CN106156722A - 一种基于脊线的指纹图像分割方法 - Google Patents
一种基于脊线的指纹图像分割方法 Download PDFInfo
- Publication number
- CN106156722A CN106156722A CN201610240496.9A CN201610240496A CN106156722A CN 106156722 A CN106156722 A CN 106156722A CN 201610240496 A CN201610240496 A CN 201610240496A CN 106156722 A CN106156722 A CN 106156722A
- Authority
- CN
- China
- Prior art keywords
- block
- crestal line
- fingerprint image
- method based
- line
- 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
- G06V40/1347—Preprocessing; Feature extraction
- G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (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
本发明公开了一种基于脊线的指纹图像分割方法,包括如下步骤:指纹特征分离、脊线检测、计算脊线密度和方向一致性、指纹区域分割。本发明针对各种质量特别是残缺指纹图像,使用了一种全新的手段即结合脊线密度和方向一致性进行指纹区域的识别与分割,能够有效提高残缺指纹图像的分割效率与分割准确度。
Description
技术领域
本发明涉及指纹识别领域,特别是一种基于脊线的指纹图像分割方法。
背景技术
残缺指纹指的是犯罪现场中无意留下的指纹信息,往往用于犯罪人的指认。和完整的指纹图像相比,残缺指纹图像通常由于不清晰的脊线结构和各种干扰信息的存在而质量很差,从而造成自动指纹识别的效率和准确度很低。
指纹图像分割是指纹识别的关键步骤,其目的是在去除背景噪声的基础上,将图像分割成指纹区域和背景区域,用于进一步的优化处理。目前最典型的指纹分割算法包括方向图法和方差法。方向图法是利用图像局部方向信息进行指纹分割,由于指纹脊线具有区域方向性的特点,因而会在方向直方图的某一方向上出现峰值;而噪声是没有方向的,直方图上也就不会出现峰值。方差法利用图像局部对比度进行指纹分割,指纹图像存在深浅交替的特点,灰度值和方差值差异比较大,根据这个特点对指纹进行分割。但是,这两种方法都只能用于完整指纹图像的分割,并不适用于背景复杂,噪声极多,指纹信息不完整的残缺指纹图像分割。
发明内容
本发明的主要目的在于克服现有技术中不足,提出一种基于脊线的指纹图像分割方法,具有有效提高残缺指纹图像的分割效率与分割精确度的特点。
本发明采用如下技术方案:
一种基于脊线的指纹图像分割方法,包括如下步骤:
1)指纹特征分离,将指纹图像分解为包含细节的纹理部分和包含背景的卡通部分;
2)脊线检测,对包含细节的纹理部分进行二值化和去噪声处理;对处理后的二值化图像取反并去噪声;将正反两幅二值化图分别进行细化处理,处理后的图像进行叠加得到脊线图;
3)计算脊线图的脊线密度和方向一致性,对脊线图中的每一个前景点计算脊线方向得到方向脊线图;将方向脊线图分块,并计算脊线密度;计算方向分块图中每一块的方向一致性;
4)指纹区域分割,计算方向分块图中每一个块的评价值,对评价值进行阈值分割,得到前景区域;取前景区域中最接近图像中心的区域作为指纹区域。
优选的,在步骤1)中,采用快速卡通纹理分解将将指纹图像分解为包含细节的纹理部分和包含背景的卡通部分。
优选的,在步骤2)中,所述的去噪声处理具体为:将二值化后的图中孤立的前景点(i,j)转变为背景点,公式如下:
优选的,在步骤2)中还包括去除脊线图中长度小于4的线段和闭合曲线,并断开相交叉的线段得到没有短线段和交叉线段的脊线图。
优选的,在步骤3)对脊线图中的每一个前景点计算脊线方向得到方向脊线图,具体如下:假设脊线rk由s个连接点组成,表示为:{pk0,pk1,…,pks},其中pk0和pks分别为脊线rk的起始点和结束点;脊线rk上任意一点pkk的方向由以下公式计算得到:
其中(xpkk,ypkk)是点pkk的坐标值,方向值的区域为[0π]。
优选的,在步骤3)中,所述的计算脊线密度具体如下:把方向值区域[0π]均匀划分为9个子区域{β1,β2,…,β9},即采用16×16模板把方向脊线图I划分成块图B,令Sr表示子块中脊线点的总数,表示这个子块的方向子域βg中脊线点数。则块图B中的块(i,j)的脊线密度如下式所示:
S是块图B中全部前景点的总数。
优选的,在步骤3)中,所述的计算方向分块图中每一块的方向一致性具体如下:首先,定义方向子域βg的方向为则块(i,j)的方向为块中前景点数最大的方向子域的方向,即设βl是所对应的方向子区域,则块(i,j)的方向为:
在块(i,j)的3×3邻域中,如果满足下式所示条件之一,则块(i,j)与块(i+m,j+n)的方向一致,否则不一致:
且,m,n不能同时为0);
设R(i+m,j+n)(i,j)表示块(i,j)与块(i+m,j+n)的方向一致性,如果两个块相关,则R(i+m,j+n)(i,j)=1;如果两个块不相关,则R(i+m,j+n)(i,j)=0;
块(i,j)在其3×3邻域内的方向一致性如下式:
(m,n不能同时为0)。
优选的,在步骤4)中所述的计算方向分块图中每一个块的评价值,对评价值进行阈值分割,得到前景区域,具体如下:
计算块(i,j)的评价值如下式所示:
Score(i,j)=R d(i,j)×R(i,j)
从而得到Score矩阵,以阈值T对Score矩阵进行分割,若Score<T,则块(i,j)中所有点设置为背景点,即所有点的像素值为0。
优选的,在步骤4)中,对得到的指纹区域采用凸包运算进行平滑处理。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
本发明的有益效果:能够有效识别背景复杂,指纹信息不完整的残缺指纹图像。一般噪声像素点分布稀疏且方向不连续,而包含指纹信息的区域指纹像素点分布集中,且指纹脊线具有连续、方向一致的特点。通过搜索脊线点集中,且方向连续一致的具有高脊线密度和方向一致性的区域就能有效地从复杂背景汇总分割出有效指纹区域。
附图说明
图1是本应用发明的原始指纹图像;
图2(a)是对原始指纹图像进行快速卡通纹理分解后的纹理部分;
图2(b)是对原始指纹图像进行快速卡通纹理分解后的背景卡通部分;
图3(a)是二值化和去噪声处理后的二值化图;
图3(b)是二值化取反并去噪声处理后的二值化图;
图(4)是待处理的脊线图;
图5(a)是方向块图的脊线密度表示图;
图5(b)是方向块图的方向一致性表示图;
图6是方向块图的评价值表示图;
图7是对评价值表示图进行阈值分割后的前景区域图;
图8(a)是指纹区域mask表示图;
图8(b)是形态学处理和凸包处理后的指纹区域mask表示图;
图8(c)是指纹区域分割结果图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明的一种基于脊线的指纹图像分割方法包含以下步骤:
步骤一、指纹特征分离。采用快速卡通纹理分解,将图1所示的原始指纹图像分解为包含细节的纹理部分图2(a)和包含背景的卡通部分图2(b)。
步骤二、脊线检测,具体步骤如下:
2.1对图像纹理部分进行二值化处理。以一个阈值V将一幅黑白或彩色的图像转换为只有黑白两种颜色的图像,即每个像素点只用0或1表示。为了简化操作,V=128。
2.2二值化后的图像进行去噪声处理,把二值图中孤立的前景点转变为背景点,参见图3(a)。假定前景点为白色(像素值为1),背景点为黑色(像素值为0),前景点(i,j)的处理方法如式(1)所示:
2.3对2.2中处理后的二值图进行取反处理,白色像素点转为黑色像素点,黑色像素点转为白色像素点。对取反二值图中白色像素点按公式(1)进行去噪声处理,处理后的图像如图3(b)。
2.4对正反两幅二值图进行细化处理,处理后的图像进行叠加,得到待处理脊线图,如图4。
2.5去除脊线图中长度小于4的线段和闭合曲线,并断开相交叉的线段。处理方法如下:设P(i,j)是脊线图中的前景点,搜索其3×3邻域内的前景点个数。如果前景点个数大于3,则P(i,j)是交叉点,把P(i,j)及其3×3邻域内的其他前景点像素值设置为0;如果前景点个数小于3,则P(i,j)不是交叉点。得到没有短线段和交叉线段的脊线图;
2.6计算脊线点的方向。假设脊线rk由s个连接点组成,表示为:{pk0,pk1,…,pks},其中pk0和pks分别为脊线rk的起始点和结束点。脊线rk上任意一点pkk的方向由公式(2)计算:
其中(xpkk,ypkk)是点pkk的坐标值,方向值的区域为[0π]。这样获得了方向脊线图I;
步骤三、脊线密度和方向一致性计算,具体步骤如下:
3.1计算脊线密度。把方向值区域[0π]均匀划分为9个子区域{β1,β2,…,β9},即采用16×16模板把方向脊线图I划分成块图B,令Sr表示子块中脊线点的总数,表示这个子块的方向子域βk中脊线点数。则块图B中的块(i,j)的脊线密度如式(3)所示:
S是块图B中全部前景点的总数;参见图5(a)
3.2计算块的方向一致性参见图5(b)。首先定义块的方向,定义方向子域βg的方向为则块(i,j)的方向为块中前景点数最大的方向子域的方向,即设βl是所对应的方向子域,则块(i,j)的方向如式(4)所示:
其中l∈{1,2,…,9}。在(i,j)的3×3邻域中,如果满足式(5)所示条件之一,则块(i,j)与块(i+m,j+n)的方向一致,否则不一致:
设R(i+m,j+n)(i,j)表示块(i,j)与块(i+m,j+n)的方向一致性,如果两个块相关,则R(i+m,j+n)(i,j)=1;如果两个块不相关,则R(i+m,j+n)(i,j)=0。
块(i,j)在其3×3邻域内的方向一致性如式(6):
步骤四,指纹区域分割,具体步骤如下:
4.1前景点分割。计算块(i,j)的评价值如式(7)所示:
Score(i,j)=Rd(i,j)×R(i,j) (7)
从而得到Score矩阵,参照图6。以阈值T对Score矩阵进行分割,若Score<T,阈值T=0.65,则块(i,j)中所有点设置为背景点,即所有点的像素值为0,得到前景区域如图7所示。
4.2取最接近图像中心的区域为指纹mask,参见图8(a),由于mask虽然已经覆盖了识别出的指纹区域,但是轮廓边缘很不平整,不符合指纹的特征。接着对mask区域采用形态学开闭运算对孤立点进行消除,之后进行凸包处理(或近似凸包的处理),得到最终mask和分割结果如图8(b),(c)所示。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (9)
1.一种基于脊线的指纹图像分割方法,包括如下步骤:
1)指纹特征分离,将指纹图像分解为包含细节的纹理部分和包含背景的卡通部分;
2)脊线检测,对包含细节的纹理部分进行二值化和去噪声处理;对处理后的二值化图像取反并去噪声;将正反两幅二值化图分别进行细化处理,处理后的图像进行叠加得到脊线图;
3)计算脊线图的脊线密度和方向一致性,对脊线图中的每一个前景点计算脊线方向得到方向脊线图;将方向脊线图分块,并计算脊线密度;计算方向分块图中每一块的方向一致性;
4)指纹区域分割,计算方向分块图中每一个块的评价值,对评价值进行阈值分割,得到前景区域;取前景区域中最接近图像中心的区域作为指纹区域。
2.如权利要求1所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤1)中,采用快速卡通纹理分解将将指纹图像分解为包含细节的纹理部分和包含背景的卡通部分。
3.如权利要求1所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤2)中,所述的去噪声处理具体为:将二值化后的图中孤立的前景点(i,j)转变为背景点,公式如下:
4.如权利要求1所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤2)中还包括去除脊线图中长度小于4的线段和闭合曲线,并断开相交叉的线段得到没有短线段和交叉线段的脊线图。
5.如权利要求1所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤3)对脊线图中的每一个前景点计算脊线方向得到方向脊线图,具体如下:假设脊线rk由s个连接点组成,表示为:{pk0,pk1,...,pks},其中pk0和pks分别为脊线rk的起始点和结束点;脊线rk上任意一点pkk的方向由以下公式计算得到:
其中是点pkk的坐标值,方向值的区域为[0 π]。
6.如权利要求5所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤3)中,所述的计算脊线密度具体如下:把方向值区域[0 π]均匀划分为9个子区域{β1,β2,...,β9},即采用16×16模板把方向脊线图I划分成块图B,令Sr表示子块中脊线点的总数, 表示这个子块的方向子域βg中脊线点数。则块图B中的块(i,j)的脊线密度如下式所示:
S是块图B中全部前景点的总数。
7.如权利要求6所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤3)中,所述的计算方向分块图中每一块的方向一致性具体如下:首先,定义方向子域βg的方向为则块(i,j)的方向为块中前景点数最大的方向子域的方向,即设βl是所对应的方向子区域,则块(i,j)的方向为:
在块(i,j)的3×3邻域中,如果满足下式所示条件之一,则块(i,j)与块(i+m,j+n)的方向一致,否则不一致:
设R(i+m,j+n)(i,j)表示块(i,j)与块(i+m,j+n)的方向一致性,如果两个块相关,则R(i+m,j+n)(i,j)=1;如果两个块不相关,则R(i+m,j+n)(i,j)=0;
块(i,j)在其3×3邻域内的方向一致性如下式:
8.如权利要求7所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤4)中所述的计算方向分块图中每一个块的评价值,对评价值进行阈值分割,得到前景区域,具体如下:
计算块(i,j)的评价值如下式所示:
Score(i,j)=Rd(i,j)×R(i,j)
从而得到Score矩阵,以阈值T对Score矩阵进行分割,若Score<T,则块(i,j)中所有点设置为背景点,即所有点的像素值为0。
9.如权利要求8所述的一种基于脊线的指纹图像分割方法,其特征在于:在步骤4)中,对得到的指纹区域采用凸包运算进行平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610240496.9A CN106156722B (zh) | 2016-04-18 | 2016-04-18 | 一种基于脊线的指纹图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610240496.9A CN106156722B (zh) | 2016-04-18 | 2016-04-18 | 一种基于脊线的指纹图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106156722A true CN106156722A (zh) | 2016-11-23 |
CN106156722B CN106156722B (zh) | 2019-03-01 |
Family
ID=57352800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610240496.9A Expired - Fee Related CN106156722B (zh) | 2016-04-18 | 2016-04-18 | 一种基于脊线的指纹图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156722B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595428A (zh) * | 2004-07-15 | 2005-03-16 | 清华大学 | 基于密度图模型的指纹识别方法 |
CN1737821A (zh) * | 2005-08-15 | 2006-02-22 | 阜阳师范学院 | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 |
US7072496B2 (en) * | 2002-12-20 | 2006-07-04 | Motorola, Inc. | Slap print segmentation system and method |
CN1818927A (zh) * | 2006-03-23 | 2006-08-16 | 北京中控科技发展有限公司 | 指纹识别方法与系统 |
CN102289515A (zh) * | 2011-09-07 | 2011-12-21 | 江西财经大学 | 基于不变距特征的多级指纹数据库检索方法 |
CN102629318A (zh) * | 2012-03-22 | 2012-08-08 | 中国电子科技集团公司第五十八研究所 | 一种基于支持向量机的指纹图像分割方法 |
-
2016
- 2016-04-18 CN CN201610240496.9A patent/CN106156722B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7072496B2 (en) * | 2002-12-20 | 2006-07-04 | Motorola, Inc. | Slap print segmentation system and method |
CN1595428A (zh) * | 2004-07-15 | 2005-03-16 | 清华大学 | 基于密度图模型的指纹识别方法 |
CN1737821A (zh) * | 2005-08-15 | 2006-02-22 | 阜阳师范学院 | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 |
CN1818927A (zh) * | 2006-03-23 | 2006-08-16 | 北京中控科技发展有限公司 | 指纹识别方法与系统 |
CN102289515A (zh) * | 2011-09-07 | 2011-12-21 | 江西财经大学 | 基于不变距特征的多级指纹数据库检索方法 |
CN102629318A (zh) * | 2012-03-22 | 2012-08-08 | 中国电子科技集团公司第五十八研究所 | 一种基于支持向量机的指纹图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106156722B (zh) | 2019-03-01 |
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 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN107316031A (zh) | 用于行人重识别的图像特征提取方法 | |
CN110706235B (zh) | 一种基于双级级联分割的远红外行人检测方法 | |
CN105374015A (zh) | 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法 | |
CN104732235A (zh) | 一种消除夜间道路反光干扰的车辆检测方法 | |
CN102096821A (zh) | 基于复杂网络理论的强干扰环境下的车牌识别方法 | |
CN104732211B (zh) | 一种基于自适应阈值的交通标志检测方法 | |
CN106815843A (zh) | 一种基于凸包中心先验和马尔可夫吸收链的果实目标获取方法 | |
CN110738139B (zh) | 一种融合Min-Max目标的NIN车牌识别方法 | |
CN106778779A (zh) | 一种电动注塑机模具检测方法 | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN109784216B (zh) | 基于概率图的车载热成像行人检测RoIs提取方法 | |
CN112435272B (zh) | 一种基于图像轮廓分析的高压输电线连通域去除方法 | |
CN108537816A (zh) | 一种基于超像素和背景连接先验的显著物体分割方法 | |
CN108229247A (zh) | 一种移动车辆检测方法 | |
CN105139011A (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
CN103914840B (zh) | 一种针对非简单背景的人体轮廓自动提取方法 | |
CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
Wang et al. | Lane detection algorithm based on density clustering and RANSAC | |
CN106897989A (zh) | 一种基于线密度计算的指纹图像分割方法 | |
WO2019041447A1 (zh) | 一种3d视频帧特征点提取的方法及系统 | |
CN107122757A (zh) | 一种实时鲁棒的非结构化道路检测方法 | |
CN106156722A (zh) | 一种基于脊线的指纹图像分割方法 | |
CN111079516A (zh) | 基于深度神经网络的行人步态分割方法 |
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: 20190301 Termination date: 20200418 |