CN113408416A - 指纹频率估计方法及装置、指纹信息提取方法及装置 - Google Patents
指纹频率估计方法及装置、指纹信息提取方法及装置 Download PDFInfo
- Publication number
- CN113408416A CN113408416A CN202110679505.5A CN202110679505A CN113408416A CN 113408416 A CN113408416 A CN 113408416A CN 202110679505 A CN202110679505 A CN 202110679505A CN 113408416 A CN113408416 A CN 113408416A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- interval
- valley
- ridge
- array
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000000605 extraction Methods 0.000 title claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 description 13
- 238000012216 screening Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种指纹频率估计方法及装置,该方法包括:对指纹图像进行指纹分割,得到指纹有效区域;根据所述指纹有效区域对所述预处理后的指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。本发明还公开一种指纹信息提取方法及装置。利用本发明方案,可以提高指纹频率估计的准确性。
Description
技术领域
本发明涉及生物识别技术领域,具体地涉及一种指纹频率估计方法及装置,还涉及一种指纹信息提取方法及装置。
背景技术
生物特征识别技术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。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。
在指纹应用过程中,因指纹采集方式、采集环境等因素导致指纹信息与噪声混叠,需要对指纹数据进行一系列处理流程才能更好地识别和匹配指纹。在现有技术中,在指纹采集之后,指纹算法会自动对指纹数据进行分割、增强、特征提取等处理,以用于指纹录入和解锁。指纹算法的主要流程如下:首先对输入的指纹图像进行指纹有效区域和背景进行分离,然后对指纹有效区域进行指纹增强,对增强后的指纹进行特征提取。在对指纹的一系列的处理过程中,指纹增强与重建对于指纹后续特征提取与匹配有着不可替代的作用,而增强中的Gabor滤波的频率参数决定了指纹重建后的脊、谷间隔,直接关系到后续特征提取和匹配的准确程度。理论上,该频率参数应当与采集到的实际指纹频率相同。由于噪声的干扰以及指纹频率未知,在进行Gabor滤波之前需要依据采集到的指纹图像对指纹频率进行估计,方可对Gabor滤波的频率参数进行赋值。
现有的指纹频率估计方法,为了减少噪声、背景等的干扰,会先进行一次预增强,即按照经验设置Gabor滤波的频率参数进行增强,对增强后的指纹进行频率估计,然后再利用估计得到的频率参数进行Gabor滤波增强处理。这种方法存在以下问题:预设的频率参数会因为噪声、亮度不均等对指纹的有效信息引入错误信息,从而对之后预估的频率结果产生错误影响,即频率估计的结果会随着预设的经验频率参数变化。此外,该方法会增加一次Gabor滤波增强的计算。
发明内容
本发明实施例一方面提供一种指纹频率估计方法及装置,以提高指纹频率估计的准确性。
本发明实施例另一方面还提供一种指纹信息提取方法及装置,可以提高指纹信息的准确性。
为此,本发明实施例提供如下技术方案:
一种指纹频率估计方法,所述方法包括:
对指纹图像进行指纹分割,得到指纹有效区域;
根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;
根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
可选地,所述方法还包括:
对指纹图像进行指纹分割之前,对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。
可选地,所述对所述指纹图像进行指纹分割,得到指纹有效区域包括:
基于对比度对所述指纹图像进行指纹分割,得到指纹有效区域。
可选地,所述根据所述指纹有效区域对所述指纹图像进行多方向脊、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组包括:
以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
可选地,所述根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率包括:
分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值;
将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值;
将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率。
可选地,所述分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值包括:
分别对所述多方向脊间隔数组和所述多方向谷间隔数组在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列;
取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值。
一种指纹信息提取方法,所述方法包括:
获取指纹图像;
利用上面所述的指纹频率估计方法确定指纹频率;
基于所述指纹频率对所述指纹图像进行Gabor增强处理,得到增强后的指纹图像;
根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
一种指纹频率估计装置,所述装置包括:
图像分割模块,用于对指纹图像进行指纹分割,得到指纹有效区域;
统计模块,用于根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;
频率估计模块,用于根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
可选地,所述装置还包括:
预处理模块,用于在所述图像分割模块对指纹图像进行指纹分割之前,对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。
可选地,所述图像分割模块,具体用于基于对比度对所述指纹图像进行指纹分割,得到指纹有效区域。
可选地,所述统计模块,具体用于以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
可选地,所述频率估计模块包括:
间隔确定单元,用于分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值;
选择单元,用于将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值;
计算单元,用于将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率。
可选地,所述间隔确定单元包括:
排序单元,用于分别对所述多方向脊间隔数组和所述多方向谷间隔数组在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列;
数值选取单元,用于取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值。
一种指纹信息提取装置,所述装置包括:
图像获取模块,用于获取指纹图像;
上面所述的指纹频率估计装置,用于确定指纹频率;
增强处理模块,用于基于所述指纹频率对所述指纹图像进行Gabor滤波增强处理,得到增强后的指纹图像;
信息提取模块,用于根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法的步骤。
本发明实施例还提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述方法的步骤。
本发明实施例提供的指纹频率估计方法及装置,通过对指纹有效区域进行分割,从而有效引导后续的多方向脊、谷间隔统计的区域范围,减少无效统计和计算;然后考虑多方向的不一致性,使得统计的数据更全面。在未知指纹旋转方向的前提下,可有效统计到指纹真实的频率数据,而且将脊、谷分开统计,保持了脊、谷各自的数据特性。最后经过择优策略筛选估计,确定指纹频率,使最终确定的指纹频率更趋于采集到的实际指纹频率,有效地提高了估计结果的准确性。进而在指纹增强处理中,可以直接利用本发明方案中得到的指纹频率作为Gabor滤波的频率参数,而无需预增强处理来确定频率参数,相对于现有技术,减少了一次Gabor增强的计算。而且,本发明方案使用原始图像进行指纹频率估计,因而不会引入错误信息。基于上述本发明实施例提供的指纹频率估计方法及装置,本发明实施例提供的指纹信息提取方法及装置,在对指纹图像进行Gabor滤波增强时,使用原始图像进行指纹频率估计,不仅减少了一次Gabor增强的计算,而且不会引入错误信息,从而提升了指纹信息的准确性,可以为一些指纹识别等应用提供更准确有效的指纹信息。
附图说明
图1是本发明实施例指纹频率估计方法的一种流程图;
图2是本发明实施例指纹频率估计方法的另一种流程图;
图3是本发明实施例指纹信息提取方法的一种流程图;
图4是本发明实施例指纹频率估计装置的一种结构框图;
图5是本发明实施例指纹频率估计装置的另一种结构框图;
图6是本发明实施例指纹信息提取装置的一种结构框图。
具体实施方式
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
Gabor滤波是将信号划分成许多小的时间间隔,用傅里叶变换分析每一个时间间隔中的频域信息,其处理方法是对傅里叶变换函数设置一个滑动窗口,再对其进行傅里叶变换。针对现有技术中在指纹增强处理中,由于Gabor滤波的频率参数按照经验设置所产生的问题,本发明实施例提供一种指纹频率估计方法及装置,首先对指纹图像进行指纹分割,得到指纹有效区域;然后根据所述指纹有效区域对所述预处理后的指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;最后根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
如图1所示,是本发明实施例指纹频率估计方法的一种流程图,包括以下步骤:
步骤101,对指纹图像进行指纹分割,得到指纹有效区域。
所述指纹图像可以是来自指纹传感器,也可以是来自其他设备。另外,在实际应用中,可以是主动获取、也可以是被动接收,对此本发明实施例不做限定。
具体地,可以采用基于对比度、基于亮度等的指纹分割方法,得到指纹有效区域,为之后的脊、谷统计限制区域,有效降低背景噪声可能带来的影响。
所述对比度与分割方法是对指纹图像进行分块对比度计算和筛选种子点,对后续筛选得到的较好的种子点进行像素级别分割得到指纹有效区域。
步骤102,根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组。
具体地,以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
本发明实施例对脊间隔、谷间隔统计的具体方法不作限定,包括但不限于峰-峰(谷-谷)值统计像素。
指纹不同地方的间隔会因为指纹特征和噪声等有不同程度的差异,多方向统计间隔考虑了数据的差异性,使得统计的数据更全面。在未知指纹旋转方向的前提下,可有效统计到指纹真实的频率数据。将脊、谷分开统计可以保持脊、谷各自的数据特性。
步骤103,根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。具体过程如下:
首先,分别根据所述多方向脊间隔数组RD(i,:)和所述多方向谷间隔数组VD(i,:),确定各方向的脊间隔数值和谷间隔数值RD(i)。具体地,可以分别对所述多方向脊间隔数组RD(i,:)和所述多方向谷间隔数组VD(i,:)在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列,取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值,即:
RD(i)=mid(sort(RD(i,:)));
VD(i)=mid(sort(VD(i,:)));
通过上述处理,可以初步降低指纹间隔不一致的影响。
需要说明的是,本发明实施例对脊间隔RD(i,:)数组和谷间隔VD(i,:)数组的排序方式不做限定,比如可以采用由大到小、或者由小到大等排序方式。
其次,将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值,即:
RD=Min(RD(i));
VD=Min(VD(i));
最后,将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率,即:
如图2所示,是本发明实施例指纹频率估计方法的另一种流程图,包括以下步骤:
步骤201,对指纹图像进行预处理,以增强所述指纹图像中的有效信息。
比如,可以对所述指纹图像进行基于多尺度模糊差分的指纹预处理,即使用多个不同尺度的模糊操作后进行作差提取有效的信息。该预处理在增强指纹有效信息的同时,还可降低噪声的干扰。
步骤202,对预处理后的指纹图像进行指纹分割,得到指纹有效区域。
具体地,可以采用基于对比度的指纹分割方法,得到指纹有效区域,为之后的脊、谷统计限制区域,进一步降低背景噪声可能带来的影响。
基于对比度的指纹分割方法是对指纹图像进行分块对比度计算和筛选种子点,对后续筛选得到的较好的种子点进行像素级别分割得到指纹有效区域。
步骤203,根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组。
步骤204,根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
本发明实施例提供的指纹频率估计方法,在对指纹图像进行指纹分割之前,对所述指纹图像进行增强处理,增强指纹有效信息的同时,有效降低了噪声的干扰。然后通过对指纹有效区域进行分割,从而有效引导后续的多方向脊、谷间隔统计的区域范围,减少无效统计和计算;然后考虑多方向的不一致性,使得统计的数据更全面。在未知指纹旋转方向的前提下,可有效统计到指纹真实的频率数据,而且将脊、谷分开统计,保持了脊、谷各自的数据特性。最后经过择优策略筛选估计,确定指纹频率,使最终确定的指纹频率更趋于采集到的实际指纹频率,有效地提高了估计结果的准确性。进而在指纹增强处理中,可以直接利用本发明方案中得到的指纹频率作为Gabor滤波的频率参数,而无需预增强处理来确定频率参数,相对于现有技术,减少了一次Gabor增强的计算。本发明方案使用原始图像进行指纹频率估计,因而不会引入错误信息。
基于上述指纹频率估计方法,本发明实施例还提供一种指纹信息提取方法,如图3所示,是本发明实施例指纹信息提取方法的一种流程图,包括以下步骤:
步骤301,获取指纹图像。
所述指纹图像可以是通过指纹传感器采集的,或者是来自其他设备的,对此本发明实施例不做限定。
步骤302,对所述指纹图像进行指纹分割,得到指纹有效区域。
步骤303,根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组。
步骤304,根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
步骤305,基于所述指纹频率对所述指纹图像进行Gabor滤波增强处理,得到增强后的指纹图像。
Gabor滤波增强处理的具体方式可采用现有技术,对此本发明实施例不做限定。
步骤306,根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
所述指纹信息具体可以包括但不限于以下任意一种或多种信息:指纹亮度信息、梯度信息、对比度信息、灰阶分布等。
进一步地,在本发明指纹信息提取方法另一实施例中,可以在上述步骤302之前,先对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。比如,可以对所述指纹图像进行基于多尺度模糊差分的指纹预处理,该预处理在增强指纹有效信息的同时,还可降低噪声的干扰。
上述步骤302至步骤304的具体实现方式可参见前面图1和图2实施例中的描述,在此不再赘述。
本发明实施例提供的指纹信息提取方法,在对指纹图像进行Gabor滤波增强时,基于原始图像、利用上述本发明实施例提供的指纹频率估计方法进行指纹频率估计,不仅减少了一次Gabor增强的计算,而且不会引入错误信息,从而提升了指纹信息的准确性,可以为一些指纹识别等应用提供更准确有效的指纹信息。
相应地,本发明实施例还提供一种指纹频率估计装置,如图4所示,是该装置的一种结构框图。
在该实施例中,所述指纹频率估计装置包括以下各模块:
图像分割模块401,用于对指纹图像进行指纹分割,得到指纹有效区域;
统计模块402,用于根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;
频率估计模块403,用于根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
其中,所述图像分割模块401可以采用基于对比度的指纹分割方法,得到指纹有效区域,为之后的脊、谷统计限制区域,有效降低背景噪声可能带来的影响。
其中,所述统计模块402具体可以以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
需要说明的是,本发明实施例对所述统计模块402对脊间隔、谷间隔统计的具体方式不作限定,比如,采用峰-峰或谷-谷值统计像素数等方式。
其中,所述频率估计模块403可以包括以下各单元:
间隔确定单元,用于分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值;
选择单元,用于将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值;
计算单元,用于将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率。
所述间隔确定单元具体可以通过对多方向脊间隔数组和多方向谷间隔数组在各方向上进行排序的方式确定相应方向上的间隔数值,比如,所述间隔确定单元的一种具体结构可以包括:排序单元和数值选取单元。其中,所述排序单元用于分别对所述多方向脊间隔数组和所述多方向谷间隔数组在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列;所述数值选取单元用于取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值。
需要说明的是,所述间隔确定单元并不限于上述结构及相应间隔数值的确定方式,还可以采用其他方式和相应结构。
本发明实施例提供的指纹频率估计装置,通过对指纹有效区域进行分割,从而有效引导后续的多方向脊、谷间隔统计的区域范围,减少无效统计和计算;然后考虑多方向的不一致性,使得统计的数据更全面。在未知指纹旋转方向的前提下,可有效统计到指纹真实的频率数据,而且将脊、谷分开统计,保持了脊、谷各自的数据特性。最后经过择优策略筛选估计,确定指纹频率,使最终确定的指纹频率更趋于采集到的实际指纹频率,有效地提高了估计结果的准确性。进而在指纹增强处理中,可以直接利用本发明方案中得到的指纹频率作为Gabor滤波的频率参数,而无需预增强处理来确定频率参数,相对于现有技术,减少了一次Gabor增强的计算。本发明方案使用原始图像进行指纹频率估计,因而不会引入错误信息。
如图5所示,是本发明实施例指纹频率估计装置的另一种结构框图。
与图4所示实施例不同的是,在该实施例中,所述装置还包括:预处理模块404,用于在所述图像分割模块对所述指纹图像进行指纹分割之前,对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。
相应地,在该实施例中,所述图像分割模块401对预处理后的指纹图像进行指纹分割,得到指纹有效区域。
本发明实施例提供的指纹频率估计装置,在对指纹图像进行指纹分割之前,先对所述指纹图像进行增强处理,增强指纹有效信息的同时,有效降低了噪声的干扰。通过对指纹有效区域进行分割,可以有效引导后续的多方向脊、谷间隔统计的区域范围,减少无效统计和计算。考虑到多方向的不一致性,使得统计的数据更全面。在未知指纹旋转方向的前提下,可有效统计到指纹真实的频率数据,而且将脊、谷分开统计,保持了脊、谷各自的数据特性。最后经过择优策略筛选估计,确定指纹频率,使最终确定的指纹频率更趋于采集到的实际指纹频率,有效地提高了估计结果的准确性。
相应地,本发明实施例还提供一种指纹信息提取装置,如图6所示,是该装置的一种结构框图。
在该实施例中,所述指纹信息提取装置包括:
图像获取模块601,用于获取指纹图像;
指纹频率估计装置400,用于确定指纹频率;
增强处理模块602,用于基于所述指纹频率对所述指纹图像进行Gabor滤波增强处理,得到增强后的指纹图像;
信息提取模块603,用于根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
其中,所述图像获取模块601具体可以从指纹传感器或其他设备获取指纹图像,而且,在实际应用中,可以是主动获取、也可以是被动接收,对此本发明实施例不做限定。
其中,指纹频率估计装置400的具体结构可以参见图4、图5,在此不再赘述。
本发明实施例提供的指纹信息提取装置,在对指纹图像进行Gabor滤波增强时,基于原始图像、利用上述本发明实施例提供的指纹频率估计装置进行指纹频率估计,不仅减少了一次Gabor增强的计算,而且不会引入错误信息,从而提升了指纹信息的准确性,可以为一些指纹识别等应用提供更准确有效的指纹信息。
在具体实施中,上述指纹频率估计方法及装置、指纹信息提取方法及装置可以应用于各种具有指纹解锁功能的设备中,可对应于网络设备中的芯片,例如SoC、基带芯片、芯片模组等。
在具体实施中,关于上述实施例中描述的各个装置、产品包含的各个模块/单元,其可以是软件模块/单元,也可以是硬件模块/单元,或者也可以部分是软件模块/单元,部分是硬件模块/单元。
例如,对于应用于或集成于芯片的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于芯片模组的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于芯片模组内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现;对于应用于或集成于终端的各个装置、产品,其包含的各个模块/单元可以都采用电路等硬件的方式实现,不同的模块/单元可以位于终端内同一组件(例如,芯片、电路模块等)或者不同组件中,或者,至少部分模块/单元可以采用软件程序的方式实现,该软件程序运行于终端内部集成的处理器,剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时执行上述图1或图2或图3对应实施例提供的方法的步骤。或者,所述计算机程序被处理器运行时执行上述图1或图2或图3对应实施例提供的方法的步骤。
本发明实施例还提供了另一种指纹频率估计装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述图1或图2或图3对应实施例所提供的方法的步骤。
本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行上述图1或图2或图3对应实施例所提供的方法的步骤。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (16)
1.一种指纹频率估计方法,其特征在于,所述方法包括:
对指纹图像进行指纹分割,得到指纹有效区域;
根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;
根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对指纹图像进行指纹分割之前,对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。
3.根据权利要求1所述的方法,其特征在于,所述对所述指纹图像进行指纹分割,得到指纹有效区域包括:
基于对比度对所述指纹图像进行指纹分割,得到指纹有效区域。
4.根据权利要求1所述的方法,其特征在于,所述根据所述指纹有效区域对所述指纹图像进行多方向脊、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组包括:
以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率包括:
分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值;
将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值;
将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率。
6.根据权利要求5所述的方法,其特征在于,所述分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值包括:
分别对所述多方向脊间隔数组和所述多方向谷间隔数组在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列;
取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值。
7.一种指纹信息提取方法,其特征在于,所述方法包括:
获取指纹图像;
利用如权利要求1至6任一项所述的指纹频率估计方法确定指纹频率;
基于所述指纹频率对所述指纹图像进行Gabor增强处理,得到增强后的指纹图像;
根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
8.一种指纹频率估计装置,其特征在于,所述装置包括:
图像分割模块,用于对指纹图像进行指纹分割,得到指纹有效区域;
统计模块,用于根据所述指纹有效区域对所述指纹图像进行多方向脊间隔、谷间隔统计,得到多方向脊间隔数组和多方向谷间隔数组;
频率估计模块,用于根据所述多方向脊间隔数组和多方向谷间隔数组确定指纹频率。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
预处理模块,用于在所述图像分割模块对指纹图像进行指纹分割之前,对所述指纹图像进行预处理,以增强所述指纹图像中的有效信息。
10.根据权利要求8所述的装置,其特征在于,
所述图像分割模块,具体用于基于对比度对所述指纹图像进行指纹分割,得到指纹有效区域。
11.根据权利要求8所述的装置,其特征在于,
所述统计模块,具体用于以所述指纹有效区域的中心为原点,向多个方向统计所述指纹有效区域内相邻脊的间隔RD和相邻谷的间隔VD,得到多方向脊间隔数组和多方向谷间隔数组。
12.根据权利要求11所述的装置,其特征在于,所述频率估计模块包括:
间隔确定单元,用于分别根据所述多方向脊间隔数组和所述多方向谷间隔数组,确定各方向的脊间隔数值和谷间隔数值;
选择单元,用于将所述多个方向的脊间隔数值中的最小值作为脊间隔值,将所述多个方向的谷间隔中的最小值作为谷间隔值;
计算单元,用于将所述谷间隔数值和所述谷间隔值的平均值的倒数作为指纹频率。
13.根据权利要求12所述的装置,其特征在于,所述间隔确定单元包括:
排序单元,用于分别对所述多方向脊间隔数组和所述多方向谷间隔数组在各方向上进行排序,得到各方向上的脊间隔序列和谷间隔序列;
数值选取单元,用于取各方向上的脊间隔序列的中值作为所述方向的脊间隔数值,取各方向上的谷间隔序列的中值作为所述方向的谷间隔数值。
14.一种指纹信息提取装置,其特征在于,所述装置包括:
图像获取模块,用于获取指纹图像;
如权利要求8至13任一项所述的指纹频率估计装置,用于确定指纹频率;
增强处理模块,用于基于所述指纹频率对所述指纹图像进行Gabor滤波增强处理,得到增强后的指纹图像;
信息提取模块,用于根据所述指纹有效区域从所述增强后的指纹图像中提取指纹信息。
15.一种计算机可读存储介质,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,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运行时执行权利要求1至6中任一项、或者权利要求7所述方法的步骤。
16.一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行权利要求1至6中任一项、或者权利要求7所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679505.5A CN113408416B (zh) | 2021-06-18 | 2021-06-18 | 指纹频率估计方法及装置、指纹信息提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679505.5A CN113408416B (zh) | 2021-06-18 | 2021-06-18 | 指纹频率估计方法及装置、指纹信息提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408416A true CN113408416A (zh) | 2021-09-17 |
CN113408416B CN113408416B (zh) | 2023-04-07 |
Family
ID=77681477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110679505.5A Active CN113408416B (zh) | 2021-06-18 | 2021-06-18 | 指纹频率估计方法及装置、指纹信息提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408416B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114783009A (zh) * | 2022-04-29 | 2022-07-22 | 云谷(固安)科技有限公司 | 调节指纹亮度的方法、显示面板、装置、处理设备和终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254163A (zh) * | 2011-08-03 | 2011-11-23 | 山东志华信息科技股份有限公司 | 自适应模板大小的Gabor指纹图像增强方法 |
US20160379038A1 (en) * | 2015-06-29 | 2016-12-29 | Qualcomm Incorporated | Valid finger area and quality estimation for fingerprint imaging |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN109815780A (zh) * | 2018-08-31 | 2019-05-28 | 武汉芯盈科技有限公司 | 一种基于图像处理的高精度指纹识别方法及系统 |
CN111695386A (zh) * | 2019-03-15 | 2020-09-22 | 虹软科技股份有限公司 | 一种指纹图像增强、指纹识别和应用程序启动方法 |
CN112396022A (zh) * | 2020-11-30 | 2021-02-23 | 无锡市乐观电子科技有限公司 | 一种指纹提取方法 |
-
2021
- 2021-06-18 CN CN202110679505.5A patent/CN113408416B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254163A (zh) * | 2011-08-03 | 2011-11-23 | 山东志华信息科技股份有限公司 | 自适应模板大小的Gabor指纹图像增强方法 |
US20160379038A1 (en) * | 2015-06-29 | 2016-12-29 | Qualcomm Incorporated | Valid finger area and quality estimation for fingerprint imaging |
CN106503609A (zh) * | 2015-09-08 | 2017-03-15 | 腾讯科技(深圳)有限公司 | 指纹纹线点的识别方法及装置 |
CN109815780A (zh) * | 2018-08-31 | 2019-05-28 | 武汉芯盈科技有限公司 | 一种基于图像处理的高精度指纹识别方法及系统 |
CN111695386A (zh) * | 2019-03-15 | 2020-09-22 | 虹软科技股份有限公司 | 一种指纹图像增强、指纹识别和应用程序启动方法 |
CN112396022A (zh) * | 2020-11-30 | 2021-02-23 | 无锡市乐观电子科技有限公司 | 一种指纹提取方法 |
Non-Patent Citations (1)
Title |
---|
高婧婧: ""指纹识别预处理算法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114783009A (zh) * | 2022-04-29 | 2022-07-22 | 云谷(固安)科技有限公司 | 调节指纹亮度的方法、显示面板、装置、处理设备和终端 |
Also Published As
Publication number | Publication date |
---|---|
CN113408416B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9633269B2 (en) | Image-based liveness detection for ultrasonic fingerprints | |
US7072523B2 (en) | System and method for fingerprint image enhancement using partitioned least-squared filters | |
Jiang et al. | Detecting the fingerprint minutiae by adaptive tracing the gray-level ridge | |
CN110765857A (zh) | 指纹识别方法、芯片及电子装置 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN104794440B (zh) | 一种基于多分块多尺度lbp的假指纹检测方法 | |
CN113723309A (zh) | 身份识别方法、身份识别装置、设备及存储介质 | |
CN114925348B (zh) | 一种基于指纹识别的安全验证方法及系统 | |
Khalefa et al. | Fingerprint image enhancement by develop mehtre technique | |
CN113408416B (zh) | 指纹频率估计方法及装置、指纹信息提取方法及装置 | |
Achban et al. | Wrist hand vein recognition using local line binary pattern (LLBP) | |
CN111127407B (zh) | 一种基于傅里叶变换的风格迁移伪造图像检测装置及方法 | |
Yazdani et al. | Verification based on palm vein by estimating wavelet coefficient with autoregressive model | |
CN112507974B (zh) | 一种基于纹理特征的掌纹识别方法 | |
CN112329518B (zh) | 基于边缘纹理强化和对称差分统计的指纹活性检测的方法 | |
Kakkar et al. | Fingerprint image enhancement using wavelet transform and gabor filtering | |
Misra et al. | A study report on finger print image enhancement methods | |
Aydoğdu et al. | A study on liveness analysis for palmprint recognition system | |
Kuban et al. | A NOVEL MODIFICATION OF SURF ALGORITHM FOR FINGERPRINT MATCHING. | |
Abdullahi et al. | Spoofed fingerprint image detection using local phase patch segment extraction and a lightweight network | |
Susetianingtias et al. | Retinal blood vessel extraction using wavelet decomposition | |
CN116778538B (zh) | 一种基于小波分解的静脉图像识别方法及系统 | |
Shaju et al. | Haar wavelet transform based histogram concatenation model for finger print spoofing detection | |
CN110659536A (zh) | 指纹识别设备分辨率的测试方法及装置、系统及存储介质 | |
Ogundepo et al. | Development of a real time fingerprint authentication/identification system for students’ record |
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 |