CN111428673A - 一种用于指纹增强显示的偏振矢量彩色图像融合方法 - Google Patents

一种用于指纹增强显示的偏振矢量彩色图像融合方法 Download PDF

Info

Publication number
CN111428673A
CN111428673A CN202010250184.2A CN202010250184A CN111428673A CN 111428673 A CN111428673 A CN 111428673A CN 202010250184 A CN202010250184 A CN 202010250184A CN 111428673 A CN111428673 A CN 111428673A
Authority
CN
China
Prior art keywords
polarization
image
fingerprint
vector
light
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
CN202010250184.2A
Other languages
English (en)
Other versions
CN111428673B (zh
Inventor
胡浩丰
王辉
刘铁根
张燕彬
林洋
程振洲
韩迎东
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.)
Frontier Technology Research Institute of Tianjin University Co Ltd
Original Assignee
Frontier Technology Research Institute of Tianjin University 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 Frontier Technology Research Institute of Tianjin University Co Ltd filed Critical Frontier Technology Research Institute of Tianjin University Co Ltd
Priority to CN202010250184.2A priority Critical patent/CN111428673B/zh
Publication of CN111428673A publication Critical patent/CN111428673A/zh
Application granted granted Critical
Publication of CN111428673B publication Critical patent/CN111428673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/13Sensors therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1365Matching; Classification
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种用于指纹增强显示的偏振矢量彩色图像融合方法。该方法包括以下步骤:步骤1、调整光源偏振角和入射角度,消除杂散光,获得目标区域较清晰的偏振光强图像;步骤2、通过偏振图像计算检测区域的最优偏振角下的偏振参量和偏振度图像;步骤3、利用S(α)表示色度,偏振度表示饱和度,强度取为1,来构成一幅新的彩图表征指纹图像。本发明利用偏振成像技术,降低杂散光影响,并寻找多维偏振参量,融合得到彩色图像来表征指纹,图像更清晰。

Description

一种用于指纹增强显示的偏振矢量彩色图像融合方法
技术领域
本发明属于光学偏振成像领域,特别涉及一种用于指纹检测的偏振成像技术。
背景技术
指纹检测作为生物特征识别的代表性技术之一,在公安、金融、银行、安防等多个领域具有重要的应用,包括指纹鉴定犯罪嫌疑人、指纹考勤门禁、指纹锁、手机指纹身份认证等。作为一种无损、非接触检测方法,光学检验法是多种指纹检测方法中的首选。偏振信息作为光波的基本属性之一,蕴含着物体丰富的物理信息,尤其是偏振信息与物体的材质、表面形貌等物理信息密切相关。对于指纹这一类生物识别特征,其对偏振信息的调制比对光强信息的调制更加明显。因此,利用偏振成像技术能够增强反差,突出指纹特征,同时还能够消除镜面反光和背景干扰,降低背景亮度。目前,利用偏振成像技术进行指纹检测已经得到了一定的研究和应用。然而,在目前的指纹偏振成像研究中,大多基于单个偏振方向的光强图像,并且多采用灰度图像显示指纹,因而其对于偏振信息以及色彩空间的利用并不充分,导致指纹成像的效果尚待进一步提升。
发明内容
本发明针对传统偏振指纹成像技术中只使用灰度空间表征图像的局限性,提出一种用于指纹增强显示的偏振矢量彩色图像融合方法,利用指纹的多个偏振参量,构造复合偏振矢量,并利用HIS颜色空间彩色图像表征指纹偏振图像的方法,可有效增强指纹图像显示效果。
本发明的技术方案是
一种用于指纹增强显示的偏振矢量彩色图像融合方法,即基于Stokes偏振参量融合的指纹图像增强方法,该方法通过获取多维Stokes偏振参量指纹图像,并将其融合成彩色图像,达到增强显示的效果,该方法包括以下步骤:
步骤(1)、通过调整照明光源的偏振角度、光源照射角度和相机成像角度,偏振成像系统可以有效降低强反射光、散射光对成像的影响,从而获得较清晰的指纹偏振图像,这时成像系统采集到的偏振光强图像可表示为:
I=W·S
等式左侧I为四个光强组成的向量I=(I1,I2,I3,I4)T,其中元素I1、I2、I3、I4分别表示偏振分析器(polarization state analyzer,PSA)在不同角度时的光强图像,等式右侧S=(S0,S1,S2,S3)T为目标指纹反射光的Stokes矢量,其中的元素S0、S1、S2、S3为Stokes矢量的元素;测量矩阵W是进入PSA前的Stokes矢量S和经过PSA后测得的光强向量I之间的变换矩阵,其中第i(i=1,2,3,4)行向量
Figure BDA0002435202840000021
表示PSA的某个测量向量,测量向量满足Ii=Ti·S。一般来讲,Ti是已知的,根据PSA的状态可以计算得到Ti。利用光强图像可以求得入射光场的完整Stokes矢量:
S=W-1·I;
其中W-1表示W的逆矩阵;
步骤(2)、根据求得的Stokes矢量,计算偏振角α下的偏振参量S(α):
Figure BDA0002435202840000022
通过遍历法选取最优的角度α,降低背景和背景区域图案的影响,提升指纹的对比度。此外,计算获得待测区域的偏振度(degree ofpolarization,DoP)图像:
Figure BDA0002435202840000023
步骤(3)、用S(α)、DoP和1构造新的HSI矢量。其中,色度(Hue)用S(α)表示,饱和度(Saturation)用偏振度DoP表示,强度(Intensity)取为1,来构成一幅新的彩图表征指纹图像,即:
Figure BDA0002435202840000024
本发明的优点和有益效果:
相比传统技术的图像去噪方法,本发明的优点和积极效果包括:
1、利用偏振成像技术在图像采集过程中进行了初步的图像优化,降低杂散光影响,进一步通过算法提高了指纹图像的对比度;
2、算法的实现不需要对设备进行实际调节,而是通过算法找到偏振成像过程中最佳的PSA状态。
3、充分利用色彩空间,用多维度的偏振参量来表征指纹彩色图像,相对于传统的灰度指纹图像,彩色图像显示效果优良,指纹辨识度更高。
附图说明
图1为本发明的整体流程示意图;
图2为本发明反射光的偏振状态示意图;
图3为本发明基于一种偏振成像装置结构实施例2示意图;
附图标记:1、光源;2、偏振态发生器(PSG);3、待测目标;4、偏振分析器(PSA);5、相机;
图4为本发明用偏振参量融合得到的指纹彩色图像的灰度图像与传统光学成像得到的指纹灰度图像对比。其中(a)、(b)分别两组指纹图像的对比结果。(a)、(b)的左侧图像为传统光学成像得到的指纹灰度图像,右侧图像为本发明偏振参量融合得到的指纹彩色图像的灰度图像。
具体实施方式
下面将结合附图对本发明的实施方式作进一步的详细描述。
不同于传统的指纹光学成像技术,本发明利用偏振成像技术,获取待测区域的偏振参量信息,通过计算求得最佳偏振参量,并通过多维偏振参量融合,得到待测区域的彩色图像表征,大大加强指纹图像的对比度。实际应用中,通常采用线偏振光实现本发明的图像增强算法。本方法的整体流程如图1所示,该方法的具体步骤如下:
步骤1、利用成像系统(参见图3),调整偏振态发生器PSG的状态,获得偏振图像;根据偏振成像理论可知,成像系统采集到的前四幅图像表示为:
I=W·S
等式左侧I为四个光强组成的向量I=(I1,I2,I3,I4)T,其中元素I1、I2、I3、I4分别表示偏振分析器(polarization state analyzer,PSA)在0°、45°、90°、135°时的光强图像,等式右侧S=(S0,S1,S2,S3)T为目标指纹反射光的Stokes矢量,其中的元素S0、S1、S2、S3为Stokes矢量的元素;测量矩阵W是进入PSA前的Stokes矢量S和经过PSA后测得的光强向量I之间的变换矩阵,其中第i(i=1,2,3,4)行向量
Figure BDA0002435202840000041
表示PSA的某个测量向量,测量向量满足Ii=Ti·S。一般来讲,Ti是已知的,根据PSA的状态可以计算得到Ti。利用光强图像可以求得入射光场的完整Stokes矢量
S=W-1·I
步骤2、根据求得的Stokes矢量,计算角度α下的Stokes矢量S(α)
Figure BDA0002435202840000042
通过遍历法选取最优的角度α,降低背景和背景区域图案的影响。如图2所示,当PSA的偏振方向为图2中的两条虚线方向时,背景处反射光在两个虚线方向的夹角相同,所以有
Figure BDA0002435202840000043
其中,
Figure BDA0002435202840000044
表示偏振角为α时背景区域的非偏振分量光强,
Figure BDA0002435202840000045
表示偏振角为α时背景区域的偏振分量光强,
Figure BDA0002435202840000046
表示偏振角为α时指纹区域的非偏振分量光强,
Figure BDA0002435202840000047
表示偏振角为α时指纹区域的偏振分量光强,
Figure BDA0002435202840000048
表示偏振角为
Figure BDA0002435202840000049
时背景区域的非偏振分量光强,
Figure BDA00024352028400000410
表示偏振角为
Figure BDA00024352028400000411
时背景区域的偏振分量光强,
Figure BDA00024352028400000412
表示偏振角为
Figure BDA00024352028400000413
时指纹区域的非偏振分量光强,
Figure BDA00024352028400000414
表示偏振角为
Figure BDA00024352028400000415
时指纹区域的偏振分量光强。从上式可以看出,S(α)图像只有指纹的图像,消除了背景,可以提升指纹的对比度。
然后,根据偏振光学理论求得待测区域的偏振度(DoP)图像。
Figure BDA00024352028400000416
步骤3、用S(α)、DoP和1构造新的HSI矢量。用S(α)表示色度,DoP表示饱和度,强度取为1,来构成一幅新的彩图表征指纹图像,即:
Figure BDA0002435202840000051
实施例1:如图3示,为本发明的一种利用偏振成像技术实现指纹图像增强的装置结构示意图。整个装置包括光源1、PSG2、成像目标3、PSA4和相机5;其中成像目标3中包含待测指纹,且指纹区域中有图案,会影响指纹图像的显示。目标反射光经过PSA后,进入成像系统,从而采集得到偏振光强图。基于该装置,利用本发明的方法实现了指纹图像的增强显示,结果如图4(a)所示。
实施例2:在实施例1中,用分焦平面偏振相机代替PSA4和相机5,构成一个新的主动式偏振成像系统。在该系统中,测量图像不需要调节PSA的状态,而通过分焦平面偏振相机直接采集目标区域的偏振图像。该图像分别为0°、45°、90°、135°方向的偏振光强图像,分别记为I0、I45、I90、I135。根据这四幅图像可以计算出Stokes矢量三个元素S0、S1、S2图像、偏振度(degree of polarization,DoP)图像,结果如图4(b)所示。
Figure BDA0002435202840000052
S1=I0-I90
S2=I45-I135
根据Stokes参量可求得S(α)和
Figure BDA0002435202840000053
再根据步骤3的方法,即可求得指纹图像。

Claims (1)

1.一种用于指纹增强显示的偏振矢量彩色图像融合方法,其特征在于,该方法通过获取多维Stokes偏振参量指纹图像,并将其融合成彩色图像,达到增强显示的效果,该方法包括以下步骤:
步骤(1)、通过调整照明光源的偏振角度、光源照射角度和相机成像角度,偏振成像系统能够有效降低强反射光、散射光对成像的影响,从而获得较清晰的指纹偏振图像,这时成像系统采集到的偏振光强图像可表示为:
I=W·S
等式左侧I为四个光强组成的向量I=(I1,I2,I3,I4)T,其中的元素I1、I2、I3、I4分别表示偏振分析器(polarization state analyzer,PSA)在不同角度时的光强图像,等式右侧S=(S0,S1,S2,S3)T为目标指纹反射光的Stokes矢量,其中的元素S0、S1、S2、S3为Stokes矢量的元素;测量矩阵W是进入PSA前的Stokes矢量S和经过PSA后测得的光强向量I之间的变换矩阵,其中第i行向量
Figure FDA0002435202830000011
表示PSA的某个测量向量,i=1,2,3,4,测量向量满足Ii=Ti·S;一般来讲,Ti是已知的,根据PSA的状态能够计算得到Ti;利用光强图像能够求得入射光场的完整Stokes矢量:
S=W-1·I;
其中W-1表示W的逆矩阵;
步骤(2)、根据求得的Stokes矢量,计算偏振角α下的偏振参量S(α):
Figure FDA0002435202830000012
通过遍历法选取最优的角度α,降低背景和背景区域图案的影响,提升指纹的对比度;此外,计算获得待测区域的偏振度(degree of polarization,DoP)图像:
Figure FDA0002435202830000013
在本方法中,将偏振度DoP作为彩色图像饱和度,彩色图像的强度取为1;
步骤(3)、用S(α)、DoP和1构造新的HSI矢量;用S(α)表示色度,DoP表示饱和度,强度取为1,来构成一幅新的彩图表征指纹图像,即:
Figure FDA0002435202830000021
CN202010250184.2A 2020-04-01 2020-04-01 一种用于指纹增强显示的偏振矢量彩色图像融合方法 Active CN111428673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010250184.2A CN111428673B (zh) 2020-04-01 2020-04-01 一种用于指纹增强显示的偏振矢量彩色图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010250184.2A CN111428673B (zh) 2020-04-01 2020-04-01 一种用于指纹增强显示的偏振矢量彩色图像融合方法

Publications (2)

Publication Number Publication Date
CN111428673A true CN111428673A (zh) 2020-07-17
CN111428673B CN111428673B (zh) 2023-06-09

Family

ID=71550429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010250184.2A Active CN111428673B (zh) 2020-04-01 2020-04-01 一种用于指纹增强显示的偏振矢量彩色图像融合方法

Country Status (1)

Country Link
CN (1) CN111428673B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111879791A (zh) * 2020-07-30 2020-11-03 西湖大学 一种图案表面凸起特征增强的机器视觉系统及方法
CN112185126A (zh) * 2020-09-27 2021-01-05 杭州海康威视数字技术股份有限公司 一种偏振角度的确定方法、装置及设备
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070280513A1 (en) * 2004-04-27 2007-12-06 The Trustees Of The University Of Pennslyvania Polarization and Reflection Based Non-Contact Latent Fingerprint Imaging and Lifting
CN106504291A (zh) * 2016-10-26 2017-03-15 天津大学 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法
CN107817050A (zh) * 2017-09-07 2018-03-20 天津大学 基于彩色相机的多光谱彩色偏振成像对比度优化的方法
CN107909547A (zh) * 2017-09-30 2018-04-13 天津大学 一种基于Stokes偏振图像相关性的偏振图像去噪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070280513A1 (en) * 2004-04-27 2007-12-06 The Trustees Of The University Of Pennslyvania Polarization and Reflection Based Non-Contact Latent Fingerprint Imaging and Lifting
CN106504291A (zh) * 2016-10-26 2017-03-15 天津大学 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法
CN107817050A (zh) * 2017-09-07 2018-03-20 天津大学 基于彩色相机的多光谱彩色偏振成像对比度优化的方法
CN107909547A (zh) * 2017-09-30 2018-04-13 天津大学 一种基于Stokes偏振图像相关性的偏振图像去噪方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
WOLFF L B: "Polarization vision: a new sensory approach to image understanding", 《IMAGE&VISION COMPUTING》 *
周浦城等: "基于颜色迁移和聚类分割的偏振图像融合方法", 《光子学报》 *
常凌颖等: "分孔径全斯托克斯测量仪中元件参数的分析", 《西安邮电大学学报》 *
张绪国等: "偏振成像在目标探测中的应用", 《光电工程》 *
曾恒亮等: "利用偏振特性因子的偏振成像目标探测实验", 《光电工程》 *
王元铂等: "利用长波红外偏振成像与光强图像融合的实验研究", 《光学仪器》 *
王新等: "基于偏振成像和图像融合的目标识别技术", 《激光与红外》 *
陈振跃等: "基于HSI颜色空间和小波变换的多光谱图像和偏振图像融合实验研究", 《光子学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111879791A (zh) * 2020-07-30 2020-11-03 西湖大学 一种图案表面凸起特征增强的机器视觉系统及方法
CN111879791B (zh) * 2020-07-30 2023-06-20 西湖大学 一种图案表面凸起特征增强的机器视觉系统及方法
CN112185126A (zh) * 2020-09-27 2021-01-05 杭州海康威视数字技术股份有限公司 一种偏振角度的确定方法、装置及设备
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法
CN113421205B (zh) * 2021-07-16 2022-11-15 合肥工业大学 一种结合红外偏振成像的小目标检测方法

Also Published As

Publication number Publication date
CN111428673B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN111046703B (zh) 人脸防伪检测方法、装置及多目相机
CN111428673B (zh) 一种用于指纹增强显示的偏振矢量彩色图像融合方法
WO2019134536A1 (zh) 基于神经网络模型的人脸活体检测
CN106846289B (zh) 一种红外光强与偏振图像融合方法
Bhattacharjee et al. What you can't see can help you-extended-range imaging for 3d-mask presentation attack detection
CN105956578A (zh) 一种基于身份证件信息的人脸验证方法
CN106446872A (zh) 一种低照度下的视频人脸检测识别方法
CN105139367A (zh) 一种基于非下采样剪切波的可见光偏振图像融合方法
CN104103082A (zh) 一种基于区域描述和先验知识的图像显著性检测方法
CN107103266B (zh) 二维人脸欺诈检测分类器的训练及人脸欺诈检测方法
Shen et al. Rapid detection of camouflaged artificial target based on polarization imaging and deep learning
Junwu et al. An infrared and visible image fusion algorithm based on LSWT-NSST
Tian et al. Face anti-spoofing by learning polarization cues in a real-world scenario
Yemelyanov et al. Adaptive algorithms for two-channel polarization sensing under various polarization statistics with nonuniform distributions
CN111222472A (zh) 一种基于结构光频域特征的人脸识别方法
Wang et al. Polarization image fusion algorithm using NSCT and CNN
Sun et al. Understanding deep face anti-spoofing: from the perspective of data
Hao et al. VDFEFuse: A novel fusion approach to infrared and visible images
Ding et al. Multi-spectral color vision fusion jointly with two-stream feature interaction and color transformation network
Aishwarya et al. Palm print recognition using liveness detection technique
Ying et al. Region-aware RGB and near-infrared image fusion
CN111914750A (zh) 去除高亮特征和方向梯度直方图的面部活体检测方法
CN113901423B (zh) 一种基于人脸识别的智能安防设备控制方法和系统
Peng et al. A methodology for palm vein image enhancement and visualization
CN116977911A (zh) 基于注意力机制的目标检测模型及其训练方法、目标检测方法

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