CN104951761B - 一种信息处理方法及电子设备 - Google Patents
一种信息处理方法及电子设备 Download PDFInfo
- Publication number
- CN104951761B CN104951761B CN201510325307.3A CN201510325307A CN104951761B CN 104951761 B CN104951761 B CN 104951761B CN 201510325307 A CN201510325307 A CN 201510325307A CN 104951761 B CN104951761 B CN 104951761B
- Authority
- CN
- China
- Prior art keywords
- image
- information
- matched
- detail information
- detail
- 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.)
- Active
Links
Images
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
- G06V40/13—Sensors therefor
-
- 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
- G06V40/1365—Matching; Classification
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)
- Image Analysis (AREA)
Abstract
本发明公开了一种信息处理方法及电子设备，其中方法包括：采集目标对象的生物特征；基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
Description
技术领域
本发明涉及电子设备的终端的图像处理技术，尤其涉及一种信息处理方法及电子设备。
背景技术
目前，电子设备进行采集，并且基于采集到的图像进行后续处理越来越多的应用到了人们的日常生活中。比如，使用电子设备进行指纹采集，并进一步基于采集到的指纹进行识别已经是一个常用的功能。但是，现有技术中，在进行采集并且后续的处理过程中，无法有效的减少噪声的影响，从而降低了用户的使用体验。
发明内容
有鉴于此，本发明的目的在于提供一种信息处理方法及电子设备，能至少解决现有技术中存在的上述问题。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供了一种信息处理方法，所述方法包括：
采集目标对象的生物特征；
基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；
根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；
存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
上述方案中，所述细节信息，包括：针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块。
上述方案中，所述方法还包括：
采集到针对目标对象的待匹配第一图像；
基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；
基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；
利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果。
上述方案中，所述利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到匹配结果，包括：
利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；
利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
上述方案中，所述利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果之前，所述方法还包括：
获取所述待匹配第二图像的全部细节信息；
基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果。
上述方案中，利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息，包括：
基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。
本发明实施例还提供了一种电子设备，所述电子设备包括：
采集单元，用于采集目标对象的生物特征；
模板处理单元，用于基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
上述方案中，所述细节信息，包括：针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块。
上述方案中，所述电子设备还包括：
匹配单元，用于基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果；
相应的，所述采集单元，还用于采集到针对目标对象的待匹配第一图像。
上述方案中，所述匹配单元，具体用于利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
上述方案中，所述电子设备还包括：
验证单元，用于获取所述待匹配第二图像的全部细节信息；基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果。
上述方案中，所述匹配单元，具体用于基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。
本发明所提供的信息处理方法及电子设备，采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理，降低了得到的模板图像的细节信息时受到的噪声影响。
另外，通过使用模板图像的第一图像信息和第二图像信息对待匹配第一图像进行过滤之后，得到与模板图像更为接近的，即相关度更高的待匹配第二图像，如此，就进一步的消除了在进行图像匹配时受到的噪声影响。
附图说明
图1为本发明实施例信息处理方法流程示意图一；
图2为本发明实施例场景示意图一；
图3为本发明实施例场景示意图二；
图4为本发明实施例场景示意图三；
图5为本发明实施例场景示意图四；
图6为本发明实施例信息处理方法流程示意图二；
图7为本发明实施例场景示意图五；
图8为本发明实施例电子设备组成结构示意图一；
图9为本发明实施例电子设备组成结构示意图二；
图10为本发明实施例电子设备组成结构示意图三。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
实施例一、
本发明实施例提供了一种信息处理方法，如图1所示，包括：
步骤101：采集目标对象的生物特征；
步骤102：基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；
步骤103：根据所述第一图像信息以及第二图像信息生成所述生物特征的模板图像；
步骤104：存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。生成方向图的方法可以为基于原始图像灰度的变化率，利用sobel算子进行卷积计算得到；计算公式如下：
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。频率图的计算方法可以为根据方向图和指纹图像，计算不同频率的gabor滤波频谱，选择频谱值最大的那个频率即为相应像素点的频率。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中所述根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像，可以为：基于所述第一图像信息以及第二图像信息进行滤波，得到滤波后的图像作为所述生物特征的模板图像。
其中，所述滤波的方法可以为使用Gabor滤波。用Gabor函数形成的二维Gabor滤波器具有在空间域和频率域同时取得最优局部化的特性，因此能够很好地描述对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息。Gabor滤波器的频率和方向表示接近人类视觉系统对于频率和方向的表示，并且它们常备用于纹理表示和描述。在图像处理领域，Gabor滤波器是一个用于边缘检测的线性滤波器。在空域，一个2维的Gabor滤波器是一个正弦平面波和高斯核函数的乘积。Gabor滤波器是自相似的。实际应用中，Gabor滤波器可以在频域的不同尺度，不同方向上提取相关特征。比如，本实施例中可以采用以下公式表示利用所述第一图像信息以及第二图像信息生成所述生物特征的模板图像的方式：
其中，x，y分别为横坐标以及纵坐标两个方向；i(x,y)为生物特征的频率图，g(x,y)为生物特征的方向图；I(fx，fy)则表示对生物特征的频率以及方向两个方向通过曲面积分完成滤波。
另外，上述步骤104中所述生成所述模板图像中的细节信息，可以为：生成针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；其中，第一指定范围内可以为16*16的像素块。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。
本实施例中所述特征像素点分别可以为终结点(Ending)、分叉点(Bifurcation)、分歧点(RidgeDivergence)、孤立点(DotorIsland)、环点(Enclosure)和短纹(ShortRidge)，比如，如图5所示，特征像素点51以及特征像素点52。所述坐标信息可以包括有水平位置(x)坐标、垂直位置(y)坐标。
优选地，所述生成所述模板图像中的细节信息首先还会针对模板图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。
另外，针对模板图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理得到模板图像，并且能够进一步得到模板图像的细节信息，能够基于模板图像的细节信息与采集到的图像进行对比完成匹配，降低了匹配过程中的噪声影响。
实施例二、
本发明实施例提供了一种信息处理方法，如图6所示，包括：
步骤601：采集目标对象的生物特征；
步骤602：基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；
步骤603：根据所述第一图像信息以及第二图像信息生成所述生物特征的模板图像；
步骤604：存储所述第三图像信息，生成并存储所述模板图像中的细节信息；
步骤605：采集到针对目标对象的待匹配第一图像；
步骤606：基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；
步骤607：基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；
步骤608：利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果。
这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中所述根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像，可以为：基于所述第一图像信息以及第二图像信息进行滤波，得到滤波后的图像作为所述生物特征的模板图像。其中，所述滤波的方法可以为使用Gabor滤波。
另外，上述生成所述模板图像中的细节信息，可以为：生成针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；其中，第一指定范围内可以为16*16的像素块。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。本实施例中所述特征像素点分别可以为终结点(Ending)、分叉点(Bifurcation)、分歧点(RidgeDivergence)、孤立点(DotorIsland)、环点(Enclosure)和短纹(ShortRidge)，比如，如图5所示，特征像素点51以及特征像素点52。所述坐标信息可以包括有水平位置(x)坐标、垂直位置(y)坐标。
所述生成所述模板图像中的细节信息首先还会针对模板图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。另外，针对模板图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
本实施例中，所述基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像，可以为：利用所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像进行Gabor滤波，得到待匹配第二图像。本实施例中所述Gabor滤波的方式同样可以为利用方向图以及频率图以及待匹配第一图像进行曲面积分，得到滤波结果作为待匹配的第二图像。
优选地，所述利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到匹配结果，包括：
利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；
利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
其中，所述利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息可以为：
从所述待匹配第二图像中选取到待匹配特征像素点，如图7所示，选取出来的待匹配特征像素点为71；
利用所述模板图像中的细节信息中每一个特征点，与待匹配特征像素点进行对比，当与待匹配特征像素点的方向信息、频率信息、以及第二指定范围内的像素块相关度大于门限值时，则基于模板图像中与所述待匹配特征像素点相同的细节信息作为该待匹配像素点的待匹配细节信息。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。
其中，第二指定范围可以大于第一指定范围，可以为32*32像素块；另外，所述相关度的门限值可以为根据实际情况进行设置，比如设置两者的相关度为0.9以上，也就是说，两个像素点的相似度达到90％。进一步地，上述确定了待匹配第二图像中的待匹配细节信息的时候，除了将待匹配特征像素点的位置信息作为细节信息之外，还可以保存相关度。
上述利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果，可以为：将选取的待匹配细节信息与模板信息中的细节信息一一进行对比，当待匹配细节信息与模板信息中的细节信息的相关度全部高于第二门限值的时候，就可以确定两者完全匹配，否则，确定结果为不匹配。其中，第二门限值可以为根据实际情况设置，比如，可以设置两个相关度有80％高于0.9，就可以确定为匹配。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理，降低了得到的模板图像的细节信息时受到的噪声影响。
另外，通过使用模板图像的第一图像信息和第二图像信息对待匹配第一图像进行过滤之后，得到与模板图像更为接近的，即相关度更高的待匹配第二图像，如此，就进一步的消除了在进行图像匹配时受到的噪声影响。
实施例三、
本发明实施例提供了一种信息处理方法，如图6所示，包括：
步骤601：采集目标对象的生物特征；
步骤602：基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；
步骤603：根据所述第一图像信息以及第二图像信息生成所述生物特征的模板图像；
步骤604：存储所述第三图像信息，生成并存储所述模板图像中的细节信息；
步骤605：采集到针对目标对象的待匹配第一图像；
步骤606：基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；
步骤607：基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；
步骤608：利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果。
这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中所述根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像，可以为：基于所述第一图像信息以及第二图像信息进行滤波，得到滤波后的图像作为所述生物特征的模板图像。其中，所述滤波的方法可以为使用Gabor滤波。
另外，上述生成所述模板图像中的细节信息，可以为：生成针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；其中，第一指定范围内可以为16*16的像素块。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。本实施例中所述特征像素点分别可以为终结点(Ending)、分叉点(Bifurcation)、分歧点(RidgeDivergence)、孤立点(DotorIsland)、环点(Enclosure)和短纹(ShortRidge)，比如，如图5所示，特征像素点51以及特征像素点52。所述坐标信息可以包括有水平位置(x)坐标、垂直位置(y)坐标。
所述生成所述模板图像中的细节信息首先还会针对模板图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。另外，针对模板图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
本实施例中，所述基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像，可以为：利用所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像进行Gabor滤波，得到待匹配第二图像。本实施例中所述Gabor滤波的方式同样可以为利用方向图以及频率图以及待匹配第一图像进行曲面积分，得到滤波结果作为待匹配的第二图像。
优选地，所述利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到匹配结果，包括：
利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；
利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
其中，利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息，包括：基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。比如，如图7所示，选取出来的待匹配特征像素点为71；利用所述模板图像中的细节信息中每一个特征点，与待匹配特征像素点进行对比，当与待匹配特征像素点的方向信息、频率信息、以及第二指定范围内的像素块相关度大于门限值时，则基于模板图像中与所述待匹配特征像素点相同的细节信息作为该待匹配像素点的待匹配细节信息。进一步地，上述确定了待匹配第二图像中的待匹配细节信息的时候，除了将待匹配特征像素点的位置信息作为细节信息之外，还可以保存相关度。
本实施例中，在实施例二的基础上，还增加了对待匹配细节信息进行验证的步骤。具体的，利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果之前，所述方法还包括：
获取所述待匹配第二图像的全部细节信息；
基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果
其中，所述获取到待匹配第二图像的全部细节信息的方法包括：针对待匹配第二图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。另外，针对待匹配第二图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
所述对所述至少一个待匹配细节信息进行验证，可以为：根据待匹配细节信息的位置信息，选取一个第二图像的细节信息；计算两者的相关度，若相关度大于第三门限值，则确定该待匹配细节信息验证通过，否则验证不通过。
通过上述验证过程，能够通过待匹配第二图像自身对应的二值化图像对选取的待匹配细节信息进行过滤，减少误选取为待匹配第二图像的细节信息的可能性，从而进一步提升了匹配成功了以及匹配结果的有效性。
上述利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果，可以为：将选取的待匹配细节信息与模板信息中的细节信息一一进行对比，当待匹配细节信息与模板信息中的细节信息的相关度全部高于第二门限值的时候，就可以确定两者完全匹配，否则，确定结果为不匹配。其中，第二门限值可以为根据实际情况设置，比如，可以设置两个相关度有80％高于0.9，就可以确定为匹配。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理，降低了得到的模板图像的细节信息时受到的噪声影响。
另外，通过使用模板图像的第一图像信息和第二图像信息对待匹配第一图像进行过滤之后，得到与模板图像更为接近的，即相关度更高的待匹配第二图像，如此，就进一步的消除了在进行图像匹配时受到的噪声影响。
实施例四、
本发明实施例提供了一种电子设备，如图8所示，所述电子设备包括：
采集单元81，用于采集目标对象的生物特征；
模板处理单元82，用于基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。生成方向图的方法可以为基于原始图像灰度的变化率，利用sobel算子进行卷积计算得到；计算公式如下：
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。频率图的计算方法可以为根据方向图和指纹图像，计算不同频率的gabor滤波频谱，选择频谱值最大的那个频率即为相应像素点的频率。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中所述模板处理单元82，用于基于所述第一图像信息以及第二图像信息进行滤波，得到滤波后的图像作为所述生物特征的模板图像。
其中，所述滤波的方法可以为使用Gabor滤波。用Gabor函数形成的二维Gabor滤波器具有在空间域和频率域同时取得最优局部化的特性，因此能够很好地描述对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息。Gabor滤波器的频率和方向表示接近人类视觉系统对于频率和方向的表示，并且它们常备用于纹理表示和描述。在图像处理领域，Gabor滤波器是一个用于边缘检测的线性滤波器。在空域，一个2维的Gabor滤波器是一个正弦平面波和高斯核函数的乘积。Gabor滤波器是自相似的。实际应用中，Gabor滤波器可以在频域的不同尺度，不同方向上提取相关特征。比如，本实施例中可以采用以下公式表示利用所述第一图像信息以及第二图像信息生成所述生物特征的模板图像的方式：
其中，x，y分别为横坐标以及纵坐标两个方向；i(x,y)为生物特征的频率图，g(x,y)为生物特征的方向图；I(fx，fy)则表示对生物特征的频率以及方向两个方向通过曲面积分完成滤波。
另外，上述模板处理单元82，用于生成针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；其中，第一指定范围内可以为16*16的像素块。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。本实施例中所述特征像素点分别可以为终结点(Ending)、分叉点(Bifurcation)、分歧点(RidgeDivergence)、孤立点(DotorIsland)、环点(Enclosure)和短纹(ShortRidge)，比如，如图5所示，特征像素点51以及特征像素点52。所述坐标信息可以包括有水平位置(x)坐标、垂直位置(y)坐标。
优选地，所述生成所述模板图像中的细节信息首先还会针对模板图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。
另外，针对模板图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理得到模板图像，并且能够进一步得到模板图像的细节信息，能够基于模板图像的细节信息与采集到的图像进行对比完成匹配，降低了匹配过程中的噪声影响。
实施例五、
本发明实施例提供了一种电子设备，如图9所示，所述电子设备包括：
采集单元91，用于采集目标对象的生物特征；
模板处理单元92，用于基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
所述电子设备还包括：匹配单元93，用于基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果；相应的，所述采集单元91，还用于采集到针对目标对象的待匹配第一图像。这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中，所述匹配单元93，用于利用所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像进行Gabor滤波，得到待匹配第二图像。本实施例中所述Gabor滤波的方式同样可以为利用方向图以及频率图以及待匹配第一图像进行曲面积分，得到滤波结果作为待匹配的第二图像。
优选地，所述匹配单元93，用于利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
其中，所述匹配单元93，具体用于从所述待匹配第二图像中选取到待匹配特征像素点，如图7所示，选取出来的待匹配特征像素点为71；利用所述模板图像中的细节信息中每一个特征点，与待匹配特征像素点进行对比，当与待匹配特征像素点的方向信息、频率信息、以及第二指定范围内的像素块相关度大于门限值时，则基于模板图像中与所述待匹配特征像素点相同的细节信息作为该待匹配像素点的待匹配细节信息。
其中，第二指定范围可以大于第一指定范围，可以为32*32像素块；另外，所述相关度的门限值可以为根据实际情况进行设置，比如设置两者的相关度为0.9以上，也就是说，两个像素点的相似度达到90％。进一步地，上述确定了待匹配第二图像中的待匹配细节信息的时候，除了将待匹配特征像素点的位置信息作为细节信息之外，还可以保存相关度。
上述匹配单元93，用于将选取的待匹配细节信息与模板信息中的细节信息一一进行对比，当待匹配细节信息与模板信息中的细节信息的相关度全部高于第二门限值的时候，就可以确定两者完全匹配，否则，确定结果为不匹配。其中，第二门限值可以为根据实际情况设置，比如，可以设置两个相关度有80％高于0.9，就可以确定为匹配。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理，降低了得到的模板图像的细节信息时受到的噪声影响。
另外，通过使用模板图像的第一图像信息和第二图像信息对待匹配第一图像进行过滤之后，得到与模板图像更为接近的，即相关度更高的待匹配第二图像，如此，就进一步的消除了在进行图像匹配时受到的噪声影响。
实施例六、
本发明实施例提供了一种电子设备，如图10所示，所述电子设备包括：
采集单元1001，用于采集目标对象的生物特征；
模板处理单元1002，用于基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息。
所述电子设备还包括：匹配单元1003，用于基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像；利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果；相应的，所述采集单元1001，还用于采集到针对目标对象的待匹配第一图像。
这里，所述目标对象可以为用户的手指，具体为手指具备纹路的一侧。上述生物特征可以如图2所示为用户的指纹。
本实施例中所述第一图像信息为所述目标对象的生物特征对应的方向信息；第二图像信息为所述目标对象的生物特征对应的频率信息；第三图像信息为所述目标对象的生物特征对应的轮廓图。
其中，所述方向图为采集到的生物特征对应的图像中每一个像素点的方向，也就是生物特征的图像中纹线上某一个点的切线方向用来纹线的方向。另外，所述方向图可以分点方向图以及块方向图；图3表示了点31的方向图，即表示生物特征的图像中每一个像素点中脊线的方向。块方向图则表示某一点所处的区域中所有像素点的平均方向，同样可以以图3为例进行说明，在图3以点31为中心、图中全部像素点的平均方向可以与图中所示的方向相同。
所述频率图为：生物特征对应的图像中将脊线在选中的局部区域中沿着垂直于脊线方向的灰度值近似看成平面正弦波，然后将平面正弦波的频率作为局部区域的频率，用于反应在这个区域中脊线和谷线交替出现的次数。比如，图4所示，在区域41中沿着与脊线垂直的方向脊线和谷线交替出现的次数可以近似作为正弦波，进而得到该区域41对应的频率图。
所述轮廓图，即Gabor特征频谱缩略图，是在n个方向上的对指纹图像缩略图的Gabor滤波结果；本实施例设置n＝6(0，30，60，90，120，150度)。
本实施例中所述根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像，可以为：基于所述第一图像信息以及第二图像信息进行滤波，得到滤波后的图像作为所述生物特征的模板图像。其中，所述滤波的方法可以为使用Gabor滤波。
另外，上述生成所述模板图像中的细节信息，可以为：生成针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；其中，第一指定范围内可以为16*16的像素块。其中，所述特征像素点的坐标信息可以包括横坐标信息、纵坐标信息；方向信息可以为：根据坐标信息从第一图像信息即方向图，确定与坐标信息对应的方向信息；所述频率信息可以为根据坐标信息从第二图像信息及频率图中确定的与所述坐标信息对应的频率信息。本实施例中所述特征像素点分别可以为终结点(Ending)、分叉点(Bifurcation)、分歧点(RidgeDivergence)、孤立点(DotorIsland)、环点(Enclosure)和短纹(ShortRidge)，比如，如图5所示，特征像素点51以及特征像素点52。所述坐标信息可以包括有水平位置(x)坐标、垂直位置(y)坐标。
所述生成所述模板图像中的细节信息首先还会针对模板图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。另外，针对模板图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
本实施例中，所述基于所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像，生成所述目标对象的待匹配第二图像，可以为：利用所述模板图像的第一图像信息、第二图像信息以及所述待匹配第一图像进行Gabor滤波，得到待匹配第二图像。本实施例中所述Gabor滤波的方式同样可以为利用方向图以及频率图以及待匹配第一图像进行曲面积分，得到滤波结果作为待匹配的第二图像。
优选地，所述匹配单元，具体用于利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
其中，所述匹配单元，具体用于基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。比如，如图7所示，选取出来的待匹配特征像素点为71；利用所述模板图像中的细节信息中每一个特征点，与待匹配特征像素点进行对比，当与待匹配特征像素点的方向信息、频率信息、以及第二指定范围内的像素块相关度大于门限值时，则基于模板图像中与所述待匹配特征像素点相同的细节信息作为该待匹配像素点的待匹配细节信息。进一步地，上述确定了待匹配第二图像中的待匹配细节信息的时候，除了将待匹配特征像素点的位置信息作为细节信息之外，还可以保存相关度。
本实施例中，所述电子设备还包括：验证单元1004，用于获取所述待匹配第二图像的全部细节信息；基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果。
其中，所述获取到待匹配第二图像的全部细节信息的方法包括：针对待匹配第二图像进行二值化。其中，所述二值化为模板图像的每个像素值，如果大于某个值，则设置为255，否则设置为0。本实施例中，判断模板图像的实部和虚部，如果实部大于虚部则该像素值为255，否则为0。另外，针对待匹配第二图像中的细节信息的抽取方法可以有线相关检测法、细化骨架法以及梯度方向检测方法等。通过这些算法能够确定特征像素点并且确定对应的细节信息。
所述对所述至少一个待匹配细节信息进行验证，可以为：根据待匹配细节信息的位置信息，选取一个第二图像的细节信息；计算两者的相关度，若相关度大于第三门限值，则确定该待匹配细节信息验证通过，否则验证不通过。
通过上述验证过程，能够通过待匹配第二图像自身对应的二值化图像对选取的待匹配细节信息进行过滤，减少误选取为待匹配第二图像的细节信息的可能性，从而进一步提升了匹配成功了以及匹配结果的有效性。
上述匹配单元，具体用于将选取的待匹配细节信息与模板信息中的细节信息一一进行对比，当待匹配细节信息与模板信息中的细节信息的相关度全部高于第二门限值的时候，就可以确定两者完全匹配，否则，确定结果为不匹配。其中，第二门限值可以为根据实际情况设置，比如，可以设置两个相关度有80％高于0.9，就可以确定为匹配。
可见，通过采用上述方案，就能够采集到目标对象的生物特征之后，基于采集到的生物特征获取第一图像信息，第二图像信息以及第三图像信息，再基于第一图像信息以及第二图像信息获取到生物特征的模板图像，再确定模板图像的细节信息。如此，能够从两个维度对生物特征进行处理，降低了得到的模板图像的细节信息时受到的噪声影响。
另外，通过使用模板图像的第一图像信息和第二图像信息对待匹配第一图像进行过滤之后，得到与模板图像更为接近的，即相关度更高的待匹配第二图像，如此，就进一步的消除了在进行图像匹配时受到的噪声影响。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种信息处理方法，其特征在于，所述方法包括：
采集目标对象的生物特征；
基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；
根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；
存储所述第三图像信息，生成并存储所述模板图像中的细节信息；
所述细节信息，包括：针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；
所述方法还包括：
采集到针对目标对象的待匹配第一图像；
基于模板图像中的第三图像信息，选取与所述待匹配第一图像对应的模板图像；
基于所述模板图像的第一图像信息、第二图像信息以及待匹配第一图像，生成所述目标对象的待匹配第二图像；
利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果。
2.根据权利要求1所述的方法，其特征在于，所述利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到匹配结果，包括：
利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；
利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述待匹配第二图像的全部细节信息；
基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果。
4.根据权利要求2所述的方法，其特征在于，利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息，包括：
基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。
5.一种电子设备，其特征在于，所述电子设备包括：
采集单元，用于采集目标对象的生物特征；还用于采集到针对目标对象的待匹配第一图像；
模板处理单元，用于基于所述生物特征生成第一图像信息，第二图像信息以及第三图像信息；根据所述第一图像信息以及第二图像信息，生成所述生物特征的模板图像；存储所述第三图像信息，生成并存储所述模板图像中的细节信息；所述细节信息，包括：针对每一个特征像素点的坐标信息、方向信息、频率信息以及以所述特征像素点为中心点第一指定范围内的像素块；
匹配单元，用于基于模板图像中的第三图像信息，选取与待匹配第一图像对应的模板图像；用于基于所述模板图像的第一图像信息、第二图像信息以及待匹配第一图像，生成所述目标对象的待匹配第二图像；利用所述模板图像中的所述细节信息对所述待匹配第二图像进行匹配，获取到目标对象的匹配结果。
6.根据权利要求5所述的电子设备，其特征在于，
所述匹配单元，具体用于利用所述模板图像中的细节信息，从所述待匹配第二图像中选取至少一个待匹配细节信息；利用所述模板图像中的细节信息、与选取的所述至少一个待匹配细节信息，获取到目标对象的匹配结果。
7.根据权利要求6所述的电子设备，其特征在于，所述电子设备还包括：
验证单元，用于获取所述待匹配第二图像的全部细节信息；基于所述待匹配第二图像的全部细节信息，对所述至少一个待匹配细节信息进行验证，得到针对所述至少一个待匹配细节信息的验证结果。
8.根据权利要求5所述的电子设备，其特征在于，所述匹配单元，具体用于基于所述细节信息从所述待匹配第二图像中选取出与所述细节周围像素块相关性最大的像素块作为待匹配细节信息；确定并记录所述待匹配细节信息的细节坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510325307.3A CN104951761B (zh) | 2015-06-12 | 2015-06-12 | 一种信息处理方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510325307.3A CN104951761B (zh) | 2015-06-12 | 2015-06-12 | 一种信息处理方法及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104951761A CN104951761A (zh) | 2015-09-30 |
| CN104951761B true CN104951761B (zh) | 2020-01-31 |
Family
ID=54166403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510325307.3A Active CN104951761B (zh) | 2015-06-12 | 2015-06-12 | 一种信息处理方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104951761B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550650B (zh) * | 2015-12-10 | 2018-11-06 | 东莞酷派软件技术有限公司 | 一种指纹安全保护方法与系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149787A (zh) * | 2006-09-20 | 2008-03-26 | 中国科学院自动化研究所 | 一种基于方向场模型和Gabor滤波器指纹合成方法及系统 |
| CN102254163A (zh) * | 2011-08-03 | 2011-11-23 | 山东志华信息科技股份有限公司 | 自适应模板大小的Gabor指纹图像增强方法 |
| CN102629316A (zh) * | 2011-11-25 | 2012-08-08 | 浙江外国语学院 | 自动指纹识别技术中的图像增强方法 |
| CN103605963A (zh) * | 2013-03-01 | 2014-02-26 | 新乡学院 | 一种指纹识别方法 |
-
2015
- 2015-06-12 CN CN201510325307.3A patent/CN104951761B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149787A (zh) * | 2006-09-20 | 2008-03-26 | 中国科学院自动化研究所 | 一种基于方向场模型和Gabor滤波器指纹合成方法及系统 |
| CN102254163A (zh) * | 2011-08-03 | 2011-11-23 | 山东志华信息科技股份有限公司 | 自适应模板大小的Gabor指纹图像增强方法 |
| CN102629316A (zh) * | 2011-11-25 | 2012-08-08 | 浙江外国语学院 | 自动指纹识别技术中的图像增强方法 |
| CN103605963A (zh) * | 2013-03-01 | 2014-02-26 | 新乡学院 | 一种指纹识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于Log Gabor滤波的指纹纹理匹配;邓宏贵 等;《计算机应用研究》;20091231;第4847-4849页，图1-7 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104951761A (zh) | 2015-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766736A (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
| Chen et al. | Iris recognition based on bidimensional empirical mode decomposition and fractal dimension | |
| US20160379038A1 (en) | Valid finger area and quality estimation for fingerprint imaging | |
| Thalji et al. | Iris Recognition using robust algorithm for eyelid, eyelash and shadow avoiding | |
| CN107844737B (zh) | 虹膜图像的检测方法和装置 | |
| Lestriandoko et al. | Circle detection based on hough transform and Mexican Hat filter | |
| US9734165B2 (en) | Method and device for contactless biometrics identification | |
| Rodríguez-Ruiz et al. | A survey on minutiae-based palmprint feature representations, and a full analysis of palmprint feature representation role in latent identification performance | |
| CN111079626B (zh) | 一种活体指纹识别方法、电子设备及计算机可读存储介质 | |
| Rahman et al. | Human ear recognition using geometric features | |
| KR101582467B1 (ko) | 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치 | |
| CN104951761B (zh) | 一种信息处理方法及电子设备 | |
| CN104598894A (zh) | 指纹感测装置、具指纹感测功能的产品及其指纹感测方法 | |
| Bouchemha et al. | A robust technique to characterize the palmprint using radon transform and Delaunay triangulation | |
| CN113516096B (zh) | 指静脉roi区域提取方法及装置 | |
| Kubanek et al. | Feature extraction of palm vein patterns based on two-dimensional density function | |
| Deshpande et al. | Iris recognition system using block based approach with DWT and DCT | |
| Ellingsgaard et al. | Altered fingerprint detection | |
| CN110852280B (zh) | 一种指静脉设备镜面异物的检测算法 | |
| Fei et al. | Combining enhanced competitive code with compacted ST for 3D palmprint recognition | |
| Varghese et al. | Hexagonal image enhancement using Hex-Gabor filter for machine vision applications | |
| Agarwal et al. | Fingerprint pores extraction by using automatic scale selection | |
| Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
| CN112668412A (zh) | 二维码生成方法、装置、电子设备和存储介质 | |
| CN110659536A (zh) | 指纹识别设备分辨率的测试方法及装置、系统及存储介质 |
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 |