CN112329681A - 一种应用于指纹识别的滤波方法 - Google Patents

一种应用于指纹识别的滤波方法 Download PDF

Info

Publication number
CN112329681A
CN112329681A CN202011271337.8A CN202011271337A CN112329681A CN 112329681 A CN112329681 A CN 112329681A CN 202011271337 A CN202011271337 A CN 202011271337A CN 112329681 A CN112329681 A CN 112329681A
Authority
CN
China
Prior art keywords
filter
ones
conv2
image
fingerprint
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.)
Pending
Application number
CN202011271337.8A
Other languages
English (en)
Inventor
张佳祎
程杰
王凯
刘志碧
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.)
Beijing Superpix Micro Technology Co Ltd
Original Assignee
Beijing Superpix Micro 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 Beijing Superpix Micro Technology Co Ltd filed Critical Beijing Superpix Micro Technology Co Ltd
Priority to CN202011271337.8A priority Critical patent/CN112329681A/zh
Publication of CN112329681A publication Critical patent/CN112329681A/zh
Pending legal-status Critical Current

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
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/71—Charge-coupled device [CCD] sensors; Charge-transfer registers specially adapted for CCD sensors
    • H04N25/75—Circuitry for providing, modifying or processing image signals from the pixel array
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/76—Addressed sensors, e.g. MOS or CMOS sensors

Landscapes

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

Abstract

本发明公开了一种应用于指纹识别的滤波方法，包括以下步骤：步骤S1，根据所处理的指纹图像的空间频率选定M×M滤波器；步骤S2，根据选定的所述M×M滤波器的尺寸选定该滤波器的权重；步骤S3，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进；步骤S4，用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。该滤波方法能在指纹图像去噪处理同时对图像进行binning处理，保留指纹细节的同时可以尽量减少数据量，提高传输速度，由于进行binning处理具备抗锯齿功能，有效提高指纹识别的成功率；该方法在图像去噪处理时仅需要一至两行SRAM，占用空间少，成本低，特别适合CMOS图像传感器使用。

Description

一种应用于指纹识别的滤波方法
技术领域
本发明涉及图像处理领域，尤其涉及一种应用于指纹识别的滤波方法。
背景技术
指纹识别技术是众多生物特征识别技术中的一种,所谓生物特征识别技术(biometrics),是指利用人体所固有的生理特征或行为特征来进行个人身份鉴定,由于生物识别所具有的便捷与安全等优点使得生物识别技术在身份认证识别和网络安全领域拥有广阔的应用前景，可用的生物特征识别技术有指纹、人脸、声纹、虹膜等，指纹是其中应用最为广泛的一种。
从20世纪60年代起新型的电子计算机技术进人指纹鉴定领域，为指纹鉴定自动化开辟了新的途径。近几年,指纹识别技术应用到智能手机上,成为支持手机解锁、在线支付的重要基础技术。而应用于手机端指纹识别的CMOS图像传感器需要对CMOS图像传感器图像进行滤波、图像binning等预处理。
但现有指纹识别对CMOS图像传感器图像的滤波处理，通常采用的是小波去噪、高斯去噪和中值滤波等方式，但小波去噪存在计算较复杂，需要较大的内存，不利于应用于CMOS图像传感器，也不具备图像binning效果；高斯去噪则需要较大的内存，不利于应用于CMOS图像传感器，不具备图像binning效果；而中值滤波，则存在滤波效果较差，容易损失指纹细节。
发明内容
基于现有技术所存在的问题，本发明的目的是提供一种应用于指纹识别的滤波方法，能解决现有指纹识别对CMOS图像传感器图像的滤波处理，所存在的需要内存大、不具备图像binning效果以及滤波效果较差，容易损失指纹细节等的问题。
本发明的目的是通过以下技术方案实现的：
本发明实施例提供一种应用于指纹识别的滤波方法，包括以下步骤：
步骤S1，根据所处理的指纹图像的空间频率选定M×M滤波器；
步骤S2，根据选定的所述M×M滤波器的尺寸选定该滤波器的权重；
步骤S3，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进；
步骤S4，用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。
由上述本发明提供的技术方案可以看出，本发明实施例提供的应用于指纹识别的滤波方法，其有益效果为：
该滤波方法支持指纹图像去噪处理同时对图像进行binning处理，保留指纹细节的同时可以尽量减少数据量，提高传输速度，由于进行binning处理具备抗锯齿功能，有效提高指纹识别的成功率，该滤波方法，在图像去噪处理时仅需要一至两行SRAM(静态随机存取存储器，Static Random-Access Memory，SRAM)，十分适合应用于CMOS图像传感器，具有占用空间少，成本低的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的应用于指纹识别的滤波方法流程图。
具体实施方式
下面结合本发明的具体内容，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。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，都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
参见图1，本发明一种应用于指纹识别的滤波方法，包括以下步骤：
步骤S1，根据所处理的指纹图像的空间频率选定M×M滤波器；其中，M×M为滤波器尺寸，采集指纹图像时，由于不同距离和镜头视场角情况下，指纹图像的空间频率不同，通过匹配相应尺寸的滤波器，能更准确的滤波得到指纹图像中的指纹数据；
步骤S2，根据选定的所述M×M滤波器的尺寸选定该滤波器的权重；不同的权重能调节滤波器的截止频率，通过选定滤波器的权重与滤波器的尺寸匹配，使得滤波器按确定的截止频率截止，提升滤波效率；
步骤S3，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进；通过不同步进能实现图像binning的效果；
步骤S4，用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。
上述滤波方法的步骤S1中，所选取的M×M的滤波器为以下滤波器中的至少一种：
2×2滤波器、3×3滤波器、4×4滤波器、5×5滤波器、7×7滤波器。
上述滤波方法的步骤S2中，根据所述滤波器的尺寸选取该滤波器的权重为：
若选定的为2×2滤波器，则选定的该滤波器的权重为：ones(2)；
若选定的为3×3滤波器，则选定的该滤波器的权重为：conv2(ones(2)，ones(2))、ones(3)中的一种；
若选定的为4×4滤波器，则选取的该滤波器的权重为：conv2(ones(3)，ones(2))、conv2(conv2(ones(2)，ones(2))，ones(2))中的一种；
若选定的为5×5滤波器，则选定的该滤波器的权重为：conv2(conv2(ones(2)，ones(2))，conv2(ones(2)，ones(2)))、conv2(ones(3)，ones(3))、conv2(ones(4)，ones(2))中的一种；
若选定的为7×7滤波器，则选定的该滤波器的权重为：conv2(ones(4)，ones(4))、conv2(conv2(ones(3)，ones(3))，ones(3))、conv2(A，B)，所述conv2(A，B)中，A＝conv2(conv2(ones(2)，ones(2))，conv2(ones(2)，ones(2)))、B＝conv2(ones(2)，ones(2))中的一种。
上述滤波方法的步骤S3中，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进为：
若选定的为2×2滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning；
若选定的为3×3滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning、③步进为3，图像3×3binning；
若选定的为4×4滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning、③步进为3，图像3×3binning、④步进为4，图像4×4binning；
若选定的为5×5滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为3，图像3×3binning、⑤步进为5，图像5×5binning；
若选定的为7×7滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为4，图像4×4binning、③步进为7，图像7×7binning。
本发明的滤波方法，支持图像去噪处理同时对图像进行binning处理，保留指纹细节的同时可以尽量减少数据量，提高传输速度，由于进行binning处理具备抗锯齿功能，有效提高指纹识别的成功率，该滤波方法，由于选取与指纹图像的空间频率匹配尺寸滤波器，使得滤波结果数据少，减小了需缓存的数据量，在图像去噪处理时仅需要一至两行SRAM(静态随机存取存储器，Static Random-Access Memory，SRAM)，十分适合应用于CMOS图像传感器。具有占用空间少，成本低的优点。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种应用于指纹识别的滤波方法，其特征在于，包括以下步骤：
步骤S1，根据所处理的指纹图像的空间频率选定M×M滤波器；
步骤S2，根据选定的所述M×M滤波器的尺寸选定该滤波器的权重；
步骤S3，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进；
步骤S4，用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。
2.如权利要求1所述的应用于指纹识别的滤波方法，其特征在于，所述步骤S1中，所选取的M×M的滤波器为以下滤波器中的至少一种：
2×2滤波器、3×3滤波器、4×4滤波器、5×5滤波器、7×7滤波器。
3.如权利要求2所述的应用于指纹识别的滤波方法，其特征在于，所述步骤S2中，根据所述滤波器的尺寸选取该滤波器的权重为：
若选定的为2×2滤波器，则选定的该滤波器的权重为：ones(2)；
若选定的为3×3滤波器，则选取的该滤波器的权重为：conv2(ones(2)，ones(2))、ones(3)中的一种；
若选定的为4×4滤波器，则选取的该滤波器的权重为：conv2(ones(3)，ones(2))、conv2(conv2(ones(2)，ones(2))，ones(2))中的一种；
若选定的为5×5滤波器，则选取的该滤波器的权重为：conv2(conv2(ones(2)，ones(2))，conv2(ones(2)，ones(2)))、conv2(ones(3)，ones(3))、conv2(ones(4)，ones(2))中的一种；
若选定的为7×7滤波器，则选取的该滤波器的权重为：conv2(ones(4)，ones(4))、conv2(conv2(ones(3)，ones(3))，ones(3))、conv2(A，B)，所述conv2(A，B)中，A＝conv2(conv2(ones(2)，ones(2))，conv2(ones(2)，ones(2)))、B＝conv2(ones(2)，ones(2))中的一种。
4.如权利要求1至3任一项所述的应用于指纹识别的滤波方法，其特征在于，所述步骤S3中，根据所述M×M滤波器的尺寸选定该滤波器的卷积步进为：
若选定的为2×2滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning；
若选定的为3×3滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning、③步进为3，图像3×3binning；
若选定的为4×4滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为2，图像2×2binning、③步进为3，图像3×3binning、④步进为4，图像4×4binning；
若选定的为5×5滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为3，图像3×3binning、⑤步进为5，图像5×5binning；
若选定的为7×7滤波器，则选定的该滤波器的卷积步进为：①步进为1、②步进为4，图像4×4binning、③步进为7，图像7×7binning。
CN202011271337.8A 2020-11-13 2020-11-13 一种应用于指纹识别的滤波方法 Pending CN112329681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011271337.8A CN112329681A (zh) 2020-11-13 2020-11-13 一种应用于指纹识别的滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011271337.8A CN112329681A (zh) 2020-11-13 2020-11-13 一种应用于指纹识别的滤波方法

Publications (1)

Publication Number Publication Date
CN112329681A true CN112329681A (zh) 2021-02-05

Family

ID=74318289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011271337.8A Pending CN112329681A (zh) 2020-11-13 2020-11-13 一种应用于指纹识别的滤波方法

Country Status (1)

Country Link
CN (1) CN112329681A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102256047A (zh) * 2011-07-28 2011-11-23 北京空间机电研究所 一种基于滤波的2×2数字binning系统
CN102629316A (zh) * 2011-11-25 2012-08-08 浙江外国语学院 自动指纹识别技术中的图像增强方法
CN103716606A (zh) * 2013-12-30 2014-04-09 上海富瀚微电子有限公司 一种Bayer域图像下采样的方法、装置及摄像设备
CN105740753A (zh) * 2014-12-12 2016-07-06 比亚迪股份有限公司 指纹识别方法及指纹识别系统
CN106709450A (zh) * 2016-12-23 2017-05-24 上海斐讯数据通信技术有限公司 一种指纹图像识别方法及系统
CN106874956A (zh) * 2017-02-27 2017-06-20 陕西师范大学 图像分类卷积神经网络结构的构建方法
CN108269237A (zh) * 2016-12-30 2018-07-10 华为技术有限公司 一种图像滤波装置、系统及方法
CN108573243A (zh) * 2018-04-27 2018-09-25 上海敏识网络科技有限公司 一种基于深度卷积神经网络的低质量人脸的比对方法
CN109934180A (zh) * 2019-03-18 2019-06-25 Oppo广东移动通信有限公司 指纹识别方法及相关装置
CN110147252A (zh) * 2019-04-28 2019-08-20 深兰科技（上海）有限公司 一种卷积神经网络的并行计算方法及装置
CN110431564A (zh) * 2017-10-13 2019-11-08 指纹卡有限公司 用于指纹图像增强的方法和系统
CN111447386A (zh) * 2020-04-01 2020-07-24 上海奕瑞光电子科技股份有限公司 基于cmos ic的探测器阵列和tdi-cmos线阵探测器的叠层结构

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102256047A (zh) * 2011-07-28 2011-11-23 北京空间机电研究所 一种基于滤波的2×2数字binning系统
CN102629316A (zh) * 2011-11-25 2012-08-08 浙江外国语学院 自动指纹识别技术中的图像增强方法
CN103716606A (zh) * 2013-12-30 2014-04-09 上海富瀚微电子有限公司 一种Bayer域图像下采样的方法、装置及摄像设备
CN105740753A (zh) * 2014-12-12 2016-07-06 比亚迪股份有限公司 指纹识别方法及指纹识别系统
CN106709450A (zh) * 2016-12-23 2017-05-24 上海斐讯数据通信技术有限公司 一种指纹图像识别方法及系统
CN108269237A (zh) * 2016-12-30 2018-07-10 华为技术有限公司 一种图像滤波装置、系统及方法
CN106874956A (zh) * 2017-02-27 2017-06-20 陕西师范大学 图像分类卷积神经网络结构的构建方法
CN110431564A (zh) * 2017-10-13 2019-11-08 指纹卡有限公司 用于指纹图像增强的方法和系统
CN108573243A (zh) * 2018-04-27 2018-09-25 上海敏识网络科技有限公司 一种基于深度卷积神经网络的低质量人脸的比对方法
CN109934180A (zh) * 2019-03-18 2019-06-25 Oppo广东移动通信有限公司 指纹识别方法及相关装置
CN110147252A (zh) * 2019-04-28 2019-08-20 深兰科技（上海）有限公司 一种卷积神经网络的并行计算方法及装置
CN111447386A (zh) * 2020-04-01 2020-07-24 上海奕瑞光电子科技股份有限公司 基于cmos ic的探测器阵列和tdi-cmos线阵探测器的叠层结构

Similar Documents

Publication Publication Date Title
Abhishree et al. Face recognition using Gabor filter based feature extraction with anisotropic diffusion as a pre-processing technique
CN109146788B (zh) 基于深度学习的超分辨率图像重建方法和装置
CN102360421B (zh) 一种基于视频流的人脸识别方法及系统
CN110473242A (zh) 一种纹理特征提取方法、纹理特征提取装置及终端设备
CN111325694B (zh) 图像噪声去除方法及装置
CN107590461A (zh) 人脸识别方法及相关产品
CN107169479A (zh) 基于指纹验证的智能移动设备敏感数据防护方法
CN107679481A (zh) 解锁控制方法及相关产品
Liu et al. Recurrent conditional generative adversarial network for image deblurring
CN114529490B (zh) 一种数据处理方法、装置、设备以及可读存储介质
Ali et al. GLCM-based fingerprint recognition algorithm
CN111340777B (zh) 图像噪声点的判断方法及装置
CN117711043A (zh) 基于遮挡人脸的身份登录认证方法及系统、设备、介质
Khalil et al. A review of fingerprint pre-processing using a mobile phone
CN108182375A (zh) 一种基于手机支付的指纹识别系统
CN112329681A (zh) 一种应用于指纹识别的滤波方法
CN111724326B (zh) 图像处理方法及装置、电子设备及存储介质
WO2018121552A1 (zh) 基于掌纹数据的业务处理方法、装置、程序及介质
CN110880160B (zh) 图片帧超分方法、装置、终端设备及计算机可读存储介质
CN102467658A (zh) 一种笑脸识别方法、装置及移动终端
CN115641352A (zh) 一种人像背景虚化方法、装置、电子设备及存储介质
CN115937938A (zh) 人脸身份识别模型的训练方法、人脸身份识别方法及装置
CN106408036A (zh) 一种图像相机源识别的方法及系统
Xiao et al. Video denoising algorithm based on improved dual‐domain filtering and 3D block matching
CN108846664A (zh) 基于图像处理的手机扫码系统

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