CN107368780B - 一种基于中心奇异点的指纹配准点提取方法 - Google Patents
一种基于中心奇异点的指纹配准点提取方法 Download PDFInfo
- Publication number
- CN107368780B CN107368780B CN201710422044.7A CN201710422044A CN107368780B CN 107368780 B CN107368780 B CN 107368780B CN 201710422044 A CN201710422044 A CN 201710422044A CN 107368780 B CN107368780 B CN 107368780B
- Authority
- CN
- China
- Prior art keywords
- point
- iteration
- fingerprint
- registration
- fingerprint image
- 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
- G06V40/1347—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
本发明属于指纹配准点提取技术领域,公开了一种基于中心奇异点的指纹配准点提取方法,计算奇异点区域中所有像素的索引值PI1(i,j)和PI2(i,j),根据索引值找到中心奇异点出现的块,将块中心的几何中心作为配准点;不存在中心奇异点,则用下降迭代的方法求取脊线的收敛点,将收敛点作为配准点;寻找迭代的初始点,在初始点周围寻找等距的四个点,找到每个点最近的脊线,并在脊线上做垂线,得到垂线交点,作为下一个迭代点;初始迭代点和新迭代点欧式距离小于一定阈值,则迭代结束,新迭代点即为基准点,否则新迭代点作为初始点继续迭代。本发明能快速准确计算出指纹配准点的坐标,可用于自动指纹识别系统。
Description
技术领域
本发明属于指纹配准点提取技术领域,尤其涉及一种基于中心奇异点的指纹配准点提取方法。
背景技术
在自动指纹识别系统中,指纹配准点的求取是一个非常关键的步骤。指纹图像的配准点一般用于指纹图像的配准过程,指纹配准是将两幅指纹图像通过旋转平移统一到同一绝对坐标系下进行比对。配准点的求取速度和精度决定了指纹配准的快慢和好坏。在多数的指纹识别系统中,指纹配准点或为细节点,或为奇异点,这两种方法都存在不足:细节点作为配准点时,由于细节点作为局部信息的局限性,可能会导致相似度极高的不同细节点进行配准,从而带来了错误的配准;中心奇异点作为配准点时,由于有些指纹图像并不存在中心奇异点,所以就无法进行配准。
综上所述,现有技术存在的问题是:目前的指纹识别系统存在配准准确度较低;因此,一个准确的配准算法对于指纹识别系统的整体性能将会是大的改善和提升,而配准算法的核心则是一个精确的配准点定位。
发明内容
针对现有技术存在的问题,本发明提供了一种基于中心奇异点的指纹配准点提取方法。
本发明是这样实现的,一种基于中心奇异点的指纹配准点提取方法,所述基于中心奇异点的指纹配准点提取方法计算奇异点区域中所有像素的索引值PI1(i,j)和PI2(i,j),根据索引值找到中心奇异点出现的块,将块中心的几何中心作为配准点;不存在中心奇异点,则用下降迭代的方法求取脊线的收敛点,将收敛点作为配准点;寻找迭代的初始点,在初始点周围寻找等距的四个点,找到每个点最近的脊线,并在脊线上做垂线,得到垂线交点,作为下一个迭代点;初始迭代点和新迭代点欧式距离小于一定阈值th'(阈值的设定为经验值,th'=12,单位为像素点),则迭代结束,新迭代点即为基准点,否则新迭代点作为初始点继续迭代;
求取下降迭代的初始点在指纹图像的7×7块Ob内,在块Ob方向上从左至右依次追踪m个像素点,依据像素点的点方向的变化V,判定该块是否可以作为一个迭代初始点。若存在多个初始点,则求其中心作为迭代初始点;
进一步,所述基于中心奇异点的指纹配准点提取方法还包括以下步骤:
步骤一,将指纹图像分成互不重叠的子块Ob,选取以(i,j)为中心的大小为w×w的方形邻域,计算点(i,j)的方向o(i,j);
步骤二,将点方向归一化12个方向值,块方向构成块方向图OB;
步骤三,统计块方向图中每个像素的8领域中出现不同方向值的个数;若此个数小于一定阈值th(th=4),则认为此区域不会出现奇异点。
进一步,将指纹图像分成互不重叠的子块具体包括:
对指纹图像I(x,y)进行分块处理,块与块之间不重叠,得到指纹图像块Iij(x,y),其中i表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第i行,j表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第j列;
计算指纹图像I(x,y)分块个数:
其中NH表示指纹图像I(x,y)在竖直方向上的分块个数,NW表示指纹图像I(x,y)在水平方向上的分块个数,ov=12;若NH为小数,则需要在指纹图像I(x,y)的竖直方向两端均匀补像素值为0的像素,使NH变为整数;若NW为小数,则需要在指纹图像I(x,y)的水平方向两端均匀补像素值为0的像素,使NW变为整数。
进一步,对每一个指纹图像块Iij(x,y)求取方向包括:
选取以(i,j)为中心的大小为w×w的方形邻域,按如下公式计算点(i,j)的方向θ(i,j):
进一步,将方向图归一化为12个方向值具体包括:
将θ(i,j)按下式归一化12个方向值,记为o(i,j),计算如下:
o(i,j)=(θ(i,j)/π*12)mod12;
o(i,j)即构成了指纹的方向图。
进一步,从方向图提取奇异点区域包括:
统计块方向图o(i,j)中每个像素的8领域像素中出现不同方向值的个数,记为Nori;若Nori<M,则认为此区域不会出现奇异点;M为阈值,选取M=4。集合S={c|Nori(c)≥M,c∈OB}。
进一步,根据奇异点求取配准点包括:
Score={(i,j)|PI1(i,j)≥10&PI2(i,j)≥10,(i,j)∈OB};
Sdelta={(i,j)|PI1(i,j)≤-10&PI2(i,j)≤-10,(i,j)∈OB};
Score和Sdelta分别为OB中候选中心点和候选三角点的集合,求取Score集合所有块中心的几何中心,讲几何中心作为配准点。
本发明的另一目的在于提供一种应用所述基于中心奇异点的指纹配准点提取方法的自动指纹识别系统。
本发明的优点及积极效果为:采用本专利配准算法,可以取得良好的配准效果,并且在配准正确率上明显提升。在FVC2002指纹数据库DB1子库中进行了配准实验,配准正确率达到99.47%,优于经典的配准算法。
附图说明
图1是本发明实施例提供的基于中心奇异点的指纹配准点提取方法流程图。
图2是本发明实施例提供的基于中心奇异点的指纹配准点提取方法的实现流程图。
图3是本发明实施例提供的跟踪方法示意图。
图4和图5是本发明实施例提供的使用的指纹图像示意图。
图6和图7是本发明实施例提供的提取的指纹配准点图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。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。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的基于中心奇异点的指纹配准点提取方法包括:
S101:输入指纹图像;
S102:对指纹图像进行不重叠分块;
S103:求取指纹图像的方向场图,并对方向进行归一化;
S104:通过方向场,查找奇异点区域,并以其几何中心作为配准点;
S105:不存在中心奇异点时,利用下降迭代方法求取脊线收敛点,并以此为配准点。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示,本发明实施例提供的基于中心奇异点的指纹配准点提取方法具体包括以下步骤:
步骤1:输入指纹图像以大小为H×W的指纹图像I(x,y)作为输入,本实例是在FVC(Fingerprint Verification Competition)2002指纹图像数据库DB1中随机选取一幅指纹图像,如图4所示,其中H表示指纹图像I(x,y)的高度,W表示指纹图像I(x,y)的宽度,(x,y)表示指纹图像的坐标点。
步骤2:对指纹图像I(x,y)进行分块处理,块与块之间不重叠,得到指纹图像块Iij(x,y),其中i表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第i行,j表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第j列;
计算指纹图像I(x,y)分块个数:
其中NH表示指纹图像I(x,y)在竖直方向上的分块个数,NW表示指纹图像I(x,y)在水平方向上的分块个数,这里ov=12。若NH为小数,则需要在指纹图像I(x,y)的竖直方向两端均匀补像素值为0的像素,使NH变为整数。若NW为小数,则需要在指纹图像I(x,y)的水平方向两端均匀补像素值为0的像素,使NW变为整数。
步骤3:选取以(i,j)为中心的大小为w×w的方形邻域,按如下公式计算点(i,j)的方向θ(i,j):
步骤4:将θ(i,j)按下式归一化12个方向值,记为o(i,j),计算如下:
o(i,j)=(θ(i,j)/π*12)mod12;
o(i,j)即构成了指纹的方向图。
步骤5:统计块方向图o(i,j)中每个像素的8领域像素中出现不同方向值的个数,记为Nori。若Nori<M,则认为此区域不会出现奇异点。M为阈值,一般选取M=4;集合S={c|Nori(c)≥M,c∈OB}。
步骤6:计算S中所有像素的索引值PI1(i,j)和PI2(i,j),计算如下:
Score={(i,j)|PI1(i,j)≥10&PI2(i,j)≥10,(i,j)∈OB};
Sdelta={(i,j)|PI1(i,j)≤-10&PI2(i,j)≤-10,(i,j)∈OB};
Score和Sdelta分别为OB中候选中心点和候选三角点的集合。求取Score集合所有块中心的几何中心,讲几何中心作为配准点。
步骤7:若Score为空,则用下降迭代的方法求取收敛点,将收敛点作为配准点,计算如下:
在指纹图像的7×7块内,在该块方向上从左至右依次追踪m个像素点,依据像素点的点方向的变化,判定该块是否可以作为一个迭代初始点。若存在多个初始点,则求其中心作为迭代初始点。如图3所示,跟踪方法如下:
如a块方向上的多个像素点(灰色的像素点),依据这些点的点方向去判断。判断条件如下:
其中,Δθi为相邻两个灰色像素点的点方向差。
步骤8:在初始点周围寻找等距的四个点,在四个点的方向上做垂线,得到垂线交点,作为下一个迭代点;
这四个点的坐标分别为:
(x1,y1)=(i-d,j-d)
(x2,y2)=(i+d,j-d)
(x3,y3)=(i+d,j+d)
(x4,y4)=(i-d,j+d);
其中,d=R*cos45°,R=15。
垂线方程ly-y=k(lx-x),其中k=-1/tan(Ori(x,y)),Ori(x,y)为点(x,y)的方向。
步骤9:若初始迭代点和新迭代点欧式距离小于一定阈值,则迭代结束,新迭代点即为基准点,否则新迭代点作为初始点继续迭代。
下面结合仿真对本发明的应用效果作详细的描述。
在PC机的Matlab2012a环境下进行仿真,PC机配置CoreI5处理器,主频为3.2GHz。仿真的图像来自FVC(Fingerprint Verification Competition)2002DB1指纹数据库DB1的1_1.tif,如图4和图5所示。这个数据库是国际公认的一个指纹识别数据库。采用本发明提出的方法对图4和图5中的指纹图像提取配准点;得出的结果如图6和图7。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于中心奇异点的指纹配准点提取方法,其特征在于,所述基于中心奇异点的指纹配准点提取方法首先计算奇异点区域中所有像素的索引值PI1(i,j)和PI2(i,j),根据索引值找到中心奇异点出现的块,将块中心的几何中心作为配准点;不存在中心奇异点,则用下降迭代的方法求取脊线的收敛点,将收敛点作为配准点;寻找迭代的初始点,在初始点周围寻找等距的四个点,找到每个点最近的脊线,并在脊线上做垂线,得到垂线交点,作为下一个迭代点;初始迭代点和新迭代点欧式距离小于一定阈值,则迭代结束,新迭代点即为配准点,否则新迭代点作为初始点继续迭代;
求取下降迭代的初始点在指纹图像的7×7块内,在块方向上从左至右依次追踪m个像素点,依据像素点的点方向的变化,判定该块是否可以作为一个迭代初始点;若存在多个初始点,则求其中心作为迭代初始点;
2.如权利要求1所述的基于中心奇异点的指纹配准点提取方法,其特征在于,所述基于中心奇异点的指纹配准点提取方法还包括以下步骤:
步骤一,将指纹图像分成互不重叠的子块,选取以(i,j)为中心的大小为w×w的方形邻域,计算点(i,j)的方向;
步骤二,将点方向归一化12个方向值,块方向构成块方向图;
步骤三,统计块方向图中每个像素的8邻域中出现不同方向值的个数;若此个数小于一定阈值,则认为此区域不会出现奇异点。
3.如权利要求2所述的基于中心奇异点的指纹配准点提取方法,其特征在于,将指纹图像分成互不重叠的子块具体包括:
对指纹图像I(x,y)进行分块处理,块与块之间不重叠,得到指纹图像块Iij(x,y),其中i表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第i行,j表示指纹图像块Iij(x,y)位于指纹图像I(x,y)的第j列;
计算指纹图像I(x,y)分块个数:
其中NH表示指纹图像I(x,y)在竖直方向上的分块个数,NW表示指纹图像I(x,y)在水平方向上的分块个数,ov=12;若NH为小数,则需要在指纹图像I(x,y)的竖直方向两端均匀补像素值为0的像素,使NH变为整数;若NW为小数,则需要在指纹图像I(x,y)的水平方向两端均匀补像素值为0的像素,使NW变为整数;W表示指纹图像I(x,y)的宽度。
5.如权利要求4所述的基于中心奇异点的指纹配准点提取方法,其特征在于,将方向图归一化为12个方向值具体包括:
将θ(i,j)按下式归一化12个方向值,记为o(i,j),计算如下:
o(i,j)=(θ(i,j)/π*12)mod12;
o(i,j)即构成了指纹的方向图。
6.如权利要求2所述的基于中心奇异点的指纹配准点提取方法,其特征在于,从方向图提取奇异点区域包括:
统计块方向图o(i,j)中每个像素的8邻域像素中出现不同方向值的个数,记为Nori;若Nori<M,则认为此区域不会出现奇异点;M为阈值,选取M=4;集合S={c|Nori(c)≥M,c∈OB}。
8.一种应用权利要求1~7任意一项所述基于中心奇异点的指纹配准点提取方法的自动指纹识别系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710422044.7A CN107368780B (zh) | 2017-06-07 | 2017-06-07 | 一种基于中心奇异点的指纹配准点提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710422044.7A CN107368780B (zh) | 2017-06-07 | 2017-06-07 | 一种基于中心奇异点的指纹配准点提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107368780A CN107368780A (zh) | 2017-11-21 |
CN107368780B true CN107368780B (zh) | 2020-08-28 |
Family
ID=60306382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710422044.7A Active CN107368780B (zh) | 2017-06-07 | 2017-06-07 | 一种基于中心奇异点的指纹配准点提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107368780B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588425A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 多注册指纹融合方法 |
CN101303729A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 一种新的指纹奇异点检测方法 |
CN101539993A (zh) * | 2008-03-20 | 2009-09-23 | 中国科学院自动化研究所 | 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法 |
CN102609705A (zh) * | 2012-01-20 | 2012-07-25 | 西安电子科技大学 | 一种基于扩散方程的低质量指纹图像方向场提取方法 |
CN104834923A (zh) * | 2015-06-01 | 2015-08-12 | 西安电子科技大学 | 基于全局信息的指纹图像配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4375308B2 (ja) * | 2005-08-30 | 2009-12-02 | 日本電気株式会社 | 隆線方向抽出装置、隆線方向抽出方法、隆線方向抽出プログラム |
-
2017
- 2017-06-07 CN CN201710422044.7A patent/CN107368780B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1588425A (zh) * | 2004-07-15 | 2005-03-02 | 清华大学 | 多注册指纹融合方法 |
CN101539993A (zh) * | 2008-03-20 | 2009-09-23 | 中国科学院自动化研究所 | 基于尺寸缩放估算的多采集仪间指纹交叉匹配方法 |
CN101303729A (zh) * | 2008-07-01 | 2008-11-12 | 山东大学 | 一种新的指纹奇异点检测方法 |
CN102609705A (zh) * | 2012-01-20 | 2012-07-25 | 西安电子科技大学 | 一种基于扩散方程的低质量指纹图像方向场提取方法 |
CN104834923A (zh) * | 2015-06-01 | 2015-08-12 | 西安电子科技大学 | 基于全局信息的指纹图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107368780A (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764048B (zh) | 人脸关键点检测方法及装置 | |
WO2016023264A1 (zh) | 指纹识别方法及其指纹识别装置 | |
CN106339707B (zh) | 一种基于对称性特征的仪表指针图像识别方法 | |
Hagelskjær et al. | Pointvotenet: Accurate object detection and 6 dof pose estimation in point clouds | |
CN110334762B (zh) | 一种基于四叉树结合orb和sift的特征匹配方法 | |
CN111028292B (zh) | 一种亚像素级图像匹配导航定位方法 | |
Yu et al. | Robust robot pose estimation for challenging scenes with an RGB-D camera | |
CN108573511B (zh) | 点状分布合作编码标志及其识别定位方法 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN103577815A (zh) | 一种人脸对齐方法和系统 | |
Chen et al. | PointPoseNet: Point pose network for robust 6D object pose estimation | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN105046694A (zh) | 一种基于曲面拟合系数特征的点云快速配准方法 | |
Li et al. | A complex junction recognition method based on GoogLeNet model | |
Fan et al. | Registration of multiresolution remote sensing images based on L2-siamese model | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
Zhou et al. | Person re-identification based on nonlinear ranking with difference vectors | |
CN108122202A (zh) | 一种基于形状上下文的地图线状要素多尺度信息派生方法 | |
CN114332172A (zh) | 一种基于协方差矩阵改进的激光点云配准方法 | |
CN112418250B (zh) | 一种复杂3d点云的优化匹配方法 | |
EP3410389A1 (en) | Image processing method and device | |
CN108171651A (zh) | 基于多模型几何拟合和分层单应变换的图像对齐方法 | |
CN107368780B (zh) | 一种基于中心奇异点的指纹配准点提取方法 | |
CN108665470B (zh) | 一种交互式轮廓提取方法 | |
CN109993695B (zh) | 一种不规则图形标注的图像碎片拼接方法及系统 |
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 |