CN108121946A - 一种指纹图像预处理方法及装置 - Google Patents
一种指纹图像预处理方法及装置 Download PDFInfo
- Publication number
- CN108121946A CN108121946A CN201711130943.6A CN201711130943A CN108121946A CN 108121946 A CN108121946 A CN 108121946A CN 201711130943 A CN201711130943 A CN 201711130943A CN 108121946 A CN108121946 A CN 108121946A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- pixel
- former
- enhancing
- 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.)
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种指纹图像尤其是低质量指纹图像的预处理方法及装置,包括:对原指纹图像进行增强处理,得到增强的指纹图像;如果某一像素点在原指纹图像中和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,则利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中α为预设的比例因子;对增强的指纹图像进行二值化处理,得到二值化指纹图像。本申请通过比较增强的指纹图像与原指纹图像中频率差值与像素值差值,尽可能地修复了处理过程中引入的虚假指纹线。
Description
技术领域
本发明涉及但不限于生物识别技术领域,尤其涉及一种指纹图像预处理方法及装置。
背景技术
生物识别是指根据人所拥有的生理或行为特征来进行身份识别,主要包括人脸识别、指纹识别、虹膜识别、声音识别、视网膜识别等等,具有安全、可靠的特点,其中,自动指纹识别系统是目前研究最多、最有应用前景的生物识别系统。
在公开号为“CN101604384B”,发明名称为“个性化指纹识别方法”的专利中,提出了一种指纹识别方法,包括指纹采集、图像预处理、特征提取;在图像预处理步骤中,二值化处理方法采用骨架型二值化处理方法;在特征提取步骤之后,判断是否需要智能更新,若需要则进行智能更新步骤,若不需要则进行学习匹配步骤。本发明能够提高图像预处理的速度,并对指纹数据进行智能补充、修复、完善和更新,提高识别率,但是,由于没有进行前期的去皱、去污检测操作,无法避免污点、噪音对低质量图像的影响;且图像预处理步骤中仅仅实现了二值化操作,没有为后期的特征提取去除掉此操作步骤带来的虚假指纹图线,给后期的指纹特征提取造成困难。
发明内容
为了解决上述技术问题,本发明提供了一种指纹图像预处理方法及装置,能够去除中间操作步骤带来的虚假指纹图线。
为了达到本发明目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种指纹图像预处理方法,包括:
对原指纹图像进行增强处理,得到增强的指纹图像;
如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,则利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子;
对增强的指纹图像进行二值化处理,得到二值化指纹图像。
进一步地,所述对增强的指纹图像进行二值化处理,得到二值化指纹图像,具体包括:
分别计算各个像素点在所述增强的指纹图像中的n*n邻域内的像素邻域均值和像素邻域平方和,其中,*为乘号,n为自然数,并根据计算出的像素邻域均值和像素邻域平方和计算差分值,所述差分值=所述像素邻域平方和-所述像素邻域均值*所述像素邻域均值;
计算图像二值化阈值矩阵,其中,各个像素点的二值化阈值=所述像素邻域均值+所述差分值*delta,其中delta是预设的第二比例因子;
分别比较各个像素点的像素值与二值化阈值的大小,如果某个像素点的像素值大于或等于二值化阈值,则将该像素点的像素值设置为255,否则将该像素点的像素值设置为0。
进一步地,所述预处理方法之前还包括:
对所述原指纹图像进行去噪处理。
进一步地,所述对原指纹图像进行去噪处理,具体包括:
通过中值滤波对所述原指纹图像进行滤波处理。
进一步地,在所述对原指纹图像进行去噪处理的步骤之后,所述预处理方法还包括:
对去噪处理后的所述原指纹图像进行归一化处理。
进一步地,在所述对原指纹图像进行去噪处理的步骤之前,所述预处理方法还包括:
将所述原指纹图像转换为单通道灰度图像。
进一步地,所述对原指纹图像进行增强处理,得到增强的指纹图像的步骤之后,所述预处理方法还包括:
分别计算所述原指纹图像中各个像素点的方向,根据所述原指纹图像中各个像素点的方向分别计算所述原指纹图像中各个像素点的频率;
分别计算所述增强的指纹图像中各个像素点的方向,并将所述增强的指纹图像按m*m像素进行分块,其中,*为乘号,m为自然数,获取各个分块上所有像素点的方向形成的X曲线和Y曲线,通过所述X曲线和Y曲线上相邻波峰和波谷的距离分别计算各个分块上所有像素点的频率;
分别计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值。
进一步地,所述预处理方法之后还包括:
对所述二值化指纹图像进行细化处理。
进一步地,所述预处理方法之后还包括:
通过指纹跟踪方法对所述二值化指纹图像或细化处理后的指纹图像进行修复处理。
本发明实施例还提供了一种指纹图像预处理装置,包括增强处理单元、第一比较单元、二值化处理单元与第二比较单元,其中:
增强处理单元,用于对原指纹图像进行增强处理,得到增强的指纹图像,并将原指纹图像和增强的指纹图像输出至第一比较单元;
第一比较单元,用于计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值,以及各个像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值,如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子,将更新后的增强的指纹图像输出至二值化处理单元;
二值化处理单元,用于对更新后的增强的指纹图像进行二值化处理,得到二值化指纹图像。
本发明的技术方案,具有如下有益效果:
本发明提供的指纹图像预处理方法及装置,通过比较增强的指纹图像与原指纹图像中频率差值与像素值差值的大小,决定是否保留图像增强算法的处理结果,尽可能地修复了指纹的断裂情况和处理过程中引入的虚假指纹线,并尽可能多地保留了原图像中的有效信息,方便后期准确地提取指纹图像特征;
进一步地,通过前期的去噪处理和归一化操作进行去皱、去污检测操作,避免了污点、噪音对低质量图像的影响;
进一步地,本发明利用指纹中的方向与频率相结合的方式,在频域和原二维图像域中,对指纹的方向信息进行提取,利用得到的方向频率信息对低质量图像域进行分块非线性拟合推算,得到高质量二值化图像,进而快速准确地得到细化图像。
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为本发明实施例的一种指纹图像预处理方法的流程示意图;
图2为本发明第一实施例的一种指纹图像预处理装置的结构示意图;
图3为本发明第二实施例的一种指纹图像预处理装置的结构示意图;
图4为本发明第三实施例的一种指纹图像预处理装置的结构示意图;
图5为本发明第四实施例的一种指纹图像预处理装置的结构示意图;
图6为本发明第五实施例的一种指纹图像预处理装置的结构示意图;
图7为本发明第六实施例的一种指纹图像预处理装置的结构示意图;
图8为本发明第七实施例的一种指纹图像预处理装置的结构示意图;
图9为本发明优选实施例的一种指纹图像预处理方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
如图1所示,根据本发明的一种指纹图像预处理方法,包括如下步骤:
步骤101:对原指纹图像进行增强处理,得到增强的指纹图像;
值得说明的是,如何对原指纹图像进行增强处理,可以通过现有技术中的图像增强算法实现,例如基于Gabor滤波的图像增强算法或现有的各种优化的基于Gabor滤波的图像增强算法,本发明对此并不做限制。
进一步地,所述预处理方法之前还包括:
对原指纹图像进行去噪处理。
可选地,所述对原指纹图像进行去噪处理,具体包括:
通过中值滤波对原指纹图像进行滤波处理。
值得说明的是,本发明也可以使用现有技术中的其它图像去噪方法对原指纹图像进行去噪处理,本发明对此并不做限制。
进一步地,在对原指纹图像进行去噪处理的步骤之后,所述预处理方法还包括:
对去噪处理后的原指纹图像进行归一化处理。
值得说明的是,如何对去噪处理后的原指纹图像进行归一化处理,可以通过现有技术中的各种图像归一化处理方法实现,例如利用图像的直方图信息进行归一化处理,本发明对此并不做限制。
进一步地,在对原指纹图像进行去噪处理的步骤之前,所述预处理方法还包括:
将原指纹图像转换为单通道灰度图像。
值得说明的是,如果指纹采集终端或者指纹采集库获取的当前待处理的指纹图像本身就是单通道灰度图像,则不需要对其进行通道或灰度转换处理,如果指纹采集终端或者指纹采集库获取的当前待处理的指纹图像不是单通道灰度图像,则在去噪处理前,需要将其转换为单通道灰度图像。如何将原指纹图像转换为单通道灰度图像,可以通过现有技术中的各种转换处理方法实现,本发明对此并不做限制。
步骤102:如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子;
在本发明一实施例中,所述预设的第一比例因子α可以取为0.4至0.6之间的数,如0.5等。
进一步地,在所述步骤102之前,所述预处理方法还包括:
分别计算所述原指纹图像中各个像素点的方向,根据所述原指纹图像中各个像素点的方向分别计算所述原指纹图像中各个像素点的频率;
分别计算所述增强的指纹图像中各个像素点的方向,并将所述增强的指纹图像按m*m像素进行分块,其中,*为乘号,m为自然数,获取各个分块上所有像素点的方向形成的X曲线和Y曲线,通过所述X曲线和Y曲线上相邻波峰和波谷的距离分别计算各个分块上所有像素点的频率;
分别计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值。
在本发明一实施例中,所述m可以取8、10、16、32或其它任意自然数。
可选地,如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值大于预设的差值阈值,或者所述像素点在原指纹图像中的像素值和增强的指纹图像中的像素值的差值绝对值大于所述像素点在原指纹图像中的邻域均值的α倍,则保留该像素点在增强的指纹图像中的像素值。
需要说明的是,所述预设的差值阈值可以根据原指纹图像的像素大小决定,例如,当原指纹图像为500dpi分辨率时,所述预设的差值阈值可以取1/17。
步骤103:对增强的指纹图像中的全部像素点进行二值化处理,得到二值化指纹图像。
进一步地,所述对增强的指纹图像中的全部像素点进行二值化处理,得到二值化指纹图像,具体包括:
分别计算各个像素点在增强的指纹图像中的n*n邻域内的像素邻域均值和像素邻域平方和,其中,*为乘号,n为自然数,并根据计算出的像素邻域均值和像素邻域平方和计算差分值,所述差分值=像素邻域平方和-像素邻域均值*像素邻域均值;
计算图像二值化阈值矩阵,所述图像二值化阈值矩阵包含各个像素点的二值化阈值,所述二值化阈值=像素邻域均值+差分值*delta,其中delta是预设的第二比例因子;
分别比较各个像素点的像素值与二值化阈值的大小,如果某个像素点的像素值大于或等于二值化阈值,则将该像素点的像素值置为255,否则将该像素点的像素值置为0。
在本发明一实施例中,所述n可以取5、8、10或其它任意自然数。
在本发明一实施例中,所述预设的第二比例因子delta可以取0.4至0.6之间的小数,如0.5等。
进一步地,所述预处理方法之后还包括:
对二值化指纹图像进行细化处理。
值得说明的是,如何对二值化指纹图像进行细化处理,可以通过现有技术中的各种图像细化处理方法实现,本发明对此并不做限制。
进一步地,所述预处理方法之后还包括:
通过指纹跟踪方法对二值化指纹图像或细化处理后的指纹图像进行修复处理。
值得说明的是,如何对二值化指纹图像或细化处理后的指纹图像进行修复处理,可以通过现有技术中的各种指纹跟踪方法实现,本发明对此并不做限制。
如图2所示,本发明还公开了一种指纹图像预处理装置,包括增强处理单元201、第一比较单元202与二值化处理单元203,其中:
增强处理单元201,用于对原指纹图像进行增强处理,得到增强的指纹图像,并将原指纹图像和增强的指纹图像输出至第一比较单元202;
第一比较单元202,用于计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值,以及各个像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值,如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子,将更新后的增强的指纹图像输出至二值化处理单元203;
二值化处理单元203,用于对更新后的增强的指纹图像中的全部像素点进行二值化处理,得到二值化指纹图像。
值得说明的是,增强处理单元201如何对原指纹图像进行增强处理,可以通过现有技术中的图像增强算法实现,例如基于Gabor滤波的图像增强算法或现有的各种优化的基于Gabor滤波的图像增强算法,本发明对此并不做限制。
需要说明的是,所述预设的差值阈值可以根据指纹图像的像素大小决定,例如,当指纹图像为500dpi分辨率时,所述预设的差值阈值可以取1/17。
在本发明一实施例中,所述预设的第一比例因子α可以取为0.4至0.6之间的数,如0.5等。
进一步地,所述二值化处理单元203的对更新后的增强的指纹图像中的全部像素点进行二值化处理,得到二值化指纹图像,包括:
分别计算各个像素点在所述增强的指纹图像中的n*n邻域内的像素邻域均值和像素邻域平方和,其中,*为乘号,n为自然数,并根据计算出的像素邻域均值和像素邻域平方和计算差分值,所述差分值=所述像素邻域平方和-所述像素邻域均值*所述像素邻域均值;
计算图像二值化阈值矩阵,所述图像二值化阈值矩阵中包含各个像素点的二值化阈值,所述二值化阈值=所述像素邻域均值+所述差分值*delta,其中delta是预设的第二比例因子;
分别比较各个像素点的像素值与二值化阈值的大小,如果某个像素点的像素值大于或等于二值化阈值,则将该像素点的像素值设置为255,否则将该像素点的像素值设置为0。
在本发明一实施例中,所述n可以取5、8、10或其它任意自然数。
在本发明一实施例中,所述预设的第二比例因子delta可以取为0.4至0.6之间的数,如0.5等。
进一步地,如图3所示,所述指纹图像预处理装置还包括去噪单元204,其中,去噪单元204用于对原指纹图像进行去噪处理。
进一步地,所述去噪单元204的对原指纹图像进行去噪处理,包括:
通过中值滤波对原指纹图像进行滤波处理。
值得说明的是,本发明的去噪单元204也可以使用现有技术中的其它图像去噪方法对原指纹图像进行去噪处理,本发明对此并不做限制。
进一步地,如图4所示,所述指纹图像预处理装置还包括归一化处理单元205,其中,归一化处理单元205用于对去噪处理后的原指纹图像进行归一化处理。
值得说明的是,归一化处理单元205如何对去噪处理后的原指纹图像进行归一化处理,可以通过现有技术中的各种图像归一化处理方法实现,例如利用图像的直方图信息进行归一化处理,本发明对此并不做限制。
进一步地,如图5所示,所述指纹图像预处理装置还包括转换单元206,其中,转换单元206用于将所述原指纹图像转换为单通道灰度图像。
值得说明的是,如果指纹采集终端或者指纹采集库获取的当前待处理的指纹图像本身就是单通道灰度图像,则不需要转换单元206对其进行通道或灰度转换处理,如果指纹采集终端或者指纹采集库获取的当前待处理的指纹图像不是单通道灰度图像,则在去噪处理前,需要通过转换单元206将其转换为单通道灰度图像。转换单元206如何将原指纹图像转换为单通道灰度图像,可以通过现有技术中的各种转换处理方法实现,本发明对此并不做限制。
进一步地,如图6所示,所述指纹图像预处理装置还包括细化处理单元207,其中,细化处理单元207用于对所述二值化指纹图像进行细化处理。
值得说明的是,细化处理单元207如何对二值化指纹图像进行细化处理,可以通过现有技术中的各种图像细化处理方法实现,本发明对此并不做限制。
进一步地,如图7或图8所示,所述指纹图像预处理装置还包括跟踪处理单元208,其中,跟踪处理单元208用于通过指纹跟踪方法对所述二值化指纹图像或细化处理后的指纹图像进行修复处理。
值得说明的是,跟踪处理单元208如何对二值化指纹图像或细化处理后的指纹图像进行修复处理,可以通过现有技术中的各种指纹跟踪方法实现,本发明对此并不做限制。
进一步地,所述第一比较单元202的计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值,具体包括:
分别计算所述原指纹图像中各个像素点的方向,根据所述原指纹图像中各个像素点的方向分别计算所述原指纹图像中各个像素点的频率;
分别计算所述增强的指纹图像中各个像素点的方向,并将所述增强的指纹图像按m*m像素进行分块,其中,*为乘号,m为自然数,获取各个分块上所有像素点的方向形成的X曲线和Y曲线,通过所述X曲线和Y曲线上相邻波峰和波谷的距离分别计算各个分块上所有像素点的频率;
分别计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值。
在本发明一实施例中,所述m可以取8、10、16、32或其它任意自然数。
本发明实施例还提供了几个优选的实施例对本发明进行进一步解释,但是值得注意的是,该优选实施例只是为了更好的描述本发明,并不构成对本发明不当的限定。下面的各个实施例可以独立存在,且不同实施例中的技术特点可以组合在一个实施例中联合使用。
根据本发明的指纹图像预处理方法,包括如下步骤:
步骤901:通过指纹采集终端或者指纹采集库获取待处理的低质量指纹图像,同时获取所述待处理的低质量指纹图像的像素尺寸和格式,为方便统一处理,将待处理的指纹图像转换为单通道灰度图像,记为srcMat;
需要说明的是,低质量指纹图像中噪声与污点比较多,像素分布不均匀,图像对比度弱,多处存在断裂。
步骤902:为去除噪声,利用中值滤波对所述指纹图像srcMat进行滤波处理;利用图像的直方图信息对所述指纹图像进行归一化处理,记为filterNormaMat,小幅提升图像的对比度;
步骤903:使用经典图像强化算法—Gabor,对所述原指纹图像进行增强处理,记为gaborMat,Gabor凭借窗口函数Guassian的傅里叶变换为其本身,可以很好的兼顾时域与频域,实现两个方向的处理,公式如下式:
其中,x和y是像素的坐标,x′和y′是像素旋转角度为θ后的新坐标,可以使用下式的旋转公式进行计算:
T为像素的宽度周期,高斯(Guassian)窗口函数可以写为:
上式中,σx和σy分别为高斯窗口函数沿x和y两个坐标轴的标准差。
使用Gabor增强时,根据高斯函数的定义,标准差σx、σy决定着窗口的大小,随着两者的增大,会提高抗噪声的干扰能力。σx控制着对待处理图像中的断裂处的修复能力,但同时会牺牲细节提取的准确度;σy控制着带通过滤,一味增大会引入虚假纹线。
需要说明的是,本发明也可以使用现有的各种优化的Gabor算法对所述原指纹图像进行增强处理,但是σx、σy两个参数的限制处于矛盾状态,提高了修复断裂能力,但会使图像的细节信息丢失。
步骤904:为修复断裂和由于带通设置过大造成的虚假纹线,同时避免中间处理步骤带来的误差点,使用所述归一化处理后的指纹图像进行每个像素点的方向与频率计算,记为srcFreq;并计算Gabor增强图中每个像素点的方向,在Gabor增强图中,使用分块的思想,从图像的左上角开始,计算以(x,y)为中心的32*32邻域范围内的所有像素的方向形成的X和Y曲线,利用相邻波峰和波谷的距离计算频率,记为gaborFreq;将得到的两者做差比较,如果|srcFreq-gaborFreq|<1/17,则说明二者出现了较大的处理差距,将该点标记为疑点M(x,y),疑点需要考虑是否保持Gabor增强处理的结果。
设Gabor中该像素点像素值为Pgabor(x,y),filterNormaMat中该像素点的8*8邻域范围内像素均值为Pmean(xy),如果Pgabor(x,y)与Pmean(xy)的差值的绝对值小于Pmean(xy)的0.5倍,即|Pgabor(x,y)-Pmean(xy)|<Pmean(xy)/2,则该像素点维持Gabor增强处理的结果;否则使用filterNormaMat中的像素值。
步骤905:对gaborMat进行分块二值化处理,得到所述像素点的二值化指纹图像BlockMat,计算方式如下:
①计算每个像素8*8邻域内的像素均值meanValue;
②计算每个像素8*8邻域内的像素平方和sqmeanValue;
③差分值devValue=sqmeanValue-meanValue*meanValue;
④阈值矩阵thresh=meanValue+devValue*delta,其中delta是比例因子,计算时取0.5;
⑤遍历阈值矩阵与图像矩阵,如果大于阈值,则当前像素置为255,如果相反,则置为0。
步骤906:使用OPTA算法进行二值化指纹图像BlockMat的细化处理,可以得到较理想的处理效果thinMat。
本发明也可以使用现有的各种优化的OPTA细化算法,但是,需要说明的是,现有的各种优化的OPTA细化算法只能提高细化的准确度,无法删除预处理中引入的虚假指纹线。
需要说明的是,本发明可以在细化处理之前或细化处理之后加入指纹跟踪算法,通过指纹跟踪算法对所述修复后的指纹图像或细化处理后的指纹图像进行修复处理。加入指纹跟踪算法,可以删除断点和散点,但是会严重增加算法的耗时和复杂度。
本发明提出的指纹图像(尤其适合低质量指纹图像)的预处理方法及装置,通过使用分块的思想进行处理,可以避免因光照或者采集时力度不均匀造成的图像灰度分布不均匀,部分污迹等;基于方向和频率,可以综合利用指纹图像固有的纹理特征,尽可能的修复指纹的断裂情况和处理过程中引入的虚假指纹线。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序指令控制相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各模块/单元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。本发明不限制于任何特定形式的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种指纹图像预处理方法,其特征在于,包括:
对原指纹图像进行增强处理,得到增强的指纹图像;
如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,则利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子;
对增强的指纹图像进行二值化处理,得到二值化指纹图像。
2.根据权利要求1所述的指纹图像预处理方法,其特征在于,所述对增强的指纹图像进行二值化处理,得到二值化指纹图像,具体包括:
分别计算各个像素点在所述增强的指纹图像中的n*n邻域内的像素邻域均值和像素邻域平方和,其中,*为乘号,n为自然数,并根据计算出的像素邻域均值和像素邻域平方和计算差分值,所述差分值=所述像素邻域平方和-所述像素邻域均值*所述像素邻域均值;
计算图像二值化阈值矩阵,其中,各个像素点的二值化阈值=所述像素邻域均值+所述差分值*delta,其中delta是预设的第二比例因子;
分别比较各个像素点的像素值与二值化阈值的大小,如果某个像素点的像素值大于或等于二值化阈值,则将该像素点的像素值设置为255,否则将该像素点的像素值设置为0。
3.根据权利要求1所述的指纹图像预处理方法,其特征在于,所述预处理方法之前还包括:
对所述原指纹图像进行去噪处理。
4.根据权利要求3所述的指纹图像预处理方法,其特征在于,所述对原指纹图像进行去噪处理,具体包括:
通过中值滤波对所述原指纹图像进行滤波处理。
5.根据权利要求3所述的指纹图像预处理方法,其特征在于,在所述对原指纹图像进行去噪处理的步骤之后,所述预处理方法还包括:
对去噪处理后的所述原指纹图像进行归一化处理。
6.根据权利要求3所述的指纹图像预处理方法,其特征在于,在所述对原指纹图像进行去噪处理的步骤之前,所述预处理方法还包括:
将所述原指纹图像转换为单通道灰度图像。
7.根据权利要求1至6任一所述的指纹图像预处理方法,其特征在于,所述对原指纹图像进行增强处理,得到增强的指纹图像的步骤之后,所述预处理方法还包括:
分别计算所述原指纹图像中各个像素点的方向,根据所述原指纹图像中各个像素点的方向分别计算所述原指纹图像中各个像素点的频率;
分别计算所述增强的指纹图像中各个像素点的方向,并将所述增强的指纹图像按m*m像素进行分块,其中,*为乘号,m为自然数,获取各个分块上所有像素点的方向形成的X曲线和Y曲线,通过所述X曲线和Y曲线上相邻波峰和波谷的距离分别计算各个分块上所有像素点的频率;
分别计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值。
8.根据权利要求7所述的指纹图像预处理方法,其特征在于,所述预处理方法之后还包括:
对所述二值化指纹图像进行细化处理。
9.根据权利要求8所述的指纹图像预处理方法,其特征在于,所述预处理方法之后还包括:
通过指纹跟踪方法对所述二值化指纹图像或细化处理后的指纹图像进行修复处理。
10.一种指纹图像预处理装置,其特征在于,包括增强处理单元、第一比较单元、二值化处理单元与第二比较单元,其中:
增强处理单元,用于对原指纹图像进行增强处理,得到增强的指纹图像,并将原指纹图像和增强的指纹图像输出至第一比较单元;
第一比较单元,用于计算各个像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值,以及各个像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值,如果某一像素点在原指纹图像中对应的频率和在增强的指纹图像中对应的频率的差值绝对值小于或等于预设的差值阈值,且所述像素点在原指纹图像中的像素值和在增强的指纹图像中的像素值的差值绝对值小于或等于所述像素点在原指纹图像中的邻域均值的α倍,利用原指纹图像中所述像素点的像素值更新增强的指纹图像中所述像素点的像素值,其中,α为预设的第一比例因子,将更新后的增强的指纹图像输出至二值化处理单元;
二值化处理单元,用于对更新后的增强的指纹图像进行二值化处理,得到二值化指纹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130943.6A CN108121946B (zh) | 2017-11-15 | 2017-11-15 | 一种指纹图像预处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130943.6A CN108121946B (zh) | 2017-11-15 | 2017-11-15 | 一种指纹图像预处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108121946A true CN108121946A (zh) | 2018-06-05 |
CN108121946B CN108121946B (zh) | 2021-08-03 |
Family
ID=62228434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711130943.6A Active CN108121946B (zh) | 2017-11-15 | 2017-11-15 | 一种指纹图像预处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121946B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961504A (zh) * | 2018-07-02 | 2018-12-07 | 吴永慧 | 图像质量权衡平台 |
CN109409237A (zh) * | 2018-09-28 | 2019-03-01 | 深圳瀚海芯科技有限公司 | 一种指纹特征处理方法及装置 |
CN110287899A (zh) * | 2019-06-27 | 2019-09-27 | Oppo广东移动通信有限公司 | 区域指纹识别方法及相关产品 |
CN111028176A (zh) * | 2019-12-10 | 2020-04-17 | 北京迈格威科技有限公司 | 指纹图像处理方法、装置、电子设备及计算机可读介质 |
CN111461016A (zh) * | 2020-04-01 | 2020-07-28 | 联想(北京)有限公司 | 残迹确定方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
CN105659253A (zh) * | 2014-08-25 | 2016-06-08 | 华为技术有限公司 | 指纹提取方法和装置 |
US20170255807A1 (en) * | 2016-03-04 | 2017-09-07 | Safran Identity & Security | Method for improving images applicable to fingerprint images |
-
2017
- 2017-11-15 CN CN201711130943.6A patent/CN108121946B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN105659253A (zh) * | 2014-08-25 | 2016-06-08 | 华为技术有限公司 | 指纹提取方法和装置 |
CN104809464A (zh) * | 2015-05-19 | 2015-07-29 | 成都英力拓信息技术有限公司 | 一种指纹信息处理方法 |
US20170255807A1 (en) * | 2016-03-04 | 2017-09-07 | Safran Identity & Security | Method for improving images applicable to fingerprint images |
Non-Patent Citations (1)
Title |
---|
潘静 等: "一种基于方向场的指纹图像滤波算法", 《通信技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961504A (zh) * | 2018-07-02 | 2018-12-07 | 吴永慧 | 图像质量权衡平台 |
CN109409237A (zh) * | 2018-09-28 | 2019-03-01 | 深圳瀚海芯科技有限公司 | 一种指纹特征处理方法及装置 |
CN109409237B (zh) * | 2018-09-28 | 2022-03-29 | 汪海彬 | 一种指纹特征处理方法及装置 |
CN110287899A (zh) * | 2019-06-27 | 2019-09-27 | Oppo广东移动通信有限公司 | 区域指纹识别方法及相关产品 |
CN110287899B (zh) * | 2019-06-27 | 2022-01-11 | Oppo广东移动通信有限公司 | 区域指纹识别方法及相关产品 |
CN111028176A (zh) * | 2019-12-10 | 2020-04-17 | 北京迈格威科技有限公司 | 指纹图像处理方法、装置、电子设备及计算机可读介质 |
CN111028176B (zh) * | 2019-12-10 | 2023-12-08 | 天津极豪科技有限公司 | 指纹图像处理方法、装置、电子设备及计算机可读介质 |
CN111461016A (zh) * | 2020-04-01 | 2020-07-28 | 联想(北京)有限公司 | 残迹确定方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108121946B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121946A (zh) | 一种指纹图像预处理方法及装置 | |
CN110188614B (zh) | 一种基于皮裂纹分割的nlm滤波指静脉去噪方法 | |
CN107729820B (zh) | 一种基于多尺度hog的手指静脉识别方法 | |
Park et al. | Fingerprint liveness detection using CNN features of random sample patches | |
CN107392866A (zh) | 一种光照鲁棒的人脸图像局部纹理增强方法 | |
CN104239769A (zh) | 基于手指静脉特征的身份识别方法及系统 | |
CN115223211A (zh) | 一种将静脉图像转化为指纹图像的识别方法 | |
CN103246877A (zh) | 基于图像轮廓的人脸识别新方法 | |
CN110046559A (zh) | 一种人脸识别方法 | |
Kumar et al. | Iris recognition based on DWT and PCA | |
Patil et al. | Expression invariant face recognition using semidecimated DWT, Patch-LDSMT, feature and score level fusion | |
CN111612083B (zh) | 一种手指静脉识别方法、装置及设备 | |
Baker et al. | User identification system for inked fingerprint pattern based on central moments | |
Gino Sophia et al. | Zadeh max–min composition fuzzy rule for dominated pixel values in iris localization | |
CN110175509B (zh) | 一种基于级联超分辨率的全天候眼周识别方法 | |
Xie et al. | Improved locally linear embedding and its application on multi-pose ear recognition | |
Fu et al. | A novel adaptive vein image contrast enhancement method based on fuzzy and retinex theory | |
CN112396022A (zh) | 一种指纹提取方法 | |
Yang et al. | Efficient method for high-resolution fingerprint image enhancement using deep residual network | |
Nirmalakumari et al. | Efficient minutiae matching algorithm for fingerprint recognition | |
Belanda et al. | A Two-Way Image Quality Enhancement for Iris Recognition System Using Modified Enhanced Histogram Equalization for Normalization | |
Anila et al. | An efficient preprocessing technique for face recognition under difficult lighting conditions | |
CN117173485B (zh) | 一种肺癌组织病理图像的智能分类系统方法及系统 | |
CN111986113B (zh) | 一种光学图像光影消除方法及系统 | |
Dehghani et al. | Retinal identification based on rotation invariant moments |
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 |