CN111179265B - 基于图像的指纹质量评估方法、装置及电子设备 - Google Patents
基于图像的指纹质量评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111179265B CN111179265B CN202010028285.5A CN202010028285A CN111179265B CN 111179265 B CN111179265 B CN 111179265B CN 202010028285 A CN202010028285 A CN 202010028285A CN 111179265 B CN111179265 B CN 111179265B
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- fingerprint
- image
- frequency
- frequency domain
- 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
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010586 diagram Methods 0.000 claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 230000003595 spectral effect Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Quality & Reliability (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于图像的指纹质量评估方法、装置及电子设备。所述方法包括:采集指纹图像;去除所述指纹图像中的直流分量;对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图;提取所述频谱能量图中的指纹频率区域特征;根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。本案能够快速评估指纹图像的质量,减少指纹质量评估的计算的复杂度,简化指纹质量评估的流程。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于图像的指纹质量评估方法、装置及电子设备。
背景技术
现有技术中,主要依赖图像对比度,或对图像二值化处理检测出图像脊骨区域,或依赖图像样本数量,实现图像的指纹质量评估。然而,依赖图像对比度或对图像二值化处理检测出图像脊骨区域实现图像的指纹质量评估的方法,增加了计算的复杂度,依赖图像样本数量实现图像的指纹质量评估需要通过大量数据采集和训练获取,使得指纹质量评估流程过于繁琐。
发明内容
鉴于以上内容,有必要提出一种基于图像的指纹质量评估方法、装置及电子设备以减少指纹质量评估的计算的复杂度,简化指纹质量评估的流程。
本申请的第一方面提供一种基于图像的指纹质量评估方法,所述方法包括:
采集指纹图像;
去除所述指纹图像中的直流分量;
对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图;
提取所述频谱能量图中的指纹频率区域特征;
根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
优选地,所述提取所述频谱能量图中的指纹频率区域特征包括:
预设所述指纹图像的频域检测区域;及
提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。
优选地,所述提取所述频谱能量图中的指纹频率区域特征包括:
遍历所述频谱能量图提取出所述频谱能量图中能量最大值点作为位置频率点f0并进行归一化,将所述频域检测区域设定为[f0-delta,f0+delta],其中,delta为调整参数且取值为0.1;及
提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。
优选地,所述去除所述指纹图像中的直流分量包括:通过所述指纹图像的每一像素点的像素值减去所述指纹图像的像素均值的方法去除指纹图像中的直流分量。
优选地,所述通过所述指纹图像的每一像素点的像素值减去所述指纹图像的像素均值的方法去除指纹图像中的直流分量包括:
将所述指纹图像中的每个像素点的像素值减去所述指纹图像的像素均值以去除所述指纹图像中的直流分量。
优选地,所述去除所述指纹图像中的直流分量包括:
通过对所述指纹图像进行高通滤波去除所述指纹图像中的直流分量。
优选地,所述对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:
对去除直流分量的所述指纹图像进行快速傅里叶变换得到所述指纹图像的频谱图。
优选地,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:
根据所述指纹频率区域特征查找评分关系表确认与所述指纹频率区域特征对应的评分得到所述指纹图像的评估结果,其中,所述评分关系表中定义多个不同的指纹频率区域特征与多个不同的评分的对应关系。
本申请的第二方面提供一种基于图像的指纹质量评估装置,所述装置包括:
采集模块,用于采集指纹图像;
直流去除模块,用于去除所述指纹图像中的直流分量;
频域变换模块,用于对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图;
特征提取模块,用于提取所述频谱能量图中的指纹频率区域特征;
评分模块,用于根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
本申请的第三方面提供一种电子设备,所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现所述基于图像的指纹质量评估方法。
本案对去除直流分量的指纹图像进行频域变换得到指纹图像的频谱能量图,提取所述频谱能量图中的指纹频率区域特征,及根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果,从而快速评价指纹图像的质量,减少指纹质量评估的计算的复杂度,简化指纹质量评估的流程。
附图说明
图1为本发明一实施方式中基于图像的指纹质量评估方法的流程图。
图2为本发明一实施方式中基于图像的指纹质量评估装置的结构示意图。
图3为本发明一实施方式中电子设备的示意图。
主要元件符号说明
基于图像的指纹质量评估装置 | 30 |
采集模块 | 301 |
直流去除模块 | 302 |
频域变换模块 | 303 |
特征提取模块 | 304 |
评分模块 | 305 |
电子设备 | 6 |
存储器 | 61 |
处理器 | 62 |
计算机程序 | 63 |
步骤 | S11~S15 |
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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。
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。本文中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。
优选地,本发明基于图像的指纹质量评估方法应用在一个或者多个电子设备中。所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是桌上型计算机、笔记本电脑、平板电脑及云端服务器等计算设备。所述设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例1
图1是本发明一实施方式中基于图像的指纹质量评估方法的流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
参阅图1所示,所述基于图像的指纹质量评估方法具体包括以下步骤:
步骤S11,采集指纹图像。
本实施方式中,通过指纹传感器采集指纹图像。所述指纹传感器为光学指纹传感器、半导体电容指纹传感器、半导体热敏指纹传感器、半导体压感指纹传感器、超声波指纹传感器和射频指纹传感器中的至少一种。
步骤S12,去除所述指纹图像中的直流分量。
本实施方式中,所述去除所述指纹图像中的直流分量包括:通过指纹图像的每一像素点的像素值减去所述指纹图像的像素均值的方法去除指纹图像中的直流分量。在具体实施方式中,首先按照公式计算所述指纹图像中的所有像素点的像素均值,其中h为所述指纹图像在高度上的像素点个数,w为所述指纹图像在宽度上的像素点个数,I(x,y)为所述指纹图像中的像素点;然后将所述指纹图像中的每个像素点的像素值减去所述指纹图像的像素均值,如此去除所述指纹图像中的直流分量。
在另一实施方式中,所述去除所述指纹图像中的直流分量包括:通过对所述指纹图像进行高通滤波去除所述指纹图像中的直流分量。在其他实施方式中,所述去除所述指纹图像中的直流分量包括:通过所述指纹图像减去所述指纹图像的均值滤波后的图像以去除所述指纹图像中的直流分量。本实施方式中,通过去除指纹图像中的直流分量可以保证指纹图像中的指纹频率信息占据频域能量谱地主要成分。本案中,所有不同形式地去除指纹图像地直流分量的方案均属于本案所保护地范畴。
步骤S13,对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图。
本实施方式中,所述对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:对去除直流分量的所述指纹图像进行快速傅里叶变换(Fast FourierTransform,FFT)得到所述指纹图像的频谱图。在另一实施方式中,所述对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:对去除直流分量的所述指纹图像进行小波变换方法得到所述指纹图像的频谱图。本案中,所有不同形式地对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图的方案均属于本案所保护地范畴。
本实施方式中,所述根据所述图像的频谱图计算出所述指纹图像的频谱能量图包括:根据公式E(x,y)=F(x,y)·F(x,y)计算出所述指纹图像的频谱能量图,其中,所述(x,y)为所述指纹图像中的像素点的坐标,F(x,y)为所述指纹图像中的频谱图,E(x,y)为所述指纹图像中的频谱能量图。
步骤S14,提取所述频谱能量图中的指纹频率区域特征。
本实施方式中,所述提取所述频谱能量图中的指纹频率区域特征包括:预设所述指纹图像的频域检测区域;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。在具体实施方式中,所述预设所述指纹图像的频域检测区域包括:采集标准指纹图像,通过图像处理工具查看标准指纹图像的频率分布位置,设定检测标准指纹图像的位置频率点为f0,并设定标准指纹图像的指纹频带区域范围为一个椭圆形区域;将标准指纹图像的频域图像的频率信息归一化,且归一化后的频域图像的中心代表频域图像的0频率,远离频域图像的中心的区域为高频区域;将所述频域检测区域设定为[f1-delta,f1+delta],其中,f1为归一化后的标准指纹图像的位置频率点,delta为调整参数且取值为0.1。本实施方式中,调整参数delta可以依据人类指纹脊谷频率不可能无限大或无限小而是有一定的分布范围的原理进行设定。当调整参数delta设定为0.1时所确定的频域检测区域以囊括99%以上的使用群体。
在一实施方式中,所述提取所述频谱能量图中的指纹频率区域特征包括:遍历所述频谱能量图提取出所述频谱能量图中能量最大值点作为所述位置频率点f0并进行归一化,将所述频域检测区域设定为[f0-delta,f0+delta],从而实时得到所述频域检测区域,其中,delta为调整参数且取值为0.1;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。
本实施方式中,所述指纹频率区域特征为表示频率强度与分布的特征。本实施方式中,所述指纹频率区域特征包括均值、标准差、方差、极大/极小值差异、熵中的至少一者。本案中,所述指纹图像的指纹频率区域特征不局限于均值、标准差、方差、极大/极小值差异、熵,只要是表征指纹图像中的频率强度与分布的特征均属于本案所保护地范畴。
步骤S15,根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
本实施方式中,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述指纹频率区域特征查找评分关系表确认与所述指纹频率区域特征对应的评分得到所述指纹图像的评估结果,其中,所述评分关系表中定义多个不同的指纹频率区域特征与多个不同的评分的对应关系。例如,所述指纹频率区域特征为标准差,所述评分关系表中定义多个不同的标准差与多个不同的评分的对应关系,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述标准差查找评分关系表确认与所述标准差对应的评分得到所述指纹图像的评估结果。再例如,所述指纹频率区域特征为均值,所述评分关系表中定义多个不同的均值与多个不同的评分的对应关系,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述均值查找评分关系表确认与所述均值对应的评分得到所述指纹图像的评估结果。
本实施方式中,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述指纹频率区域特征利用深度学习算法计算得到所述指纹图像的评分。
本案对去除直流分量的指纹图像进行频域变换得到指纹图像的频谱能量图,提取所述频谱能量图中的指纹频率区域特征,及根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果,从而快速评价指纹图像的质量,减少指纹质量评估的计算的复杂度,简化指纹质量评估的流程。
实施例2
图2为本发明一实施方式中基于图像的指纹质量评估装置30的结构图。
在一些实施例中,所述基于图像的指纹质量评估装置30运行于电子设备中。所述基于图像的指纹质量评估装置30可以包括多个由程序代码段所组成的功能模块。所述基于图像的指纹质量评估装置30中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行指纹质量评估功能。
本实施例中,所述基于图像的指纹质量评估装置30根据其所执行的功能,可以被划分为多个功能模块。参阅图2所示,所述基于图像的指纹质量评估装置30可以包括采集模块301、直流去除模块302、频域变换模块303、特征提取模块304及评分模块305。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。所述在一些实施例中,关于各模块的功能将在后续的实施例中详述。
所述采集模块301用于采集指纹图像。
本实施方式中,所述采集模块301通过指纹传感器采集指纹图像。所述指纹传感器为光学指纹传感器、半导体电容指纹传感器、半导体热敏指纹传感器、半导体压感指纹传感器、超声波指纹传感器和射频指纹传感器中的至少一种。
所述直流去除模块302去除所述指纹图像中的直流分量。
本实施方式中,所述直流去除模块302去除所述指纹图像中的直流分量包括:通过指纹图像的每一像素点的像素值减去所述指纹图像的像素均值的方法去除指纹图像中的直流分量。在具体实施方式中,所述直流去除模块302按照公式计算所述指纹图像中的所有像素点的像素均值,其中h为所述指纹图像在高度上的像素点个数,w为所述指纹图像在宽度上的像素点个数,I(x,y)为所述指纹图像中的像素点;及将所述指纹图像中的每个像素点的像素值减去所述指纹图像的像素均值,如此去除所述指纹图像中的直流分量。
在另一实施方式中,所述直流去除模块302去除所述指纹图像中的直流分量包括:通过对所述指纹图像进行高通滤波去除所述指纹图像中的直流分量。在其他实施方式中,所述直流去除模块302去除所述指纹图像中的直流分量包括:通过所述指纹图像减去所述指纹图像的均值滤波后的图像以去除所述指纹图像中的直流分量。本实施方式中,通过去除指纹图像中的直流分量可以保证指纹图像中的指纹频率信息占据频域能量谱地主要成分。本案中,所有不同形式地去除指纹图像地直流分量的方案均属于本案所保护地范畴。
所述频域变换模块303对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图。
本实施方式中,所述频域变换模块303对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:对去除直流分量的所述指纹图像进行FFT变换得到所述指纹图像的频谱图。在另一实施方式中,所述对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:对去除直流分量的所述指纹图像进行小波变换方法得到所述指纹图像的频谱图。本案中,所有不同形式地对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图的方案均属于本案所保护地范畴。
本实施方式中,所述频域变换模块303根据所述图像的频谱图计算出所述指纹图像的频谱能量图包括:根据公式E(x,y)=F(x,y)·F(x,y)计算出所述指纹图像的频谱能量图,其中,所述(x,y)为所述指纹图像中的像素点的坐标,F(x,y)为所述指纹图像中的频谱图,E(x,y)为所述指纹图像中的频谱能量图。
所述特征提取模块304提取所述频谱能量图中的指纹频率区域特征。
本实施方式中,所述特征提取模块304提取所述频谱能量图中的指纹频率区域特征包括:预设所述指纹图像的频域检测区域;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。在具体实施方式中,所述特征提取模块304预设所述指纹图像的频域检测区域包括:采集标准指纹图像,通过图像处理工具查看标准指纹图像的频率分布位置,设定检测标准指纹图像的位置频率点为f0,并设定标准指纹图像的指纹频带区域范围为一个椭圆形区域;将标准指纹图像的频域图像的频率信息归一化,且归一化后的频域图像的中心代表频域图像的0频率,远离频域图像的中心的区域为高频区域;将所述频域检测区域设定为[f1-delta,f1+delta],其中,f1为归一化后的标准指纹图像的位置频率点,delta为调整参数且取值为0.1。本实施方式中,调整参数delta可以依据人类指纹脊谷频率不可能无限大或无限小而是有一定的分布范围的原理进行设定。当调整参数delta设定为0.1时所确定的频域检测区域以囊括99%以上的使用群体。
在一实施方式中,所述提取所述频谱能量图中的指纹频率区域特征包括:遍历所述频谱能量图提取出所述频谱能量图中能量最大值点作为所述位置频率点f0并进行归一化,将所述频域检测区域设定为[f0-delta,f0+delta],从而实时得到所述频域检测区域,其中,delta为调整参数且取值为0.1;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征。
本实施方式中,所述指纹频率区域特征为表示频率强度与分布的特征。本实施方式中,所述指纹频率区域特征包括均值、标准差、方差、极大/极小值差异、熵中的至少一者。本案中,所述指纹图像的指纹频率区域特征不局限于均值、标准差、方差、极大/极小值差异、熵,只要是表征指纹图像中的频率强度与分布的特征均属于本案所保护地范畴。
所述评分模块305根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
本实施方式中,所述评分模块305根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述指纹频率区域特征查找评分关系表确认与所述指纹频率区域特征对应的评分得到所述指纹图像的评估结果,其中,所述评分关系表中定义多个不同的指纹频率区域特征与多个不同的评分的对应关系。例如,所述指纹频率区域特征为标准差,所述评分关系表中定义多个不同的标准差与多个不同的评分的对应关系,所述评分模块305根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述标准差查找评分关系表确认与所述标准差对应的评分得到所述指纹图像的评估结果。再例如,所述指纹频率区域特征为均值,所述评分关系表中定义多个不同的均值与多个不同的评分的对应关系,所述评分模块305根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述均值查找评分关系表确认与所述均值对应的评分得到所述指纹图像的评估结果。
本实施方式中,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:根据所述指纹频率区域特征利用深度学习算法计算得到所述指纹图像的评分。
本案对去除直流分量的指纹图像进行频域变换得到指纹图像的频谱能量图,提取所述频谱能量图中的指纹频率区域特征,及根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果,从而快速评价指纹图像的质量,减少指纹质量评估的计算的复杂度,简化指纹质量评估的流程。
实施例3
图3为本发明一实施方式中电子设备6的示意图。
所述电子设备6包括存储器61、处理器62以及存储在所述存储器61中并可在所述处理器62上运行的计算机程序63。所述处理器62执行所述计算机程序63时实现上述基于图像的指纹质量评估方法实施例中的步骤,例如图1所示的步骤S11~S15。或者,所述处理器62执行所述计算机程序63时实现上述基于图像的指纹质量评估装置实施例中各模块/单元的功能,例如图2中的模块301~305。
示例性的,所述计算机程序63可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器62执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序63在所述电子设备6中的执行过程。例如,所述计算机程序63可以被分割成图2中的采集模块301、直流去除模块302、频域变换模块303、特征提取模块304及评分模块305,各模块具体功能参见实施例2。
本实施方式中,所述电子设备6可以是桌上型计算机、笔记本、掌上电脑、服务器及云端终端装置等计算设备。本领域技术人员可以理解,所述示意图仅仅是电子设备6的示例,并不构成对电子设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备6还可以包括输入输出设备、网络接入设备、总线等。
所称处理器62可以是中央处理模块(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器62也可以是任何常规的处理器等,所述处理器62是所述电子设备6的控制中心,利用各种接口和线路连接整个电子设备6的各个部分。
所述存储器61可用于存储所述计算机程序63和/或模块/单元,所述处理器62通过运行或执行存储在所述存储器61内的计算机程序和/或模块/单元,以及调用存储在存储器61内的数据,实现所述电子设备6的各种功能。所述存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备6的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器61可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述电子设备6集成的模块/单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的电子设备和方法,可以通过其它的方式实现。例如,以上所描述的电子设备实施例仅仅是示意性的,例如,所述模块的划分,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。
另外,在本发明各个实施例中的各功能模块可以集成在相同处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
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或基本特征的情况下,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涵括在本发明内。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,显然“包括”一词不排除其他模块或步骤,单数不排除复数。电子设备权利要求中陈述的多个模块或电子设备也可以由同一个模块或电子设备通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于图像的指纹质量评估方法,其特征在于,所述方法包括:
采集指纹图像;
去除所述指纹图像中的直流分量;
对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图,包括:根据公式E(x,y)=F(x,y)·F(x,y)计算出所述指纹图像的频谱能量图,其中,(x,y)为所述指纹图像的像素点的坐标,F(x,y)为所述指纹图像的频谱图,E(x,y)为所述指纹图像的频谱能量图;
提取所述频谱能量图中的指纹频率区域特征,包括:遍历所述频谱能量图提取出所述频谱能量图中能量最大值点作为位置频率点f0并进行归一化,将频域检测区域设定为[f0-delta,f0+delta],其中,delta为调整参数;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征;
根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
2.如权利要求1所述的基于图像的指纹质量评估方法,其特征在于,所述去除所述指纹图像中的直流分量包括:通过所述指纹图像的每一像素点的像素值减去所述指纹图像的像素均值的方法去除指纹图像中的直流分量。
4.如权利要求1所述的基于图像的指纹质量评估方法,其特征在于,所述去除所述指纹图像中的直流分量包括:
通过对所述指纹图像进行高通滤波去除所述指纹图像中的直流分量。
5.如权利要求1所述的基于图像的指纹质量评估方法,其特征在于,所述对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图包括:
对去除直流分量的所述指纹图像进行快速傅里叶变换得到所述指纹图像的频谱图。
6.如权利要求1所述的基于图像的指纹质量评估方法,其特征在于,所述根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果包括:
根据所述指纹频率区域特征查找评分关系表确认与所述指纹频率区域特征对应的评分得到所述指纹图像的评估结果,其中,所述评分关系表中定义多个不同的指纹频率区域特征与多个不同的评分的对应关系。
7.一种基于图像的指纹质量评估装置,其特征在于,所述装置包括:
采集模块,用于采集指纹图像;
直流去除模块,用于去除所述指纹图像中的直流分量;
频域变换模块,用于对去除直流分量的所述指纹图像进行频域变换得到所述指纹图像的频谱图,并根据所述指纹图像的频谱图计算出所述指纹图像的频谱能量图,包括:根据公式E(x,y)=F(x,y)·F(x,y)计算出所述指纹图像的频谱能量图,其中,(x,y)为所述指纹图像的像素点的坐标,F(x,y)为所述指纹图像的频谱图,E(x,y)为所述指纹图像的频谱能量图;
特征提取模块,用于提取所述频谱能量图中的指纹频率区域特征,包括:遍历所述频谱能量图提取出所述频谱能量图中能量最大值点作为位置频率点f0并进行归一化,将频域检测区域设定为[f0-delta,f0+delta],其中,delta为调整参数;及提取所述频谱能量图在所述频域检测区域的指纹频率区域特征;
评分模块,用于根据所述指纹频率区域特征对所述指纹图像进行评分得到所述指纹图像的评估结果。
8.一种电子设备,其特征在于:所述电子设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-6中任一项所述基于图像的指纹质量评估方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010028285.5A CN111179265B (zh) | 2020-01-10 | 2020-01-10 | 基于图像的指纹质量评估方法、装置及电子设备 |
TW109108510A TWI754242B (zh) | 2020-01-10 | 2020-03-13 | 基於圖像的指紋品質評估方法、裝置及電子設備 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010028285.5A CN111179265B (zh) | 2020-01-10 | 2020-01-10 | 基于图像的指纹质量评估方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111179265A CN111179265A (zh) | 2020-05-19 |
CN111179265B true CN111179265B (zh) | 2023-04-18 |
Family
ID=70650993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010028285.5A Active CN111179265B (zh) | 2020-01-10 | 2020-01-10 | 基于图像的指纹质量评估方法、装置及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111179265B (zh) |
TW (1) | TWI754242B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781457A (zh) * | 2020-07-24 | 2020-10-16 | 上海擎度汽车科技有限公司 | 一种用于电子产品emc传导发射的测试系统及方法 |
CN112232163B (zh) * | 2020-09-30 | 2022-04-15 | 墨奇科技(北京)有限公司 | 指纹采集方法及装置、指纹比对方法及装置、设备 |
CN112232159B (zh) * | 2020-09-30 | 2021-12-07 | 墨奇科技(北京)有限公司 | 指纹识别的方法、装置、终端及存储介质 |
WO2022068931A1 (zh) * | 2020-09-30 | 2022-04-07 | 墨奇科技(北京)有限公司 | 非接触指纹识别方法、装置、终端及存储介质 |
CN112434572B (zh) * | 2020-11-09 | 2022-05-06 | 北京极豪科技有限公司 | 指纹图像校准方法、装置、电子设备及存储介质 |
CN113838139A (zh) * | 2021-08-13 | 2021-12-24 | 北京极豪科技有限公司 | 图像传感器的参数检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708364A (zh) * | 2012-05-31 | 2012-10-03 | 西安电子科技大学 | 基于分级分类器的指纹图像分类方法 |
JP2013171306A (ja) * | 2012-02-17 | 2013-09-02 | Nec Soft Ltd | 指紋品質評価装置、指紋品質評価方法、指紋品質評価プログラム |
CN104239306A (zh) * | 2013-06-08 | 2014-12-24 | 华为技术有限公司 | 多媒体指纹哈希矢量构建方法及其装置 |
CN105975909A (zh) * | 2016-04-27 | 2016-09-28 | 湖南工业大学 | 一种基于分形维数的指纹分类方法及指纹三级分类方法 |
CN106650572A (zh) * | 2016-09-12 | 2017-05-10 | 深圳芯启航科技有限公司 | 一种指纹图像的质量评估方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324944B (zh) * | 2013-06-26 | 2016-11-16 | 电子科技大学 | 一种基于svm和稀疏表示的假指纹检测方法 |
CN106778459B (zh) * | 2015-12-31 | 2021-02-12 | 深圳市汇顶科技股份有限公司 | 指纹识别的方法及其指纹识别装置 |
CN107038432B (zh) * | 2017-05-12 | 2019-12-17 | 西安电子科技大学 | 基于频率信息的指纹图像方向场提取方法 |
US20190205611A1 (en) * | 2017-12-30 | 2019-07-04 | MorphoTrak, LLC | Quality-based ten-print match score normalization |
CN108764127A (zh) * | 2018-05-25 | 2018-11-06 | 京东方科技集团股份有限公司 | 纹理识别方法及其装置 |
-
2020
- 2020-01-10 CN CN202010028285.5A patent/CN111179265B/zh active Active
- 2020-03-13 TW TW109108510A patent/TWI754242B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013171306A (ja) * | 2012-02-17 | 2013-09-02 | Nec Soft Ltd | 指紋品質評価装置、指紋品質評価方法、指紋品質評価プログラム |
CN102708364A (zh) * | 2012-05-31 | 2012-10-03 | 西安电子科技大学 | 基于分级分类器的指纹图像分类方法 |
CN104239306A (zh) * | 2013-06-08 | 2014-12-24 | 华为技术有限公司 | 多媒体指纹哈希矢量构建方法及其装置 |
CN105975909A (zh) * | 2016-04-27 | 2016-09-28 | 湖南工业大学 | 一种基于分形维数的指纹分类方法及指纹三级分类方法 |
CN106650572A (zh) * | 2016-09-12 | 2017-05-10 | 深圳芯启航科技有限公司 | 一种指纹图像的质量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI754242B (zh) | 2022-02-01 |
TW202127376A (zh) | 2021-07-16 |
CN111179265A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179265B (zh) | 基于图像的指纹质量评估方法、装置及电子设备 | |
CN111312256B (zh) | 语音身份识别的方法、装置及计算机设备 | |
CN107092874A (zh) | 基于心电和指纹融合特征的身份识别方法、装置及系统 | |
CN107274915B (zh) | 一种基于特征融合的数字音频篡改自动检测方法 | |
CN106709469A (zh) | 基于脑电和肌电多特征的自动睡眠分期方法 | |
CN113283331B (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
CN107942214B (zh) | 一种变压器局部放电信号的特征提取方法、装置 | |
CN108121946B (zh) | 一种指纹图像预处理方法及装置 | |
CN104809702B (zh) | 基于频率域处理的脉诊曲线图像网格消除方法 | |
CN113723309A (zh) | 身份识别方法、身份识别装置、设备及存储介质 | |
CN111091107A (zh) | 一种人脸区域边缘检测方法、装置及存储介质 | |
CN110705619B (zh) | 雾浓度等级判别方法及装置 | |
CN112786057A (zh) | 一种声纹识别方法、装置、电子设备及存储介质 | |
CN111062916B (zh) | 显微图像的清晰度评价方法及装置 | |
CN111507254A (zh) | 制作逐字歌词的方法、装置、终端和非临时性计算机可读存储介质 | |
CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN113679396A (zh) | 疲劳识别模型的训练方法、装置、终端及介质 | |
CN111860279A (zh) | 图像识别方法及装置、计算机存储介质 | |
Bhagavathy et al. | On the Rayleigh nature of Gabor filter outputs | |
CN108197536B (zh) | 图像处理方法及装置、计算机装置及可读存储介质 | |
CN113679386A (zh) | 对注意力进行识别的方法、装置、终端及介质 | |
CN112037814B (zh) | 一种音频指纹的提取方法、装置、电子设备及存储介质 | |
Popovic et al. | Robust enhancement of fingerprint images obtained by ink method | |
CN112200049B (zh) | 对路面地形进行数据标注的方法、装置、设备及存储介质 | |
CN113312946A (zh) | 指纹图像的特征提取方法、装置及计算机可读存储介质 |
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 |