CN112434572B - 指纹图像校准方法、装置、电子设备及存储介质 - Google Patents

指纹图像校准方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112434572B
CN112434572B CN202011243215.8A CN202011243215A CN112434572B CN 112434572 B CN112434572 B CN 112434572B CN 202011243215 A CN202011243215 A CN 202011243215A CN 112434572 B CN112434572 B CN 112434572B
Authority
CN
China
Prior art keywords
image
fingerprint
spectrogram
zero
fingerprint image
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
Application number
CN202011243215.8A
Other languages
English (en)
Other versions
CN112434572A (zh
Inventor
邹佳辰
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.)
TIANJIN JIHAO TECHNOLOGY CO LTD
Original Assignee
Beijing Jihao 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 Jihao Technology Co Ltd filed Critical Beijing Jihao Technology Co Ltd
Priority to CN202011243215.8A priority Critical patent/CN112434572B/zh
Publication of CN112434572A publication Critical patent/CN112434572A/zh
Application granted granted Critical
Publication of CN112434572B publication Critical patent/CN112434572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提供了一种指纹图像校准方法、装置、电子设备及存储介质。该方法，包括：获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像。本申请提高了校准的准确度，从而提高了指纹识别的准确度。

Description

指纹图像校准方法、装置、电子设备及存储介质
技术领域
本申请涉及指纹识别技术领域，具体而言，涉及一种指纹图像校准方法、装置、电子设备及存储介质。
背景技术
在手机等移动终端设备上应用屏下光学指纹传感器的场景中，由于光学指纹传感器位于显示屏幕下方，因而会受到屏幕和其他部件产生的大量噪声影响，导致传感器拍摄的图像带有巨大的零偏误差。为了获取到清晰可用的指纹图像，需要对光学指纹传感器直接获取的指纹图像进行零偏校准处理。该校准处理通常分为两步：使用光学指纹传感器获取的一定数量的有或没有手指按压的图像，将这些图像融合得到仅含有零偏误差而不带有指纹信号的零偏图像；当需要读取指纹信息时，对光学指纹传感器直接获取的指纹图像与零偏图像进行减法或除法运算，得到零偏校准后的指纹图像。
但是，现有的零偏校准方案的主要原理是在图像的空间域上进行处理的，这就要求零偏误差在拍摄的指纹图像中的空间位置保持不动。但是，在遇到外部强光照射、屏幕亮度变化或设备受压变形等情况下，零偏误差的空间位置会发生偏移和形变，导致空间域上的处理无法准确地进行零偏校准，进而影响指纹信号的质量，降低了指纹识别的准确度。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种指纹图像校准方法、装置、电子设备及存储介质，提高了校准的准确度，从而提高了指纹识别的准确度。
第一方面，本申请实施例提供了一种指纹图像校准方法，包括：
获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；
对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；
根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；
根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像。
可选地，在本申请实施例所述的指纹图像校准方法中，所述根据所述振幅谱差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像，包括：
根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图；
对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像。
可选地，在本申请实施例所述的指纹图像校准方法中，所述对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像，包括：
对所述目标指纹频谱图进行频域逆变换，得到第二指纹图像；
对所述第二指纹图像进行增强处理，得到目标指纹图像。
可选地，在本申请实施例所述的指纹图像校准方法中，所述对所述第二指纹图像进行增强处理，得到目标指纹图像，包括：
获取所述第二指纹图像的各个像素的归一化像素上限值以及归一化像素下限值；
根据所述归一化像素上限值以及归一化像素下限值对所述第二指纹图像的各个像素的像素值进行归一化处理，得到目标指纹图像。
可选地，在本申请实施例所述的指纹图像校准方法中，所述振幅谱差距信息为振幅谱差距矩阵；
所述根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息，包括：
将所述指纹频谱图对应的矩阵的每一个元素取绝对值得到所述指纹图像的振幅谱图对应的矩阵；
将所述零偏图像频谱图对应的矩阵的每一个元素取绝对值得到所述零偏图像的振幅谱图对应的矩阵；
根据所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异得到所述指纹图像与所述零偏图像的振幅谱差距矩阵。
可选地，在本申请实施例所述的指纹图像校准方法中，所述根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图，包括：
计算所述振幅谱差距矩阵与所述指纹频谱图的矩阵的哈达马积，得到校准后的目标指纹频谱图。
可选地，在本申请实施例所述的指纹图像校准方法中，所述获取指纹传感器生成的指纹图像，包括：
获取指纹传感器生成的原始指纹图像；
对所述原始指纹图像进行高斯模糊处理和/或均值强化处理，得到指纹图像。
可选地，在本申请实施例所述的指纹图像校准方法中，对待处理图像进行均值强化处理，包括：
获取待处理图像及其第一信号强度均值，所述待处理图像为所述原始指纹图像或所述原始指纹图像经过高斯模糊处理后的图像；
获取所述零偏图像的第二信号强度均值；
根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理。
可选地，在本申请实施例所述的指纹图像校准方法中，所述根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理，包括：
将所述待处理图像的各个像素的像素值乘以所述第二信号强度均值与所述第一信号强度均值的比值。
第二方面，本申请实施例还提供了一种指纹图像校准装置，包括：
第一获取模块，用于获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；
变换模块，用于对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；
计算模块，用于根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；
校准模块，用于根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像。
第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
由上可知，本申请实施例通过获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像；由于采用了离散傅里叶变换或者快速离散傅里叶变换，使得其转换得到的频谱可以忽略相位差，其频域信息变化主要集中在傅里叶变换频谱中的相位谱而非振幅谱；在指纹图像和零偏图像的频谱上，以对齐相位的方式进行零偏校准，明显改善了底噪偏移和形变，提高了校准的准确度，从而提高了指纹识别的准确度。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1为本申请实施例提供的指纹图像校准方法的流程图。
图2为本申请实施例提供的指纹图像校准装置的结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
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定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本本申请一些实施例中的指纹图像校准方法的流程图。该指纹图像校准方法用于具有屏下指纹传感器的电子设备中，该电子设备可以为IPAD或者手机等。该方法包括以下步骤：
S101、获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像。
S102、对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；
S103、根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；
S104、根据所述振幅谱差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像。
在该步骤S101中，该指纹传感器为用于移动终端的屏幕下方的光学指纹传感器。该零偏图像可以是指纹传感器在参考物距下生成图像。指纹传感器的零偏校准分为静态零偏校准和动态零偏校准两种。静态零偏校准是采集不包含指纹信息的图像来作为零偏图像。动态零偏校准是指采用最近预设时间段的多张包含指纹信息的图像进行叠加然后校准得到的图像，来作为零偏图像；或者指采用最近预设时间段的多张包含指纹信息的图像进行叠加得到的图像，来作为零偏图像。当然，该零偏图像还可以是仅含有零偏误差不不携带指纹信息的图像。零偏图像相当于标准参照图像，以零偏图像对应的参照物距为参考标准，其参照物距与传感器的初始物距之间相当于零误差。其中，原始零偏图像通常为分辨率为8位、10位、16位或32位的整数型或浮点型灰度图，当然，其并不限于此。
其中，该零偏图像的高度为H，宽度为W。
例如，该零偏图像对应的矩阵B为：
Figure BDA0002768823390000071
其中，该零偏图像的矩阵B中的各个元素分别为该零偏图像的对应位置的像素的像素值。
其中，该指纹图像可以为该指纹传感器获取的原始指纹图像。
该指纹图像的矩形R为：
Figure BDA0002768823390000072
其中，指纹图像的矩形R中的各个元素分别该指纹图像的对应位置的像素的像素值。该指纹图像通常为8位、10位、16位或32位的整数型或浮点型灰度图像，设其高度为H，宽度为W。且该指纹图像与该零偏图像具有相同的高度以及宽度，并且具有相同的位数，以及相同的类型，例如可以均为32位的浮点型灰度图像。
可以理解地，在一些实施例中，该第一指纹图像可以是对指纹传感器获取的原始指纹图像处理得到指纹图像。
具体地，在一些实施例中，该获取所述指纹传感器采集的指纹图像的步骤包括以下步骤：S1011、获取指纹传感器生成的原始指纹图像；S1012、对所述原始指纹图像进行高斯模糊处理和/或均值强化处理，得到指纹图像。
其中，在该步骤S1011中，原始指纹图像是指该指纹传感器生成的未经过处理的指纹图像。其中，在该步骤S1012中，对原始指纹图像进行处理时，可以只进行高斯模糊处理，也可以只进行均值强化处理。或者还可以先对原始指纹图像进行高斯模糊处理，然后对高斯模糊处理得到的图像再进行均值强化处理。零偏图像中的高频信号通常偏少，因此，可以通过高斯模糊算法处理原始指纹图像，以适当降低原始指纹图像中的高频部分，从而提高准确度。
在一些实施例中，对待处理图像进行均值强化处理的步骤，包括一下子步骤：S10121、获取待处理图像及其第一信号强度均值，所述待处理图像为所述原始指纹图像或所述原始指纹图像经过高斯模糊处理后的图像；S10122、获取零偏图像的第二信号强度均值；S10123、根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理。
其中，在该步骤S10121中，如果该步骤S102只进行均值强化处理，则该待处理图像为该原始指纹图像，如果该步骤S102进行高斯模糊处理以及均值强化处理，则该待处理图像为该原始指纹图像经过高斯模糊处理后得到的图像。该待处理图像的第一信号强度均值为LR。其中，在该步骤S10122中，零偏图像的第二信号强度均值为LB。
其中，在该步骤S10123中，将所述待处理图像的各个像素的像素值乘以所述第二信号强度均值与所述第一信号强度均值的比值，从而得到均值强化后的指纹图像。
其中，在该步骤S102中，该频域变换可以为离散傅里叶变换(Discrete FourierTransform，DFT)或离散快速傅里叶变换(Discrete Fast Fourier Transform，DFFT)。
其中，该复数形式的零偏图像频谱图对应的矩阵为SB，
Figure BDA0002768823390000091
该矩阵SB的每一元素分别为该零偏图像频谱图的对应位置的频率值。
其中，该复数形式的指纹频谱图对应的矩阵SR为：
Figure BDA0002768823390000092
该矩阵SR的每一元素分别为该指纹频谱图的对应位置的频率值。
其中，在该步骤S103中，该振幅谱差距信息以振幅谱差距矩阵的形式体现。计算该指纹图像与零偏图像的振幅谱差距矩阵时，需要先分别求出指纹图像与零偏图像的振幅谱。在本申请实施例中，该步骤S103具体包括以下步骤：S1031、将所述指纹频谱图对应的矩阵的每一个元素取绝对值得到所述指纹图像的振幅谱图对应的矩阵；S1032、将所述零偏图像频谱图对应的矩阵的每一个元素取绝对值得到所述零偏图像的振幅谱图对应的矩阵；S1033、根据所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异得到所述指纹图像与所述零偏图像的振幅谱差距矩阵。
其中，在该步骤S1031及S1032中，指纹图像的振幅谱对应的矩阵的每一元素代表指纹图像的振幅谱对应位置的振幅值，零偏图像的振幅谱对应的矩阵的每一元素代表零偏图像的振幅谱对应位置的振幅值。
可以根据该复数形式的零偏图像频谱求出该零偏图像的振幅谱对应的矩阵MB为：
Figure BDA0002768823390000101
其中，该矩阵MB中的每一元素分别对应该零偏图像的对应位置的振幅。其中：ni，j为yi，j的绝对值。可以根据该复数形式的指纹频谱图求出该指纹图像的振幅谱对应的矩阵MR为：
Figure BDA0002768823390000102
其中：mi，j为xi，j的绝对值。该矩阵MR中的每一元素分别对应该指纹图像的对应位置的振幅。其中，在该步骤S1033中，将指纹图像的振幅谱对应的矩阵的每一元素与所述零偏图像的振幅谱对应的矩阵的对应位置的元素进行作差，得到所述指纹图像与所述零偏图像的振幅谱差距矩阵。
其中，该振幅谱差距矩阵D为：
Figure BDA0002768823390000103
其中，在该步骤S104中，可以采用先基于振幅谱差距信息求出校准后的目标指纹频谱图，然后将该目标指纹频谱图逆频域变换即可得到目标指纹图像。
具体地，该步骤S104可以包括以下子步骤：S1041、根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图；S1042、对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像。
其中，在该步骤S1041中，计算振幅谱差距矩阵与指纹频谱图的矩阵哈达马积，得到校准后的目标指纹频谱图对应的矩阵，从而得到校准后的目标指纹频谱图。具体计算过程中，可以将振幅谱差距矩阵和目标指纹频谱图对应的矩阵的相同位置的元素进行相乘，即可得到校准后的目标指纹频谱图对应的矩阵。其中，目标指纹频谱图对应的矩阵SR1为：
Figure BDA0002768823390000111
其中，在该步骤S1042中，当该频域变换为离散傅里叶变换时，该逆频域变换即为离散傅里叶逆变换，当该频域变换为快速离散傅里叶变换时，该逆频域变换即为快速离散傅里叶逆变换。
在一些实施例中，该步骤S1042可以包括：S10421、对目标指纹频谱图进行逆频域变换处理，得到第二指纹图像；S10422、对所述第二指纹图像进行增强处理，得到目标指纹图像。
其中，在该步骤S10422，可以采用线性调节法或者归一化调节法来对该第二指纹图像进行增强处理。例如，可以线性调节该第二指纹图像的对比度以及亮度，调节后的第二指纹图像F1＝a×F+b，其中，a和b为根据需要设定的值，该F为调节前的第二指纹图像。
在一些实施例中，该步骤S10422包括：获取所述第二指纹图像的各个像素的归一化像素上限值以及归一化像素下限值；根据所述归一化像素上限值以及归一化像素下限值对所述第二指纹图像的各个像素的像素值进行归一化处理，得到目标指纹图像。其中，可以对该第二指纹图像F的所有像素的值进行排序。然后取像素值较小的x％的像素的像素值的均值作为下限值V1，取像素值较大的x％的像素的像素值的均值作为上限值V2，该x％可以为2％，当然，也可以为其他值。然后根据该上限值以及下限值对该第二指纹图像进行归一化处理。归一化处理后的第二指纹图像F1＝(F-V1)/(V2-V1)。
由上可知，本申请实施例提供的指纹图像校准方法通过获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；对零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像；由于采用了离散傅里叶变换或者快速离散傅里叶变换，使得其转换得到的频谱可以忽略相位差，其频域信息变化主要集中在傅里叶变换频谱中的相位谱而非振幅谱；在指纹图像和零偏图像的频谱上，以对齐相位的方式进行零偏校准，明显改善了底噪偏移和形变，提高了校准的准确度，从而提高了指纹识别的准确度。
请参照图2，图2是本申请一些实施例中的一种指纹图像校准装置的结构示意图。该指纹图像校准装置，包括：第一获取模块201、变换模块202、计算模块203以及校准模块204。
其中，该第一获取模块201用于获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像。该指纹传感器为用于移动终端的屏幕下方的光学指纹传感器。该零偏图像是指纹传感器在参考物距下生成图像。指纹传感器的零偏校准分为静态零偏校准和动态零偏校准两种。静态零偏校准是采集不包含指纹信息的图像来作为零偏图像。动态零偏校准是指采用最近预设时间段的多张包含指纹信息的图像进行叠加然后校准得到的图像，来作为零偏图像；或者指采用最近预设时间段的多张包含指纹信息的图像进行叠加得到的图像，来作为零偏图像。零偏图像相当于标准参照图像，以零偏图像对应的参照物距为参考标准，其参照物距与传感器的初始物距之间相当于零误差。其中，原始零偏图像通常为分辨率为8位、10位、16位或32位的整数型或浮点型灰度图，当然，其并不限于此。
该零偏图像的高度为H，宽度为W。
例如，该零偏图像对应的矩阵B。其中，该零偏图像的矩阵B中的各个元素分别为该零偏图像的对应位置的像素的像素值。
该指纹图像可以为该指纹传感器获取的原始指纹图像：
该指纹图像的矩形R。其中，指纹图像的矩形R中的各个元素分别该指纹图像的对应位置的像素的像素值。该指纹图像通常为8位、10位、16位或32位的整数型或浮点型灰度图像，设其高度为H，宽度为W。且该指纹图像与该零偏图像具有相同的高度以及宽度，并且具有相同的位数，以及相同的类型，例如可以均为32位的浮点型灰度图像。可以理解地，在一些实施例中，该第一指纹图像可以是对指纹传感器获取的原始指纹图像处理得到指纹图像。
具体地，在一些实施例中，该第一获取模块用于获取指纹传感器生成的原始指纹图像；对所述原始指纹图像进行高斯模糊处理和/或均值强化处理，得到指纹图像。其中，原始指纹图像是指该指纹传感器生成的未经过处理的指纹图像。其中，对原始指纹图像进行处理时，可以只进行高斯模糊处理，也可以只进行均值强化处理，还可以先进行高斯模糊处理再进行均值强化处理。
在一些实施例中，第一获取模块用于：获取待处理图像及其第一信号强度均值，所述待处理图像为所述原始指纹图像或所述原始指纹图像经过高斯模糊处理后的图像；获取零偏图像的第二信号强度均值；根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理。零偏图像中的高频信号通常偏少，因此，可以通过高斯模糊算法处理原始指纹图像，以适当降低原始指纹图像中的高频部分，从而提高准确度。将所述待处理图像的各个像素的像素值乘以所述第二信号强度均值与所述第一信号强度均值的比值，从而得到均值强化后的指纹图像。
其中，该变换模块202用于对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图。该频域变换可以为离散傅里叶变换(DiscreteFourier Transform，DFT)或离散快速傅里叶变换(Discrete Fast Fourier Transform，DFFT)。
其中，该计算模块203用于将所述指纹频谱图对应的矩阵的每一个元素取绝对值得到所述指纹图像的振幅谱图对应的矩阵；将所述零偏图像频谱图对应的矩阵的每一个元素取绝对值得到所述零偏图像的振幅谱图对应的矩阵；根据所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异得到所述指纹图像与所述零偏图像的振幅谱差距矩阵。
其中，该校准模块204用于根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像。可以采用先基于振幅谱差距信息求出校准后的目标指纹频谱图，然后将该目标指纹频谱图逆频域变换即可得到目标指纹图像。具体地，该校准模块204用于：根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图；对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像。
由上可知，本申请实施例提供的指纹图像校准装置通过获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息；根据所述振幅谱的差距信息以及所述指纹频谱图进行校准处理，得到校准后的目标指纹图像；由于采用了离散傅里叶变换或者快速离散傅里叶变换，使得其转换得到的频谱可以忽略相位差，其频域信息变化主要集中在傅里叶变换频谱中的相位谱而非振幅谱；在指纹图像和零偏图像的频谱上，以对齐相位的方式进行零偏校准，明显改善了底噪偏移和形变，提高了校准的准确度，从而提高了指纹识别的准确度。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备3，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法。
本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random AccessMemory,简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory,简称EPROM)，可编程只读存储器(Programmable Red-Only Memory,简称PROM)，只读存储器(Read-Only Memory,简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的、装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种指纹图像校准方法，其特征在于，包括：
获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；
对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；
根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息，其中，所述振幅谱差距信息表示所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异，所述指纹图像的振幅谱图对应的矩阵根据所述指纹频谱图确定，所述零偏图像的振幅谱图对应的矩阵根据所述零偏图像频谱图确定；
根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图；
对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像。
2.根据权利要求1所述的指纹图像校准方法，其特征在于，所述对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像，包括：
对所述目标指纹频谱图进行频域逆变换，得到第二指纹图像；
对所述第二指纹图像进行增强处理，得到目标指纹图像。
3.根据权利要求2所述的指纹图像校准方法，其特征在于，所述对所述第二指纹图像进行增强处理，得到目标指纹图像，包括：
获取所述第二指纹图像的各个像素的归一化像素上限值以及归一化像素下限值；
根据所述归一化像素上限值以及归一化像素下限值对所述第二指纹图像的各个像素的像素值进行归一化处理，得到目标指纹图像。
4.根据权利要求1-3任一项所述的指纹图像校准方法，其特征在于，所述振幅谱差距信息为振幅谱差距矩阵；
所述根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息，包括：
将所述指纹频谱图对应的矩阵的每一个元素取绝对值得到所述指纹图像的振幅谱图对应的矩阵；
将所述零偏图像频谱图对应的矩阵的每一个元素取绝对值得到所述零偏图像的振幅谱图对应的矩阵；
根据所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异得到所述指纹图像与所述零偏图像的振幅谱差距矩阵。
5.根据权利要求4所述的指纹图像校准方法，其特征在于，所述根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图，包括：
计算所述振幅谱差距矩阵与所述指纹频谱图的矩阵的哈达马积，得到校准后的目标指纹频谱图。
6.根据权利要求1-3任一项所述的指纹图像校准方法，其特征在于，所述获取指纹传感器生成的指纹图像，包括：
获取指纹传感器生成的原始指纹图像；
对所述原始指纹图像进行高斯模糊处理和/或均值强化处理，得到指纹图像。
7.根据权利要求6所述的指纹图像校准方法，其特征在于，对待处理图像进行均值强化处理，包括：
获取待处理图像及其第一信号强度均值，所述待处理图像为所述原始指纹图像或所述原始指纹图像经过高斯模糊处理后的图像；
获取所述零偏图像的第二信号强度均值；
根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理。
8.根据权利要求7所述的指纹图像校准方法，其特征在于，所述根据所述第一信号强度均值以及所述第二信号强度均值对所述待处理图像进行强度均值化处理，包括：
将所述待处理图像的各个像素的像素值乘以所述第二信号强度均值与所述第一信号强度均值的比值。
9.一种指纹图像校准装置，其特征在于，包括：
第一获取模块，用于获取指纹传感器的零偏图像，并获取所述指纹传感器采集的指纹图像；
变换模块，用于对所述零偏图像以及指纹图像分别进行频域变换，得到对应的零偏图像频谱图以及指纹频谱图；
计算模块，用于根据所述指纹频谱图以及所述零偏图像频谱图计算所述指纹图像与所述零偏图像的振幅谱差距信息，其中，所述振幅谱差距信息表示所述指纹图像的振幅谱图对应的矩阵与所述零偏图像的振幅谱图对应的矩阵的差异，所述指纹图像的振幅谱图对应的矩阵根据所述指纹频谱图确定，所述零偏图像的振幅谱图对应的矩阵根据所述零偏图像频谱图确定；
校准模块，用于根据所述振幅谱差距信息对所述指纹频谱图进行校准处理，得到校准后的目标指纹频谱图；对所述目标指纹频谱图进行频域逆变换，得到目标指纹图像。
10.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-8任一项所述的方法。
11.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-8任一项所述的方法。
CN202011243215.8A 2020-11-09 2020-11-09 指纹图像校准方法、装置、电子设备及存储介质 Active CN112434572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011243215.8A CN112434572B (zh) 2020-11-09 2020-11-09 指纹图像校准方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011243215.8A CN112434572B (zh) 2020-11-09 2020-11-09 指纹图像校准方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112434572A CN112434572A (zh) 2021-03-02
CN112434572B true CN112434572B (zh) 2022-05-06

Family

ID=74701206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011243215.8A Active CN112434572B (zh) 2020-11-09 2020-11-09 指纹图像校准方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112434572B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838139B (zh) * 2021-08-13 2024-08-27 天津极豪科技有限公司 图像传感器的参数检测方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482972A (zh) * 2008-01-09 2009-07-15 索纳韦申有限公司 触击传感器图像对准的方法和系统
CN102073856A (zh) * 2011-01-20 2011-05-25 邵明省 一种基于频率能量差别的指纹识别
CN102436577A (zh) * 2011-11-26 2012-05-02 北京工业大学 一种反射式数字全息指纹成像装置
US10068345B1 (en) * 2017-04-27 2018-09-04 King Abdullah University Of Science And Technology Image series alignment system and method
CN108874208A (zh) * 2018-05-11 2018-11-23 深圳市零度智控科技有限公司 指纹识别方法、移动终端及计算机可读存储介质
CN110473241A (zh) * 2019-07-31 2019-11-19 上海联影智能医疗科技有限公司 图像配准方法、存储介质及计算机设备
CN111028176A (zh) * 2019-12-10 2020-04-17 北京迈格威科技有限公司 指纹图像处理方法、装置、电子设备及计算机可读介质
CN111126147A (zh) * 2019-11-22 2020-05-08 北京迈格威科技有限公司 图像处理方法、装置和电子系统
CN111179265A (zh) * 2020-01-10 2020-05-19 敦泰电子（深圳）有限公司 基于图像的指纹质量评估方法、装置及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9959587B2 (en) * 2015-07-16 2018-05-01 Digimarc Corporation Signal processors and methods for estimating geometric transformations of images for digital data extraction
US9830732B1 (en) * 2016-05-16 2017-11-28 The Governing Council Of The University Of Toronto Methods and systems for image alignment of at least one image to a model
US10909347B2 (en) * 2017-03-14 2021-02-02 Samsung Electronics Co., Ltd. Method and apparatus with fingerprint verification
GB2574428B (en) * 2018-06-06 2020-06-10 Visidon Oy Image registering method and apparatus
CN109558804B (zh) * 2018-11-05 2023-04-07 Oppo广东移动通信有限公司 指纹采集方法及相关产品
CN110189367B (zh) * 2019-05-29 2021-06-01 Oppo广东移动通信有限公司 校准方法及相关设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482972A (zh) * 2008-01-09 2009-07-15 索纳韦申有限公司 触击传感器图像对准的方法和系统
CN102073856A (zh) * 2011-01-20 2011-05-25 邵明省 一种基于频率能量差别的指纹识别
CN102436577A (zh) * 2011-11-26 2012-05-02 北京工业大学 一种反射式数字全息指纹成像装置
US10068345B1 (en) * 2017-04-27 2018-09-04 King Abdullah University Of Science And Technology Image series alignment system and method
CN108874208A (zh) * 2018-05-11 2018-11-23 深圳市零度智控科技有限公司 指纹识别方法、移动终端及计算机可读存储介质
CN110473241A (zh) * 2019-07-31 2019-11-19 上海联影智能医疗科技有限公司 图像配准方法、存储介质及计算机设备
CN111126147A (zh) * 2019-11-22 2020-05-08 北京迈格威科技有限公司 图像处理方法、装置和电子系统
CN111028176A (zh) * 2019-12-10 2020-04-17 北京迈格威科技有限公司 指纹图像处理方法、装置、电子设备及计算机可读介质
CN111179265A (zh) * 2020-01-10 2020-05-19 敦泰电子（深圳）有限公司 基于图像的指纹质量评估方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Spectral biometrical recognition of fingerprints;Tibor Csongrády 等;《Central European Journal of Computer Science》;20110628;194-204 *
基于纹理与深度学习的指纹活体检测;胡海洋;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190115(第01期);I138-2934 *

Also Published As

Publication number Publication date
CN112434572A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN108921806B (zh) 一种图像处理方法、图像处理装置及终端设备
CN110310237B (zh) 去除图像摩尔纹、显示面板子像素点亮度测量、Mura缺陷修复的方法及系统
CN107403421B (zh) 一种图像去雾方法、存储介质及终端设备
CN111311523B (zh) 图像处理方法、装置、系统和电子设备
CN107358586A (zh) 一种图像增强方法、装置及设备
CN108288253B (zh) Hdr图像生成方法及装置
CN109118447B (zh) 一种图片处理方法、图片处理装置及终端设备
WO2006079115A2 (en) Spatial standard observer
CN104580937B (zh) 一种红外成像系统条纹噪声去除方法
WO2017113917A1 (zh) 成像方法、成像装置和终端
CN110996096B (zh) 一种基于结构相似性差异度的色调映射图像质量评价方法
US11182912B2 (en) Image registering method and apparatus
Vijayalakshmi et al. A strategic approach towards contrast enhancement by two-dimensional histogram equalization based on total variational decomposition
CN112434572B (zh) 指纹图像校准方法、装置、电子设备及存储介质
CN110766153A (zh) 神经网络模型训练方法、装置及终端设备
CN116883336A (zh) 图像处理方法、装置、计算机设备及介质
CN112017130A (zh) 新颖的基于自适应各向异性全变分正则化的图像复原方法
CN114757854A (zh) 基于多光谱分析的夜视图像质量提升方法、装置、设备
CN117152182B (zh) 一种超低照度网络相机图像处理方法、装置及电子设备
CN111126147A (zh) 图像处理方法、装置和电子系统
Wang et al. A new method estimating linear gaussian filter kernel by image PRNU noise
Watson Spatial standard observer
CN111369531B (zh) 图像清晰度的评分方法、设备及存储装置
CN115760578A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN111340724B (zh) 一种led屏校正过程中的图像去抖方法及装置

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
CP03 Change of name, title or address

Address after: 201-1, 2nd Floor, Building 4, No. 188 Rixin Road, Binhai Science and Technology Park, Binhai New Area, Tianjin, 300450

Patentee after: Tianjin Jihao Technology Co.,Ltd.

Address before: 102200 b806, building 8, No. 97, Changping Road, Shahe Town, Changping District, Beijing (Changping Demonstration Park)

Patentee before: Beijing Jihao Technology Co.,Ltd.

CP03 Change of name, title or address