CN1229755C - 验证模式下的自动指纹识别技术 - Google Patents
验证模式下的自动指纹识别技术 Download PDFInfo
- Publication number
- CN1229755C CN1229755C CN03112615.4A CN03112615A CN1229755C CN 1229755 C CN1229755 C CN 1229755C CN 03112615 A CN03112615 A CN 03112615A CN 1229755 C CN1229755 C CN 1229755C
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- template
- templates
- burr
- refinement
- 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.)
- Expired - Fee Related
Links
- 238000012795 verification Methods 0.000 title abstract description 3
- 238000005516 engineering process Methods 0.000 title description 22
- 238000000034 method Methods 0.000 claims abstract description 61
- 208000030757 autosomal dominant osteopetrosis Diseases 0.000 claims abstract description 22
- ZWLUXSQADUDCSB-UHFFFAOYSA-N phthalaldehyde Chemical compound O=CC1=CC=CC=C1C=O ZWLUXSQADUDCSB-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000008030 elimination Effects 0.000 claims abstract description 11
- 238000003379 elimination reaction Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000012217 deletion Methods 0.000 claims description 9
- 230000037430 deletion Effects 0.000 claims description 8
- 238000010200 validation analysis Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000014759 maintenance of location Effects 0.000 abstract 3
- 230000002500 effect on skin Effects 0.000 abstract 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009415 formwork Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009416 shuttering Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种验证模式下的自动指纹识别方法,特别是针对改进的OPTA算法细化以后指纹图像中出现分叉点处细化不完全,出现毛刺的问题,经分析发现分叉点处细化不完全是由消除模板不完善引起的,为此,专门构建了消除模板和保留模板,分别对分叉点细化不完全出现的两种情况进行处理,使分叉点处满足了单像素宽。纹线上毛刺的产生是由保留模板不对称所引起,因此,在改进的OPTA算法的6个保留模板的基础上,扣除了出现向左、向上、向右毛刺的三种形状的模板,消除了毛刺。本发明还提出了多级分割提取指纹图像方向信息的新方法,即使是对低质量的指纹图像也可提取相对准确、可靠的指纹纹线方向信息,提高了整个自动指纹识别方法的准确率。
Description
一、技术领域
本发明涉及生物识别领域,具体地说是涉及手指指纹的自动识别方法。
二、背景技术
自动指纹识别方法是指利用指头表面纹路的脊线、谷线分布模式来确认被识别对象的身份的一种生物识别方法。人的指纹特征是与生俱来的,在胎儿时期就已经决定了。人类使用指纹作为身份识别的手段已经有很长的历史了,使用指纹进行身份识别的合法性也早已得到了广泛的认可。
一般而言,自动指纹识别方法分为验证模式和识别模式两种。验证模式又称为1:1模式,也就是判断你是否是你所说的那个人;识别模式又称为1:N模式,也就是判断你是否为一个合法人群中的其中一员。无论是那种方式,最后对一个人的身份进行确认都是通过考察两枚指纹之间的相似度来实现的。按照各自的实现功能,自动指纹识别方法可以被分解为以下四个模块:(1)指纹采集;(2)指纹特征信息提取;(3)指纹分类;(4)指纹匹配。指纹采集就是将指纹纹线分布经相关指纹采集设备录入并进行数字化的过程。指纹特征信息提取就是对所采集到的指纹图像进行处理,提取出可以表征指纹唯一性的特征信息。指纹分类是根据指纹纹线客观上所具有的全局结构模式指定相应的分类标准,将具有相同全局结构模式的指纹归结到同一类别中。指纹匹配是根据指纹的特征信息来判断两枚指纹是否同源,即是否来自于同一个人的同一个手指。其中,指纹分类是识别模式下的自动指纹识别技术中的一个关键环节,而在验证模式下则不需要对指纹进行分类。
基于验证模式下的自动指纹识别方法的一般工作流程如图1所示。
目前,自动指纹识别方法的主要技术难点有以下五个方面:
1、前端的指纹采集技术。目前的指纹采集方式主要有光学全反射式、电感式、电容式等。但这些采集方式无法解决由于指纹本身的质量不好对自动指纹识别技术的影响,无法实现对由于手指干燥、脱皮、老化、横纹等所引起的质量很差的指纹所带来的不利影响。
2、方向提取技术。目前的方向提取技术在指纹质量良好的条件下能获取相对理想的方向图,但在指纹质量相对较差的时候,很难提取出相对合理的方向图。比如在指纹中横纹相对较多的时候,在横纹出现的地方,所提取的方向图无法准确的描述指纹本身的纹线流。
3、指纹增强技术。指纹增强是自动指纹识别技术中一个非常重要的环节,但目前的指纹增强技术无法实现高效率和高准确率的有机结合。
4、指纹细化技术。理想细化后的纹线骨架应该是原始纹线的中间位置,细化后的图像应该是完全单象素宽,并保持纹线的连通性、拓扑结构和细节特征。但目前的细化技术在某些地方(比如,纹线分叉的位置)无法保证细化图像是完全单象素宽,甚至产生较多的毛刺。无法适应自动指纹识别系统的要求。
5、指纹匹配技术。为了适应自动指纹识别系统的要求,指纹匹配技术应是高准确率和高速度的有机结合。现有的指纹匹配技术在一定程度上只能满足一方面的要求。
本申请专利技术主要针对自动指纹识别技术中指纹图像细化技术和指纹纹线方向信息提取技术两个方面进行了重大的改进。
(1)细化处理是指在指纹图像二值化以后,在不影响纹线连通性的基础上,删除纹线的边缘像素,直到纹线为单像素宽为止。理想细化后的纹线骨架应该是原始纹线的中间位置,并保持纹线的连通性、拓扑结构和细节特征。细化算法的种类很多,按照细化顺序来看主要分为三类:串行细化、并行细化和混合细化。其中快速细化算法[1](Quickthinning algorithm)和改进的OPTA算法[2](Improved OPTA thinning algorithm)是目前使用较多的两种细化算法。快速细化算法为4连通并行细化算法,原理是判断出指纹纹线的边界点并逐步删除。该算法速度很快,但是细化不彻底。改进的OPTA算法是串行细化算法,其原理是构造一定的消除模板和保留模板,将二值化后的指纹图像和模板比较,决定是否删除某点的像素值。这种算法能够基本保证单像素宽,但细化后会产生很多毛刺图。而且发现,经过该算法细化的图像在纹线的分叉点处并不是单像素宽的。
(2)指纹图像的方向信息是指纹纹线的方向流信息。在自动指纹识别技术中,准确提取指纹图像的方向信息是后继处理的前提和基础,具有非常重要的意义。预定方向逼近法[4,5,6]和Rao法的改进型算法[3]是目前提取指纹方向信息的最常用算法,代表了指纹图像方向信息提取的当前研究水平。这两种算法都能基本正确地提取指纹图像的方向信息。但它们都存在着一定问题:预定方向逼近法预先将指纹图像设定为N个固定方向,将求取的指纹图像方向逼近为其中的一个,造成提取的指纹方向信息不精确,计算量大,算法速度慢;Rao法的改进型方法主要是通过考察指纹图像的灰度梯度变化来求取指纹图像的纹线流方向信息,与预定方向逼近法相比,该算法求出的每块图像的方向为连续角,更细致地表示了纹路真实的方向信息。目前,这两类技术中都存在一个共同的问题:抵抗噪声的能力弱,对指纹图像质量的依赖性太大。一般而言,在指纹图像质量比较理想的情况下,这两类算法所求得的方向信息都能基本满足需要,但在对质量较差的指纹图像进行处理的时候,它们都无法获得一个良好的方向信息,从而不能满足实际应用需要。
三、发明内容
1、发明目的:本发明目的有两个:
(1)为解决现有的指纹细化技术中所存在的细化不完全问题和毛刺现象的大量存在,本技术提出了一种新的模板细化方法,该细化技术实现了指纹图像的完全、彻底的细化,并在很大程度上消除了毛刺现象的出现,从而保证后继的特征提取和识别的准确性。
(2)为解决现有的指纹纹线方向提取技术对指纹图像质量的适应性不高的问题,本技术提出了一种基于多级分割思想的指纹纹线方向提取的新方法。该方法的方向提取技术可以很好的适应指纹图像的质量,在指纹图像质量很差的条件下也可以获取相对准确的指纹纹线方向图。
通过我们所提供的技术,我们所设计的系统达到了提高整个自动指纹识别方法的准确率的目的。
2、技术方案
指纹图像细化处理方法是在改进的OPTA细化算法基础上,针对其细化不完全和毛刺产生这两点不足,分析其产生原因,然后重新构建一系列细化模板解决这些不足,从而达到完全、彻底细化,且纹线光滑无毛刺的细化目的。
为了说明改进的OPTA算法的不足,先来介绍一下其算法。
改进的OPTA算法是一种串行细化算法,它采用统一的4×4模板(如图2所示)。其中,P1~P15分别代表图像中对应的象素点,左上角的3×3方窗(即P1~P9)为消除模板区域,整个4×4模板为保留模板区域。消除模板和保留模板分别如图3、图4所示。
从图像的左上角元素开始,每个像素(图中为P5)均抽取出图2所示的15个相邻像素,把其中8个邻域像素(P1~P4,P6~P9)与图3中的8个消除模板比较,如果都不匹配,则P5保留,否则,抽取的元素再和图4的6个保留模板比较,如果与其中一个匹配,则保留P5,否则将P5删除。重复上述过程,直到没有一个像素的值被改变为止。
经过该算法细化以后的图像如图5所示。可以看出有两点明显不足:
①经过将图像放大观察,我们发现在纹线的分叉点处图5(b)并不是单像素宽。主要有两种情况(如图6所示)。每种情况又有四种表现,将两图分别旋转90度,180度,270度即得到另三种表现。
②细化后的纹线上会产生很多毛刺(图5(c)),它们大部分与所在纹线垂直,且以向上、向左、向右的毛刺居多。
经过我们的仔细分析,发现分叉点处不完全细化是由消除模板不完善引起的,毛刺的产生则是由保留模板不对称引起的。所以,针对上述的问题专门构建了消除模板和保留模板,解决以上两个问题。
一种验证模式下的自动指纹识别方法,包括指纹图像的细化方法、指纹纹线上毛刺的细化处理方法和指纹纹线方向信息的提取方法,其特征是所述的指纹图像的细化处理方法是:①首先是把指纹图像放大观察,找出纹线分叉点处细化不完全(即不是单像素宽)的两种情况(图6);②针对以上分叉点细化不完全的情况,专门构建了8个消除模板,其模板的构成形式如图7所示,并与原改进的OPTA算法的8个消除模板(图3)综合起来,作为本细化处理的消除模板;③专门构建的8个消除模板中a~d对应于图6(a),e~h对应于图6(b),a~d四个模板中的考察对象(即模板中灰色背景的位置)是应该删除的点,所以我们将其删除,即置为0,对于e~h四个模板,将其像素位置进行了变换,即将模板中有灰色背景的对应位置中的0变换成1,而1则变换为0,实现了指纹图像完全、彻底的细化,使分叉点处满足了单像素宽;
所述的指纹纹线上毛刺细化处理方法是:①首先找出毛刺产生是由保留模板不对称导致像素点的删除并不是对称,本应删除的像素点,却由于符合OPTA算法的保留模板面保留下来导致产生毛刺,而且,毛刺基本上是向上、向左、向右的方向,即90°、180°、0°的方向;②然后在改进的OPTA算法的6个保留模板(图4)中,将保留模板应去除的三种情况(a)、(b)、(c)扣除出来,毛刺就不会出现,而(a)、(b)、(c)分别用于防止出现向左、向上、向右的毛刺,从而达到毛刺消除的目的;
所述的指纹纹线方向信息提取方法是采用多级分割的方法。
为了解决现有的指纹纹线方向信息提取方法对指纹图像质量的适应性不高的问题,本发明提出了一种多级分割方法提取指纹纹线方向信息,该方法首先是将一幅待处理的指纹图像分别按8×8、16×16、32×32分块尺寸分为三级分块尺寸下的分块指纹图像,其次针对每一级分块尺寸下的指纹图像分别求取指纹图像的方向流信息,最后对在多级分块尺寸下计算的纹线方向信息进行整合,依据大级别分块尺寸的方向信息对小级别分块尺寸的方向信息进行平滑,从而最终提取相对准确、可靠的指纹纹线方向信息。
3、有益效果
(1)指纹图像细化处理方法:
本细化方法与现有的指纹图像细化方法相比,具有对指纹图像的细化处理彻底、完全,在不破坏纹线的连通性的前提下,可以获得完全单象素宽的细化纹线骨架(即使是在纹线分叉的位置,该技术也可以进行彻底的细化),细化后的纹线骨架相对更接近原始纹线的中心,毛刺现象非常少(见图5(d))。同时,由于本细化方法采用了查找表法,运算速度很快。
(2)指纹纹线方向信息提取方法:
本提取方法与现有的方向信息提取方法相比,其优点是:①所提取的块方向信息更精确,可以更细致的描述指纹图像的实际纹线方向信息;②更重要的是本方法对指纹图像质量的具有良好的适应性,针对各种不同质量的指纹图像,该技术都能获得一个理想的方向图。以下是该算法的实际处理结果(见图9)。
四、附图说明
图1自动指纹识别方法的流程示意图;
图2统一模板结构
图3改进的OPTA算法的消除模板
图4改进的OPTA算法的保留模板
图5几种细化技术的实际处理结果;
(a)二值化指纹图像 (b)快速细化算法结果 (c)改进的OPTA算法结果
(d)本细化算法结果
图6分叉点处不是单像素宽的两种情况
图7专门构建的8个消除模板
图8保留模板应去除的三种情况
图9对一幅低质量指纹图像的纹线方向提取结果
(a)原始指纹图像 (b)L.Hong算法提取的纹线方向 (c)改进的算法提取的纹线方向
图10针对图6(a)分叉点处所作的处理
图11针对图6(b)分叉点处所作的处理
图12改进的OPTA算法毛刺产生示意图
(a)细化前纹线 (b)细化后纹线
图13.保留模板应去处的情况之一(消除向上的毛刺)
五、具体实施方式
实施例1.对图6分叉点处不完全细化(不是单像素宽)两种情况的细化处理
针对图6(a)所示的情况,可以发现,第三行第二列(行为横向,列为纵向)的点是一个多余的像素点,删除它并不影响纹线的连通性,理应删除。所以我们可以针对这一点构建一个消除模板(如图10(a)所示),若图像中的某一部分符合这个消除模板,就将模板中间灰底色的那点置为0(如图10(b)所示)。处理前和处理后分叉点处的情况分别如图10(c)、(d)所示。可以看出,经过处理,分叉点处满足了单像素宽。考虑到旋转的因素,共应有4个模板(图7a-d)。
针对图6(b)所示的情况,可以发现,由于第二行第三列的点的存在,造成了不完全细化,但若仅仅将其删除,又会造成纹线的中断。所以,我们在此构建了新的模板(如图11(a)所示),对纹线进行了一定程度的改造,即将第一行第二列的点删除,即置为0,同时将第一行第三列的点置为1,保持纹线的连通(如图11(b)所示)。处理前和处理后分叉点处的情况分别如图11(c)、(d)所示。可以看出,经过处理,分叉点处即满足了单像素宽,又保持了纹线的连通性。考虑到旋转的因素,共应有4个模板(图7e-h)。
实施例2对毛刺现象的细化处理
针对毛刺出现的情况,经过我们研究发现,毛刺的出现对纹线方向十分敏感,纹线方向角在第二象限的时候容易出现毛刺,特别是纹线近似水平和垂直的时候,毛刺的出现尤其明显。而且毛刺基本是向上、向左、向右的方向,即90度、180度、0度的方向。故我们认为毛刺的产生和模板不完全对称有关。
为了说明的更清楚,举两幅图来说明。如图12所示,图12(a)是细化前的二值化图像,图12(b)是细化后的图像。很明显,细化后纹线产生了毛刺。现在具体分析一下细化的过程来解释毛刺产生的原因。细化的顺序是从左上角的像素开始,从左往右、从上到下依次进行的。首先考察的像素点是第二行第三列的点P2,3(2指的是行,3指的是列),该点的8邻域符合消除模板(a),也符合保留模板(b),所以P2,3点保留。再考察P2,4点(即第二行第四列的点,以下点的定义与此相同,不再说明),它的8邻域符合消除模板(a),但不符合任何保留模板,所以P2,4点删除。再往下,P3,1、P3,2点也都删除。对于P3,3(注意其8邻域的像素值已经部分改变了,不再是图12(a)的样子),它不符合任何消除模板,所以仍然保留。以下步骤省略。这样细化后的图像就产生了向上的毛刺。纹线上向左、向右的毛刺产生同理。
总的说来,毛刺的产生是因为保留模板不对称,导致像素点的删除并不是对称进行。所以该细化算法对纹线一定方向上的突起十分敏感,使得纹线上一点小小的突起不能被完全删除,最后演变成了毛刺。
进一步由图12和以上分析可以看出,毛刺的产生是由于P2,3点本应删除,却由于符合OPTA算法的保留模板,保留下来导致的。所以,在此我们对保留模板进行了一定的限制,将图9所示的情况不作为保留模板的内容,即从OPTA算法的保留模板中扣除出来。图13中第二行第二列灰底色的点对应于P2,3点。这样,P2,3点就被删除掉了,毛刺也就不会出现。按同样的方法,可对纹线上向左、向右的毛刺也作相应处理,可消除毛刺。
经过这么一系列的处理后,细化不完全和出现毛刺这两个问题都得到了有效的解决,细化效果很好。
实施例3指纹纹线方向信息提取方法
首先,本提取方法采用多级分割的方法,具体是将一幅待处理的指纹图像分别按8×8、16×16、32×32分块尺寸分为三级分块尺寸下的分块指纹图像,然后针对每一级分块尺寸下的指纹图像分别求取指纹图像的方向流信息,最后对在多级分块尺寸下计算的纹线方向信息做了进行整合,依据大级别分别分块尺寸的方向信息对小级别分块尺寸的方向住信息进行平滑,从而最终提取相对准确、可靠的指纹纹线方向信息。
设D32[i][j]、D16[m[n]、D8[r][s]分别表示在32×32、16×16、8×8分块尺寸下求取的分块图像的纹线方向,则改进后的纹线方向提取技术描述为:
①根据不同的分块尺寸对指纹图像进行分块;这里,我们将一幅指纹图像分别按8×8、16×16、32×32分块尺寸分为三级分块尺寸下的分块指纹图像,分别用D32[i][j]、D16[m[n]、D8[r][s]分别表示在32×32、16×16、8×8分块尺寸下求取的分块图像的纹线方向信息。
②分别计算在8×8、16×16、32×32分块尺寸下的方向信息D8、D16、D32。具体的计算方法如下:
(a)采用由L.Hong等提出的改进的Rao方法,计算每块指纹图像的方向信息
式中w为分块尺寸,这里取w=7;x(u,v)、y(u,v)分别为点(u,v)在x、y方向上的一阶偏导,这里我们采用Sobel算子来计算指纹图像的每一点(u,v)的x、y方向上的
-1 0 1 -1 -2 -1一阶偏导,Sobel算子的水平模板和垂直模板分别为:-2 0 2 和 0 0 0,将原
-1 0 1 1 2 1始指纹图像分别与两模板进行离散卷积,即可求得在x、y方向上的一阶偏导,经实验验证,使用Sobel算子已足以满足实际需要;θ(i,j)为(i,j)块的方向。在计算出每一块的纹线方向后,我们对θ(i,j)作如下调整:如果Vx(i,j)>0,表明该块的纹线方向为或
之间,则
如果Vx(i,j)<0,且Vy(i,j)>0,表明该块的纹线方向为
之间,则θ(i,j)=θ(i,j)+π;如果Vx(i,j)<0,且Vy(i,j)<0,表明该块的纹线方向为
之间,则θ(i,j)无须调整。经过以上处理计算出的θ(i,j)为该块的局部切线方向。
(b)在求得整幅指纹图像的纹线方向信息以后,我们采用一个低通滤波器对指纹纹线方向信息进行一次滤波处理。在这里我们选用的低通滤波器的一般形式如下:
式中h为一个二维低通滤波器元件,wΦ×wΦ是滤波器尺寸,这里我们选取低通滤波器的尺寸为5×5。
(c)在对指纹纹线方向信息进行滤波操作以后,本技术进一步求取每一块的纹线方向信息的可靠性,计算公式如下:
式中D为以(i,j)为中心的块周围的一局部区域,是一分块图像的集合,本技术中选取D的尺寸为:5×5;n为区域D内块的数目,这里为24;Φ(i’,j’)、Φ(i,j)为块(i’,j’)、(i,j)的方向。
(d)如果C(i,j)大于一个预先设定的门槛值Tc,这里我们设定Tc为π/8,则认为所求得的方向信息不可靠,需要根据该块周边区域的方向信息对其作如下进行调整:首先求取该块所在的局部区域的主体方向φMax(i,j)和该块所在的局部区域的平均方向φAvg(i,j),如果有|φMax(i,j)-φAvg(i,j)|<Tc,即该块所在区域的平均方向和它的主体方向基本一致,则取φAvg(i,j)为该块的方向;否则,分别计算该块的上下、左右和对角块之间的方向角度改变量,如果存在一个最小的方向角度改变量φMin(i,j),使得φMin(i,j)<Tc,则根据纹线流的连续特性,该块的方向角度应该使得相邻间的角度变化最小,所以取最小的角度变化的两块的角度平均值作为该块的方向角度值;
③以在32×32分块尺寸下计算的纹线方向为基准,调整在16×16分块尺寸下计算的纹线方向:对所有在16×16分块尺寸下计算的纹线方向D16,若某一D16[m][n]与其所属于的D32[i][j]之间的差值超过π/5值,则令D16[m[n]=D32[i][j];否则,保持D16[m[n]的值不变;
④以在16×16分块尺寸下计算的纹线方向为基准,调整在8×8分块尺寸下计算的纹线方向:对所有在8×8分块尺寸下计算的纹线方向D8,若某一D8[r][s]与其所属于的D16[m][n]之间的差值超过π/10,则令D8[r][s]=D16[m][n];否则,保持D8[r][s]的值不变。最终得到的D8即为所提取的方向信息。
[1]冯星奎,李林艳,颜组泉.一种新的指纹图像细化算法.中国图像图形学报,1999,4A(10):835~838.
[2]尹义龙.自动指纹识别系统研究:[博士学位论文].长春:吉林工业大学机械科学与工程学院,2000,54~57.
[3]L.Hong and A.Jain.Integrating faces and fingerprints for personal.In Proc.3rd AsianConference on Computer Vision,pages16-23,Hong Kong,China,1998.
[4]林征.指纹图像方向信息的研究:[硕士学位论文].北京.清华大学,1995.pp25-28
[5]B.M.Mehtre Fingerprint Image Analysis for Automatic Identification,Machine Visionand Applications(1993)6:124-139.
[6]Z.Guo and R.W.Hall.Fast Parallel Thinning Algorithms,Vision Graphics Image Process:Image Understanding 55,317-328(1992).
Claims (2)
1、一种验证模式下的自动指纹识别方法,包括指纹图像的细化处理、指纹纹线上毛刺细化处理和指纹纹线方向信息的提取,其特征在于所述的指纹图像的的细化处理包括步骤:
改进的OPTA算法在纹线分叉点处细化不完全的问题,增加了图7中8个新的消除模板,与原改进的OPTA算法图3中的8个消除模板综合起来,作为本细化处理的消除模板;
新增加的8个新的消除模块中a~d和e~h分别对应于图5中分叉点不是单像素宽的两种情况(a)和(b),a~d四个模板中的考察对象,即模板中灰色背景的位置是应该删除的点,用新增加的a~d四块模板将其置为0,对于e~h四个模板,将其像素位置进行了变换,即将模板中有灰色背景的对应位置中的0变换成1,而1则变换为0,实现了指纹图像完全、彻底的细化,使分叉点处满足了单像素宽;
所述的指纹纹线上毛刺细化处理是:
原改进的OPTA算法中保留模板的不对称,导致像素点的删除并不是对称,应删除的像素点却由于符合OPTA算法的保留模板而被保留下来,导致产生毛刺,而毛刺基本上是向上、向左、向右的方向,即90度、180度、0度的方向;
在改进的OPTA算法的6个保留模板中,将保留模板中应去除的三种情况(a)、(b)、(c)所对应的三个保留模板去除,只保留(d、(e)、(f)三个保留模板,有效地消除了细化处理中的毛刺,而(a)、(b)、(c)分别防止出现向左、向上、向右的毛刺;
所述的指纹纹线方向信息的提取是采用多级分割的方法。
2、根据权利要求1所述的验证模式下自动指纹识别方法,其特征是所述的多级分割方法是首先将一幅待处理的指纹图像分别按8×8、16×16、32×32分块尺寸分为三级分块尺寸下的分块指纹图像,其次针对每一级分块尺寸下的指纹图像分别求取指纹图像的方向信息,最后对在多级分块尺寸下计算的纹线方向信息做了整合,依据大级别分块尺寸下的方向信息对小级别分块尺寸下的方向信息进行平滑,从而最终提取相对准确、可靠的指纹纹线方向信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN03112615.4A CN1229755C (zh) | 2003-01-06 | 2003-01-06 | 验证模式下的自动指纹识别技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN03112615.4A CN1229755C (zh) | 2003-01-06 | 2003-01-06 | 验证模式下的自动指纹识别技术 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1484189A CN1484189A (zh) | 2004-03-24 |
CN1229755C true CN1229755C (zh) | 2005-11-30 |
Family
ID=34152509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN03112615.4A Expired - Fee Related CN1229755C (zh) | 2003-01-06 | 2003-01-06 | 验证模式下的自动指纹识别技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1229755C (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1327387C (zh) * | 2004-07-13 | 2007-07-18 | 清华大学 | 指纹多特征识别方法 |
CN100573555C (zh) * | 2008-04-02 | 2009-12-23 | 范九伦 | 一种基于模板的指纹图像细化方法 |
CN102005058B (zh) * | 2010-11-30 | 2012-05-23 | 南京信息工程大学 | 一种针对opta图像细化算法的快速实现方法 |
CN102609690A (zh) * | 2012-02-09 | 2012-07-25 | 北京海和鑫生信息科学研究所有限公司 | 活体采集下半掌纹质量评估方法 |
CN109815772A (zh) * | 2017-11-20 | 2019-05-28 | 方正国际软件(北京)有限公司 | 指纹图像增强、识别方法、装置及指纹图像增强识别系统 |
CN110427926A (zh) * | 2019-09-11 | 2019-11-08 | 中国计量大学 | 一种改进的opta手指静脉细化算法 |
-
2003
- 2003-01-06 CN CN03112615.4A patent/CN1229755C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1484189A (zh) | 2004-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258198B (zh) | 一种表格文档图像中字符提取方法 | |
CN1685357A (zh) | 掌纹识别方法和设备 | |
CN104820986B (zh) | 一种基于机器视觉的线缆在线检测方法 | |
CN105335743A (zh) | 一种车牌识别方法 | |
CN105588845A (zh) | 一种焊接缺陷特征参数提取方法 | |
CN1932847A (zh) | 复杂背景下彩色图像人脸检测的方法 | |
CN104732183A (zh) | 一种基于图像采样线灰度信息分析的一维条码识别方法 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN104156704A (zh) | 一种新的车牌识别方法及系统 | |
CN1710593A (zh) | 一种基于特征关系度量的手部特征融合认证方法 | |
CN1152340C (zh) | 基于知识的指纹图像增强方法 | |
CN1741043A (zh) | 基于二维条码的指纹信息隐藏及认证方法 | |
CN1794262A (zh) | 快速有效的活体虹膜分割方法 | |
CN1737821A (zh) | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 | |
CN1664847A (zh) | 嵌入式系统指纹的识别与匹配方法 | |
CN106709524A (zh) | 一种电气工程图中的元件符号检测与识别方法 | |
CN1229755C (zh) | 验证模式下的自动指纹识别技术 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN100342391C (zh) | 自动指纹分类系统和方法 | |
CN102194121A (zh) | 改进的最大类间方差法在舌像裂纹识别中的应用 | |
CN105701490A (zh) | 一种基于图像熵的集装箱箱号自适应定位方法 | |
CN101706959A (zh) | 基于二维信息熵金属板带表面缺陷提取方法 | |
CN107886096A (zh) | 一种输电线路的绝缘子脱落缺陷检测方法 | |
CN1482572A (zh) | 票据图象处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C19 | Lapse of patent right due to non-payment of the annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |