CN102799881B - 基于二值图像编码模型的指纹方向信息获取方法 - Google Patents
基于二值图像编码模型的指纹方向信息获取方法 Download PDFInfo
- Publication number
- CN102799881B CN102799881B CN201210231135.XA CN201210231135A CN102799881B CN 102799881 B CN102799881 B CN 102799881B CN 201210231135 A CN201210231135 A CN 201210231135A CN 102799881 B CN102799881 B CN 102799881B
- Authority
- CN
- China
- Prior art keywords
- image
- fingerprint
- gradient
- pixel
- level
- 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 Input (AREA)
Abstract
基于二值图像编码模型的指纹方向信息获取方法。目前广泛应用于指纹图像识别领域的计算模型主要有:梯度模型、纵切投影模型和频率域模型,梯度模型计算量大、对噪声敏感等缺点限制了该技术的应用范围;纵切投影模型实际应用时必须小心选择基准方向个数才能取得精度与计算复杂度之间的平衡;频率域模型由于时间‑频率域转换计算复杂度相当高,使得这类模型无法得到广泛应用。本发明方法包括:指纹图像预处理,将经过初步预处理的图像二值化,根据二值化的结果获取像素级方向信息,在保证足够精度的前提下,将得到的连续变化的区域、子区域方向信息转换为等间隔离散方向数值。本产品用于获取指纹图像方向信息。
Description
技术领域:
本发明涉及指纹图像识别技术、指纹图像处理技术和指纹方向信息获取技术,具体涉及一种基于二值图像编码模型的指纹方向信息获取技术。
背景技术:
指纹,由于其具有终身不变性、唯一性和方便性,已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。这些纹线有规律的排列形成不同的纹型。指纹图像识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征信息获取和比对等模块。其中,指纹图像处理包括指纹区域检测、图像质量判断、方向信息和频率信息获取、指纹图像增强、二值化和细化等。由于获取的指纹方向信息既可作为指纹图像增强的依据,又可作为独立的指纹特征信息,因此,指纹方向信息获取技术成为现有指纹图像识别系统中相对独立、十分重要且应用非常广泛的技术。
指纹方向信息获取过程首先将指纹图像划分为若干互不重合的子区域,即大小相等且互不重合的正方形,大小一般为个像素点。其次,对每个正方形分别应用预先设定的计算模型,从而得到所有子区域分别对应的方向信息数值。目前,广泛应用于指纹图像识别领域的计算模型主要有:梯度模型、纵切投影模型和频率域模型,三者各具特点:
梯度模型将指纹图像视为三维曲面,计算曲面上每个像素点对应图像灰度的二维梯度值。对一个正方形子区域,其内部所有像素点的梯度平均值即为该区域指纹方向数值。梯度模型获得的方向数值连续,能够相对精确地表达指纹方向信息。但其计算量大、对噪声敏感等缺点限制了该技术的应用范围。
纵切投影模型预先定义固定数量的方向基准,以正方形区域中心的基准点为中心,沿着预先定义的方向进行纵切,通过计算每个纵切方向上的图像灰度变化强度,获得基准点对应方向数值。与梯度模型相比,纵切投影模型在基准方向较少时抗干扰能力较强,能够给出相对准确的大致方向数值。但该技术存在抗噪声能力随基准方向数量增加而减弱,且计算复杂度随基准方向数量增多而增大的问题,因此,实际应用时必须小心选择基准方向个数才能取得精度与计算复杂度之间的平衡。
频率域模型对每个正方形区域进行频率域转换,典型的转换方法包括傅立叶转换、短时加窗傅立叶转换和伽柏转换。根据滤波响应强度确定子区域对应指纹方向数值。相比前两种计算模型,频率域模型能够很好的克服噪声影响,得到更加精确的方向信息。但由于时间-频率域转换计算复杂度相当高,使得这类模型无法得到广泛应用。
发明内容:
本发明的目的是提供一种基于二值图像编码模型的指纹方向信息获取方法,既可解决指纹方向信息受噪声影响的问题,又可以降低计算复杂度,获得连续数值的指纹方向信息。
上述的目的通过以下的技术方案实现:
一种基于二值图像编码模型的指纹方向信息获取方法,该方法包括如下步骤:指纹图像预处理,将经过初步预处理的图像二值化,根据二值化的结果获取像素级方向信息,在保证足够精度的前提下,将得到的连续变化的区域、子区域方向信息转换为等间隔离散方向数值。
所述的基于二值图像编码模型的指纹方向信息获取方法,所述的指纹图像预处理包括对指纹灰度图像进行图像增强和指纹区域检测,以锐化指纹隆线轮廓,滤除高频噪声影响。
所述的基于二值图像编码模型的指纹方向信息获取方法,所述的图像二值化是根据指纹隆线宽度自适应的调整处理窗口大小,对指纹灰度图像进行二值化处理,在保证指纹隆线整体走势不变的前提下,滤除部分灰度图像噪声影响。
所述的基于二值图像编码模型的指纹方向信息获取方法,所述的获取像素级方向信息是提出二值图像模式编码,并据此建立图像与梯度方向之间的函数映射关系,采用能够直接寻址的哈希表查找方式快速计算像素级梯度方向,然后根据预先设定的图像分割方式,应用主成分分析思想,分别计算出每一个子区域对应的图像梯度。
有益效果:
1. 本发明方法在像素级梯度方向处理时,用二值图像代替灰度图像,降低了程序运行的数据物理存储空间。一张灰度图像所需要的存储空间是一张同样大小二值图像所需空间的8倍。
2. 本发明方法在像素级梯度方向处理时,通过建立二值图像模式与梯度方向之间的函数映射关系,使用哈希表直接寻址方式快速计算像素点梯度方向。纵切投影模型通常采用纵切面为8至16字节灰度图像,无法有效构建哈希表,梯度模型则需要在灰度图像上进行积分运算(或矩阵卷积运算)。以处理整张图片为例,本发明将整张指纹图片方向信息的计算时间由10-1秒数量级降低至10-3秒数量级。
3. 本发明方法由于二值图像模式只包含8个基准方向,类似于纵切投影模型,相比拥有连续向量空间的梯度模型,使用本发明方法提出的二值图像模式来计算像素级梯度方向可以有效降低噪声影响。根据内部指纹数据库实验结果,在传感器噪声方差小于10-2时,梯度模型的方向平均误差为3.1°,二值图像编码模型的方向平均误差为2.9°;而当传感器噪声增大到0.02时,梯度模型的方向平均误差增大为7.9°,而二值图像编码模型的方向平均误差仅为4.5°。
4. 本发明方法虽然像素级梯度只有8个基准方向,但是根据公式(6),在n≥5时,子区域的方向近似等效于梯度模型里所得到的梯度方向向量,即连续的二维整型向量。通过第(5)步,可以得到任意大整数的基准方向个数,远高于目前已有的纵切投影模型所能达到的最大基准方向个数8。因此由本发明方法计算所得的方向信息在平滑度和精度上都有明显提升。根据内部指纹数据库实验结果,在传感器噪声小于10-2时,基准方向为8的纵切模型的方向平均误差为6.3°,二值图像编码模型的方向平均误差仅为2.9°。
具体实施方式:
实施例1:
一种基于二值图像编码模型的指纹方向信息获取方法,该方法包括如下步骤:指纹图像预处理,将经过初步预处理的图像二值化,根据二值化的结果获取像素级方向信息,在保证足够精度的前提下,将得到的连续变化的区域、子区域方向信息转换为等间隔离散方向数值。
实施例2:
上述的基于二值图像编码模型的指纹方向信息获取方法中,所述的指纹图像预处理包括对指纹灰度图像进行图像增强和指纹区域检测,以锐化指纹隆线轮廓,滤除高频噪声影响。
所述的图像二值化是根据指纹隆线宽度自适应的调整处理窗口大小,对指纹灰度图像进行二值化处理,在保证指纹隆线整体走势不变的前提下,滤除部分灰度图像噪声影响,具体做法可以包括:
根据图像成像传感器的精度(单位为像素每英寸),选择合适的子区域大小,依照公式如下:
(1)
其中函数为取整函数,将图像分割成若干大小相等且互不重合的子区域。对中像素点,其对应的二值化结果为:
(2)
其中:
(3)
实施例3:
上述的基于二值图像编码模型的指纹方向信息获取方法,所述的获取像素级方向信息是提出二值图像模式编码,并据此建立图像与梯度方向之间的函数映射关系,采用能够直接寻址的哈希表查找方式快速计算像素级梯度方向,然后根据预先设定的图像分割方式,应用主成分分析思想,分别计算出每一个子区域对应的图像梯度。
所述的二值图像模式与像素级梯度方向的函数映射具体做法可以包括:
对二值图像中任意像素点,取三个相邻像素,,,可以得到一个4位二值编码。不同编码对应不同梯度方向,一共有16个不同编码,共对应于8个梯度方向和无方向,由此可构建直接寻址哈希表:
0000 | 0 | [0,0] |
0001 | 1 | [1,-1] |
0010 | 2 | [-1,-1] |
0011 | 3 | [0,-1] |
0100 | 4 | [1,1] |
0101 | 5 | [1,0] |
0110 | 6 | [0,0] |
0111 | 7 | [1,-1] |
1000 | 8 | [-1,1] |
1001 | 9 | [0,0] |
1010 | 10 | [-1,0] |
1011 | 11 | [-1,-1] |
1100 | 12 | [0,1] |
1101 | 13 | [1,1] |
1110 | 14 | [-1,1] |
1111 | 15 | [0,0] |
实施例4:
上述的基于二值图像编码模型的指纹方向信息获取方法,所述的获取像素级方向信息是提出二值图像模式编码,并据此建立图像与梯度方向之间的函数映射关系,采用能够直接寻址的哈希表查找方式快速计算像素级梯度方向,然后根据预先设定的图像分割方式,应用主成分分析思想,分别计算出每一个子区域对应的图像梯度。
所述的基于二值图像编码模型的指纹方向信息获取方法中,子区域方向信息的处理方法可以包括:
对于子区域,已知其所有像素点的梯度方向向量为:
(4)
计算该子区域梯度方向向量为向量矩阵的自相关矩阵,得到:
(5)
再计算该矩阵的两个特征向量。其中特征值较小的特征向量为最终梯度方向,其形式为:
(6)
其中:
(7)
由此可算出所有子区域方向,即指纹图像的梯度方向向量场。
实施例4:
所述的基于二值图像编码模型的指纹方向信息获取方法,梯度方向向量场离散化:
由步骤(4)所得出的梯度方向向量场,每一个元素是一个二维整型向量,需要至少4个字节存储。另外,对子区域,由于图像离散化的原因,所能表示的方向精度有限。因此用连续二维整型向量来表示方向数值会造成极大的数据空间冗余。实际上,只采用个等间隔离散方向就足以表示方向向量场并保留足够精度,这样,一个字节可存储2个方向元素,存储空间缩小了8倍。这些离散方向可定义为:
(8)
定义这些离散方向所对应的方向向量为:
(9)
对于一个二维整型梯度向量,用下列公式可得到其对应的离散方向:
(10)
其中为向量的内积。
Claims (1)
1.一种基于二值图像编码模型的指纹方向信息获取方法,其特征是:该方法包括如下步骤:指纹图像预处理,将经过初步预处理的图像二值化,根据二值图像模式编码获取像素级方向信息,在保证足够精度的前提下,将得到的连续变化的子区域方向信息转换为等间隔离散方向数值;
所述的指纹图像预处理包括对指纹灰度图像进行图像增强和指纹区域检测,以锐化指纹隆线轮廓,滤除高频噪声影响;
所述的图像二值化是根据指纹隆线宽度自适应的调整处理窗口大小,对指纹灰度图像进行二值化处理,在保证指纹隆线整体走势不变的前提下,滤除部分灰度图像噪声影响;
所述的获取像素级方向信息是提出二值图像模式编码,并据此建立图像与梯度方向之间的函数映射关系,采用能够直接寻址的哈希表查找方式快速计算像素级梯度方向;
图像灰度模式二值化:根据图像成像传感器的精度,选择合适的子区域大小,依照公式如下:
(1)
其中函数为取整函数,将图像分割成若干大小相等且互不重合的子区域,对中像素点,其对应的二值化结果为:
(2)
其中:
(3)
二值图像模式与像素级梯度方向的函数映射:对二值图像中任意像素点,取三个相邻像素,,,得到一个4位二值编码,不同编码对应不同梯度方向,一共有16个不同编码,共对应于8个梯度方向和无方向,直接寻址哈希表;
对于子区域,已知所有像素点的梯度方向向量为:
(4)
计算该子区域梯度方向向量为向量矩阵的自相关矩阵,得到:
(5)
再计算该矩阵的两个特征向量,其中特征值较小的特征向量为最终梯度方向,其形式为:
(6)
其中:
(7)
算出所有子区域方向,即指纹图像的梯度方向向量场;
梯度方向向量场离散化:所得出的梯度方向向量场,每一个元素是一个二维整型向量,需要至少4个字节存储,只采用个等间隔离散方向,这些离散方向定义为:
(8)
定义这些离散方向所对应的方向向量为:
(9)
对于一个二维整型梯度向量,用下列公式可得到其对应的离散方向:
(10)
其中为向量的内积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210231135.XA CN102799881B (zh) | 2012-07-05 | 2012-07-05 | 基于二值图像编码模型的指纹方向信息获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210231135.XA CN102799881B (zh) | 2012-07-05 | 2012-07-05 | 基于二值图像编码模型的指纹方向信息获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102799881A CN102799881A (zh) | 2012-11-28 |
CN102799881B true CN102799881B (zh) | 2017-10-13 |
Family
ID=47198980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210231135.XA Expired - Fee Related CN102799881B (zh) | 2012-07-05 | 2012-07-05 | 基于二值图像编码模型的指纹方向信息获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102799881B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473546B (zh) * | 2013-09-10 | 2016-11-23 | 电子科技大学 | 一种基于结构张量的指纹方向场获取方法 |
CN104732217B (zh) * | 2015-03-27 | 2018-04-06 | 电子科技大学 | 一种自适应模板大小指纹方向场计算方法 |
US9530042B1 (en) | 2016-06-13 | 2016-12-27 | King Saud University | Method for fingerprint classification |
CN107506742A (zh) * | 2017-09-05 | 2017-12-22 | 哈尔滨理工大学 | 基于条纹模式的指纹方向特征获取方法 |
CN110457503B (zh) * | 2019-07-31 | 2022-03-25 | 北京大学 | 一种快速优化深度哈希图像编码方法及目标图像检索方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7619156B2 (en) * | 2005-10-15 | 2009-11-17 | Lippold Haken | Position correction for an electronic musical instrument |
-
2012
- 2012-07-05 CN CN201210231135.XA patent/CN102799881B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1421815A (zh) * | 2001-11-29 | 2003-06-04 | 田捷 | 基于知识的指纹图像增强方法 |
CN101777128A (zh) * | 2009-11-25 | 2010-07-14 | 中国科学院自动化研究所 | 一种融入全局信息的指纹细节点匹配方法及系统 |
Non-Patent Citations (1)
Title |
---|
指纹识别技术研究;姚凯;《中国优秀硕士学位论文全文数据库 (电子期刊) 信息科技辑》;20060115(第01期);论文第2章 * |
Also Published As
Publication number | Publication date |
---|---|
CN102799881A (zh) | 2012-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799881B (zh) | 基于二值图像编码模型的指纹方向信息获取方法 | |
CN109461181B (zh) | 基于散斑结构光的深度图像获取方法及系统 | |
CN110428433B (zh) | 一种基于局部阈值的Canny边缘检测算法 | |
KR100825773B1 (ko) | 방향 추정 방법 및 장치 | |
CN107578430B (zh) | 一种基于自适应权值和局部熵的立体匹配方法 | |
CN104298995B (zh) | 基于三维点云的三维人脸识别装置及方法 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111783583B (zh) | 基于非局部均值算法的sar图像相干斑抑制方法 | |
CN110163825B (zh) | 一种人类胚胎心脏超声图像去噪和增强方法 | |
CN115797872B (zh) | 基于机器视觉的包装缺陷识别方法、系统、设备及介质 | |
CN110021029B (zh) | 一种适用于rgbd-slam的实时动态配准方法及存储介质 | |
CN110472521B (zh) | 一种瞳孔定位校准方法及系统 | |
CN104346609B (zh) | 一种识别印刷品上字符的方法及装置 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN114693682B (zh) | 一种基于图像处理的脊椎特征识别方法 | |
CN114463425B (zh) | 一种基于概率Hough直线检测的工件表面无特征点定位方法 | |
CN117764982B (zh) | 基于三维点云技术的冲压模架磨损检测方法 | |
CN109300154A (zh) | 一种基于双目立体的测距方法及装置 | |
CN109658357A (zh) | 一种面向遥感卫星图像的去噪方法 | |
CN111340040A (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 | |
CN113658153B (zh) | 一种轮廓数据特征点检测方法及装置 | |
CN112037233B (zh) | 基于大津法与k均值聚类算法联合优化的图像二值化方法 | |
CN102819741B (zh) | 基于隆线剖面微分的指纹方向信息获取方法 | |
CN113505811A (zh) | 一种轮毂生产用机器视觉成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20171013 Termination date: 20180705 |