CN109446954A - 一种基于超短二值描述子的快速指纹匹配方法和装置 - Google Patents
一种基于超短二值描述子的快速指纹匹配方法和装置 Download PDFInfo
- Publication number
- CN109446954A CN109446954A CN201811207510.0A CN201811207510A CN109446954A CN 109446954 A CN109446954 A CN 109446954A CN 201811207510 A CN201811207510 A CN 201811207510A CN 109446954 A CN109446954 A CN 109446954A
- Authority
- CN
- China
- Prior art keywords
- image
- matched
- ultrashort
- description
- fingerprint
- 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
- G06V40/1365—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于超短二值描述子的快速指纹匹配方法及装置,所述方法包括获取待匹配图像与指纹数据库;对所述待匹配图像进行预处理,并提取特征点;截取图像块,对所述图像块进行区域划分,提取待匹配图像的超短二值描述子;将所述待匹配图像和多张指纹注册图像的超短二值描述子进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像;对所述图像块进行离散傅里叶变换,提取待匹配图像的相位相关描述子;对所述待匹配图像和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分;基于匹配得分和设定阈值,得到匹配结果。本发明提供的方法能够用于指纹图像的匹配,提高了指纹图像的匹配精确度以及匹配速度。
Description
技术领域
本发明涉及图像处理技术领域,具体的,本发明涉及一种基于超短二值描述子的快速指纹匹配方法和装置。
背景技术
指纹识别技术是通过取像设备读取指纹图像,然后用计算机识别软件提取指纹的特征数据,最后通过匹配识别算法得到识别结果,以确定所有人身份的生物特征识别技术。主要涉及指纹图像采集、指纹图像预处理、特征提取、数据保存、特征比对和匹配等过程。
在2013年随着iPhone 5s的推出,指纹识别迎来了一个跳跃性发展的黄金时期。类似Touch ID的指纹识别方案已经成为高端手机的标配,并进一步向中低端手机领域渗透。iPhone的Touch ID表现出传感器面积更小、识别速度更快、安全性更高。目前在国内市场,像华为、小米、魅族、OPPO、vivo等知名手机厂商,生产的手机中指纹识别功能已经成为必备功能。在智能手机上,指纹传感器的采集面积小,导致采集到的指纹图像就比较小。为了保证指纹识别性能,要求用户在注册指纹模板时,需要对指纹进行多次采集。但是指纹图像多次采集导致指纹模板数量增加。同时随着注册手指个数的增加,指纹模板数量再次增加,导致指纹解锁时间增加,影响用户体验。
经过对现有技术文献的检索发现,中国发明专利公开号CN107066961A,该发明公开了一种指纹配准方法和装置,在该指纹配准方法中进行了两次配准操作,即先利用脊线特征进行粗配准,再利用待配准指纹和目标指纹的相位差异信息对粗配准结果进行调整,得到最终配准结果,虽然该方法可以提高指纹配准的精度,但是目标指纹数量庞大,需要将待配准指纹分别和多个目标指纹进行两次匹配,故需要花费大量的匹配时间,匹配速度慢。
中国发明专利公开号CN106778771A,该发明公开了一种新型的二值SIFT描述子及其图像匹配方法,该方法将128维SIFT描述子进行重构,然后二值化重构后的描述子,并对二值化重构后的描述子进行逆序编码,然后直接利用汉明距离进行描述子间的距离度量,实现大容量的图像匹配,但是在该方法中,二值描述子高达128位,二值描述子较长,在匹配阶段进行相似性度量时花费的时间较长,匹配速度慢。
发明内容
针对现有技术中存在的不足之处,本发明的目的是提供一种基于超短二值描述子的快速指纹匹配方法和装置,在该方法中,利用了超短二值描述子和相位相关描述子来进行指纹图像的匹配,先利用超短二值描述子找出与待匹配图像相似度最高的指纹注册图像,再利用相位相关描述子将待匹配图像和相似度最高的指纹注册图像进行一次匹配,即可得到匹配结果,从而既保证了匹配精确度高,又加快了匹配速度。
一方面,本发明披露了一种基于超短二值描述子的快速指纹匹配方法,包括:
获取待匹配图像与指纹数据库,所述指纹数据库包括多张指纹注册图像以及所述多张指纹注册图像的超短二值描述子和相位相关描述子;
对所述待匹配图像进行预处理,得到二值化图像和细化图像,并在所述细化图像中提取特征点;
基于所述特征点在二值化图像中截取图像块,对所述图像块进行区域划分,并根据划分后的区域采用多个二值滤波器提取待匹配图像的超短二值描述子;
将所述待匹配图像的超短二值描述子和多张指纹注册图像的超短二值描述子一一进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像;
对所述图像块进行离散傅里叶变换,根据离散傅里叶变换的相位结果提取待匹配图像的相位相关描述子;
将所述待匹配图像的相位相关描述子和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分;
基于所述匹配得分和设定阈值,得到匹配结果。
优选地,所述特征点为指纹脊线的端点或分叉点。
优选地,所述预处理包括:灰度归一化,平滑滤波、图像分割、图像增强、图像二值化和图像细化。
优选地,所述基于所述特征点在二值化图像中截取图像块,对所述图像块进行区域划分,并根据划分后的区域采用多个二值滤波器提取待匹配图像的超短二值描述子,包括:
以所述特征点为中心在所述二值化图像中截取16*16大小的图像块;
将所述图像块划分为4大小相等的区域,在每个所述区域中分别使用6个二值滤波器提取二进制描述符;
对4个区域和6个二值滤波器分别进行编码排序,并根据所述编码排序将对应的二进制描述符进行有序排列,得到超短二值描述子,所述超短二值描述子为24位;
其中,所述二值滤波器包括面积相等的黑色区域和白色区域,所述6个二值滤波器中的黑色区域和白色区域的分布形式不同。
优选地,所述在每个所述区域中分别使用6个二值滤波器提取二进制描述符,包括:
在每个所述区域中分别统计各个二值滤波器的黑色区域和白色区域下的像素强度之和;
将黑色区域和白色区域下的像素强度之和进行比较,得到二进制描述符。
优选地,所述二值滤波器的公式为:
其中,Bn表示6个二值滤波器中的一个,sum(balack)表示黑色区域的像素强度之和,sum(white)表示白色区域的像素强度之和。
优选地,所述将所述待匹配图像的超短二值描述子和多张指纹注册图像的超短二值描述子一一进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像,包括:
计算待匹配图像的超短二值描述子与多张指纹注册图像的超短二值描述子之间的汉明距离,并将多个汉明距离进行比较以得到最小汉明距离;
将最小汉明距离对应的指纹注册图像确定为与所述待匹配图像相似度最高的指纹注册图像。
优选地,所述对所述待匹配图像的相位相关描述子和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分,包括:
将待匹配图像的相位相关描述子与相似度最高的指纹注册图像的相位相关描述子相减得到相位差;
根据所述相位差的正弦值和余弦值,构建复数序列,其中,所述正弦值为所述复数序列的实部,余弦值为所述复数序列的虚部;
对所述复数序列进行离散傅里叶逆变换;
计算出离散傅里叶逆变换结果的峰值,并将所述峰值确定为所述匹配得分。
优选地,所述基于所述匹配得分和设定阈值,得到匹配结果,包括:
将所述匹配得分与设定阈值进行比较;
当所述匹配得分大于设定阈值,所述待匹配图像与相似度最高的指纹注册图像相匹配;
否则,匹配失败。
另一方面,本发明披露了一种基于超短二值描述子的快速指纹匹配装置,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述指纹匹配方法。
本发明的有益效果是:
1)在本发明披露的指纹匹配方法中,先对待匹配图像进行预处理,而后截取特定大小的图像块,将图像块划分为4个区域后,利用6个二值滤波器提取出待匹配图像的超短二值描述子,超短二值描述子为24位,在将待匹配图像与众多指纹注册图像的超短二值描述子进行匹配时,由于超短二值描述子位数短,匹配速度快,从而能在指纹数据库中快速找到与待匹配图像相似度最高的指纹注册图像。
2)在本发明披露的指纹匹配方法中,在找到与待匹配图像相似度最高的指纹注册图像后,利用相位相关描述子对待匹配图像和相似度最高的指纹注册图像进行精确匹配,在整个图像匹配的过程中相当于进行了粗匹配和精确匹配两个过程,从而提高了匹配精确度,并且只需将待匹配图像与相似度最高的指纹注册图像进行1次图像匹配,即可得到匹配结果,用时少,匹配速度快。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本公开一实施例提供的一种指纹匹配方法的流程图;
图2为本公开一实施例提供的一种提取超短二值描述子过程的流程图;
图3为本公开一实施例提供的6个二值滤波器的示意图;
图4为本公开一实施例提供的一种确定匹配得分过程的流程图;
图5为本公开一实施例提供的一种生成指纹数据库的流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。本发明的前述和其它目的、特征、方面和优点将变得更加明显,以令本领域技术人员参照说明书文字能够据以实施。
可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以应对于方法、函数、规程、子例程、子程序等等。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
参见图1,为本发明一实施例提供的一种指纹匹配方法的流程图,该方法包括以下步骤:
步骤101:获取待匹配图像与指纹数据库;
在一些实施例中,所述待匹配图像为通过指纹采集器采集到的一张指纹图像。所述指纹库中包括了众多指纹注册图像以及指纹注册图像的超短二值描述子和相位相关描述子,众多的指纹注册图像为多个手指的多张指纹图像,其中,每个手指的指纹图像包括了该手指注册的多张指纹图像;
步骤102:对所述待匹配图像进行预处理,得到二值化图像和细化图像,并在所述细化图像中提取特征点;
在一些实施例中,所述预处理包括了灰度归一化,平滑滤波、图像分割、图像增强、图像二值化、图像细化。图像二值化处理可以使待匹配图像变得简单,数据量减小,并能够凸显出感兴趣的目标轮廓。通过二值化算法对待匹配图像进行处理可以获得二值化图像,所述二值化算法包括大津算法(otsu)、Kittler算法、sauvola算法、Bernsen算法、Niblack算法、基于块分析的二值化算法和循环阈值算法等。经过二值化处理的待匹配图像,由于原始图像的质量受图像采集时手指压力大小的影响和增强处理的影响,其指纹纹线的宽度会不均匀,会影响指纹特征信息的提取,图像细化处理可以将图像的线条由多像素宽度减少到单位像素宽度,从而减少冗余信息,以便于进行后续的特征提取,通过非迭代细化算法、串行细化算法或并行细化算法中的任意一种细化算法对二值化图像进行处理可以得到细化图像。
在对待匹配图像进行预处理后,在细化图像中使用特征点检测方法可以标记出待匹配图像上的特征点,在一些实施例中,所述特征点检测算法包括SURF算法、SIFT算法、FAST检测算法等。由于在指纹特征中,指纹脊线的端点和分叉点为主特征点,在一副指纹图像的特征点中占据比重大,故在本发明中所述特征点为指纹脊线的端点或分叉点。其中,端点是指二值化图像中指纹脊线的末梢,而分叉点是指三条脊线的交叉点。所述特征点可以用一个特征向量来表示,例如可以用如下公式记录特征点的信息:其中,CQ表示指纹图像Q中被检测到的特征点的集合,(xp,yp)表示特征点p的位置信息,θp表示特征点p的方向,δp表示特征点p的类型(端点或分叉点)。
步骤103:根据所述特征点在二值化图像中截取图像块,对所述图像块进行区域划分,并根据划分后的区域采用多个二值滤波器提取待匹配图像的超短二值描述子;
在一些实施例中,步骤103又包括了如图2所示的步骤。
步骤201:以所述特征点为中心在所述二值化图像中截取16*16大小的图像块;
步骤202:将所述图像块划分为4大小相等的区域,在每个所述区域中分别使用6个二值滤波器提取二进制描述符;
其中,每个区域的大小为8*8,在每个区域中分别使用6个二值滤波器提取二进制描述符,每一个二值滤波器都包括了面积相等的黑色区域和白色区域,但是,这6个二值滤波器中的黑色区域和白色区域的分布形式是不同的。6个二值滤波器可以参见图3所示,从图中可以看出,二值滤波器由大小相同的四个长方形子区域组成,黑色区域和白色区域分别占据两个子区域,图310、图320、图330中的二值滤波器中的子区域为竖向设置,其中,图310中的二值滤波器的黑色区域和白色区域相邻设置。图320中的二值滤波器的黑色子区域和白色子区域相互间隔设置。图330中的二值滤波器的两个白色子区域相邻设置,两个黑色子区域分别设置在白色区域的两侧。图340、图350、图360中的二值滤波器的子区域为横向设置,图340中的二值滤波器的黑色区域和白色区域相邻设置,图350中的二值滤波器的黑色子区域和白色子区域相互间隔设置,图360中的二值滤波器的两个黑色子区域设置在白色区域的两侧。
应该理解的是,图3中的6个二值滤波器仅为示例性地,并不意味着本发明中的6个二值滤波器就被限制为图3中所示的6种,只要保证二值滤波器中的黑色区域和白色区域相等,二值滤波器中的黑色区域和白色区域可以为任意一种分布形式,例如,二值滤波器依旧被分为大小相等的四个子区域,子区域为横向设置,而两个黑色子区域相邻设置,两个白色子区域分别设置黑色区域的两侧。又例如,二值滤波器分为了四个大小相等的三角形子区域,黑色区域和白色区域分别占据两个子区域。
在利用6个二值滤波器提取二进制描述符时,首先在二值化图像(只存在0和1)的每个区域中分别统计各个二值滤波器的黑色区域和白色区域下的像素强度之和,在将黑色区域和白色区域下的像素强度之和进行比较,从而得到二进制描述符。二值滤波器公式如下:其中,Bn表示6个二值滤波器中的一个,sum(black)表示黑色区域的像素强度之和,sum(white)表示白色区域的像素强度之和。例如,在对其中一个8*8区域使用其中一个二值滤波器提取二进制描述符时,在该二值滤波器的黑色区域下的像素强度之和为12,而白色区域下的像素强度之和为10,由于黑色区域下的像素强度之和大于白色区域下的像素强度之和,则对于该种二值滤波器所提取到的该区域的二进制描述符就为1。对于每一个8*8区域,每一个二值滤波器可以提取到一个二进制描述符,则6个二值滤波器对一个区域就可以提取出6个二进制描述符,4个区域则一共可以提取出24个二进制描述符。在提取到二进制描述符后,进一步执行步骤203。
步骤203:对4个区域和6个二值滤波器进行编码排序,并根据所述编码排序将对应的二进制描述符进行有序排列,得到超短二值描述子。
在一些实施例中,在对二进制描述符进行有序排列时可以先行按照二值滤波器的编码顺序将每一个区域对应的6个二值描述子进行排序,再根据区域的编码顺序将每个区域的6个二值描述子依次进行排序,从而得到超短二值描述子。例如,4个区域的编码分别为1、2、3、4,6种二值滤波器的编码为1-6,区域1-4的6个二值描述子按照二值滤波器的编码顺序排列后分别为(1,0,1,1,0,0),(1,0,0,1,0,0),(1,0,0,0,0,0),(1,1,1,1,0,0),则再按照区域的编码顺序进行排列得到超短二值描述子为(1,0,1,1,0,0,1,0,0,1,0,0,1,0,0,0,0,0,1,1,1,1,0,0)。
在其他一些实施例中,在对二进制描述符进行有序排列时可以先行按照区域的编码顺序将每一种二值滤波器对应的4个二值描述子进行排序,再根据二值滤波器的编码顺序依次将每一种二值滤波器的4个二值滤波器进行排序,从而得到超短二值描述子。例如,二值滤波器1-6提取的4个二值描述子按照区域编码顺序排列分别为(1,0,1,1),(1,0,0,1),(1,0,0,0),(1,1,1,1),(1,1,1,1),(1,1,0,1),则再根据二值滤波器的编码顺序进行排列得到超短二值描述子为(1,0,1,1,1,0,0,1,1,0,0,0,1,1,1,1,1,1,1,1,1,1,0,1)。在获得超短二值描述子后,转至执行图1中的步骤104。
步骤104:将所述待匹配图像的超短二值描述子和多张指纹注册图像的超短二值描述子进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像。
其中,在进行超短二值描述子匹配时,先获取指纹数据库中众多指纹注册图像的超短二值描述子,再计算待匹配图像的超短二值描述子和指纹注册图像的超短二值描述子之间的汉明距离,所述汉明距离表示待匹配图像的超短二值描述子和指纹注册图像的超短二值描述子对应位不同的数量。例如,待匹配图像的超短二值描述子为(1,1,1,0,0,0,1,0,0,0,1,1,1,0,1,0,1,0,1,1,0,0,0,0),指纹注册图像的超短二值描述子为(1,0,0,0,0,0,0,1,0,1,0,1,0,1,0,1,0,1,1,1,0,0,0,0),则待匹配图像的超短二值描述子与该指纹注册图像的超短二值描述子之间的汉明距离为12。将多个汉明距离进行比较得到最小汉明距离,其中,最小汉明距离的计算公式为:min(ham(U(a),U(B))),其中,ham(·)表示汉明距离,U(a)表示待匹配图像的超短二值描述子,B表示特征点集合,U(B)表示指纹注册图像的超短二值描述子,min(·)表示最小值函数。最小汉明距离所对应的指纹注册图像的超短二值描述子与待匹配图像的超短二值描述子间的差异最小,则可以认为最小汉明距离所对应的指纹注册图像在众多指纹注册图像中与待匹配图像的相似度是最高的。得到与待匹配图像相似度最高的指纹注册图像后继续执行步骤105。
步骤105:对所述图像块进行离散傅里叶变换,根据离散傅里叶变换的相位结果提取待匹配图像的相位相关描述子;
其中,离散傅里叶变换的公式为:
其中,f(x,y)为截取图像块,M、N为图形大小,u=0,1,2,…,M-1,v=0,1,2,…,N-1.
接着提取图像块的离散傅里叶变换的相位结果作为相位相关描述子。相位结果公式为:
其中,image(F(u,v))表示F(u,v)的虚数部分,real(F(u,v))表示F(u,v)的实数部分,atant(·)表示反正切函数,表示相位结果即相位相关描述子。
步骤106:对所述待匹配图像的相位相关描述子和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分。
其中,先从指纹数据库中获取相似度最高的指纹注册图像的相位相关描述子,然后将待匹配图像的相位相关描述子与相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分。匹配过程可以参见图4中所示的步骤。
步骤401:将待匹配图像的相位相关描述子与相似度最高的指纹注册图像的相位相关描述子相减得到相位差。
其中,相位差的计算公式为:其中表示待匹配图像的相位相关描述子,表示与待匹配图像相似度最高的指纹注册图像的相位相关描述子,表示相位差。
步骤402:根据所述相位差的正弦值和余弦值,构建复数序列,其中,所述正弦值为所述复数序列的实部,余弦值为所述复数序列的虚部。
其中,复数序列的公式如下:其中,表示相位差的正弦值,表示相位差的余弦值。
步骤403:对所述复数序列进行离散傅里叶逆变换。
其中,离散傅里叶逆变换公式为:其中,M、N表示图形大小,r(u,v)表示复数序列。
步骤404:计算出离散傅里叶逆变换结果的峰值,将所述峰值确定为所述匹配得分。
在该步骤中,计算离散傅里叶逆变换结果的峰值即计算出r(x,y)的峰值,r(x,y)的峰值为待匹配图像与相似度最高的指纹注册图像之间的匹配得分。
步骤405:基于所述匹配得分和设定阈值,得到匹配结果。
其中,先将匹配得分与设定阈值进行比较,当所述匹配得分大于设定阈值时,则认为所述待匹配图像与相似度最高的指纹注册图像相匹配,即所述待匹配图像与相似度最高的指纹注册图像来源与同一根手指。当所述匹配得分小于等于设定阈值时,则匹配失败,即待匹配图像和相似度最高的指纹注册图像来源于不同的手指。举例来说,当设定阈值为0.95,匹配得分为0.97,则待匹配图像和相似度最高的指纹图像相匹配,匹配成功;当设定阈值为0.95,匹配得分为0.92时,则认为待匹配图像和相似度最高的指纹图像是不匹配的,则匹配失败。
应该理解的是,上面描述的流程可以相互独立地使用,也可以以各种方式组合使用。所有可能的组合和子组合均旨在落入本发明的范围内。另外,在一些实施方式中可以删除某些方法或操作。此处描述的方法和流程也不限于任何特定的序列,并且与其相关的操作或状态可以适当的以其他排列顺序来进行。所描述的操作或状态可以以不同于具体公开的顺序执行,或者多个操作或状态可以组合成单个操作或状态中。例如,步骤103和步骤105可同时执行,即同时进行超短二值描述子和相位相关描述子的提取。并且,可以在所公开的示例实施例中新增操作或从所述实施例中删除某个操作或状态。例如,在步骤104中可以添加以下步骤:从指纹数据库中获取多张指纹注册图像的超短二值描述子。在步骤106中可以添加以下步骤:从指纹数据库中获取相似度最高的指纹注册图像的相位相关描述子。
在进行图1中的相关步骤之前需要生成指纹数据库,将众多指纹注册图像和指纹注册图像的超短二值描述子和相位相关描述子存储在指纹数据库中,其中指纹数据库的生成过程如图5所述,从图中可以看出,指纹数据库的生成过程包括如下几个步骤:
步骤501:获取多张指纹注册图像。
步骤502:对多张指纹注册图像进行预处理。
其中,对指纹注册图像进行预处理的过程与对待匹配图像进行预处理的过程相同,具体步骤可以参见步骤102中关于图像预处理的相关说明。
步骤503:对预处理后的指纹注册图像进行特征点提取。
其中,在预处理后的指纹注册图像中提取特征点的过程与提取预处理后的待匹配图像的特征点的过程相同,具体可以参见步骤102中关于提取特征点的相关说明。
步骤504:提取指纹注册图像的超短二值描述子和相位相关描述子。
其中,提取指纹注册图像的超短二值描述子和相位相关描述子的过程与提取待匹配图像的超短二值描述子和相位相关描述子的过程相同,具体可以参见步骤103和步骤105中的相关说明。
步骤505:保存指纹注册图像的特征点数据以及超短二值描述子和相位相关描述子。
在生成指纹数据库的过程中,步骤501-504的操作与图1中的相关操作是相同的,这里就不再详细叙述,具体可以参考图1中的相关说明。
此外,本发明还公开了一种基于超短二值描述子的快速指纹匹配装置,所述装置包括了至少一个处理器,以及存储器,所述存储器上存储有可在处理器上运行的程序,所述处理器执行如上所述的指纹匹配方法。
所述处理器可以是临时配置地(例如通过软件)或永久配置地来执行相关操作。无论是临时配置还是永久配置,所述处理器都可以构成实现处理器功能的引擎,所述引擎可以执行本发明中所描述的至少一个操作或功能。
类似地,本文所述的方法可以至少部分地由处理器实现,其中特定的至少一个处理器以硬件的示例。例如,方法中的操作的一部分可以由至少一个处理器或实现处理器功能的引擎执行。此外,至少一个处理器还可以在“云计算”环境中或作为“软件即服务”(SaaS)来支持相关操作的执行。例如,至少一部分操作可以由一组计算机(例如,包括处理器的机器)来执行,并且可以通过网络(例如,因特网)以及至少一个适当的接口(例如,应用程序接口(API))来访问这些操作。
某些操作的性能可以分布在处理器中,所述操作不仅驻留在单个机器中,而且还可以部署在多个机器上。在一些示例实施例中,处理器或实现处理器功能的引擎可以位于单个地理位置(例如,在家庭环境、办公室环境或服务器场内)。在其他一些实施例中,处理器或实现处理器功能的引擎可以分布在多个地理位置。
尽管参考了具体示例实施例对主题的概述进行了描述,但是在不脱离本发明的实施例的更宽范围,可以对这些实施例进行各种修改和改变。仅为方便起见,本发明的具体实施例可单独地或共同地由术语“发明”指代,如果实际披露了多个,并不意在将此发明的范围自动限制为单个发明或概念。
本文所示的实施例提供了足够详细地描述以使本领域技术人员能够实践公开的教导。根据本发明所示的实施例还可以派生出其他实施例,并在不脱离本发明的范围的条件下进行逻辑替换以及改变。因此,具体实施方式不应被视为具有限制意义,并且各种实施例的范围仅由所附权利要求以及这些权利要求所享有的等同物的全部范围来限定。
本发明和/或附图中描述的流程图应理解为可以表示用于实现特定逻辑功能的模块、段或部分代码,其包括用于执行流程中的特定逻辑功能和步骤或一个或多个可执行指令。正如本领域技术人员所理解的,可替换的实现方式被包括在本文描述的实施例的范围内,其中,前面的操作也可以不按照所述或所讨论的顺序来执行。根据所涉及的功能,可以按照倒序或同时处理各种操作。
其中,术语“或”可以理解为是包含性或排他性的意思。此外,可以为此处所描述的作为单个实例的资源、操作或结构提供多个实例。另外,各种资源、操作、引擎以及数据存储之间的界限有些随意,并且特定的操作在具体说明性配置的上下文中进行了说明。其他功能的分配是可预见的,并且可以落入本发明的各种实施例的范围内。通常,示例配置中作为单独资源呈现的结构和功能可以由组合结构或资源实现。类似地,呈现为单个资源的结构和功能可以由分离的多个资源实现。上文所述的改变以及其他变型、修改、添加以及改进落入由所附权利要求表示的本发明的实施例的范围内。因此,说明书和附图被认为是说明性的而不是限制性的。
除非另外具体说明,或者在所使用的上下文中以其他方式理解的条件语言之外,诸如条件语言“可以”,“可能”,“也许”或“或许”通常旨在表达某些实施例包括,而其他实施例不包括某些特征、元件和/或步骤。因此,这种条件语言并非旨在暗示至少一个实施例以任何方式要求包括这些特征、元素和/或步骤,或者至少一个实施例必然包含用于判断的逻辑,所述判断的逻辑可以用于在存在或不存在用户输入或提示的情况下,判断任何特定实施例是否包括这些特征、元素和/或步骤或任何特定实施例能够执行这些特征、元素和/或步骤。
Claims (10)
1.一种基于超短二值描述子的快速指纹匹配方法,其特征在于,包括如下步骤:
获取待匹配图像与指纹数据库,所述指纹数据库包括多张指纹注册图像以及所述多张指纹注册图像的超短二值描述子和相位相关描述子;
对所述待匹配图像进行预处理,得到二值化图像和细化图像,并在所述细化图像中提取特征点;
基于所述特征点在二值化图像中截取图像块,对所述图像块进行区域划分,并根据划分后的区域采用多个二值滤波器提取待匹配图像的超短二值描述子;
将所述待匹配图像的超短二值描述子和多张指纹注册图像的超短二值描述子一一进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像;
对所述图像块进行离散傅里叶变换,根据离散傅里叶变换的相位结果提取待匹配图像的相位相关描述子;
将所述待匹配图像的相位相关描述子和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分;
基于所述匹配得分和设定阈值,得到匹配结果。
2.如权利要求1所述的方法,其特征在于,所述特征点为指纹脊线的端点或分叉点。
3.如权利要求1所述的方法,其特征在于,所述预处理包括:灰度归一化、平滑滤波、图像分割、图像增强、图像二值化和图像细化。
4.如权利要求1-3任一项所述的方法,其特征在于,所述基于所述特征点在二值化图像中截取图像块,对所述图像块进行区域划分,并根据划分后的区域采用多个二值滤波器提取待匹配图像的超短二值描述子,包括:
以所述特征点为中心在所述二值化图像中截取16*16大小的图像块;
将所述图像块划分为4大小相等的区域,在每个所述区域中分别使用6个二值滤波器提取二进制描述符;
对4个区域和6个二值滤波器分别进行编码排序,并根据所述编码排序将对应的二进制描述符进行有序排列,得到超短二值描述子,所述超短二值描述子为24位;
其中,所述二值滤波器包括面积相等的黑色区域和白色区域,所述6个二值滤波器中的黑色区域和白色区域的分布形式不同。
5.如权利要求4所述的方法,其特征在于,所述在每个所述区域中分别使用6个二值滤波器提取二进制描述符,包括:
在每个所述区域中分别统计各个二值滤波器的黑色区域和白色区域下的像素强度之和;
将黑色区域和白色区域下的像素强度之和进行比较,得到二进制描述符。
6.如权利要求5所述的方法,其特征在于,所述二值滤波器的公式为:
其中,Bn表示6个二值滤波器中的一个,sum(black)表示黑色区域的像素强度之和,sum(white)表示白色区域的像素强度之和。
7.如权利要求1-3任一项所述的方法,其特征在于,所述将所述待匹配图像的超短二值描述子和多张指纹注册图像的超短二值描述子一一进行匹配,得到与所述待匹配图像相似度最高的指纹注册图像,包括:
计算待匹配图像的超短二值描述子与多张指纹注册图像的超短二值描述子之间的汉明距离,并将多个汉明距离进行比较以得到最小汉明距离;
将最小汉明距离对应的指纹注册图像确定为与所述待匹配图像相似度最高的指纹注册图像。
8.如权利要求1-3任一项所述的方法,其特征在于,所述对所述待匹配图像的相位相关描述子和相似度最高的指纹注册图像的相位相关描述子进行匹配,得到匹配得分,包括:
将待匹配图像的相位相关描述子与相似度最高的指纹注册图像的相位相关描述子相减得到相位差;
根据所述相位差的正弦值和余弦值,构建复数序列,其中,所述正弦值为所述复数序列的实部,余弦值为所述复数序列的虚部;
对所述复数序列进行离散傅里叶逆变换;
计算出离散傅里叶逆变换结果的峰值,并将所述峰值确定为所述匹配得分。
9.如权利要求1-3任一项所述的方法,其特征在于,所述基于所述匹配得分和设定阈值,得到匹配结果,包括:
将所述匹配得分与设定阈值进行比较;
当所述匹配得分大于设定阈值,所述待匹配图像与相似度最高的指纹注册图像相匹配;
否则,匹配失败。
10.一种基于超短二值描述子的快速指纹匹配装置,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行如权利要求1~9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207510.0A CN109446954A (zh) | 2018-10-17 | 2018-10-17 | 一种基于超短二值描述子的快速指纹匹配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811207510.0A CN109446954A (zh) | 2018-10-17 | 2018-10-17 | 一种基于超短二值描述子的快速指纹匹配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109446954A true CN109446954A (zh) | 2019-03-08 |
Family
ID=65546200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811207510.0A Pending CN109446954A (zh) | 2018-10-17 | 2018-10-17 | 一种基于超短二值描述子的快速指纹匹配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446954A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287861A (zh) * | 2019-06-21 | 2019-09-27 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、存储介质及电子设备 |
CN110598666A (zh) * | 2019-09-19 | 2019-12-20 | 哈尔滨工业大学(深圳) | 一种高分辨率指纹汗孔匹配的方法、装置、系统及存储介质 |
CN111753720A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种指纹匹配方法及装置 |
CN112560696A (zh) * | 2020-12-17 | 2021-03-26 | 北京集创北方科技股份有限公司 | 小尺寸指纹图像识别方法 |
CN113034744A (zh) * | 2021-03-05 | 2021-06-25 | 五邑大学 | 无人机安全运输方法、系统及存储介质 |
WO2022127916A1 (zh) * | 2020-12-17 | 2022-06-23 | 虹软科技股份有限公司 | 图像处理方法、描述子提取方法及其装置、电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156707A (zh) * | 2014-08-14 | 2014-11-19 | 深圳市汇顶科技股份有限公司 | 指纹识别方法及其指纹识别装置 |
CN104933407A (zh) * | 2015-05-28 | 2015-09-23 | 成都佳发安泰科技股份有限公司 | 基于sift变换的指纹识别方法 |
-
2018
- 2018-10-17 CN CN201811207510.0A patent/CN109446954A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156707A (zh) * | 2014-08-14 | 2014-11-19 | 深圳市汇顶科技股份有限公司 | 指纹识别方法及其指纹识别装置 |
CN104933407A (zh) * | 2015-05-28 | 2015-09-23 | 成都佳发安泰科技股份有限公司 | 基于sift变换的指纹识别方法 |
Non-Patent Citations (3)
Title |
---|
NABILAH SHABRINA ET AL: "Fingerprint Authentication on Touch Sensor using Phase-Only Correlation Method", 《7TH INTERNATIONAL CONFERENCE ON INFORMATION COMMUNICATION TECHNOLOGY FOR EMBEDDED SYSTEMS》 * |
SHILIANG ZHANG ET AL: "USB: Ultrashort Binary Descriptor for Fast Visual Matching and Retrieval", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
WENYAN CHEN ET AL: "A Novel Fast Fingerprint Matching Method Based on Feature Descriptors", 《2018 IEEE 3RD ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287861A (zh) * | 2019-06-21 | 2019-09-27 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、存储介质及电子设备 |
CN110287861B (zh) * | 2019-06-21 | 2022-01-07 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、存储介质及电子设备 |
CN110598666A (zh) * | 2019-09-19 | 2019-12-20 | 哈尔滨工业大学(深圳) | 一种高分辨率指纹汗孔匹配的方法、装置、系统及存储介质 |
CN110598666B (zh) * | 2019-09-19 | 2022-05-10 | 哈尔滨工业大学(深圳) | 一种高分辨率指纹汗孔匹配的方法、装置、系统及存储介质 |
CN111753720A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种指纹匹配方法及装置 |
CN112560696A (zh) * | 2020-12-17 | 2021-03-26 | 北京集创北方科技股份有限公司 | 小尺寸指纹图像识别方法 |
WO2022127916A1 (zh) * | 2020-12-17 | 2022-06-23 | 虹软科技股份有限公司 | 图像处理方法、描述子提取方法及其装置、电子设备 |
CN113034744A (zh) * | 2021-03-05 | 2021-06-25 | 五邑大学 | 无人机安全运输方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446954A (zh) | 一种基于超短二值描述子的快速指纹匹配方法和装置 | |
JP5506785B2 (ja) | 勾配ヒストグラムを用いた指紋表現 | |
Birajadar et al. | Towards smartphone-based touchless fingerprint recognition | |
O’Connor et al. | Facial recognition using modified local binary pattern and random forest | |
Krish et al. | Pre‐registration of latent fingerprints based on orientation field | |
CN110309814B (zh) | 一种基于边缘检测的虹膜识别方法及装置 | |
Ouamane et al. | Robust multimodal 2D and 3D face authentication using local feature fusion | |
Ali et al. | Speeded up robust features for efficient iris recognition | |
Donida Labati et al. | A scheme for fingerphoto recognition in smartphones | |
CN115690803A (zh) | 数字图像的识别方法、装置、电子设备及可读存储介质 | |
CN109697240A (zh) | 一种基于特征的图像检索方法及装置 | |
Hu et al. | A new finger vein recognition method based on LBP and 2DPCA | |
Wang et al. | Common visual pattern discovery via nonlinear mean shift clustering | |
Nanni et al. | Ensemble of shape descriptors for shape retrieval and classification | |
Sarangi et al. | An evaluation of ear biometric system based on enhanced Jaya algorithm and SURF descriptors | |
Zhang et al. | An Improved Computational Approach for Salient Region Detection. | |
Lindoso et al. | Increasing security with correlation-based fingerprint matching | |
Sun et al. | A multi-scale TVQI-based illumination normalization model | |
TW202117591A (zh) | 影像處理方法、晶片及電子裝置 | |
Liu et al. | Trademark image retrieval using hierarchical region feature description | |
Thu et al. | Ec2net: Efficient attention-based cross-context network for near real-time salient object detection | |
Wang | An algorithm for ATM recognition of spliced money based on image features | |
Yang et al. | A robust fingerprint identification method by deep learning with Gabor filter multidimensional feature expansion | |
Jiang et al. | Fingerprint feature data matching algorithm based on distributed computing | |
CN114550252B (zh) | 一种基于注意力机制的人脸识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |