CN104268522A - 指纹细节点集合的向量化描述方法及系统 - Google Patents
指纹细节点集合的向量化描述方法及系统 Download PDFInfo
- Publication number
- CN104268522A CN104268522A CN201410490632.0A CN201410490632A CN104268522A CN 104268522 A CN104268522 A CN 104268522A CN 201410490632 A CN201410490632 A CN 201410490632A CN 104268522 A CN104268522 A CN 104268522A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- sampled point
- fingerprint minutiae
- description vectors
- minutiae
- 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.)
- Granted
Links
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出一种指纹细节点集合的向量化描述方法,包括以下步骤:从原始指纹图像中选取参考点;根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合;对预定坐标系下预定邻域内的矫正图像进行采样,以获取多个采样点;对每个采样点利用预定长度的描述向量表示;将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的方法,具有高区分度的、运算效率高、鲁棒性强的优点。本发明还提出一种指纹细节点集合的向量化描述系统。
Description
技术领域
本发明涉及指纹识别技术领域,尤其涉及一种指纹细节点集合的向量化描述方法及系统。
背景技术
近年来随着智能手机的普及,指纹识别系统的应用范围进一步加大。在指纹识别系统中如何同时兼顾快速、准确和安全成为了关注的重点。指纹的向量化描述方法是实现这一目标过程中的重要环节之一。现有的指纹向量化描述方法主要有以下几类:指纹一级特征在滤波器组下的响应、指纹细节点集合的傅里叶变换、指纹细节点局部描述子的量化表示、指纹细节点三元组的统计规律等。
上述方法中只有第一类使用了参考点进行平移旋转的补偿,但由于描述时也仅使用指纹图像的一级特征,因此对指纹的区分能力不强。后三类方法都试图绕过旋转平移的补偿,直接建立旋转,平移不变的描述向量。但这种不变性以损失全局位置约束为代价,降低了算法对于不同指纹的区分能力。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的第一个目的在于提出一种具有高区分度的、运算效率高、鲁棒性强的指纹细节点集合的向量化描述方法。
本发明的第二个目的在于提出一种指纹细节点集合的向量化描述系统。
本发明第一方面的实施例提出了一种指纹细节点集合的向量化描述方法,包括以下步骤:从原始指纹图像中提取指纹一级特征,并从所述指纹一级特征中选取参考点,所述指纹一级特征包括方向场和周期图;根据所述参考点将所述原始指纹图像转化到预定坐标系下的矫正图像;从所述预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据所述多个指纹细节点得到指纹细节点集合,其中,所述指纹细节点包括端点和分叉点;对所述预定坐标系中预定邻域内的矫正图像进行采样,以获取多个采样点;对每个所述采样点利用预定长度的描述向量表示,其中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述细节点的影响值累加获得;将所述多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。
根据本发明实施例的指纹细节点集合的向量化描述方法,从原始指纹图像中选取参考点;根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合;对预定坐标系下预定邻域内的矫正图像进行采样,以获取多个采样点;对每个采样点利用预定长度的描述向量表示;将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的方法,具有高区分度的、运算效率高、鲁棒性强的优点。
在一些示例中,所述描述向量的长度与所述采样点的数目成正比。
在一些示例中,所述指纹细节点的影响值vm通过以下公式获得:vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|,其中,x为所述采样点的x方向平移参数,y为所述采样点的y方向平移参数,θ为所述采样点的旋转参数,xm为所述预定邻域内的所述指纹细节点m的参数x方向平移参数,ym为所述预定邻域内的所述指纹细节点m的参数y方向平移参数,θm为所述预定邻域内的所述指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
在一些示例中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加的公式表示为:其中,Vmin为所述描述向量的元素值的最大取值,Vmax为所述描述向量的元素值的最小取值。
本发明第二方面的实施例中提出一种指纹细节点集合的向量化描述系统,包括:
指纹矫正模块,用于从原始指纹图像提取指纹一级特征,并从所述指纹一级特征中选取参考点,并根据所述参考点将所述原始指纹图像转化到预定坐标系下的矫正图像,所述指纹一级特征包括方向场和周期图;特征提取模块,用于提取所述矫正图像的多个指纹细节点,并根据所述多个指纹细节点得到指纹细节点集合,其中,所述指纹细节点包括端点和分叉点;采样模块,用于在预定坐标系下的预定邻域内对所述矫正图像进行采样,以获取多个采样点;指纹描述模块,用于对所述每个所述采样点利用预定长度的描述向量表示,将所述多个采样点的描述向量按照预定的次序组合以获取所述指纹细节点集合的向量化描述,其中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述细节点的影响值累加获得。
根据本发明实施例的指纹细节点集合的向量化描述系统,矫正模块从原始指纹图像中选取参考点并根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;特征提取模块从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合;采样模块对预定坐标系下预定邻域内的矫正图像进行采样,以获取多个采样点;指纹描述模块对每个采样点利用预定长度的描述向量表示,最终将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的系统,具有高区分度的、运算效率高、鲁棒性强的优点。
在一些示例中,所述描述向量的长度与所述采样点的数目成正比。
在一些示例中,所述指纹细节点的影响值vm定义为:vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|,其中,x为所述采样点的x方向平移参数,y为所述采样点的y方向平移参数,θ为所述采样点的旋转参数,xm为所述预定邻域内的所述指纹细节点m的参数x方向平移参数,ym为所述预定邻域内的所述指纹细节点m的参数y方向平移参数,θm为所述预定邻域内的所述指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
在一些示例中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加的公式表示为:其中,Vmin为所述描述向量的元素值的最大取值,Vmax为所述描述向量的元素值的最小取值。
附图说明
图1是根据本发明一个实施例的指纹细节点集合的向量化描述方法的流程图;和
图2是根据本发明一个实施例的指纹细节点集合的向量化描述系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
参照图1,本发明第一方面的实施例中提出一种指纹细节点集合的向量化描述方法,包括以下步骤:从原始指纹图像中提取指纹一级特征,并从指纹一级特征中选取参考点,指纹一级特征包括方向场和周期图;根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合,其中,指纹细节点包括端点和分叉点;对预定坐标系中预定邻域内的矫正图像进行采样,以获取多个采样点;对每个采样点利用预定长度的描述向量表示,其中,描述向量的元素值由采样点在预定邻域内的指纹细节点的影响值累加获得;将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。具体实现过程描述如下:
步骤S101,从原始指纹图像中提取指纹一级特征,并从指纹一级特征中选取参考点,指纹一级特征包括方向场和周期图。
步骤S102,根据参考点将原始指纹图像转化到预定坐标系下的矫正图像。
具体地,使用基于指纹一级特征提取的参考点,参考点包括但不限于奇异点,高曲率点以及焦点。根据参考点R的平移参数x,y和角度参数θ,就可以将原始指纹图像I0转换到预定坐标系下的矫正图像IR。可行的转换方法有很多种,在本发明的一个实施例中,规定转换后的坐标系以原始坐标系中的(x,y)为原点,以角度θ作为y轴的正方向。但应当注意的是,其他的转换方法并没有本质区别,只是表达形式上略有不同。另外,参考点可以不止一个。当参考点多于一个时,对于每个参考点可以建立不同的矫正方式,并建立相对应的多个描述。
这样,利用指纹一级特征(方向场,周期图)补偿不同原始指纹图像间的旋转、平移变化,使相同图像坐标系下相同坐标的点具有近似的物理意义。
步骤S103,从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合。
具体地,在本发明的一个实施例中,基于矫正图像IR,在原点(x,y)附近的一定邻域内提取多个指纹细节点。这些指纹细节点包括端点和分叉点。另外,利用指纹细节点的位置,方向信息描述矫正图像。
步骤S104,对预定坐标系中预定邻域内的矫正图像进行采样,以获取多个采样点。
具体地,在本发明的一个实施例中,在由x,y,θ三个参数组成的三维空间进行一定邻域内采样。可采用的采样方式很多,主要可以分为规则采样和非规则采样。例如,在本发明的一个实施例中,可以在三维空间每个维度都在一定范围内进行等间隔采样,这样采样点就构成了一个立方体,属于规则采样。当然,规则的采样方法远不止上述例子中的一种,也可以适用于其他规则采样方法。另外考虑到每个采样点的重要性可能不同,甚至有些采样点的信息可能甚至会带来干扰,采样方法不应仅限于规则采样,也可以基于统计规律来确定一组非规则的采样点。例如,在本发明的一个实施例中,可以先进行规则采样,然后利用这些采样点在一定量的训练数据上对于不同指纹图像的区分性筛选出一部分采样点,这样获取的采样点就属于非规则的采样点。
步骤S105,对每个采样点利用预定长度的描述向量表示,其中,描述向量的元素值由采样点在预定邻域内的指纹细节点的影响值累加获得。
具体地,在本发明的一个实施例中,获取采样点后,需要给每一个采样点指定一个固定长度的描述向量来表征。描述向量的长度与采样点的数目成正比。在预定坐标下预定邻域内采样点与矫正图像中的指纹细节点之间的关系。假设每个采样点的描述向量长度为d,采样点的数目为k,则生成的采样点的描述向量D的维度就是k·d。每个采样点的d维描述向量内的每一元素值由当前采样点的位置和角度(x,y,θ)以及所有采样点预定邻域内的指纹细节点集合M内所有指纹细节点共同决定。在本发明的一个实施例中,描述向量内的元素值由每一个指纹细节点的影响累加构成,并且可以使用截断处理以增加描述向量的鲁棒性。
每一个指纹细节点m的影响由指纹细节点参数(xm,ym,θm)以及采样点参数(x,y,θ)的相对位置构成。例如,每一个细节点的影响值vm可以根据下式计算:
vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|
其中,x为采样点的x方向平移参数,y为采样点的y方向平移参数,θ为采样点的旋转参数,xm为预定邻域内的指纹细节点m的参数x方向平移参数,ym为预定邻域内的指纹细节点m的参数y方向平移参数,θm为预定邻域内的指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
进一步地,采样点的描述向量的元素值可以表示为这些影响的累加:
其中,Vmin为描述向量的元素值的最大取值,Vmax为描述向量的元素值的最小取值。
需要注意,本发明实施例的适用的vm为但不限于上述的一种,只要该vm的取值仅和采样点参数(x,y,θ)以及指纹细节点参数(xm,ym,θm)相关即可。
步骤S106,将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。
例如,假设d=1,则将所有采样点的V串联起来就构成了采样点的最终的描述向量。由于上述的在预定坐标下预定邻域内采样点与矫正图像中的指纹细节点之间的关系,得到采样点的最终的描述向量即可获得指纹细节点集合的向量化描述。例如,若预定邻域内细节点m与采样点的位置距离和角度差异都小于预定阈值,vm取1而其他情况下vm取0,则串联后的向量表示了各采样点附近的指纹细节点数量,这类信息可以用于区分不同指纹。
根据本发明实施例的指纹细节点集合的向量化描述方法,从原始指纹图像中选取参考点;根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合;对预定坐标系下预定邻域内的矫正图像进行采样,以获取多个采样点;对每个采样点利用预定长度的描述向量表示;将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的方法,具有高区分度的、运算效率高、鲁棒性强的优点。
本发明第二方面的实施例中提出一种指纹细节点集合的向量化描述系统100,如图2所示,包括:矫正模块10、特征提取模块20、采样模块30和指纹描述模块40。
矫正模块10用于从原始指纹图像提取指纹一级特征,并从指纹一级特征中选取参考点,并根据参考点将原始指纹图像转化到预定坐标系下的矫正图像,指纹一级特征包括方向场和周期图。特征提取模块20用于提取矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合,其中,指纹细节点包括端点和分叉点。采样模块30用于在预定坐标系下的预定邻域内对矫正图像进行采样,以获取多个采样点。指纹描述模块40用于对每个采样点利用预定长度的描述向量表示,将多个采样点的描述向量按照预定的次序组合以获取所述指纹细节点集合的向量化描述,其中,描述向量的元素值由采样点在预定邻域内的细节点的影响值累加获得。
矫正模块10用于从原始指纹图像提取指纹一级特征,并从指纹一级特征中选取参考点,并根据参考点将原始指纹图像转化到预定坐标系下的矫正图像,指纹一级特征包括方向场和周期图。
具体地,使用基于指纹一级特征提取的参考点,参考点包括但不限于奇异点,高曲率点以及焦点。根据参考点R的平移参数x,y和角度参数θ,就可以将原始指纹图像I0转换到预定坐标系下的矫正图像IR。可行的转换方法有很多种,在本发明的一个实施例中,规定转换后的坐标系以原始坐标系中的(x,y)为原点,以角度θ作为y轴的正方向。但应当注意的是,其他的转换方法并没有本质区别,只是表达形式上略有不同。另外,参考点可以不止一个。当参考点多于一个时,对于每个参考点可以建立不同的矫正方式,并建立相对应的多个描述。
这样,利用指纹一级特征(方向场,周期图)补偿不同原始指纹图像间的旋转、平移变化,使相同图像坐标系下相同坐标的点具有近似的物理意义。
特征提取模块20用于从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合。
具体地,在本发明的一个实施例中,基于矫正图像IR,在原点(x,y)附近的一定邻域内提取多个指纹细节点。这些指纹细节点包括端点和分叉点。另外,利用指纹细节点的位置,方向信息描述矫正图像。
采样模块30用于在预定坐标系下的预定邻域内对矫正图像进行采样,以获取多个采样点。
具体地,在本发明的一个实施例中,在由x,y,θ三个参数组成的三维空间进行一定邻域内采样。可采用的采样方式很多,主要可以分为规则采样和非规则采样。例如,在本发明的一个实施例中,可以在三维空间每个维度都在一定范围内进行等间隔采样,这样采样点就构成了一个立方体,属于规则采样。当然,规则的采样方法远不止上述例子中的一种,也可以适用于其他规则采样方法。另外考虑到每个采样点的重要性可能不同,甚至有些采样点的信息可能甚至会带来干扰,采样方法不应仅限于规则采样,也可以基于统计规律来确定一组非规则的采样点。例如,在本发明的一个实施例中,可以先进行规则采样,然后利用这些采样点在一定量的训练数据上对于不同指纹图像的区分性筛选出一部分采样点,这样获取的采样点就属于非规则的采样点。
指纹描述模块40用于对每个采样点利用预定长度的描述向量表示,将多个采样点的描述向量按照预定的次序组合以获取所述指纹细节点集合的向量化描述。
具体地,在本发明的一个实施例中,获取采样点后,需要给每一个采样点指定一个固定长度的描述向量来表征。描述向量的长度与采样点的数目成正比。在预定坐标下预定邻域内采样点与矫正图像中的指纹细节点之间的关系。假设每个采样点的描述向量长度为d,采样点的数目为k,则生成的采样点的描述向量D的维度就是k·d。每个采样点的d维描述向量内的每一元素值由当前采样点的位置和角度(x,y,θ)以及所有采样点预定邻域内的指纹细节点集合M内所有指纹细节点共同决定。在本发明的一个实施例中,描述向量内的元素值由每一个指纹细节点的影响累加构成,并且可以使用截断处理以增加描述向量的鲁棒性。
每一个指纹细节点m的影响由指纹细节点参数(xm,ym,θm)以及采样点参数(x,y,θ)的相对位置构成。例如,每一个细节点的影响值vm可以根据下式计算:
vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|
其中,x为采样点的x方向平移参数,y为采样点的y方向平移参数,θ为采样点的旋转参数,xm为预定邻域内的指纹细节点m的参数x方向平移参数,ym为预定邻域内的指纹细节点m的参数y方向平移参数,θm为预定邻域内的指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
进一步地,采样点的描述向量的元素值可以表示为这些影响的累加:
其中,Vmin为描述向量的元素值的最大取值,Vmax为描述向量的元素值的最小取值。
需要注意,本发明实施例的适用的vm为但不限于上述的一种,只要该vm的取值仅和采样点参数(x,y,θ)以及指纹细节点参数(xm,ym,θm)相关即可。
进一步地,将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。
例如,假设d=1,则将所有采样点的V串联起来就构成了采样点的最终的描述向量。由于上述的在预定坐标下预定邻域内采样点与矫正图像中的指纹细节点之间的关系,得到采样点的最终的描述向量即可获得指纹细节点集合的向量化描述。例如,若预定邻域内细节点m与采样点的位置距离和角度差异都小于预定阈值,vm取1而其他情况下vm取0,则串联后的向量表示了各采样点附近的指纹细节点数量,这类信息可以用于区分不同指纹。
根据本发明实施例的指纹细节点集合的向量化描述系统,矫正模块从原始指纹图像中选取参考点并根据参考点将原始指纹图像转化到预定坐标系下的矫正图像;特征提取模块从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据多个指纹细节点得到指纹细节点集合;采样模块对预定坐标系下预定邻域内的矫正图像进行采样,以获取多个采样点;指纹描述模块对每个采样点利用预定长度的描述向量表示,最终将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的系统,具有高区分度的、运算效率高、鲁棒性强的优点。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种指纹细节点集合的向量化描述方法,其特征在于,包括以下步骤:
从原始指纹图像中提取指纹一级特征,并从所述指纹一级特征中选取参考点,所述指纹一级特征包括方向场和周期图;
根据所述参考点将所述原始指纹图像转化到预定坐标系下的矫正图像;
从所述预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点,并根据所述多个指纹细节点得到指纹细节点集合,其中,所述指纹细节点包括端点和分叉点;
对所述预定坐标系中预定邻域内的矫正图像进行采样,以获取多个采样点;
对每个所述采样点利用预定长度的描述向量表示,其中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加获得;以及
将所述多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。
2.如权利要求1所述的方法,其特征在于,所述描述向量的长度与所述采样点的数目成正比。
3.如权利要求1所述的方法,其特征在于,所述指纹细节点的影响值vm通过以下公式获得:
vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|,
其中,x为所述采样点的x方向平移参数,y为所述采样点的y方向平移参数,θ为所述采样点的旋转参数,xm为所述预定邻域内的所述指纹细节点m的参数x方向平移参数,ym为所述预定邻域内的所述指纹细节点m的参数y方向平移参数,θm为所述预定邻域内的所述指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
4.如权利要求1或3任意一项所述的方法,其特征在于,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加的公式表示为:
其中,Vmin为所述描述向量的元素值的最大取值,Vmax为所述描述向量的元素值的最小取值。
5.一种指纹细节点集合的向量化描述系统,其特征在于,包括:
矫正模块,用于从原始指纹图像提取指纹一级特征,并从所述指纹一级特征中选取参考点,并根据所述参考点将所述原始指纹图像转化到预定坐标系下的矫正图像,所述指纹一级特征包括方向场和周期图;
特征提取模块,用于提取所述矫正图像的多个指纹细节点,并根据所述多个指纹细节点得到指纹细节点集合,其中,所述指纹细节点包括端点和分叉点;
采样模块,用于在预定坐标系下的预定邻域内对所述矫正图像进行采样,以获取多个采样点;以及
指纹描述模块,用于对所述每个所述采样点利用预定长度的描述向量表示,将所述多个采样点的描述向量按照预定的次序组合以获取所述指纹细节点集合的向量化描述,其中,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加获得。
6.如权利要求5所述的系统,其特征在于,所述描述向量的长度与所述采样点的数目成正比。
7.如权利要求5所述的系统,其特征在于,所述指纹细节点的影响值vm通过以下公式获得:
vm=wx·|xm-x|+wy·|ym-y|+wθ·|θm-θ|,
其中,x为所述采样点的x方向平移参数,y为所述采样点的y方向平移参数,θ为所述采样点的旋转参数,xm为所述预定邻域内的所述指纹细节点m的参数x方向平移参数,ym为所述预定邻域内的所述指纹细节点m的参数y方向平移参数,θm为所述预定邻域内的所述指纹细节点m的旋转参数,m∈(1,2,...,n),wx为x方向的权重系数,wy为y方向的权重系数,wθ为θ方向的权重系数。
8.如权利要求5或7任意一项所述的系统,其特征在于,所述描述向量的元素值由所述采样点在所述预定邻域内的所述指纹细节点的影响值累加的公式表示为:
其中,Vmin为所述描述向量的元素值的最大取值,Vmax为所述描述向量的元素值的最小取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490632.0A CN104268522B (zh) | 2014-09-23 | 2014-09-23 | 指纹细节点集合的向量化描述方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490632.0A CN104268522B (zh) | 2014-09-23 | 2014-09-23 | 指纹细节点集合的向量化描述方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104268522A true CN104268522A (zh) | 2015-01-07 |
CN104268522B CN104268522B (zh) | 2018-08-03 |
Family
ID=52160042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410490632.0A Expired - Fee Related CN104268522B (zh) | 2014-09-23 | 2014-09-23 | 指纹细节点集合的向量化描述方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268522B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6049621A (en) * | 1997-08-22 | 2000-04-11 | International Business Machines Corporation | Determining a point correspondence between two points in two respective (fingerprint) images |
US20070297653A1 (en) * | 2006-06-22 | 2007-12-27 | Rudolf Maarten Bolle | Fingerprint representation using localized texture features |
CN103824060A (zh) * | 2014-02-28 | 2014-05-28 | 清华大学 | 指纹细节点的提取方法 |
-
2014
- 2014-09-23 CN CN201410490632.0A patent/CN104268522B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6049621A (en) * | 1997-08-22 | 2000-04-11 | International Business Machines Corporation | Determining a point correspondence between two points in two respective (fingerprint) images |
US20070297653A1 (en) * | 2006-06-22 | 2007-12-27 | Rudolf Maarten Bolle | Fingerprint representation using localized texture features |
CN103824060A (zh) * | 2014-02-28 | 2014-05-28 | 清华大学 | 指纹细节点的提取方法 |
Non-Patent Citations (4)
Title |
---|
JIANJIANG ETAL.: "A performance Evaluation of Fingerprint Minutia Descriptors", 《2011 INTERNATIONAL CONFERENCE ON HAND-BASED BIOMETRICS》 * |
XIFENG TONG ETAL.: "Fingerprint minutiae matching using the adjacent feature vector", 《PATTERN RECOGNITION LETTERS》 * |
XUDONG JIANG ETAL: "Fingerprint Minutiae Matching Based on the Local And Global Structures", 《PROCEEDINGS 15TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION 》 * |
陈晖等: "一种基于细节点局部描述子的指纹图像匹配方法", 《计算机工程与科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN104268522B (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103456022B (zh) | 一种高分辨率遥感图像特征匹配方法 | |
CN105447437A (zh) | 指纹识别方法和装置 | |
CN102880877B (zh) | 一种基于轮廓特征的目标识别方法 | |
CN101609499B (zh) | 快速指纹识别方法 | |
CN103218618B (zh) | 一种基于遥感数字图像的公路路线自动提取方法 | |
CN110909711A (zh) | 检测车道线位置变化的方法、装置、电子设备和存储介质 | |
CN101770567B (zh) | 一种识别生物特征的方法及系统 | |
CN102800097A (zh) | 多特征多级别的可见光与红外图像高精度配准方法 | |
CN102184414B (zh) | 泵示功图的识别和判断方法及其系统 | |
CN107909047B (zh) | 一种汽车及其应用的车道检测方法及系统 | |
EP2945096A1 (en) | Character recognition method | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN103606170B (zh) | 基于彩色尺度不变的街景影像特征检测与匹配方法 | |
CN104463235A (zh) | 基于动车组运行图像的故障识别方法及装置 | |
CN102853835B (zh) | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 | |
CN102289663A (zh) | 一种基于颜色和形状的台标识别方法 | |
CN105354841A (zh) | 一种快速遥感影像匹配方法及系统 | |
CN102800099A (zh) | 多特征多级别的可见光与高光谱图像高精度配准方法 | |
CN105303567A (zh) | 融合图像尺度不变特征变换和个体熵相关系数的图像配准方法 | |
CN103886296A (zh) | 基于反馈的指纹识别方法及装置 | |
CN109598261B (zh) | 一种基于区域分割的三维人脸识别方法 | |
CN103020627A (zh) | 一种特种车辆仪表指针的提取方法 | |
CN107016414A (zh) | 一种脚印的识别方法 | |
CN104268522A (zh) | 指纹细节点集合的向量化描述方法及系统 | |
WO2017107406A1 (zh) | 利用汗腺位置信息的信息识别方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180803 Termination date: 20190923 |
|
CF01 | Termination of patent right due to non-payment of annual fee |