CN107292832A - 一种实现指纹信息处理的方法及设备 - Google Patents
一种实现指纹信息处理的方法及设备 Download PDFInfo
- Publication number
- CN107292832A CN107292832A CN201710347023.3A CN201710347023A CN107292832A CN 107292832 A CN107292832 A CN 107292832A CN 201710347023 A CN201710347023 A CN 201710347023A CN 107292832 A CN107292832 A CN 107292832A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- fingerprint
- image
- wavelet
- recovery
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000010365 information processing Effects 0.000 title claims abstract description 20
- 238000011084 recovery Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 81
- 230000006870 function Effects 0.000 claims description 46
- 230000009466 transformation Effects 0.000 claims description 19
- 230000006854 communication Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000002939 conjugate gradient method Methods 0.000 claims description 10
- 238000013499 data model Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 210000003811 finger Anatomy 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000005224 forefinger Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Abstract
本发明实施例提供了一种实现指纹信息处理的方法及设备,包括:获取录入的预设组降析指纹图像;将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。本发明实施例实现了降低指纹图像的复原,避免了指纹破损影响指纹识别系统的使用,提升了用户的使用体验。
Description
技术领域
本发明涉及生物特征应用技术,尤指一种实现指纹信息处理的方法及设备。
背景技术
随着生物特征技术的应用和发展,指纹识别技术已越发成熟,越来越多的终端(包括手机、平板、考勤设备等)已经集成了指纹识别系统。
指纹识别系统保证了用户隐私和财产安全,但是,当用户手指指纹出现破损时,用户录入的指纹图像将无法与存储的样本指纹进行匹配,影响指纹识别系统的正常工作。
发明内容
针对上述技术问题,本发明实施例提供了一种实现指纹信息处理的方法及设备,能够避免指纹破损影响指纹识别系统使用,提升用户的使用体验。
本发明实施例提供了一种实现指纹信息处理的方法,包括:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
可选的,所述将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,所述确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
可选的,所述方法还包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备解锁失败。
可选的,所述方法还包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备上的应用解锁失败。
另一方面,本发明实施例还提供一种实现指纹信息处理的设备,所述设备包括指纹传感器、处理器、存储器及通信总线;
所述指纹传感器用于获取降析指纹图像和样本指纹图像;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的指纹信息处理程序,以实现以下步骤:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
可选的,所述处理器用于实现将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,所述处理器用于实现确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
可选的,所述处理器还用于:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备和/或设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备和/或设备上的应用解锁失败。
再一方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行以实现上述述的指纹信息处理的方法的步骤。
与相关技术相比,本发明实施例技术方案包括:获取录入的预设组降析指纹图像;将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。本发明实施例实现了降低指纹图像的复原,避免了指纹破损影响指纹识别系统的使用,提升了用户的使用体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为实现本发明各个实施例一可选的移动终端的硬件结构示意;
图2为本发明实施例实现指纹信息处理的方法的流程图;
图3为本发明实施例录入指纹的示意图;
图4为本发明实施例进行复原处理的方法流程图;
图5为本发明实施例设置相似度阈值的交互示意图;
图6为本发明另一实施例实现指纹信息处理的方法的流程图;
图7为本发明实施例实现指纹信息处理的设备的结构框图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端,以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
请参阅图1,其为实现本发明各个实施例的一种移动终端的硬件结构示意图,该移动终端100可以包括:RF(Radio Frequency,射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解,图1中示出的移动终端结构并不构成对移动终端的限定,移动终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图1对移动终端的各个部件进行具体的介绍:
射频单元101可用于收发信息或通话过程中,信号的接收和发送,具体的,将基站的下行信息接收后,给处理器110处理;另外,将上行的数据发送给基站。通常,射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000,码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access,时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution,频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution,分时双工长期演进)等。
WiFi属于短距离无线传输技术,移动终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102,但是可以理解的是,其并不属于移动终端的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
音频输出单元103可以在移动终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时,将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元103还可以提供与移动终端100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。
A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit,GPU)1041和麦克风1042,图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据),并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。
移动终端100还包括至少一种传感器105,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度,接近传感器可在移动终端100移动到耳边时,关闭显示面板1061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息,以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071,也称为触摸屏,可收集用户在其上或附近的触控操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作),并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触控操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器110,并能接收处理器110发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071,用户输入单元107还可以包括其他输入设备1072。具体地,其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种,具体此处不做限定。
进一步的,触控面板1071可覆盖显示面板1061,当触控面板1071检测到在其上或附近的触控操作后,传送给处理器110以确定触摸事件的类型,随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中,触控面板1071与显示面板1061是作为两个独立的部件来实现移动终端的输入和输出功能,但是在某些实施例中,可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能,具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到移动终端100内的一个或多个元件或者可以用于在移动终端100和外部装置之间传输数据。
存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器109可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器110是移动终端的控制中心,利用各种接口和线路连接整个移动终端的各个部分,通过运行或执行存储在存储器109内的软件程序和/或模块,以及调用存储在存储器109内的数据,执行移动终端的各种功能和处理数据,从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元;优选的,处理器110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器110中。
移动终端100还可以包括给各个部件供电的电源111(比如电池),优选的,电源111可以通过电源管理系统与处理器110逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图1未示出,移动终端100还可以包括蓝牙模块等,在此不再赘述。
基于上述移动终端硬件结构,提出本发明方法各个实施例。
图2为本发明实施例实现指纹信息处理的方法的流程图,如图2所示,包括:
步骤200、获取录入的预设组降析指纹图像;
需要说明的是,本发明实施例可以对降析指纹图像进行编号,以在进行与样本指纹图像的比对时,区分各降析指纹图像的相似度信息。图3为本发明实施例录入指纹的示意图,如图3所示,用于在使用手机时,通过食指输入指纹图像。本发明实施例降析指纹图像包括输入指纹的手指破损时输入的指纹图像。录入降析指纹图像的组数可以由本领域技术人员根据经验值设定,理论上在一定数值范围内组数越多,本发明实施例的效果越好,例如、组数可以是4~9组。
步骤201、将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
步骤202、将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
步骤203、根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
可选的,本发明实施例将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,图4为本发明实施例进行复原处理的方法流程图,如图4所示,包括:
步骤400、建立降析指纹图像与原始图像的数据模型;
步骤401、对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
步骤402、通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
步骤403、根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
步骤404、通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
步骤405、将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,本发明实施例将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型:
g=Hf+n (1);
其中,g、f和H分别表示按行或按列重新排列而成的降析指纹图像、原始图像和线性可加的高斯白噪声;f通过指定其先验概率密度来确定;
降析指纹图像的条件概率密度为:
其中,N2为降析指纹图像的像素数目,σ2为噪声的方差;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式:
其中,W为二维小波变换矩阵,和分别为降析指纹图像、原始图像和噪声在小波变换后的尺度和小波系数向量;为H的小波域表示,WTW=I,是零均值的高斯白噪声,方差为σ2;
根据混合高斯模型确定在已知第i个小波系数状态概率的情况下,像素点的值为wi的概率为:
其中,表示小波系数i处于状态m时取值为Wi的概率,其服从均值和方差为:μi,m和的高斯分布,表示小波系数i处于状态m的概率,M为小波系数i的状态数;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度并获得降析指纹图像小波域变换后的能量函数:
确定能量函数的小波域表达式为:
根据能量函数的小波域表达式确定原始图像的最大后验估计公式为:
对进行小波变换得到复原指纹图像表达式f*;
令P=diag(1/2σ2),将能量函数的小波域表达式转换为:
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数:
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,本发明实施例将各复原指纹图像与预先存储的样本指纹图像进行对比包括:
将各复原指纹图像的特征向量与预先存储的样本指纹图像的特征向量进行对比。
可选的,本发明实施例确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
需要说明的是,预设相似度阈值可以是本领域技术人员根据经验设定的数值,一般的,可以比正常输入指纹时所要求的相似度比值更小的数值。相似度阈值可以通过用户交互界面进行设置;图5为本发明实施例设置相似度阈值的交互示意图,如图5所示,系统可以设置默认值,也可以在文本输入框中输入设定的数值。
可选的,本发明实施例方法还包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备和/或设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备或设备上的应用解锁失败。
与相关技术相比,本发明实施例技术方案包括:获取录入的预设组降析指纹图像;将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。本发明实施例实现了降低指纹图像的复原,避免了指纹破损影响指纹识别系统的使用,提升了用户的使用体验。
图6为本发明另一实施例实现指纹信息处理的方法的流程图,如图6所示,包括:
步骤600、获取录入的预设组降析指纹图像;
需要说明的是,本发明实施例可以对降析指纹图像进行编号,以在进行与样本指纹图像的比对时,区分各降析指纹图像的相似度信息。
步骤601、将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
步骤602、将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
步骤603、根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
可选的,本发明实施例将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,本发明实施例将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型:
g=Hf+n (1);
其中,g、f和H分别表示按行或按列重新排列而成的降析指纹图像、原始图像和线性可加的高斯白噪声;f通过指定其先验概率密度来确定;
降析指纹图像的条件概率密度为:
其中,N2为降析指纹图像的像素数目,σ2为噪声的方差;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式:
其中,W为二维小波变换矩阵,和分别为降析指纹图像、原始图像和噪声在小波变换后的尺度和小波系数向量;为H的小波域表示,WTW=I,是零均值的高斯白噪声,方差为σ2;
根据混合高斯模型确定在已知第i个小波系数状态概率的情况下,像素点的值为wi的概率为:
其中,表示小波系数i处于状态m时取值为Wi的概率,其服从均值和方差为:μi,m和的高斯分布,表示小波系数i处于状态m的概率,M为小波系数i的状态数;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度并获得降析指纹图像小波域变换后的能量函数:
确定能量函数的小波域表达式为:
根据能量函数的小波域表达式确定原始图像的最大后验估计公式为:
对进行小波变换得到复原指纹图像表达式f*;
令P=diag(1/2σ2),将能量函数的小波域表达式转换为:
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数:
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,本发明实施例将各复原指纹图像与预先存储的样本指纹图像进行对比包括:
将各复原指纹图像的特征向量与预先存储的样本指纹图像的特征向量进行对比。
可选的,本发明实施例确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
需要说明的是,预设相似度阈值可以是本领域技术人员根据经验设定的数值,一般的,可以比正常输入指纹时所要求的相似度比值更小的数值。
步骤604、根据复原指纹图像与样本指纹图像是否为同一指纹进行解锁。可选的,包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备和/或设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备或设备上的应用解锁失败。
与相关技术相比,本发明实施例技术方案包括:获取录入的预设组降析指纹图像;将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。本发明实施例实现了降低指纹图像的复原,避免了指纹破损影响指纹识别系统的使用,提升了用户的使用体验。
图7为本发明实施例实现指纹信息处理的设备的结构框图,如图7所示,设备包括指纹传感器、处理器、存储器及通信总线;
指纹传感器用于获取降析指纹图像和样本指纹图像;
通信总线用于实现处理器和存储器之间的连接通信;
处理器用于执行存储器中存储的指纹信息处理程序,以实现以下步骤:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
可选的,处理器用于实现将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,处理器用于实现将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型:
g=Hf+n (1);
其中,g、f和H分别表示按行或按列重新排列而成的降析指纹图像、原始图像和线性可加的高斯白噪声;f通过指定其先验概率密度来确定;
降析指纹图像的条件概率密度为:
其中,N2为降析指纹图像的像素数目,σ2为噪声的方差;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式:
其中,W为二维小波变换矩阵,和分别为降析指纹图像、原始图像和噪声在小波变换后的尺度和小波系数向量;为H的小波域表示,WTW=I,是零均值的高斯白噪声,方差为σ2;
根据混合高斯模型确定在已知第i个小波系数状态概率的情况下,像素点的值为wi的概率为:
其中,表示小波系数i处于状态m时取值为Wi的概率,其服从均值和方差为:μi,m和的高斯分布,表示小波系数i处于状态m的概率,M为小波系数i的状态数;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度并获得降析指纹图像小波域变换后的能量函数:
确定能量函数的小波域表达式为:
根据能量函数的小波域表达式确定原始图像的最大后验估计公式为:
对进行小波变换得到复原指纹图像表达式f*;
令P=diag(1/2σ2),将能量函数的小波域表达式转换为:
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数:
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
可选的,本发明实施例处理器用于实现将各复原指纹图像与预先存储的样本指纹图像进行对比包括:
将各复原指纹图像的特征向量与预先存储的样本指纹图像的特征向量进行对比。
可选的,处理器用于实现确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
可选的,本发明实施例设备处理器还用于实现以下步骤:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备和/或设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备或设备上的应用解锁失败。
与相关技术相比,本发明实施例技术方案包括:获取录入的预设组降析指纹图像;将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。本发明实施例实现了降低指纹图像的复原,避免了指纹破损影响指纹识别系统的使用,提升了用户的使用体验。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行以实现以下步骤:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种实现指纹信息处理的方法,其特征在于,包括:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
2.根据权利要求1所述的方法,其特征在于,所述将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
3.根据权利要求1或2所述的方法,其特征在于,所述确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备解锁失败。
5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备上的应用解锁失败。
6.一种实现指纹信息处理的设备,其特征在于,所述设备包括指纹传感器、处理器、存储器及通信总线;
所述指纹传感器用于获取降析指纹图像和样本指纹图像;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的指纹信息处理程序,以实现以下步骤:
获取录入的预设组降析指纹图像;
将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理,获得相应的复原指纹图像;
将各复原指纹图像与预先存储的样本指纹图像进行对比,获得各复原指纹图像与样本指纹图像相应的相似度信息;
根据各复原指纹图像的相似度信息,确定复原指纹图像是否与样本指纹图像为同一指纹。
7.如权利要求6所述的设备,其特征在于,所述处理器用于实现将录入的每一个降析指纹图像分别通过小波域局部高斯方法进行复原处理包括:
建立降析指纹图像与原始图像的数据模型;
对建立的数学模型进行正交小波变换,获得进行图像复原的小波域描述公式;
通过小波域局部高斯模型确定降析指纹图像在小波域的先验概率密度,并获得降析指纹图像小波域变换后的能量函数;
根据能量函数的小波域表达式确定原始图像的最大后验估计公式,并进行小波变换得到复原指纹图像表达式;
通过共轭梯度法对能量函数的小波域表达式进行求解后代入小波域描述公式,获得复原指纹图像的表达式的复原系数;
将获得的复原系数带入复原指纹图像表达式获得复原指纹图像。
8.根据权利要求6或7所述的设备,其特征在于,所述处理器用于实现确定复原指纹图像是否与样本指纹图像为同一指纹包括:
根据对比获得的相似度信息,当预设组所述复原指纹图像与所述样本指纹图像的相似度的均值大于预设相似度阈值时,确定复原指纹图像与样本指纹图像为同一指纹。
9.根据权利要求6或7所述的设备,其特征在于,所述处理器还用于:
确定复原指纹图像与样本指纹图像为同一指纹时,对设备和/或设备上的应用进行解锁;
确定复原指纹图像与样本指纹图像不是同一指纹时,确定设备和/或设备上的应用解锁失败。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行以实现如权利要求1~5所述的指纹信息处理的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710347023.3A CN107292832A (zh) | 2017-05-17 | 2017-05-17 | 一种实现指纹信息处理的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710347023.3A CN107292832A (zh) | 2017-05-17 | 2017-05-17 | 一种实现指纹信息处理的方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292832A true CN107292832A (zh) | 2017-10-24 |
Family
ID=60093967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710347023.3A Pending CN107292832A (zh) | 2017-05-17 | 2017-05-17 | 一种实现指纹信息处理的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292832A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287908A (zh) * | 2019-06-28 | 2019-09-27 | Oppo广东移动通信有限公司 | 校准方法、电子设备及非易失性计算机可读存储介质 |
CN112991232A (zh) * | 2021-04-30 | 2021-06-18 | 深圳阜时科技有限公司 | 指纹图像修复模型的训练方法、指纹识别方法及终端设备 |
CN116229525A (zh) * | 2023-03-31 | 2023-06-06 | 深圳市皇家金盾智能科技有限公司 | 针对破损指纹的指纹门锁解锁方法,装置,介质及指纹门锁 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915586A (zh) * | 2014-03-14 | 2015-09-16 | 中国移动通信集团公司 | 终端屏幕解锁方法、屏幕解锁装置和终端 |
CN106022075A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
US20160378966A1 (en) * | 2014-08-29 | 2016-12-29 | Dropbox, Inc. | Fingerprint gestures |
-
2017
- 2017-05-17 CN CN201710347023.3A patent/CN107292832A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915586A (zh) * | 2014-03-14 | 2015-09-16 | 中国移动通信集团公司 | 终端屏幕解锁方法、屏幕解锁装置和终端 |
US20160378966A1 (en) * | 2014-08-29 | 2016-12-29 | Dropbox, Inc. | Fingerprint gestures |
CN106022075A (zh) * | 2016-06-17 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹解锁方法及终端 |
Non-Patent Citations (2)
Title |
---|
池猛: ""指纹模式识别中图像复原基础算法实现及改进"", 《中国优秀硕士学位论文全文数据库 社会科学I辑》 * |
汪雪林 等: ""基于小波域局部高斯模型的图像复原"", 《软件学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287908A (zh) * | 2019-06-28 | 2019-09-27 | Oppo广东移动通信有限公司 | 校准方法、电子设备及非易失性计算机可读存储介质 |
CN112991232A (zh) * | 2021-04-30 | 2021-06-18 | 深圳阜时科技有限公司 | 指纹图像修复模型的训练方法、指纹识别方法及终端设备 |
CN112991232B (zh) * | 2021-04-30 | 2021-07-23 | 深圳阜时科技有限公司 | 指纹图像修复模型的训练方法、指纹识别方法及终端设备 |
CN116229525A (zh) * | 2023-03-31 | 2023-06-06 | 深圳市皇家金盾智能科技有限公司 | 针对破损指纹的指纹门锁解锁方法,装置,介质及指纹门锁 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145293A (zh) | 一种截图方法、移动终端及存储介质 | |
CN107678614A (zh) | 一种实现信息提示的方法、设备及计算机可读存储介质 | |
CN107808084A (zh) | 一种触控操作方法及移动终端 | |
CN107229389A (zh) | 一种共享文件的方法、设备及计算机可读存储介质 | |
CN106953684A (zh) | 一种搜星的方法、移动终端以及计算机可读存储介质 | |
CN107844231A (zh) | 一种界面显示方法、移动终端及计算机可读存储介质 | |
CN107181700A (zh) | 移动终端应用程序的控制方法、移动终端及存储介质 | |
CN107765941A (zh) | 一种图标显示方法、终端及计算机可读存储介质 | |
CN107248137A (zh) | 一种实现图像处理的方法及移动终端 | |
CN107463324A (zh) | 一种图片显示方法、移动终端和计算机可读存储介质 | |
CN107181865A (zh) | 未读短信的处理方法、终端及计算机可读存储介质 | |
CN107632757A (zh) | 一种终端控制方法、终端及计算机可读存储介质 | |
CN107608613A (zh) | 一种防止误操作的方法及终端 | |
CN108008991A (zh) | 一种图片处理方法、终端及计算机可读存储介质 | |
CN107992455A (zh) | 一种文本处理方法、终端及计算机可读存储介质 | |
CN107153500A (zh) | 一种实现图像显示的方法及设备 | |
CN107196384A (zh) | 一种充电方法、无线充电设备及计算机可读存储介质 | |
CN107168626A (zh) | 一种信息处理方法、设备及计算机可读存储介质 | |
CN107506039A (zh) | 移动终端、数据传输方法及计算机存储介质 | |
CN107273024A (zh) | 一种实现应用数据处理的方法及设备 | |
CN107292832A (zh) | 一种实现指纹信息处理的方法及设备 | |
CN107864086A (zh) | 信息快速分享方法、移动终端及计算机可读存储介质 | |
CN107888759A (zh) | 一种实现信息发送的方法、设备及计算机可读存储介质 | |
CN107360312A (zh) | 控制屏幕的方法、设备及计算机可存储介质 | |
CN107870722A (zh) | 终端间的文件传输方法、移动终端及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |