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 PDF

Info

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
Application number
CN201611125689.6A
Other languages
English (en)
Other versions
CN108319883A (zh
Inventor
何伟潮
单小红
吴剑文
侯大勇
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.)
Guangdong Kingpoint Data Science And Technology Co ltd
Original Assignee
Guangdong Kingpoint Data Science And Technology Co ltd
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 Guangdong Kingpoint Data Science And Technology Co ltd filed Critical Guangdong Kingpoint Data Science And Technology Co ltd
Priority to CN201611125689.6A priority Critical patent/CN108319883B/zh
Publication of CN108319883A publication Critical patent/CN108319883A/zh
Application granted granted Critical
Publication of CN108319883B publication Critical patent/CN108319883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于快速独立分量分析的指纹识别方法
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：
S3-1：对分离噪声后得到的图像X1进行归一化处理，公式如下：
Figure BDA0001174519060000041
得到统一尺寸和像素；其中M0，M分别表示处理后的灰度值和原始灰度值，I(i，j)表示像素点的灰度值，var0表示原始图像的方差；
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]；
S5-2：将所有特征点进行初步匹配：
Figure BDA0001174519060000061
如果满足此条件就说明两幅指纹图像匹配，并统计所有匹配的特征点数目占总特征点数量的比例(threhold是个经验阈值，通常为事先设定好的固定值)；
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：
Figure FDA0002643145050000011
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。
CN201611125689.6A 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 Active CN108319883B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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