CN107066961B - 指纹配准方法及装置 - Google Patents

指纹配准方法及装置 Download PDF

Info

Publication number
CN107066961B
CN107066961B CN201710210304.4A CN201710210304A CN107066961B CN 107066961 B CN107066961 B CN 107066961B CN 201710210304 A CN201710210304 A CN 201710210304A CN 107066961 B CN107066961 B CN 107066961B
Authority
CN
China
Prior art keywords
fingerprint
phase
registration
feature
subject
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
Application number
CN201710210304.4A
Other languages
English (en)
Other versions
CN107066961A (zh
Inventor
冯建江
周杰
李世豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201710210304.4A priority Critical patent/CN107066961B/zh
Priority to PCT/CN2017/080828 priority patent/WO2018176514A1/zh
Priority to US15/669,910 priority patent/US10769407B2/en
Publication of CN107066961A publication Critical patent/CN107066961A/zh
Application granted granted Critical
Publication of CN107066961B publication Critical patent/CN107066961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Abstract

本发明提出一种指纹配准方法及装置，其中，方法包括：获取待配准指纹和目标指纹，提取待配准指纹和目标指纹的指纹特征，其中指纹特征包括脊线特征和相位特征，利用两个指纹的脊线特征进行粗配准，然后获取两个指纹的相位特征在相位重合区域内的相位差异信息，根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。

Description

指纹配准方法及装置
技术领域
本发明涉及信息处理领域，尤其涉及一种指纹配准方法及装置。
背景技术
由于指纹具有持久稳定、区分度高和易于采集的特点，指纹被广泛地应用在刑侦破案、门禁考勤和设备解锁等场景中，在这些应用场景中均需要用到指纹自动识别技术，通过该指纹自动识别技术来对指纹进行识别。目前，通过指纹识别的准确率来衡量指纹自动识别技术。如果采集到的一对指纹的质量较高，现有的指纹自动识别技术可以比较准确地判断出这两个指纹是否来自同一个手指。
然而，实际应用中，指纹采集装置上的指纹采集面为一个二维平面，而人的手指具有弹性且为三维立体的，当手指按压到该二维的采集面上时，如果手指用力不均或存在侧向力，采集到的指纹会产生较大的扭曲变形，往往会导致采集到的指纹的脊线频率及曲率、细节点的位置及方向都产生改变。
在上述情况下，对采集的指纹无论基于图像的指纹识别，还是基于细节点的指纹识别，均会存在指纹识别的准确率较低的问题。为了能够消除扭曲变形所带来的负面影响，以提升指纹识别的准确率，需要在一对指纹匹配之前对其进行配准。所谓的配准，就是将输入指纹作为待配准指纹，指纹数据库中的一个指纹作为目标指纹，然后通过图像处理的方法对待配准指纹进行变形，以消除待配准指纹相对于目标指纹的形变，将待配准指纹的脊线及细节点与目标指纹中的脊线及细节点对齐。
现有的指纹配准方式大体分为如下四种：
第一种：利用指纹的方向场进行刚体变形。首先选取一组最佳的旋转与平移参数，然后利用所选取的参数对待配准指纹进行变换，使变换后待配准指纹的方向场与目标指纹的方向场相似度最高。这种方法采用一级指纹特征即指纹的方向场进行配准，虽然具有一定抗噪声能力，但是由于未考虑更精细、更具有区分度的指纹的分叉点、端点等二级特征，使得指纹的区分度往往不够，没有办法精确的找到两个指纹之间的对应关系。此外，这种方法采用刚体变换模型，只考虑到整体旋转及平移变换，无法处理指纹的局部非线性变形，只能粗略的将两个指纹进行配准，精度较差。
第二种：利用指纹的细节点进行弹性变形。这种方法利用指纹的细节点构造局部的描述子，获得待配准指纹与目标指纹间匹配的细节点对，然后利用多对细节点对拟合弹性变形模型，将待配准指纹与目标指纹配准。这种方法的不足之处包括：(1)由于错误匹配的细节点对的存在，拟合的变形模型在错误匹配对附近会出错，导致配准结果出错。(2)指纹的某些区域可能没有细节点，在没有细节点的区域，无法准确的进行配准。(3)如果待配准指纹与目标指纹之间匹配上的细节点过少，则没有足够的细节点对精确拟合出弹性变形模型。
第三种：利用指纹的细节点和指纹的脊线进行弹性变形。首先获得待配准指纹与目标指纹间的匹配细节点对，然后用脊线追踪的方法获得对应的脊线，并以一定间隔在脊线上采点，将采样点及匹配的细节点共同作为待配准指纹与目标指纹的匹配点对，用于拟合弹性变形模型。这种方法存在假匹配细节点，而假匹配细节点会导致假匹配脊线，在假匹配脊线上采样会产生更多的假匹配对，导致以此拟合出的变形模型出错。
第四种：利用指纹的局部图像相关进行弹性变形。首先将指纹进行网格化，然后利用局部图像相关方法在目标指纹中搜索与待配准指纹的网格元素最相似的位置，最后根据每个网格的对应位置做全局优化，并拟合弹性变形模型。但是，局部图像相关算法受图像噪声影响大，并且计算代价很高，运算效率低。另外，局部图像相关算法最高只能达到像素级别的配准，无法取得较高的配准精度。
综上可知，上述每种指纹配准方法均存在不足，导致指纹的配准精度较低。
发明内容
为此，本发明提出一种指纹配准方法及装置，用于解决现有的指纹配准方法存在指纹的配准精度较低的问题。
本发明的第二个目的在于提出一种指纹配准装置。
本发明的第三个目的在于提出一种非临时性计算机可读存储介质。
本发明的第四个目的在于提出一种计算机程序产品。
为达上述目的，本发明第一方面实施例提出了一种指纹配准方法，包括：
获取待配准指纹和目标指纹；
对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征；其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征；
基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果；
获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息；
根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果。
作为本发明第一方面实施例的另一种可选的实现方式，所述基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果，包括：
根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型；
利用所述第一变形模型对应的所述第一扭曲场，对所述待配准指纹进行变形；
将变形后的所述待配准指纹与所述目标指纹进行粗配准，得到所述粗配准结果。
作为本发明第一方面实施例的另一种可选的实现方式，当指纹的脊线特征包括：指纹的方向场、指纹的周期图时，所述第一变形模型为刚性变形模型。
作为本发明第一方面实施例的另一种可选的实现方式，当指纹的脊线特征包括：指纹的方向场、指纹的周期图以及指纹的细节点时，所述根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型，包括：
根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对；
如果所述匹配细节点对的数量大于或者等于预设数量，则根据所述匹配细节点对拟合所述第一变形模型，其中，所述第一变形模型为弹性变形模型。
作为本发明第一方面实施例的另一种可选的实现方式，所述根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对，包括：
根据所述第一脊线特征中的所述待配准指纹的细节点与所述第二脊线特征中的所述目标指纹的细节点，构建细节点描述子；
利用匹配算法对细节点描述子进行匹配，得到所述匹配细节点对。
作为本发明第一方面实施例的另一种可选的实现方式，所述方法还包括：
如果所述匹配细节点对的数量小于预设数量，根据所述第一脊线特征中的所述待配准指纹的方向图和所述待配准指纹的周期图以及所述第二脊线特征中的所述目标指纹的方向图和所述目标指纹的周期图，计算所述待配准指纹相对于所述目标指纹的最佳旋转平移参数；
利用所述最佳旋转平移参数拟合所述第一变形模型，其中，所述第一变形模型为刚性变形模型。
作为本发明第一方面实施例的另一种可选的实现方式，所述获取所述第一相位特征相对于所述第二相位特征的相位差异信息，包括：
利用所述第一变形模型对所述第一相位特征进行变形；
将变形后的所述第一相位特征与所述第二相位特征进行配准，得到所述第一相位特征与所述第二相位特征之间的相位重合区域；
将所述相位重合区域的所述第一相位特征与所述第二相位特征直接相减，得到所述相位重合区域的原始相位差异；对所述相位重合区域的所述原始相位差异进行相位解包裹，得到所述相位重合区域的相位差异信息。
作为本发明第一方面实施例的另一种可选的实现方式，所述获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息，包括：
利用所述第一变形模型对所述第一相位特征进行变形；
对变形后的所述第一相位特征和所述第二相位特征分别进行相位解包裹，得到第三相位特征和第四相位特征；
将所述第三相位特征与所述第四相位特征进行配准得到所述第三相位特征与所述第四相位特征的相位重合区域；
将所述相位重合区域的所述第三相位特征与所述第四相位特征相减，得到所述第三相位特征与所述第四相位特征之间的所述相位差异信息。
作为本发明第一方面实施例的另一种可选的实现方式，所述根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果，包括：
根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型；
利用所述第二变形模型对应的第二扭曲场，对所述粗配准结果中的待配准指纹进行变形，得到所述最终配准结果。
作为本发明第一方面实施例的另一种可选的实现方式，所述根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型，包括：
利用所述相位差异信息、所述第二脊线特征中的所述目标指纹的方向场以及所述目标指纹的周期图，得到所述相位重合区域内所述待配准指纹第一点集相对于所述目标指纹第二点集变形矢量；
其中，所述第一点集中包括所述相位重合区域内所述待配准指纹的所有像素点，所述第二点集包括所述目标指纹中与所述第一点集对应的各点；所述变形矢量包括变形强度和变形方向；所述变形矢量可分解为水平方向的第一变形量和垂直方向的第二变形量；
根据所述第一变形量和所述第二变形量，滤除所述相位重合区域内所述第一点集中噪声点，得到所述待配准指纹的第三点集；
根据所述三点集，从所述第二点集中获取所述目标指纹的第四点集；
利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型。
作为本发明第一方面实施例的另一种可选的实现方式，所述利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型，包括：
按照预设的采样间隔对所述第三点集和所述第四点集进行采样；
利用采样后的所述第三点集和采样后的所述第四点集进行拟合得到所述第二变形模型。
作为本发明第一方面实施例的另一种可选的实现方式，所述第一变形量中变形强度的计算公式为：
以及
所述第二变形量中变形强度的计算公式为：
其中，Dx(x,y)表示所述待配准指纹中所述第一点集中在(x,y)位置上像素点，相对于所述第二点集中对应点的水平方向的变形强度；
Dy(x,y)表示所述待配准指纹中所述第一点集在(x,y)位置上的像素点，相对于所述第二点集中对应点的垂直方向的变形强度；
ΔΦU(x,y)表示在(x,y)位置上的所述相位差异信息；
PR(x,y)表示所述目标指纹的周期图在(x,y)位置上的取值；
OR(x,y)表示所述目标指纹的方向场在(x,y)位置上的取值。
作为本发明第一方面实施例的另一种可选的实现方式，所述方法还包括：
将所述待配准指纹和所述目标指纹分别输入到预设的带通滤波器中，得到所述待配准指纹的第一滤波指纹和所述目标指纹的第二滤波指纹；
对所述第一滤波指纹和所述第二滤波指纹分别进行四象限反正切运算，得到所述第一相位特征和所述第二相位特征。
作为本发明第一方面实施例的另一种可选的实现方式，所述方法还包括：
所述带通滤波器为复Gabor滤波器。
本发明实施例的指纹配准方法，通过提取待配准指纹和目标指纹的指纹特征，其中指纹特征包括脊线特征和相位特征，利用两个指纹的脊线特征进行粗配准，然后获取两个指纹的相位特征在相位重合区域内的相位差异信息，根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
为达上述目的，本发明第二方面实施例提出了一种指纹配准装置，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行如本发明第一方面实施例所述的指纹配准方法。
本发明实施例的指纹配准装置，通过提取待配准指纹和目标指纹的指纹特征，其中指纹特征包括脊线特征和相位特征，利用两个指纹的脊线特征进行粗配准，然后获取两个指纹的相位特征在相位重合区域内的相位差异信息，根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
为了实现上述目的，本发明第三方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器端的处理器被执行时，使得服务器端能够执行一种指纹配准方法，所述方法包括：
对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征；其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征；
基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果；
获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息；
根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果。
为了实现上述目的，本发明第四方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种指纹配准方法，包括：
对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征；其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征；
基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果；
获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息；
根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种指纹配准方法的流程示意图；
图2为本发明实施例提供的第一脊线特征的示意图；
图3为本发明实施例提供的第二脊线特征的示意图；
图4为本发明实施例提供的第一相位特征和第二相位特征的示意图；
图5为本发明实施例提供的相位差异信息的示意图；
图6为本发明实施例提供的另一种指纹配准方法的流程示意图；
图7为本发明实施例提供的另一种指纹配准方法的流程示意图；
图8为本发明实施例提供的指纹配准方法与现有指纹配准方法的配准结果的比较示意图；
图9为本发明实施例提供的一种指纹配准方法的应用示意图；
图10为本发明实施例提供的一种指纹配准装置的结构示意图；
图11为本发明实施例提供的另一种指纹配准装置的结构示意图。
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。
下面参考附图描述本发明实施例的指纹配准方法及装置。
图1为本发明实施例提供的一种指纹配准方法的流程示意图。如图1所示，该指纹配准方法包括以下步骤：
S101、获取待配准指纹和目标指纹。
具体地，可以通过指纹采集装置对待配准指纹进行采集。目标指纹为预先采集的存储在指纹数据库中的一个指纹。待配准指纹与目标指纹可以来源于同一个手指，也可以来源于不同的手指。本实施例中，以来源于同一个手指的指纹作为目标指纹，对本实施例提供的指纹配准方法进行解释说明。当然待配准指纹可以与指纹数据库中的任意一个指纹做配准。
例如，在利用指纹考勤打卡时，考勤机上存储有多个指纹，但某一员工打卡时，可以在考勤机上录入自己的指纹，该录入的指纹即为待配准指纹。待配准指纹需要与考勤机上存储的所有指纹进行匹配，此时，考勤机上的任意一个指纹均可以作为目标指纹。
S102、对待配准指纹和目标指纹进行特征提取，得到待配准指纹的第一指纹特征和目标指纹的第二指纹特征。
其中，第一指纹特征包括第一脊线特征和第一相位特征，第二指纹特征中包括第二脊线特征和第二相位特征。
本实施例中，在获取到待配准指纹和目标指纹后，可以对待配准指纹和目标指纹进行特征提取，得到待配准指纹的第一指纹特征和目标指纹的第二指纹特征。第一指纹特征包括第一脊线特征和第一相位特征，第二指纹特征包括第二脊线特征和第二相位特征。
本实施例中，指纹的脊线特征可以包括：指纹的方向场和指纹的周期图。可选地，指纹的脊线特征可以包括：指纹的方向场和指纹的周期图以及指纹的细节点。
具体地，采用图像灰度梯度算法对待配准指纹进行计算得到待配准指纹的方向图，以及采用图像灰度梯度算法对目标指纹进行计算得到目标指纹的方向图。进一步地，采用区块内相邻波峰平均距离的方式对待配准指纹进行估计，得到待配准指纹的周期图，以及采用区块内相邻波峰平均距离的方式对目标指纹进行估计，得到目标指纹的周期图。进一步地，采用细化图的方式从待配准指纹中提取该待配准指纹的细节点，以及采用细化图的方式从目标指纹中提取该目标指纹的细节点。通过上述特征提取可以得到待配准指纹的第一脊线特征和目标指纹的第二脊线特征。
图2本发明实施例提供的第一脊线特征的示意图。图3为本发明实施例提供的第二脊线特征的示意图。其中，第一脊线特征中包括待配准指纹的方向图、周期图和细节点。第二脊线特征中包括目标指纹的方向图、周期图和细节点。
进一步地，可以采用预设的带通滤波器，优选地，该带通滤波器可以为二维的复伽柏(Gabor)滤波器，提取待配准指纹的第一相位特征以及目标指纹的第二相位特征。具体地，将待配准指纹和目标指纹分别输入到预设的带通滤波器，例如复Gabor滤波器中，得到待配准指纹的第一滤波指纹和目标指纹的第二滤波指纹。在获取到第一滤波指纹和第二滤波指纹后，对第一中间指纹和第二中间指纹分别进行四象限反正切运算，得到待配准指纹的第一相位特征和目标指纹的第二相位特征。图4本发明实施例提供的第一相位特征和第二相位特征的示意图。
当采用复Gabor滤波器提取指纹的相位特征时，需要利用复Gabor滤波器当前所在位置对应的指纹脊线的频率及方向设置该复Gabor滤波器的频率及方向参数。
其中，二维的复Gabor滤波器的数学表达式为：
其中，x,y分别表示滤波器中任意一个点的水平坐标和垂直坐标；将该点的x,y的取值，带入到上述表达式，可以得到Gabor滤波器在该点上的取值。
x0，y0分别为指纹中与滤波器中心所对应的点的水平坐标和垂直坐标；
xθ，yθ分别为滤波器中的(x,y)点经过旋转后的水平坐标和垂直坐标；其中，θ这里只是作为一个标记，可以替换为别的记号；
σx与σy分别为二维高斯函数在水平方向以及垂直方向的标准差；
P(x0，y0)为指纹的周期图在位置(x0，y0)处的取值，O(x0，y0)为指纹的方向场在位置(x0,y0)处的取值。
通过二维的复Gabor滤波器对指纹进行滤波后，可以得到一个滤波指纹，从该滤波指纹中提取指纹的相位特征。相位特征的计算公式：
Φ＝atan2(Im[I*G],Re[I*G])；
其中，atan2(.)是四象限反正切运算，Im[z]及Re[z]是复信号z的虚部及实部。
S103、基于第一脊线特征和第二脊线特征，对待配准指纹与目标指纹进行粗配准，得到粗配准结果。
具体地，在获取到待配准指纹的第一脊线特征和目标指纹的第二脊线特征后，可以根据第一脊线特征和第二脊线特征，拟合待配准指纹相对于目标指纹的第一变形模型。进一步地，根据第一变形模型可以得到待配准指纹相对于目标指纹的第一扭曲场，然后利用第一扭曲场对待配准指纹进行变形，将变形后的待配准指纹与目标指纹进行粗配准，得到待配准指纹与目标指纹之间的粗配准结果。
本实施例中，当指纹的脊线特征只包括指纹的方向场和周期图时，根据第一脊线特征和第二脊线特征拟合得到的第一变形模型为刚性变形模型。而当指纹的脊线特征包括指纹的方向场、周期图和细节点时，根据第一脊线特征和第二脊线特征拟合得到的第一变形模型为弹性变形模型。
104、获取第一相位特征与第二相位特征之间的相位重合区域的相位差异信息。
在获取到第一相位特征与第二相位特征后，首先利用第一变形模型对第一相位特征进行变形，将变形后的第一相位特征与第二相位特征进行配准，得到第一相位特征与第二相位特征之间的相位重合区域。
进一步地，将相位重合区域的第一相位特征与第二相位特征直接相减，得到相位重合区域的原始相位差异，然后对相位重合区域的原始相位差异进行相位解包裹，得到相位重合区域的相位差异信息。其中，该相位差异信息包括相位重合区域内每个像素点的相位差异。图5为本发明实施例提供的相位差异信息的示意图。图5中可以通过箭头方向和箭头长度表示待配准指纹的某一点相对于目标指纹中对应点的变形矢量。
可选地，利用第一变形模型对第一相位特征进行变形，对变形后的第一相位特征和第二相位特征分别进行相位解包裹，得到第三相位特征和第四相位特征，然后将第三相位特征与第四相位特征进行配准，得到第三相位特征与第四相位特征的相位重合区域，进一步地，将该相位重合区域的第三相位特征与第四相位特征相减，得到第三相位特征与第四相位特征之间的相位差异信息。
实际应用中，相位解包裹与路径相关，不同的解包裹路径可能导致不同的解包裹结果，因此，只进行一次解包裹操作获取到的相位差异信息更具有鲁棒性，并且效率更高。
S105、根据相位差异信息对粗配准结果进行调整，得到待配准指纹与目标指纹的最终配准结果。
本实施例中，根据相位差异信息计算待配准指纹相对于目标指纹的第二变形模型。具体地，利用相位差异信息、第二脊线特征中的目标指纹的方向场以及目标指纹的周期图，得到相位重合区域内待配准指纹第一点集相对于目标指纹第二点集的变形矢量。
其中，第一点集包括相位重合区域内待配准指纹的所有像素点，第二点集包括目标指纹中与第一点集对应的各点；变形矢量包括变形的强度和方向；变形矢量可分解为水平方向的第一变形量和垂直方向的第二变形量。
其中，第一变形量中变形强度的计算公式为：
以及
第二变形量中变形强度的计算公式为：
其中，Dx(x,y)表示待配准指纹中第一点集在(x,y)位置上的像素点，相对于第二点集中对应点在水平方向上的变形强度。
Dy(x,y)表示待配准指纹中第一点集在(x,y)位置上，相对于第二点集对应点在垂直方向上的变形强度。
ΔΦU(x,y)表示在(x,y)位置上的相位差异信息。
PR(x,y)表示目标指纹的周期图(x,y)位置上的取值；
OR(x,y)表示目标指纹的方向场(x,y)位置上的取值。
实际应用中，采集到的指纹在某些位置可能质量较低，或有较强的背景噪声，导致某些位置求取的变形矢量与周围区域的变形矢量有较大偏差，然而正常情况同一个区域内的变形矢量应该大致相同或相近。为了提高指纹配准的精度，需要将滤出这些异常的变形矢量。
在获取到相位重合区域内待配准指纹中每个像素点的第一变形量和第二变形量之后，可以根据第一变形量和第二变形量滤除第一点集中的噪声点，得到相位重合区域内的待配准指纹的第三点集。
进一步地，可以根据第三点集，从第二点集内获取目标指纹的第四点集。具体地，从第三点集中任意选取一个像素点，根据该像素点所在位置，以及该位置所对应的变形矢量，确定出与该点对应的目标指纹中的点。
当为第三点集中所有点，确定出与自身对应但属于目标指纹的点后，就可以利用这些确定出属于目标指纹的所有点构成第四点集。
进一步地，利用第三点集和第四点集进行拟合，得到第二变形模型。其中，该第二变形模型可以为多项式模型、B样条模型或薄板样条模型(Thin Plate Spline,TPS)等拟合函数。可选地，可以按照预设的采样间隔对第三点集和第四点集进行采样，利用采样后的第三点集和采样后的第四点集进行拟合得到第二变形模型。优选地，采样间隔可以为15个像素。
进一步地，因为Dx及Dy是浮点数，能够使指纹的配准精度达到亚像素级别。而且本实施例中扭曲变形是平缓的，即在一个小的邻域内变形强度不大，因此通过对Dx及Dy在水平及垂直方向上均匀采样，可以提升算法效率，同时不会有显著的精度损失。
在得到第二变形模型后，可以利用第二变形模型确定出待配准指纹相对于目标指纹的第二扭曲场，然后利用该第二扭曲场对粗配准结果中的待配准指纹进行变形，得到最终配准结果。
本实施例提出的指纹配准方法，通过待配准指纹和目标指纹的脊线特征进行粗配准，利用两个指纹的相位特征得到两个指纹的相位差异信息，然后根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
图6为本发明实施例提供的另一种指纹配准方法的流程示意图。如图6所示，该指纹配准方法包括以下步骤：
S201、获取待配准指纹和目标指纹。
S202、对待配准指纹和目标指纹进行特征提取，得到待配准指纹的第一指纹特征和目标指纹的第二指纹特征。
其中，第一指纹特征中包括第一脊线特征和第一相位特征；第二指纹特征中包括第二脊线特征和第二相位特征。
本实施例中，第一脊线特征包括待配准指纹的方向图和周期图，第二脊线特征包括目标指纹的方向图和周期图。
关于特征提取的具体过程可参见上述实施例中相关内容的记载，此处不再赘述。
S203、根据待配准指纹的方向图和周期图以及目标指纹的方向图和周期图，拟合待配准指纹相对于目标指纹的第一变形模型，其中第一变形模型为刚性变形模型。
具体地，可以对待配准指纹的方向图和周期图与目标指纹的方向图和周期图进行分析，计算出待配准指纹相对于目标指纹的最佳旋转平移参数，然后利用最佳旋转平移参数拟合出第一变形模型。
S204、利用刚性变形模型对应的第一扭曲场，对待配准指纹进行变形。
在获取到刚性变形模型后，可以计算出该刚性变形模型对应的第一扭曲场，然后利用该第一扭曲场对待配准指纹进行变形。例如，可以对待配准指纹根据该第一扭曲场进行旋转、平移等操作。
S205、将变形后待配准指纹与目标指纹进行粗配准，得到粗配准结果。
S206、获取第一相位特征与第二相位特征之间的相位重合区域的相位差异信息。
S207、根据相位差异信息对粗配准结果进行调整，得到待配准指纹与目标指纹的最终配准结果。
关于S205～S207的具体介绍可参见上述实施例中相关内容的记载，此处不再赘述。
本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
图7为本发明实施例提供的另一种指纹配准方法的流程示意图。如图7所示，该指纹配准方法包括以下步骤：
S301、获取待配准指纹和目标指纹。
S302、对待配准指纹和目标指纹进行特征提取，得到待配准指纹的第一指纹特征和目标指纹的第二指纹特征。
其中，第一指纹特征中包括第一脊线特征和第一相位特征；第二指纹特征中包括第二脊线特征和第二相位特征。
本实施例中，第一脊线特征包括待配准指纹的方向图、周期图以及细节图，第二脊线特征包括目标指纹的方向图、周期图及细节图。
S303、根据待配准指纹的细节点和目标指纹的细节点，获取待配准指纹与目标指纹之间的匹配细节点对。
具体地，根据第一脊线特征中的待配准指纹的细节点与所述第二脊线特征中的所述指纹的细节点，构建细节点描述子，如细节点柱型码描述子。进一步地，利用匹配算法对细节点描述子进行匹配，得到匹配细节点对。本实施例中，匹配算法可以为谱匹配算法或者匈牙利算法等。
S304、判断匹配细节点对的数量是否大于或者等于预设数量。
本实施例中，根据配准需求预先设置一个最少的匹配细节点对数，该最少的匹配细节点对数即为预设数量。在获取到匹配细节点对之后，可以匹配细节点对与预设数量进行比较，以判断匹配细节点对是否大于或者等于预设数量。优选地，最少匹配对数为4，即预设数量为4。
如果判断出匹配细节点对的数量大于或者等于预设数量，则执行S305；如果判断出匹配细节点对的数量小于预设数量，则执行S06。
S305、根据匹配细节点对拟合第一变形模型，其中，第一变形模型为弹性变形模型。
在获取到弹性变形模型后，可以继续执行S308。
S306、根据待配准指纹的方向图和周期图以及目标指纹的方向图和周期图，计算待配准指纹相对于目标指纹的最佳旋转平移参数。
S307、利用最佳旋转平移参数拟合第一变形模型，其中，第一变形模型为刚性变形模型。
S308、利用第一变形模型对应的第一扭曲场，对待配准指纹进行变形。
S309、将变形后待配准指纹与目标指纹进行粗配准，得到粗配准结果。
S310、获取第一相位特征与第二相位特征之间的相位重合区域的相位差异信息。
S311、根据相位差异信息对粗配准结果进行调整，得到待配准指纹与目标指纹的最终配准结果。
关于S309～S311的具体介绍可参见上述实施例中相关内容的记载，此处不再赘述。
图8为本发明实施例提供的指纹配准方法与现有指纹配准方法的配准结果的比较示意图。图8中，每一行为一对待配准指纹与目标指纹的配准结果比较示意。其中，第一列为目标指纹，第二列为待配准指纹，第三列为采用方向场进行刚体变换后对待配准指纹与目标指纹进行配准后的配准结果，第四列为待配准指纹与目标指纹经过本实施例中粗配准后配置的结果，第五列为为待配准指纹与目标指纹经过本实施例提供的指纹配准方法进行精确配准后的配准结果。
为了能够直观的显示配准结果，配准后指纹的细化图被叠加在了目标指纹的二值图上，图中粗线表示目标指纹的二值图，细线表示配准后指纹的细化图，深黑色的细线表示两个指纹精确配准的脊线，灰色的细线表示未配准区域或两个指纹的非公共区域。图像右下角的两个数字分别表示配准后待配准指纹与目标指纹的匹配分数及相关系数。从图8可知，通过本实施例提供的指纹配准方法进行指纹配准后，待配准指纹与目标指纹在相互重合区域不仅能够将细节点对齐，而且能够将所有脊线对齐。另外，指纹配准的匹配分数及相关系数与刚体配准及粗配准相比都有很大的提高。
本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
图9为本发明实施例提供的一种指纹配准方法的应用示意图。图9以图像的形式解释说明本实施例提供的指纹配准方法。首先得到待配准指纹和目标指纹，然后对两个指纹进行特征提取，得到两个指纹的指纹特征，即待配准指纹的第一指纹特征和目标指纹的第二指纹特征。其中，第一指纹特征中包括待配准指纹的方向图、周期图和细节点以及第一相位特征。第二指纹特征中包括目标指纹的方向图、周期图和细节点以及第二相位特征。
进一步地，根据待配准指纹的方向图、周期图和细节点以及目标指纹的方向图、周期图和细节点进行粗配准，得到粗配准结果。进一步地，将待配准指纹的第一相位特征与目标指纹的第二相位特征进行粗配准，得到两个指纹的相位特征的粗配准结果，然后利用相位解包裹的方法获取到两个指纹的相位重合区域，进一步地，可以获取到相位重合区域内待配准指纹的第三点集，然后根据该第三点集可以确定目标指纹的第四点集，进而可以拟合出薄样板条纹(Thin plate spline，简称TPS)模型，利用该TPS模型来调整粗配准结果，得到待配准指纹与目标指纹的最终配准结果。
图10为本发明实施例提供的一种指纹配准装置的结构示意图。如图10所示，该指纹配准装置包括：处理器11和存储器12。
处理器11，用于获取待配准指纹和目标指纹，对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征，基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果，获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息，以及根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果；其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征。
进一步地，处理器11，具体用于根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型，利用所述第一变形模型对应的所述第一扭曲场，对所述待配准指纹进行变形，以及将变形后所述待配准指纹与所述目标指纹进行粗配准，得到所述粗配准结果。
进一步地，当指纹的脊线特征包括：指纹的方向场、指纹的周期图时，所述第一变形模型为刚性变形模型。
进一步地，当指纹的脊线特征包括：指纹的方向场、指纹的周期图以及指纹的细节点时，处理器11，具体用于根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对，如果所述匹配细节点对的数量大于或者等于预设数量，则根据所述匹配细节点对拟合所述第一变形模型，其中，所述第一变形模型为弹性变形模型。
进一步地，处理器11，具体用于根据所述第一脊线特征中的所述待配准指纹的细节点与所述第二脊线特征中的所述目标指纹的细节点，构建细节点描述子，利用匹配算法对细节点描述子进行匹配，得到所述匹配细节点对。
进一步地，处理器11，还用于如果所述匹配细节点对的数量小于预设数量，根据所述第一脊线特征中的所述待配准指纹的方向图和所述待配准指纹的周期图以及所述第二脊线特征中的所述目标指纹的方向图和所述目标指纹的周期图，计算所述待配准指纹相对于所述目标指纹的最佳旋转平移参数，利用所述最佳旋转平移参数拟合所述第一变形模型，其中，所述第一变形模型为刚性变形模型。
进一步地，处理器11，具体用于利用所述第一变形模型对所述第一相位特征进行变形，将变形后的所述第一相位特征与所述第二相位特征进行配准，得到所述第一相位特征与所述第二相位特征之间的相位重合区域，将所述相位重合区域的所述第一相位特征与所述第二相位特征直接相减，得到所述相位重合区域的原始相位差异，对所述相位重合区域的所述原始相位差异进行相位解包裹，得到所述相位重合区域的相位差异信息。
进一步地，处理器11，具体用于利用所述第一变形模型对所述第一相位特征进行变形，对变形后的所述第一相位特征和所述第二相位特征分别进行相位解包裹，得到第三相位特征和第四相位特征，将所述第三相位特征与所述第四相位特征进行配准，得到所述第三相位特征与所述第四相位特征的相位重合区域，将所述相位重合区域的所述第三相位特征与所述第四相位特征相减，得到所述第三相位特征与所述第四相位特征之间的所述相位差异信息。
进一步地，处理器11，具体用于根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型，利用所述第二变形模型对应的第二扭曲场，对所述粗配准结果中的待配准指纹进行变形，得到所述最终配准结果。
进一步地，处理器11，具体用于利用所述相位差异信息、所述第二脊线特征中的所述目标指纹的方向场以及所述目标指纹的周期图，得到所述相位重合区域内所述待配准指纹第一点集相对于所述目标指纹第二点集的变形矢量，根据所述第一变形量和所述第二变形量，滤除所述第一点集中噪声点，得到所述待配准指纹的第三点集，根据所述第三点集，从第二点集中获取所述目标指纹的第四点集，利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型。
其中，所述第一点集包括所述相位重合区域内所述待配准指纹的所有像素点，所述第二点集包括所述目标指纹中与所述第一点集对应的各点；所述变形矢量包括变形的强度和方向；所述变形矢量可分解为水平方向的第一变形量和垂直方向的第二变形量。
进一步地，处理器11，具体用于按照预设的采样间隔对所述第三点集和所述第四点集进行采样，利用采样后的所述第三点集和采样后的所述第第四点集进行拟合得到所述第二变形模型。
进一步地，第一变形量中变形强度的计算公式为：
以及
进一步地，第二变形量中变形强度的计算公式为：
其中，Dx(x,y)表示所述第一点集在(x,y)位置上的像素点，相对于所述第二点集中对应点在水平方向上的变形强度；
Dy(x,y)表示所述第一点集在(x,y)位置上的像素点，相对于所述第二点集对应点在垂直方向上的变形强度；
ΔΦU(x,y)表示在(x,y)位置上的所述相位差异信息；
PR(x,y)表示所述目标指纹的周期图在(x,y)位置上的取值；
OR(x,y)表示所述目标指纹的方向场在(x,y)位置上的取值。
进一步地，处理器11，具体用于将所述待配准指纹和所述目标指纹分别输入到预设的带通滤波器中，得到所述待配准指纹的第一滤波指纹和所述目标指纹的第二滤波指纹，对所述第一滤波指纹和所述第二滤波指纹分别进行四象限反正切运算，得到所述第一相位特征和所述第二相位特征。
优选地，带通滤波器为复Gabor滤波器。
处理器11和存储器12可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(Peripheral Component，简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器11可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路。
本实施例提出的指纹配准装置，通过待配准指纹和目标指纹的脊线特征进行粗配准，利用两个指纹的相位特征得到两个指纹的相位差异信息，然后根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
图11为本发明实施例提供的另一种指纹配准装置的结构示意图。如图11所示，该指纹配准装置包括：指纹获取模块21、特征提取模块22、粗配准模块23、相位处理模块24和精配准模块25。
具体地，指纹获取模块21，用于获取待配准指纹和目标指纹。
特征提取模块22，用于对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征。
其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征。
粗配准模块23，用于基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果。
相位处理模块24，用于获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息。
精配准模块25，用于根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果。
进一步地，粗配准模块23，具体用于根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型，利用所述第一变形模型对应的所述第一扭曲场，对所述待配准指纹进行变形，以及将变形后所述待配准指纹与所述目标指纹进行粗配准，得到所述粗配准结果。
进一步地，当指纹的脊线特征包括：指纹的方向场、指纹的周期图时，所述第一变形模型为刚性变形模型。
进一步地，当指纹的脊线特征包括：指纹的方向场、指纹的周期图以及指纹的细节点时，粗配准模块23，具体用于根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对，如果所述匹配细节点对的数量大于或者等于预设数量，则根据所述匹配细节点对拟合所述第一变形模型，其中，所述第一变形模型为弹性变形模型。
进一步地，粗配准模块23，具体用于根据所述第一脊线特征中的所述待配准指纹的细节点与所述第二脊线特征中的所述目标指纹的细节点，构建细节点描述子，利用匹配算法对细节点描述子进行匹配，得到所述匹配细节点对。
进一步地，粗配准模块23还用于如果所述匹配细节点对的数量小于预设数量，根据所述第一脊线特征中的所述待配准指纹的方向图和所述待配准指纹的周期图以及所述第二脊线特征中的所述目标指纹的方向图和所述目标指纹的周期图，计算所述待配准指纹相对于所述目标指纹的最佳旋转平移参数，利用所述最佳旋转平移参数拟合所述第一变形模型，其中，所述第一变形模型为刚性变形模型。
进一步地，相位处理模块24，具体用于利用所述第一变形模型对所述第一相位特征进行变形，将变形后的所述第一相位特征与所述第二相位特征进行配准，得到所述第一相位特征与所述第二相位特征之间的相位重合区域，将所述相位重合区域的所述第一相位特征与所述第二相位特征直接相减，得到所述相位重合区域的原始相位差异，对所述相位重合区域的所述原始相位差异进行相位解包裹，得到所述相位重合区域的相位差异信息。
进一步地，相位处理模块24，具体用于利用所述第一变形模型对所述第一相位特征进行变形，对变形后的所述第一相位特征和所述第二相位特征分别进行相位解包裹，得到第三相位特征和第四相位特征，将所述第三相位特征与所述第四相位特征进行配准，得到所述第三相位特征与所述第四相位特征的相位重合区域，将所述相位重合区域的所述第三相位特征与所述第四相位特征相减，得到所述第三相位特征与所述第四相位特征之间的所述相位差异信息。
进一步地，精配准模块25，具体用于根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型，利用所述第二变形模型对应的第二扭曲场，对所述粗配准结果中的待配准指纹进行变形，得到所述最终配准结果。
进一步地，精配准模块25，具体用于利用所述相位差异信息、所述第二脊线特征中的所述目标指纹的方向场以及所述目标指纹的周期图，得到所述相位重合区域内所述待配准指纹第一点集相对于所述目标指纹第二点集的变形矢量，根据所述第一变形量和所述第二变形量，滤除第一点集中的噪声点，得到所述待配准指纹的第三点集，根据所述第三点集，从所述第二点集内获取所述目标指纹的第四点集，利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型。
其中，所述第一点集包括所述相位重合区域内所述待配准指纹的所有像素点，所述第二点集包括所述目标指纹中与所述第一点集对应的各点；所述变形矢量包括变形的强度和方向；所述变形矢量可分解为水平方向的第一变形量和垂直方向的第二变形量。
进一步地，精配准模块25，具体用于按照预设的采样间隔对所述第三点集和所述第四点集进行采样，利用采样后的所述第三点集和采样后的所述第四点集进行拟合得到所述第二变形模型。
进一步地，第一变形量中变形强度的计算公式为：
以及
进一步地，第二变形量中变形强度的计算公式为：
其中，Dx(x,y)表示所述第一点集中在(x,y)位置上的像素点，相对于所述第二点集中对应点在水平方向上的变形强度；
Dy(x,y)表示所述第一点集中在(x,y)位置上的像素点，相对于所述第二点集中对应点在垂直方向上的变形强度；
ΔΦU(x,y)表示在(x,y)位置上的所述相位差异信息；
PR(x,y)表示所述目标指纹的周期图在(x,y)位置上的取值；
OR(x,y)表示所述目标指纹的方向场在(x,y)位置上的取值。
进一步地，特征提取模块22，具体用于将所述待配准指纹和所述目标指纹分别输入到预设的带通滤波器中，得到所述待配准指纹的第一滤波指纹和所述目标指纹的第二滤波指纹，对所述第一滤波指纹和所述第二滤波指纹分别进行四象限反正切运算，得到所述第一相位特征和所述第二相位特征。优选地，带通滤波器为复Gabor滤波器。
本实施例提出的指纹配准装置，通过待配准指纹和目标指纹的脊线特征进行粗配准，利用两个指纹的相位特征得到两个指纹的相位差异信息，然后根据相位差异信息对粗配准结果进行调整，得到两个指纹的最终配准结果。本实施例中，不再单纯地依赖脊线特征进行指纹配准，在脊线特征的基础上还增加了相位特征，并且进行两次配准操作，可以提高指纹配准的精度。
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。
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。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。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 (15)

1.一种指纹配准方法，其特征在于，包括：
获取待配准指纹和目标指纹；
对所述待配准指纹和所述目标指纹进行特征提取，得到所述待配准指纹的第一指纹特征和所述目标指纹的第二指纹特征；其中，所述第一指纹特征包括第一脊线特征和第一相位特征；所述第二指纹特征中包括第二脊线特征和第二相位特征；
基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果；
获取所述第一相位特征与所述第二相位特征之间的相位重合区域的相位差异信息；根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果；
其中，所述获取所述第一相位特征相对于所述第二相位特征的相位差异信息，包括：
根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型；
利用所述第一变形模型对所述第一相位特征进行变形；
根据变形后的所述第一相位特征和所述第二相位特征，得到所述第一相位特征与所述第二相位特征之间的相位重合区域，根据所述相位重合区域得到所述相位差异信息。
2.根据权利要求1所述的指纹配准方法，其特征在于，所述基于所述第一脊线特征和所述第二脊线特征，对所述待配准指纹与所述目标指纹进行粗配准，得到粗配准结果，包括：
利用所述第一变形模型对应的第一扭曲场，对所述待配准指纹进行变形；
将变形后的所述待配准指纹与所述目标指纹进行粗配准，得到所述粗配准结果。
3.根据权利要求2所述的指纹配准方法，其特征在于，当指纹的脊线特征包括：指纹的方向场、指纹的周期图时，所述第一变形模型为刚性变形模型。
4.根据权利要求2所述的指纹配准方法，其特征在于，当指纹的脊线特征包括：指纹的方向场、指纹的周期图以及指纹的细节点时，所述根据所述第一脊线特征和所述第二脊线特征，拟合所述待配准指纹相对于所述目标指纹的第一变形模型，包括：
根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对；
如果所述匹配细节点对的数量大于或者等于预设数量，则根据所述匹配细节点对拟合所述第一变形模型，其中，所述第一变形模型为弹性变形模型。
5.根据权利要求4所述的指纹配准方法，其特征在于，所述根据所述第一脊线特征中所述指纹的细节点和所述第二脊线特征中所述指纹的细节点，获取所述待配准指纹与所述目标指纹之间的匹配细节点对，包括：
根据所述第一脊线特征中的所述待配准指纹的细节点与所述第二脊线特征中的所述目标指纹的细节点，构建细节点描述子；
利用匹配算法对细节点描述子进行匹配，得到所述匹配细节点对。
6.根据权利要求4所述的指纹配准方法，其特征在于，还包括：
如果所述匹配细节点对的数量小于预设数量，根据所述第一脊线特征中的所述待配准指纹的方向图和所述待配准指纹的周期图以及所述第二脊线特征中的所述目标指纹的方向图和所述目标指纹的周期图，计算所述待配准指纹相对于所述目标指纹的最佳旋转平移参数；
利用所述最佳旋转平移参数拟合所述第一变形模型，其中，所述第一变形模型为刚性变形模型。
7.根据权利要求1-4任一项所述的指纹配准方法，其特征在于，所述根据变形后的所述第一相位特征和所述第二相位特征，得到所述第一相位特征与所述第二相位特征之间的相位重合区域，根据所述相位重合区域得到所述相位差异信息，包括：
将变形后的所述第一相位特征与所述第二相位特征进行配准，得到所述第一相位特征与所述第二相位特征之间的相位重合区域；
将所述相位重合区域的所述第一相位特征与所述第二相位特征直接相减，得到所述相位重合区域的原始相位差异；
对所述相位重合区域的所述原始相位差异进行相位解包裹，得到所述相位重合区域的相位差异信息。
8.根据权利要求1-4任一项所述的指纹配准方法，其特征在于，所述根据变形后的所述第一相位特征和所述第二相位特征，得到所述第一相位特征与所述第二相位特征之间的相位重合区域，根据所述相位重合区域得到所述相位差异信息，包括：
利用所述第一变形模型对所述第一相位特征进行变形；
对变形后的所述第一相位特征和所述第二相位特征分别进行相位解包裹，得到第三相位特征和第四相位特征；
将所述第三相位特征与所述第四相位特征进行配准得到所述第三相位特征与所述第四相位特征的相位重合区域；
将所述相位重合区域的所述第三相位特征与所述第四相位特征相减，得到所述第三相位特征与所述第四相位特征之间的所述相位差异信息。
9.根据权利要求1-4任一项所述的指纹配准方法，其特征在于，所述根据所述相位差异信息对所述粗配准结果进行调整，得到所述待配准指纹与所述目标指纹的最终配准结果，包括：
根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型；
利用所述第二变形模型对应的第二扭曲场，对所述粗配准结果中的待配准指纹进行变形，得到所述最终配准结果。
10.根据权利要求9所述的指纹配准方法，其特征在于，所述根据所述相位差异信息计算所述待配准指纹相对于所述目标指纹的第二变形模型，包括：
利用所述相位差异信息、所述第二脊线特征中的所述目标指纹的方向场以及所述目标指纹的周期图，得到所述相位重合区域内所述待配准指纹第一点集相对于所述目标指纹第二点集的变形矢量；
其中，所述第一点集包括所述相位重合区域内所述待配准指纹的所有像素点，所述第二点集包括所述目标指纹中与所述第一点集对应的各点；所述变形矢量包括变形的强度和方向；所述变形矢量可分解为水平方向的第一变形量和垂直方向的第二变形量；
根据所述第一变形量和所述第二变形量，滤除所述第一点集中的噪声点，得到所述待配准指纹的第三点集；
根据所述第三点集，从所述第二点集中获取所述目标指纹的第四点集；
利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型。
11.根据权利要求10所述的指纹配准方法，其特征在于，所述利用所述第三点集和所述第四点集进行拟合得到所述第二变形模型，包括：
按照预设的采样间隔对所述第三点集和所述第四点集进行采样；
利用采样后的所述第三点集和采样后的所述第四点集进行拟合得到所述第二变形模型。
12.根据权利要求10所述的指纹配准方法，其特征在于，所述第一变形量中变形强度的计算公式为：
以及
所述第二变形量中变形强度的计算公式为：
其中，Dx(x，y)表示所述待配准指纹中所述第一点集中在(x，y)位置上的像素点，相对于所述第二点集中对应点在水平方向上的变形强度；
Dy(x，y)表示所述第一点集中在(x，y)位置上的像素点，相对于所述第二点集中对应点在垂直方向上的变形强度；
ΔΦU(x，y)表示在(x，y)位置上的所述相位差异信息；
PR(x，y)表示所述目标指纹的周期图在(x，y)位置上的取值；
OR(x，y)表示所述目标指纹的方向场在(x，y)位置上的取值。
13.根据权利要求1所述的指纹配准方法，其特征在于，还包括：
将所述待配准指纹和所述目标指纹分别输入到预设的带通滤波器中，得到所述待配准指纹的第一滤波指纹和所述目标指纹的第二滤波指纹；
对所述第一滤波指纹和所述第二滤波指纹分别进行四象限反正切运算，得到所述第一相位特征和所述第二相位特征。
14.根据权利要求13所述的指纹配准方法，其特征在于，所述带通滤波器为复Gabor滤波器。
15.一种指纹配准装置，其特征在于，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行如权利要求1-14中任一所述的指纹配准方法。
CN201710210304.4A 2017-03-31 2017-03-31 指纹配准方法及装置 Active CN107066961B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710210304.4A CN107066961B (zh) 2017-03-31 2017-03-31 指纹配准方法及装置
PCT/CN2017/080828 WO2018176514A1 (zh) 2017-03-31 2017-04-17 指纹配准方法及装置
US15/669,910 US10769407B2 (en) 2017-03-31 2017-08-05 Fingerprint registration method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710210304.4A CN107066961B (zh) 2017-03-31 2017-03-31 指纹配准方法及装置

Publications (2)

Publication Number Publication Date
CN107066961A CN107066961A (zh) 2017-08-18
CN107066961B true CN107066961B (zh) 2019-08-09

Family

ID=59603094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710210304.4A Active CN107066961B (zh) 2017-03-31 2017-03-31 指纹配准方法及装置

Country Status (3)

Country Link
US (1) US10769407B2 (zh)
CN (1) CN107066961B (zh)
WO (1) WO2018176514A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319838B (zh) * 2018-04-18 2020-06-02 北京小米移动软件有限公司 屏下指纹验证装置、方法、存储介质和移动终端
WO2020150891A1 (zh) * 2019-01-22 2020-07-30 深圳市汇顶科技股份有限公司 指纹识别的方法、处理器和电子设备
CN109886212A (zh) * 2019-02-25 2019-06-14 清华大学 从滚动指纹合成现场指纹的方法和装置
CN110263754B (zh) * 2019-06-28 2021-08-06 北京迈格威科技有限公司 屏下指纹去底纹方法、装置、计算机设备和存储介质
CN113918908A (zh) * 2020-07-07 2022-01-11 三星电子株式会社 用于指纹验证的方法和设备
CN112115848B (zh) * 2020-09-16 2022-09-06 哈尔滨理工大学 低质量指纹图像的残缺区域处理方法
CN113327269A (zh) * 2021-05-21 2021-08-31 哈尔滨理工大学 一种无标记颈椎运动检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751555A (zh) * 2009-09-25 2010-06-23 中国科学院自动化研究所 一种形变指纹识别方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5196010B2 (ja) * 2009-04-13 2013-05-15 富士通株式会社 生体情報登録装置、生体情報登録方法及び生体情報登録用コンピュータプログラムならびに生体認証装置、生体認証方法及び生体認証用コンピュータプログラム
CN101777128B (zh) * 2009-11-25 2012-05-30 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
US9070002B2 (en) * 2011-10-18 2015-06-30 King Fahd University Of Petroleum And Minerals Method of performing fingerprint matching
JP5812114B2 (ja) * 2011-12-28 2015-11-11 富士通株式会社 絞込データ生成方法及び絞込データ生成装置
CN105740753A (zh) * 2014-12-12 2016-07-06 比亚迪股份有限公司 指纹识别方法及指纹识别系统
WO2016159052A1 (ja) * 2015-03-31 2016-10-06 日本電気株式会社 生体パターン情報処理装置、生体パターン情報処理方法、およびプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751555A (zh) * 2009-09-25 2010-06-23 中国科学院自动化研究所 一种形变指纹识别方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Fingerprint Recognition Algorithm Combining Phase-Based Image Matching and Feature-Based Matching;Koichi Ito et al.;《International Conference on Biometrics》;20061231;第316-325页 *
Fingerprint Reconstruction: From Minutiae to Phase;Jianjiang Feng;《IEEE Transactions on Software Engineering》;20110228;第209-223页 *
基于Gabor-BLPOC的指关节纹识别算法;贲晛烨 等;《东南大学学报(自然科学版)》;20141130;第44卷(第6期);第1121-1125页 *
基于Gabor相位编码的手背静脉识别算法;郑英杰 等;《数据采集与处理》;20100731;第25卷(第4期);第516-520页 *

Also Published As

Publication number Publication date
CN107066961A (zh) 2017-08-18
US20180285618A1 (en) 2018-10-04
US10769407B2 (en) 2020-09-08
WO2018176514A1 (zh) 2018-10-04

Similar Documents

Publication Publication Date Title
CN107066961B (zh) 指纹配准方法及装置
CN106203294B (zh) 基于人脸属性分析的人证合一身份验证方法
EP2833294B1 (en) Device to extract biometric feature vector, method to extract biometric feature vector and program to extract biometric feature vector
Choi et al. Automatic segmentation of latent fingerprints
Gupta et al. Fingerprint image enhancement and reconstruction using the orientation and phase reconstruction
CN106709450A (zh) 一种指纹图像识别方法及系统
WO2011052036A1 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
CN101359365A (zh) 一种基于最大类间方差和灰度信息的虹膜定位方法
CN101751555A (zh) 一种形变指纹识别方法及系统
CN107958443A (zh) 一种基于脊线特征和tps形变模型的指纹图像拼接方法
Zhao et al. Latent fingerprint matching: Utility of level 3 features
Serafim et al. A method based on convolutional neural networks for fingerprint segmentation
CN110163182A (zh) 一种基于kaze特征的手背静脉识别方法
CN116704557A (zh) 一种基于纹理信息的低质量指纹匹配方法
Hussain et al. Biometric security application for person authentication using retinal vessel feature
CN104268502A (zh) 人体静脉图像特征提取后的认识方法
Ahmed et al. Retina based biometric authentication using phase congruency
CN103473546B (zh) 一种基于结构张量的指纹方向场获取方法
Kolivand et al. Improved methods for finger vein identification using composite Median-Wiener filter and hierarchical centroid features extraction
Varghese et al. Hexagonal image enhancement using Hex-Gabor filter for machine vision applications
CN109241884B (zh) 一种基于高光谱图像的非侵入式潜在指纹提取方法
Kour et al. Nonminutiae based fingerprint matching
Rajasundaram et al. Enhanced Fingerprint Authentication Technique Based on Ridges, Bifurcations, Trifurcations and Lakes
Tabassum A New Method for Biometric Based Recognition
Agarwal Multi-impression enhancement of fingerprint images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170818

Assignee: Beijing Haixin Kejin High-Tech Co.,Ltd.

Assignor: TSINGHUA University

Contract record no.: X2022990000841

Denomination of invention: Fingerprint registration method and device

Granted publication date: 20190809

License type: Exclusive License

Record date: 20221024