CN109657563B - 指纹传感系统及指纹图像增强方法 - Google Patents

指纹传感系统及指纹图像增强方法 Download PDF

Info

Publication number
CN109657563B
CN109657563B CN201811432704.0A CN201811432704A CN109657563B CN 109657563 B CN109657563 B CN 109657563B CN 201811432704 A CN201811432704 A CN 201811432704A CN 109657563 B CN109657563 B CN 109657563B
Authority
CN
China
Prior art keywords
fingerprint
image
sensing system
enhancement
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
CN201811432704.0A
Other languages
English (en)
Other versions
CN109657563A (zh
Inventor
陈子轩
王长海
田志民
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.)
Chipone Technology Beijing Co Ltd
Original Assignee
Chipone Technology Beijing 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 Chipone Technology Beijing Co Ltd filed Critical Chipone Technology Beijing Co Ltd
Priority to CN201811432704.0A priority Critical patent/CN109657563B/zh
Publication of CN109657563A publication Critical patent/CN109657563A/zh
Application granted granted Critical
Publication of CN109657563B publication Critical patent/CN109657563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Input (AREA)

Abstract

本发明公开了一种指纹传感器及指纹图像增强方法，所述指纹图像增强方法包括：采集初始指纹图像；使用增强模型获得增强指纹图像。所述指纹传感系统包括：采集单元，用于采集初始指纹图像或测试图像；识别单元，用于提取所述测试图像的特征信息，及对所述特征信息进行拟合。本发明通过用测试信号源给系统输入冲激信号，观测冲激响应进而得到退化模型，可以有效的提高玻璃盖板模组的图像质量，提高指纹识别率。

Description

指纹传感系统及指纹图像增强方法
技术领域
本发明涉及指纹识别技术领域，具体涉及一种指纹传感系统及指纹图像增强方法。
背景技术
指纹是手指表面皮肤由于凹凸不平而形成的纹理。指纹的纹理特性具有唯一性、稳定性，因此常常用来作为身份识别的依据。指纹传感系统就是一种通过指纹来识别身份的传感系统，其中传感器例如是电容式传感器。
而指纹传感系统在使用时，一般要在传感器的采集装置表面涂一层保护涂层或者加一层玻璃盖板。但是由于玻璃较厚，手指按压上去后，会有较强的寄生电荷产生，从而导致图像模糊，同时玻璃盖板越厚图像越模糊。在恢复图像时，一般会使用图像增强算法或者逆滤波算法来恢复图像，以得到清晰的图像。一般不同的玻璃盖板或涂层往往会使用相同的滤波参数，但是同一种滤波参数针对不同盖板或涂层厚度所得图像的恢复会有差别，无法恢复到最优。
发明内容
为了解决上述技术问题，本发明提供了一种指纹传感系统及指纹图像增强方法，有效地提高了玻璃盖板的指纹传感系统所采集到的图像质量，提高了指纹识别率。
根据本发明提供的一种指纹图像增强方法，包括：采集初始指纹图像；使用增强模型获得增强指纹图像。
优选的，所述指纹图像增强方法还包括：预先建立增强模型。
优选的，所述预先建立增强模型的步骤包括：将测试信号源作用于指纹传感系统；获得测试图像；提取所述测试图像的特征信息；以及将所述测试图像的特征信息拟合，获得传感系统退化模型。
优选的，所述测试图像的获得方法包括：利用所述测试信号源与电容极板间的电容耦合采集图像。
优选的，所述测试图像的特征信息的提取方法包括：提取所述测试图像的几何中心截面信息。
优选的，所述测试图像的特征信息拟合方法包括：用所述测试信号源给传感系统输入冲激信号，观测冲激响应，获得传感系统退化模型。
优选的，所述增强模型获得增强指纹图像的方法包括：利用增强算子对初始指纹图像做卷积运算，获得增强指纹图像。
根据本发明提供的一种指纹传感系统，其特征在于，包括：采集单元，用于采集初始指纹图像或测试图像；识别单元，用于提取所述测试图像的特征信息，及对所述特征信息进行拟合。
优选的，所述采集单元包括加盖有玻璃盖板或保护涂层的指纹传感器。
本发明的有益效果是：通过求取所述不同厚度的玻璃盖板模组的优化的滤波参数，从而获得相应的增强图像，有效的提高了玻璃盖板模组的图像质量，提高指纹识别率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚。
图1示出同一滤波参数对不同盖板厚度所得指纹图像的滤波效果示意图；
图2示出本发明实施例指纹图像增强方法的系统框图；
图3示出本发明实施例建立增强模型的方法流程图；
图4示出本发明所述指纹传感系统的结构示意图；
图5示出本发明实施例电容式指纹传感系统的信号输入原理图；
图6示出本发明实施例不同厚度的玻璃盖板模组中测试图像的几何中心截面信息的正态分布示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以不同的形式来实现，并不限于本文所描述的实施例。相反的，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
指纹传感系统包括但不限于电容式传感系统、光学式传感系统，本文以电容式指纹传感系统为例说明本发明问题。电容式指纹传感系统包括多个电容感应电极，感应电极分布于同一个平面上，与被感应物体(例如手指、电容笔或其他带纹路的导体)间有一层绝缘介质，绝缘介质厚度均匀。测量感应指纹时，指纹纹路的峰接触绝缘介质，接触绝缘介质的指纹纹路的峰与感应电极的距离被厚度均匀的绝缘介质限定于一个恒定的距离值。感应电极用于感应与指纹纹路的峰或谷的距离，由于感应电极与指纹纹路的峰或谷的距离不同，感应电极感应到的感应电容也就不同，将感应电极感应到的感应电容转换为传感器输出电压信号，传感器输出电压信号经过后续的处理就可以得到与指纹纹路的峰或谷相关的指纹图像信号。
下面，参照附图对本发明进行详细说明。
图1示出同一滤波参数对不同盖板厚度所得指纹图像的滤波效果示意图。
所述指纹传感系统采集到的指纹图像的清晰程度与指纹传感系统采集面板上加盖的保护涂层或者玻璃盖板的厚度有相关性。具体的，所述指纹传感系统采集面板上加盖的玻璃盖板或保护涂层的厚度越厚，所采集到的指纹图像就会越模糊。
在对所述因玻璃盖板的加盖而导致指纹传感系统采集到的初始指纹图像进行滤波恢复时，不同的玻璃盖板往往使用相同的滤波参数，而同一种滤波参数对不同厚度的玻璃盖板模组所采集的指纹图像的恢复也有所差别，无法恢复到最优。如图1所示，所述滤波1的滤波效果就比滤波2的滤波效果更好一些。本发明针对不同厚度的玻璃盖板模组进行算法分析，以得到相应的增强模型算法。在本发明实施例中，准备多个所述不同厚度的玻璃盖板模组，测量并记录每个所述盖板模组的厚度d，d为正数。
图2示出本发明实施例指纹图像增强方法的系统框图。
如图2所示，本发明实施例中所述指纹图像的增强方法具体包括：首先利用加盖有玻璃盖板的指纹传感器采集获取初始指纹图像，同时换取不同厚度的玻璃盖板多次采集初始指纹图像，并相应的加以记录；再针对所采集的初始指纹图像预先建立一个增强模型，并通过所述增强模型获得增强指纹图像。所述增强模型针对不同的玻璃盖板厚度可以获得与玻璃盖板厚度相关的退化模型；同时根据所获得的退化模型获取优化后的滤波参数，并利用所述滤波参数对所述初始指纹图像进行滤波，以获得相应的增强指纹图像。
优选的，所述初始指纹图像为手指指纹图像。
优选的，所述优化的滤波参数与初始指纹图像之间具有相关性，即某一玻璃盖板厚度下所获得的初始指纹图像将由此同一玻璃盖板厚度下所获得的滤波参数进行滤波增强。
图3示出本发明实施例预先建立增强模型的方法流程图。
如图3所示，在本发明实施例中，预先建立增强模型的方法具体包括：
在步骤S1中：将测试信号源作用于指纹传感系统。
在步骤S2中：获得测试图像。
为便于对本发明进行理解，图4示出本发明所述指纹传感系统的结构示意图。
如图4所示，所述指纹传感系统100包括采集单元110，用以采集指纹图像或点状信号图像；识别单元120，用于提取所采集测试图像的特征信息，并对所述特征信息进行拟合处理，以得到相应的增强模型。
进一步的，所述采集单元110包括加盖有玻璃盖板或保护涂层的指纹传感器。当手指或测试信号源按压在采集单元的玻璃盖板上时，通过其与玻璃盖板下的电容极板之间的电容耦合就可以采集到相应的指纹图像。
参考图5，图5示出本发明实施例电容式指纹传感系统的信号输入原理图。指纹传感系统的采集单元包含多个芯片感应单元，并且呈阵列排布。本发明实施例中，在进行指纹的图像采集时，所述电容式指纹传感系统会用一个测试信号源作为信号输入，这是因为测试信号源产生的指纹图像信息在进行信息采集时比较方便，且信息采集速度更快，因此在本发明实施例中，同一玻璃盖板厚度下，采用测试信号源产生的测试图像来进行增强模型的预先建立。
如图5所示，测试信号源(如以针尖或类似导体接地作为信号源)与电容极板之间隔离有玻璃盖板，所述测试信号源与电容极板之间的垂直距离即所述玻璃盖板的厚度d，所述测试信号源与其相邻电容极板之间的距离分别记为d1、d2。将所述测试信号源按作用于指纹传感系统上，根据所述测试信号源与多个电容极板之间的电容耦合进而获得测试图像。在本步骤中，主要利用所述测试信号源作用于指纹传感器的图像采集方法采集并记录不同厚度的玻璃盖板模组下相应的测试图像信息。
进一步的，所述测试信号源采集测试图像时对传感器的输入可以看作是对所述指纹传感系统的一个冲激信号，其所得到的模糊图像则相应的可以看作是所述系统的一个冲激响应。
在步骤S3中：提取测试图像的特征信息。
在步骤S2所采集到的测试图像中，利用指纹传感系统中的识别系统对所述测试图像的几何中心截面信息进行特征信息提取，以便于进行进一步的分析处理。
参考图6，图6示出本发明实施例不同厚度的玻璃盖板模组中测试图像的几何中心截面信息的正态分布示意图。所述测试图像几何中心的截面信息相比于其它位置的信息来说信息含量更多更准确，区别信息也相应的较为明显。同时，以此来作为对系统冲激响应的信号分析，所得到的算法模型也相应的会更加为精确。同时，不同厚度的玻璃盖板中所述测试图像的几何中心截面信息也是不相同的，如图5所示，在玻璃盖板薄的模组中所述测试图像的几何中心截面信息的正态分布较为高窄，而在玻璃盖板厚的模组中所述测试图像的几何中心截面信息的正态分布较为低宽。
在步骤S4中：将所述测试图像的特征信息拟合，获得传感系统退化模型。
在本发明中，步骤S3所述的冲激响应实际上可以看做是一个退化模型，即用测试信号源给系统输入冲激信号，观测冲激响应并对所采集到的测试图像信息进行特征信息拟合，进而可以得到指纹传感系统的退化模型。所述指纹传感系统采集到的图像也正是因为所述退化模型h(x,y)才导致的模糊。因此，针对所述退化模型进行逆向的推导求解即可得到原始图像的最佳近似估计解。其相应的求解公式如下：
H(u，v)＝FFT[h(x,y)]
G(u,v)＝H(u,v)*F(u,v)
优选的，所述H(u,v)为所述系统函数即退化函数的傅里叶变换；所述h(x,y)为所述系统函数即退化函数；所述G(u,v)为所述图像退化后的傅里叶变换；所述F(u,v)为所述图像退化前的傅里叶变换，即增强指纹图像的傅里叶变换；所述FFT(Fast FourierTransformation)是离散傅氏变换的快速算法。
进一步的，上式为无噪声的理想情况下的退化模型表达式。
在本发明实施例中，所述指纹图像的增强方法主要是根据上述的图像退化原理进行的逆滤波恢复。同时本发明实施例中所述增强指纹图像的获得方法如下：
图像恢复处理的关键在于对系统的基本了解。由信号与系统的时域和频域分析与处理理论可知，对退化图像的恢复可以在时域或者频域来完成，时域是通过卷积实现，卷积是积分求和的过程，根据傅里叶变换的时域卷积性质，可以知道，频域处理是通过乘积来实现。乘法计算比卷积计算简单，同时傅里叶变换的快速实现使得对图像的频域处理更为简单。因此，可以在频率域来解决该问题。
原始图像经过一个退化算子或退化系统h(x,y)的作用，再和噪声信号进行叠加，形成退化后的图像g(x,y)。因此，图像的恢复问题可以看做是，根据退化图像g(x,y)和退化算子h(x,y)，沿着反向过程去求解原始图像f(x,y)，或者说是逆向地寻找原始图像的最佳近似估计。
在本发明实施例中，所述不同玻璃盖板厚度的模组的增强模型或逆滤波模型由相应的退化模型推导求出，因此，根据步骤S3中所述的退化模型，对其进行公式变换和反傅里叶变换(即由优化的滤波参数对所述初始指纹图像进行滤波恢复)，可以得到相应的增强指纹图像和增强算子c(x,y)公式为：
f(x,y)＝iFFT[F(u,v)]
其中，所述c(x,y)为增强算子；所述1/H(u,v)称为滤波参数；所述iFFT为快速傅里叶反变换。
进一步的，利用由所述测试图像得到的滤波参数来对处于同一玻璃盖板厚度下的所采集的手指指纹图像进行滤波增强，获得增强指纹图像。
进一步的，不同厚度的玻璃盖板的退化模型不同，增强算子也不同。
进一步的，本发明所公开的指纹图像增强方法可以有效地提高玻璃盖板的指纹传感系统所采集到的图像质量，提高指纹识别率。
为便于对本发明进行理解，图4示出本发明所述指纹传感系统的结构示意图。
如图4所示，所述指纹传感系统包括采集单元，用以采集指纹图像或点状信号图像；识别单元，用于提取所采集测试图像的特征信息，并对所述特征信息进行拟合处理，以得到相应的增强模型。
进一步的，所述采集单元包括加盖有玻璃盖板或保护涂层的指纹传感器。当手指或测试信号源按压在采集单元的玻璃盖板上时，通过其与玻璃盖板下的电容极板之间的电容耦合就可以采集到相应的指纹图像。
应当说明的是，在本文中，所含术语“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。
最后应说明的是：显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (7)

1.一种指纹图像增强方法，包括：
换取不同厚度的玻璃盖板多次采集初始指纹图像；
预先建立增强模型，
使用增强模型中优化后的滤波参数对所述初始指纹图像进行滤波，获得增强指纹图像，
所述预先建立增强模型步骤，包括：
将测试信号源作用于指纹传感系统；
获得测试图像；
提取所述测试图像的特征信息；以及
将所述测试图像的特征信息拟合，用所述测试信号源给传感系统输入冲激信号，观测冲激响应，获得所述传感系统与所述玻璃盖板厚度相关的退化模型，根据所述退化模型获取所述优化后的滤波参数。
2.根据权利要求1所述的指纹图像增强方法，其特征在于，所述测试图像的获得方法包括：利用所述测试信号源与电容极板间的电容耦合采集图像。
3.根据权利要求2所述的指纹图像增强方法，其特征在于，所述测试图像的特征信息的提取方法包括：提取所述测试图像的几何中心截面信息。
4.根据权利要求1所述的指纹图像增强方法，其特征在于，所述增强模型获得增强指纹图像的方法包括：利用增强算子对初始指纹图像做卷积运算，获得增强指纹图像。
5.一种指纹传感系统，用于执行权利要求1-4任一项所述的指纹图像增强方法，其特征在于，包括：
采集单元，用于采集初始指纹图像或测试图像；
识别单元，用于提取所述测试图像的特征信息，及对所述特征信息进行拟合。
6.根据权利要求5所述的指纹传感系统，其特征在于：所述采集单元包括加盖有玻璃盖板或保护涂层的指纹传感器。
7.根据权利要求5或6所述的指纹传感系统，其特征在于所述指纹传感系统包括电容式传感系统和/或光学式传感系统。
CN201811432704.0A 2018-11-28 2018-11-28 指纹传感系统及指纹图像增强方法 Active CN109657563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811432704.0A CN109657563B (zh) 2018-11-28 2018-11-28 指纹传感系统及指纹图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811432704.0A CN109657563B (zh) 2018-11-28 2018-11-28 指纹传感系统及指纹图像增强方法

Publications (2)

Publication Number Publication Date
CN109657563A CN109657563A (zh) 2019-04-19
CN109657563B true CN109657563B (zh) 2023-07-25

Family

ID=66111752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811432704.0A Active CN109657563B (zh) 2018-11-28 2018-11-28 指纹传感系统及指纹图像增强方法

Country Status (1)

Country Link
CN (1) CN109657563B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108496184A (zh) * 2018-04-17 2018-09-04 深圳市汇顶科技股份有限公司 图像处理方法、装置和电子设备
CN108564040A (zh) * 2018-04-17 2018-09-21 杭州景联文科技有限公司 一种基于深度卷积特征的指纹活性检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7072523B2 (en) * 2000-09-01 2006-07-04 Lenovo (Singapore) Pte. Ltd. System and method for fingerprint image enhancement using partitioned least-squared filters

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108496184A (zh) * 2018-04-17 2018-09-04 深圳市汇顶科技股份有限公司 图像处理方法、装置和电子设备
CN108564040A (zh) * 2018-04-17 2018-09-21 杭州景联文科技有限公司 一种基于深度卷积特征的指纹活性检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于傅里叶变换的指纹带阻滤波方法;常江等;《计算机应用研究》;20070310(第03期);全文 *

Also Published As

Publication number Publication date
CN109657563A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
US11055506B2 (en) Method of analyzing a fingerprint
Tan et al. Liveness detection for fingerprint scanners based on the statistics of wavelet signal processing
Wang et al. Design and implementation of Log-Gabor filter in fingerprint image enhancement
Ali et al. Fingerprint recognition for person identification and verification based on minutiae matching
WO2018023884A1 (zh) 一种身份识别装置及方法
CN103679163A (zh) 新型电容式指纹图像采集系统
Dale et al. Texture based palmprint identification using DCT features
Chaurasia An approach to fingerprint image pre-processing
CN102521795B (zh) 基于全局脊线距离的交叉匹配指纹图像缩放方法
Maltoni et al. Fingerprint recognition
CN109657563B (zh) 指纹传感系统及指纹图像增强方法
Raghavendra et al. Utilization of Spatial Filtering for Enhancement of Fingerprint Images
Hu et al. Low quality fingerprint image enhancement based on Gabor filter
Sherine et al. A novel biometric recognition system for fingerprint using polar harmonic transform
Dale et al. A single sensor hand geometry and palm texture fusion for person identification
Khmanee et al. On the design of 2D Gabor filtering of fingerprint images
Kakkar et al. Fingerprint image enhancement using wavelet transform and gabor filtering
Dale et al. Fingerprint matching using transform features
Khfagy et al. An integrated smoothing method for fingerprint recognition enhancement
Misra et al. A study report on finger print image enhancement methods
Chen et al. Fast Fingerprint Authentication Based on Ultrasonic Guided Waves
KR20210082587A (ko) 지문 향상 모듈
Telore Study of distortion detection and enhancement methods for fingerprint images
Popovic et al. Robust fingerprint enhancement by directional filtering in fourier domain
Ogundepo et al. Development of a real time fingerprint authentication/identification system for students’ record

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