DE69619884T2

DE69619884T2 - Gerät zur Merkmalextraktion von Hautmustern und Bildprozessor für Hautmuster

Info

Publication number: DE69619884T2
Application number: DE69619884T
Authority: DE
Inventors: Toshio Kamei
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1995-04-12
Filing date: 1996-04-12
Publication date: 2002-11-07
Anticipated expiration: 2016-04-13
Also published as: EP0737932A3; US6018586A; DE69619884D1; EP0737932A2; EP0737932B1; JPH08287255A; JP2776294B2

Description

Diese Erfindung bezieht sich auf eine Vorrichtung zum Extrahieren von Merkmalen von Hautmusterbildern und auf einen Bildprozessor zum Glätten und Verstärken von Merkmalen der Hautmusterbilder durch Verwendung der extrahierten Merkmale. Insbesondere bezieht sich die Erfindung auf eine Vorrichtung zum Extrahieren von Merkmalen von Hautmusterbildern wie etwa Kammlinienrichtungen, Kammlinienabständen oder deren Kombination für die Überprüfung eines Fingerabdrucks, die Klassifizierung eines Fingerabdrucks oder die Überprüfung eines Handabdrucks und auf einen Bildprozessor für die Verarbeitung von Hautmusterbildern zum Verstärken von Kammlinien durch Beseitigen des Rauschens aus den Bildern unter Verwendung der extrahierten Merkmale.
Im Stand der Technik gibt es die unter der vorläufigen Veröffentlichungs-Nr. 77138/'76 offengelegte japanische Patentanmeldung mit dem Titel "An. Apparatus for Striped Pattern Extraction". Bei dieser herkömmlichen Technik, die im folgenden als erste herkömmliche Technik bezeichnet wird, ist eine Vorrichtung zum Beseitigen des Rauschens aus solchen Steifenbildern wie etwa Fingerabdrücken oder Baumringen und zum Extrahieren sowohl von Streifenmustern als auch von Richtungsmustern aus den Streifenbildern offenbart.
Fig. 14 zeigt das Prinzip der Vorrichtung. Ein Bild in einem Unterbereich 100, dessen Mitte in einem kleinen Quadrat 101 liegt, ist durch eine Pixeldatenmenge repräsentiert. Jedes kleine Quadrat im Unterbereich 100 repräsentiert ein Pixel, wobei eine Ziffer 1 bzw. ein Leerzeichen in einem kleinen Quadrat einem Pixelwert 1 (schwarz) bzw. 0 (weiß) entspricht. Zum Maskieren sind Filterdatenmengen 102, 103, 104, 105 und 106 vorbereitet, die keiner Richtung, d0, und vier Richtungen d1, d2, d3 bzw. d4 entsprechen. Durch Berechnen der Summe ihrer Produkte mit den Pixeldaten des in Fig. 14 als Beispiel gegebenen Bildes, werden in den einzelnen Richtungen d0 bis d4 die Werte +5, 0, +11, +3 bzw. -7 erhalten.
Anhand dieser Werte wird die Kammrichtung im Pixel 101 des Bildes auf die Richtung d2 festgelegt, die den Maximalwert +11 ergibt, weshalb der Streifenmusterwert im Pixel 101 auf den Maximalwert +11 festgelegt wird.
In dieser Weise werden bei der ersten herkömmlichen Technik Streifenmuster und Richtungsmuster als Merkmale von Streifenbildern extrahiert.
Manchmal ist ein Glätten von extrahierten Merkmalen erforderlich, um den Einfluß des Rauschens auf die Merkmale zu verringern. Diesbezüglich ist in einer unter der vorläufigen Veröffentlichungs-Nr. 18195/93 offengelegten japanischen Patentanmeldung mit dem Titel "Method of Smoothing a Ridge Direction Pattern and an Equipment used therefor" ein Glättungsverfahren offenbart. Dieses Glättungsverfahren, das im folgenden als zweite herkömmliche Technik bezeichnet wird, basiert auf dem Prinzip der minimalen Energie.
Aus den mit ihren Zuverlässigkeitskoeffizienten extrahierten Kammrichtungsdaten wird bei der ersten herkömmlichen Technik ein geglättetes Kammrichtungsmuster bestimmt, wobei angenommen wird, daß die mit der höheren Zuverlässigkeit extrahierten Richtungsdaten eine größere Energie benötigen, um zu einem Richtungsmuster geglättet zu werden, und daß um so mehr Energie benötigt wird, um Richtungsdaten in ein Richtungsmuster zu glätten, je weiter die Richtungsmuster auseinanderliegen. Deshalb wird als geglättetes Richtungsmuster eines Unterbereichs ein Richtungsmuster bestimmt, dessen Bewertungsfunktion einen Minimalwert ergibt.
Jedoch ändern sich die Pixelwerte eines Streifenbildes periodisch in einer zu den Streifen senkrechten Richtung. Wenn die Streifenphase eines Streifenbildes zur Streifenphase der bei der ersten herkömmlichen Technik verwendeten Filterdaten zur Maskierung nahezu orthogonal sind, ergibt die Summe der Produkte deshalb selbst dann, wenn beide Richtungen übereinstimmen, nahezu 0. Dies bedeutet, daß die extrahierten Richtungsmuster und folglich die extrahierten Streifenmuster, durch Rauschdaten beeinflußt, unzuverlässig werden, was eine genaue Extraktion des Kammlinienabstands schwierig macht.
Bei der zweiten herkömmlichen Technik wird das Glätten der Kammrichtungsmuster auf der Grundlage von extrahierten Kammrichtungen ausgeführt. Wenn die extrahierten Richtungsmusterdaten nicht zuverlässig sind, ist somit kein genaues Glätten der Richtungsmuster möglich und kann folglich kein genaues Glätten der Kammlinienabstände ausgeführt werden.
Ein weiterer Stand der Technik läßt sich in IEE PROC.- VIS. IMAGE SIGNAL PROCESS, Bd. 141, Nr. 2, April 1994, Seiten 87-94, XP000610431, B. G. Sherlock, D. M. Monro und K. Millard: "Fingerprint enhancement by directional Fourier filtering" finden. In diesem Dokument ist ein neues Verfahren zum Verstärken von Fingerabdruckbildern beschrieben, das auf einer nichtstationären Richtungsfilterung im Fourier-Bereich basiert. Die Fingerabdrücke werden zuerst unter Verwendung eines Richtungsfilters, dessen Orientierung überall mit der lokalen Kammorientierung abgestimmt ist, geglättet. Eine Schwellenwertbildung ergibt dann das verstärkte Bild.
Aufgabe der vorliegenden Erfindung ist die Beseitigung der Nachteile der Dokumente des Standes der Technik.
Diese Aufgabe wird durch die Vorrichtung nach den unabhängigen Ansprüchen 1 und 2 gelöst.
Weitere vorteilhafte Merkmale der vorliegenden Erfindung werden durch die abhängigen Ansprüche, die Beschreibung und die beigefügten Zeichnungen deutlich.
Die Erfindung schafft eine Vorrichtung zum Extrahieren von Merkmalen von Hautmusterbildern wie etwa Kammrichtungen, Kammlinienabständen oder deren Kombination mit einer von der Streifenphasendifferenz unabhängigen hohen Zuverlässigkeit und einen Hautmuster-Bildprozessor für das genaue Verstärken von Kammlinienmustern durch Beseitigen des Rauschens aus den Hautmusterbildern.
Ferner werden bei der vorliegenden Erfindung entsprechend der Art der zu extrahierenden Merkmale mehrere Filter vorbereitet, die aus einer zweidimensionalen Gewichtskoeffizientenmatrix bestehen.
Ein Hautmusterbild wird sukzessive mit jedem der mehreren Filter durch Faltungsberechnung in einer realen Ebene oder durch Produktberechnung jeder Frequenzkomponente in einer Fourier-transformierten Ebene gefiltert.
Der Kontraste oder die Bildintensität, d. h. die Quadratsumme der Pixelwerte eines Unterbereichs jedes so berechneten gefilterten Bildes, wird mit jeder anderen verglichen, wobei ein Merkmalsparameter, der durch dasjenige Filter repräsentiert wird, das die größte Bildintensität ergibt, als zu extrahierendes Merkmal des Unterbereichs des Hautmusterbildes bestimmt wird.
Außerdem können aus Pixelwerten der Bilddaten von Unterbereichen, die durch ein Filter gefiltert worden sind, das das Merkmal des Unterbereichs ergibt, gleichzeitig Bilddaten des Unterbereichs mit verstärktem Merkmal erhalten werden.
Die obigen und weitere Aspekte, Merkmale und Vorteile dieser Erfindung werden aus der Betrachtung der folgenden Beschreibung, der angefügten Ansprüche und der begleitenden Zeichnung, in der gleiche Bezugszeichen gleiche oder entsprechende Teile bezeichnen, deutlich.
Fig. 1 ist ein Blockschaltplan, der eine erste Ausführungsform der Erfindung zeigt.
Fig. 2 zeigt ein Beispiel eines in einer Fourier-transformierten Ebene entworfenen Filters.
Fig. 3 zeigt Frequenzbänder von fünf zum Extrahieren von Kammlinienabständen entworfenen Filtern.
Fig. 4 zeigt Shading-Bilder der fünf Filter von Fig. 3.
Fig. 5 zeigt ein Beispiel für die Anordnung von Unterbereichen in einem Hautmusterbild.
Fig. 6 ist ein Blockschaltplan einer Filtereinrichtung 24 einer zweiten Ausführungsform der Erfindung.
Fig. 7 ist ein Blockschaltplan einer Merkmalsextraktionseinrichtung 30 einer dritten Ausführungsform der Erfindung.
Fig. 8 zeigt einen Unterbereich C(m, n) und um diesen gruppierte Unterbereiche C(m', n').
Fig. 9 ist ein Ablaufplan, der die Arbeitweise der Merkmalsextraktionseinrichtung 30 von Fig. 7 zeigt.
Fig. 10 ist ein Blockschaltplan, der eine vierte Ausführungsform der Erfindung zeigt.
Fig. 11 ist ein Blockschaltplan, der eine fünfte Ausführungsform der Erfindung zeigt.
Fig. 12 zeigt Shading-Bilder von Beispielen von in der ersten Filterdatei 811 von Fig. 11 vorbereiteten Filtern.
Fig. 13 zeigt Shading-Bilder von Beispielen von in der zweiten Filterdatei 812 von Fig. 11 vorbereiteten Filtern.
Fig. 14 ist ein Diagram, das das Prinzip einer herkömmlichen Technik zeigt.
Nun werden im Zusammenhang mit der Zeichnung Ausführungsformen der vorliegenden Erfindung gezeigt.
In Fig. 1 umfaßt eine erste Ausführungsform der Erfindung einen Bildspeicher 11 zum Speichern von Bilddaten solcher Hautmuster wie etwa Fingerabdruckmusterbilder, eine Filterdatei 15 zum Speichern von zur Filterung der aus dem Bildspeicher 11 ausgelesenen Bilddaten vorbereiteten Filtern, eine Filtereinrichtung 12 zum sukzessiven Filtern der Bilddaten durch eine Faltungsberechnung mit in der Filterdatei 15 gespeicherten Filtern, eine Bildintensität-Berechnungseinrichtung 13 zum Berechnen der Bildintensitäten von jeweiligen Unterbereichen der gefilterten Daten und eine Merkmalsextraktionseinrichtung 14 zum Bestimmen von Merkmalen von vorgegebenen Unterbereichen der Bilddaten in Übereinstimmung mit den in der Bildintensität-Berechnungseinrichtung 13 errechneten Ergebnissen.
Der Bildspeicher 11 ist aus einem Festplattenspeicher oder aus einem DRAM zum Speichern von digitalen Bilddaten von Hautmusterbildern wie etwa Fingerabdruckmusterbildern oder Handabdruckmusterbildern, die durch eine Eingabevorrichtung wie etwa eine CCD-Kamera oder einen Bildscanner erfaßt worden sind, gebildet.
In der Filterdatei 15 sind entsprechend der Art von beispielsweise in einen DRAM zu extrahierenden Merkmalen mehrere, durch die Filtereinrichtung 12 verwendete Filter vorbereitet.
In der folgenden Beschreibung wird eine im Bildspeicher 11 gespeicherte, aus Daten mit 512 · 512 Pixel bestehende Bilddatenmenge bei einer Auflösung von 20 Pixel pro mm angenommen, die durch eine Funktion g(x, y), die Pixelwerte in den Koordinaten (x, y) repräsentiert, wobei x = 0, 1, 2, ..., 511 und y = 0, 1, 2, ..., 511, ausgedrückt werden kann.
Nun wird die Faltungsberechnung und ihre Korrespondenz zu der in der Filtereinrichtung 12 ausgeführten Fourier- Transformation beschrieben, wobei als Beispiel der Fall der Merkmalsextraktion von Kammlinienabständen genommen wird.
Wenn die Bilddaten durch g(x, y) (x = 0, 1, ..., m-1 und y = 0, 1, ..., n-1) ausgedrückt werden und ein Filter durch h(x, y) (x = 0, 1, ..., mh-1 und y = 0, 1, nh-1) ausgedrückt wird, wird die Faltung z(x, y) der Bilddaten g(x, y) mit einem Filter h(x, y) nach der folgenden Gleichung (1) berechnet.
Diese Faltungsberechnung in einer realen Ebene ist zu einer durch die folgende Gleichung (2) repräsentierten Produktberechnung jeder Frequenzkomponente in einer Fourier-transformierten Ebene äquivalent.
F{g(x, y) * h(x, y)} = F{g(x, y)}·F{h(x, y)} = G(u, v)·H(u, v), (2)
wobei A*B die Faltung von A mit B, F{A} die zweidimensionale Fourier-Transformation von A und G(u, v) und H(u, v) die jeweils in der Fourier-transformierten Ebene ausgedrückten Fourier-Transformierten von g(x, y) und h(x, y) bedeuten.
Die zweidimensionale Fourier-Transformation wird nach der folgenden Gleichung (3) berechnet.
wobei u = 0, 1, ..., m-1 und v = 0, 1, ..., n-1.
Außerdem wird durch die folgende Gleichung (4), die inverse Fourier-Transformation, eine Fourier-Transformierte in die reale Ebene übertragen.
Hierbei wird zum Verschieben der Gleichstromkomponente G(0,0) in den Mittelpunkt der Fourier-transformierten Ebene zur Vereinfachung der Berechnung häufig die Fourier-Transformation von (-1)x+yg(x, y), im folgenden optische Fourier-Transformation genannt, angewandt.
Erneut mit Bezug auf Fig. 1 wird die Vorbereitung von Filtern zur Merkmalsextraktion von Kammlinienabständen in der Filterdatei 15 beschrieben.
Zum Vorbereiten eines Filters, das Bilder mit einer Abstandsfrequenz kleiner als R&sub1; und größer als R&sub2; ausfiltert, wird in einer optischen Fourier-transformierten Ebene ein durch die folgende Gleichung (5) repräsentiertes und in Fig. 2 gezeigtes ideales Bandpaßfilter H(u, v) entworfen.
Hierbei ist a eine Konstante zur Normierung von Ausgangsgrößen der verschiedenen Filter, die beispielsweise wie folgt bestimmt wird.
a = 1/(R&sub2;² - R&sub1;²) (6)
Wenn die Auflösung eines Bildes 20 Pixel pro mm beträgt, liegen die Kammlinienabstände im Bereich von etwa 5 Pixel bis 20 Pixel. Dieser Bereich von etwa 5 Pixel bis 20 Pixel entspricht einem Frequenzbereich von etwa 100 Zyklen bis 25 Zyklen, wobei 512 Pixel als ein Zyklus definiert sind.
Dieser Frequenzbereich von etwa 25 Zyklen bis 100 Zyklen (ein Frequenzband von 75 Zyklen) ist beispielsweise in fünf Frequenzbandbereiche von jeweils 15 Zyklen unterteilt, um fünf diesen Bereichen entsprechende Filter zu entwerfen, wie sie in Fig. 3 durch h&sub1; bis h&sub5; gezeigt sind.
Dann wird aus diesen in der optischen Fourier-transformierten Ebene entworfenen Filtern Hi(u, v) (i = 1, 2, ..., 5) die inverse Fourier-Transformation berechnet, um Filter hi(x, y) (i = 1, 2, ..., 5) zu erhalten, die zur Faltungsberechnung in der realen Ebene angewandt werden.
Bei dieser inversen Fourier-Transformation werden zur Vereinfachung der Faltungsberechnung die höherfrequenten Komponenten vernachlässigt. In dieser Weise werden durch Approximation von idealen Bandpaßfiltern h&sub1; bis h&sub5; von Fig. 3 entsprechende Filter in der realen Ebene erhalten. In dem Beispiel beträgt die Filtergröße dieser transformierten Filter 64 · 64 Pixel. Fig. 4 zeigt Shading-Bilder dieser durch h&sub1; bis h&sub5; von Fig. 3 definierten fünf Filter. Die Daten dieser Filter, die in Fig. 4 gezeigt sind, sind in der Filterdatei 15 gespeichert.
In der Filtereinrichtung 12 wird eine durch die Gleichung (1) ausgedrückte Faltungsberechnung ausgeführt. Wenn jedes der fünf Filter durch hi (x, y) (i = 1, 2, ..., 5) gekennzeichnet ist, werden durch Filtern durch ein Filter hi(x, y) Daten erhalten, die durch gi(x, y) wie folgt ausgedrückt werden,
gi(x, y) = g(x, y) * hi(x, y) (7)
An die Bildintensität-Berechnungseinrichtung 13 werden fünf Mengen gefilterter Daten gi (x, y) (i = 1, 2, ..., 5) geliefert.
In der Bildintensität-Berechnungseinrichtung 13 werden nach der folgenden Gleichung (8) Bildintensitäten P(i, m, n) vorgegebener Unterbereiche C(m, n) jeder Menge gefilterter Daten gi(x, y) berechnet.
In dieser Ausführungsform wird hierbei jeder der Unterbereiche C(m, n) als quadratischer Bereich definiert, der, wie in Fig. 5 gezeigt ist, aus 32 · 32 Pixel besteht, dessen Mitte die Koordinaten (m, n) besitzt und der jeweils im Abstand von 16 Pixel in x- und in y-Richtung der Ebene mit 512 · 512 Pixel jeder Menge gefilterter Daten angeordnet ist und in Fig. 5 durch einen fetten Punkt repräsentiert ist.
Die Bildintensität-Berechnungseinrichtung 13 liefert die errechneten Ergebnisse P(i, m, n) an die Merkmalsextraktionseinrichtung 14. Die Merkmalsextraktionseinrichtung 14 bestimmt die Merkmale der vorgegebenen Unterbereiche des Hautmusterbildes. Wenn beispielsweise ein durch h&sub1; in Fig. 3 repräsentiertes Filter h&sub1;(x, y) den Maximalwert der Bildintensitäten P(i, m, n) (i = 1, 2, ..., 5) für einen Unterbereich C(m, n) ergibt, wird das Kammlinienabstands- Q-Merkmal r des Unterbereichs C(m, n) wie folgt berechnet.
In dieser Weise werden in der Merkmalsextraktionseinrichtung 14 für jeden Unterbereich Merkmale bestimmt.
Nun wird eine zweite Ausführungsform der Erfindung beschrieben, in der das Filtern von Hautmusterbilder durch Produktberechnung jeder Frequenzkomponente der Fourier- Transformation ausgeführt wird.
Fig. 6 ist ein Blockschaltplan einer weiteren, der Filtereinrichtung 12 von Fig. 1 entsprechenden Filtereinrichtung 24 der zweiten Ausführungsform, die eine Fourier-Transformationseinrichtung 21 zum Ausführen einer zweidimensionalen optischen Fourier-Transformation von aus dem Bildspeicher 11 ausgelesenen Bilddaten, eine Maskierungseinrichtung 22 zum Ausführen einer Produktberechnung zwischen von der Fourier-Transformationseinrichtung 21 gelieferten Bilddaten und in einer Filterdatei 25 vorbereiteten Filtern und eine Einrichtung 23 für die inverse Fourier-Transformation zum Ausführen einer inversen optischen Fourier-Transformation der von der Maskierungseinrichtung 22 erhaltenen maskierten Daten umfaßt.
Diese Ausführungsform wird beschrieben, indem das im Zusammenhang mit der ersten Ausführungsform zur Merkmalsextraktion von Kammlinienabständen eines Hautmusterbildes verwendete Beispiel verfolgt wird.
In der Filterdatei 25 sind die in der optischen Fouriertransformierten Ebene mit Daten von 512 · 512 Pixel entworfenen idealen Bandpaßfilter Hi(u, v) (i = 1, 2, ..., 5), ohne Veränderung durch Transformation, gespeichert. Die Fourier-Transformationseinrichtung 21 transformiert das Hautmusterbild g(x, y) gemäß der Gleichung (3), um dessen optische Fourier-Transformierte G(u, v) zu erhalten.
In der Maskierungseinrichtung 22 werden der Realteil und der Imaginärteil jeder Frequenzkomponente der Fourier- Transformierten G(u, v) sukzessive mit jenen der fünf Bandpaßfilter Hi(u, v) multipliziert.
Fünf Mengen maskierter Daten Gi(u, v) = G(u, v)·Hi(u, v) werden in der Einrichtung 23 für die inverse Fourier- Transformation durch die im Zusammenhang mit der Gleichung (4) beschriebene optische Fourier-Transformation verarbeitet, um fünf Mengen gefilterter Daten gi(x, y) zu erhalten, die in gleicher Weise wie in der ersten Ausführungsform in der Bildintensität-Berechnungseinrichtung 13 von Fig. 1 verarbeitet werden.
Die Filterung durch Faltungsberechnung, wie sie in der ersten Ausführungsform ausgeführt wird, erfordert eine Anzahl von Operationen, die zur Filtergröße proportional ist. So sind die Filter zur Faltungsberechnung im allgemeinen in der Größe, 64 · 64 in dem beschriebenen Beispiel, beschränkt und von einer unvermeidlichen Approximation begleitet.
Demgegenüber können für die Filterung durch Maskenberechnung, wie sie in der zweiten Ausführungsform ausgeführt wird, ideale Bandpaßfilter in einer finiten Fouriertransformierten Ebene ohne Approximation entworfen werden. Ferner kann für Bilddaten, die ihrerseits durch eine Zweierpotenz ausgedrückt sind, für eine Berechnung mit hoher Geschwindigkeit die schnelle Fourier-Transformation angewandt werden.
Offensichtlich kann die optische Fourier-Transformation durch die schnelle Fourier-Transformation oder eine gewöhnliche digitale Fourier-Transformation ersetzt werden, wenn geeignete Filter vorbereitet sind. Somit darf gesagt werden, daß die zweite Ausführungsform im Vergleich zur ersten Ausführungsform zu bevorzugen ist, wenn die Filtergröße nicht ausreichend klein ist.
Nun wird eine dritte Ausführungsform beschrieben, in der die Merkmalsextraktionseinrichtung 14 von Fig. 1 durch eine andere, in Fig. 7 gezeigte Merkmalsextraktionseinrichtung 30 ersetzt ist.
In der dritten Ausführungsform ist eine Bewertungsfunktion definiert, deren Variable Merkmalsparameter jedes Unterbereichs entspricht, die die Gesamtsumme der (mit -1 multiplizierten) Bildintensitäten aller Unterbereiche und die Gesamtsumme der Quadratsummen der Differenzen zwischen Werten der Merkmalsparameter jedes Unterbereichs und jenen der benachbarten Unterbereiche repräsentiert. In der dritten Ausführungsform wird jeder der Merkmalsparameter, der den Minimalwert der Bewertungsfunktion ergibt, als Merkmal jedes Unterbereichs bestimmt.
Dazu enthält die Merkmalsextraktionseinrichtung 30 von Fig. 7 eine Minimierungseinrichtung 31 und eine Anfangswert-Berechnungseinrichtung 32.
Von der Bildintensität-Berechnungseinrichtung 13 von Fig. 1 werden die Bildintensitäten P(i, m, n) an die Anfangswert-Berechnungseinrichtung 32 geliefert, um Anfangswerte s&sub0;(m, n) von Merkmalsparametern, nämlich wie in der ersten Ausführungsform jene Kammlinienabstände, die den höchsten Wert der Bildintensitäten P(i, m, n) jedes Unterbereichs C(m, n) ergeben, zu bestimmen.
Das Kennfeld der Anfangswerte s&sub0;(m, n) weist für alle Unterbereiche ein zweidimensionales Ausgangs-Merkmalsmuster des Hautmusterbildes auf. Zur Glättung des zweidimensionalen Ausgangs-Merkmalsmusters wird der Anfangswert s&sub0;(m, n) eines betreffenden Unterbereichs C(m, n) durch denjenigen Wert s(m, n) unter fünf Merkmalsparameterwerten ersetzt, der am geeignetsten ist und einen Minimalwert der durch die folgende Gleichung (10) in der Minimierungseinrichtung 31 repräsentierten Bewertungsfunktion E(s(m, n))ergibt.
wobei (m', n') Koordinaten der dem betreffenden Unterbereich C(m, n) benachbarten Unterbereiche, also der in Fig. 8 als Beispiel gezeigten 5 · 5 - 1 Unterbereiche, bedeuten und D(s(m, n), s&sub0;(m', n')) eine Funktion ist, die die Singularität eines Wertes s(m, n), nämlich den momentanen Merkmalsparameter unter seiner Nachbarschaft, repräsentiert, der in dem Beispiel wie folgt ausgedrückt wird, wobei α ein Koeffizient ist.
D(s(m, n),s&sub0;(m', n')) = α{s(m, n) - s&sub0;(m', n')}² (11)
Die Minimierung der Bewertungsfunktion E(s(m, n)) wird somit für jeden Unterbereich C(m, n) durch sukzessives Ersetzen des Anfangswertes s&sub0;(m, n) durch einen geeigneten Wert s(m, n) ausgeführt, wobei diese Prozesse mehrmals wiederholt werden, um die Minimierung, die durch einen in Fig. 9 dargestellten Ablaufplan gezeigt ist, zum Konvergieren zu bringen.
Im Schritt 41 wird mit den Anfangswerten s&sub0;(m, n) der Merkmalsparameter der Anfangswert der Bewertungsfunktion E gemäß der Gleichung (10) berechnet. Danach wird im Schritt 42 der Wert der Bewertungsfunktion E für einen Unterbereich C(m, n) mit den anderen Werten si≠0(m,n) sukzessive (im Schritt 45 geprüft) neu berechnet, um den Anfangswert (im Schritt 44) zu ersetzen, wenn sich die Bewertungsfunktion E (im Schritt 43) als kleiner herausstellt. Die Schritte 42 bis 46 werden für alle Unterbereiche C(m, n) bis zum Schritt 46 ausgeführt und bis zum Schritt 47 mehrmals wiederholt.
In der Ausführungsform wird somit dasjenige geglättete zweidimensionale Merkmalsmuster erhalten, das den Minimalwert der Bewertungsfunktion E ergibt.
Nun wird mit Bezug auf Fig. 10 eine vierte Ausführungsform beschrieben, die einen Hautmuster-Bildprozessor vorsieht, wobei das Verfahren zum Extrahieren von Hautmustermerkmalen der Erfindung angewandt wird.
Im Blockschaltplan von Fig. 10 ist zusätzlich zu dem Blockschaltplan, auf den im Zusammenhang mit der ersten, der zweiten und dritten Ausführungsform verwiesen wurde, eine Pixelwert-Berechnungseinrichtung 75 zum Erzeugen von Bilddaten eines Hautmusters mit verstärkten Merkmalen enthalten.
Unter Aufnahme des Beispiels von Fig. 5 gehört jedes Pixel zu vier Unterbereichen, da die Unterbereiche so definiert sind, daß sie sich überlappen. Deshalb werden höchstens vier Werte für jedes Pixel aus gefilterten Datenmengen erhalten, die Merkmalen entsprechen, die den vier Unterbereichen, zu denen das Pixel gehört, zugewiesen sind. Der Mittelwert dieser höchstens vier Werten für jedes Pixel wird als jeweiliger Pixelwert der Bilddaten des Hautmusters mit verstärkten Merkmalen ausgegeben.
In einer fünften Ausführungsform, die in Fig. 11 gezeigt ist, werden Hautmuster-Bildprozessoren hintereinandergeschaltet, um verschiedenartige Merkmale von Hautmuster- Bilddaten zu verstärken. Ein Beispiel der Ausführungsform von Fig. 11 besteht aus zwei Hautmuster-Bildprozessoren 80 und 81, wobei durch den Hautmuster-Prozessor 80 verstärkte Hautmuster-Bilddaten von Kammlinienabstandsmerkmalen in einem zweiten Bildspeicher 806 zur Verarbeitung mit Filtern gespeichert werden, die zum Extrahieren von Kammlinienrichtungsmerkmalen der Hautmuster-Bilddaten vorbereitet sind.
Deshalb kann in dieser Ausführungsform ein besser geglättetes Hautmusterbild erhalten werden, deren Merkmale zweierlei Arten verstärkt sind.
Nebenbei bemerkt können auch in dieser Ausführungsform von jeder Merkmalsextraktionseinrichtung 804 und 809 neben den Hautmustern mit verstärkten Merkmalen Merkmalsdaten jeder Art erhalten werden, die beispielsweise zur Klassifizierung von Hautmusterbildern verwendet werden können.
Die Ausführungsformen wurden bisher im Zusammenhang mit dem Beispiel beschrieben, das mit fünf Filtern zum Extrahieren von Kammlinienabstandsmerkmalen versehen ist. Jedoch können andere geeignete Filter zum Extrahieren von gewünschten Merkmalen der Hautmusterbilder und zu deren Verarbeitung verwendet werden, um daraus die gewünschten Merkmale zu verstärken.
In den folgenden Abschnitten werden weitere Beispiele für Filtergruppen beschrieben, die zum Maskieren von Fourier- Transformationen von Hautmuster-Bilddaten vorbereitet sind.
Fig. 12 zeigt Shading-Bilder einer Filtergruppe, die aus zehn Bandpaßfiltern zum Extrahieren von Kammlinienabstandsmerkmalen durch Maskieren von optischen Fourier- Transformationen von Hautmusterbildern, die in einer ersten Filterdatei 811 der Ausführungsform von Fig. 11 vorbereitet sind. Die Pixelwerte Wr( r ) jedes der Bandpaßfilter von Fig. 12 sind durch die folgende Gleichung (12), die in bezug auf ihren Ursprung symmetrisch ist, repräsentiert.
wobei der Vektor r die Koordinaten eines Pixels in einer optischen Fourier-transformierten Ebene mit 512 · 512 Pixel, deren Ursprung in ihrer Mitte liegt, bezeichnet und r&sub0; und σr der Mittenfrequenz bzw. dem Frequenzdurchlaßbereich jedes der zehn Bandpaßfilter entsprechen.
In den Beispielen von Fig. 12 ist r&sub0; unter der Bedingung, daß σr 12,0 beträgt, zwischen 28,4 bis 79,6 Pixel jeweils in einem Abstand von 5,7 Pixel angeordnet.
Übrigens weisen die Shading-Bilder in Fig. 12 mittlere Bereiche der Bandpaßfilter auf, wobei der hellere Punkt den größeren Pixelwert repräsentiert und der dunkelste Punkt den Pixelwert 0 repräsentiert.
Fig. 13 zeigt Shading-Bilder einer weiteren Filtergruppe, die aus 16 Richtungsfiltern zum Extrahieren von Kammlinienrichtungsmerkmalen durch Maskieren von Fourier-Transformationen von Hautmuster-Bilddaten besteht, die in einer zweiten Filterdatei 812 des Beispiels von Fig. 11 vorbereitet sind. Die Pixelwerte Wθ( r ) jedes der Richtungsfilter von Fig. 13 sind durch die folgende, liniensymmetrische Gleichung (13) repräsentiert.
wobei eθ = (cosθ, sinθ) den Einheitsvektor jeder durch ein Richtungsfilter repräsentierten Richtung θ bezeichnet und σθ, 0,4 in den Beispielen von Fig. 13, ein Parameter ist, der den Phasenwinkeldurchlaßbereich repräsentiert.
Die Singularitätsfunktion D(s(m, n), s&sub0;(m', n')) in der Bewertungsfunktion E von Gleichung (10) betreffend werden zur Glättung von Richtungsmerkmalen durch Richtungsfilterung anstelle der Gleichung (11) vorzugsweise die durch die folgende Gleichung (14) ausgedrückten euklidschen Abstände verwendet.
D(s(m, n), s&sub0;(m', n')) = α{(sin2θ(m, n) - (sin2θ(m', n')}² +((cos2θ(m, n) - (cos2θ(m', n')}², (14)
wobei θ(m, n) Richtungsmerkmal eines Unterbereichs C(m, n) ist.
Somit können in der vorliegenden Erfindung durch Glätten von Kammrichtungsmerkmalen eines Hautmusterbildes nach dem Glätten ihrer Kammlinienabstandsmerkmale oder umgekehrt ein weiteres Verstärken und eine zuverlässige Bildverarbeitung erzielt werden.
Wieder mit Bezug auf Fig. 11 sind in der fünften Ausführungsform zwei Hautmuster-Bildprozessoren von Fig. 10 hintereinandergeschaltet, um geglättete Hautmusterbilder zu erhalten, deren Merkmale zweierlei Art verstärkt sind, oder um zwei Arten von Merkmalen zu extrahieren. Jedoch können durch Vorbereiten von Filtern gemäß Arten zu extrahierender oder zu verstärkender Merkmale mit einem Hautmuster-Bildprozessor mehrere Arten von Merkmalen extrahiert oder verstärkt werden.
In einer sechsten Ausführungsform mit derselben Konfiguration wie die vierte Ausführungsform von Fig. 10 ist in der Filterdatei 25 eine Filtergruppe zum Extrahieren und Verstärken mehrerer Arten von Merkmalen wie beispielsweise von Kammlinienabstandsmerkmalen und Kammlinienrichtungsmerkmalen vorbereitet.
Um die Filtergruppe entsprechend den Filtergruppen von Fig. 12 und Fig. 13 vorzubereiten, ergibt sich jedes Filter aus einem Produkt Wθ,r(r) aus einem durch die Gleichung (12) ausgedrückten Filter von Fig. 12 und einem durch die Gleichung (13) ausgedrückten Filter von Fig. 13 wie folgt.
Wenn wie in den Fig. 12 und 13 die Kammlinienabstandsmerkmale in zehn Werte von r&sub0; zu klassifizieren sind und die Kammlinienrichtungsmerkmale in 16 Werte von θ zu klassifizieren sind, wird in dieser Weise eine Gruppe von 160 Filtern vorbereitet.
In der Bildintensität-Berechnungseinrichtung 13 der sechsten Ausführungsform werden Bildintensitäten P(θ, r&sub0; ,m ,n) der vorgegebenen Unterbereiche C(m, n) für alle 160 gefilterten Daten g(θ, r&sub0;, x, y), die aus den Hautmusterbildern g(x, y) durch Filtern mit den 160 Filtern Wθ,r(r) erhalten worden sind, in gleicher Weise wie in Gleichung (8) wie folgt berechnet.
In der Merkmalsextraktionseinrichtung 30 der sechsten Ausführungsform werden Vektorwerte
die Kammlinienabstandsmerkmale und Kammlinienrichtungsmerkmale für die vorgegebenen Unterbereiche C(m, n) repräsentieren, aus den durch die Bildintensität-Berechnungseinrichtung 13 berechneten Bildintensitäten P(θ, r&sub0;, m, n) in ähnlicher Weise, wie im Zusammenhang mit den Fig. 7 bis 9 beschrieben wurde, erhalten.
In der Anfangswert-Berechnungseinrichtung 32 werden Anfangswerte v&sub0;(m, n) aus Parametern (θ, r&sub0;) von Filtern Wθ,r(r) berechnet, die maximale Intensitäten P(θ, r&sub0;, m, n) von gefilterten Daten für die vorgegebenen Unterbereiche C(m, n) ergeben. Beginnend mit den Anfangswerten v&sub0;(m, n) wird in der Minimierungseinrichtung 31 ein zweidimensionales Merkmalsmuster der Vektorwerte v(m, n) bestimmt, um eine durch die folgende Gleichung (16) repräsentierte Bewertungsfunktion zu minimieren.
wobei
D(v(m, n), v&sub0;(m', n')) = α{(sin2θ(m, n) - (sin2θ(m', n')}² + ((cos2θ(m, n) - (cos2θ(m', n'))² + β(r&sub0;(m, n) - (ro(m', n')}²

Claims

1. Vorrichtung zum Extrahieren von Merkmalen vorgegebener Unterbereiche eines Hautmusterbildes, mit:

einem Bildspeicher (11) zum Speichern von Bilddaten des Hautmusterbildes;

einer Filterdatei (15) zum Speichern mehrerer Filter, die aus zweidimensionalen Daten bestehen, die in Übereinstimmung mit den zu extrahierenden Merkmalen vorbereitet worden sind;

Filterungseinrichtungen (12) zum Ausgeben gefilterter Datenmengen, wobei jede der gefilterten Datenmengen aus den Bilddaten durch eine Faltungsberechnung mit jedem der mehreren Filter erhalten wird;

einer Bildintensität-Berechnungseinrichtung (13) zum Berechnen der Bildintensität jedes der vorgegebenen Unterbereiche jeder der gefilterten Datenmengen; und

einer Merkmalsextraktionseinrichtung (14) zum Bestimmen der Merkmale der vorgegebenen Unterbereiche des Hautmusterbildes, die auf die Bildintensität jedes der vorgegebenen Unterbereiche jeder der gefilterten Datenmengen Bezug nimmt, wobei

die Merkmalsextraktionseinrichtung (14) die Merkmale der vorgegebenen Unterbereiche des Hautmusterbildes in Übereinstimmung mit Merkmalsparametern bestimmt, die eine Bewertungsfunktion, die eine lineare Funktion der Bildintensität jedes der Unterbereiche einer der gefilterten Datenmengen, die einem jedem der Unterbereiche zugewiesenen Merkmalsparameter entspricht, sowie eines Wertes, der einer Singularität des jedem der vorgegebenen Unterbereiche zugewiesenen Merkmalsparameters entspricht, ist, im Vergleich zu den Merkmalsparametern, die bestimmten der vorgegebenen Unterbereiche zugewiesen sind, die dem vorgegebenen Unterbereich benachbart sind, minimieren.

2. Vorrichtung zum Extrahieren von Merkmalen vorgegebener Unterbereiche eines Hautmusterbildes, mit:

einem Bildspeicher (11) zum Speichern von Bilddaten des Hautmusterbildes;

einer Filterdatei (15) zum Speichern mehrerer Filter, die aus zweidimensionalen Daten bestehen, die in Übereinstimmung mit den zu extrahierenden Merkmalen vorbereitet wurden;

einer Filterungseinrichtung (24) zum Ausgeben gefilterter Datenmengen, wobei jede der gefilterten Datenmengen eine inverse Fourier-Transformation einer maskierten Datenmenge ist, die aus einer Fourier- Transformation der Bilddaten durch Produktberechnung jeder Frequenzkomponente der Fourier-Transformation und jedes der mehreren Filter erhalten wird;

einer Merkmalsextraktionseinrichtung (14) zum Bestimmen der Merkmale der vorgegebenen Unterbereiche des Hautmusterbildes, die auf die Bildintensität jedes der vorgegebenen Unterbereiche jeder der gefilterten Datenmengen Bezug nimmt; wobei

die Merkmalsextraktionseinrichtung (14) die Merkmale der vorgegebenen Unterbereiche des Hautmusterbildes in Übereinstimmung mit Merkmalsparametern bestimmt, die eine Bewertungsfunktion, die eine lineare Funktion der Bildintensität jedes der Unterbereiche einer der gefilterten Datenmengen, die einem jedem der Unterbereiche zugewiesenen Merkmalsparameter entspricht, sowie eines Wertes, der einer Singularität des jedem der vorgegebenen Unterbereiche zugewiesenen Merkmalsparameters · entspricht, ist, im Vergleich zu den Merkmalsparametern, die bestimmten der vorgegebenen Unterbereiche zugewiesen sind, die dem vorgegebenen Unterbereich benachbart sind, minimieren.

3. Vorrichtung nach Anspruch 1 oder 2, ferner mit einer Pixelwert-Berechnungseinrichtung zum Berechnen eines Wertes jedes Pixels des gefilterten Hautmusterbildes aus Werten von Pixeln jener Datenmenge der jedem der Merkmale entsprechenden gefilterten Datenmengen, die aus den vorgegebenen Unterbereichen, zu denen jedes Pixel gehört, extrahiert worden ist.