CN116823679B - 基于人工智能的全自动指纹锁指纹图像增强方法 - Google Patents
基于人工智能的全自动指纹锁指纹图像增强方法 Download PDFInfo
- Publication number
- CN116823679B CN116823679B CN202311098992.1A CN202311098992A CN116823679B CN 116823679 B CN116823679 B CN 116823679B CN 202311098992 A CN202311098992 A CN 202311098992A CN 116823679 B CN116823679 B CN 116823679B
- Authority
- CN
- China
- Prior art keywords
- line
- fingerprint
- ridge
- lines
- obtaining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于人工智能的全自动指纹锁指纹图像增强方法,采集单个指纹图像;根据前景指纹图像方向线分布得到各方向线的邻近方向线;根据各方向线与邻近方向线的斜率角度差异得到各方向线的方向差值序列;根据各方向线的方向差值序列中元素变化得到各方向线的脊线方向可信系数;将脊线方向可信系数大于阈值的各局部脊线作为连续指纹脊线;根据连续指纹脊线得到前景指纹图像中各像素点的赋予值。从而实现指纹图像增强,增加了指纹信息的可靠性,提高指纹图像处理效果,具有较高指纹锁解锁精度。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及基于人工智能的全自动指纹锁指纹图像增强方法。
背景技术
随着科学技术的发展,指纹在人们生活中的各个领域都有着丰富的应用。由于指纹特征的复杂性和特殊性,指纹图像增强一直是一大难点。在采集指纹图像特征的过程中,会受到手指皮肤状况的影响,例如干燥、潮湿以及灰尘等会使采集到的指纹图像中出现大量噪声以及非指纹的干扰信息,影响指纹图像中对指纹特征的提取。通常采集到的指纹图像会出现指纹纹路断裂等情况。指纹的断裂是影响指纹特征提取的最常见的问题,因此对指纹图像进行增强是非常有必要的。而在现有的技术中,在对指纹进行增强时,会出现断裂的部分应连未连或者将不连接的纹线相连的情况,为指纹锁的指纹匹配增加了难度。
指纹锁是基于目标指纹与录入指纹的匹配度实现的,指纹锁采集指纹信息时指纹纹路不连续,难以对指纹进行完整采集,导致目标指纹匹配度下降,降低指纹锁解锁准确性。
综上所述,本发明提出基于人工智能的全自动指纹锁指纹图像增强方法,采用光学指纹采集器采集指纹图像,结合指纹图像中的指纹特征为指纹图像中非脊线像素点赋值,增强图像,完成全自动指纹锁指纹图像增强。
发明内容
为了解决上述技术问题,本发明提供基于人工智能的全自动指纹锁指纹图像增强方法,以解决现有的问题。
本发明的基于人工智能的全自动指纹锁指纹图像增强方法采用如下技术方案:
本发明一个实施例提供了基于人工智能的全自动指纹锁指纹图像增强方法,该方法包括以下步骤:
采集单个指纹图像;获取分割阈值;根据分割阈值及指纹图像的像素值分布特征得到脊线方向场图像;根据脊线方向场图像中方向线分布得到各方向线的邻近方向线;根据脊线方向场图像中各方向线及邻近方向线的斜率角度得到各方向线的方向差值序列;
根据各方向线与所属邻近方向线的方向差值序列中元素差异得到各方向线的脊线方向可信系数;
根据各方向线的脊线方向可信系数得到各连续指纹脊线;
根据各连续指纹脊线的灰度值变化得到各非脊线像素点的赋予值;
根据各非脊线像素点的赋予值对指纹图像进行增强。
优选的,所述获取分割阈值的具体步骤为:
根据指纹图像的条纹特征获取指纹图像中各像素点的特征值;对各像素点的特征值进行大津阈值分割得到分割阈值。
优选的,所述根据分割阈值及指纹图像的像素值分布特征得到脊线方向场图像的具体步骤为:
根据分割阈值对指纹图像进行阈值分割得到前景指纹图像;根据前景指纹图像中各条指纹走向得到脊线方向场图像。
优选的,所述根据脊线方向场图像中方向线分布得到各方向线的邻近方向线的具体步骤为:
规定脊线方向场图像中方向线的正方向;根据各方向线的正方向获取周围方向线相对中心方向线的相对位置,根据各方向线之间的相对位置获取各方向线的邻近方向线。
优选的,所述根据脊线方向场图像中各方向线及邻近方向线的斜率角度得到各方向线的方向差值序列的具体步骤为:
将各方向线与所属各邻近方向线之间的斜率角度差值组成的序列作为各方向线的方向差值序列。
优选的,所述根据各方向线与所属邻近方向线的方向差值序列中元素差异得到各方向线的脊线方向可信系数的具体步骤为:
采用相似性检测算法获取各方向线与所属邻近方向线的方向差值序列之间的相似距离;
根据各方向线与所属邻近方向线的方向差值序列之间的相似距离得到各方向线的脊线方向可信系数。
优选的,所述根据各方向线与所属邻近方向线的方向差值序列之间的相似距离得到各方向线的脊线方向可信系数,具体包括为:
各方向线的脊线方向可信系数与各方向线所属邻近方向线的方向差值序列的方差之和成反比,与各方向线相对所属邻近方向线的方向差值序列之间的相似距离成反比。
优选的,所述根据各方向线的脊线方向可信系数得到各连续指纹脊线的具体步骤为:
设定第一阈值;将脊线方向可信系数大于第一阈值的各方向线对应局部脊线作为各连续指纹脊线。
优选的,所述根据各连续指纹脊线的灰度值变化得到各非脊线像素点的赋予值的具体步骤为:
同一脊线且相邻的两个连续指纹脊线之间的非脊线像素点的赋予值为对应两个连续指纹脊线的灰度均值的平均值;剩余各非脊线像素点的赋予值为对应各非脊线像素点的灰度值。
优选的,所述非脊线像素点具体为:将指纹图像中不处于脊线上的像素点作为非脊线像素点。
本发明至少具有如下有益效果:
本发明结合指纹纹路特征,对断裂的指纹纹路进行连接,实现对全自动指纹锁指纹图像增强。通过对指纹纹路断裂处的像素点进行自适应赋值,解决了因指纹断裂导致指纹锁采集的指纹图像质量较差的问题,避免了指纹断裂导致与指纹锁录入的指纹匹配度较低的问题,增加了指纹信息的可靠性,进而提高了指纹锁解锁准确性;
为避免指纹断裂导致与指纹锁录入的指纹匹配度较低的问题,本发明结合指纹图像的脊线方向场中方向线的分布,构建方向线的脊线方向可信系数,对指纹断裂区域进行自适应像素点赋值,连接指纹,恢复指纹图像,进而增强指纹图像,提高指纹图像处理效果,提高指纹锁对待检验指纹的辨识度,具有较高指纹锁解锁精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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它附图。
图1为本发明提供的基于人工智能的全自动指纹锁指纹图像增强方法的流程图;
图2为脊线方向场图像示意图;
图3为脊线方向场中正方向及邻近方向线示意图;
图4为方向线对应局部脊线示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于人工智能的全自动指纹锁指纹图像增强方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于人工智能的全自动指纹锁指纹图像增强方法的具体方案。
本发明一个实施例提供的基于人工智能的全自动指纹锁指纹图像增强方法。
具体的,提供了如下的基于人工智能的全自动指纹锁指纹图像增强方法,请参阅图1,该方法包括以下步骤:
步骤S001,采用光学指纹采集器采集指纹图像,进行预处理。
采用光学指纹采集器采集指纹图像,直接获取指纹图像的灰度图像。图像采集过程中受到手指上灰尘、汗液等的影响,指纹图像中会产生噪声,因此采用双边滤波算法对指纹图像进行去噪,避免噪声影响,具体去噪算法实施者可自行选取,此处不做具体限制。
步骤S002,根据指纹图像中各条指纹的走向得到指纹图像中各连续指纹脊线,根据各连续指纹脊线获取各非脊线像素点的赋予值。
指纹具有独特性,每个人的指纹都不相同,同时不同的指纹又具有一些相同的基本特征,基于这些基本特征可以根据指纹纹路走向构建脊线方向场,其中,脊线是具有长度和宽度的指纹线,而方向线没有宽度。
指纹图像中断裂处指纹与附近指纹纹路走向相同,指纹断裂处的脊线连续性特征越强烈,断裂处两端的指纹越可能为需要连接的指纹。为获取不同区域纹路的走向特征,需要获取指纹图像的脊线方向场图像。由于采集的指纹图像是条纹图案,因此首先采用傅里叶谱的局部能量得到各像素点特征值,其次利用Otsu算法获取所有像素点特征值的分割阈值,Otsu算法为公知技术,具体过程不再赘述。指纹图像分割方法实施者可自行选取,本实施例不做具体限制。最后进行阈值分割,将特征值小于阈值的像素点作为前景像素点,得到指纹图像中的前景指纹图像。
针对前景指纹图像进行分析,由于外界干扰的原因,如因手指弯曲、皮肤出汗等会在指腹产生褶痕、污迹等,导致指纹的各条脊线上会有断裂的部分,在分割后得到的前景指纹图像中会有不连续脊线,而指纹本身是连续的,同一区域,指纹走向大致相同,因此为获得连续的各条指纹,需要先获取指纹图像的脊线方向场。通过长条法求得前景指纹图像中各像素点的脊线方向,其中长条法为公知技术,具体过程不做过多赘述,根据前景指纹图像中各像素点所在脊线方向得到各方向线,将各方向线组成的图像作为脊线方向场图像,如图2所示,对脊线方向场图像中方向线的方向进行平滑处理,避免脊线方向场中方向线过于混乱不利于后续分析,其中平滑处理的过程为公知技术,在此不做过多赘述。
为获取脊线方向场图像中各方向线的邻近方向线,需要先确定脊线方向场图像中方向线的正方向,因此规定沿脊线逆时针方向为方向线的正方向,如图3所示;将各方向线的正方向上相邻的方向线作为各方向线的上邻近方向线;将各方向线的负方向上相邻的方向线作为各方向线的下邻近方向线;将各方向线的垂直于正方向的左侧相邻的方向线作为各方向线的左邻近方向线;将各方向线的垂直于正方向的右侧相邻的方向线作为各方向线的右邻近方向线。
针对平滑后的脊线方向场图像进行分析,在前景指纹图像中,沿脊线方向的灰度变化最小,在其正交方向上相邻的两条脊线的延伸方向相近。脊线方向场中,方向线的斜率角度变化与之类似,沿脊线方向的斜率角度变化最小,沿其正交方向的相邻两个方向线的斜率角度变化相近。为避免每条指纹的端点被当作指纹断裂处从而与其它指纹相连,则需要判断每条脊线与其上下邻近的脊线为同一条指纹的可能性。非端点处的指纹应为连续指纹,即断裂处的两条脊线应当连接使其成为同一条指纹,这两条脊线对应方向场中方向线一致。而指纹端点处的两条脊线对应方向场中方向线斜率角度相差较大。
对各像素点所在方向线进行分析,获取各方向线的上下左右四个相邻方向线的斜率角度,其中,脊线方向场中方向线的斜率角度的取值范围在[0,]之间。若各方向线处于各条指纹线上,则方向线与其上下左右相邻方向线的斜率角度具有一定规律,即若在均匀的变化的区域,则上下左右脊线的斜率角度一致;若在角度变化较大的区域,各方向线与其上下相邻方向线的斜率角度按照一定规律变化,左右相邻方向场的斜率角度保持一致。
根据脊线方向场图像中各方向线及邻近方向线的斜率角度得到各方向线的方向差值序列,具体步骤为:
将各方向线与其上邻近方向线的斜率角度差值作为各方向线的方向差值序列中第一个元素,将各方向线与其下邻近方向线的斜率角度差值作为各方向线的方向差值序列中第二个元素,得到各方向线的方向差值序列。
若方向线及邻近方向线的斜率角度分布越符合指纹特征,则各方向线及其左邻近方向线与右邻近方向线的方向差值序列中,不同序列、相同序列值的元素之间的差值越小,且同一序列、相邻序列值之间的元素值越接近。因此根据方向线及邻近方向线的斜率角度分布计算各方向线的脊线方向可信系数,具体表达式为:
式中,为脊线方向场图像中第/>个方向线的脊线方向可信系数,/>为第/>个方向线的方向差值序列,/>为第/>个方向线的左邻近方向线的方向差值序列,/>第/>个方向线的右邻近方向线的方向差值序列,/>为第/>个方向线的方向差值序列中所有元素的方差,/>为第/>个方向线的左邻近方向线的方向差值序列的方差,/>为第/>个方向线的右邻近方向线的方向差值序列的方差,/>为方向序列/>和方向序列/>之间的/>距离,为方向序列/>和方向序列/>之间的/>距离。
越小,第/>个方向线的方向差值序列中各元素值越接近;/>越小,则说明第/>个方向线的脊线方向可信系数,第/>个方向线及邻近方向线的斜率角度分布越符合指纹特征;左右相邻方向线的方向差值序列之间的/>距离越小,不同序列、相同序列值的元素之间的差值越小,方向线之间的相似度越高,则说明第/>个方向线的脊线方向可信系数越大,第/>个方向线及邻近方向线的斜率角度分布越符合指纹特征。
脊线方向可信系数越大,则方向线与上、下邻近方向线对应脊线的指纹特征越接近,脊线越可能属于同一条指纹上的脊线,越应对其进行连接。遍历前景指纹图像中所有的脊线,求得对应脊线方向场中的方向线的脊线方向可信系数/>,对脊线方向可信系数做归一化处理,设定可信系数阈值,需要说明的是,可信系数阈值的设定实施者可自行选取,本实施例将可信系数阈值设定为0.8,将方向线对应的脊线段作为局部脊线,如图4所示,将脊线方向可信系数/>大于阈值的方向线对应的局部脊线标记为连续指纹脊线。
对连续指纹脊线进行分析,由于一些外界因素的干扰导致采集的指纹图像中本应连续的指纹脊线之间并不连续,导致后续对指纹图像进行匹配的过程中准确度受到影响。而上下相邻的连续指纹脊线之间应当是连续的,则以方向线为例,将方向线/>对应的局部脊线记为/>,下邻近方向线对应的局部脊线记为/>,若局部脊线 />及/>都为连续指纹脊线且相互独立,即两个局部脊线相邻不相连但又属于同一条指纹,将指纹图像中不处于脊线上的像素点作为非脊线像素点,则对局部脊线之间的非脊线像素点进行赋值,具体为:
构建包含局部脊线和局部脊线/>的最小外接矩形,其中局部脊线/>和局部脊线/>均为连续指纹脊线,根据连续指纹脊线得到前景指纹图像中非脊线像素点的赋予值,表达式为:
式中,为第/>个连续指纹脊线与下邻近连续指纹脊线的最小外接矩形内各非脊线像素点的赋予值,/>为第/>个连续指纹脊线的灰度均值,/>为第/>个连续指纹脊线的下邻近连续指纹脊线的灰度均值。
对前景指纹图像中符合要求的局部脊线进行上述处理,得到各最小外接矩形内非脊线像素点的赋予值。对于无法通过上述方法获得赋予值的非脊线像素点,将其灰度值作为赋予值。
步骤S003,根据各非脊线像素点的赋予值对图像进行增强。
根据各非脊线像素点的赋予值对前景指纹图像中对应像素点进行赋值,将断开的指纹线之间衔接起来,得到增强后的指纹图像。
综上所述,本发明实施例结合指纹纹路特征,对断裂的指纹纹路进行连接,实现对全自动指纹锁指纹图像增强。通过对指纹纹路断裂处的像素点的自适应赋值,解决了指纹断裂导致指纹锁采集的指纹质量较差的问题,避免了指纹断裂导致与指纹锁录入的指纹匹配度较低的问题,增加了指纹信息的可靠性,进而提高了指纹锁解锁准确性;
为避免指纹断裂导致与指纹锁录入的指纹匹配度较低的问题,本实施例结合指纹图像的脊线方向场中方向线的分布,构建方向线的脊线方向可信系数,对指纹断裂区域进行自适应像素点赋值,连接指纹,恢复指纹图像,进而增强指纹图像,提高指纹图像处理效果,具有较高指纹解锁精度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (7)
1.基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,该方法包括以下步骤:
采集单个指纹图像;获取分割阈值;根据分割阈值及指纹图像的像素值分布特征得到脊线方向场图像;根据脊线方向场图像中方向线分布得到各方向线的邻近方向线;根据脊线方向场图像中各方向线及邻近方向线的斜率角度得到各方向线的方向差值序列;
根据各方向线与所属邻近方向线的方向差值序列中元素差异得到各方向线的脊线方向可信系数;
根据各方向线的脊线方向可信系数得到各连续指纹脊线;
根据各连续指纹脊线的灰度值变化得到各非脊线像素点的赋予值;
根据各非脊线像素点的赋予值对指纹图像进行增强;
所述根据各方向线与所属邻近方向线的方向差值序列中元素差异得到各方向线的脊线方向可信系数的具体步骤为:
采用相似性检测算法获取各方向线与所属邻近方向线的方向差值序列之间的相似距离;
根据各方向线与所属邻近方向线的方向差值序列之间的相似距离得到各方向线的脊线方向可信系数;
所述根据各方向线与所属邻近方向线的方向差值序列之间的相似距离得到各方向线的脊线方向可信系数,具体包括为:
各方向线的脊线方向可信系数与各方向线所属邻近方向线的方向差值序列的方差之和成反比,与各方向线相对所属邻近方向线的方向差值序列之间的相似距离成反比;
所述根据各连续指纹脊线的灰度值变化得到各非脊线像素点的赋予值的具体步骤为:
同一脊线且相邻的两个连续指纹脊线之间的非脊线像素点的赋予值为对应两个连续指纹脊线的灰度均值的平均值;剩余各非脊线像素点的赋予值为对应各非脊线像素点的灰度值。
2.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述获取分割阈值的具体步骤为:
根据指纹图像的条纹特征获取指纹图像中各像素点的特征值;对各像素点的特征值进行大津阈值分割得到分割阈值。
3.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述根据分割阈值及指纹图像的像素值分布特征得到脊线方向场图像的具体步骤为:
根据分割阈值对指纹图像进行阈值分割得到前景指纹图像;根据前景指纹图像中各条指纹走向得到脊线方向场图像。
4.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述根据脊线方向场图像中方向线分布得到各方向线的邻近方向线的具体步骤为:
规定脊线方向场图像中方向线的正方向;根据各方向线的正方向获取周围方向线相对中心方向线的相对位置,根据各方向线之间的相对位置获取各方向线的邻近方向线。
5.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述根据脊线方向场图像中各方向线及邻近方向线的斜率角度得到各方向线的方向差值序列的具体步骤为:
将各方向线与所属各邻近方向线之间的斜率角度差值组成的序列作为各方向线的方向差值序列。
6.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述根据各方向线的脊线方向可信系数得到各连续指纹脊线的具体步骤为:
设定第一阈值;将脊线方向可信系数大于第一阈值的各方向线对应局部脊线作为各连续指纹脊线。
7.如权利要求1所述的基于人工智能的全自动指纹锁指纹图像增强方法,其特征在于,所述非脊线像素点具体为:将指纹图像中不处于脊线上的像素点作为非脊线像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098992.1A CN116823679B (zh) | 2023-08-30 | 2023-08-30 | 基于人工智能的全自动指纹锁指纹图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311098992.1A CN116823679B (zh) | 2023-08-30 | 2023-08-30 | 基于人工智能的全自动指纹锁指纹图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116823679A CN116823679A (zh) | 2023-09-29 |
CN116823679B true CN116823679B (zh) | 2023-12-05 |
Family
ID=88141395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311098992.1A Active CN116823679B (zh) | 2023-08-30 | 2023-08-30 | 基于人工智能的全自动指纹锁指纹图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823679B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007107050A1 (fr) * | 2006-03-23 | 2007-09-27 | Zksoftware Beijing Inc. | Procede et systeme d'identification d'empreintes digitales |
CN101814131A (zh) * | 2009-02-25 | 2010-08-25 | 中国科学院自动化研究所 | 一种增强模糊指纹保险箱安全性的方法 |
CN101901331A (zh) * | 2009-05-27 | 2010-12-01 | 上海点佰趣信息科技有限公司 | 断纹拼接方法 |
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN108960039A (zh) * | 2018-05-07 | 2018-12-07 | 西安电子科技大学 | 一种基于对称hash的不可逆指纹模板加密方法 |
CN109657579A (zh) * | 2018-12-07 | 2019-04-19 | 上海爱信诺航芯电子科技有限公司 | 一种指纹裂纹的检测与修复方法 |
CN112115848A (zh) * | 2020-09-16 | 2020-12-22 | 哈尔滨理工大学 | 低质量指纹图像的残缺区域处理方法 |
CN112435186A (zh) * | 2020-11-20 | 2021-03-02 | 浙江工业大学 | 一种基于双规则矩阵方向场的指纹图像增强方法 |
KR20210082624A (ko) * | 2019-12-26 | 2021-07-06 | 에코스솔루션(주) | 지문 향상 방법 |
WO2022131469A1 (ko) * | 2020-12-18 | 2022-06-23 | 서울대학교산학협력단 | 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치 |
CN114677552A (zh) * | 2021-11-22 | 2022-06-28 | 上海交通大学 | 用于深度学习的指纹细节数据库标注方法和系统 |
CN114863493A (zh) * | 2022-07-06 | 2022-08-05 | 北京圣点云信息技术有限公司 | 一种低质量指纹图像和非指纹图像的检测方法及检测装置 |
CN114863492A (zh) * | 2022-07-06 | 2022-08-05 | 北京圣点云信息技术有限公司 | 一种低质量指纹图像的修复方法及修复装置 |
CN115830651A (zh) * | 2022-12-30 | 2023-03-21 | 深圳芯启航科技有限公司 | 指纹图像增强方法、装置、电子设备及存储介质 |
-
2023
- 2023-08-30 CN CN202311098992.1A patent/CN116823679B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007107050A1 (fr) * | 2006-03-23 | 2007-09-27 | Zksoftware Beijing Inc. | Procede et systeme d'identification d'empreintes digitales |
CN101814131A (zh) * | 2009-02-25 | 2010-08-25 | 中国科学院自动化研究所 | 一种增强模糊指纹保险箱安全性的方法 |
CN101901331A (zh) * | 2009-05-27 | 2010-12-01 | 上海点佰趣信息科技有限公司 | 断纹拼接方法 |
CN102103692A (zh) * | 2011-03-17 | 2011-06-22 | 电子科技大学 | 一种指纹图像增强方法 |
CN108960039A (zh) * | 2018-05-07 | 2018-12-07 | 西安电子科技大学 | 一种基于对称hash的不可逆指纹模板加密方法 |
CN109657579A (zh) * | 2018-12-07 | 2019-04-19 | 上海爱信诺航芯电子科技有限公司 | 一种指纹裂纹的检测与修复方法 |
KR20210082624A (ko) * | 2019-12-26 | 2021-07-06 | 에코스솔루션(주) | 지문 향상 방법 |
CN112115848A (zh) * | 2020-09-16 | 2020-12-22 | 哈尔滨理工大学 | 低质量指纹图像的残缺区域处理方法 |
CN112435186A (zh) * | 2020-11-20 | 2021-03-02 | 浙江工业大学 | 一种基于双规则矩阵方向场的指纹图像增强方法 |
WO2022131469A1 (ko) * | 2020-12-18 | 2022-06-23 | 서울대학교산학협력단 | 딥러닝 알고리즘을 이용하여 중첩된 지문 영상에서 지문을 분리하는 방법 및 그 장치 |
CN114677552A (zh) * | 2021-11-22 | 2022-06-28 | 上海交通大学 | 用于深度学习的指纹细节数据库标注方法和系统 |
CN114863493A (zh) * | 2022-07-06 | 2022-08-05 | 北京圣点云信息技术有限公司 | 一种低质量指纹图像和非指纹图像的检测方法及检测装置 |
CN114863492A (zh) * | 2022-07-06 | 2022-08-05 | 北京圣点云信息技术有限公司 | 一种低质量指纹图像的修复方法及修复装置 |
CN115830651A (zh) * | 2022-12-30 | 2023-03-21 | 深圳芯启航科技有限公司 | 指纹图像增强方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
基于方向场和频率场的自适应指纹图像增强算法;何洋, 欧宗瑛, 郭浩;大连理工大学学报(第05期);全文 * |
指纹图像分割与增强算法;韩书娜等;《哈尔滨理工大学学报》;第16卷(第1期);98-101 * |
自动指纹识别系统中连续分布方向图的研究;聂桂军, 吴陈;中国图象图形学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116823679A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10558841B2 (en) | Method and apparatus for recognizing fingerprint ridge point | |
Zhang et al. | Fingerprint classification based on extraction and analysis of singularities and pseudo ridges | |
Banerjee et al. | ARTeM: A new system for human authentication using finger vein images | |
US8712114B2 (en) | Elegant solutions for fingerprint image enhancement | |
WO2007029591A1 (ja) | 画像処理装置、マスク作成方法及びプログラム | |
CN109919960B (zh) | 一种基于多尺度Gabor滤波器的图像连续边缘检测方法 | |
CN104484652A (zh) | 一种指纹识别方法 | |
CN108280448B (zh) | 指静脉按压图的判别方法及装置、指静脉识别方法 | |
CN112597812A (zh) | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 | |
CN115223211A (zh) | 一种将静脉图像转化为指纹图像的识别方法 | |
CN110569815B (zh) | 基于改进灰度不均匀矫正的指静脉图像特征提取算法 | |
CN117689655A (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN116823679B (zh) | 基于人工智能的全自动指纹锁指纹图像增强方法 | |
CN115994870A (zh) | 一种用于增强去噪的图像处理方法 | |
Nagendra et al. | Fingerprint image enhancement using filtering techniques | |
CN112435186B (zh) | 一种基于双规则矩阵方向场的指纹图像增强方法 | |
Patil et al. | Different techniques used in the process of feature extraction from fingerprint | |
CN110705352A (zh) | 基于深度学习的指纹图像检测方法 | |
KR101750897B1 (ko) | 손가락 경계 및 손가락 마디 주름의 특징을 이용한 바이오 인식 방법 | |
Sojan et al. | Fingerprint Image Enhancement and Extraction of Minutiae and Orientation | |
CN110210308B (zh) | 生物组织图像的识别方法及装置 | |
CN112507974B (zh) | 一种基于纹理特征的掌纹识别方法 | |
Aruna Kumari et al. | A comparative study of various minutiae extraction methods for fingerprint recognition based on score level fusion | |
Adeniyi et al. | Sclera boundary localization using circular hough transform and a modified run-data based algorithm | |
CN114612398A (zh) | 图像处理的方法、装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |