CN111666807A - 一种基于卷积稀疏表示的多源指纹图像融合方法 - Google Patents
一种基于卷积稀疏表示的多源指纹图像融合方法 Download PDFInfo
- Publication number
- CN111666807A CN111666807A CN202010309929.8A CN202010309929A CN111666807A CN 111666807 A CN111666807 A CN 111666807A CN 202010309929 A CN202010309929 A CN 202010309929A CN 111666807 A CN111666807 A CN 111666807A
- Authority
- CN
- China
- Prior art keywords
- fingerprint image
- cartoon
- component
- fusion
- texture
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000013441 quality evaluation Methods 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 3
- 210000002615 epidermis Anatomy 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 210000003491 skin Anatomy 0.000 description 6
- 238000012014 optical coherence tomography Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 210000004207 dermis Anatomy 0.000 description 2
- 230000002500 effect on skin Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002445 nipple Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 210000000434 stratum corneum Anatomy 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
-
- 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
- G06V40/1335—Combining adjacent partial images (e.g. slices) to create a composite input or reference pattern; Tracking a sweeping finger movement
-
- 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
- G06V10/513—Sparse representations
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
一种基于卷积稀疏表示的多源指纹图像融合方法,包括如下步骤:1)获取预先配准好内部和外部指纹图像,采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通与纹理分量的稀疏系数图;2)根据指纹图像质量评价指标方向确定度的值,确定权重添加方式,将其添加至两种源指纹图像的卡通与纹理分量中;3)采用基于卷积稀疏表示的融合方法对两种源指纹图像的卡通与纹理分量分别进行融合,由加权平均规则获得卡通与纹理分量的融合系数图,对两种分量的融合系数图进行重建得到融合指纹图像。本发明算法能够保留更多的指纹细节、纹理、边缘信息,保存两种源指纹图像质量较好的区域,得到质量更高的融合指纹图像。
Description
技术领域
本发明涉及指纹识别领域,特别涉及一种基于卷积稀疏表示的多源指纹图像融合方法。
背景技术
因为指纹的唯一性、永久性以及便于采集等特性,指纹识别特征当前已经成为个人身份识别应用最广泛的生物识别特征;目前身份识别应用中使用最多的是表皮层指纹,也即人眼所能看到的指尖表皮的外部指纹,因为指尖皮肤存在于皮肤的表面,很容易受到外部环境的影响,当指尖表面皮肤受到污渍和汗水等污染或者遭受磨损和划伤等带来不可修复的损伤时,会破坏指纹的纹理结构,无法进行指纹识别任务,进而影响身份识别。此外,外部指纹图像的安全性不高,硅胶等材料就能获取到外部指纹,很容易受到指纹欺骗攻击。
内部指纹的获取和使用可以缓解外部指纹的缺点,实际上,手指表皮的指纹脊线是由手指内部结构产生的,皮肤从外到内分为三层:表皮、真皮以及皮下组织,真皮与表皮的交界处存在着乳头层(真皮乳头),它是指纹结构的来源,其形状是由表皮组织向真皮组织收缩打皱形成的。外部指纹就是该层起伏特征的精确复制品。因此,乳头交界处和外部指纹具有相同的结构,也即内部指纹和外部指纹具有相同的结构。内部指纹是通过光学相干断层扫描(OCT)技术完成的。OCT用于扫描内部皮肤特征,仪器发出的光可以穿过角质层、表皮层直到乳头层,因此可以检测并提取到内部指纹。
外部指纹易磨损划伤,内部指纹位于皮下1-3毫米,不易受外界环境影响,可以很好的保持脊线、谷线的完整性和连续性,但外部指纹在未划伤区域具有更清晰的脊谷结构和相对较高的对比度。
发明内容
为了克服现有外部指纹磨损、划伤造成的指纹无法识别匹配的情况,本发明提出了一种基于卷积稀疏表示的多源指纹图像融合方法,通过融入指纹质量评估指标,将内部指纹和外部指纹的图像信息相结合,保存两种源指纹图像质量较好的区域,提高指纹图像的质量。
为了实现上述目的,本发明采用的技术方案为:
一种基于卷积稀疏表示的多源指纹图像融合方法,包括如下步骤:
1)采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通分量和纹理分量的稀疏系数图;
2)根据两种源指纹图像质量评价指标方向确定度(Orientation CertaintyLevel)OCL的值,确定权重添加方式添加至两种源指纹图像的卡通分量和纹理分量中;
3)采用基于卷积稀疏表示的融合方法对源指纹图像的卡通分量和纹理分量分别进行融合,由加权平均规则获得卡通分量和纹理分量的融合系数图,然后根据卡通分量和纹理分量的融合系数图进行重建得到融合指纹图像。
进一步,所述步骤1)包括如下步骤:
(11)对指纹图像采用基于卷积稀疏表示的形态成分分析模型的稀疏编码,其中模型定义为:
其中,S是整幅图像,dm,c和dm,t分别代表卡通分量和纹理分量的稀疏表示(SR)的两组字典过滤器,它们是使用卷积稀疏表示(CSR)的字典学习方法从卡通图像和纹理图像中独立的预先学习得到的,*代表卷积运算符,xm,c和xm,w分别表示卡通分量和纹理分量的稀疏系数图,为待求值,nc和nw分别表示卡通分量与纹理分量字典过滤器的数量,使用l1-范数用于约束稀疏性,而λc和λw是正则化参数;
(12)让Ik,k∈{1,2},其中I1和I2分别表示内部指纹图像与外部指纹图像,将式(1)表示的模型应用于源指纹图像,并将模型进行优化得到源指纹图像的卡通分量与纹理分量。
再进一步,所述步骤2)包括如下步骤:
(21)根据两种源指纹图像的方向确定度(Orientation Certainty Level)OCL值,其中OCL的值越小代表指纹图像的质量就越好,确定添加权重的方式,其中权重被定义如下:
其中W1和W2分别表示内部指纹与外部指纹在融合过程中所占的权重,OCL1和OCL2分别表示内部指纹与外部指纹的OCL值;
(22)添加OCL权重之后的待融合的源指纹图像的卡通分量和纹理分量分别被定义为:
更进一步,所述步骤3)包括如下步骤:
If是最终的融合指纹图像。
本发明的有益效果为:通过融入指纹质量评估指标,将内部指纹和外部指纹的图像信息相结合,保存两种源指纹图像质量较好的区域,提高指纹图像的质量。
附图说明
图1是本发明算法的流程图;
图2是本发明算法融合得到的融合指纹效果图;其中a图表示本发明用到的光学全反射采集得到的外部指纹,b图表示本发明用到的光学相干断层扫描采集得到的内部指纹,c图表示本发明算法得到的融合指纹图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明:
参见图1和图2,一种基于卷积稀疏表示的多源指纹图像融合方法,包括如下步骤:
1)采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通分量和纹理分量的稀疏系数图;包括如下步骤:
(11)采用基于卷积稀疏表示的形态成分分析模型的稀疏编码,其中模型定义为:
其中,S是整幅图像,dm,c和dm,t分别代表卡通分量和纹理分量的稀疏表示(SR)的两组字典过滤器,它们是使用卷积稀疏表示(CSR)的字典学习方法从卡通图像和纹理图像中独立的预先学习得到的,*代表卷积运算符,xm,c和xm,w分别表示卡通分量和纹理分量的稀疏系数图,为待求值,nc和nw分别表示卡通分量与纹理分量字典过滤器的数量,使用l1-范数用于约束稀疏性,而λc和λw是正则化参数;
(12)让Ik,k∈{1,2},其中I1和I2分别表示两种源指纹内部指纹图像与外部指纹图像,将式(1)表示的模型应用于源指纹图像,并进行优化得到源指纹图像的卡通分量与纹理分量;
2)根据两种源指纹图像质量评价指标方向确定度(Orientation CertaintyLevel)OCL的值,确定权重添加方式并将其添加至两种源指纹图像的卡通分量和纹理分量中;包括如下步骤:
(21)根据两种源指纹图像的方向确定度(Orientation Certainty Level)OCL的值,其中OCL的值越小代表指纹图像的质量就越好,确定添加权重的方式,其中权重被定义如下:
其中W1和W2分别表示内部指纹与外部指纹在融合过程中所占的权重,OCL1和OCL2分别表示内部指纹与外部指纹的OCL值;
(22)添加OCL权重之后的待融合的源指纹图像的卡通分量和纹理分量分别被定义为:
3)采用基于卷积稀疏表示的融合方法对添加过权重的两种源指纹图像的卡通分量和纹理分量分别进行融合,由加权平均规则获得卡通分量和纹理分量的融合系数图;包括如下步骤:
If是最终的融合指纹图像。
Claims (4)
1.一种基于卷积稀疏表示的多源指纹图像融合方法,其特征在于,所述方法包括如下步骤:
1)采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通分量和纹理分量的稀疏系数图;
2)根据两种源指纹图像质量评价指标方向确定度OCL的值,确定权重添加方式并将其添加至源指纹图像的卡通分量和纹理分量中;
3)采用基于卷积稀疏表示的融合方法对源指纹图像的卡通分量和纹理分量分别进行融合,由加权平均规则获得各分量的融合系数图,然后根据各分量的融合系数图进行重建得到融合指纹图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010309929.8A CN111666807B (zh) | 2020-04-20 | 2020-04-20 | 一种基于卷积稀疏表示的多源指纹图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010309929.8A CN111666807B (zh) | 2020-04-20 | 2020-04-20 | 一种基于卷积稀疏表示的多源指纹图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111666807A true CN111666807A (zh) | 2020-09-15 |
CN111666807B CN111666807B (zh) | 2023-06-30 |
Family
ID=72382640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010309929.8A Active CN111666807B (zh) | 2020-04-20 | 2020-04-20 | 一种基于卷积稀疏表示的多源指纹图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666807B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560813A (zh) * | 2021-02-19 | 2021-03-26 | 深圳阜时科技有限公司 | 窄条形指纹的识别方法、存储介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007019687A (ja) * | 2005-07-06 | 2007-01-25 | Rikogaku Shinkokai | Csrbfを用いる画像処理方法 |
CN106960191A (zh) * | 2017-03-23 | 2017-07-18 | 深圳汇通智能化科技有限公司 | 一种指纹识别系统 |
US20170316312A1 (en) * | 2016-05-02 | 2017-11-02 | Cavium, Inc. | Systems and methods for deep learning processor |
US20190108436A1 (en) * | 2017-10-06 | 2019-04-11 | Deepcube Ltd | System and method for compact and efficient sparse neural networks |
CN110555820A (zh) * | 2019-08-28 | 2019-12-10 | 西北工业大学 | 基于卷积神经网络和动态引导滤波的图像融合方法 |
CN110706156A (zh) * | 2019-09-16 | 2020-01-17 | 昆明理工大学 | 基于多成分分析和残差补偿的图像融合与超分辨率重建联合实现方法 |
-
2020
- 2020-04-20 CN CN202010309929.8A patent/CN111666807B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007019687A (ja) * | 2005-07-06 | 2007-01-25 | Rikogaku Shinkokai | Csrbfを用いる画像処理方法 |
US20170316312A1 (en) * | 2016-05-02 | 2017-11-02 | Cavium, Inc. | Systems and methods for deep learning processor |
CN106960191A (zh) * | 2017-03-23 | 2017-07-18 | 深圳汇通智能化科技有限公司 | 一种指纹识别系统 |
US20190108436A1 (en) * | 2017-10-06 | 2019-04-11 | Deepcube Ltd | System and method for compact and efficient sparse neural networks |
CN110555820A (zh) * | 2019-08-28 | 2019-12-10 | 西北工业大学 | 基于卷积神经网络和动态引导滤波的图像融合方法 |
CN110706156A (zh) * | 2019-09-16 | 2020-01-17 | 昆明理工大学 | 基于多成分分析和残差补偿的图像融合与超分辨率重建联合实现方法 |
Non-Patent Citations (4)
Title |
---|
徐川;端木春江;: "基于卡通纹理分解和稀疏表示的图像超分辨率重建" * |
李鑫翔;张龙波;王雷;周晓宇;: "基于CSR-MCA的图像融合方法" * |
杨默远;李凡;谢明鸿;张亚飞;李华锋;: "卷积稀疏表示图像融合与超分辨率联合实现" * |
陈朋;于洋;马灵涛;王海霞;梁荣华;: "自适应的OCT内外部指纹提取算法" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560813A (zh) * | 2021-02-19 | 2021-03-26 | 深圳阜时科技有限公司 | 窄条形指纹的识别方法、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111666807B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9317761B2 (en) | Method and an apparatus for determining vein patterns from a colour image | |
CN110334566B (zh) | 一种基于三维全卷积神经网络的oct内外指纹提取方法 | |
CN110674824A (zh) | 基于R2U-Net的手指静脉分割方法、装置和存储介质 | |
Ahamed et al. | Low complexity iris recognition using curvelet transform | |
Yap et al. | A survey on facial wrinkles detection and inpainting: Datasets, methods, and challenges | |
Wang et al. | External and internal fingerprint extraction based on optical coherence tomography | |
CN111666807B (zh) | 一种基于卷积稀疏表示的多源指纹图像融合方法 | |
CN114821682A (zh) | 一种基于深度学习算法的多样本混合掌静脉识别方法 | |
Ding et al. | End-to-end surface and internal fingerprint reconstruction from optical coherence tomography based on contour regression | |
Ding et al. | Subcutaneous sweat pore estimation from optical coherence tomography | |
Costa et al. | Towards biometric identification using 3D epidermal and dermal fingerprints | |
Liu et al. | Layer segmentation of OCT fingerprints with an adaptive Gaussian prior guided transformer | |
Li et al. | Deep learning based fingerprint presentation attack detection: A comprehensive Survey | |
Darlow et al. | Performance analysis of a hybrid fingerprint extracted from optical coherence tomography fingertip scans | |
CN110443217B (zh) | 一种基于多光谱的指纹防伪方法及系统 | |
Zhang et al. | Sweat gland extraction from optical coherence tomography using convolutional neural network | |
CN108564031A (zh) | 基于多模态融合的单幅近红外手掌图像识别方法 | |
CN114862696A (zh) | 一种基于轮廓和语义引导的人脸图像修复方法 | |
da Costa et al. | Biometric identification with 3D fingerprints acquired through optical coherence tomography. | |
Rot et al. | Deep periocular recognition: A case study | |
Radouane et al. | Fusion of Gabor filter and steerable pyramid to improve iris recognition system | |
Shetiya et al. | ATM security system using iris recognition by image processing | |
CN109919022A (zh) | 一种自适应的oct内外部指纹提取方法 | |
Safronova et al. | Palm vein recognition algorithm using multilobe differential filters | |
Wang et al. | Quality-Aware Fusion of Multisource Internal and External Fingerprints Under Multisensor Acquisition |
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 |