CN1667639A - 指纹图像的二进制编码方法 - Google Patents

指纹图像的二进制编码方法 Download PDF

Info

Publication number
CN1667639A
CN1667639A CNA2005100537277A CN200510053727A CN1667639A CN 1667639 A CN1667639 A CN 1667639A CN A2005100537277 A CNA2005100537277 A CN A2005100537277A CN 200510053727 A CN200510053727 A CN 200510053727A CN 1667639 A CN1667639 A CN 1667639A
Authority
CN
China
Prior art keywords
carina
binary coding
wave filter
coding method
curvature
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
CNA2005100537277A
Other languages
English (en)
Other versions
CN100357958C (zh
Inventor
黃云株
金宅洙
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.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
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 LG Electronics Inc filed Critical LG Electronics Inc
Publication of CN1667639A publication Critical patent/CN1667639A/zh
Application granted granted Critical
Publication of CN100357958C publication Critical patent/CN100357958C/zh
Expired - Fee Related 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding

Landscapes

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

Abstract

本发明公开一种指纹图像的二进制编码方法，其中检测指纹图像的隆线脉方向和隆线曲率，并通过根据隆线曲率选择适当的二进制编码滤波器而执行二进制编码。

Description

指纹图像的二进制编码方法
技术领域
本发明涉及指纹识别方法，尤其涉及指纹图像的编码方法，其精确地将指纹图像转换为二进制编码，以检测识别指纹所要求的特征向量(featured vector)。该编码方法精确地消除图像瑕疵，并根据原始指纹图像修复指纹隆线(ridge)。
背景技术
近几年，各种个人验证方法利用使用者虹膜、指纹、面部轮廓等来确定身份。指纹识别的生物测定学应用已因获得指纹的简便特性并由于指纹图像识别时间短而增加。
传统指纹图像方法检测指纹图像并将其转换为二进制编码，以生成比如单色图像。
采用单阈值的传统二进制编码方法利用为二进制编码图像而定义的单阈值的上限和下限从整个图像进行检测。为了定义背景区域和解决图像检测过程中发生的亮度均匀问题，人们提出了一种传统二进制编码方法，其检测局部阈值并将图像局部转换为二进制编码，比如黑白图像。
如上所述，传统二进制编码方法可能采用可变的阈值，以生成可打印和可存储的精确表示指纹图像的二进制图像。然而，这些传统方法在检测特征向量和执行指纹对比时却具有缺点。例如，在各种使用者特征中根据其周缘识别指纹的隆线时，指纹识别精度降低。
传统二进制编码方法可能无法有效地修复指纹图像的破坏。例如，指纹图像的隆线的接合或中断，或其它图像瑕疵可能造成指纹图像识别错误以及导致指纹图像识别失败。
不精确的编码二进制图像使图像后续处理相关的问题复杂化。
发明内容
提供一种指纹图像的二进制编码方法。该方法包括检测指纹图像的隆线脉(ridge range)方向和隆线曲率以及利用根据隆线曲率选择的二进制编码滤波器二进制编码指纹图像。二进制编码滤波器可通过将隆线曲率与预定基准值进行对比而选择。
隆线曲率优选根据相对于指纹图像的子图像的隆线脉方向计算。
隆线曲率可参考第二子图像基于相对于第一子图像的隆线脉方向计算，其中第一子图像占据小于第二子图像的表面积。
本发明的附加优点、目的和特征将在随后的说明书中部分地提出，一部分对本领域普通技术人员在进行随后的验证后将变得明显，或者可从本发明的实践中获知。本发明的目的和其它优点可通过在说明书及其权利要求书以及附图中所特别指出的结构而实现和获得。
能够理解，本发明的前面的一般描述和随后的详细描述都是示范性和解释性的并用于提供所要求的本发明的进一步解释。
附图说明
附图，包括在内以提供本发明的进一步理解，并包括在此构成本申请的一部分，说明本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为说明根据本发明的实施例的指纹图像的二进制编码方法的流程图。
图2为说明根据本发明的实施例定义二进制编码方法的指纹图像的隆线方向的示意图。
图3为说明根据本发明的实施例在二进制编码方法过程中形成子图像的隆线方向检测方案的图。
图4为说明定向二进制编码滤波器例子的图。
图5为说明二维高斯二进制编码滤波器(two-dimensionalGaussian binary coding filter)例子的图。
具体实施方式
下面详细说明本发明的优选实施方式，其实例在附图中说明。只要可能，相同的标记将在整个附图中用于表示相同或相似部分。
图1为说明根据本发明的实施例的指纹图像的二进制编码方法的流程图。
从指纹图像检测隆线脉方向(S101)。从隆线脉的隆线提取隆线曲率和厚度(S102)。
隆线脉方向的检测(S101)是指纹图像二进制编码的预处理操作。比如，隆线脉方向检测相对于指纹图像的子图像进行。
当在本例中，基于子图像检测隆线脉方向时，隆线脉方向对图像瑕疵非常敏感，从而指纹隆线的连接和中断造成精确检测隆线脉方向的困难。在本例中，参考比如占据16×16像素窗口的第二子图像，从比如占据8×8像素窗口的第一子图像检测隆线脉方向。为了避免确定大图像区域的子图像的隆线脉方向的困难，需要适当的子图像像素分布来精确地检测指纹图像。
例如，参见图2，隆线脉方向通过将180°扇区(sector)分为八个22.5°子扇区(sub-sector)定义。如图3所示，在本发明的一个优选实施例中，利用8×8像素窗口子图像说明隆线脉方向的检测。
参见图2和3，参考16×16像素窗口子图像的核心像素选择沿各方向向量的像素值。计算八个方向向量的变化。从八个方向向量确定具有最大变化的方向向量。
将垂直于最大变化的方向向量设置为8×8像素窗口子图像的隆线脉方向。隆线脉的厚度和分辨率利用最大变化获得。例如，当穿过第一方向向量的隆线的数目大于第二方向向量时，第一方向向量确定为具有比第二方向向量大的变化，从而隆线相互平行地布置。垂直于第一方向向量的第二方向向量平行于隆线脉方向。在一个例子中，利用垂直于隆线脉方向的像素的数目计算隆线厚度。
然后，在核心像素移动特定距离时重复上述过程，并开始上述二进制成像过程。利用这一二进制成像过程，可以检测隆线脉方向、隆线厚度和隆线分辨率。比如通过将第一局部的像素的隆线脉方向和与第一局部邻接的第二局部的像素进行对比而定义隆线曲率。
通过上述过程检测的隆线脉方向可以局部地用于确定隆线脉。这一检测的隆线脉可能因图像瑕疵和指纹破坏而不同于原始隆线脉。为了校正图像瑕疵和指纹破坏，在后续处理过程中校正具有与邻近隆线相比曲率较小的简单隆线脉特性的隆线。
同时，利用根据至少隆线厚度和曲率之一选择的二进制编码滤波器对指纹图像执行二进制编码。定向二进制编码滤波器或二维高斯二进制编码滤波器之一可以选为二进制编码滤波器。
隆线曲率与预定基准值比较(S103)。在隆线曲率确定为小于基准值的区域内执行定向二进制编码(S104)。在隆线曲率大于基准值的区域执行高斯二进制编码(Gaussian binary coding)(S105)。上述二进制编码方法的连续执行可以采用各二进制滤波器，用于将指纹图像转换为二进制编码图像(S106)。
被二进制编码利用的称为滤波器大小的图像占据区域根据隆线厚度变化。较大隆线厚度等于较大滤波器大小。因此，周围像素的参考区域(reference range)被放大，使二进制编码保持精确计算。较小隆线厚度等于较小滤波器大小。因此，周围像素的参考区域被减小，这就减少了计算时间并保持二进制编码的精确执行。
根据本发明的另一特征，二进制滤波器可以根据隆线曲率选定。下面将更详细地描述隆线曲率和二进制滤波器之间的关系。
图4为说明定向二进制编码滤波器例子的图。
参见图4，选定定向二进制编码滤波器的加权分布。在本例中，加权分布为卵形。卵形的纵向反映了高于所有其它方向的值。选定加权分布以加重特定方向的图像特征。特定方向表示指纹图像的隆线脉方向。
在应用定向二进制编码滤波器时，隆线曲率偏差(ridge curvaturedeviation)小。在一个实施例中，如果隆线曲率与特定方向的相关性高，就利用定向二进制编码滤波器。更确切地说，在隆线曲率小的区域和隆线脉在预定方向延伸时，定向二进制编码滤波器就去除在输入指纹图像时发生的较小指纹破坏，比如隆线中断或图像瑕疵。这样就能修复具有连续形状的隆线的特征。而且，定向二进制编码滤波器设计为使相互连接的隆线分开。
通过利用定向二进制编码滤波器，在执行二进制指纹图像编码时就可以获得更精确的指纹图像。
图5为说明二维高斯二进制编码滤波器例子的图。
参见图5，二维高斯二进制编码滤波器的加权分布以圆形生成。在本滤波器例子中的加权分布在所有方向都相同，以使二进制编码方法捕捉原始图像。高斯滤波器非常适合在特定方向，比如沿隆线脉方向可能难以应用加权函数的情况。
二维高斯二进制编码滤波器用于大隆线曲率，而在大隆线曲率通常非常难于选定在特定方向具有特征的滤波器。更确切地说，高斯二进制编码滤波器在沿任何特定方向都不能指定隆线脉方向的区域中选定。在一个例子中，高斯二进制编码的使用区域是隆线脉以多面形状形成以及指纹核心像素难于沿法线方向定义隆线脉方向的地方。
本发明根据隆线厚度改变二进制编码滤波器的大小；因此，本发明产生可以获得更精确地将指纹图像转换为二进制编码图像的指纹图像。
本发明去除图像瑕疵，并修复隆线以保持原始指纹图像，用于获得更精确的指纹图像。
本发明的优点在于根据由皮肤组织、暂时指纹破坏和在输入指纹时形成的图像瑕疵造成的使用者特定特性的变化获得精确指纹图像。而且，本发明的二进制编码方法能使指纹的识别错误或识别失败最小化。本发明精确地提取指纹识别所要求的指纹图像的特征向量而因此改善指纹成像精度。
对于本领域技术人员来说，很明显，本发明可以做出各种改进和变化。因此，只要它们落入所附的权利要求书及其等同范围内，本发明就将覆盖本发明的这些改进和变化。

Claims (13)

1、指纹图像的二进制编码方法，该方法包括：检测指纹图像的隆线脉方向和隆线曲率；以及通过根据隆线曲率选择适当的二进制编码滤波器而执行二进制编码。
2、如权利要求1所述的二进制编码方法，其特征在于，其中适当的二进制编码滤波器通过将隆线曲率与预定基准值进行对比而选择。
3、如权利要求1所述的二进制编码方法，其特征在于，其中隆线曲率基于相对于8×8像素子图像的隆线脉方向计算。
4、如权利要求1所述的二进制编码方法，其特征在于，其中隆线曲率参考16×16像素子图像基于相对于8×8像素子图像的隆线脉方向计算。
5、如权利要求1所述的二进制编码方法，其特征在于，其中隆线脉方向定义为根据子图像的核心像素定义的方向中的最大变化方向的法线方向。
6、如权利要求5所述的二进制编码方法，其特征在于，该方向对16×16像素子图像应用。
7、如权利要求5所述的二进制编码方法，其特征在于，其中隆线脉方向定义为相对于8×8像素子图像定义的隆线脉方向。
8、如权利要求1所述的二进制编码方法，其特征在于，其中在隆线曲率小于预定值时，选择加重指纹隆线脉方向的第一二进制编码滤波器，在隆线曲率大于预定值时，选择增加原始指纹图像反射度的第二二进制编码滤波器。
9、如权利要求8所述的二进制编码方法，其特征在于，其中第一二进制编码滤波器为定向二进制编码滤波器。
10、如权利要求8所述的二进制编码方法，其特征在于，其中第二二进制编码滤波器为高斯二进制编码滤波器。
11、指纹图像的二进制编码方法，该方法包括：检测指纹图像的隆线厚度和隆线脉方向；通过根据检测的隆线厚度选择适当的二进制编码滤波器而执行二进制编码。
12、如权利要求11所述的二进制编码方法，其特征在于，其中二进制编码滤波器的大小随隆线厚度的增加而增加。
13、如权利要求11所述的二进制编码方法，其特征在于，其中适当的二进制编码滤波器根据从隆线脉方向抽出的特定区域的隆线曲率选择。
CNB2005100537277A 2004-03-10 2005-03-10 指纹图像的二进制编码方法 Expired - Fee Related CN100357958C (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020040016113A KR100601453B1 (ko) 2004-03-10 2004-03-10 지문 인식 방법
KR10-2004-0016113 2004-03-10
KR1020040016113 2004-03-10

Publications (2)

Publication Number Publication Date
CN1667639A true CN1667639A (zh) 2005-09-14
CN100357958C CN100357958C (zh) 2007-12-26

Family

ID=34825208

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100537277A Expired - Fee Related CN100357958C (zh) 2004-03-10 2005-03-10 指纹图像的二进制编码方法

Country Status (4)

Country Link
US (1) US7512257B2 (zh)
EP (1) EP1574985A1 (zh)
KR (1) KR100601453B1 (zh)
CN (1) CN100357958C (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106464895A (zh) * 2016-10-01 2017-02-22 深圳市汇顶科技股份有限公司 指纹图像处理系统
CN111612083A (zh) * 2020-05-26 2020-09-01 济南博观智能科技有限公司 一种手指静脉识别方法、装置及设备
CN113963387A (zh) * 2021-10-12 2022-01-21 华南农业大学 基于最优编码位的手指多模态特征提取与融合方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2329537C1 (ru) * 2006-11-08 2008-07-20 Владимир Николаевич Бичигов Способ фильтрации дактилоскопического изображения
US8433155B2 (en) * 2006-12-28 2013-04-30 Texas Instruments Incorporated Gaussian noise rejection with directional variance capabilities for use in image processing
US20080159649A1 (en) * 2006-12-29 2008-07-03 Texas Instruments Incorporated Directional fir filtering for image artifacts reduction
KR100954776B1 (ko) * 2008-01-03 2010-04-28 상명대학교 산학협력단 지정맥을 이용한 생체 인식 방법
US8126858B1 (en) 2008-01-23 2012-02-28 A9.Com, Inc. System and method for delivering content to a communication device in a content delivery system
US8249314B2 (en) * 2008-06-16 2012-08-21 International Business Machines Corporation Anonymous and revocable fingerprint recognition
US8990199B1 (en) 2010-09-30 2015-03-24 Amazon Technologies, Inc. Content search with category-aware visual similarity
US8422782B1 (en) * 2010-09-30 2013-04-16 A9.Com, Inc. Contour detection and image classification
US8447107B1 (en) * 2010-09-30 2013-05-21 A9.Com, Inc. Processing and comparing images
US8463036B1 (en) 2010-09-30 2013-06-11 A9.Com, Inc. Shape-based search of a collection of content
KR101284252B1 (ko) * 2011-11-04 2013-07-09 한국과학기술원 영상 곡률 공간정보를 이용한 코너검출방법
CN106575364A (zh) * 2014-04-11 2017-04-19 英特尔公司 使用定向滤波的目标检测
US9697443B2 (en) 2014-12-11 2017-07-04 Intel Corporation Model compression in binary coded image based object detection
WO2016159390A1 (ja) 2015-03-31 2016-10-06 日本電気株式会社 生体パターン情報処理装置、生体パターン情報処理方法、およびプログラム
KR102625444B1 (ko) 2016-08-03 2024-01-15 삼성전자주식회사 반도체 장치
US10515448B2 (en) * 2016-09-20 2019-12-24 International Business Machines Corporation Handprint analysis to predict genetically based traits

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5659626A (en) * 1994-10-20 1997-08-19 Calspan Corporation Fingerprint identification system
DE59807883D1 (de) * 1997-07-18 2003-05-15 Kaba Schliesssysteme Ag Wetzik Verfahren zur ermittlung eines identifikationscodes aus fingerabdruckbildern
JP2001014464A (ja) * 1999-06-25 2001-01-19 Nec Corp 指紋画像処理装置及び指紋画像処理方法
US7072523B2 (en) * 2000-09-01 2006-07-04 Lenovo (Singapore) Pte. Ltd. System and method for fingerprint image enhancement using partitioned least-squared filters
AU2002318165A1 (en) * 2001-05-25 2002-12-09 Biometric Informatics Technology, Inc. Fingerprint recognition system
US7206101B2 (en) * 2001-11-21 2007-04-17 Ge Medical Systems Global Technology Company, Llc Computationally efficient noise reduction filter

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106464895A (zh) * 2016-10-01 2017-02-22 深圳市汇顶科技股份有限公司 指纹图像处理系统
WO2018058695A1 (zh) * 2016-10-01 2018-04-05 深圳市汇顶科技股份有限公司 指纹图像处理系统
US10448059B2 (en) 2016-10-01 2019-10-15 Shenzhen GOODIX Technology Co., Ltd. Fingerprint image processing system
CN111612083A (zh) * 2020-05-26 2020-09-01 济南博观智能科技有限公司 一种手指静脉识别方法、装置及设备
CN111612083B (zh) * 2020-05-26 2023-05-12 济南博观智能科技有限公司 一种手指静脉识别方法、装置及设备
CN113963387A (zh) * 2021-10-12 2022-01-21 华南农业大学 基于最优编码位的手指多模态特征提取与融合方法
CN113963387B (zh) * 2021-10-12 2024-04-19 华南农业大学 基于最优编码位的手指多模态特征提取与融合方法

Also Published As

Publication number Publication date
US20050201596A1 (en) 2005-09-15
KR20050090840A (ko) 2005-09-14
CN100357958C (zh) 2007-12-26
EP1574985A1 (en) 2005-09-14
US7512257B2 (en) 2009-03-31
KR100601453B1 (ko) 2006-07-14

Similar Documents

Publication Publication Date Title
CN1667639A (zh) 指纹图像的二进制编码方法
CN1255767C (zh) 用于产生重组图像数据的图像处理装置和其方法
JP6487576B2 (ja) 指紋隆線点認識方法および装置
JP2008257713A (ja) 透視変換歪み発生文書画像補正装置および方法
JP2001092919A (ja) ２次元バーコードのねじれ角決定法
JP2002208007A (ja) スキャンした文書の自動式検出
CN1691050A (zh) 2d矩形码符号扫描设备和2d矩形码符号扫描方法
CN108256445B (zh) 车道线检测方法及系统
CN1271559C (zh) 一种人眼虹膜识别方法
CN110569857A (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN108256518B (zh) 文字区域检测方法及装置
CN110738265A (zh) 一种基于改进的lbp特征和lndp特征相融合的改进orb算法
US9077926B2 (en) Image processing method and image processing apparatus
CN110245600A (zh) 自适应起始快速笔画宽度无人机道路检测方法
CN107808165B (zh) 一种基于susan角点检测的红外图像匹配方法
Peng et al. Text line segmentation using Viterbi algorithm for the palm leaf manuscripts of Dai
US7072496B2 (en) Slap print segmentation system and method
CN111027637A (zh) 一种文字检测方法及计算机可读存储介质
CN109919155B (zh) 一种文本图像的倾斜角矫正方法及终端
CN109858484B (zh) 一种基于偏斜评价的多类别变换车牌校正方法
US6862370B2 (en) Image detecting method, image detecting system, program, and recording medium for image detection
CN109389595B (zh) 一种表格线交点检测方法、电子设备及可读存储介质
CN111178111A (zh) 二维码检测方法、电子设备、存储介质及系统
US7027637B2 (en) Adaptive threshold determination for ball grid array component modeling
Qiu et al. An optimized license plate recognition system for complex situations

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
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20071226

Termination date: 20120310