CN111079689B - 一种指纹图像增强方法 - Google Patents

一种指纹图像增强方法 Download PDF

Info

Publication number
CN111079689B
CN111079689B CN201911375930.4A CN201911375930A CN111079689B CN 111079689 B CN111079689 B CN 111079689B CN 201911375930 A CN201911375930 A CN 201911375930A CN 111079689 B CN111079689 B CN 111079689B
Authority
CN
China
Prior art keywords
image
gray
fingerprint
filter
pixel value
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
CN201911375930.4A
Other languages
English (en)
Other versions
CN111079689A (zh
Inventor
司轩斌
陈卫征
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.)
Shenzhen Wentong Technology Co ltd
Original Assignee
Shenzhen Wentong 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 Shenzhen Wentong Technology Co ltd filed Critical Shenzhen Wentong Technology Co ltd
Priority to CN201911375930.4A priority Critical patent/CN111079689B/zh
Publication of CN111079689A publication Critical patent/CN111079689A/zh
Application granted granted Critical
Publication of CN111079689B publication Critical patent/CN111079689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

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

Abstract

本发明公开了一种指纹图像增强方法，该方法先对图像进行拉伸，增加指纹图像的对比度，使得整个指纹图像的灰度值分布在一个比较集中的区域；再根据所得灰度图像灰度值选用适合的滤波器，减小灰度值差异；接着，把它分区域进行计算；最后进行像素截断，获得增强后的图像。本发明不仅在准确率和识别速度上有很大提升，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。

Description

一种指纹图像增强方法
技术领域
本发明涉及一种指纹图像增强方法，属于图像处理技术领域。
背景技术
基于指纹的身份认证是近年来万众瞩目的最重要的生物测定学科技之一，由于不同场景下，提取的指纹通常是不完整的,且纹线的对比度也很低，基于我们自主研发的图像增强算法，无论是在干、湿、脏、强/弱光、还是重压的环境下，都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。可广泛应用于门禁系统、信息保密、远程认证、罪犯指纹提取等众多场景。
传统的几种图像增强与去噪方法，包括直方图处理，灰度变换，滤波去噪等几类，细分为直方图均衡化，直方图规定化，灰度线性变换，中值滤波，维纳滤波，同态滤波。
在特定场景中，由于采集的指纹图像通常是不完整的，对于这种质量的图像，用传统的指纹识别技术处理很难达到理想的效果。比如高质量图片的要求是噪声小，对比度强且清晰，而对于噪音大对比度低且模糊的低质量指纹影像，质量低的指纹影像会在识别过程中产生虚假特征点，难以提取特征点的指纹系统会直接拒识，这些都将影响指纹识别系统效果。
目前，指纹识别在识别准确率和识别速度方面还不能满足许多实际应用的要求，因此进一步提高指纹识别的性能无论在理论上还是在应用上都具有十分重要的意义。
发明内容
针对上述现有技术存在的问题，本发明提供一种指纹图像增强方法，不仅能够提高准确率和识别速度，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理，稳定识别，准确验证，拥有极强的鲁棒性。
为了实现上述目的，本发明采用如下技术方案：一种指纹图像增强方法，包括：
S1、获取灰度图：采集初始指纹图像；
S2、图像拉伸：对获取的灰度图采用以下线性灰度变换函数公式进行拉伸：
Figure BDA0002340956080000021
式中，x表示输出图像的灰度，f(x)表示输出图像的灰度，x1和x2表示分段函数的两个转折点，是根据场景选择的输入图像的两个灰度值，y1表示与输入图像灰度值x1所对应的输出图像灰度值，y2表示与输入图像灰度值x2所对应的输出图像灰度值；其中，x1、x2、y1、y2的范围均为0～255；
S3、生成滤波器：根据原始灰度图像调整滤波器参数，得到如下适合图像的滤波器：
Figure BDA0002340956080000022
式中：z表示根据公式生成的滤波器数据，A表示振幅，B表示周期，C表示相位，D表示调节振幅的参数，x表示横轴坐标，y表示纵轴坐标；
S4、图像滤波：根据滤波器的大小将拉伸后的灰度图像分成多个区域，再分别对每个区域进行滤波器增强，得到对应像素值Enhance—f(x)＝z*f(x)；
S5、像素截断：对所得像素值进行截断，得到最终的像素值；
S6、生成增强图片：像素截断后的图像即为最终的指纹增强图像。
优选地，所述步骤S5中的截断是指将像素值Enhance—f(x)小于0的置为0，大于255的置为255。
与现有的技术相比，本发明主要采用滤波器和图像拉伸对图像进行拉伸，解决了一些在干、湿、脏、强/弱光、还是重压的环境下的指纹图像。其不仅在准确率和识别速度上有很大提升，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。而本技术所用到的图像增强方法不仅仅只适用于指纹识别，还可运用于多种邻域，比如，人脸识别等。
附图说明
图1为本发明的流程图；
图2为第一幅原灰度图像；
图3为图2采用本发明增强后的图像；
图4为图2采用Gabor算子方法增强后的图像；
图5为第二幅原灰度图像；
图6为图5采用本发明增强后的图像；
图7为图5采用Gabor算子方法增强后的图像；
图8为第三幅原灰度图像；
图9为图8采用本发明增强后的图像；
图10为图8采用Gabor算子方法增强后的图像。
具体实施方式
下面结合附图和具体实施例对本发明实施中的技术方案进行清楚，完整的描述，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图2至图5所示，本实施例提供的一种指纹图像增强方法，包括：
S1、获取灰度图：采集图2所示初始指纹图像；
S2、图像拉伸：对获取的灰度图采用以下线性灰度变换函数公式进行拉伸：
Figure BDA0002340956080000041
式中，x表示输出图像的灰度，f(x)表示输出图像的灰度，x1和x2表示分段函数的两个转折点，是根据图2选择的输入图像的两个灰度值，y1表示与输入图像灰度值x1所对应的输出图像灰度值，y2表示与输入图像灰度值x2所对应的输出图像灰度值，令x1＝40，x2＝200，y1＝240，y2＝20；
S3、生成滤波器：根据原始灰度图像调整滤波器参数，得到如下适合图像的滤波器：
Figure BDA0002340956080000042
式中：z表示根据公式生成的滤波器数据，A表示振幅，B表示周期，C表示相位，D表示调节振幅的参数，x表示横轴坐标，y表示纵轴坐标(此处x，y与步骤S2中x等符号无关，x、y的定义域代表滤波器大小，此处可采用31*31的滤波器)；
令A＝1.453，B＝0.897，C＝0.738，D＝1.382，得
Figure BDA0002340956080000043
S4、图像滤波：根据滤波器的大小将拉伸后的灰度图像分成多个区域(区域根据滤波器大小划分，例如此处为31*31)，再分别对每个区域进行滤波器增强，得到对应像素值Enhance—f(x)＝z*f(x)；
S5、像素截断：对所得像素值进行截断，即将像素值Enhance—f(x)小于0的置为0，大于255的置为255，得到最终的像素值；
S6、生成增强图片：像素截断后的图像即为最终的指纹增强图像，如图3所示。
实施例2：
以图5作为初始指纹图像，令x1＝40，x2＝200，y1＝240，y2＝20，A＝1.038，B＝0.752，C＝0.837，D＝1.478，获得增强图像如图6所示。
实施例3：
以图8作为初始指纹图像，令x1＝30，x2＝220，y1＝240，y2＝10，A＝0.983，B＝1.034，C＝0.678，D＝1.829，获得增强图像如图9所示。
利用Gabor算子方法分别对图2、5、8进行增强处理，得到的增强图像如图4、7、10所示，对比图3和图4，图6与图7，图9与图10可见，采用本发明获得的增强图像与原图像的对比度一致性更好。
综上所述，本发明先对图像进行拉伸，增加了指纹图像的对比度，使得整个指纹图像的灰度值分布在一个比较集中的区域。再根据所得灰度图像灰度值选用适合的滤波器，减小了灰度值差异，提高了计算时间。接着，把它分区域进行计算不仅能够节省大约3s～5s的时间，还能够是像素值分配均匀。最后进行像素截断，获得增强后的图像。最终，本发明不仅在准确率和识别速度上有很大提升，而且对于很多纹路不完整的图或者质量很差的图都能将这些指纹图像预处理成对比度一致的增强图像，实现统一化处理。稳定识别，准确验证，拥有极强的鲁棒性。而本技术所用到的图像增强方法不仅仅只适用于指纹识别，还可运用于多种邻域，比如，人脸识别等。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.一种指纹图像增强方法，其特征在于，包括：
S1、获取灰度图：采集初始指纹图像；
S2、图像拉伸：对获取的灰度图采用以下线性灰度变换函数公式进行拉伸：
Figure FDA0002340956070000011
式中，x表示输出图像的灰度，f(x)表示输出图像的灰度，x1和x2表示分段函数的两个转折点，是根据场景选择的输入图像的两个灰度值，y1表示与输入图像灰度值x1所对应的输出图像灰度值，y2表示与输入图像灰度值x2所对应的输出图像灰度值；
S3、生成滤波器：根据原始灰度图像调整滤波器参数，得到如下适合图像的滤波器：
Figure FDA0002340956070000012
式中：z表示根据公式生成的滤波器数据，A表示振幅，B表示周期，C表示相位，D表示调节振幅的参数，x表示横轴坐标，y表示纵轴坐标；
S4、图像滤波：根据滤波器的大小将拉伸后的灰度图像分成多个区域，再分别对每个区域进行滤波器增强，得到对应像素值Enhance_f(x)＝z*f(x)；
S5、像素截断：对所得像素值进行截断，得到最终的像素值；
S6、生成增强图片：像素截断后的图像即为最终的指纹增强图像。
2.根据权利要求1所述的一种指纹图像增强方法，其特征在于，所述步骤S5中的截断是指将像素值Enhance_f(x)小于0的置为0，大于255的置为255。
CN201911375930.4A 2019-12-27 2019-12-27 一种指纹图像增强方法 Active CN111079689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911375930.4A CN111079689B (zh) 2019-12-27 2019-12-27 一种指纹图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911375930.4A CN111079689B (zh) 2019-12-27 2019-12-27 一种指纹图像增强方法

Publications (2)

Publication Number Publication Date
CN111079689A CN111079689A (zh) 2020-04-28
CN111079689B true CN111079689B (zh) 2023-03-28

Family

ID=70318490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911375930.4A Active CN111079689B (zh) 2019-12-27 2019-12-27 一种指纹图像增强方法

Country Status (1)

Country Link
CN (1) CN111079689B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112861649B (zh) * 2021-01-19 2024-05-10 平安科技（深圳）有限公司 指纹签名生成方法、装置、电子设备及计算机存储介质
CN113569715B (zh) * 2021-07-23 2024-04-16 北京眼神智能科技有限公司 一种指纹图像增强方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101329726A (zh) * 2008-07-30 2008-12-24 电子科技大学 一种基于一维滤波的指纹图像增强方法
CN107945163A (zh) * 2017-11-23 2018-04-20 广州酷狗计算机科技有限公司 图像增强方法及装置

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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101329726A (zh) * 2008-07-30 2008-12-24 电子科技大学 一种基于一维滤波的指纹图像增强方法
CN107945163A (zh) * 2017-11-23 2018-04-20 广州酷狗计算机科技有限公司 图像增强方法及装置

Also Published As

Publication number Publication date
CN111079689A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN108257095B (zh) 用于处理图像的系统
CN107392866B (zh) 一种光照鲁棒的人脸图像局部纹理增强方法
Almaev et al. Local gabor binary patterns from three orthogonal planes for automatic facial expression recognition
Lee et al. Illumination compensation using oriented local histogram equalization and its application to face recognition
Hu et al. Singular value decomposition and local near neighbors for face recognition under varying illumination
Abidin et al. Copy-move image forgery detection using deep learning methods: a review
CN111079689B (zh) 一种指纹图像增强方法
CN110458792B (zh) 人脸图像质量的评价方法及装置
Juefei-Xu et al. Pokerface: partial order keeping and energy repressing method for extreme face illumination normalization
Zhao et al. Trustworthy authorization method for security in Industrial Internet of Things
WO2017092272A1 (zh) 人脸识别方法和装置
Sharma et al. Spliced Image Classification and Tampered Region Localization Using Local Directional Pattern.
Sekhar et al. Recent block-based methods of copy-move forgery detection in digital images
CN117496019B (zh) 一种驱动静态图像的图像动画处理方法及系统
Hu et al. Now you see me: Deep face hallucination for unviewed sketches
Ansari et al. Copy-Move Image Forgery Detection using Ring Projection and Modi_ed Fast Discrete Haar Wavelet Transform.
US20180247184A1 (en) Image processing system
Wang et al. A new method of speeded up robust features image registration based on image preprocessing
CN115188039A (zh) 一种基于图像频域信息的深度伪造视频技术溯源方法
Sekhar et al. Object based image splicing localization using block artificial grids
CN103077396B (zh) 一种彩色图像的向量空间特征点提取方法及装置
Yang et al. Efficient method for high-resolution fingerprint image enhancement using deep residual network
CN106682613B (zh) 一种基于人脸显著性的图像压缩方法
CN104867149B (zh) 基于局部平面线性点的翻拍图像鉴别方法
Chauhan et al. An overview of digital image forensics: image morphing and forgery detection algorithms

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