CN108537098A - 一种指纹识别方法 - Google Patents
一种指纹识别方法 Download PDFInfo
- Publication number
- CN108537098A CN108537098A CN201710158524.7A CN201710158524A CN108537098A CN 108537098 A CN108537098 A CN 108537098A CN 201710158524 A CN201710158524 A CN 201710158524A CN 108537098 A CN108537098 A CN 108537098A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- fingerprint image
- crosspoint
- endpoint
- 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.)
- Pending
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
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)
Abstract
本专利发明了一种指纹识别方法。主要包括指纹图像预处理特征提取和指纹匹配三部分。首先,采用基于灰度标准差的阈值自适应算法对从传感器采集到的指纹图像进行分割,然后采用十二方向滤波算法增强指纹图像并二值化,再采用改进的ZS细化算法细化指纹图像。其次,根据交叉数法提取指纹特征点,包括端点和交叉点,并根据距离法去除相应的伪特征点。最后,将端点和交叉点分别保存在两个列表中,并分别根据像素点之间距离以及角度选取两个列表中的参考点,再根据参考点进行细节点的匹配。算法简单实用,能够有效提高指纹识别的性能。
Description
技术领域
本专利属于生物识别领域,特别涉及一种指纹识别方法。
背景技术
随着人们安全意识的提高,在日常生活中,对身份认证的要求也越来越高。传统的身份认证方式大致可以分为两类:一是可以通过实物鉴别身份,如身份证、钥匙、护照等;二是通过约定相关口令鉴别身份,如口令、密码、暗号。这些方式存在容易丢失、遗忘、被复制和破解等安全可靠性差等问题。因此,这些传统的认证方式已经不能很好的满足人们的要求,必须寻找一种更为可靠、更为安全的身份认证方式。
基于生物特征的身份认证方式可以克服传统身份认证的许多缺点,并且近年来,生物识别技术在身份认证方面也取得了很多卓有成效的研究。与虹膜、人脸、掌纹等生物识别技术相比,指纹识别是综合性能最好的一种,同时,基于指纹识别的产品其成本较其他识别技术更低,更易推广和被用户接受,目前国内指纹识别的应用占整个生物识别应用约90%的市场份额。因此,指纹识别的研究有着重要的实际意义和经济效益。
在当前的研究中,指纹识别的关键技术包括指纹图像的分割、增强、匹配等。其中,指纹图像的分割算法研究较多,但是大多复杂且对质量较低的指纹效果不好,因此,本文提出一种基于灰度标准差的阈值自适应分割算法;其次,在指纹增强中,目前,最常用的是gabor滤波增强和方向滤波增强,但是gabor滤波增强需要依据纹线方向计算指纹纹线频率,由于指纹纹线方向是估算出来的,因此纹线频率的估计可能会出现较大误差,同时,指纹纹线的方向是连续的,基于此,本文将传统的八方向滤波扩展为十二方向滤波;然后,在指纹匹配中,为了克服单参考点鲁棒性不高的问题,本文将在端点和交叉中各选取一个参考点,形成双参考点的指纹匹配。
发明内容
针对以上技术背景中的问题,本发明提出一种基于方向滤波和双参考节点的指纹识别方法。主要技术方案为:一种指纹识别方法,用于准确实时实现指纹的识别。
进一步技术方案如下:
本发明提出的一种指纹识别方法是由指纹图像预处理、指纹图像特征提取和指纹图像特征匹配三个部分组成。
所述的指纹图像预处理部分首先对采集的原始指纹图像进行归一化处理,改变指纹图像的视觉对比,然后分割出指纹图像的前景区域,对每一个前景区域,分别检测其上下左右四个邻域,若两个以上为前景区,则当前块为前景区域,再在前景区中,计算指纹的块方向场,并根据块方向值选择合适的滤波模板进行指纹图像的增强并二值化,然后,细化指纹纹线,提取指纹骨架,使得指纹纹线为单像素宽。
所述的指纹图像特征提取部分首先在细化的指纹图像基础上,根据交叉数法初步提取出指纹的端点和交叉点,然后对指纹前景区边缘和内部分别基于不同的方法去除为特征点,得到最终可靠的细节点,即端点和交叉点。
所述的指纹图像特征匹配部分首先将提取出的端点和交叉点分别保存在一个列表中,各自计算模板指纹到输入指纹中端点、交叉点的距离差、角度差,依据相应条件在模板指纹和输入指纹中选出参考点,并将其他端点和交叉点转换为极角、极径等进行保存。然后对模板指纹和输入指纹进行匹配,给出匹配的细节点数以及按照合适的方法给出匹配的分数值,最后给出判别结果,即接受或者拒绝。
本发明能够达到的有益效果如下:
(1)通过比较指纹图像前景块的灰度标准差和自适应阈值,能够有效分割出原始指纹的前景区,对一些低质量的指纹图像也有较好的分割效果,然后通过四邻域平滑,能够实现对指纹图像的二次分割,确保之前残留的指纹被分割出去。
(2)由于指纹纹线的方向是连续的,因此本文对传统的方向滤波做了改进,由八方向扩展到十二方向,事实上,方向越多,滤波增强就越准确,但考虑到算法运行的时间,综合来看,十二方向的方向滤波可以有效增强指纹图像,使一些断裂的纹线重新连接起来。
(3)在端点和交叉点中各选取一个参考点,从而可以克服单参考点鲁棒性不高的问题,同时,将端点和交叉点依据参考点进行极坐标转换,保存极径和极角,再从模板指纹到输入指纹,根据相应的关系比对极径和极角,能够实现对平移指纹进行有效识别,从而提高指纹识别的性能。
附图说明
图1是指纹识别流程图
具体实施方式
接下来,结合附图对本发明的具体实施方法进行进一步阐述。
如图1所示,本发明的具体实施流程和原理如下:
A.采用基于灰度标准差的阈值自适应方法对采集到的原始指纹图像进行分割,并采用四邻域方法对指纹图像进行平滑,得到原始指纹图像的前景区域;
B.对前景区域首先计算指纹纹线的方向,依据方向值再采用相应的滤波模板,与原始指纹图像做卷积,进行指纹图像的增强,并二值化指纹图像;
C.跳转至A步骤,继续下一个前景区的分割、增强及二值化;
D.扫描整个指纹图像,采用改进的ZS算法细化指纹图像,使得指纹纹线变为单像素宽,据此得到原始指纹图像的骨架;
E.对细化后的指纹图像进行端点和交叉点的提取,并分别去除指纹图像前景区边缘和内部的伪特征点;
F.在所提取的端点和交叉点中分别选取参考点,并依据参考点进行极坐标的转换,最后给出匹配分数值及识别结果。
所述步骤A中首先计算指纹图像灰度值均值和方差,并依据此进行指纹的归一化处理,以改变指纹图像的视觉对比。然后将指纹图像分成W*W的块,计算出块内像素的灰度均值seg_M以及灰度标准差seg_S,并对块内像素的灰度值进行大小排序,取出最大值pie_max和最小值pie_min,然后让pie_mid=(pie_max+pie_min)/2,进而计算出指纹图像分割的自适应阈值其中β分别是[0,1]的数,若seg_S>=T,则需判断其上下左右四邻域,如果有两个及两个以上的邻域块判断为前景块,则当前块为前景块,否则为背景块,并且进入下一块的判断。
所述步骤B中确定当前块为前景块后,依据sobe1算子得出纵向和横向的梯度值,进而得到指纹的块方向,由于指纹纹线的方向在[0° 180°],故需要采用合适的方法将指纹的块方向场规约到[0° 180°],同时,将180°分成12个方向,每隔15°建立一个滤波模板,其中,水平滤波模板即0°滤波模板由经验及实践得出,其他方向的滤波模板由水平滤波模板旋转而来,然后,根据计算出的块方向值,选择合适的滤波模板与原指纹图像做卷积,完成指纹图像的方向滤波增强,并依据卷积得出的值,进行指纹图像的二值化处理。
所述步骤C中对当前前景块完成指纹增强及二值化后,就转移到下一个块中,继续按照步骤A进行判断是否为前景块或者背景块。
所述步骤D中首先对整个指纹图像进行行扫描,选定一个像素点,分别将其八邻域标识出来,依次计算出八邻域的像素值之和以及相邻两个像素值之差的和,并根据合适条件判断该像素点是否应该被删除;其次,再对整个指纹图像进行列扫描,同样需要计算出八邻域的像素值之和以及相邻两个像素值之差的和,并依据合适的条件判断该像素点是否应该被删除;此外,需要增加四个消除模板对指纹图像继续进行细化,以保证交叉点处的毛刺被删除。
所述步骤E中首先需要选定一个像素点并标识其周围八邻域,其次计算相邻两个像素值之差的绝对值之和Cn以及八个邻域的像素值之和Sn,根据Cn和Sn的值判断当前像素点属于纹线端点或者纹线交叉点或者纹线连续点,若属于端点或者交叉点,则需要将其保留下来并作出标记,然后依次扫描全部端点,分别判断其上下左右三邻域的黑点个数,并据此删除掉指纹边缘的伪端点,再计算任意两个端点、两个交叉点以及端点和交叉点之间的距离并与预先设置的阈值thes1、thes2、thes3做比较,判断当前端点和交叉点是否是由纹路断裂引起,若是,则删除当前的两个端点或者交叉点,最后将留下的可靠的细节点(端点和交叉点)分别保存在一个列表中。
所述步骤F中从模板指纹到输入指纹,首先在端点集中,分别计算任意两个端点的点方向差,若小于阈值dir_thes,则计算当前两个端点坐标的欧式距离,并将所有的距离保存下来,再对其进行排序,若最小距离大于dis_thes,则判定两枚指纹不匹配,否则将最小距离所在的两个端点分别选取为模板指纹和输入指纹的端点参考点;同理,在交叉点集中,分别计算任意两个交叉点的点方向差,若小于阈值dir_thes1,则计算当前两个交叉点坐标的欧式距离,并将所有的距离保存下来,再对其进行排序,若最小距离大于dis_thes1,则判定两枚指纹不匹配,否则将最小距离所在的两个交叉点分别选取为模板指纹和输入指纹的交叉点参考点。然后从模板指纹到输入指纹,将每个端点相对端点参考点和每个交叉点相对交叉点参考点进行极坐标转换,并将其极径和极角等保存下来。最后从模板指纹到输入指纹分别计算两个端点或者交叉点对应的极径、极角之差,并与阈值thes4和thes5做比较,判断两个端点或者交叉点是否匹配,直到所有的端点和交叉点都判断完毕,统计出总的匹配的细节点(端点和交叉点)个数,然后选择合适的方法给出匹配分数值及判断结果,并据此画出指纹识别的ROC曲线。
Claims (7)
1.一种指纹识别方法,其作用在于对从传感器采集到的指纹进行匹配并给出匹配分数以及判断结果,其步骤如下:
A.采用基于灰度标准差的阈值自适应方法对采集到的原始指纹图像进行分割,并采用四邻域方法对指纹图像进行平滑,得到原始指纹图像的前景区域;
B.对前景区域首先计算指纹纹线的方向,依据方向值再采用相应的滤波模板,与原始指纹图像做卷积,进行指纹图像的增强,并二值化指纹图像;
C.跳转至A步骤,继续下一个前景区的分割、增强及二值化;
D.扫描整个指纹图像,采用改进的ZS算法细化指纹图像,使得指纹纹线变为单像素宽,据此得到原始指纹图像的骨架;
E.对细化后的指纹图像进行端点和交叉点的提取,并分别去除指纹图像前景区边缘和内部的伪特征点;
F.在所提取的端点和交叉点中分别选取参考点,并依据参考点进行极坐标的转换,最后给出匹配分数及识别结果。
2.根据权利要求1所述的指纹识别方法,其特征在于:步骤A中分别计算指纹分块内的灰度标准差seg_S与自适应阈值其中,seg_M为块内像素均值,pie_mid为块内最大像素值与最小像素值和的一半,β分别为[0,1]的数,然后比较两者的大小,若seg_S>=T,则为前景区,此时还需要对其上下左右四个邻域进行判断,若也为前景区,才能判断该块为前景区,否则为背景区。
3.根据权利要求1所述的指纹识别方法,其特征在于:步骤B中用指纹块方向场代替该块中每个像素点的方向,并将滤波方向分为十二个方向。
4.根据权利要求1所述的指纹识别方法,其特征在于:步骤C中对当前前景块完成增强及二值化后,进入下一指纹块,重复步骤A、B,继续对原始指纹图像进行分割、增强及二值化。
5.根据权利要求1所述的指纹识别方法,其特征在于:步骤D首先行扫描整个指纹图像,采用改进的ZS细化算法细化指纹纹线,其次列扫描整个指纹图像,采用改进的ZS细化算法细化指纹纹线,然后增加四个模板对分叉点处继续细化。
6.根据权利要求1所述的指纹识别方法,其特征在于:步骤E中采用交叉数法提取指纹图像中的端点和交叉点,然后对前景区边缘端点,采用邻域法去除为特征点,对前景区内部端点和交叉点,采用距离法去除伪特征点。
7.根据权利要求1所述的指纹识别方法,其特征在于:步骤F中将提取的端点和交叉点分别保存在一个列表中,各自计算模板指纹到输入指纹中端点、交叉点的方向差、欧氏距离,若方向差小于阈值,则再将所有保存下来的距离进行排序,并将最小距离所在的两个端点分别选取为模板指纹和输入指纹中的端点参考点以及最小距离所在的两个交叉点分别选取为模板指纹和输入指纹中的交叉点参考点,然后从模板指纹到输入指纹,将其他端点相对端点参考点以及其他交叉点相对交叉点参考点按极坐标转换为极角、极径等进行保存,最后根据两枚指纹特征点匹配的个数,给出匹配的分数,进而给出判断结果(接受或者拒绝),以及ROC曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710158524.7A CN108537098A (zh) | 2017-03-01 | 2017-03-01 | 一种指纹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710158524.7A CN108537098A (zh) | 2017-03-01 | 2017-03-01 | 一种指纹识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537098A true CN108537098A (zh) | 2018-09-14 |
Family
ID=63489867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710158524.7A Pending CN108537098A (zh) | 2017-03-01 | 2017-03-01 | 一种指纹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537098A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN109657657A (zh) * | 2019-02-19 | 2019-04-19 | 武汉芯盈科技有限公司 | 一种基于图像处理的手机小面积高精度指纹识别方法及系统 |
CN109919022A (zh) * | 2019-01-29 | 2019-06-21 | 浙江工业大学 | 一种自适应的oct内外部指纹提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030039382A1 (en) * | 2001-05-25 | 2003-02-27 | Biometric Informatics Technolgy, Inc. | Fingerprint recognition system |
CN102262730A (zh) * | 2011-08-15 | 2011-11-30 | 山东志华信息科技股份有限公司 | 一种基于多参考点对的指纹匹配方法 |
CN105320946A (zh) * | 2015-11-03 | 2016-02-10 | 盐城工学院 | 一种基于matlab的指纹识别方法 |
-
2017
- 2017-03-01 CN CN201710158524.7A patent/CN108537098A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030039382A1 (en) * | 2001-05-25 | 2003-02-27 | Biometric Informatics Technolgy, Inc. | Fingerprint recognition system |
CN102262730A (zh) * | 2011-08-15 | 2011-11-30 | 山东志华信息科技股份有限公司 | 一种基于多参考点对的指纹匹配方法 |
CN105320946A (zh) * | 2015-11-03 | 2016-02-10 | 盐城工学院 | 一种基于matlab的指纹识别方法 |
Non-Patent Citations (5)
Title |
---|
尹婉琳: "指纹分类和识别算法的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)-信息科学辑》 * |
张圆圆: "指纹识别技术相关算法的研究", 《中国优秀博硕士学位论文全文数据库(博士)-信息科技辑》 * |
徐俊峰: "自动指纹识别系统算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)-信息科学辑》 * |
曹国等: "一种快速的指纹参照点对选取方法研究", 《中国图象图形学报》 * |
牛飞婷: "金库门禁指纹识别系统算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)-信息科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544474A (zh) * | 2018-11-16 | 2019-03-29 | 四川长虹电器股份有限公司 | 一种基于相位拉伸变换的指纹图像增强方法 |
CN109919022A (zh) * | 2019-01-29 | 2019-06-21 | 浙江工业大学 | 一种自适应的oct内外部指纹提取方法 |
CN109657657A (zh) * | 2019-02-19 | 2019-04-19 | 武汉芯盈科技有限公司 | 一种基于图像处理的手机小面积高精度指纹识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426821B (zh) | 一种基于八邻域和二次匹配的手掌静脉特征提取和匹配方法 | |
US7599530B2 (en) | Methods for matching ridge orientation characteristic maps and associated finger biometric sensor | |
CN106096569B (zh) | 一种手指静脉识别方法 | |
CN104951940B (zh) | 一种基于掌纹识别的移动支付验证方法 | |
CN102043961B (zh) | 静脉特征提取方法及利用双指静脉和指形特征进行身份认证的方法 | |
CN109460746B (zh) | 掌纹roi的分隔方法 | |
CN108537098A (zh) | 一种指纹识别方法 | |
CN103870808A (zh) | 一种手指静脉识别方法 | |
Yang et al. | Personal authentication using finger vein pattern and finger-dorsa texture fusion | |
Tagkalakis et al. | A novel approach to finger vein authentication | |
Impedovo et al. | Recent advances in offline signature identification | |
Choraś | Retina recognition for biometrics | |
Prashanth et al. | Off-line signature verification based on angular features | |
Pakutharivu et al. | A comprehensive survey on fingerprint recognition systems | |
CN106780535A (zh) | 一种灰度图像处理方法 | |
Lim et al. | Enhancing fingerprint recognition using minutiae-based and image-based matching techniques | |
Singh et al. | Fingerprint feature extraction using morphological operations | |
Prashanth et al. | DWT based offline signature verification using angular features | |
Lin | A novel iris recognition method based on the natural-open eyes | |
Pigeon et al. | Profile authentication using a Chamfer matching algorithm | |
Kulshrestha et al. | Finger print recognition: survey of minutiae and gabor filtering approach | |
Kumar et al. | Finger Vein based Human Identification and Recognition using Gabor Filter | |
Choras | Hybrid iris and retina recognition for biometrics | |
DR et al. | Fingerprint verification based on fusion of minutiae and ridges using strength factors | |
Wang et al. | An improved square-based palmprint segmentation method |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180914 |