CN1378175A - 指掌纹图象处理装置和方法 - Google Patents

指掌纹图象处理装置和方法 Download PDF

Info

Publication number
CN1378175A
CN1378175A CN02107885A CN02107885A CN1378175A CN 1378175 A CN1378175 A CN 1378175A CN 02107885 A CN02107885 A CN 02107885A CN 02107885 A CN02107885 A CN 02107885A CN 1378175 A CN1378175 A CN 1378175A
Authority
CN
China
Prior art keywords
image
salient line
salient
line
regional area
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
Application number
CN02107885A
Other languages
English (en)
Other versions
CN1206609C (zh
Inventor
船田纯一
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of CN1378175A publication Critical patent/CN1378175A/zh
Application granted granted Critical
Publication of CN1206609C publication Critical patent/CN1206609C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/1347Preprocessing; Feature extraction

Landscapes

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

Abstract

一种指掌纹图象处理装置,包括:把指纹或掌纹作为图象读入的部件;把所述指纹或掌纹图象分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的部件;从所抽出的凸起线候补图象中决定是凸起线的可能性高的候补图象和把包含它的局部区域作为高可靠性区域的部件;关于所述高可靠性区域以外的局部区域,从用所述抽出部件抽出的凸起线候补图象中选择推定为表示凸起线的凸起线图象的部件;判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的部件;根据在所述高可靠性区域的凸起线图象、在用所述选择部件选择的凸起线图象中,用所述判断部件判断为有效的凸起线图象,来生成整体的图象的部件。

Description

指掌纹图象处理装置和方法
技术领域
本发明涉及用于指纹核对、指纹分类或掌纹核对等的指掌纹图象处理装置和方法、及其程序。
背景技术
以往,作为从指掌纹图象中自动抽出凸起线方向和凸起线间距等凸起线信息的方法,例如有在特许第2765335号公报中公开的凸起线方向图形平滑化方法及其装置、信息处理学会第22次(昭和56年前期)全国大会中发表的基于弛缓法的指纹图形的分类(河越等)。凸起线方向图形平滑化方法及其装置是基于能量最小化原理的方法,在设定在图象上的每个二维局部区域中抽出的方向上通过称作可靠度的尺度来设置评价函数,并通过使该评价函数最小化来进行平滑化的方法。另一方面,在基于弛缓法的指纹图形的分类中,用所谓的弛缓法使有关图象上设置的每个二维局部区域中抽出的方向的信息平滑化。
可是,在特许第2765335号公报中公开的方法中,如果要使包含皱纹的图象平滑化,则有时与皱纹一起,也把周围的区域平滑化了,从而强调了皱纹。另外,在基于弛缓法的指纹图形的分类中所述的技术中,使用弛缓法作为使有关每个局部区域中抽出方向的信息平滑化的方法,但是,即使在该方法中,也对掌纹中频繁存在的以同样的间距彼此平行、在大范围中存在的皱纹部分,进行结合了皱纹的平滑化,有时强调了皱纹。
为此,本发明人在特开平9-167230号公报中公开了能不受皱纹的影响而从指掌纹图象中抽出凸起线图象的指掌纹图象处理装置。在同一公报的装置中,把所输入的指纹或掌纹图象分割为多块,在各个块中按块检测多个凸起线候补,并决定所检测的凸起线候补中确实能称作是凸起线的候补和它的块,并在剩下的块中选择与这些候补具有匹配性的候补。凸起线彼此、皱纹彼此的图形在空间上是连续的,但是,因为一般皱纹和凸起线不具有连续性,所以通过检测确实是凸起线的候补,并在其他的区部候补中选择与该候补具有连续性的候补,就能在存在皱纹的区域中正确地检测出凸起线。
图10是表示所述指掌纹图象处理装置的框图。并且,图10对应于特开平9-167230号公报的图9。可是,为了简化说明,本说明书的图10用简化了同一公报的图9的框图来表示。在图10中,11为图象输入部件,12为局部信息抽出部件,13为高可靠性区域决定部件,14为邻接区域群检测部件,15为凸起线候补选择部件,16为图象生成部件。在此,高可靠性区域决定部件13对应于同一公报的第一凸起线候补图象选择部12、连续性评价部13、群集部14、分组评价部15。另外,邻接区域群检测部件14和凸起线候补选择部件15对应于最佳凸起线候补图象选择部17。
图11是表示图10的装置的动作的程序框图。在图11中,图象输入部件11把指纹或掌纹作为图象读入,并以数字图象的形式提供给局部信息抽出部件12(S1001)。局部信息抽出部件12把所输入的原图象分割为二维局部区域(S1002),在每个局部区域中,抽出多个表现存在于局部区域中的凸起线的成为候补的图象(凸起线候补图象)(S1003)。为凸起线候补图象分别分配了号码。把抽出的凸起线候补图象分别提供给高可靠性区域决定部件13、邻接区域群检测部件14、图象生成部件16。在高可靠性区域决定部件13中,从多个凸起线候补图象中决定是凸起线的可能性较高的凸起线候补和包含它的局部区域(高可靠性区域)(S1004),并分别提供给邻接区域群检测部件14、凸起线候补选择部件15和图象生成部件16。
邻接区域群检测部件14发现所有与高可靠性区域相邻的局部区域(邻接区域)(S1005)。例如,如图12(a)所示,如果检测了高可靠性区域(用浓密的剖面线表示的区域),就把与此相邻的区域(用稀少的剖面线表示的区域)作为邻接区域来检测。接着,判断邻接区域的数量是否在一个以上(S1006)。例如,在图12(a)的例子中,因为存在一个以上的邻接区域,所以进入S1007,并在凸起线候补选择部件15中检测的所有邻接区域中,从各自的凸起线候补图象中选择凸起线图象,并把选择的候补的号码通知图象生成部件16。
例如,当进行图12(a)的邻接区域A的候补选择处理时,从凸起线候补图象1~6中选择连续性高的候补,此时选择候补图象2。接着,返回S705,在高可靠性区域或结束了选择的局部区域中,发现所有既不是高可靠性区域,也不是结束了选择的区域的邻接区域。即如果以图12(a)为例,则对于先发现的邻接区域,找出与下方一侧相邻的所有区域。接着,在S1006中,判断邻接区域是否为一个以上,当为一个以上时,在S1007中,对于所有的邻接区域,从凸起线候补图象中选择凸起线图象。以下,反复进行S1005~S1007的处理,如果在S1006判定为No,则对于所有的局部区域结束处理,所以,图象生成部件16使用按图12(b)所示那样选择的候补图象来复原整体的凸起线图象(S1008)。
在所述特开平9-167230号公报的指掌纹图象处理装置中,虽然能不受皱纹的影响而抽出凸起线,但是,因为重视邻接区域的连续性,据此在每个局部区域中决定凸起线图象,所以在图13(a)所示的核心形、图13(b)所示的三角形那样的凸起线曲率大的部分中,即使凸起线很清晰,有时也会选择来源于比凸起线连续性更好的皱纹等的图象候补,从而导致凸起线的抽出失败。
发明内容
鉴于以上所述问题的存在,本发明的目的在于:提供一种能进一步改进所述在先发明,即使在掺杂了皱纹的区域和凸起线的曲率高的部分中,也能更正确地抽出凸起线的指掌纹图象处理装置和方法、及其程序。
为了达成所述目的,本发明的指掌纹图象处理装置其特征在于:包括:把指纹或掌纹作为图象读入的部件;把所述指纹或掌纹分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的部件;从所抽出的凸起线候补图象中决定是凸起线的可能性高的候补图象和把包含它的局部区域作为高可靠性区域的部件;关于所述高可靠性区域以外的局部区域,从用所述抽出部件抽出的凸起线候补图象中选择推定为表示凸起线的凸起线图象的部件;判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的部件;根据在所述高可靠性区域的凸起线图象、在用所述选择部件选择的凸起线图象中,用所述判断部件判断为有效的凸起线图象,来生成整体的图象的部件。
另外,本发明的指掌纹图象处理方法其特征在于:包括:把指纹或掌纹作为图象读入的过程;把所述指纹或掌纹分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的过程;从所抽出的凸起线候补图象中决定是凸起线的可能性高的候补图象和把包含它的局部区域作为高可靠性区域的过程;关于所述高可靠性区域以外的局部区域,从用所述抽出过程抽出的凸起线候补图象中选择推定为表示凸起线的凸起线图象的过程;判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的过程;根据在所述高可靠性区域的凸起线图象、在用所述选择过程选择的凸起线图象中,用所述判断过程判断为有效的凸起线图象,来生成整体的图象的过程。
而且,本发明的程序其特征在于:使计算机执行以下所述步骤:把所述指纹或掌纹分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的步骤;从所抽出的凸起线候补图象中决定是凸起线的可能性高的候补图象和把包含它的局部区域作为高可靠性区域的步骤;关于所述高可靠性区域以外的局部区域,从用所述抽出步骤抽出的凸起线候补图象中选择推定为表示凸起线的凸起线图象的步骤;判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的步骤;根据在所述高可靠性区域的凸起线图象、在用所述选择步骤选择的凸起线图象中,用所述判断步骤判断为有效的凸起线图象,来生成整体的图象的步骤。
附图说明
下面简要说明附图。
图1是表示本发明的指掌纹图象处理装置的实施例1的框图。
图2是表示图1的实施例的动作的程序框图。
图3是表示图2的凸起线候补图象选择的顺序的例子的图。
图4是表示当把未作为凸起线图象来采用的区域作为选择对象时的凸起线候补图象的选择顺序的图。
图5是表示现有凸起线候补图象的选择顺序的图。
图6是表示现有指掌纹图象的凸起线候补的选择顺序的图。
图7是表示图1的实施例的指掌纹图象的凸起线候补的选择顺序的图。
图8是表示称作指掌纹图象的凸起线方向的局部信息急剧变化的不连续面的例子的图。
图9是表示本发明的实施例2的动作的程序框图。
图10是表示以往例子的指掌纹图象处理装置的框图。
图11是表示图9的以往装置的动作的程序框图。
图12用于说明图10的凸起线图象的选择处理的图。
图13是表示核心形、三角形这样的凸起线的曲率较大的部分的图。
下面简要说明附图符号。
11-图象输入部件;12-局部信息抽出部件;13-高可靠性区域决定部件;14-邻接区域群检测部件;15-凸起线候补选择部件;16-图象生成部件;17-有效区域决定部件。
具体实施方式
下面,参照附图就本发明的实施例加以说明。图1是表示本发明的指掌纹图象处理装置的实施例1的结构的框图。并且,在图1中,对与现有装置相同的部分采用了相同的符号。在图1中,11是把指纹或掌纹作为图象读入,并用于输入指纹或掌纹的扫描仪或活体扫描仪等的图像输入部件。12是把从图象输入部件输入的指纹或掌纹的原图象分割为二维局部区域,并在各个局部区域中抽出表示多个存在于各局部区域中的凸起线的凸起线候补图象的局部信息抽出部件。
如特开平9-167230号公报所述的那样,例如,局部信息抽出部件12对各二维局部区域实施二维傅里叶变换,并将其结果得到的傅里叶变换面的峰值中与不同的二维正弦波对应的峰值,从其振幅或峰值附近能量大的中按顺序抽出多个,把与各峰值对应的二维正弦波作为凸起线候补图象。13是从用局部信息抽出部件12抽出的各局部区域的多个凸起线候补图象中决定是凸起线的可能性较高的凸起线候补图象,同时把包含这样的候补图象的局部区域作为高可靠性区域来决定的高可靠性区域决定部件。
正如以上所述公报中公开的那样,高可靠性区域决定部件13对于各二维局部区域的多个凸起线候补图象分别评价其象凸起线的程度,在各局部区域中,选择象凸起线的程度最高的凸起线候补图象。此时,高可靠性区域决定部件13从各局部区域的凸起线候补图象中选择振幅最大的。邻接区域群检测出部件14检测与由高可靠性区域决定部件13所决定的高可靠性区域或凸起线候补图象的选择已经结束了的区域群相邻的局部区域(称作邻接区域)。
凸起线候补选择部件15对于用邻接区域群检测部件14检测的邻接区域评价连续性,从凸起线候补图象中选择推定为表示凸起线的凸起线图象。有效区域决定部件17决定是否采用由凸起线候补选择部件15选择的凸起线候补作为表示凸起线的图象。图象生成部件16生成指纹或掌纹的整体图象。并且,在图1的装置中,按照需要,把处理中的阶段数据等临时存放在存储器等存储装置(图中未显示)中,并按照需要读出,据此来进行数据处理。
下面,参照图2的程序框图,详细说明实施例1的具体动作。在图2中,图象输入部件11把指纹或掌纹作为图象读入,并把指纹或掌纹的原图象提供给局部信息抽出部件12(S201)。在局部信息抽出部件12中,把输入的原图象分割为二维局部区域(S202),在各二维局部区域中,抽出多个表现为存在于各二维局部区域的凸起线的凸起线候补图象(S203)。把抽出的凸起线候补图象分别提供给高可靠性区域决定部件13、凸起线候补选择部件15、有效区域决定部件17、图象生成部件16。
在此,如果设图象输入部件11的输入图象的析像度为20pixel/mm,局部区域为正方形(参照图3),则局部区域的一边的长度为8~32pixel左右。另外,当抽出凸起线候补图象的场合,如特开平9-167230号公报所述的那样,按顺序从局部区域的图象的功率谱的极大点大的中检测出多个,把与极大点对应的二维正弦波作为各局部区域的凸起线候补图象。例如,在各局部区域中,分别抽出六个凸起线候补图象。接着,分别由各极大点算出带有与各极大点对应的正弦波的特征的参数并进行记录。
下面,就这样的参数的一个例子加以说明。它记载在所述特开平9-167230号公报中。首先,如果局部区域Iij(0≤i≤63,0≤j≤63)的第n个峰值的傅里叶面中的坐标值为(ξn (i,j),ηn (i,j)),则在局部信息抽出部件12中,分别算出振幅、相位、方向、频率、峰值周边的能量。
用表达式(1)得到振幅,用表达式(2)得到相位,用表达式(2)得到方向,用表达式(4)得到频率,用表达式(5)得到峰值周边的能量。
[表达式1]
an (i,j)=2(|F(ξn (i,j),ηn (i,j))|2)0.5  i=1,2,…,6…(1)
[表达式2] ph n ( i , j ) = tan - 1 ( Im { F ( ξ n ( i , j ) , η n ( i , j ) ) } Re { F ( ξ n ( i , j ) , η n ( i , j ) ) } ) i = 1,2 , . . . , 6 . . . ( 2 )
Figure A0210788500112
[表达式4] f n ( i , j ) = 1 64 [ ( ξ n ( i , j ) ) 2 + ( η n ( i , j ) ) 2 ] 0.5 - - - i = 1,2 , . . . , 6 . . . ( 4 )
[表达式5]
另外,由表达式6算出f的全部能量。[表达式6] vt ( i , j ) = 4 π 2 σ 4 64 2 Σ ξ = - 32 31 Σ η = - 32 31 | F ( ξ , η ) | 2 . . . ( 6 ) 由这些参数决定的图象为:gn (i,j)(x,y)=an (i,j) cos[2πfn (i,j)(xcos(dn (i,j))
            +ysin(dn (i,j)))-phn (i,j)]
                                              …(7)该[表达式7]{gn (i,j)(x,y)}6 n=1                           …(8)成为表示各局部区域中的凸起线的候补图象。在局部信息抽出部件12中,算出所有的局部区域中这些参数的值。[表达式8]算出 ( { a n ( i , j ) , ph n ( i , j ) , d n ( i , j ) , f n ( i , j ) , va n ( i , j ) } 6 n = 1 , vt ( i , j ) ) 63 i = 0 63 j = 0 . . . ( 9 )
如特开平9-167230号公报中公开的那样,在高可靠性区域决定部件13中,决定是凸起线可能性高的凸起线候补图象(高可靠性候补),把包含它的局部区域作为高可靠性区域(S204)。把决定的高可靠性候补和包含它的高可靠性区域分别提供给邻接区域群检测部件14、有效区域决定部件17、图象生成部件16。在此,在高可靠性区域决定部件13中,对于所有局部区域的凸起线候补图象评价其象凸起线的程度,从各局部区域选择一个象凸起线的程度高的凸起线候补图象,作为高可靠性候补图象。
在这种情况下的算法,如所述公报所述的那样,局部信息抽出部件12对各二维局部区域实施二维傅里叶变换,对于在结果得到的傅里叶变换面中的峰值中与不同的二维正弦波对应的峰值,按顺序从中抽出其振幅或峰值附近能量大的,把与各峰值对应的二维正弦波作为凸起线候补图象,把二维局部区域的各凸起线候补图象中振幅最大的作为高可靠性候补图象。
接着,在邻接区域群检测部件14中,检测与高可靠性区域相邻的所有邻接区域(S205)。例如,如图3所示,如果把中央区域作为高可靠性区域检出,则其周围的第一个局部区域作为邻接区域检出。接着,判断检测的邻接区域是否为一个以上(S206)。例如,在图3的例子中,因为存在多个邻接区域,所以进入S207。另外,此时,邻接区域群检测部件14的邻接区域信息提供给凸起线候补选择部件15。
在S207中,如特开平9-167230号公报中公开的那样,凸起线候补选择部件15评价每个邻接区域的连接性,从凸起线候补图象中选择连接性好的凸起线图象,把选择的候补的号码通知有效区域决定部件17、图象生成部件16。在有效区域决定部件17中,对于选择的所有凸起线候补图象,逐一决定是否作为最终的凸起线候补而采用(S208),把该结果通知邻接区域群检测部件14。在此,就决定是否作为有效区域决定部件17的最终的凸起线候补而采用的具体处理加以说明。
在该处理中,评价对象的凸起线候补图象和其周围高可靠性区域的高可靠性凸起线候补(第二次以后,为评价对象的凸起线候补图象和其周围的在该时刻已经结束了选择的局部区域的局部区域)的方向dn (i,j)、间距fn (i,j)、相位phn (i,j)等局部信息的连续性和局部图象的功率谱向凸起线候补图象的集中度和凸起线候补图象的凸起线间距。
例如,当使用方向的连续性的场合,如果使在评价对象的局部区域选择的凸起线候补图象的凸起线方向为
d(0≤d≤π)
使其附近的局部区域中代表凸起线方向(方向向量的和的方向)为
dn(0≤dn≤π)
则当小于某界限值时,采用该凸起线候补图象,如果不是这种情况时,则判定为不采用。
另外,当使用在局部图象的功率谱集中度的时,把凸起线候补图象的功率谱总和用对应的局部区域图象的功率谱总和来除,得到的商小于某界限值时,判断为采用该凸起线候补图象,当不是时,判断为不采用。当采用凸起线候补图象的凸起线间距的场合,如果作为凸起线间距在应该的范围内,则判断为采用该凸起线候补图象,当不是时,判断为不采用。该判断处理既能单独使用这些特征量,也能组合使用它们。
在图3的例子中,从B的局部区域开始处理,实线是决定应该作为凸起线候补采用的局部区域,虚线是决定不应该采用的局部区域。在这种情况下,中心和三角形等曲率高的区域中,局部信息显著不连续的部分被定为不应采用,这样的不连续面存在的部分一次也不选择,只在局部信息连续性高的区域进行选择。
接着,返回S205,进行找出与已经结束了选择的局部区域相邻的邻接区域的处理。在图3的例子中,高可靠性区域的外侧第二个局部区域与此相当。接着,在S206中,判断是否有一个以上邻接区域,在S207检测的各邻接区域中,从凸起线候补图象选择凸起线图象,在S208进行决定是否采用选择结果的处理。此时,因为邻接区域是高可靠性区域的外侧第二个局部区域,所以如以上所述的那样,当评价方向、间距、相位等局部信息的连续性时,评价评价对象的凸起线候补图象和其周围的结束了选择的邻接区域的凸起线候补图象的方向、间距、相位等局部信息的连续性。
其结果,如图3所示,从C区域开始处理,同样如实线和虚线所示,在各邻接区域进行决定应采用凸起线图象或不应采用的处理。以下,反复进行S205~S208,如果在S206中判断邻接区域不是一个以上,图象生成部件16根据用凸起线候补选择部件15选择的凸起线候补、用高可靠性区域决定部件13判断为表示凸起线的可能性高的凸起线候补或用局部信息抽出部件12得到的局部信息,来生成整体的凸起线图象(S209)。
另外,在图2的S205中,对于未作为凸起线图象采用的区域,也可以作为选择对象。图4是表示该情况下的凸起线候补图象的选择顺序。实线表示决定应该作为凸起线图象采用的局部区域,虚线表示决定不应该采用的局部区域。如图4所示,图3的虚线区域变少了,据此,选择了在S205中未采用的区域,从而能对更多的区域求凸起线。
在此,在特开平9-167230号公报中的现有凸起线候补选择中,如图5、图6所示,从靠近高可靠性区域的局部区域按顺序进行凸起线候补选择。在本实施例中,用有效区域决定部件17决定用凸起线候补选择部件15选择的凸起线候补图象是否作为最终的凸起线图象而采用。结果,如图3、图7所示,能防止选择不应采用的区域,防止对该区域中的凸起线的误认。
在这种情况下,如图8所示,如果把在核心形或三角形或壁状纹附近的曲率高的区域中局部信息显著不连续的部分作为不应采用的区域,据此,就能一旦不选择这样的存在不连续面的部分,只在局部信息连续性高的区域进行选择。因为,这样的不连续面在图象整体中是连续变化而连接起来的,所以如果通过选择使其包括该连续部分,则可不在不连续面进行选择,就能实现所有区域的选择。
如果要象现有方法那样,不考虑区域的性质进行在不连续区域的选择,就不得不也选择局部信息的差较大的候补,如果使用连这样的候补也选择的基准,则对其他部分特别是存在很多皱纹的区域的候补选择会造成不良影响。如果象本实施例那样,通过改变选择顺序,避开在不连续面的选择,通过称作选择局部信息的差小的候补的基准能从全部区域正确地选择凸起线。在现有方法中,在局部区域的连续性小的部分也勉强进行选择,所以有时会错误地选择来源于皱纹的凸起线候补图象,但本实施例能避免这样的情况发生。
另外,在本实施例中,只把和邻接的局部区域的凸起线候补图象的方向的差小的凸起线候补图象作为有效,用方向的差评价是否为不连续面。在凸起线候补选择中,因为凸起线方向成为表示是否为凸起线的有效特征量,所以通过使用方向信息,能以良好的精度检测凸起线候补图象的选择有失败的可能性的不连续面。用间距是否在作为凸起线存在的范围内和功率谱是否集中在一点评价选择的凸起线候补图象的凸起线,评价象凸起线的程度,只把该程度在一定以上的凸起线候补图象作为有效。如果这样做,即使在凸起线的曲率高、图象质量良好的部分,错误地选择了具有凸起线方向的连续性的皱纹等,因为象凸起线的程度小,所以选择不被采用。总之,能检测选择失败的不连续面。即使在不连续面也选择成功时,因为不用把选择顺序放在后面,所以能提高处理的效率。
下面,就本发明的实施例2加以说明。实施例2的结构与图1同样,但是处理方法与图2不同。图9是表示实施例2的处理流程的流程图。在图9中,首先S801~804与图2的S201~S204相同。如果在S804中决定高可靠性候补和包含它的高可靠性区域,则把变量SC设置为0(S805)。接着,用邻接区域群检测部件14检测所有与高可靠性区域相邻的邻接区域(S806)。例如,在图3的例子中,高可靠性区域的外侧第一周的一个邻接区域相当于此。另外,判断是否有一个以上的邻接区域(S807),然后,与实施例1同样,用凸起线候补选择部件15在各邻接区域中,进行从凸起线候补图象选择凸起线图象的候补选择处理(S808)。把选择的候补的号码提供给邻接区域群检测部件14、有效区域决定部件17和图象生成部件16。
在有效区域决定部件17中,用第SC(此时,SC=0)评价基准进行评价所选择的候补图象,对于选择的所有凸起线候补图象,逐一决定是否作为最终的凸起线候补来采用(S809),并把该结果通知邻接区域群检测部件14。具体地说,与实施例1同样,有效区域决定部件17评价评价对象的凸起线候补图象和其周围的高可靠性区域的候补图象的方向、间距、相位等局部信息的连续性或在局部图象的功率谱向凸起线候补图象的集中度或凸起线候补图象的凸起线间距等,按其结果决定是否采用由凸起线候补选择部件15选择的候补图象。采用与否的基准是直到不再有用邻接区域群检测部件14检测的邻接区域,在变为没有的时刻变更基准。
例如,首先,只采用方向差在界限值以下的,如果不再有相邻的局部区域,无论方向差如何都采用。另外,用局部信息抽出部件12对各局部区域进行二维傅里叶变换,对于在得到的傅里叶变换面中的峰值中与不同的二维正弦波对应的峰值,按顺序从中抽出其振幅或峰值附近能量大的,当把与各峰值对应的二维正弦波作为凸起线候补图象时,有效区域决定部件17首先只把峰值附近的能量最大的峰值的凸起线候补图象作为有效的,如果以该基准成为有效区域决定处理的对象的区域没有了,则与峰值附近的能量无关,把其作为有效。
接着,返回S806,反复进行S806~S809的处理,此时,如以上所述的那样,在S809用同样的基准进行评价,决定是否把凸起线候补图象作为凸起线图象来采用。然后,如果在S807中判断没有一个以上的邻接区域,则使SC=SC+1(S810),而后,把SC的值(此时为1)与预先决定的S的值(例如2)比较(S811)。此时,因为SC的值在S的值以下,所以返回S806,进行S806~S809的处理。
但是,此时,在S806,用现在的选择采用基准,检测到以前未曾成为过选择对象区域的邻接区域(例如,在图3的例子中,用虚线表示的区域)。另外,对此,在S808检测所有邻接区域进行候补选择处理,在S809,用SC=1的评价基准进行评价,决定是否采用。如以上所述的那样,此时的评价基准,例如如果上次的评价基准为采用方向差在界限值以下的,则与反向差无关地进行采用。另外,如以上所述的那样,如果上次的评价基准为只把峰值附近的能量为最大的峰值的凸起线候补图象作为有效,则与峰值附近的能量无关,作为有效。
接着,如果在S807没有了邻接区域,则在S810使SC=SC+1,在S811,再次把SC的值与S的值比较。此时,在S811使之为YES,用图象生成部件16根据用凸起线候补选择部件15所选择的凸起线候补、用高可靠性区域决定部件13判断为表示凸起线的可能性高的凸起线候补和用局部信息抽出部件12得到的局部信息,来生成整体的凸起线图象(S812)。
在本实施例中,有效区域决定部件17在成为有效区域决定的对象的区域没有了时,改变有效区域的决定的评价基准。在实施例1中,由不连续面围成的区域不能进行凸起线候补图象的选择,但是在实施例2中,如果不能用不连续面包围进行选择,则改变有效区域决定的基准,就能进行选择,从而能在更广的范围内进行凸起线的抽出。
另外,在本实施例中,只把与相邻的局部区域中的凸起线候补图象的方向差小的凸起线候补图象作为有效。而且,如果不再有能选择的局部区域,从与结束了选择的局部区域相邻的选择未结束的局部区域无条件地进行选择。据此,在用称作方向差的基准下的不连续面围成的部分也能进行凸起线的选择。用间距是否在作为凸起线存在的范围内和功率谱是否集中在一点评价选择的凸起线候补图象的凸起线,评价象凸起线的程度,只把该程度在一定以上的凸起线候补图象作为有效。如果不再有能选择的局部区域,从与结束了选择的局部区域相邻的选择未结束的局部区域进行无条件地选择。据此,在被不连续面包围的部分也能进行凸起线的选择。
另外,在本实施例中,只把选择了峰值附近的能量为最大的峰值的凸起线候补图象的情形作为有效。即使在凸起线的曲率高、图象质量良好的部分,错误地选择了具有凸起线方向的连续性的皱纹等,也会因为这样的凸起线候补图象往往在峰值附近的能量不是最大的峰值,所以不被采用。即能检测出选择失败的不连续面。即使在不连续面也选择成功时,因为不用把选择顺序放在后面,所以能提高处理的效率。而且,如果不再有能选择的局部区域,从与结束了选择的局部区域相邻的选择未结束的局部区域进行无条件地选择。据此,即使在被只采用能量最大的峰值这一基准的不连续面包围的部分也能进行凸起线的选择。
并且,本发明的计算机程序是记述执行以上所述指掌纹图象的处理方法的程序。即,是用于使计算机执行以下所述步骤的程序,这些步骤包括:把指纹或掌纹分割为局部区域,在每个局部区域中抽出多个表示凸起线的凸起线候补图象的抽出步骤;从抽出的凸起线候补图象中决定是凸起线的可能性高的候补图象和把包含它的局部区域作为高可靠性区域的步骤;关于所述高可靠性区域以外的局部区域,从用所述抽出步骤抽出的凸起线候补图象中选择推定为表示凸起线的凸起线图象的步骤;判断选择的各凸起线图象作为表示凸起线的图象是否有效的步骤;根据在所述高可靠性区域的凸起线图象、用所述选择步骤选择的凸起线图象中,用所述判断步骤判断为有效的凸起线图象,生成整体的图象的步骤。
如以上所述的那样,根据本发明,就能从混杂了皱纹的区域和凸起线的曲率较高部分更正确地抽出凸起线。即,用有效区域决定部件决定是否采用由凸起线候补选择部件选择的凸起线候补图象作为最终的凸起线图象,所以能防止错误地在不应采用的区域中选择凸起线的情况发生。
在此,把核心形或三角形或壁状纹附近的曲率高的区域中,局部信息显著不连续的部分作为不应采用的区域。据此,对这样的不连续面存在的部分一次也不选择,只在局部信息的连续性高的区域进行选择。因为,这样的不连续面在图象整体中是连续变化而连接起来的,所以如果通过选择使其包括该连续部分,则能不在不连续面进行选择,就能实现所有区域的选择。
另外,如果要象现有方法那样,不考虑区域的性质而进行在不连续区域的选择,就不得不也选择局部信息的差较大的候补,这样就会对其他部分特别是存在很多皱纹的区域的候补选择会造成不良影响。如果象本实施例那样,通过改变选择顺序,避开在不连续面上的选择,就能利用称作选择局部信息的差较小的候补的基准来从全部区域中选择正确的凸起线。在现有方法中,即使在局部区域的连续性较小的部分中也要勉强进行选择,所以有时会错误地选择来源于皱纹的凸起线候补图象,但根据本发明就能避免这种情况的发生。

Claims (9)

1.一种指掌纹图象处理装置,其特征在于:包括:
把指纹或掌纹作为图象读入的部件;
把所述指纹或掌纹图象分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的部件;
把所抽出的凸起线候补图象中是凸起线的可能性高的候补图象和包含它的局部区域作为高可靠性区域来决定的部件;
关于所述高可靠性区域以外的局部区域,从用所述抽出部件抽出的凸起线候补图象中选择被推定为表示凸起线的凸起线图象的部件;
判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的部件;
根据所述高可靠性区域的凸起线图象,和在用所述选择部件选择的凸起线图象中,利用所述判断部件判断为有效的凸起线图象,来生成整体的图象的部件。
2.根据权利要求1所述的指掌纹图象处理装置,其特征在于:
所述判断部件把评价对象的凸起线图象的凸起线方向与周围的凸起线图象的凸起线方向的差在界限值以下的凸起线候补图象作为有效。
3.根据权利要求1所述的指掌纹图象处理装置,其特征在于:
所述判断部件根据凸起线间距或功率谱的偏差来评价凸起线候补图象的象凸起线的程度,并把象凸起线的程度为一定水平以上的凸起线候补图象作为有效。
4.根据权利要求1所述的指掌纹图象处理装置,其特征在于:
每当成为有效区域决定处理的对象的局部区域消失时,所述判断部件改变决定有效区域的评价基准。
5.根据权利要求4所述的指掌纹图象处理装置,其特征在于:
所述判断部件把评价对象的凸起线图象的凸起线方向与周围的凸起线图象的凸起线方向的差在界限值以下的凸起线候补图象判断为有效,如果成为有效区域决定处理的对象的局部区域消失,则与所述方向差无关地判断为有效。
6.根据权利要求4所述的指掌纹图象处理装置,其特征在于:
所述判断部件根据凸起线间距或功率谱的偏差来评价凸起线候补图象的象凸起线的程度,并把象凸起线的程度在一定水平以上的凸起线候补图象作为有效,如果成为有效区域决定处理的对象的局部区域消失,则与所述象凸起线的程度无关,判断为有效。
7.根据权利要求4的指掌纹图象处理装置,其特征在于:
所述抽出部件对各局部区域实施二维傅里叶变换,按顺序把在所得到的傅里叶变换面中的峰值内、与不同的二维正弦波对应的峰值,从其振幅或峰值附近的能量大的峰值中抽出,同时把与各个峰值对应的二维正弦波作为凸起线候补图象,并且所述判断部件把所述峰值附近的能量是最大的峰值的凸起线候补图象作为有效,如果成为有效区域决定处理的对象的局部区域消失,则与所述峰值附近的能量无关,作为有效。
8.一种指掌纹图象处理方法,其特征在于:包括:
把指纹或掌纹作为图象读入的过程;
把所述指纹或掌纹图象分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的过程;
把所抽出的凸起线候补图象中是凸起线的可能性高的候补图象和包含它的局部区域作为高可靠性区域来决定的过程;
关于所述高可靠性区域以外的局部区域,从用所述抽出过程抽出的凸起线候补图象中选择被推定为表示凸起线的凸起线图象的过程;
对所选择的每个凸起线图象,判断作为表示凸起线的图象是否有效的过程;
根据所述高可靠性区域的凸起线图象,和用所述选择过程选择的凸起线图象中,利用所述判断过程判断为有效的凸起线图象,来生成整体的图象的过程。
9.一种让计算机执行的程序,其特征在于:包括:
把所述指纹或掌纹分割为局部区域,并在每个局部区域中抽出多个表示凸起线的凸起线候补图象的步骤;
把所抽出的凸起线候补图象中是凸起线的可能性高的候补图象和包含它的局部区域作为高可靠性区域来决定的步骤;
关于所述高可靠性区域以外的局部区域,从用所述抽出步骤抽出的凸起线候补图象中选择被推定为表示凸起线的凸起线图象的步骤;
判断所选择的每个凸起线图象作为表示凸起线的图象是否有效的步骤;
根据所述高可靠性区域的凸起线图象,和用所述选择步骤选择的凸起线图象中,利用所述判断步骤判断为有效的凸起线图象,来生成整体的图象的步骤。
CNB021078858A 2001-03-26 2002-03-26 指掌纹图象处理装置和方法 Expired - Fee Related CN1206609C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2001087712 2001-03-26
JP2001087712A JP4193163B2 (ja) 2001-03-26 2001-03-26 指掌紋画像処理装置及び方法

Publications (2)

Publication Number Publication Date
CN1378175A true CN1378175A (zh) 2002-11-06
CN1206609C CN1206609C (zh) 2005-06-15

Family

ID=18942926

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB021078858A Expired - Fee Related CN1206609C (zh) 2001-03-26 2002-03-26 指掌纹图象处理装置和方法

Country Status (7)

Country Link
US (1) US7027626B2 (zh)
EP (1) EP1246120B1 (zh)
JP (1) JP4193163B2 (zh)
KR (1) KR100540001B1 (zh)
CN (1) CN1206609C (zh)
DE (1) DE60204379T2 (zh)
SG (1) SG102671A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093626B (zh) * 2007-07-27 2011-02-09 哈尔滨工业大学 掌纹密钥系统
CN104392455A (zh) * 2014-12-09 2015-03-04 西安电子科技大学 基于方向检测的在线掌纹有效区域快速分割方法

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2388457A (en) * 2002-05-09 2003-11-12 Central Research Lab Ltd Fingerprint identification system
US7496214B2 (en) * 2002-09-25 2009-02-24 The Hong Kong Polytechnic University Method of palm print identification
US7466846B2 (en) * 2002-09-25 2008-12-16 The Hong Kong Polytechnic University Method for analyzing a palm print for the identification of an individual using gabor analysis
US20040057606A1 (en) * 2002-09-25 2004-03-25 The Hong Kong Polytechnic University Apparatus for capturing a palmprint image
EP1724725B1 (en) * 2004-03-04 2015-09-23 NEC Corporation Finger/palm print image processing system and finger/palm print image processing method
JP4462988B2 (ja) * 2004-04-13 2010-05-12 Necインフロンティア株式会社 指紋読取方法および指紋読取システム
US8055027B2 (en) * 2004-06-30 2011-11-08 Bio-Key International, Inc. Generation of directional field information in the context of image processing
US7831071B2 (en) 2004-07-22 2010-11-09 Nec Corporation Image processing system
US7643660B1 (en) * 2004-07-22 2010-01-05 Odi Security; Llc System, method and computer program product for fingerprint verification
US7512256B1 (en) * 2004-07-22 2009-03-31 Odi Security; Llc System, method, and computer program product for ridge map formation
JP4339221B2 (ja) * 2004-09-30 2009-10-07 Necインフロンティア株式会社 画像構成方法、指紋画像構成装置およびプログラム
US20060083413A1 (en) * 2004-10-14 2006-04-20 The Secretary Of State For The Home Department Identifier investigation
JP4375308B2 (ja) 2005-08-30 2009-12-02 日本電気株式会社 隆線方向抽出装置、隆線方向抽出方法、隆線方向抽出プログラム
JP4586746B2 (ja) 2006-02-27 2010-11-24 日本電気株式会社 指紋照合装置、指紋パタンエリア抽出装置および品質判定装置、並びにその方法およびプログラム
CN103268469B (zh) 2006-04-26 2016-07-06 阿瓦尔有限公司 指纹预检质量和分割
KR100780957B1 (ko) 2006-08-21 2007-12-03 삼성전자주식회사 영상선택 장치 및 방법
JP5049074B2 (ja) * 2006-08-21 2012-10-17 三星電子株式会社 分析される指紋画像の受容可能性を決定するための装置及び方法
JP4238902B2 (ja) 2006-09-04 2009-03-18 日本電気株式会社 文字ノイズ除去装置、文字ノイズ除去方法、文字ノイズ除去プログラム
KR100834995B1 (ko) * 2006-09-28 2008-06-04 한국외국어대학교 연구산학협력단 지문 정합 장치 및 방법
ATE553458T1 (de) * 2006-12-15 2012-04-15 Univ Aarhus Verfahren zur unvorbetonten schätzung der gesamtmenge von objekten auf der basis ungleichförmiger stichproben mit durch verwendung von bildanalyse erhaltener wahrscheinlichkeit
JP5061988B2 (ja) * 2008-03-25 2012-10-31 日本電気株式会社 隆線方向抽出装置および隆線方向抽出プログラムと隆線方向抽出方法
JP5061370B2 (ja) * 2008-03-27 2012-10-31 Necソフト株式会社 隆線領域抽出装置、隆線領域抽出システム、隆線領域抽出方法、およびプログラム
JP5040835B2 (ja) * 2008-07-04 2012-10-03 富士通株式会社 生体情報読取装置、生体情報読取方法および生体情報読取プログラム
GB0819069D0 (en) 2008-10-17 2008-11-26 Forensic Science Service Ltd Improvements in and relating to methods and apparatus for comparison
US8306288B2 (en) * 2009-08-19 2012-11-06 Harris Corporation Automatic identification of fingerprint inpainting target areas
US8421890B2 (en) 2010-01-15 2013-04-16 Picofield Technologies, Inc. Electronic imager using an impedance sensor grid array and method of making
US8866347B2 (en) 2010-01-15 2014-10-21 Idex Asa Biometric image sensing
WO2011092827A1 (ja) * 2010-01-28 2011-08-04 富士通株式会社 生体情報処理装置、生体情報処理方法及び生体情報処理プログラム
CN101853383B (zh) * 2010-05-17 2012-09-05 清华大学 高分辨率掌纹方向场提取方法
US9014437B2 (en) 2011-08-23 2015-04-21 Nec Corporation Ridge direction extraction device, ridge direction extraction method, and ridge direction extraction program
US9626521B2 (en) * 2014-04-16 2017-04-18 Arizona Board Of Regents On Behalf Of Arizona State University Physiological signal-based encryption and EHR management
US10528789B2 (en) 2015-02-27 2020-01-07 Idex Asa Dynamic match statistics in pattern matching
US9940502B2 (en) * 2015-02-27 2018-04-10 Idex Asa Pre-match prediction for pattern testing
US9805247B2 (en) 2015-02-27 2017-10-31 Idex Asa Pattern registration
US10157306B2 (en) 2015-02-27 2018-12-18 Idex Asa Curve matching and prequalification
US11055511B2 (en) * 2015-03-31 2021-07-06 Nec Corporation Biological pattern information processing device, biological pattern information processing method, and program
US10600219B2 (en) 2015-06-26 2020-03-24 Idex Asa Pattern mapping
US10621765B2 (en) 2015-07-07 2020-04-14 Idex Asa Image reconstruction
KR102476017B1 (ko) 2016-01-05 2022-12-09 삼성전자주식회사 생체 정보를 이용한 인증 방법 및 장치

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6059481A (ja) 1983-09-12 1985-04-05 Nippon Telegr & Teleph Corp <Ntt> 指紋画像の基準点検出方法
JPH0465776A (ja) * 1990-07-05 1992-03-02 Ezel Inc 画像の比較方法
JP2765335B2 (ja) 1992-01-07 1998-06-11 日本電気株式会社 隆線方向パターン平滑化方法およびその装置
EP0741368B1 (en) * 1995-05-02 2003-07-02 Yamatake Corporation Pattern collation apparatus and method
JP2739856B2 (ja) * 1995-12-18 1998-04-15 日本電気株式会社 指掌紋画像処理装置
US6233348B1 (en) * 1997-10-20 2001-05-15 Fujitsu Limited Fingerprint registering apparatus, fingerprint identifying apparatus, and fingerprint identifying method
KR100267262B1 (ko) 1998-03-13 2000-11-01 김영진 지문 특징 추출방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101093626B (zh) * 2007-07-27 2011-02-09 哈尔滨工业大学 掌纹密钥系统
CN104392455A (zh) * 2014-12-09 2015-03-04 西安电子科技大学 基于方向检测的在线掌纹有效区域快速分割方法
CN104392455B (zh) * 2014-12-09 2017-03-29 西安电子科技大学 基于方向检测的在线掌纹有效区域快速分割方法

Also Published As

Publication number Publication date
KR100540001B1 (ko) 2006-01-10
SG102671A1 (en) 2004-03-26
KR20020076164A (ko) 2002-10-09
JP4193163B2 (ja) 2008-12-10
EP1246120B1 (en) 2005-06-01
JP2002288641A (ja) 2002-10-04
US20020164056A1 (en) 2002-11-07
DE60204379D1 (de) 2005-07-07
DE60204379T2 (de) 2005-11-10
CN1206609C (zh) 2005-06-15
EP1246120A1 (en) 2002-10-02
US7027626B2 (en) 2006-04-11

Similar Documents

Publication Publication Date Title
CN1206609C (zh) 指掌纹图象处理装置和方法
Gao et al. Research on the security of microsoft’s two-layer captcha
AU2002348288B2 (en) Image identification system
Jacobs Robust and efficient detection of salient convex groups
CN105335745B (zh) 图像中数字的识别方法、装置及设备
CN104809464A (zh) 一种指纹信息处理方法
CN104809452A (zh) 一种指纹识别方法
CN111652825B (zh) 基于梯度方向约束的边缘跟踪直线段快速检测装置及方法
CN104809453A (zh) 一种基于指纹的认证方法
EP0969403A3 (en) Two-dimensional code recognition processing method and apparatus, and storage medium
Yao et al. Fast robust GA-based ellipse detection
CN105184294A (zh) 一种基于像素追踪的倾斜文字判断识别方法
CN1215438C (zh) 图形对照设备,图形对照方法
Roy et al. Text line extraction in graphical documents using background and foreground information
Das et al. A robust method for detecting copy-move image forgery using stationary wavelet transform and scale invariant feature transform
CN100552698C (zh) 对航拍图像中机场跑道的实时检测方法
Song et al. A fast and robust ellipse detection algorithm based on pseudo-random sample consensus
Santosh et al. Scalable arrow detection in biomedical images
CN110222666B (zh) 一种签名鉴伪方法和系统
JPH11219435A (ja) 自動車用白線検出装置
Sun et al. Study and improvement of iris location algorithm
Cai et al. Unfeatured weld positioning technology based on neural network and machine vision
Jayarathna et al. A junction based segmentation algorithm for offline handwritten connected character segmentation
Kundu et al. An efficient chain code based face identification system for biometrics
JP2004151815A (ja) 特定領域抽出方法、特定領域抽出装置、特定領域抽出プログラム及びそのプログラムを記録した記録媒体

Legal Events

Date Code Title Description
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
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
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20050615

Termination date: 20140326