CN108319883B - 一种基于快速独立分量分析的指纹识别方法 - Google Patents
一种基于快速独立分量分析的指纹识别方法 Download PDFInfo
- Publication number
- CN108319883B CN108319883B CN201611125689.6A CN201611125689A CN108319883B CN 108319883 B CN108319883 B CN 108319883B CN 201611125689 A CN201611125689 A CN 201611125689A CN 108319883 B CN108319883 B CN 108319883B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- image
- component analysis
- independent component
- 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
- G06V40/1365—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
- G06V40/1347—Preprocessing; Feature extraction
-
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于快速独立分量分析的指纹识别技术,包括以下步骤:S1指纹图像采集;S2采用快速独立分量分析算法对指纹图像进行噪声分离;S3指纹图像预处理;S4指纹图像特征提取;S5利用指纹细节点模型对图像进行分类,输出结果。所述基于快速独立分量分析的指纹识别技术,针对模糊的具有较强噪声的指纹,在指纹图像预处理阶段,采用快速独立分量分析算法,将强噪声干扰的图像分离出来,然后结合指纹细节点模型对图像进行分类和识别,提高了指纹识别技术的准确率和鲁棒性。
Description
技术领域
本发明涉及指纹识别技术领域,具体涉及一种基于快速独立分量分析的指纹识别技术。
背景技术
在信息网络高速发展的今天,鉴别个人身份越来越显示出其重要性。常用的身份识别技术一般有两种:口令方式和标记方式,可是难免会忘记密码,或者其他意外情况的发生,导致没有办法来验证自己的身份,在网络化,数据化的今天,显然已经不能满足社会的需求。近些年,随着计算机技术与互联网技术的迅猛发展,生物特征技术已逐渐得到各安全领域的应用,例如:指纹识别技术,人脸识别技术以及虹膜识别技术等。其中,指纹特征作为人类具有唯一性的生理特性,相对于其他生理特征,指纹结构简单,数据量小,因此更容易实现。
指纹识别技术的诞生及快速发展,给生物识别技术带了曙光。由于这种生理特性是无法被仿冒的,是个人所独有的,所以其具有很高的安全性,基于指纹的独特性,使得指纹识别技术在各大领域得到了广泛的研发和应用。指纹识别技术主要包括以下几个步骤:指纹图像采集,图像预处理,特征提取和特征匹配,其中图像预处理这一环节最为重要。虽然指纹识别技术被给予了极大的关注,并得到了快速的发展,但是,影响指纹识别效率的问题并没有得到根本的解决。综上,现在需要一种对指纹图像预处理阶段进行改进的指纹识别技术,能解决在强噪声情况下的特征提取问题,并增强图像分类识别算法的鲁棒性。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决上述技术缺陷,本发明采用的技术方案在于,提供一种基于快速独立分量分析的指纹识别技术,包括以下步骤:
S1指纹图像采集;S2采用快速独立分量分析算法对指纹图像进行噪声分离; S3指纹图像预处理;S4指纹图像特征提取;S5利用指纹细节点模型对图像进行分类,输出结果。
较佳的,所述步骤S1所述指纹图像采集后以数据化的形式进行存储。
较佳的,所述步骤S2包括期望值计算,迭代计算,判断比较等步骤。
较佳的,所述步骤S3包括对图像进行归一化处理,二值化处理等步骤。
较佳的,所述步骤S4通过对端点进行纹线跟踪,选取显著特征点对,得到指纹图像的特征向量。
较佳的,所述步骤S5包括对所有特征点进行初步匹配,统计比例,并输出匹配特征点最多的指纹图像。
与现有技术比较本发明的有益效果在于:1,所述基于快速独立分量分析的指纹识别技术,针对模糊和具有较强噪声的指纹,在指纹图像预处理阶段,采用快速独立分量分析算法,将强噪声干扰的图像分离出来,然后结合指纹细节点模型对图像进行分类和识别,提高了指纹识别技术的准确率和鲁棒性;2,对指纹图像进行了去噪处理,使得在强噪声的情况下依然可以提取图像的特征,增强了指纹识别的应用性;3,采用快速独立分量分析算法,使得指纹图像识别技术能够更加速地完成匹配,减少了程序运行的代价;4,指纹图像特征提取方面运用了显著特征点对的理论,提取出图像更加鲁棒的特征,为后续匹配,分类和识别奠定了基础;5,结合传统的指纹细节特征点模型实现了指纹图像的匹配和识别,算法简单,易于实现;
附图说明
为了更清楚地说明本发明各实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是基于快速独立分量分析的指纹识别技术框架图;
图2是噪声分离模块图;
图3是指纹图像预处理模块图;
图4是指纹图像特征匹配模块图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例1
如图1所示,所述基于快速独立分量分析的指纹识别技术,包括以下步骤:
S1:指纹图像采集;
S2:采用快速独立分量分析算法对指纹图像进行噪声分离;
S3:指纹图像预处理;
S4:指纹图像特征提取;
S5:利用指纹细节点模型对图像进行分类,输出结果。
实施例2
所述基于快速独立分量分析的指纹识别技术,步骤S1中指纹图像采集的步骤如下:
S1-1:采用生物射频技术来采集指纹信息;
S1-2:将指纹信息以数据化的形式进行存储;
实施例3
所述基于快速独立分量分析的指纹识别技术,步骤S2中采用快速独立分量分析算法对指纹图像进行噪声分离的步骤如下:
S2-1:输入原始指纹数据;
S2-2:初始化w(0),设模为1,令k=1;
S2-3:通过大量的指纹图像X,采样计算其期望值E(X);
S2-4:根据公式w(k)=E{X(w(k-1)T)3}-3w(k-1)进行迭代;
S2-5:判断|w(k)Tw(k-1)|-1的值是否足够接近0,如果接近0就输出w(k),如果还不接近0,k=k+1,返回步骤S2-3;
S2-6:根据w(k)TX,输出分离噪声后的源信号X1
其中X表示指纹图像的观测向量,W=[w(0),w(1),... ,w(n)]表示正交混合矩阵,k表示正交混合矩阵W中列向量的个数。
实施例4
所述基于快速独立分量分析的指纹识别技术,步骤S3中指纹图像预处理的步骤如下:
S3-2:如果某脊线在某像素处的方向为j,计算出此处方向的灰度平均值,再计算出与j垂直方向上的灰度平均值,检查该值是否小于j处的值,如果小于则将该点像素设为255,代表指纹的谷线,反之将像素设为0,代表指纹的脊线。按照此方法对图像进行二值化处理。
S3-3:将图像分划分为8×8的字块,然后计算每一块的方差,根据方差大小将图像字块设置为背景区和前景区;
S3-4:通过形态学细化算法将图像纹脊的宽度降低到一个像素;
S3-5:经过预处理之后得到指纹图像X2;
实施例5
所述基于快速独立分量分析的指纹识别技术,步骤S4中指纹图像特征提取的步骤如下:
S4-1:检测指纹图像X2中的特征点集合F={pi}, i=1,2,... ;
S4-2:对细节特征点集合F中所有端点pi分别进行纹线跟踪,如果沿着特征点纹线轨迹可以从pi走到pj,且中间不存在其他的特征点,则将特征点pi,pj记为一个显著特征点对(pi,pj),将这些显著特征点对集合记为G,其中G中记录了两特征点pi,pj的位置以及弧长和弦长。如果pj为端点,在F中删除pi,pj,如果pj为叉点,在F中仅删除pi;
S4-3:对细节特征点集F中剩下所有叉点pi分别进行三个方向的纹线跟踪,如果跟踪到一个细节点pj,且pj属于点集F,则(pi,pj)为显著特征点对,同样记录在G中,如果三个方向的纹线跟踪完成,在F中删除pi;
S4-4:通过对指纹图像显著特征点的提取,就可以得到一副指纹图像的特征向量G=(i,j,d,s);
其中,d表示弦长,s表示弧长,i,j分别表示两个特征点的位置,弦长为两个特征点之间的距离,单位为像素,弧长为两个特征点之间纹线的像素个数。
实施例6
所述基于快速独立分量分析的指纹识别技术,步骤S5中利用指纹细节点模型对图像进行分类,输出结果的步骤如下:
S5-1:将模板点集表示为U=[Gx,x=1,2,... ,i],输入点集表示为 V=[Gy,y=1,2,... ,j];
S5-3:根据匹配结果,输出匹配特征点最多的指纹图像;
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (4)
1.一种基于快速独立分量分析的指纹识别方法,包括以下步骤:
S1指纹图像采集;S2采用快速独立分量分析算法对指纹图像进行噪声分离;S3指纹图像预处理;S4指纹图像特征提取;S5利用指纹细节点模型对图像进行分类,输出结果;
步骤S2具体包括:
S2-1:输入原始指纹数据;
S2-2:初始化w(0),设w(0)的模为1,令k=1;
S2-3:通过多个指纹图像,采样计算期望值E(X);
S2-4:根据公式w(k)=E{X(w(k-1)T)3}-3w(k-1)进行迭代;
S2-5:判断|w(k)Tw(k-1)|-1的值是否足够接近0,如果接近0,则输出w(k),否则,令k=k+1,返回S2-3;
S2-6:根据w(k)TX,输出分离噪声后的图像X1;
其中,X表示指纹图像的观测向量,W=[w(0),w(1),...,w(n)]表示正交混合矩阵,k表示正交混合矩阵W中列向量的个数;
步骤S3具体包括:
S3-1:对分离噪声后的图像X1进行归一化处理,得到统一尺寸和像素,公式如下:
其中,I(i,j)、M、var分别表示归一化前图像的灰度值、均值、方差,N(i,j)、M0、var0分别表示归一化后图像的灰度值、均值、方差;
S3-2:如果某脊线在某像素处的方向为J,计算出此方向的灰度平均值,再计算出与J垂直方向上的灰度平均值,检查该灰度平均值是否小于J方向的灰度平均值,如果小于则将该像素设为255,代表指纹的谷线,反之将像素设为0,代表指纹的脊线;
S3-3:将图像划分为8×8的子块,然后计算每一块的方差,根据方差大小将图像子块设置为背景区和前景区;
S3-4:通过形态学细化算法将图像纹脊的宽度降低到一个像素;
S3-5:经过预处理之后得到指纹图像X2。
2.如权利要求1所述的基于快速独立分量分析的指纹识别方法,其特征在于,所述步骤S1所述指纹图像采集后以数据化的形式进行存储。
3.如权利要求2所述的基于快速独立分量分析的指纹识别方法,其特征在于,所述步骤S4通过对端点进行纹线跟踪,选取显著特征点对,得到指纹图像的特征向量。
4.如权利要求1-3任一项所述的基于快速独立分量分析的指纹识别方法,其特征在于,所述步骤S5包括对所有特征点进行初步匹配,统计比例,并输出匹配特征点最多的指纹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611125689.6A CN108319883B (zh) | 2017-01-16 | 2017-01-16 | 一种基于快速独立分量分析的指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611125689.6A CN108319883B (zh) | 2017-01-16 | 2017-01-16 | 一种基于快速独立分量分析的指纹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108319883A CN108319883A (zh) | 2018-07-24 |
CN108319883B true CN108319883B (zh) | 2020-11-06 |
Family
ID=62891833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611125689.6A Active CN108319883B (zh) | 2017-01-16 | 2017-01-16 | 一种基于快速独立分量分析的指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108319883B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010000379A (ko) * | 2000-09-25 | 2001-01-05 | 김증섭 | 직접 골 추적을 이용한 지문 특징 추출방법 |
CN201247471Y (zh) * | 2008-07-25 | 2009-05-27 | 电子科技大学中山学院 | 一种自动指纹识别系统 |
CN101576999A (zh) * | 2009-06-01 | 2009-11-11 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
CN102324007A (zh) * | 2011-09-22 | 2012-01-18 | 重庆大学 | 基于数据挖掘的异常检测方法 |
CN102629316A (zh) * | 2011-11-25 | 2012-08-08 | 浙江外国语学院 | 自动指纹识别技术中的图像增强方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100414558C (zh) * | 2002-12-06 | 2008-08-27 | 中国科学院自动化研究所 | 基于模板学习的自动指纹识别系统和方法 |
CN101572770B (zh) * | 2009-06-18 | 2010-11-10 | 中国科学技术大学 | 一种可用于实时监控的运动检测方法与装置 |
CN101751555B (zh) * | 2009-09-25 | 2012-02-08 | 中国科学院自动化研究所 | 一种形变指纹识别方法及系统 |
CN102955932B (zh) * | 2011-08-22 | 2015-09-30 | 武汉科技大学 | 一种基于嵌入式的qnmv指纹识别方法与系统 |
US8861855B2 (en) * | 2012-01-18 | 2014-10-14 | The United States Of America As Represented By The Secretary Of The Air Force | Method and apparatus for simplifying electro-optical imaging systems |
CN104091356A (zh) * | 2014-07-04 | 2014-10-08 | 南京邮电大学 | 基于独立分量分析的x射线医学图像目标重建 |
CN105320946B (zh) * | 2015-11-03 | 2018-12-04 | 盐城工学院 | 一种基于matlab的指纹识别方法 |
-
2017
- 2017-01-16 CN CN201611125689.6A patent/CN108319883B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010000379A (ko) * | 2000-09-25 | 2001-01-05 | 김증섭 | 직접 골 추적을 이용한 지문 특징 추출방법 |
CN201247471Y (zh) * | 2008-07-25 | 2009-05-27 | 电子科技大学中山学院 | 一种自动指纹识别系统 |
CN101576999A (zh) * | 2009-06-01 | 2009-11-11 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
CN102324007A (zh) * | 2011-09-22 | 2012-01-18 | 重庆大学 | 基于数据挖掘的异常检测方法 |
CN102629316A (zh) * | 2011-11-25 | 2012-08-08 | 浙江外国语学院 | 自动指纹识别技术中的图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108319883A (zh) | 2018-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Hierarchical multiscale LBP for face and palmprint recognition | |
Zhang et al. | 3D palmprint identification using block-wise features and collaborative representation | |
Zhao et al. | Trustworthy authorization method for security in Industrial Internet of Things | |
Laadjel et al. | Combining Fisher locality preserving projections and passband DCT for efficient palmprint recognition | |
Cao et al. | Automatic latent value determination | |
Tukur | Fingerprint recognition and matching using Matlab | |
Zhao et al. | Fingerprint pre-processing and feature engineering to enhance agricultural products categorization | |
Damak et al. | Dynamic ROI extraction method for hand vein images | |
Nguyen et al. | Automatic identification fingerprint based on machine learning method | |
Deng et al. | Attention-aware dual-stream network for multimodal face anti-spoofing | |
Singh et al. | A biometric system design using finger knuckle biological trait | |
Khodadoust et al. | Design and implementation of a multibiometric system based on hand’s traits | |
CN108182375B (zh) | 一种基于手机支付的指纹识别系统 | |
Bharadi et al. | Multi-modal biometric recognition using human iris and dynamic pressure variation of handwritten signatures | |
CN114612951B (zh) | 一种手掌特征识别方法 | |
CN108319883B (zh) | 一种基于快速独立分量分析的指纹识别方法 | |
Ray et al. | Palm print recognition using hough transforms | |
Kaur et al. | Finger print recognition using genetic algorithm and neural network | |
Lomte et al. | Biometric fingerprint authentication by minutiae extraction using USB token system | |
Ain | An efficient algorithm for fingerprint recognition using minutiae extraction | |
Choras | Biometric personal authentication using images of forearm vein patterns | |
Kanchana et al. | Quadtree decomposition for palm print feature representation in palmprint recognition system | |
Ahmad et al. | Human identity verification via automated analysis of fingerprint system features | |
Wang et al. | An improved square-based palmprint segmentation method | |
Sengottuvelan et al. | Analysis of Living and Dead Finger Impression Identification for Biometric Application |
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 |