CN110263754A - 屏下指纹去底纹方法、装置、计算机设备和存储介质 - Google Patents

屏下指纹去底纹方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110263754A
CN110263754A CN201910574525.9A CN201910574525A CN110263754A CN 110263754 A CN110263754 A CN 110263754A CN 201910574525 A CN201910574525 A CN 201910574525A CN 110263754 A CN110263754 A CN 110263754A
Authority
CN
China
Prior art keywords
crestal line
highlighted
intersection point
line intersection
deviant
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.)
Granted
Application number
CN201910574525.9A
Other languages
English (en)
Other versions
CN110263754B (zh
Inventor
许姜严
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.)
Beijing Megvii Technology Co Ltd
Beijing Maigewei Technology Co Ltd
Original Assignee
Beijing Maigewei Technology 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 Beijing Maigewei Technology Co Ltd filed Critical Beijing Maigewei Technology Co Ltd
Priority to CN201910574525.9A priority Critical patent/CN110263754B/zh
Publication of CN110263754A publication Critical patent/CN110263754A/zh
Application granted granted Critical
Publication of CN110263754B publication Critical patent/CN110263754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及一种屏下指纹配准方法、装置、计算机设备和存储介质。包括：对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线；根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点；将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。能够消除指纹图像与底库图像之间因按压用力不均或外界温度变化等引起的亮度偏差和位置偏差，提升指纹识别效率。

Description

屏下指纹去底纹方法、装置、计算机设备和存储介质
技术领域
本申请涉及屏下指纹识别技术领域，特别涉及一种屏下指纹配准方法、装置、计算机设备和存储介质。
背景技术
随着指纹识别技术的不断发展，屏下指纹识别技术以其独有的优势受到广大制造商的青睐。其中，光学式屏下指纹识别可以很大程度上避免环境光的干扰，在极端环境下获得更好的稳定性。但是，利用光学式屏下指纹技术采集到的指纹图像通常包含指纹信息和底纹信息两部分，因此要想获得指纹图像，必须先进行去底纹运算。目前，多数光学屏下指纹去底纹算法是将距离当前指纹图像前一定时间范围内的多幅图像作为底库图像，然后将这些底库图像进行加权得到一幅平均图像，最后使用当前指纹图像与平均图像相减，得到当前指纹图像去底纹后的指纹图像。
然而，在指纹图像采集时，由于存在按压用力不均、温度变化等状态切换的情况，当前指纹图像与底库图像会存在一定的亮度偏差和位置偏差等，如果直接使用当前指纹图像与底库平均图像相减，容易出现底纹去除不干净的情况，为指纹识别带来困难。
发明内容
基于此，有必要针对上述技术问题，提供一种屏下指纹配准方法、装置、计算机设备和存储介质。
一种屏下指纹配准方法，所述方法包括：
对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到所述当前指纹图像的第一高亮脊线和所述底库图像的第二高亮脊线；
根据所述第一高亮脊线得到所述当前指纹图像的第一高亮脊线交点，根据所述第二高亮脊线得到所述底库图像的第二高亮脊线交点；
将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
在其中一个实施例中，所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，之前还包括：
获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第一偏移值集；其中，所述第一偏移值集中包含至少一个第一偏移值，所述至少一个第一偏移值与所述第一高亮脊线交点对应；
若所述第一偏移值集满足预设配准条件，则执行所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，所述预设配准条件为所述第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
在其中一个实施例中，所述方法还包括：
若所述第一偏移值集不满足所述预设配准条件，则根据所述底库图像，对所述当前指纹图像进行去底纹操作。
在其中一个实施例中，所述获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第一偏移值集，包括：
获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第二偏移值集；其中，所述第二偏移值集中包含至少一个第二偏移值，所述至少一个第二偏移值与所述第一高亮脊线交点对应；
使用正则项对所述第二偏移值集中的第二偏移值进行平滑处理，得到所述第一偏移值集；其中，所述第一偏移值集中的第一偏移值与所述第二偏移值集中的第二偏移值对应。
在其中一个实施例中，所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，包括：
将所述第二高亮脊线交点配准到与所述第一高亮交点对应的位置，得到高亮脊线交点配准底库图像；其中，所述高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点；
在预设邻域范围内，对所述高亮脊线交点配准底库图像进行拓展，得到所述脊线交点配准底库图像。
在其中一个实施例中，所述对所述高亮脊线交点配准底库图像进行拓展，得到所述脊线交点配准底库图像，包括：
在所述预设邻域范围内，对所述第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点；
在所述预设邻域范围内，对所述第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点；
获取所述第一拓展脊线交点与所述第二拓展脊线交点之间的第三偏移值和灰度差；
根据所述第三偏移值和所述灰度差，得到配准能量；
根据所述配准能量，对所述第一拓展脊线进行调整，得到所述脊线交点配准底库图像。
在其中一个实施例中，所述对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像，之后还包括：
根据所述配准后的底库图像，对所述当前指纹图像进行去底纹操作。
一种屏下指纹配准装置，所述装置包括：
脊线获取模块，用于对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到所述当前指纹图像的第一高亮脊线和所述底库图像的第二高亮脊线；
交点获取模块，用于根据所述第一高亮脊线得到所述当前指纹图像的第一高亮脊线交点，根据所述第二高亮脊线得到所述底库图像的第二高亮脊线交点；
交点配准模块，用于将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
图像配准模块，用于对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
上述屏下指纹配准方法、装置、计算机设备和存储介质，通过对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线，接着，根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点，进一步，将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，最后，对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。其中，对当前指纹图像中的高亮脊线交点与底库图像中的高亮脊线交点进行配准，接着以插值方式得到的配准图像能够消除当前指纹图像与底库图像之间因按压用力不均或外界温度变化等引起的亮度偏差和位置偏差，为减少去底纹操作提供良好的配准图像，减少底纹去除不干净的情况，提升指纹识别效率。
附图说明
图1为一个实施例中屏下指纹配准方法的流程示意图；
图2(a)为一个实施例中图像的高亮脊线示意图；
图2(b)为一个实施例中图像的高亮脊线交点示意图；
图3为一个实施例中高亮脊线交点配准示意图；
图4为一个实施例中步骤S300之前的细化步骤的流程示意图；
图5为一个实施例中步骤S310的细化步骤的流程示意图；
图6为一个实施例中步骤S300的细化步骤的流程示意图；
图7为一个实施例中步骤S340的细化步骤的流程示意图；
图8为一个实施例中屏下指纹配准装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系，但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。
在一个实施例中，如图1所示，提供了一种屏下指纹配准方法，包括以下步骤：
步骤S100，对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线。
其中，当前指纹图像为当前采集到的图像，为包含指纹信息和底纹信息两部分信息的图像，图像中的指纹信息和底纹信息杂糅在一起而构成一幅图像，其中，底纹信息一般是由屏幕图像造成。底库图像为之前采集并存储到底库中的图像，同样地，底库图像也包含指纹信息和底纹信息两部分，图像中的指纹信息和底纹信息杂糅在一起而构成一幅图像。
如图2(a)所示，为一个实施例中图像的高亮脊线示意图。高亮脊线是指当前指纹图像或底库图像中包含的屏幕网格线的脊线，图2(a)中白色的网格交线即为高亮脊线。
具体地，对当前指纹图像中的高亮脊线进行检测，得到的当前指纹图像的第一高亮脊线。以同样地方式对底库图像进行检测，可以得到第二高亮脊线。
步骤S200，根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点。
具体地，如图2(b)所示，为一个实施例中图像的高亮脊线交点示意图。第一高亮脊线中高亮脊线的交叉点即为当前指纹图像的第一高亮脊线交点。同样地，第二高亮脊线中高亮脊线的交叉点即为底库图像的第二高亮脊线交点。
步骤S300，将第一高亮脊线交点配准到与第二高亮脊线交点对应的位置，得到脊线交点配准底库图像。
具体地，由于采集指纹信息时的屏幕的变形有限，高亮脊线交点之间的距离远远大于屏幕的变形量，当前指纹图像中的第一高亮脊线交点和底库图像中的第二高亮脊线交点的位置的偏移值远小于高亮脊线交点之间的位置差，因此，在步骤S200中分别检测出当前指纹图像和底库图像的高亮脊线交点后，进一步通过检测当前指纹图像中的第一高亮脊线交点和底库图像中的第二高亮脊线交点的位置的偏移值，根据脊线交点位置的偏移值可以将底库图像配准到当前指纹图像的位置。
如图3所示，为一个实施例中高亮脊线交点配准示意图。图3(a)为当前指纹图像，图3(b)底库图像，由图3(a)和图3(b)两幅图像之间的连线可以看出，两幅高亮脊线交点与交点之间的距离非常大，一般情况下，每一连线之间的高亮脊线之间存在微小的偏差，根据这一偏差，可以将图3(b)底库图像中的第二高亮脊线交点配准到图3(a)中与第一高亮脊线交点对应的位置。
步骤S400，对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
具体地，步骤S300中得到的脊线交点配准图像中的各个像素点并非全部都是整数坐标，因此，需要在脊线交点配准图像的基础上进行插值，对非整数坐标像素值进行估计，以得到完整的配准后的底库图像。
上述屏下指纹配准方法，通过对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线，接着，根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点，进一步，将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，最后，对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。其中，对当前指纹图像中的高亮脊线交点与底库图像中的高亮脊线交点进行配准，接着以插值方式得到的配准图像能够消除当前指纹图像与底库图像之间因按压用力不均或外界温度变化等引起的亮度偏差和位置偏差，为减少去底纹操作提供良好的配准图像，减少底纹去除不干净的情况，提升指纹识别效率。
在其中一个实施例中，如图4所示，为步骤S300之前的细化步骤，将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，之前还包括：
步骤S310，获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集；其中，第一偏移值集中包含至少一个第一偏移值，至少一个第一偏移值与第一高亮脊线交点对应。
具体地，在步骤S200中得到当前指纹图像中的第一高亮脊线交点与底库图像中的第二高亮脊线交点后，可以计算得到第一高亮脊线交点与第二高亮脊线交点相对应的交点之间的位置距离，对这一位置距离进行平滑处理，得到第一偏移值，可选地，也可以直接将位置距离作为第一偏移值，进一步，将第一高亮脊线交点和第二高亮脊线交点对应的偏移值构成的集合作为第一偏移值集。例如，第一高亮脊线为由横向10条高亮脊线与纵向10条高亮脊线构成，则由第一高亮脊线可以得到10*10共计100个第一高亮脊线交点，这100个第一高亮脊线交点与第二高亮脊线交点对应，每一对第一高亮脊线交点与第二高亮脊线交点之间对应一个第一偏移值，由这100个第一偏移值构成第一偏移值集。
步骤S320，若第一偏移值集满足预设配准条件，则执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，预设配准条件为第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
可选地，当第二预设阈值为100％时，预设配准条件表现为第一偏移值均大于第一预设阈值。可选地，预设配准条件还可以是：第一偏移值集的平均值大于第一预设阈值。
具体地，若第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值，则说明在各种外部因素的作用下，当前指纹图像的第一高亮脊线交点与底库图像的第二高亮脊线交点之间的偏差较大，说明屏下指纹状态的变化较大，需要将底库图像中的第二高亮脊线交点配准到当前指纹图像中的第一高亮脊线交点的位置，为后续的去底纹操作提供基础。例如，若第一偏移值集中共有100个第一偏移值，第二预设阈值为95％，当这100个第一偏移值中有95个大于第一预设阈值时，则认为当前指纹图像中的第一高亮脊线与底库图像中的第二高亮脊线之间的偏差较大，则需要执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤。
可选地，若第一偏移值集不满足预设配准条件，则根据底库图像，对当前指纹图像进行去底纹操作。
具体地，若第一偏移值集不满足预设条件，即第一偏移值集中大于第一预设阈值的第一偏移值的数量小于或等于第二预设阈值，说明当前指纹图像与底库图像非常相近，屏下指纹状态的变化非常小，无需对当前指纹图像中的第一高亮脊线与底库图像中的第二高亮脊线进行配准，直接根据底库图像对当前指纹图像进行去底纹操作即可。具体地，在根据底库图像对当前指纹图像进行去底纹操作中，首先要对底库图像进行加权平均，得到一个平均图像，用当前指纹图像减去平均图像，得到去底纹图像。
上述实施例中，通过获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集，进一步，若第一偏移值集满足预设条件，则执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤，能够在进行配准前对配准条件进行判断，避免不必要的配准，提高配准的效率。
在其中一个实施例中，如图5所示，为步骤S310的细化步骤，获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集，包括：
步骤S311，获取第一高亮脊线交点与第二高亮脊线交点之间的第二偏移值集；其中，第二偏移值集中包含至少一个第二偏移值，至少一个第二偏移值为相互对应的第一高亮脊线交点与第二高亮脊线交点之间的偏移值。
具体地，在步骤S200中得到当前指纹图像的第一高亮脊线交点与底库图像的第二高亮脊线交点后，可以计算得到第一高亮脊线交点与第二高亮脊线交点相对应的交点之间的位置距离，这一位置距离即为第二偏移值，将第一高亮脊线交点和第二高亮脊线交点对应的偏移值构成的集合作为第二偏移值集。例如，第一高亮脊线为由横向10条高亮脊线与纵向10条高亮脊线构成，则由第一高亮脊线可以得到10*10共计100个第一高亮脊线交点，这100个第一高亮脊线交点与第二高亮脊线交点对应，每一对第一高亮脊线交点与第二高亮脊线交点之间对应一个第二偏移值，由这100个第二偏移值构成第二偏移值集。
步骤S312，使用正则项对第二偏移值集中的第二偏移值进行平滑处理，得到第一偏移值集；其中，第一偏移值集中的第一偏移值与第二偏移值集中的第二偏移值对应。
具体地，为了减少高亮脊线交点配准的误差，需要寻找平滑且稳定的偏移量，而某个高亮脊线交点的偏移量与其邻域内的偏移量具有高度相关性，因此，可以对得到的高亮脊线交点之间的第二偏移值添加正则项进行平滑处理，进行平滑处理后的第二偏移值即为第一偏移值，第一偏移值与第二偏移值之间存在一个对应关系。
上述实施例中，通过获取第一高亮脊线交点与第二高亮脊线交点之间的第二偏移值集，进一步，使用正则项对第二偏移值集中的第二偏移值进行平滑处理，得到第一偏移值集，能够减少高亮脊线交点配准的误差。
在其中一个实施例中，如图6所示，为步骤S300的细化步骤，将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，包括：
步骤S330，将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像；其中，高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点。
具体地，若第一偏移值集满足预设配准条件，则根据第一偏移值集将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像。例如，在某一高亮脊线交点位置处，根据这一高亮脊线交点位置处对应的第一偏移值，将底库图像中的第二高亮脊线交点加上这一偏移值，配准到与当前指纹图像的第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像，此时的高亮脊线交点配准底库图像中的高亮脊线为第三高亮脊线，由配准后的第二高亮脊线交点形成的脊线，与其对应的交点为第三高亮脊线交点。
步骤S340，在预设邻域范围内，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像。
具体地，高亮脊线交点配准底库图像中包含第三高亮脊线，在预设邻域范围内，根据第三高亮脊线中的一条高亮脊线按照一定的距离进行平移，得到若干条拓展脊线，相应地，在这条高亮脊线的垂直方向，按照同样的方式可以得到若干条与上述拓展脊线垂直的拓展脊线，进一步，根据拓展脊线得到的交点和上述第三高亮脊线交点共同作为第一拓展脊线交点，最终可以得到脊线交点配准底库图像。上述实施例中，通过将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像，进一步，在预设邻域范围内，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像。这一操作为后续图像配准提供了更加准确完整的可供配准的脊线交点配准图像。
在其中一个实施例中，如图7所示，为步骤S340的细化步骤，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像，包括：
步骤S341，在预设邻域范围内，对第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点。
具体地，高亮脊线交点配准底库图像中包含第三高亮脊线，在预设邻域范围内，根据第三高亮脊线中的一条高亮脊线按照一定的距离进行平移，得到一条拓展的脊线，按照上述方式，在预设邻域范围内，可以平移得到若干条拓展脊线，相应地，在这条高亮脊线的垂直方向，按照同样的方式可以得到若干条与上述拓展脊线垂直的拓展脊线，此时平移得到的拓展脊线与上述第三高亮脊线共同作为第一拓展脊线，根据拓展脊线得到的交点和上述第三高亮脊线交点共同作为第一拓展脊线交点。其中，第一拓展脊线的线条数大于等于第三高亮脊线的线条数，第一拓展脊线交点的交点数大于等于第三高亮脊线交点的交点数。可选地，在获取第一拓展脊线的过程中，还可以将第三高亮脊线进行拟合，得到一条或若干条互相垂直的高亮脊线，根据拟合高亮脊线和预设距离进行平移，得到拓展脊线和拓展脊线交点，在此不再赘述。
步骤S342，在预设邻域范围内，对第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点。
具体地，第二拓展脊线和第二拓展脊线交点的获取方式与步骤S341中对第三高亮脊线进行拓展进行拓展的步骤相似，在此不再赘述。
步骤S343，获取第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值和灰度差。
具体地，获取第三偏移值和灰度差的具体方式可参考上述方法中步骤S311中的方式。在第一拓展脊线交点和第二拓展脊线交点的基础上计算对应两交点之间的位置距离，可将这一位置距离作为第三偏移值。同样地，在第一拓展脊线交点和第二拓展脊线交点的基础上计算得到对应两交点之间的灰度差。
步骤S344，根据第三偏移值和灰度差，得到配准能量。
其中，配准能量在配准过程中用于保证配准在一定的能量范围内进行，使配准不会发生太大的偏差。配准能量的函数值E的具体计算方式如公式(1)所示：
E＝Eimg+αEreg (1)
其中，Eimg表示第一拓展脊线交点与第二拓展脊线交点之间的灰度差，Ereg表示第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值，α为一常数。
可选地，通过梯度下降法可以求得能量函数E的最小值。
具体地，每一第一拓展脊线交点对应一个灰度差和一个第三偏移值，在第一拓展脊线所有交点对应的(灰度差，第三偏移值)中，利用梯度下降法可以求得能量函数E的最小值。
步骤S345，根据配准能量，对第一拓展脊线进行调整，得到脊线交点配准图像。
具体地，第一拓展脊线为脊线交点配准底库图像中高亮脊线和根据高亮脊线进行拓展后的脊线的和，此时的第一拓展脊线可能还存在部分配准误差较大的情况，根据步骤S344中应用梯度下降法获取到的配准能量，在一定的范围内对第一拓展脊线进行调整，能够使第一拓展脊线满足最小配准能量的要求，保证配准在一定的能量范围内进行，使配准不会发生太大的偏差，最终得到脊线交点配准图像。
上述实施例中，在预设邻域范围内，对第一高亮脊线进行拓展，得到第二拓展脊线，接着，根据第二拓展脊线，得到第二拓展脊线交点，进一步，获取第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值和灰度差，根据第三偏移值和灰度差，得到配准能量，最后，根据配准能量，对第一拓展脊线进行调整，得到脊线交点配准图像。这一操作使得到的脊线交点配准图像更准确，能够提高图像配准到的精度。
在其中一个实施例中，步骤S400，对高线交点配准图像进行插值，得到配准后的底库图像，之后还包括：
根据配准后的底库图像，对当前指纹图像进行去底纹操作。
具体地，配准后的底库图像能够消除当前指纹图像与底库图像之间因按压用力不均或外界温度变化等引起的亮度偏差和位置偏差，为减少去底纹操作提供良好的配准图像。具体地，对配准后的底库图像进行加权平均，得到一个平均图像，用当前指纹图像减去平均图像，得到去底纹图像的操作，可以有效减少底纹去除不干净的情况，提升指纹识别效率。
在其中一个实施例中，将第一高亮脊线交点与第二高亮脊线交点进行配准，得到脊线交点配准图像，包括：
以第一高亮脊线交点为基准，对第二高亮脊线交点进行配准，得到脊线交点配准图像；或，以第二高亮脊线交点为基准，对第一高亮脊线交点进行配准，得到脊线交点配准图像。
具体地，库底图像和当前指纹图像配准时有两种方案：1、以当前指纹图像为基准，将所有库图像都配准到当前指纹图像的位置；2、以底库图像为基准，将当前指纹图像配准到每张底库图像的位置。由于底库图像有很多张，方案2中将当前指纹图像配准到每张底库图像的位置会造成当前指纹图像的位置一直在变动，而方案2中将所有库图像都配准到当前指纹图像的位置，当前指纹图像的位置不变，在去底纹操作需要保持当前指纹图像位置不变，则可采用方案2实现图像的配准。若采用其他可选的方案对当前指纹图像进行去底纹操作，则可以采用方案1中的实现方式对图像进行配准，具体采用何种方案根据实际需要而定，在此不做具体限定。
在一个实施例中，如图8所示，提供了一种屏下指纹配准装置，包括：脊线获取模块801、交点获取模块802、交点配准模块803和图像配准模块804，其中：
脊线获取模块801，用于对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线；
交点获取模块802，用于根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点；
交点配准模块803，用于将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
图像配准模块804，用于对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
在其中一个实施例中，上述装置还包括获取模块和执行模块，具体地：获取模块，用于获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集；其中，第一偏移值集中包含至少一个第一偏移值，至少一个第一偏移值与第一高亮脊线交点对应；执行模块，用于执行若第一偏移值集满足预设配准条件，则执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，预设配准条件为第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
在其中一个实施例中，上述装置还包括第一去底纹模块，具体地：第一去底纹模块，用于执行若第一偏移值集不满足预设配准条件，则根据底库图像，对当前指纹图像进行去底纹操作。
在其中一个实施例中，交点配准模块803还用于执行获取第一高亮脊线交点与第二高亮脊线交点之间的第二偏移值集；其中，第二偏移值集中包含至少一个第二偏移值，至少一个第二偏移值为相互对应的第一高亮脊线交点与第二高亮脊线交点之间的偏移值；使用正则项对第二偏移值集中的第二偏移值进行平滑处理，得到第一偏移值集；其中，第一偏移值集中的第一偏移值与第二偏移值集中的第二偏移值对应。
在其中一个实施例中，交点配准模块803还用于执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像；其中，高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点；在预设邻域范围内，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像。
在其中一个实施例中，交点配准模块803还用于执行在预设邻域范围内，对第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点；在预设邻域范围内，对第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点；获取第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值和灰度差；根据第三偏移值和灰度差，得到配准能量；根据配准能量，对第一拓展脊线进行调整，得到脊线交点配准底库图像。
在其中一个实施例中，上述装置还包括第二去底纹模块，具体地：根据配准后的底库图像，对当前指纹图像进行去底纹操作。
关于屏下指纹配准装置的具体限定可以参见上文中对于屏下指纹配准方法的限定，在此不再赘述。上述屏下指纹配准装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储屏下指纹配准数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种屏下指纹配准方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线；
根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点；
将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集；其中，第一偏移值集中包含至少一个第一偏移值，至少一个第一偏移值与第一高亮脊线交点对应；若第一偏移值集满足预设配准条件，则执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，预设配准条件为第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：若第一偏移值集不满足预设配准条件，则根据底库图像，对当前指纹图像进行去底纹操作。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一高亮脊线交点与第二高亮脊线交点之间的第二偏移值集；其中，第二偏移值集中包含至少一个第二偏移值，至少一个第二偏移值为相互对应的第一高亮脊线交点与第二高亮脊线交点之间的偏移值；使用正则项对第二偏移值集中的第二偏移值进行平滑处理，得到第一偏移值集；其中，第一偏移值集中的第一偏移值与第二偏移值集中的第二偏移值对应。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像；其中，高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点；在预设邻域范围内，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：在预设邻域范围内，对第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点；在预设邻域范围内，对第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点；获取第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值和灰度差；根据第三偏移值和灰度差，得到配准能量；根据配准能量，对第一拓展脊线进行调整，得到脊线交点配准底库图像。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据配准后的底库图像，对当前指纹图像进行去底纹操作。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到当前指纹图像的第一高亮脊线和底库图像的第二高亮脊线；
根据第一高亮脊线得到当前指纹图像的第一高亮脊线交点，根据第二高亮脊线得到底库图像的第二高亮脊线交点；
将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
对脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取第一高亮脊线交点与第二高亮脊线交点之间的第一偏移值集；其中，第一偏移值集中包含至少一个第一偏移值，至少一个第一偏移值与第一高亮脊线交点对应；若第一偏移值集满足预设配准条件，则执行将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，预设配准条件为第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：若第一偏移值集不满足预设配准条件，则根据底库图像，对当前指纹图像进行去底纹操作。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取第一高亮脊线交点与第二高亮脊线交点之间的第二偏移值集；其中，第二偏移值集中包含至少一个第二偏移值，至少一个第二偏移值与为相互对应的第一高亮脊线交点与第二高亮脊线交点之间的偏移值；使用正则项对第二偏移值集中的第二偏移值进行平滑处理，得到第一偏移值集；其中，第一偏移值集中的第一偏移值与第二偏移值集中的第二偏移值对应。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：将第二高亮脊线交点配准到与第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像；其中，高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点；在预设邻域范围内，对高亮脊线交点配准底库图像进行拓展，得到脊线交点配准底库图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：在预设邻域范围内，对第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点；在预设邻域范围内，对第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点；获取第一拓展脊线交点与第二拓展脊线交点之间的第三偏移值和灰度差；根据第三偏移值和灰度差，得到配准能量；根据配准能量，对第一拓展脊线进行调整，得到脊线交点配准底库图像。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：据配准后的底库图像，对当前指纹图像进行去底纹操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种屏下指纹配准方法，其特征在于，所述方法包括：
对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到所述当前指纹图像的第一高亮脊线和所述底库图像的第二高亮脊线；
根据所述第一高亮脊线得到所述当前指纹图像的第一高亮脊线交点，根据所述第二高亮脊线得到所述底库图像的第二高亮脊线交点；
将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，之前还包括：
获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第一偏移值集；其中，所述第一偏移值集中包含至少一个第一偏移值，所述至少一个第一偏移值与所述第一高亮脊线交点对应；
若所述第一偏移值集满足预设配准条件，则执行所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像的步骤；其中，所述预设配准条件为所述第一偏移值集中大于第一预设阈值的第一偏移值的比例大于第二预设阈值。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所述第一偏移值集不满足所述预设配准条件，则根据所述底库图像，对所述当前指纹图像进行去底纹操作。
4.根据权利要求2所述的方法，其特征在于，所述获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第一偏移值集，包括：
获取所述第一高亮脊线交点与所述第二高亮脊线交点之间的第二偏移值集；其中，所述第二偏移值集中包含至少一个第二偏移值，所述至少一个第二偏移值为相互对应的所述第一高亮脊线交点与所述第二高亮脊线交点之间的偏移值；
使用正则项对所述第二偏移值集中的第二偏移值进行平滑处理，得到所述第一偏移值集；其中，所述第一偏移值集中的第一偏移值与所述第二偏移值集中的第二偏移值对应。
5.根据权利要求1所述的方法，其特征在于，所述将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像，包括：
将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到高亮脊线交点配准底库图像；其中，所述高亮脊线交点配准底库图像包含第三高亮脊线和第三高亮脊线交点；
在预设邻域范围内，对所述高亮脊线交点配准底库图像进行拓展，得到所述脊线交点配准底库图像。
6.根据权利要求5所述的方法，其特征在于，所述对所述高亮脊线交点配准底库图像进行拓展，得到所述脊线交点配准底库图像，包括：
在所述预设邻域范围内，对所述第三高亮脊线进行拓展，得到第一拓展脊线和第一拓展脊线交点；在所述预设邻域范围内，对所述第一高亮脊线进行拓展，得到第二拓展脊线和第二拓展脊线交点；
获取所述第一拓展脊线交点与所述第二拓展脊线交点之间的第三偏移值和灰度差；
根据所述第三偏移值和所述灰度差，得到配准能量；
根据所述配准能量，对所述第一拓展脊线进行调整，得到所述脊线交点配准底库图像。
7.根据权利要求1所述的方法，其特征在于，所述对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像，之后还包括：
根据所述配准后的底库图像，对所述当前指纹图像进行去底纹操作。
8.一种屏下指纹配准装置，其特征在于，所述装置包括：
脊线获取模块，用于对获取到的当前指纹图像和底库图像进行高亮脊线检测，得到所述当前指纹图像的第一高亮脊线和所述底库图像的第二高亮脊线；
交点获取模块，用于根据所述第一高亮脊线得到所述当前指纹图像的第一高亮脊线交点，根据所述第二高亮脊线得到所述底库图像的第二高亮脊线交点；
交点配准模块，用于将所述第二高亮脊线交点配准到与所述第一高亮脊线交点对应的位置，得到脊线交点配准底库图像；
图像配准模块，用于对所述脊线交点配准底库图像进行插值处理，得到配准后的底库图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
CN201910574525.9A 2019-06-28 2019-06-28 屏下指纹去底纹方法、装置、计算机设备和存储介质 Active CN110263754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910574525.9A CN110263754B (zh) 2019-06-28 2019-06-28 屏下指纹去底纹方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910574525.9A CN110263754B (zh) 2019-06-28 2019-06-28 屏下指纹去底纹方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110263754A true CN110263754A (zh) 2019-09-20
CN110263754B CN110263754B (zh) 2021-08-06

Family

ID=67922858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910574525.9A Active CN110263754B (zh) 2019-06-28 2019-06-28 屏下指纹去底纹方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110263754B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340188A (zh) * 2020-02-21 2020-06-26 北京集创北方科技股份有限公司 图像处理方法及装置、电子设备和可读存储介质
CN111507345A (zh) * 2020-03-20 2020-08-07 北京集创北方科技股份有限公司 图像处理的方法、装置、设备及计算机可读存储介质
TWI791964B (zh) * 2020-03-20 2023-02-11 大陸商北京集創北方科技股份有限公司 指紋讀取方法及利用其之指紋讀取裝置和資訊處理裝置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1564186A (zh) * 2004-04-18 2005-01-12 杭州中正生物认证技术有限公司 基于全局脊线的指纹识别方法
CN101727567A (zh) * 2008-10-28 2010-06-09 苏州中科集成电路设计中心有限公司 指纹的识别方法及其识别处理装置
CN101751555A (zh) * 2009-09-25 2010-06-23 中国科学院自动化研究所 一种形变指纹识别方法及系统
US20120057789A1 (en) * 2010-09-03 2012-03-08 Fuji Xerox Co., Ltd. Image processing apparatus and computer readable medium
US20160148037A1 (en) * 2014-11-21 2016-05-26 Samsung Electronics Co., Ltd. Method for registering and authenticating fingerprint and electronic device implementing the same
US20160342826A1 (en) * 2013-04-01 2016-11-24 AMI Research & Development, LLC Fingerprint based smart phone user verification
CN106407920A (zh) * 2016-09-07 2017-02-15 深圳芯启航科技有限公司 指纹图像的条纹噪声消除方法
KR20170041593A (ko) * 2015-10-07 2017-04-17 크루셜텍 (주) 지문 등록 및 인증 속도 향상을 위한 방법 및 장치
US20170220843A1 (en) * 2013-04-01 2017-08-03 AMI Research & Development, LLC Fingerprint based smart phone user verification
CN107066961A (zh) * 2017-03-31 2017-08-18 清华大学 指纹配准方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1564186A (zh) * 2004-04-18 2005-01-12 杭州中正生物认证技术有限公司 基于全局脊线的指纹识别方法
CN101727567A (zh) * 2008-10-28 2010-06-09 苏州中科集成电路设计中心有限公司 指纹的识别方法及其识别处理装置
CN101751555A (zh) * 2009-09-25 2010-06-23 中国科学院自动化研究所 一种形变指纹识别方法及系统
US20120057789A1 (en) * 2010-09-03 2012-03-08 Fuji Xerox Co., Ltd. Image processing apparatus and computer readable medium
US20160342826A1 (en) * 2013-04-01 2016-11-24 AMI Research & Development, LLC Fingerprint based smart phone user verification
US20170220843A1 (en) * 2013-04-01 2017-08-03 AMI Research & Development, LLC Fingerprint based smart phone user verification
US20160148037A1 (en) * 2014-11-21 2016-05-26 Samsung Electronics Co., Ltd. Method for registering and authenticating fingerprint and electronic device implementing the same
KR20170041593A (ko) * 2015-10-07 2017-04-17 크루셜텍 (주) 지문 등록 및 인증 속도 향상을 위한 방법 및 장치
CN106407920A (zh) * 2016-09-07 2017-02-15 深圳芯启航科技有限公司 指纹图像的条纹噪声消除方法
CN107066961A (zh) * 2017-03-31 2017-08-18 清华大学 指纹配准方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MUKESH KUMAR THAKAR: "《Digital grid method for fingerprint indentification and objective report writing》", 《EYGPTIAN JOURNAL OF FORENSIC SCIENCE》 *
李徐周: "《自动指纹识别技术研究》", 《中国优秀硕士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340188A (zh) * 2020-02-21 2020-06-26 北京集创北方科技股份有限公司 图像处理方法及装置、电子设备和可读存储介质
CN111507345A (zh) * 2020-03-20 2020-08-07 北京集创北方科技股份有限公司 图像处理的方法、装置、设备及计算机可读存储介质
WO2021184854A1 (zh) * 2020-03-20 2021-09-23 北京集创北方科技股份有限公司 图像处理的方法、装置、设备及计算机可读存储介质
TWI791964B (zh) * 2020-03-20 2023-02-11 大陸商北京集創北方科技股份有限公司 指紋讀取方法及利用其之指紋讀取裝置和資訊處理裝置

Also Published As

Publication number Publication date
CN110263754B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN110263754A (zh) 屏下指纹去底纹方法、装置、计算机设备和存储介质
US11961242B2 (en) Target tracking method, computer device, and storage medium
CN111176301A (zh) 地图构建方法以及扫地机器人的清扫方法
CN112686919B (zh) 物体边界线确定方法、装置、电子设备及存储介质
JP5468332B2 (ja) 画像特徴点抽出方法
CN110704087A (zh) 页面生成方法、装置、计算机设备和存储介质
CN111401341B (zh) 一种基于视觉的减速带检测方法、装置及其存储介质
US11457158B2 (en) Location estimation device, location estimation method, and program recording medium
US20240311972A1 (en) Defective pixel correction method and apparatus, and terminal and computer-readable storage medium
US7561306B2 (en) One-dimensional lens shading correction
CN117391544B (zh) 一种基于bim的装修工程管理方法及系统
CN115083571A (zh) 病理切片处理方法、计算机设备和存储介质
CN109726302A (zh) 图像的标注方法、装置、计算机设备和存储介质
US20090309979A1 (en) Image analysis using a hybrid connected component labeling process
CN114430454A (zh) 基于双摄像头的建模方法及可穿戴装置、设备和介质
CN111161303A (zh) 标记方法、装置、计算机设备和存储介质
CN106254861A (zh) 摄像头的检验方法和装置
CN110321405A (zh) 模型匹配方法、装置、计算机可读存储介质和计算机设备
CN112381105B (zh) 滑块校验的自动化处理方法、装置、设备及介质
CN111539964B (zh) 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质
JP2019185615A (ja) 動線管理装置、動線管理方法及び動線管理プログラム
CN102480584B (zh) 陷印方法和装置
CN111626288B (zh) 数据处理方法、装置、计算机设备和存储介质
JP3897306B2 (ja) 地理画像間変化領域の抽出の支援方法及び地理画像間変化領域の抽出を支援可能なプログラム
CN110458768B (zh) 图像处理方法、计算机设备和可读存储介质

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