CN110119699A - 内指纹提取方法、装置、系统及存储介质和指纹识别方法 - Google Patents

Abstract

本发明提供了一种内指纹提取方法、装置、系统及存储介质和指纹识别方法。该方法包括：获取手指的光学相干层析三维图像，其中所述三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的一组干涉光谱数据；针对每个二维图像，确定该二维图像中的内指纹位置；根据每个二维图像中的内指纹位置提取所述手指的内指纹。上述技术方案利用内指纹层对光的反射特性，在手指的光学相干层析三维图像中自动检测内指纹，即使指纹采集时指尖与采集界面无任何接触，也能快速准确地进行指纹提取。由此极大提高了指纹识别的安全性、准确性和鲁棒性，同时提高了用户体验。

Description

内指纹提取方法、装置、系统及存储介质和指纹识别方法

技术领域

本发明涉及生物识别技术领域，更具体地涉及一种内指纹提取方法、装置、系统及存储介质和一种指纹识别方法。

背景技术

人的指纹是与生俱来的，具有唯一性，世界上不存在两枚完全相同的指纹。同一人手指不同，指纹也会不同，而且指纹具有不变性，不会随时间及成长发生变化，即使手指受到损伤，未伤及真皮层，则伤口愈合后仍能长出与之前相同的指纹。

人的指纹由于其独特的生物特征，指纹识别已广泛应用于安全检查、门禁系统、用户管理、公安侦查等诸多领域来进行身份识别和身份验证。随着指纹识别应用的推广，对指纹识别的安全性和可靠性的要求越来越高。传统的指纹识别主要基于表皮指纹进行识别。表皮指纹存在易损坏、失真及伪造等方面的问题。如表皮指纹可以通过材料制作得到复制指纹以欺骗通过指纹识别系统，而手指的干湿程度、脏污或者表皮破损等因素影响指纹识别成功率，降低了用户体验。

利用光学相干层析成像(Optical Coherence tomography，OCT)系统可以获得手指的光学相干层析三维图像。图1示出了一个手指的光学相干层析三维图像的示意图。如图1所示，X轴(X-Axis)-Y轴(Y-Axis)为指纹面，Z轴(Z-Axis)垂直于指纹面。光学相干层析三维图像由多组光学相干层析二维图像组成。图2示出了一个手指的光学相干层析二维图像的示意图。如图2所示，手指皮下组织有多层结构：角质层(Corneum Stratum)、表皮层(Epidermis Layer)、乳头状层(Papillary Layer)、真皮层(Dermis Layer)以及中间的汗腺(Sweat Glands)。乳头状层具有与表皮指纹相同的拓扑特征，因此，又被叫做“内指纹”或“皮下指纹”。内指纹不受环境影响，不易磨损，难以仿制，基于内指纹进行身份识别可以极大提高指纹识别的安全性、准确性和鲁棒性。因此，如何从手指的光学相干层析三维图像中准确快速的提取出高质量的内指纹至关重要。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种指纹提取方法、装置、系统及存储介质和指纹识别方法。

根据本发明一方面，提供了一种内指纹提取方法，包括：

获取手指的光学相干层析三维图像，其中所述三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的一组干涉光谱数据；

针对每个二维图像，确定该二维图像中的内指纹位置；

根据每个二维图像中的内指纹位置提取所述手指的内指纹。

示例性地，所述确定该二维图像中的内指纹位置包括：

确定该二维图像中的内指纹区域；

对所述内指纹区域进行对比度增强处理；

在经处理后的内指纹区域中确定所述内指纹位置。

示例性地，所述确定该二维图像中的内指纹区域包括：

对该二维图像按像素值进行聚类处理以得到聚类图像；

针对所述聚类图像中的每个扫描线，

确定自第二峰值亮度点向上的第M1点至所述第二峰值亮度点向下的第M2点为该扫描线的内指纹区间，或

确定自第一峰值亮度点向下的第N1点至所述第一峰值亮度点向下的第N2点为该扫描线的内指纹区间；

根据所述聚类图像中所有扫描线的内指纹区间确定所述内指纹区域；

其中，M1、M2、N1、N2为大于1的整数，N2＞N1。

示例性地，所述对该二维图像按像素值进行聚类处理以得到聚类图像包括：

利用模糊C-聚类算法、K-means聚类算法或凝聚层次聚类算法对该二维图像按像素值进行聚类处理以得到所述聚类图像。

示例性地，所述确定该二维图像中的内指纹区域包括：

利用神经网络技术确定该二维图像中的内指纹区域。

示例性地，所述在经处理后的内指纹区域中确定所述内指纹位置包括：

对所述内指纹区域进行边缘检测处理，以确定所述内指纹区域中的每个扫描线上的最强边缘点；

针对所述内指纹区域中的每个扫描线上的最强边缘点，

对于该最强边缘点的像素值大于内指纹阈值的情况，确定该最强边缘点的坐标为该扫描线上的内指纹位置；

对于该最强边缘点的像素值不大于内指纹阈值的情况，根据邻近扫描线上的最强边缘点通过插值算法确定该扫描线上的内指纹位置。

示例性地，所述获取手指的光学相干层析三维图像，包括：

通过光学相干层析成像技术采集所述手指的三维扫描图；

对所述三维扫描图进行预处理以得到所述三维图像。

示例性地，所述对所述三维扫描图进行预处理以得到所述三维图像包括：

对所述三维扫描图进行灰度化、滤波降噪和/或去杂点处理，以得到所述三维图像。

示例性地，所述方法还包括：

对所提取的内指纹进行图像增强处理。

根据本发明另一方面，提供了一种指纹识别方法，包括：

通过上述指纹提取方法提取手指的内指纹；

根据所提取的内指纹基于指纹数据库进行指纹识别。

根据本发明又一方面，提供了一种内指纹提取装置，包括：

获取模块，用于获取手指的光学相干层析三维图像，其中所述三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的一组干涉光谱数据；

确定模块，用于针对每个二维图像，确定该二维图像中的内指纹位置；

提取模块，用于根据每个二维图像中的内指纹位置提取所述手指的内指纹。

根据本发明又一方面，提供了一种用于内指纹提取的系统，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行上述内指纹提取方法。

根据本发明再一方面，提供了一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行上述内指纹提取方法。

根据本发明实施例的指纹提取方法、装置、系统及存储介质和指纹识别方法，利用内指纹层对光的反射特性，在手指的光学相干层析三维图像中自动检测内指纹，即使指纹采集时指尖与采集界面无任何接触，也能快速准确地进行指纹提取。由此极大提高了指纹识别的安全性、准确性和鲁棒性，同时提高了用户体验。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出了一个手指的光学相干层析三维图像的示意图；

图2示出了一个手指的光学相干层析二维图像的示意图；

图3示出了根据本发明一个实施例的内指纹提取方法的示意性流程图；

图4示出了根据本发明一个实施例的获取手指的光学相干层析三维图像的示意性流程图；

图5示出了根据本发明一个实施例的确定二维图像中的内指纹位置的示意性流程图；

图6示出了根据本发明一个实施例的确定二维图像中的内指纹区域的示意性流程图；

图7示出了根据本发明一个实施例的在经处理后的内指纹区域中确定内指纹位置的示意性流程图；

图8示出了根据本发明一个实施例的边缘检测Sobel卷积因子的示意图；以及

图9示出了根据本发明一个实施例的内指纹提取装置的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

传统的内指纹提取技术，需要在采集手指的深度数据时通过采集面对指尖的挤压使得内指纹层维持在相同的深度，从而基于相对深度提取内指纹。这种技术提取出的内指纹质量差且提取效率较低，影响用户体验。由此，本发明提出了一种内指纹提取方法，即使指纹采集时指尖与采集面无任何接触，也能有效的进行内指纹提取。下面，将参考图3描述根据本发明实施例的内指纹提取方法3000。

图3示出了根据本发明一个实施例的指纹提取方法的示意性流程图。如图3所示，方法3000包括步骤S3100、步骤S3200以及步骤S3300。

步骤S3100，获取手指的光学相干层析三维图像，其中该三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对该手指的一个扫描点获得的一组干涉光谱数据。

手指的光学相干层析三维图像是基于低相干干涉原理，通过扫描重构出的手指皮下组织结构的图像，逐点获取了手指内部的纵向信息(深度信息)。手指的光学相干层析三维图像的像素值之间的对比度体现了手指皮下组织结构的光学反射特性的空间变化。可以通过任何现有的或未来开发的技术获取手指的光学相干层析三维图像，本发明对此不做限定。

目前，主流的方法是通过OCT系统采集手指的光学相干层析三维图像。针对手指的每一个扫描点，OCT系统的相机会保存一组干涉光谱数据，记录下每个像素接受到的干涉光强。如图1所示，针对一个扫描点获得的一组干涉光谱数据可以视为图1中Z轴方向的n个点，也可视为有n个变量的一维数组。例如一次二维扫描采集m个点，可以视为图1中X轴方向的m个点，则一次二维扫描的数据可以视为图1中X-Z平面的m×n的二维图像，也可以视为有m×n个变量的二维数组。对手指的三维扫描由多个二维扫描组成，可以视为图1中Y轴方向的p个二维扫描。最终获得如图1所示的光学相干层析三维图像，也可以视为有p×m×n个变量的三维数组。

步骤S3200，针对步骤S3100获取的三维图像中的每个二维图像，确定该二维图像中的内指纹位置。

如图2所示，每个二维图像中的内指纹，可以视为该二维图像中的一条曲线，由每个扫描线上的一个点组成。在手指的光学相干层析三维图像中，手指皮下组织的多层结构，如角质层、表皮层、乳头状层、真皮层以及中间的汗腺对光的反射特性不同。其中，角质层对光的反射最强，内指纹层(乳头状层)对光的反射次之。内指纹层(乳头状层)相对邻近的真皮层和表皮层对光的反射较强。利用内指纹层对光的反射特性，可以确定二维图像中每个扫描线上的内指纹点，继而确定二维图像中的内指纹线，也即该二维图像中的内指纹位置。

步骤S3300，根据步骤S3200确定的每个二维图像中的内指纹位置提取手指的内指纹。

可以理解，手指的光学相干层析三维图像中的内指纹可以视为该三维图像中的一个曲面，由每个二维图像中的一个曲线组成。根据步骤S3200确定的每个二维图像中的内指纹位置，可以知道三维图像中内指纹曲面上的每个点的坐标位置和像素值，从而可以提取出手指的内指纹。手指的内指纹可以展示为三维曲面，也可以通过降维处理展示为二维图像。

上述技术方案利用内指纹层对光的反射特性，在手指的光学相干层析三维图像中自动检测内指纹，即使指纹采集时指尖与采集界面无任何接触，也能快速准确地进行指纹提取。由此极大提高了指纹识别的安全性、准确性和鲁棒性，同时提高了用户体验。

图4示出了根据本发明一个实施例的步骤S3100获取手指的光学相干层析三维图像的示意性流程图。如图4所示，步骤S3100包括步骤S3110和步骤S3120。

步骤S3110，通过光学相干层析成像技术采集手指的三维扫描图。

可以通过OCT系统采集手指的三维扫描图。为了适配指纹扫描应用，用于采集手指的光学相干层析三维图像的OCT系统需要做相应的适配调整。在本发明一个实施例中，可以采用90mm的聚焦镜以有效避免因大面积扫描造成的离弧焦现象，同时将扫描频率调整至60KHZ可以大大加快采集速率。由此，确保能够对手指快速采集有效的三维扫描图。这种采集方法不需要对指尖进行挤压操作，指纹采集时指尖与采集界面可以无任何接触，由此提高了用户体验。

步骤S3120，对步骤S3110采集的三维扫描图进行预处理以得到上述三维图像。

步骤S3110通过OCT系统采集的三维扫描图中的光谱数据是对应像素点的干涉光强，为了适配后续步骤中的内指纹提取算法，需要进行必要的数据处理，以提高内指纹提取的准确性。如为了获得光强随深度的变化，可以根据线阵相机像素点和波数的对应关系，通过傅里叶变换转换为对应波数的干涉光强。而在OCT系统采集三维扫描图时，参考臂的返回光可能引入直流量。直流量的存在使得像素点到波数的转换变得复杂。由于扫描点发生改变也不会影响直流量的大小，可以采用数据平均的方法求得直流量，再将干涉光强数据减去求得的直流量，以得到纯净的干涉信号再进行傅里叶变换。从而简化了傅里叶变换处理，提高了内指纹提取速度。另一方面，可以对三维扫描图中的干扰因素进行处理，以获得纯净的纹理图像，从而进一步提高内指纹提取的准确性。

示例性地，可以对步骤S3110采集的三维扫描图进行灰度化处理，以得到上述三维图像。

有些OCT系统采集输出的三维扫描图是彩色图像或伪彩色图像。由于内指纹提取算法只关注亮度分量，可以把三维扫描图转换为灰度图，从而简化数据处理，提高内指纹提取速度。

示例性地，可以对步骤S3110采集的三维扫描图进行滤波降噪处理，以得到上述三维图像。

针对三维扫描图中的每个二维图像，可以进行滤波降噪处理，以去除每个二维图像中的白点噪声以及环境因素引起的噪声。例如，可以采用三维块匹配(Block-matchingand 3D filtering，简称BM3D)算法或Gabor滤波算法进行滤波降噪处理。由此可以去除噪声对指纹信息的影响，提高了内指纹提取的准确性。

示例性地，可以对步骤S3110采集的三维扫描图进行去杂点处理，以得到上述三维图像。

通过OCT系统采集的三维扫描图时可能引入异常杂点。针对三维扫描图中的每个二维图像，可以按扫描线方向进行梯度计算并按梯度值进行降序排列。对于每个扫描线，可以取出每个扫描线上梯度最大的前A个像素点，A例如可以为15。把这A个像素点按原有像素位置排列，若相邻的两个点的像素位置差大于L，则认为后一下像素位置的像素值异常，判断为杂点，L例如可以为2。对于判断为杂点的像素点，可以基于该扫描线上邻近的像素点通过插值方法更新该点的像素值。由此，去除了异常杂点对指纹信息的影响，提高了内指纹提取的准确性。

图5示出了根据本发明一个实施例的步骤S3200确定二维图像中的内指纹位置的示意性流程图。如图5所示，步骤S3200包括步骤S3210、步骤S3220以及步骤S3230。

步骤S3210，确定该二维图像中的内指纹区域。

如前所述，二维图像中的内指纹是一个曲线，因此二维图像中的内指纹区域是指该二维图像中由内指纹及与内指纹邻近的像素点组成的带状区域。确定了该二维图像中的内指纹区域，即定位了内指纹的大致位置，缩小了进行内指纹提取的范围。

步骤S3220，对步骤S3210确定的内指纹区域进行对比度增强处理。

如前所述，在手指皮下组织中，内指纹层相对邻近的真皮层和表皮层对光的反射较强。由此，可以对步骤S3210确定的内指纹区域进行对比度增强处理，进一步突出二维图像中的内指纹区域，使得内指纹区域中的像素点有更强的对比度，指纹纹理特征更为突出，从而提高内指纹提取的准确度。

步骤S3230，在步骤S3220处理后的内指纹区域中确定内指纹位置。

在对比度增强后的内指纹区域中，指纹纹理特征更为突出，内指纹所在位置的像素点与邻近像素点有较强对比度。由此，可以通过图像处理算法，例如边缘检测等方法确定内指纹位置。

上述技术方案先检测内指纹区域，针对内指纹区域增强处理以突显指纹纹理特征，从而提高了内指纹提取的准确性。

图6示出了根据本发明一个实施例的步骤S3210确定二维图像中的内指纹区域的示意性流程图。如图6所示，步骤S3210包括步骤S3211、步骤S3212以及步骤S3213。

步骤S3211，对手指的光学相干层析三维图像中的每个二维图像按像素值进行聚类处理以得到聚类图像。

在手指的光学相干层析三维图像中的每个二维图像中，具有相似纹理特征的像素有相近的像素值。可以对该二维图像按像素值进行聚类处理，通过聚类操作可将具备相似性的像素进行归类，从而将具有相似特征的局部信息进行融合。通过聚类处理得到聚类图像，聚类图像相对未聚类处理前的二维图像，其纹理特征更为突出。

示例性地，可以利用模糊C-聚类算法对手指的光学相干层析三维图像中的每个二维图像按像素值进行聚类处理。模糊C-聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度来决定样本点的类属，从而将具有相似特征的局部信息进行了融合。由此突出了二维图像的纹理特征，提高了内指纹提取的准确性。

示例性地，可以利用K-means聚类算法对手指的光学相干层析三维图像中的每个二维图像按像素值进行聚类处理。K-means聚类算法先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。由此，根据聚类中心将具有相似特征的局部信息进行了融合。从而突出了二维图像的纹理特征，提高了内指纹提取的准确性。

示例性地，可以利用凝聚层次聚类算法对手指的光学相干层析三维图像中的每个二维图像按像素值进行聚类处理。凝聚层次聚类采用的是″自底向上″的思想，先将每一个样本都看成是一个不同的簇，通过重复将最近的一对簇进行合并，直到最后所有的样本都属于同一个簇为止。由此将具有相似特征的局部信息进行了融合，突出了二维图像的纹理特征，提高了内指纹提取的准确性。

步骤S3212，针对步骤S3211处理得到的聚类图像中的每个扫描线，确定自第二峰值亮度点向上的第M1点至所述第二峰值亮度点向下的第M2点为该扫描线的内指纹区间，或确定自第一峰值亮度点向下的第N1点至所述第一峰值亮度点向下的第N2点为该扫描线的内指纹区间。其中，M1、M2、N1、N2为大于1的整数，N2＞N1。

如前所述，在手指的皮下组织中，角质层对光的反射最强，内指纹层对光的反射次之。在聚类图像中的每个扫描线上，第一峰值亮度点对应于角质层的大致位置，第二峰值亮度点对应于内指纹层的大致位置

基于第二峰值亮度点，可以取扫描线上自第二峰值亮度点向上的第M1点至第二峰值亮度点向下的第M2点为该扫描线的内指纹区间。在一个实施例中，M1设置为10，M2设置为8。

基于第一峰值亮度点，可以取扫描线上自第一峰值亮度点向下的第N1点至第一峰值亮度点向下的第N2点为该扫描线的内指纹区间。N1、N2的值可以根据图像分辨率与内指纹层在皮下组织中的深度进行设置，使得内指纹区间能够包括内指纹位置且有合适的范围大小。例如，根据Holder E.H.等人的研究成果[The fingerprint sourcebook(U.S.Department.of Justice，Office of Justice Programs，National Institute ofJustice，Washington，DC，2011)]，内指纹层在手指皮下组织中的220-550μm处。由此，可以根据图像分辨率折算出内指纹层在扫描线上的像素点范围，从而设置合适的N1、N2的值。

步骤S3213，根据聚类图像中所有扫描线经步骤S3212确定的内指纹区间确定内指纹区域。

经步骤S3212确定了聚类图像中每个扫描线上的内指纹区间，组合所有内指纹区间，也即通过每个扫描线上的内指纹区间的端点坐标，即可确定内指纹区域。

上述技术方案通过聚类处理将具有相似特征的局部信息进行融合突出了纹理特征，使得基于内指纹层或角质层对光的反射特性定位的内指纹区域更为精准，从而提高了内指纹提取的准确性。

在一个实施例中，可以利用神经网络技术确定手指的光学相干层析三维图像中的每个二维图像中的内指纹区域。针对手指的光学相干层析三维图像中的每个二维图像，可以按照角质层、乳头状层、真皮层以及汗腺对进行区域划分。利用这些组织结构作为划分出的区域标签对二维图像进行标注，从而得到样本图像。构造基于神经网络的分类模型，利用足够数量的样本图像对分类模型进行训练，从而得到基于神经网络的分类器。利用该分类器对手指的光学相干层析三维图像中的每个二维图像进行分类，分类器输出的角质层和真皮层之间的区域即为每个二维图像中的内指纹区域。由此，精确定位了内指纹区域，提高了内指纹提取的准确性。

图7示出了根据本发明一个实施例的步骤S3230在经处理的内指纹区域中确定内指纹位置的示意性流程图。如图7所示，步骤S3230包括步骤S3231、步骤S3232、步骤S3233以及步骤S3234。

步骤S3231，对内指纹区域进行边缘检测处理，以确定该内指纹区域中的每个扫描线上的最强边缘点。

由于内指纹层相对邻近真皮层和表皮层对光的反射更强，内指纹层在内指纹区域中是更亮的区域，因此可以通过检测它们的边缘来确定内指纹位置。例如，可以利用基于Sobel算子的边缘检测算法。图8示出了根据本发明一个实施例的边缘检测Sobel卷积因子的示意图。如图8所示，G_X为横向矩阵，与图像进行卷积运算可得到横向亮度差分值，Gy为纵向矩阵，与图像进行卷积运算可得到纵向亮度差分值。接着将相同像素位置得到的横向差分值与纵向差分值相结合(例如做平方和后开根号计算)可得到该像素位置新的灰度值大小。对边缘检测后的图像计算各像素点的梯度值，找到内指纹区域中的每个扫描线上的梯度极值点，即为该扫描线上的最强边缘点。可以理解，可以仅针对内指纹区域进行边缘检测处理，也可以针对包括了内指纹区域的整个二维图像进行边缘检测处理，两种方式得到的内指纹区域中的每个扫描线上的最强边缘点是一致的。

针对该内指纹区域中的每个扫描线，执行步骤S3232、步骤S3233以及步骤S3234以确定该扫描线上的内指纹位置。

步骤S3232，判断该扫描线上的最强边缘点是否大于内指纹阈值。

根据内指纹层对光的反射特性，可以设定基于像素亮度进行判断的内指纹阈值。判断该扫描线上的最强边缘点是否大于内指纹阈值，如果大于继续步骤S3233处理，否则继续步骤S3234处理。

步骤S3233，确定该最强边缘点的坐标为该扫描线上的内指纹位置。

对于该最强边缘点的像素值大于内指纹阈值的情况，说明该最强边缘点符合内指纹层对光的反射特性，可以确定该最强边缘点的坐标为该扫描线上的内指纹位置。

步骤S3234，根据邻近扫描线上的最强边缘点通过插值算法确定该扫描线上的内指纹位置。

对于该最强边缘点的像素值不大于内指纹阈值的情况，说明该最强边缘点不符合内指纹层对光的反射特性，该扫描线上的内指纹缺失。对此，可以根据邻近扫描线上的最强边缘点通过插值算法确定该扫描线上的内指纹位置。例如，可以通过interp1线性插值算法确定该扫描线上的内指纹位置。

上述技术方案通过边缘检测与插值处理相结合，在内指纹区域中自动检测每个扫描线上的内指纹位置，由此可以精准提取出内指纹，提高了内指纹提取的精确性。

在一个实施例中，可以对所提取的内指纹进行图像增强处理。例如，可以采用局部直方图均衡化的图像增强算法，以增加内指纹图像的整体对比度。由此，提高所提取的内指纹的图像质量。

根据本发明一个方面，提出了一种指纹识别方法。该方法包括如下步骤：

步骤S1，通过上述内指纹提取方法提取手指的内指纹。

步骤S2，根据所提取的内指纹基于指纹数据库进行指纹识别。

上述技术方案利用内指纹层对光的反射特性，在手指的光学相干层析三维图像中自动检测内指纹，即使指纹采集时指尖与采集界面无任何接触，也能快速准确地进行指纹提取。由此极大提高了指纹识别的安全性、准确性和鲁棒性，同时提高了用户体验。

根据本发明另一方面，提出了一种内指纹提取装置。图9示出了根据本发明一个实施例的内指纹提取装置9000的示意性框图。如图9所示，装置9000包括获取模块9100、确定模块9200以及提取模块9300。

获取模块9100，用于获取手指的光学相干层析三维图像，其中所述三维图像由p个m×n的二维图像组成，每个二维图像由m个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的n个干涉光谱数据，p、m和n为大于1的整数；

确定模块9200，用于针对每个二维图像，确定该二维图像中的内指纹位置；

提取模块9300，用于根据每个二维图像中的内指纹位置提取所述手指的内指纹。

总之，内指纹提取装置9000中的各个模块用于具体执行上述内指纹提取方法中的相应步骤。通过阅读上述关于该方法的描述，本领域普通技术人员可以理解上述内指纹提取装置9000的具体实现和技术效果。

根据本发明又一方面，还提供了一种用于内指纹提取的系统。包括处理器和存储器，其中，所述存储器中存储用于实现根据本发明实施例的内指纹提取方法中的各个步骤的计算机程序指令。所述处理器用于运行所述存储器中存储的计算机程序指令，以执行根据本发明实施例的内指纹提取方法的相应步骤，并且用于实现根据本发明实施例的内指纹提取装置中的获取模块9100、确定模块9200以及提取模块9300。

根据本发明再一方面，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的内指纹提取方法的相应步骤，并且用于实现根据本发明实施例的内指纹提取装置中的相应模块。所述存储介质例如可以包括平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的图像识别装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (13)

1.一种内指纹提取方法，包括：

获取手指的光学相干层析三维图像，其中所述三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的一组干涉光谱数据；

针对每个二维图像，确定该二维图像中的内指纹位置；

根据每个二维图像中的内指纹位置提取所述手指的内指纹。

2.如权利要求1所述方法，其中，所述确定该二维图像中的内指纹位置包括：

确定该二维图像中的内指纹区域；

对所述内指纹区域进行对比度增强处理；

在经处理后的内指纹区域中确定所述内指纹位置。

3.如权利要求2所述方法，其中，所述确定该二维图像中的内指纹区域包括：

对该二维图像按像素值进行聚类处理以得到聚类图像；

针对所述聚类图像中的每个扫描线，

确定自第二峰值亮度点向上的第M1点至所述第二峰值亮度点向下的第M2点为该扫描线的内指纹区间，或

确定自第一峰值亮度点向下的第N1点至所述第一峰值亮度点向下的第N2点为该扫描线的内指纹区间；

根据所述聚类图像中所有扫描线的内指纹区间确定所述内指纹区域；

其中，M1、M2、N1、N2为大于1的整数，N2＞N1。

4.如权利要求3所述方法，其中，所述对该二维图像按像素值进行聚类处理以得到聚类图像包括：

利用模糊C-聚类算法、K-means聚类算法或凝聚层次聚类算法对该二维图像按像素值进行聚类处理以得到所述聚类图像。

5.如权利要求2所述方法，其中，所述确定该二维图像中的内指纹区域包括：

利用神经网络技术确定该二维图像中的内指纹区域。

6.如权利要求2所述方法，其中，所述在经处理后的内指纹区域中确定所述内指纹位置包括：

对所述内指纹区域进行边缘检测处理，以确定所述内指纹区域中的每个扫描线上的最强边缘点；

针对所述内指纹区域中的每个扫描线上的最强边缘点，

对于该最强边缘点的像素值大于内指纹阈值的情况，确定该最强边缘点的坐标为该扫描线上的内指纹位置；

对于该最强边缘点的像素值不大于内指纹阈值的情况，根据邻近扫描线上的最强边缘点通过插值算法确定该扫描线上的内指纹位置。

7.如权利要求1至6任一项所述方法，其中，所述获取手指的光学相干层析三维图像，包括：

通过光学相干层析成像技术采集所述手指的三维扫描图；

对所述三维扫描图进行预处理以得到所述三维图像。

8.如权利要求7所述方法，其中，所述对所述三维扫描图进行预处理以得到所述三维图像包括：

对所述三维扫描图进行灰度化、滤波降噪和/或去杂点处理，以得到所述三维图像。

9.如权利要求1至6任一项所述方法，其中，所述方法还包括：

对所提取的内指纹进行图像增强处理。

10.一种指纹识别方法，包括：

通过如权利要求1至9任一项所述的指纹提取方法提取手指的内指纹；

根据所提取的内指纹基于指纹数据库进行指纹识别。

11.一种内指纹提取装置，包括：

获取模块，用于获取手指的光学相干层析三维图像，其中所述三维图像由多个二维图像组成，每个二维图像由多个扫描线组成，每个扫描线包括针对所述手指的一个扫描点获得的一组干涉光谱数据；

确定模块，用于针对每个二维图像，确定该二维图像中的内指纹位置；

提取模块，用于根据每个二维图像中的内指纹位置提取所述手指的内指纹。

12.一种用于内指纹提取的系统，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1至9任一项所述的内指纹提取方法。

13.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1至9任一项所述的内指纹提取方法。