CN111353332B - 指纹图像处理方法、装置和计算机可读存储介质 - Google Patents
指纹图像处理方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111353332B CN111353332B CN201811568020.3A CN201811568020A CN111353332B CN 111353332 B CN111353332 B CN 111353332B CN 201811568020 A CN201811568020 A CN 201811568020A CN 111353332 B CN111353332 B CN 111353332B
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- block
- noise
- image processing
- information
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种指纹图像处理方法、装置和计算机可读存储介质,涉及图像处理技术领域。指纹图像处理方法,包括:识别指纹图像中的特征信息和噪声信息;将指纹图像划分为多个区块;根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对区块进行修复,以便基于修复后的指纹图像进行指纹识别。本发明的实施例通过对指纹图像进行拆分,并对拆分后的每个区块选择相应的边缘检测算子进行有针对性的处理,从而同时提高了指纹图像的局部修复效果和整体修复效果。在采用本发明实施例处理后的指纹图像进行指纹识别时,能够提升识别的准确率。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种指纹图像处理方法、装置和计算机可读存储介质。
背景技术
指纹识别市场的快速发展得益于当下智慧生活方式的普及。移动支付、智能家居以及通讯安全管控等应用场景纷纷开始使用指纹识别技术来提高便捷性、安全性。在指纹识别操作的实际采样中,由于不同的识别对象存在生理构造的差异,例如皮肤干油度不同、是否具有疤痕等等,或者使用者采用了不当的采样操作,例如在手指具有油污、按压力度不均等情况下,“指纹残缺”、即指纹信息丢失的情况时有发生。因此,利用有效手段来增强图像中的有效信息,对提高识别的准确度有重要的意义。例如,边缘检测技术可以识别残缺的指纹。
发明内容
发明人经过分析后发现,利用单一的边缘检测技术对残缺指纹进行识别的方法准确率并不高。例如,若采集的指纹图像中同时存在强弱对比的“两极噪声”或类型多样化的混合噪声,单一检测技术只能针对局部区域或某类噪声进行降噪,图像的整体识别准确度较差。
本发明实施例所要解决的一个技术问题是:如何提高指纹识别的准确性。
根据本发明一些实施例的第一个方面,提供一种指纹图像处理方法,包括:识别指纹图像中的特征信息和噪声信息;将指纹图像划分为多个区块;根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对区块进行修复,以便基于修复后的指纹图像进行指纹识别。
在一些实施例中,特征信息包括特征类型、特征面积,噪声信息包括噪声类型、噪声面积。
在一些实施例中,指纹图像处理方法还包括:根据区块中的特征信息、噪声信息中的至少一种,确定区块的处理价值等级,其中,处理价值等级与区块中特征类型的数量、噪声类型的数量、特征面积、噪声面积成正相关关系。
在一些实施例中,根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对处理价值等级高于预设等级的区块进行修复。
在一些实施例中,指纹图像处理方法还包括:根据每个处理价值等级所需的单位计算资源,将指纹图像中的区块分配给多个线程,以便多个线程并行地对分配的每个区块进行修复;其中,不同的线程所分配的区块所需的单位计算资源总和的差距在预设范围内。
在一些实施例中,指纹图像处理方法还包括:将一个或多个判别类分解为一个或多个类型的特征。
在一些实施例中,指纹图像处理方法还包括:预先建立特征信息与边缘检测算子之间的对应关系,和/或,噪声信息与边缘检测算子之间的对应关系。
在一些实施例中,指纹图像处理方法还包括:根据修复后的每个区块的平均灰度值的加权计算结果,确定指纹图像的图像质量分数;响应于图像质量分数大于预设的阈值,对指纹图像进行识别。
根据本发明一些实施例的第二个方面,一种指纹图像处理装置,包括:信息识别模块,被配置为识别指纹图像中的特征信息和噪声信息;区块划分模块,被配置为将指纹图像划分为多个区块;区块修复模块,被配置为根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对区块进行修复,以便基于修复后的指纹图像进行指纹识别。
根据本发明一些实施例的第三个方面,提供一种指纹图像处理装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述任意一种指纹图像处理方法。
根据本发明一些实施例的第四个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意一种指纹图像处理方法。
上述发明中的一些实施例具有如下优点或有益效果:本发明的实施例通过对指纹图像进行拆分,并对拆分后的每个区块选择相应的边缘检测算子进行有针对性的处理,从而同时提高了指纹图像的局部修复效果和整体修复效果。在采用本发明实施例处理后的指纹图像进行指纹识别时,能够提升识别的准确率。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明一些实施例的指纹图像处理方法的流程示意图。
图2为根据本发明一些实施例的预处理方法的流程示意图。
图3为根据本发明一些实施例的区块处理价值等级确定结果的示意图。
图4为根据本发明一些实施例的区块修复方法的流程示意图。
图5为根据本发明一些实施例的指纹识别方法的流程示意图。
图6为根据本发明一些实施例的指纹图像处理装置的结构示意图。
图7为根据本发明另一些实施例的指纹图像处理装置的结构示意图。
图8为根据本发明又一些实施例的指纹图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为根据本发明一些实施例的指纹图像处理方法的流程示意图。如图1所示,该实施例的指纹图像处理方法包括步骤S102~S106。
在步骤S102中,识别指纹图像中的特征信息和噪声信息。
在一些实施例中,特征信息包括特征类型、特征面积,噪声信息包括噪声类型、噪声面积。特征和噪声的识别方法可以采用现有技术中的方法,这里不再赘述。
在步骤S104中,将指纹图像划分为多个区块。例如,可以将指纹图像平均划分为m行n列。从而,可以对每个区块分别进行处理。
在步骤S106中,根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对区块进行修复,以便基于修复后的指纹图像进行指纹识别。从而,可以针对每个区块的特点,选择最匹配的边缘检测算子进行修复。
例如,区块B1中只存在单一的混合噪声,则可以调用Sobel算子进行特征提取和修复;区块B2中只存在单一的边缘噪声,则可以调用Laplacian算子进行特征提取和修复;区块B3同时存在混合噪声和边缘噪声,则可以调用Sobel算子和Laplacian算子进行特征提取和修复等等。
上述实施例的方法通过对指纹图像进行拆分,并对拆分后的每个区块选择相应的边缘检测算子进行有针对性的处理,从而同时提高了指纹图像的局部修复效果和整体修复效果。在采用本发明实施例处理后的指纹图像进行指纹识别时,能够提升识别的准确率。
在一些实施例中,可以预先识别可处理的特征,并建立特征与算子之间的对应关系。下面参考图2描述本发明指纹图像处理的预处理过程的实施例。
图2为根据本发明一些实施例的预处理方法的流程示意图。如图2所示,该实施例的预处理方法包括步骤S202。
在步骤S202中,将一个或多个判别类分解为一个或多个类型的特征。
判别类是指易于识别的大类特征。例如,初级判别类可以包括指纹的色度特征、纹理特征;中级判别类可以包括指纹的场方向特征,例如脊线的场方向特征、谷线的场方向特征;高级判别类可以包括标准细节特征,例如纹线端点、纹线分叉、短线、眼线、点、三角、桥型、双叉、三叉、马刺型等形状特征。
设上述示例中的初级判别类、中级判别类、高级判别类分别采用A、B、C表示。首先可以构建检索模型O=O{D|(A,B,C)},其中D表示基于A、B、C表示的高维特征。由于部分高维特征可能暂时没有匹配的算子,因此可以将高位特征降解成一维特征,这些分解后的一维特征往往具有匹配的主流算子,从而可以提高指纹图像处理的效率。
例如,判别类A包括特征T1、T2和T3,判别类B包括特征T1、T4和T5,则通过对判别类进行降维拆解,在进行指纹图像处理时可以仅关注特征T1、T2、T3、T4和T5,提高了处理效率。
在一些实施例中,还可以包括步骤S204。
在步骤S204中,预先建立特征信息与边缘检测算子之间的对应关系,和/或,噪声信息与边缘检测算子之间的对应关系。然后可以将这些对应关系存储到检测库中,以便在对区块进行修复时能够快速地选择相应的边缘检测算子。
通过上述实施例的方法,可以通过预处理过程确定指纹图像处理时所需的特征和相应的算子,从而提高了指纹图像处理的效率。
为了进一步提高处理效率,可以根据每个区块中信息的复杂程度,确定每个区块的处理价值等级。在一些实施例中,可以根据区块中的特征信息、噪声信息中的至少一种,确定区块的处理价值等级,其中,处理价值等级与区块中特征类型的数量、噪声类型的数量、特征面积、噪声面积成正相关关系。即特征类型的数量、噪声类型的数量越多,特征面积、噪声面积越大,会使得区块的复杂度越高,从而处理价值等级越高。
图3为根据本发明一些实施例的区块处理价值等级确定结果的示意图。在获得指纹图像后,首先可以将指纹图像划分为m*n个区块,图3中的每一个方格代表一个区块。然后,可以标记第0行至第m-1行中每一行的包含有效指纹信息的起始区块和终止区块,以及标记第0列至第n-1列中每一列的包含有效指纹信息的最高区块和最低区块。从而,在每一行的起始区块和终止区块之间的区块以及每一列的最高区块和最低区块之间的区块为指纹区域。
在一些实施例中,可以选择相应的边缘检测算子对处理价值等级高于预设等级的区块进行修复。而处理价值等级不高于预设等级的区块则不进行修复。
指纹区域以外的区块可以视为处理价值等级最低的区块,例如可以称为5级区块,在图3中采用白色背景表示。这些区块的指纹特征量极少或者为0,对其进行去噪或提取特征处理不具有太大的意义,因此可以不进行处理。
对于指纹区域,可以采用前述实施例的方法确定区块的处理价值等级。例如,一些区块可能包含边缘噪声、混合噪声多种噪声类型,需要结合两种或两种以上的算子进行处理,这些区块可以视为具有最高处理价值等级,例如可以称为1级区块,在图3中采用点状背景表示。而对于只包含单一噪声、特征或噪声、特征在单位面积内占比较小的区块,采用单一算子即可处理,这些区块可以视为具有次低处理价值等级,例如可以称为4级区块,在图3中采用交叉线背景表示。复杂程度介于1级、4级区块之间的2级、3级区块分别采用竖线背景和斜线背景表示。
从而,经过上述方法,可以确定每个区块的处理价值等级,以便根据处理价值等级决定是否对区块进行进一步处理。
由于不同的处理价值等级反映了区块的复杂程度,因此,在一些实施例中,还可以基于每个区块的处理价值等级分配计算资源。下面参考图4描述本发明区块修复方法的实施例。
图4为根据本发明一些实施例的区块修复方法的流程示意图。如图4所示,该实施例的区块修复方法包括步骤S402~S406。
在步骤S402中,确定每个区块的处理价值等级。
在步骤S404中,根据每个处理价值等级所需的单位计算资源,将指纹图像中的区块分配给多个线程。不同的线程所分配的区块所需的单位计算资源总和的差距在预设范围内。
在步骤S406中,多个线程并行地对分配的每个区块进行修复。每个线程都可以对指纹图像进行扫描,当扫描到自身分配到的区块时,采用相应的算子进行处理。
通过上述实施例的方法,可以对指纹图像中的区块进行并行处理,并且根据每个区块的处理难度进行均匀的任务分配,提高了图像处理的效率。
在进行修复后,可以根据修复结果决定是否进行识别。下面参考图5描述本发明指纹识别方法的实施例。
图5为根据本发明一些实施例的指纹识别方法的流程示意图。如图5所示,该实施例的指纹识别方法包括步骤S502~S504。
在步骤S502中,根据修复后的每个区块的平均灰度值的加权计算结果,确定指纹图像的图像质量分数。图像质量分数S的一个示例性的计算方式可以参考公式(1)。
S=s1w1+s2w2+…+siwi (1)
每个区块的权重可以根据每个区块中的每种噪声类型的权重以及每种噪声类型在区块中的占比确定。例如,可以将区块中的每种噪声类型在区块中的占比的加权和作为区块的权重。
在步骤S504中,响应于图像质量分数大于预设的阈值,对指纹图像进行识别。
如果图像质量分数不大于预设的阈值,可以重新采集图像,或者采用其他方式进行进一步的增强处理,这里不再赘述。
灰度值可以反映一幅图像中的信息量。通过基于区块的灰度值计算处理后的图像的图像质量分数,可以更客观地衡量图像处理效果,并对图像处理效果较好的图片进行进一步的识别,提高了识别的准确率。
下面参考图6描述本发明指纹图像处理装置的实施例。
图6为根据本发明一些实施例的指纹图像处理装置的结构示意图。如图6所示,该实施例的指纹图像处理装置60包括:信息识别模块610,被配置为识别指纹图像中的特征信息和噪声信息;区块划分模块620,被配置为将指纹图像划分为多个区块;区块修复模块630,被配置为根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对区块进行修复,以便基于修复后的指纹图像进行指纹识别。
在一些实施例中,特征信息包括特征类型、特征面积,噪声信息包括噪声类型、噪声面积。
在一些实施例中,指纹图像处理装置60还包括:等级确定模块640,被配置为根据区块中的特征信息、噪声信息中的至少一种,确定区块的处理价值等级,其中,处理价值等级与区块中特征类型的数量、噪声类型的数量、特征面积、噪声面积成正相关关系。
在一些实施例中,区块修复模块630进一步被配置为根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对处理价值等级高于预设等级的区块进行修复。
在一些实施例中,指纹图像处理装置60还包括:资源分配模块650,被配置为根据每个处理价值等级所需的单位计算资源,将指纹图像中的区块分配给多个线程,以便多个线程并行地对分配的每个区块进行修复;其中,不同的线程所分配的区块所需的单位计算资源总和的差距在预设范围内。
在一些实施例中,指纹图像处理装置60还包括:特征分解模块660,被配置为将一个或多个判别类分解为一个或多个类型的特征。
在一些实施例中,指纹图像处理装置60还包括:对应关系建立模块670,被配置为预先建立特征信息与边缘检测算子之间的对应关系,和/或,噪声信息与边缘检测算子之间的对应关系。
在一些实施例中,指纹图像处理装置60还包括:质量评估模块680,被配置为根据修复后的每个区块的平均灰度值的加权计算结果,确定指纹图像的图像质量分数;响应于图像质量分数大于预设的阈值,对指纹图像进行识别。
图7为根据本发明另一些实施例的指纹图像处理装置的结构示意图。如图7所示,该实施例的指纹图像处理装置70包括:存储器710以及耦接至该存储器710的处理器720,处理器720被配置为基于存储在存储器710中的指令,执行前述任意一个实施例中的指纹图像处理方法。
其中,存储器710例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
图8为根据本发明又一些实施例的指纹图像处理装置的结构示意图。如图8所示,该实施例的指纹图像处理装置80包括:存储器810以及处理器820,还可以包括输入输出接口830、网络接口840、存储接口850等。这些接口830,840,850以及存储器810和处理器820之间例如可以通过总线860连接。其中,输入输出接口830为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口840为各种联网设备提供连接接口。存储接口850为SD卡、U盘等外置存储设备提供连接接口。
本发明的实施例还提供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,该程序被处理器执行时实现前述任意一种指纹图像处理方法。
本领域内的技术人员应当明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种指纹图像处理方法,包括:
预先建立特征信息与边缘检测算子之间的对应关系,和/或,噪声信息与边缘检测算子之间的对应关系;
识别指纹图像中的特征信息和噪声信息,其中,所述特征信息包括特征类型、特征面积,所述噪声信息包括噪声类型、噪声面积;
将指纹图像划分为多个区块;
根据区块中的特征信息、噪声信息中的至少一种,确定区块的处理价值等级,其中,处理价值等级与区块中特征类型的数量、噪声类型的数量、特征面积、噪声面积成正相关关系;
根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对处理价值等级高于预设等级的区块进行修复,以便基于修复后的指纹图像进行指纹识别。
2.根据权利要求1所述的指纹图像处理方法,还包括:
根据每个处理价值等级所需的单位计算资源,将指纹图像中的区块分配给多个线程,以便多个线程并行地对分配的每个区块进行修复;
其中,不同的线程所分配的区块所需的单位计算资源总和的差距在预设范围内。
3.根据权利要求1所述的指纹图像处理方法,还包括:
将一个或多个判别类分解为一个或多个类型的特征。
4.根据权利要求1所述的指纹图像处理方法,还包括:
根据修复后的每个区块的平均灰度值的加权计算结果,确定指纹图像的图像质量分数;
响应于所述图像质量分数大于预设的阈值,对指纹图像进行识别。
5.一种指纹图像处理装置,包括:
对应关系建立模块,被配置为预先建立特征信息与边缘检测算子之间的对应关系,和/或,噪声信息与边缘检测算子之间的对应关系;
信息识别模块,被配置为识别指纹图像中的特征信息和噪声信息,其中,所述特征信息包括特征类型、特征面积,所述噪声信息包括噪声类型、噪声面积;
区块划分模块,被配置为将指纹图像划分为多个区块;
等级确定模块,被配置为根据区块中的特征信息、噪声信息中的至少一种,确定区块的处理价值等级,其中,处理价值等级与区块中特征类型的数量、噪声类型的数量、特征面积、噪声面积成正相关关系;
区块修复模块,被配置为根据区块中的特征信息、噪声信息中的至少一种,选择相应的边缘检测算子对处理价值等级高于预设等级的区块进行修复,以便基于修复后的指纹图像进行指纹识别。
6.一种指纹图像处理装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1~4中任一项所述的指纹图像处理方法。
7.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1~4中任一项所述的指纹图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811568020.3A CN111353332B (zh) | 2018-12-21 | 2018-12-21 | 指纹图像处理方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811568020.3A CN111353332B (zh) | 2018-12-21 | 2018-12-21 | 指纹图像处理方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353332A CN111353332A (zh) | 2020-06-30 |
CN111353332B true CN111353332B (zh) | 2023-06-02 |
Family
ID=71195667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811568020.3A Active CN111353332B (zh) | 2018-12-21 | 2018-12-21 | 指纹图像处理方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114299545A (zh) * | 2021-12-30 | 2022-04-08 | 新瑞鹏宠物医疗集团有限公司 | 宠物身份识别方法、装置、服务器及计算机可读存储介质 |
CN116665256B (zh) * | 2023-06-05 | 2024-03-15 | 长春理工大学 | 一种基于指纹图像局部区域质量的指纹匹配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009126461A2 (en) * | 2008-04-09 | 2009-10-15 | Eyep, Inc. | Noise filter |
CN102254172A (zh) * | 2011-06-16 | 2011-11-23 | 电子科技大学 | 一种基于细胞神经网络和形态学的指纹图像分割方法 |
CN103678196A (zh) * | 2013-12-18 | 2014-03-26 | 中国电子科技集团公司第四十一研究所 | 一种红外图像采集与处理系统性能评估装置及评估方法 |
CN105528769A (zh) * | 2015-12-11 | 2016-04-27 | 上海兴芯微电子科技有限公司 | 图像修补方法及系统 |
CN106056553A (zh) * | 2016-05-31 | 2016-10-26 | 哈尔滨工业大学深圳研究生院 | 基于紧框架特征字典的图像修复方法 |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
CN107004255A (zh) * | 2014-09-23 | 2017-08-01 | 英特尔公司 | 使用自相似度驱动混合的带细节保留的非局部均值图像去噪 |
CN108532670A (zh) * | 2018-04-23 | 2018-09-14 | 王洁 | 挖掘机语音控制系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576999B (zh) * | 2009-06-01 | 2012-10-17 | 杭州晟元芯片技术有限公司 | 一种指纹图像方向增强方法 |
US8780225B2 (en) * | 2011-10-12 | 2014-07-15 | Apple Inc. | Use of noise-optimized selection criteria to calculate scene white points |
CN102682428B (zh) * | 2012-04-18 | 2014-11-05 | 浙江大学城市学院 | 一种基于方向场的指纹图像计算机自动化修补方法 |
US9202299B2 (en) * | 2013-12-20 | 2015-12-01 | Adobe Systems Incorporated | Hint based spot healing techniques |
US9195879B1 (en) * | 2014-08-31 | 2015-11-24 | Qualcomm Incorporated | Air/object determination for biometric sensors |
CN105469083B (zh) * | 2015-11-13 | 2019-05-17 | Oppo广东移动通信有限公司 | 指纹图像处理方法、装置和终端设备 |
CN106778498A (zh) * | 2016-11-13 | 2017-05-31 | 北海和思科技有限公司 | 一种增强指纹图像识别的方法 |
CN107239737A (zh) * | 2017-05-03 | 2017-10-10 | 广东欧珀移动通信有限公司 | 一种光学指纹识别方法及相关产品 |
CN108805840B (zh) * | 2018-06-11 | 2021-03-26 | Oppo(重庆)智能科技有限公司 | 图像去噪的方法、装置、终端及计算机可读存储介质 |
-
2018
- 2018-12-21 CN CN201811568020.3A patent/CN111353332B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009126461A2 (en) * | 2008-04-09 | 2009-10-15 | Eyep, Inc. | Noise filter |
CN102254172A (zh) * | 2011-06-16 | 2011-11-23 | 电子科技大学 | 一种基于细胞神经网络和形态学的指纹图像分割方法 |
CN103678196A (zh) * | 2013-12-18 | 2014-03-26 | 中国电子科技集团公司第四十一研究所 | 一种红外图像采集与处理系统性能评估装置及评估方法 |
CN107004255A (zh) * | 2014-09-23 | 2017-08-01 | 英特尔公司 | 使用自相似度驱动混合的带细节保留的非局部均值图像去噪 |
CN105528769A (zh) * | 2015-12-11 | 2016-04-27 | 上海兴芯微电子科技有限公司 | 图像修补方法及系统 |
CN106056553A (zh) * | 2016-05-31 | 2016-10-26 | 哈尔滨工业大学深圳研究生院 | 基于紧框架特征字典的图像修复方法 |
CN106296612A (zh) * | 2016-08-09 | 2017-01-04 | 南京工业大学 | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 |
CN108532670A (zh) * | 2018-04-23 | 2018-09-14 | 王洁 | 挖掘机语音控制系统 |
Non-Patent Citations (2)
Title |
---|
Chemical Fingerprint and Quantitative Analysis of Cistanche Deserticola by HPLC-DAD-ESI-MS;Yang, ZY;JOURNAL OF FOOD AND DRUG ANALYSIS;第21卷(第1期);50-57 * |
指纹图像预处理对指纹特征点的影响;程栋等;湖北警官学院学报;第28卷(第3期);145-147 * |
Also Published As
Publication number | Publication date |
---|---|
CN111353332A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463141B (zh) | 一种基于智能卡的指纹模板录入方法及装置 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN108960412B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
Liu et al. | Estimation of signal dependent noise parameters from a single image | |
CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
CN111353332B (zh) | 指纹图像处理方法、装置和计算机可读存储介质 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN112036323B (zh) | 签名笔迹鉴别方法、客户端及服务器 | |
CN107358148B (zh) | 一种基于手写识别的防作弊网络调研的方法及装置 | |
CN111091106A (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN111553241A (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
CN112532884B (zh) | 识别方法、装置及电子设备 | |
CN102855025B (zh) | 一种基于视觉注意模型的光学多点触控触点检测方法 | |
CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
CN114255352A (zh) | 一种河道提取方法、装置及计算机可读存储介质 | |
CN110795993A (zh) | 一种构建模型的方法、装置、终端设备及介质 | |
CN111753722B (zh) | 一种基于特征点类型的指纹识别方法及装置 | |
CN111626313A (zh) | 一种特征提取模型训练方法、图像处理方法及装置 | |
CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
CN112016606A (zh) | 一种应用程序app的检测方法、装置、设备及存储介质 | |
CN112395981B (zh) | 一种基于指静脉图像的认证方法、装置、设备及介质 | |
Sameer Anaz et al. | Comparison between open CV and MATLAB performance in real time applications | |
CN111881859B (zh) | 模板生成方法和装置 |
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 |