CN108710849B - 一种指纹块拼接方法及系统 - Google Patents
一种指纹块拼接方法及系统 Download PDFInfo
- Publication number
- CN108710849B CN108710849B CN201810467802.1A CN201810467802A CN108710849B CN 108710849 B CN108710849 B CN 108710849B CN 201810467802 A CN201810467802 A CN 201810467802A CN 108710849 B CN108710849 B CN 108710849B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- block
- fingerprint block
- blocks
- ridge
- 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
-
- 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
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)
Abstract
本申请实施例公开了一种指纹块拼接方法及系统,包括:获取指纹块中的细节点和脊点;根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;将对齐后的指纹块进行特征融合,完成指纹块的拼接。为了获取精确的指纹块对齐,在部分指纹块对齐阶段,本申请依照从粗糙到精确的对齐过程,首先用一种部分指纹匹配算法计算指纹块之间的两两匹配,得到指纹块的粗糙对齐,然后用全局优化的方法来提高指纹块对齐的准确性,得到精确的指纹块对齐结果。
Description
技术领域
本申请涉及指纹识别技术领域,尤其涉及一种指纹块拼接方法及系统。
背景技术
由于指纹的独特性,易获取性和方便识别性,自动指纹识别系统(Automaticfingerprint identification system,AFIS)已经被广泛应用于各个领域。随着传感器技术的发展,便宜又轻便的集成固态指纹传感器已经被广泛应用于各种需要进行身份认证的设备上。为了便于嵌入设备和降低成本,传感器感知区域做得很小。由于这种小的固态传感器与手指的接触面积非常有限,通过这种传感器所获得的指纹只是整个指纹的一部分,导致从这种部分指纹中能够提取出来的信息非常有限,多次采集的部分指纹之间的重叠面积也较小。指纹之间的重叠面积越小,匹配就越困难,也就会导致越高的错误拒绝率。
解决这个问题的关键技术之一就是指纹块拼接技术,但是由于固态传感器的面积通常比较小,获得的只是整个指纹的一部分,这就导致从这种指纹块中提取出的细节点和其他特征信息非常有限,在这种情况下,不仅很难判断两个指纹块是否来自同一手指,更难将他们拼接起来。每次传感器获取指纹时,由于用户按压程度不同,都会有或多或少的塑性形变,这会导致细节点位置和脊形状的变化,更增加了拼接的难度。传感器上的灰尘、手指上的水或者手指上有伤痕都可能导致指纹块有很多噪声,这增加了提取有效特征信息的难度。
为了解决上述问题,现有技术中将每张指纹块分割成前景与背景,用前景掩膜来计算每张图片的权重,将带有权重的灰度值图像叠加起来来计算拼接的灰度图像,将前景掩膜叠加起来来计算每个像素点的置信指数。因为所有的指纹块都是通过一次滚压获取的,所以假设这些指纹块是已经对齐过的。另外,缩小前景掩膜来保证只保留每张图片的最佳对比度和最小扭曲的区域。但是上述方法只利用了两张部分指纹的局部特征而没有利用全局信息,而且都是做少量图片的拼接,当输入指纹图片增多时,无法保证多张指纹块在全局上不会出现漂移和整体倾斜,仍然不能保证指纹块拼接的准确性。
发明内容
本申请提供了一种指纹块拼接方法及系统,以解决传统的指纹块拼接方法拼接的指纹信息不准确的问题。
为了解决上述技术问题,本申请实施例公开了如下技术方案:
一种指纹块拼接方法,所述方法包括:获取指纹块中的细节点和脊点;根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;将对齐后的指纹块进行特征融合,完成指纹块的拼接。
优选地,所述获取指纹块中的细节点和脊点,包括:对所述指纹块进行细化处理所述获取指纹块中的脊线;根据所述脊线获取对应的细节点,其中所述细节点包括所述脊线的端点和分叉点;过所述细节点做一条与所述细节点方向垂直的线段,与所述线段相交的最近的两条脊记为所述细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊;从所述细节点出发沿着脊线进行间隔采样;从所述相关脊点出发沿着脊线进行间隔采样;以细节点为圆心,做一个预设半径的圆,将圆内的脊采样点作为所述脊点。
优选地,所述根据所述细节点和脊点对获取的指纹块进行初步对齐,包括:从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块;确定所述非中心指纹块和中心指纹块的对齐关系;获取所有指纹块的关联关系图;根据所述关联关系图计算对齐误差;根据LM算法将所述对齐误差方程最小化处理。
优选地,所述将对齐后的指纹块进行特征融合,包括:确定所述指纹块的融合顺序;将所述指纹块中的细节点进行融合;将所述指纹块中的脊点进行融合。
优选地,所述从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块,包括:将所有所述指纹块进行两两对齐,计算两两指纹块之间的参考值;获取一个与其他指纹块参考总值最大的指纹块,作为中心指纹块;将与任一指纹块参考值均为0的指纹块移除,中心指纹块为所有与它参考值不为0的指纹块的参考指纹块,其他指纹块的参考指纹块根据参考值确定。
一种指纹块拼接系统,所述系统包括:获取模块,用于获取指纹块中的细节点和脊点;对齐模块,用于根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;拼接模块,用于将对齐后的指纹块进行特征融合,完成指纹块的拼接。
优选地,所述获取模块包括:第一获取单元,用于对所述指纹块进行细化处理所述获取指纹块中的脊线;第二获取单元,用于根据所述脊线获取对应的细节点,其中所述细节点包括所述脊线的端点和分叉点;第一处理单元,用于过所述细节点做一条与所述细节点方向垂直的线段,与所述线段相交的最近的两条脊记为所述细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊;第一采样单元,用于从所述细节点出发沿着脊线进行间隔采样;第二采样单元,用于从所述相关脊点出发沿着脊线进行间隔采样;第一确定单元,用于以细节点为圆心,做一个预设半径的圆,将圆内的脊采样点作为所述脊点。
优选地,所述对齐模块包括:第二确定单元,用于从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块;第三确定单元,用于确定所述非中心指纹块和中心指纹块的对齐关系;第四确定单元,用于获取所述指纹块的关联关系图;第三获取单元,用于根据所述关联关系图计算对齐误差;第二处理单元,用于根据LM算法将所述对齐误差方程最小化处理。
优选地,所述拼接模块包括:第五确定单元,用于确定所述指纹块的融合顺序;第一融合单元,用于将所述指纹块中的细节点进行融合;第二融合单元,用于将所述指纹块中的脊点进行融合。
优选地,所述第二确定单元包括:计算子单元,用于将所有所述指纹块进行两两对齐,计算两两指纹块之间的参考值;获取子单元,用于获取一个与其他指纹块参考总值最大的指纹块,作为中心指纹块;确定子单元,用于将与任一指纹块参考值均为0的指纹块移除,中心指纹块为所有与它参考值不为0的指纹块的参考指纹块,其他指纹块的参考指纹块根据参考值确定。
由上述技术方案可知,本申请实施例提供的一种指纹块拼接方法和系统,包括:获取指纹块中的细节点和脊点;根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;将对齐后的指纹块进行特征融合,完成指纹块的拼接。为了获取精确的指纹块对齐,在指纹块对齐阶段,本申请依照从粗糙到精确的对齐过程,首先用一种部分指纹匹配算法计算指纹块之间的两两匹配,得到指纹块的粗糙对齐,然后用全局优化的方法来提高指纹块对齐的准确性,得到精确的指纹块对齐结果。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种指纹块拼接方法的流程示意图;
图2为本申请实施例提供的指纹块关系图;
图3为本申请实施例提供的细节点融合方法示意图;
图4为本申请实施例提供的一种指纹脊线示意图;
图5为本申请实施例提供的一种指纹脊线断裂示意图;
图6为本申请实施例提供的一种脊点融合方式示意图;
图7为本申请实施例提供的另一种指纹脊线示意图;
图8为本申请实施例提供的另一种指纹脊线断裂示意图;
图9为本申请实施例提供的另一种脊点融合方式示意图;
图10为本申请实施例提供的一种指纹块拼接系统的示意图。
具体实施方式
下面结合附图对本申请进行详细说明。
如图1所示,为本申请提供的一种指纹块拼接方法的流程示意图,参见图1,所述方法包括:
S101,获取指纹块中的细节点和脊点。
预处理过程是对指纹块处理的第一步,是后续正确提取指纹特征的基础。指纹块由于皮肤的特性、输入设备和环境等原因,会存在畸变、不清晰、潮湿、噪声等对特征提取不利的因素。因此在特征提取之前,要对图像进行预处理以消除影响。一般预处理过程包括图像分割、图像规格化、方向场、脊频率、Gabor滤波器、图像二值化、图像细化。指纹块细化之后,获取指纹块中的脊线。
指纹块细化之后的细化图上的细节点周围像素分布情况有两种:细节点为端点和细节点为分叉点。分别获取对应的细节点,因此此处获取的细节点包括所述脊线的端点和分叉点。
对每个灰度值为0的像素计算cn(p)值,公式如下:
其中p=p8,p0,p1,…p7是像素p的八邻域点,val表示求此位置灰度值。故:当cn(p)=2时,此像素位于脊线上;当cn(p)=1时,此像素为端点;当cn(p)=3时,此像素为分叉点;当cn(p)>3时,可能为噪音点或者交叉线。
对得到的细节点位置按照(x,y,θ,type)方式存储,其中x和y表示细节点坐标,θ表示细节点所在位置的方向。端点方向定义为与细节点所在位置方向场的角度相同并且方向由端点指向脊内,分叉点方向定义为与细节点所在位置方向场的角度相同并且方向由端点指向距离较近的两条脊的中间位置。type为细节点类型,端点记录为1,分叉点记录为3。
在准备工作阶段,要对脊进行采样,同时建立细节点和脊点的对应结构。本申请中脊点的具体采样步骤如下:找到与细节点相连的脊,端点类型的细节点有一条相连脊,分叉点类型的细节点有三条相连脊。过细节点做一条与细节点方向垂直的线段,与该线段相交的最近的两条脊记为细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊。对各个脊进行标号,对于相连脊,从细节点出发沿着脊线进行间隔采样,间距为dr;对于相关脊,从相关点出发沿着脊线进行间隔采样,间距为dr。以细节点为圆心,做一个半径为r的圆,将位于圆内的脊采样点(包括相关脊点)按采样顺序存储在一个列表rp中,存储方式为(xr,yr,θr,mpr,rr),分别表示该脊采样点的x坐标,y坐标,角度θr,所属的细节点编号mpr,所属的子脊编号rr。
S102,根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性。
本申请采用一种从粗糙到精确的对齐方法,来得到全局最优的对齐结果。首先使用传统基于细节点柱状编码结构(MinutiaCylinder-Code,MCC)的部分指纹匹配算法来进行初始对齐。然后本申请提出一种全局优化方法来进行精准对齐,具体如下:
S1021,从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块。
选择中心指纹块时要考虑的因素主要包括:其他哪些指纹块与中心指纹块有重叠以及重叠区域的大小,这些重叠区域内匹配上的细节点以及脊点的个数。重叠面积和匹配上的特征点数目并不是线性关系。因此在选择中心块时这两个因素都要考虑。
令N个指纹块分别为P1,P2,…,PN,它们的大小为NP×NP,每个指纹块表示方式如下:
Pi={Mi,Ri,fi} (2)
其中,Mi为第i个指纹块的细节点集,Ri为第i个指纹块的脊采样点集,fi为第i个指纹块的参考块号。中心指纹块Pc及各个参考指纹块的选择算法步骤如下:将所有指纹块进行两两对齐,计算它们之间的参考值,第i个指纹块和第j个指纹块之间的参考值ki,j的计算方法如下:
ki,j=λAi,j+(1-λ)ni,j (3)
其中:λ为权重,Ai,j为指纹块i和指纹块j的重叠面积。
fooboth(m,n)=fooi(m,n)AND fooj(m,n) (5)
其中:
fooi(m,n)和fooj(m,n)分别为第i个和第j个指纹块的前景掩模,AND为二进制与运算,ni,j为指纹块i和指纹j匹配上的特征点的个数。
如果要让特征点匹配的结果对参考值的影响更大一些,就适当调小λ,如果需要让指纹块之间的重叠面积对参考值的影响更大一些就适当调大λ。但是由于这样手动调节λ的方式会导致实验过程缓慢,而且调节过程过于主观,因此本文中采用了归一化的方式来调节重叠面积和特征点匹配个数之间的平衡,改进的参考值的计算方法如下:
其中:Ai为指纹块i的面积,Aj为指纹块j的面积,ni为指纹块i在重叠区域内的特征点的个数,nj为指纹块Pj在重叠区域内的特征点的个数。建立一个的参考值矩阵,将ki,j存储在矩阵的第i行第j列和第j行第i列。对于任意一个指纹块Pi,它的参考总值Ki为:
然而,单纯地用Ki来确定中心指纹块是不够的。假如有六个指纹块之间的参考值如表1所示,根据公式(7),可以计算出K1=3最大,指纹块1被选为中心块。然而,这并不是一个正确的选择,因为显然指纹块1和指纹块3的参考值只有0.2,也就意味着它们之间的重叠面积或匹配上的细节点非常少,这对指纹对齐的正确性有很大的影响。
表1指纹块之间的参考值示例
因此,本申请先对参考值计算双曲正切,然后再相加求和,来计算各个指纹块的参考总值。
当ki,j小于阈值T1时,k′i,j变化非常迅速,当ki,j大于阈值T1时,k′i,j变化非常缓慢。这就很好的排除了参考值偏差过大的块被选为中心块的可能性。找到一个和其他指纹块参考总值最大的指纹块,作为中心指纹块Pc,将所有与中心块之间参考值大于阈值T2的指纹块的参考块号f记为c。将已经找到参考指纹的指纹块加入候选参考集CP。若某一个指纹块和其他任何指纹块的参考值均为0,则认为该指纹块不属于该模板,将该指纹块拒绝。将所有还未找到参考指纹的指纹块加入待定集DP若DP为空,算法结束,否则选择DP中任意一个指纹块Pt,计算它与CP中所有指纹块的参考值,找到参考值最大的一个指纹块,作为指纹块Pt的参考指纹,并将它从DP移到CP中。如果Pt与CP中所有指纹块的参考值均为0,则拒绝该指纹块。通过以上步骤,确定了中心指纹块和除中心指纹块之外的所有块的参考块号,接下来需要计算所有图像到中心指纹块坐标系的变换参数。
S1022,确定所述非中心指纹块和中心指纹块的对齐关系。
任意一个指纹块Pi变换到它的参考指纹块Pj所在坐标系的变换矩阵Tij=Txy·Tθ,
其中Txy为平移变换,Tθ为旋转变换。tx和ty分别为x方向和y方向的平移量。θ为旋转角度。
旋转时需要以匹配特征点集的中心位置(xc,yc)为基准点来旋转,即先平移特征点集使基准点移动到坐标原点然后绕坐标原点进行旋转变换,再平移特征点集使基准点回到原始位置。公式如下:
令指纹块Pi的初始特征点集为Fi,则经过变换后的特征点集F′i计算公式如下:
指纹块Pj与它的参考指纹Pk之间的初始变换参数记为Tjk,迭代这样的变换直到变换到中心指纹块。因此对于任意一个指纹块Pi,可以由以下两式计算求得它到中心指纹块的联合变换矩阵Tic:
Tic=Tzc·...·Tjk·Tij (16)
S1023,获取所有指纹块的关联关系图。
对于N个指纹块,理论上一共会产生N(N-1)/2个有联系的指纹对。然而实际上,由于指纹块取自手指的不同位置,并不是每两个指纹块之间都有足够的特征点和重叠面积来产生一个正确的映射关系。不过由上一节运算可以知道任意两个指纹块都可以通过其他指纹块建立联系,换句话说,所有的指纹块都可以以直接或者间接的方式连接,如图2。方块A表示中心指纹块,方块B-F表示其他指纹块,每个指纹块的参考指纹用黑色粗箭头指出来,用参考值来作为该关系的权重,从图中可以看出,任意一个指纹块都可以通过一个或者多个参考箭头与中心指纹块联系起来。黑色细曲线表示两个指纹块参考值不为零,并且它们互不为对方的参考指纹,我们称这样的两个指纹块为相关指纹块,用这两个指纹块之间的参考值作为这条关系的权重。
S1024,根据所述关联关系图计算对齐误差。
从图2可以看出,指纹块之间存在着两种关系,第一种是参考关系(黑色箭头曲线表示),第二种是相关关系(黑色曲线表示),用参考关系来限制指纹块的变换不能离初始变换太远,用相关关系来优化匹配点对之间的对齐误差。
对于非中心指纹块的任意一个指纹块Pi,它的初始特征点集为Fi,变换到中心指纹坐标系后的特征点集F′ic。对齐误差方程定义如下:
其中Ri表示指纹块Pi的所有权重不为零的关系集合。λij为权值。
S1025,根据LM算法将所述对齐误差方程最小化处理。
本申请采用Levenberg Marquardt算法(LM算法)来解上述最小二乘问题。对于本申请的能量方程来说,LM算法的迭代表达式定义为:
Θ=(JTJ+λI)-1JTd (24)
其中Θ为所有参数集,d是平方误差,JTJ和JTd可以用公式(25)来计算:
LM算法的具体步骤如下:1、用粗糙对齐得到的变换参数初始化Θ。2、计算误差能量方程EGAOP(Tic)。3、用公式(25)计算JTJ和JTd,用公式(24)计算Θ,并用公式(26)更新变换参数
Θ(t+1)=Θ(t)+ΔΘ (26)
检查误差方程E的变化,如果增大,则适当增加λ,如果减小,则适当减小λ,重新计算一个ΔΘ,重复步骤3。不断进行迭代计算直到误差方程E低于阈值T3或执行完一定的次数为止。通过最小化上面的函数,我们求得了全局最优的对齐结果,即完成了整个对齐过程,为接下来的融合过程提供了最好的前提条件。
S103,将对齐后的指纹块进行特征融合,完成指纹块的拼接。
指纹融合技术是指纹块拼接技术中非常重要的一部分,选择合理的融合算法可以大大提高指纹块拼接结果的可靠性。
S1031,确定所述指纹块的融合顺序。
融合顺序对生成的特征点模板非常重要。如果首先选择了两个参考值为0的指纹块进行融合就会导致拒绝融合,融合算法无法继续进行。因此,确定一个合理的融合顺序是非常有必要的。本申请采用的融合顺序如下:1、中心指纹块作为第一个待融合对象,将其特征点直接加入模板中。2、找到与中心指纹块参考值最大的一个指纹块,作为第二个待融合对象,将其特征点与模板中的特征点进行融合。3、已经融合过的指纹块集记为Fp,还未融合的指纹块集记为UFp,查询UFp中所有指纹块与Fp中所有指纹块的参考值,在UFp中找到一个参考值最大的指纹块作为下一个待融合指纹块。该过程的表达式如下:
其中:
NUF是UFp中指纹块的个数。NF是Fp中指纹块的个数。4、如果UFp为空,则算法结束,否则转至步骤3。通过上述四步,确定了一个合理的融合顺序,为接下来的特征融合提供了基础。
S1032,将所述指纹块中的细节点进行融合;
将融合的模板记为T,模板中的细节点集记为TM,模板中的脊点集记为TR,待融合的指纹块记为Pi,待融合指纹块中的细节点集记为PiM,待融合指纹块中的脊点集记为PiR,细节点融合算法的步骤如下:1、对于PiM中的任意一个点mi,计算它与TM中所有点的距离和角度差。2、如果该点和TM中的某个点的距离小于阈值T4,且角度差小于阈值T5,则这两个点可以融合。3、如果两个可以融合的点的类型一致,则直接求它们位置和角度的中值,类型仍设为它们原来的类型,用融后的新点替换模板中融合前的点。4、如果两个可以融合的点类型不一致,则先求它们位置和角度的中值,然后将类型设为分叉点类型,用融后的新点替换模板中融合前的点。5、如果该点不满足步骤2中的条件,则它不能和模板中的任何一个点融合,则直接将它加入模板中。细节点融合方法如图3所示。
S1033,将所述指纹块中的脊点进行融合。
细节点融合后,要将它们对应的脊点融合。需要注意的是,当两个类型不同的细节点融合后,它们对应的脊有两种可能的融合策略,如图4和7所示。如果一个细节点在一张指纹图中是脊端点,在另一张指纹图中是分叉点,那么可能是图4和7中显示的两种情况。
第一种情况原本是分叉点类型的细节点,在某个指纹块中它的5号脊和3号4号脊断开了,导致该细节点由原来的分叉点类型变成了脊端点类型,如图5所示。这时对应的脊融合方式如图6,左边一列是分叉点类型细节点的脊号,右边一列是端点类型细节点的脊号。
第一种情况原本是分叉点类型的细节点,在某个指纹块中它的4号脊和3号5号脊断开了,导致该细节点由原来的分叉点类型变成了脊端点类型,如图8所示。这时对应的脊融合方式如图9,左边一列是分叉点类型细节点的脊号,右边一列是端点类型细节点的脊号。
脊点融合的步骤如下:
1、对于两个同类型的可融合的细节点来说,将它们的脊按照脊号,脊点编号的顺序依次融合,如果它们的脊点数量不一致,则按脊点少的脊进行融合,剩余的脊点直接加进模板。2、对于两个不同类型的可融合的细节点来说,按照图6或图9的规则进行融合。其他规则按步骤1一样。3、对于一个直接加入模板的细节点来说,也直接将其对应的脊点加入模板。
由上述实施例可知,本实施例提供的一种指纹块拼接方法包括:获取指纹块中的细节点和脊点;根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;将对齐后的指纹块进行特征融合,完成指纹块的拼接。为了获取精确的指纹块对齐,在部分指纹块对齐阶段,本申请依照从粗糙到精确的对齐过程,首先用一种部分指纹匹配算法计算指纹块之间的两两匹配,得到指纹块的粗糙对齐,然后用全局优化的方法来提高指纹块对齐的准确性,得到精确的指纹块对齐结果。
与上述实施例提供的一种指纹块拼接方法相对应,本申请还提供了一种指纹块拼接系统的实施例,如图10所示,所述指纹块拼接系统包括:获取模块201、对齐模块202和拼接模块203。
所述获取模块201,用于获取指纹块中的细节点和脊点。对齐模块202,用于根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性。拼接模块203,用于将对齐后的指纹块进行特征融合,完成指纹块的拼接。
所述获取模块201包括:第一获取单元、第二获取单元、第一处理单元、第一采样单元、第二采样单元和第一确定单元。
所述第一获取单元,用于对所述指纹块进行细化处理所述获取指纹块中的脊线。所述第二获取单元,用于根据所述脊线获取对应的细节点,其中所述细节点包括所述脊线的端点和分叉点。所述第一处理单元,用于过所述细节点做一条与所述细节点方向垂直的线段,与所述线段相交的最近的两条脊记为所述细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊。所述第一采样单元,用于从所述细节点出发沿着脊线进行间隔采样。所述第二采样单元,用于从所述相关脊点出发沿着脊线进行间隔采样。所述第一确定单元,用于以细节点为圆心,做一个预设半径的圆,将圆内的脊采样点作为所述脊点。
所述对齐模块202包括:第二确定单元、第三确定单元、第四确定单元、第三获取单元和第二处理单元。
所述第二确定单元,用于用于从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块。所述第三确定单元,用于确定所述非中心指纹块和中心指纹块的对齐关系。所述第四确定单元,用于获取所述指纹块的关联关系图。所述第三获取单元,用于根据所述关联关系图计算对齐误差。所述第二处理单元,用于根据LM算法将所述对齐误差方程最小化处理。
所述拼接模块203包括:第五确定单元、第一融合单元和第二融合单元。
所述第五确定单元,用于确定所述指纹块的融合顺序。所述第一融合单元,用于将所述指纹块中的细节点进行融合。所述第二融合单元,用于将所述指纹块中的脊点进行融合。
进一步地,所述第二确定单元包括:计算子单元,用于将所有所述指纹块进行两两对齐,计算两两指纹块之间的参考值;获取子单元,用于获取一个与其他指纹块参考总值最大的指纹块,作为中心指纹块;确定子单元,用于将与任一指纹块参考值均为0的指纹块移除,中心指纹块为所有与它参考值不为0的指纹块的参考指纹块,其他指纹块的参考指纹块根据参考值确定。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于系统实施例而言,由于其中的方法基本相似于方法的实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本申请实施方式并不构成对本申请保护范围的限定。
Claims (6)
1.一种指纹块拼接方法,其特征在于,所述方法包括:
获取指纹块中的细节点和脊点;
根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;
将对齐后的指纹块进行特征融合,完成指纹块的拼接;
其中,所述获取指纹块中的细节点和脊点,包括:
对所述指纹块进行细化处理所述获取指纹块中的脊线;
根据所述脊线获取对应的细节点,其中所述细节点包括所述脊线的端点和分叉点;
过所述细节点做一条与所述细节点方向垂直的线段,与所述线段相交的最近的两条脊记为所述细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊;
从所述细节点出发沿着脊线进行间隔采样;
从所述相关脊点出发沿着脊线进行间隔采样;
以细节点为圆心,做一个预设半径的圆,将圆内的脊采样点作为所述脊点。
2.根据权利要求1所述的指纹块拼接方法,其特征在于,所述根据所述细节点和脊点对获取的指纹块进行初步对齐,包括:
从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块;其中,所述中心指纹块为指纹块中一个和其他指纹块参考总值最大的指纹块,所述非中心指纹块为指纹块中除了中心指纹块的其他指纹块;
确定所述非中心指纹块和中心指纹块的对齐关系;
获取所有指纹块的关联关系图;所述关联关系图为任意一个非中心指纹块通过一个或者多个参考箭头与中心指纹块联系起来形成的图;
根据所述关联关系图计算对齐误差方程;
根据LM算法将所述对齐误差方程最小化处理;
其中,所述从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块,包括:将所有所述指纹块进行两两对齐,计算两两指纹块之间的参考值;所述参考值采用以下方法获得:
其中,ki,j为参考值,Ai为指纹块i的面积,Aj为指纹块j的面积,Ai,j为指纹块i和指纹块j的重叠面积,ni为指纹块i在重叠区域内的特征点的个数,nj为指纹块Pj在重叠区域内的特征点的个数,ni,j为指纹块i和指纹块j匹配上的特征点的个数;
获取一个与其他指纹块参考总值最大的指纹块,作为中心指纹块;所述参考总值采用以下方法获得:
其中,k′i,j为参考总值,γ2为常数,T2为阈值;
将与任一指纹块参考值均为0的指纹块移除,中心指纹块为所有与它参考值不为0的指纹块的参考指纹块,其他指纹块的参考指纹块根据参考值确定。
3.根据权利要求2所述的指纹块拼接方法,其特征在于,所述将对齐后的指纹块进行特征融合,包括:
确定所述指纹块的融合顺序;
将所述指纹块中的细节点进行融合;
将所述指纹块中的脊点进行融合。
4.一种指纹块拼接系统,其特征在于,所述系统包括:
获取模块,用于获取指纹块中的细节点和脊点;
对齐模块,用于根据所述细节点和脊点对获取的指纹块进行初步对齐,然后通过全局优化提高每个指纹块位置的准确性;
拼接模块,用于将对齐后的指纹块进行特征融合,完成指纹块的拼接;
其中,所述获取模块包括:
第一获取单元,用于对所述指纹块进行细化处理所述获取指纹块中的脊线;
第二获取单元,用于根据所述脊线获取对应的细节点,其中所述细节点包括所述脊线的端点和分叉点;
第一处理单元,用于过所述细节点做一条与所述细节点方向垂直的线段,与所述线段相交的最近的两条脊记为所述细节点的相关脊,交点记为该细节点的相关脊点,相关脊被相关脊点分割为两条子脊;
第一采样单元,用于从所述细节点出发沿着脊线进行间隔采样;
第二采样单元,用于从所述相关脊点出发沿着脊线进行间隔采样;
第一确定单元,用于以细节点为圆心,做一个预设半径的圆,将圆内的脊采样点作为所述脊点。
5.根据权利要求4所述的指纹块拼接系统,其特征在于,所述对齐模块包括:
第二确定单元,用于从获取的指纹块中确定中心指纹块和非中心指纹块的参考指纹块;其中,所述中心指纹块为指纹块中一个和其他指纹块参考总值最大的指纹块,所述非中心指纹块为指纹块中除了中心指纹块的其他指纹块;
第三确定单元,用于确定所述非中心指纹块和中心指纹块的对齐关系;
第四确定单元,用于获取所述指纹块的关联关系图;所述关联关系图为任意一个非中心指纹块通过一个或者多个参考箭头与中心指纹块联系起来形成的图;
第三获取单元,用于根据所述关联关系图计算对齐误差;
第二处理单元,用于根据LM算法将所述对齐误差方程最小化处理;
其中,所述第二确定单元包括:计算子单元,用于将所有所述指纹块进行两两对齐,计算两两指纹块之间的参考值;所述参考值采用以下方法获得:
其中,ki,j为参考值,Ai为指纹块i的面积,Aj为指纹块j的面积,Ai,j为指纹块i和指纹块j的重叠面积,ni为指纹块i在重叠区域内的特征点的个数,nj为指纹块Pj在重叠区域内的特征点的个数,ni,j为指纹块i和指纹块j匹配上的特征点的个数;
获取一个与其他指纹块参考总值最大的指纹块,作为中心指纹块;所述参考总值采用以下方法获得:
其中,k′i,j为参考总值,γ2为常数,T2为阈值;
确定子单元,用于将与任一指纹块参考值均为0的指纹块移除,中心指纹块为所有与它参考值不为0的指纹块的参考指纹块,其他指纹块的参考指纹块根据参考值确定。
6.根据权利要求5所述的指纹块拼接系统,其特征在于,所述拼接模块包括:
第五确定单元,用于确定所述指纹块的融合顺序;
第一融合单元,用于将所述指纹块中的细节点进行融合;
第二融合单元,用于将所述指纹块中的脊点进行融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467802.1A CN108710849B (zh) | 2018-05-16 | 2018-05-16 | 一种指纹块拼接方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467802.1A CN108710849B (zh) | 2018-05-16 | 2018-05-16 | 一种指纹块拼接方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710849A CN108710849A (zh) | 2018-10-26 |
CN108710849B true CN108710849B (zh) | 2022-04-01 |
Family
ID=63869075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810467802.1A Active CN108710849B (zh) | 2018-05-16 | 2018-05-16 | 一种指纹块拼接方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710849B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934180B (zh) * | 2019-03-18 | 2021-06-01 | Oppo广东移动通信有限公司 | 指纹识别方法及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609676A (zh) * | 2011-01-21 | 2012-07-25 | 北京数字指通软件技术有限公司 | 一种融入先验知识的指纹特征融合方法和系统 |
CN107392847A (zh) * | 2017-06-07 | 2017-11-24 | 西安电子科技大学 | 一种基于细节点和距离图像的指纹图像拼接方法 |
CN107958443A (zh) * | 2017-12-28 | 2018-04-24 | 西安电子科技大学 | 一种基于脊线特征和tps形变模型的指纹图像拼接方法 |
-
2018
- 2018-05-16 CN CN201810467802.1A patent/CN108710849B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609676A (zh) * | 2011-01-21 | 2012-07-25 | 北京数字指通软件技术有限公司 | 一种融入先验知识的指纹特征融合方法和系统 |
CN107392847A (zh) * | 2017-06-07 | 2017-11-24 | 西安电子科技大学 | 一种基于细节点和距离图像的指纹图像拼接方法 |
CN107958443A (zh) * | 2017-12-28 | 2018-04-24 | 西安电子科技大学 | 一种基于脊线特征和tps形变模型的指纹图像拼接方法 |
Non-Patent Citations (1)
Title |
---|
"Fingerprint matching using ridges";Jianjiang Feng etc.;《PATTERN RECOGNITION》;20061231;第2131-2140页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108710849A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11113505B2 (en) | Palm print image matching techniques | |
US9690973B2 (en) | Feature-based matcher for distorted fingerprint matching | |
CN107958443B (zh) | 一种基于脊线特征和tps形变模型的指纹图像拼接方法 | |
Shekhar et al. | Multisensor image registration by feature consensus | |
WO2018198500A1 (ja) | 照合装置、照合方法および照合プログラム | |
Shalaby et al. | A multilevel structural technique for fingerprint representation and matching | |
US7359533B2 (en) | Method and apparatus for identifying a fingerprint | |
Chen et al. | Method on water level ruler reading recognition based on image processing | |
Sghaier et al. | Efficient machine-learning based 3d face identification system under large pose variation | |
Khodadoust et al. | Partial fingerprint identification for large databases | |
CN108710849B (zh) | 一种指纹块拼接方法及系统 | |
CN108664940B (zh) | 一种部分指纹匹配方法及系统 | |
Li et al. | Adaptive regional multiple features for large-scale high-resolution remote sensing image registration | |
Ahmed et al. | An advanced fingerprint matching using minutiae-based indirect local features | |
CN110059711A (zh) | 图像的对齐方法、装置及设备 | |
Jeyanthi et al. | Neural network based automatic fingerprint recognition system for overlapped latent images | |
Dosil et al. | A new radial symmetry measure applied to photogrammetry | |
Zhang et al. | Deep dense multi-level feature for partial high-resolution fingerprint matching | |
Agarwal et al. | A utility of ridge contour points in minutiae-based fingerprint matching | |
Raftopoulos et al. | On the beneficial effect of noise in vertex localization | |
JPH01271883A (ja) | 指紋中心検出方式 | |
Iwasokun et al. | Review and evaluation of fingerprint singular point detection algorithms | |
KR100564762B1 (ko) | 지문 정보를 이용한 사용자 인증방법 및 그 장치 | |
US20190080068A1 (en) | Biometric recognition for uncontrolled acquisition environments | |
US10546179B2 (en) | Distorted fingerprint matching using pose and minutia grouping |
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 |