral filter in the spatial domain | |
US7769206B2 (en) | Finger/palm print image processing system and finger/palm print image processing method | |
CN102930241B (zh) | 指纹图像的处理方法和处理装置 | |
CN108921800A (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
CN103778636B (zh) | 一种用于无参考图像质量评价的特征构建方法 | |
CN105608429B (zh) | 基于差分激励的鲁棒车道线检测方法 | |
CN101441766B (zh) | 基于多尺度几何分析的sar图像融合方法 | |
US20140050411A1 (en) | Apparatus and method for generating image feature data | |
CN102073992A (zh) | 一种高分辨率sar卫星图像相干斑去噪方法 | |
CN102682428A (zh) | 一种基于方向场的指纹图像计算机自动化修补方法 | |
CN104574327A (zh) | 一种乳腺图像处理方法和装置 | |
CN106203326A (zh) | 一种图像处理方法、装置及移动终端 | |
CN107590785A (zh) | 一种基于sobel算子的布里渊散射谱图像识别方法 | |
CN101976440B (zh) | 一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法 | |
CN103065299A (zh) | 超声图像边缘提取方法和装置 | |
CN100417191C (zh) | 一种图像组合降噪方法 | |
Bhargava et al. | An adaptive method for edge preserving denoising | |
CN105139410B (zh) | 使用空间截面投影的脑肿瘤mri图像分割方法 | |
CN101655973A (zh) | 一种基于人眼视觉特征的图像增强方法 | |
CN105469358B (zh) | 一种图像处理方法 | |
CN102254305B (zh) | 基于三字典块匹配的图像复原方法 | |
CN102279971A (zh) | 基于变分方法的中分辨率成像光谱仪条带噪声去除方法 | |
CN102360492A (zh) | 光电导航系统图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110330 |