JP2011258231A

JP2011258231A - 指紋プリビュー品質ならびに細分化

Info

Publication number: JP2011258231A
Application number: JP2011183933A
Authority: JP
Inventors: M Maurer James; ジェームス・エム・マウラー; L Hills Scott; スコット・エル・ヒルズ
Original assignee: Aware Inc
Current assignee: Aware Inc
Priority date: 2006-04-26
Filing date: 2011-08-25
Publication date: 2011-12-22
Anticipated expiration: 2026-06-23
Also published as: CN101443784A; US20180025201A1; US20180365474A1; JP2013242914A; US20070253605A1; JP2015187876A; US20160342825A1; EP2230627A2; ES2347687T3; WO2007123557A1; US9792483B2; JP6039003B2; US9031291B2; JP2009199611A; US20100046812A1; US20100054553A1; US10325137B2; US20160026849A1; US9405957B2; HK1121268A1

Abstract

【課題】指紋、手形あるいは足跡の画像情報等の生体認証画像情報の品質ならびに細分化についての決定方法を提供する。
【解決手段】解像度に関係なく、画像の品質をリッジフローに基づいて決定するものであって、リアルタイムで処理でき、指紋の細分化等の細分化を含み、これにより、４指の平面、２本の親指又は全指の画像を有する独立した指紋について画像品質の判断を提供するものである。指紋品質モジュールは、一以上のスキャン装置から、一以上の品質、掌性、履歴情報分析およびバウンディングボックスの割り当てについて後に判断が行われる、リッジフローを含んだ画像を受け取る。
【選択図】図１

Description

関連出願のデータ

本出願は、その全体が参照のため本出願に取り込まれる、”リアルタイムによる指紋の品質および細分化”と題する２００６年４月２６日出願の米国特許出願番号６０／７９５、２１５に基づいて、合衆国特許法１１９条(e)による優先権を主張する。

背景

本発明は、概ね、品質の決定ならびに細分化に関するものである。より具体的に述べると、本発明の例示的実施形態は、指紋、手形あるいは足跡の画像情報等の生体認証画像情報の品質ならびに細分化についての決定に関するものである。

ライブスキャン型装置は、指の配置および画像の忠実度を得るため、操作者を補助する操作プリビューモードを提供する。しかし、これらには、処理能力、タイミングの制限ならびに処理条件が存在するので、これらの装置および関連する品質の評価指標(quality metrics)は、登録アプリケーション又は指紋自動識別システム(Automatic Fingerprint Identification System (AFIS))、ならびに、それらに関連するマッチングエンジンにより用いられる他の洗練された品質の尺度と関連する出力を提供することができない。かかるハードウエアの制限は、残りの手の構造から指紋を動的に細分化し、指紋と斑点(smudges)、粒子(particles)、遺留指紋(latent prints)等の画像の背景を分離する能力を無力化してしまう。

これに代え、ライブスキャン型装置は、画像のコントラストに基づく品質の指標ならびに細分化用の静的スキャナプラテン領域(static scanner platen areas for segmentation)を用いる。登録ならびにＡＦＩＳ／マッチングアプリケーションで用いられている指紋の品質指標には、通常、５００ppiおよび１０００ppiの最大解像度を使ったスキャニングが要求されるので、プリビュー機能用には適さない。

なし

本発明のある例示的な側面は、解像度と無関係にリッジフロー検出技術を提供することによって、このギャップを解決するものである。次に、リッジフローの強度、リッジフローの連続性および隣接する画像コントラストとの組み合わせを通じて指紋の品質を決定するためリッジフローマップが用いられる。このリッジフローマップは、細分化の基礎として用いることもできる。

本発明の他の例示的側面は、解像度に関係なく画像の品質を決定するためのリッジフローに基づくシステムならびに方法であって、リアルタイムで処理でき、指紋の細分化等の細分化処理を含み、これにより、４指の平面(four finger flat)、２本の親指(dual thumb)又は全指(whole hand image)の画像を有する独立した指紋に関する画像品質の判断を提供するものである。

例えば、本発明のある例示的な側面は、リッジフローを含む指、手又は他の生体認証情報を示す画像データ等の解像度の低いプリビュー画像データを提供するライブスキャン指紋装置を用いた、登録アプリケーションを対象としている。

さらに、本発明の他の側面は、一以上のスキャン装置から、一以上の品質、掌性、履歴情報分析およびバウンディングボックスの割り当てについて後に判断が行われる、リッジを含んだ画像を受け取る指紋品質モジュールに関する。

本発明の更に別の側面は、リッジフローの判断に関するものである。

本発明の別の側面は、指紋画像の細分化に関するものである。

本発明の他の例示的側面は、指紋画像等の入力画像の品質を決定することに関する。

本発明の更に別の例示的側面は、画像の解像度に基づき、リッジフロー処理を変更することに関する。

本発明の別の例示的側面は、受け取り画像に基づいてフィードバックを決定し、与えることに関する。

本発明の更に別の例示的側面は、一以上の指紋を識別し、必要に応じて、指の途中の皺(inter-digit crease)の部分で先端部分を切り取ることに関する。

本発明の他の例示的側面は、バウンディングボックスを決定し、識別された指紋の周囲に配置することに関するものである。

本発明の別の側面は、ライブスキャン型装置において、リアルタイムで指紋の品質を判断することに関するものである。

本発明のこれらのおよび他の特徴ならびに効果は、ここで記載され、実施形態における以下の記載から明らかである。

本発明の実施形態は、以下の図面を参照することにより詳述される。
図１は、本発明による、指紋品質決定システムを例示している。図２は、本発明による、指紋品質決定システムの詳細を例示している。図３は、本発明により品質を決定する例示的な方法を概説している。図４は、本発明による、リッジフローを実行する例示的な方法を概説している。図５は、本発明により細分化を実行する例示的な方法を概説している。図６は、本発明により細分化を実行する、より具体的な例示方法を概説している。図７は、本発明により品質を決定する例示方法を概説している。図８は、本発明による、解像度に基づきリッジフローを変更する例示的な方法を概説している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。異なる品質ならびにそれに伴う例示的なフィードバック指示についてのスラップスキャン画像を示している。図１７は、本発明によるリッジフロー検出グリッドを示している。図１８は、本発明による係数の相関関係を示している。図１９は、本発明による平均のリッジフローを例示している。図２０は、本発明による例示的なクラスタのグループ分けを例示している。図２１は、本発明による細分化された指紋を例示している。図２２は、本発明によるグリッドの配置を例示している。図２３は、本発明によるグリッド配置の別の例を示している。本発明による、異なる解像度におけるターゲットとされる正弦波を例示している。本発明による、異なる解像度におけるターゲットとされる正弦波を例示している。本発明による、異なる解像度におけるターゲットとされる正弦波を例示している。本発明による、異なる解像度におけるターゲットとされる正弦波を例示している。図２８は、本発明による例示的なリッジフロー検出で用いられている８０個の係数を例示している。図２９は、本発明によるリッジフロー検出における４つの異なる解像度において用いられている８０個の係数を例示している。

詳細な説明

本発明の例示的なシステムならびに方法は、画像品質および細分化について説明する。しかし、本発明を必要以上に不明瞭にすることを避けるため、以下の説明においては、よく知られた構成が省略され、ブロック図の形式で示される装置については周知であるので要約される。説明の目的において、本発明について完全な理解を提供するため多数の具体的詳細が示されている。しかしながら、理解されるように、本発明は、ここで説明される具体的詳細を超えた様々な方法で動作可能である。

また、ここで表されている例示的な実施形態は、同一場所にあるシステムの様々な部品を示しているが、前記システムのかかる様々な部品は、ＬＡＮおよび／又はインターネット、あるいは、専用システム内の離れた部分に配置しても良いことが理解される。したがって、このシステムの部品を、モデム等の一以上の装置と組み合わせ、あるいは、通信ネットワーク等の配信ネットワークの特定ノード上に配置してもよいことを理解すべきである。以下の説明ならびに計算効率の観点から理解されるように、前記システムの前記部品は、当該システムの動作に影響を及ぼすことなく、配信ネットワーク内のいずれの場所にも配置可能である。

さらに、部品を接続するさまざまなリンクを有線又は無線、または、そのいずれの組み合わせとし、あるいは、接続されたエレメントに対してデータを供給および／またはそこからデータ供給を受けることができる、他のいずれの既存または将来開発されるエレメントとすることが可能であることを理解すべきである。これらの有線又は無線リンクをセキュアリンクとすることもでき、暗号化情報をやりとりすることも可能である。

ここで用いられるモジュールという文言は、当該エレメントに関する機能を実行可能な、既存または将来開発されるいずれのハードウエア、ソフトウエア、あるいはその組み合わせを表すことができる。また、本発明は、例示的な実施形態の内容について説明をしているが、本発明のそれぞれの側面は別個に特許請求可能であることを理解すべきである。ここで述べられている実施形態は、指紋の品質ならびに細分化に関するものであるが、本システムおよび方法は、指、手、足又はそれらいずれかの部分の画像に含まれるがこれらには限定されない、リッジフロー等のいかなる周期的又は反復パターンを含むいずれのタイプの画像についても同様に機能することも理解すべきである。

図１は、指紋品質システム１の例示的実施形態を示している。かかる指紋品質システム１は、一以上のフラットベッドスキャナ又は自動書類スキャナ１５、ホールハンドスキャナ(whole hand scanner)２０、個別指紋スキャナ２５、スラップスキャナ(slap scanner)３０、シングル指紋ロールスキャナ(single fingerprint roll scanner) ３５、他の光学式又は非光学式スキャナ４０、音声兼画像フィードバック装置４５、一以上のユーザインターフェース５５、デモグラフィックデータ供給装置６５および記憶装置６０と接続可能な指紋品質モジュール１００を備えており、当該指紋品質モジュール１００からの情報は出力装置５０を介して出力可能である。

前記指紋品質モジュール１００は、さまざまなソースからの入力を受け取る。例えば、前記フラットベッドスキャナ又は自動書類スキャナ１５は、検討のため前記指紋品質モジュール１００に送られる対応画像により、情報を指紋カード１０上にデジタル化する。スラップスキャンが撮影可能なホールハンドスキャナ２０等の前記ライブスキャン型装置、個別指紋スキャナ２５、およびスラップスキャナ３０は、生体構造の一部を含むリッジフローのスキャン結果に対応する画像情報を取り込むこともできる。同様に、前記シングル指紋ロールスキャナには、指紋品質モジュール１００に対するロールプリントに対応する画像情報が入力される。

これに加え、あるいは、これに代えて、前記指紋品質モジュール１００は、静電式、超音波等の他の光学又は非光学式スキャナ４０、あるいは、リッジフロー情報を含む画像データを送信可能ないずれのソースから画像データを受け取ることもできる。

一般に、リッジフロー検出を促進するため、いずれの入力画像を選択的に前処理することができる。例えば、コントラスト、画質(sharpness)あるいはサンプリングを調整するため、入力画像を前処理することができる。かかる画像は、機能拡張又は概要化(skeletonization)ために前処理することができる。

動作中、前記指紋品質モジュール１００は、入力装置の一つから画像を受け取ってリッジフローを検出する。リッジフローが一旦認識され、それが検出された場合、例えば、システム１の動作環境に基づいて、指、指先、かかと、手、手のひら等又はいずれの領域であるか、すなわち、前記画像内のどの領域かを特定することができる。

次に、指紋品質モジュール１００は、一以上の判断を行い、前記画像の品質について記録し、識別された領域に対してバウンディングボックスを割り当て、前記画像の掌性を判断し、取り込まれた一連の画像について履歴情報分析を実行する。例えば、前記画像は、指紋品質モジュール１００においてリアルタイムで受け取ることができる。前記指紋品質モジュール１００がスキャン結果の数フレームに渡って分析を実行することができ、これにより、例えば、前記画像の品質に関するトレンディング情報(trending information)が構築されるよう、一連の画像を記憶装置６０の協力を得て記憶することができる。このトレンディング情報は、次に、指紋被採取者(fingerprintee)に対して音声又は画像によるフィードバックを供給するのを補助するため用いてもよく、および／又は、何時”良好な画像”を取り込むことができるかを予測するため動的に用いることができる。

品質についての判断、バウンディングボックスの割り当て、掌性の判断および履歴情報分析の一以上の結果によるが、指紋品質モジュール１００は、一以上の前記音声および／又は画像フィードバック装置４５ならびにユーザインターフェース５５を介して、フィードバックを提供することができる。例えば、前記音声および／又は画像フィードバック装置４５は、スキャンが成功したかどうか、プラテン上で指を動かすことが要求されるか、強く押すのか弱く押すのか、手をまっすぐにするのか等、を示すため、指紋被採取者に対してフィードバックを提供するために用いてもよい。かかるフィードバックは、音声の合図および／又はシステム１の特定の動作環境に基づき多数の言語を伴った、音声および／又は画像および／又はグラフィックであってもよい。

さらに、指紋品質モジュール１００は、ユーザインターフェース５５を介してフィードバックを提供することができる。例えば、ユーザインターフェース５５は、プラテンの清掃が必要である、一以上のスキャン装置に問題がある、スキャンがうまくいったかならびに指紋情報の採取がうまくいったか否か、システムの動作状況、又は、動作に関するいずれの一般情報、あるいは、指紋品質モジュール１００により処理される情報を示す命令を含んだ、フィードバック情報を使い、システム操作者により用いることができる。

デモグラフィックデータ供給装置６５と協働するユーザインターフェース５５は、一以上のデモグラフィックデータ、他の生体測定データ、通常のいずれの情報と、様々なスキャン装置から受け取った一以上の画像を関連づけることを許容する。この情報は、これらには限定されないが、名前、パスポート番号、社会保障番号、スキャンに関連づけられた日および時刻、スキャン箇所に関する情報、あるいは、画像の識別、分類、カテゴリー分け又はフラグ立てを補助するために用いることができる通常のいずれの情報を含んでもよい。前記情報は、次に、デモグラフィックデータを用いて、例えば、記憶装置６０内に記憶し、あるいは、出力装置５０を介して出力してもよい。

出力装置５０は、例えば、指紋品質モジュールが、印刷、オフラインでの処理、識別、分析、比較、ファイルの保管(archiving)あるいは必要に応じた出力を可能にするため、デモグラフィック・メタデータ付き又は無しの一以上の画像を出力することを許容する。

図２は、指紋品質モジュール１００の詳細を概説している。具体的には、指紋品質モジュール１００は、その全てがリンク５によって接続された、掌性モジュール１１０、細分化モジュール１２０、サンプリングモジュール１３０、プロセッサ１４０、メモリ１５０、および、入出力モジュール１６０、シーケンスチェッキングモジュール１７０、品質決定モジュール１８０、リッジフローモジュール１９０、コントラストモジュール１９５および自動読み込みモジュール１９７を備えている。

後で詳細について述べるように、複数の指の痕跡画像から指紋の細分化を実施する制限のない方法が例示的に挙げられている。

前述のように、プロセスは、指紋画像の受け取りから開始される。かかる画像を受け取り、リッジフローモジュール１９０と協働することにより、指紋画像の各画素リッジフローの強さ、連続性、ならびに角度等が判断される。これに代え、あるいは、これに加え、所定グリッドを横切る前記画像内の所定位置についての、強さ、角度、ならびに連続性を判断することができる。以下に、リッジフローに関する特定の方法を説明するが、受け取った画像内の様々な位置におけるリッジフローの一以上の強度、連続性ならびに角度を示す情報を出力することが可能なものでああれば、リッジフローを判断するためのどのような方法も用いることが可能であることを理解すべきである。

細分化モジュール１２０は、指先の位置を識別するために必要な判断を実行する。細分化のために用いることができる様々な方法には、指の部分のバウンディングボックスを正確に識別することが唯一の条件であるものが存在する。

品質決定モジュール１８０は、一以上のコントラストについての指紋画像領域の解析、リッジフローの強度および近くのリッジフロー(local ridge flow)に基づいて品質の測定基準を決定するため、リッジフロー情報ならびに細分化情報を用いる。これらの要素は、指先毎に品質の記録を生成するため組み合わせてもよい。かかる品質の記録ならびにフィードバックモジュール１６５との協働に基づき、適切なフィードバックを必要に応じて判断することができ、適切な目的地に転送することができる。

サンプリングモジュール１３０は、受け取った画像の上下サンプリング(up or down-sampling)を可能にする。例えば、受け取った画像の解像度によるが、上下サンプリングのいずれかを行うことは、演算の観点から有利である。

シーケンスチェッキングモジュール１７０は、受け取った指紋画像のシーケンスのチェックを実行する。通常のシーケンスチェックは、各指紋のスキャンに対応する画像が、例えば、人差し指から小指という特定の順序で受け取られることを示す。順序外で小指の画像が受け取られていたと判断された場合、あるいは、ある指が誤って２回画像化されていた場合には、前記フィードバックモジュール１６５との協働により、適切なフィードバックが判断され、適切な目的地に転送される。

自動キャプチャモジュール１９７は、品質決定モジュール１８０とともに協動し、何時、画像がある品質基準に達することができるかについて動的に判断することが可能である。例えば、トレンディング情報は、指紋品質システム、具体的には、指紋品質モジュール１００が、スキャン装置の一つから、何時、”良好な”品質のスキャンを受け取ることできるか予測するため、履歴情報を分析するとともに、解析することができる。例えば、指紋被採取者が、当初、プラテンを軽く押しているがプラテン上の圧力が継続的に増加していることをトレンディング情報が示している場合には、そこで指紋を読み込むべき理想のポイントが存在する。このように、このキャプチャモジュール１９７は、履歴情報を追跡し、画像キャプチャシーケンス時間内に特定ポイントにおける画像を取り込む。

図３は、本発明による指紋品質システムの動作についての例示的な方法を概説しているフローチャートである。より具体的には、制御は、ステップＳ３００で開始され、ステップＳ３１０へと続く。ステップＳ３０５においては、画像を受け取る。次に、ステップＳ３１０において、受け取った画像についてリッジフローが決定される。次に、ステップＳ３１５においては、受け取った画像についてリッジフロー配列が構築される。次に、制御は、ステップＳ３２０へと続く。

ステップＳ３２０においては、受け取り画面の一以上の領域が識別される。これらの領域は、これらに限定されないが、指、指先、かかと、手、手のひら、あるいは、識別のためそれに対して指紋品質システムが割り当てられる、いずれの領域を含んでもよい。次に、制御は、ステップＳ３２５、Ｓ３３５、Ｓ３４０およびＳ３４５の一以上へと続く。

より具体的には、ステップＳ３２５において画像の品質が決定される。画像の品質が決定されると、ステップＳ３３０においては、例えば前記品質を指先毎に記録する。次に、制御は、ステップＳ３５０へと続く。

ステップＳ３５５においては、識別された領域に対し一以上のバウンディングボックスが割り当てられる。かかるバウンディングボックスは、識別領域の周囲に配置されるものである。より具体的にいうと、バウンディングボックスは、システムにとって特別関心のある、指、手、手のひら、下部素性(foot feature)等の周囲の関心領域(region of interest)を識別する。バウンディングボックスは、一以上のリッジフローデータを、ユーザ入力あるいはシステムに適用可能と考えられる他のデータを用いることにより決定される。前記ボックスの正確な範囲は、関心の特徴(feature of interest)の最小領域、あるいは、システムにより要求されたより大きい範囲であってもよい。

ステップＳ３４０においては、掌性の決定(handedness determination)が実行される。これにより、例えば、受け取り画像において右手か左手かあるいはその一部が示されているかどうかをシステムが決定することが可能となる。次に、制御はステップＳ３５０へと続く。

ステップＳ３４５においては、履歴情報の分析が行われる。前述のように、この履歴情報の分析は、システムが、複数の受け取り画像についてのトレンディング情報を動的に追跡し、一以上のトレンドに基づいて特定のアクションを起こすきっかけを与えることを可能にする。制御は、さらにステップＳ３５０へと続く。

ステップＳ３５０においては、いずれかの先行するステップに基づき、一以上のシステムのユーザならびに指紋被採取者に対してフィードバックを与えるべきか否かの決定がなされる。フィードバックが必要であるという決定がなされた場合には、フィードバックが与えられるステップＳ３５５へと続く。そうでない場合には、制御は、さらなるスキャンが必要かどうかの決定がなされる、ステップＳ３６０へとジャンプする。追加のスキャンが必要である場合、制御は、ステップＳ３０５まで戻る。そうでない場合、制御は、制御シーケンスが終了するステップＳ３７０へと続く。

上に示された例示的な方法は、解像度と無関係に用いることができる。したがって、ここで述べられる様々な方法は、以下に詳細に述べられている同じ指紋画像であって解像度が異なる様々なバージョンにおいて動作可能な特定のリッジフロー、細分化および品質の計算を用い、様々な解像度の画像データを受け入れるため、変更可能である。解像度が同じでない場合でも、各バージョンの処理は、同様のリッジフロー検出結果をもたらす。前記プロセスの忠実度の維持を補助するため、選択された細分化プロセスおよび品質決定プロセスの両方において、解像度が変化しないようにすべきである。ここで述べられる細分化ならびに品質決定方法は、この忠実度を支持するため、解像度が変化しない方法により述べられる。

このことは、迅速にフィードバックの決定を可能にする、この情報をリアルタイムで処理する能力とともに、リッジフローの細分化ならびに品質スコア処理の全ての側面において、解像度とは無関係であり、副解像度出力(sub-resolution output)ならびにフル解像度出力間の相関関係の度合いが高い。リッジフローをベースにした品質ならびに指における指先の位置を迅速に決定することにより、指紋品質システムは、頻繁に低解像度のプリビューデータを生成する画像キャプチャ装置を充分に利用することが可能となる。

図４は、リッジフローを判断するための例示的な方法の詳細を概説する。具体的に言うと、制御は、ステップＳ４００で開始され、ステップＳ４１０へと続く。ステップＳ４１０においては、ポイントのグリッドが選択される。次に、ステップＳ４２０においては、様々な角度における所定数の周波数分のグリッドポイントの周囲のサブウインドウについて、各画像グリッドポイント毎にフーリエ係数が決定される。さらに、ステップＳ４３０においては、ステップＳ４２０の決定に基づいて、周波数ならびに角度がサブウインドウ内の隣接するリッジフロートと最もよくマッチする、ピークの相関値の配列が決定される。次に、制御は、ステップＳ４４０へと続く。

ステップＳ４４０においては、相関マップからサブウインドウ内のピークのリッジフロー角度（あるとすれば）が決定される。次に、ステップＳ４５０においては、生のリッジフローマップの平滑化ならびに平均化が任意に実行される。次に、制御は、制御シーケンスが終了するステップＳ４６０へと続く。

図５は、例示的な細分化方法を示している。具体的に言うと、制御は、ステップＳ５００で開始され、ステップＳ５０５へと続く。ステップＳ５０５０においては、隣接するリッジフローを複数のグループに集める(clustered into groups)。次に、ステップＳ５１０においては、各グループを分類する。さらに、ステップＳ５１５においては、小さな孤立したクラスターを無視する。次に制御は、ステップＳ５２０へと続く。

ステップＳ５２０においては、大きなクラスタの方向が決定される。次に、ステップＳ５２５においては、主な配向角度が決定される。さらに、ステップＳ５３０において、クラスターは、被検セグメントの配向角度を介して接続可能となるよう、セグメントクラスタグループ化される。次に、制御は、ステップＳ５３５へと続く。

ステップＳ５３５においては、セグメント化されていない、全てのクラスタグループが除去される。次に、ステップＳ５４０においては、セグメント化された各クラスタグループの最後のクラスタが、先端として認識される。次に、ステップＳ５４５において、識別された先端が長すぎるかどうかの判断がなされる。識別された先端が長すぎると判断された場合、制御は、先端を切り取るステップＳ５５０へと続くとともに、ステップＳ５５５へと続く。そうでない場合、つまり、識別された先端が長すぎない場合、制御は、各チップについてバウンディングボックスが決定されるステップＳ５５５へと続く。次に、制御は、制御シーケンスが終了するステップＳ５６０へと続く。

図６は、本発明の例示的な実施形態による指に特化した細分化方法（finger-specific segmentation methodology)を概説する。制御は、ステップＳ６００で開始され、ステップＳ６０５へと続く。ステップＳ６０５においては、隣接するリッジフローのプロテクションがクラスタ化され、複数のグループにされる。次に、ステップＳ６１０においては、各グループを分類する。さらに、ステップＳ６１５においては、小さな孤立したクラスタを除去可能である。次に制御は、ステップＳ６２０へと続く。

ステップＳ６２０においては、大きなクラスタの方向が決定される。次に、ステップＳ６２５においては、主な配向角度が決定される。かかる主配向角度は、例えば、手等に対応可能である。かかる大きなクラスタの方向は、通常、こぶし等の指の一部を表すクラスタに対応している。ステップＳ６３０において、クラスタは、指の配向角度を介して接続可能となるようグループ化される。次に、ステップＳ６３５においては、指のクラスタグループでない、全てのクラスタグループが除去される。次に、各指の最も先のクラスタが、指先として認識される。次に、制御は、ステップＳ６４５へと続く。

ステップＳ６４５においては、識別された先端が長すぎるかどうかの判断がなされる。先端が長すぎると判断された場合、制御は、指の途中の皺の部分で先端部分を切り取る、ステップＳ６５０へと続く。次に、制御は、ステップＳ６５５へと続く。

識別された先端が長すぎない場合、制御は、各チップ用のバウンディングボックスが決定される、ステップＳ６５５にジャンプする。次に、制御は、制御シーケンスが終了する、ステップＳ６６０へと続く。

図７は、指紋等の入力画像の品質を決定するための例示的な方法を概説している。制御は、ステップＳ７００で開始され、ステップＳ７０５へと続く。ステップＳ７０５においては、リッジフローの検出結果が識別され、受け取った細分化情報に基づいて目標となる指紋と関連づけられる。次に、ステップＳ７１０においては、各々の検出結果についてステップＳ７１５からＳ７２５が実行される。

ステップＳ７１５においては、識別された検出結果の平均コントラストが決定される。次に、ステップＳ７２０において、各リッジフロー検出結果についてのフーリエ係数のピークが決定される。次に、ステップＳ７２５においては、各リッジフロー検出結果ならびに近隣との間のピーク角度の一致が判断される。次に、制御は、ステップＳ７３０へと続く。

ステップＳ７３０においては、前記の結果が結合され、品質スコアに分類される。次に、ステップＳ７３５においては、全ての指紋が処理されたか否かの判断が行われる。全ての指紋が処理された場合、制御は、制御シーケンスが終了する、ステップＳ７５０へと続く。そうでない場合は、ステップＳ７４０にジャンプする。

ステップＳ７４０において、次の目標となる指紋が選択されるとともに、制御はステップＳ７０５へと戻る。

より詳細な実施形態において、品質を決定する最初のステップは、目標の指紋に属する、全てのリッジフロー検出結果を識別することである。この情報は、細分化プロセスから直接もたらされる。画像のコントラスト、検出強度、および角度の一致について全ての識別ブロックが、各指紋毎に処理される。かかる画像コントラストは、フーリエ解析のＤＣ成分(DC component)から派生するものであってもよい。現在のブロックと画像の背景間の差を、この測定基準の基礎としてもよい。かかる差が大きければ大きいほど、コントラストも大きくなり、品質スコアも大きくなる。

二番目の測定基準は、ピーク検出の相対強度である。フーリエ係数の値を、理想値と比較するようにしてもよい。係数が大きければ大きいほど、リッジフローが一層顕著となり、品質スコアが高くなる。

最後の判断は、ピーク検出角度の近隣での一致である。検出された角度は、各ブロック毎に隣接するピーク角度と比較される。ほとんどの角度が一致する場合、この結果により品質スコアは高くなる。

次に、全ての指先のリッジフローブロックについて品質を測定し、意味のある値にするため、これら３つの測定基準を組み合わせてもよい。かかるスコアリング方法の１つは、スコアが０から１００という結果を生じさせ、ここでは、１００が最も良好な画像を表すものである。

図８は、解像度に拘わらずリッジフローの検出を行う例示的な方法を示している。制御は、ステップＳ８００で開始され、ステップＳ８０５へと続く。ステップＳ８０５においては、入力画像の解像度に基づいて、グリッド間隔が決定される。次に、ステップＳ８１０においては、処理ウインドウならびにフーリエ係数周波数が調節される。次に制御は、制御シーケンスが終了するステップＳ８１５へと続く。

図９から図１６は、最上段の左隅に初期画像を示し、フィードバックの結果、最下段の右に最後に取り込まれた画像が示されている、様々なプリビュー画像シーケンスを表している。より具体的に言うと、図９において、初期画像９１０は、押圧が軽すぎると識別される。この時点において、指紋被採取者に対し、より強くプラテンを押すよう指示を出すことができ、この結果、指紋被採取者が強く押して、キャプチャ９２０において良好なキャプチャを達成することができる。また図示したように、バウンディングボックス９３０について予備的な判断がなされる。

図１０において、初期画像は濃すぎる。したがって、ユーザに対し、例えば、スキャナをもうすこし軽く押すようフィードバックを与えることにより、画像１０２０で示した良好なキャプチャが最終的に得られる。

図１１において、初期画像１１０は、右手が反時計回り方向に回転していることを示している。かかる検出がなされると、指紋品質システムは、指紋被採取者に対し、指紋被採取者の手をまっすぐにすること、あるいは、手を少し縦方向に向けることを要求するフィードバックを提供してもよい。キャプチャにおけるこの動的なプロセスならびにフィードバックは、例えば、良好なキャプチャ１１２０が達成されるまで続く。

図１２は、その一部がスキャナの右側にずれていると識別された初期画面１２１０を示している。繰り返しになるが、手の位置を動的に監視することにより、指紋被採取者に対し、良好なキャプチャ１２２０が得られるポイントになるまで、すこし手を中央に位置させるようフィードバックを与えてもよい。

図１３は、縦方向において手を中央に位置させる必要があることを示す初期画面１３１０を示している。指紋被採取者に対してフィードバックを与えることにより、スキャナ装置の中央に手を移動させ、スキャナ装置の中央に手が位置する最終的なキャプチャ１３２０を得ることができる。

図１４は、指同士がくっつきすぎているためにバウンディングボックスが一部重複している初期画像１４１０を示している。フィードバックを用いることにより、キャプチャ１４２０に示した良好なキャプチャができるようになるまで、一連のキャプチャ中に指同士がもう少し離れる。

図１５は、指同士が離れすぎて、スキャニング位置の外にある初期画像１５１０を示している。繰り返すが、例えば、フィードバックを用いることにより、指紋被採取者に対し、指同士をもう少しくっつけ、図１５２０に示した良好なキャプチャが可能になるよう指示することができる。

図１６は、手が動いたためにキャプチャの質が不十分である初期画像１６１０を示している。ユーザの手があまり動かなければ、キャプチャ１６２０に示した良好な最終キャプチャとなる。

実際の指紋に関する説明として図１７を参照すると、サンプルの指紋についてリッジフロー検出が例示的に示されている。しかし、異なる数の角度において、他の数の正弦波(sinusoids)も用いることが可能であることを理解すべきである。上記検出は、例えば、２０列、２０行毎に画像全体に渡りグリッド１７１０を構築することにより行われる。かかるグリッドは、リッジフローに関するローカルトレンドについての分析のための中心点を示している。各グリッド点１７１０ならびに画像については、リッジフローのために画像の小さいサブウインドウを分析することができる。各サンプル位置において、画像データの小さい矩形のウインドウは、例えば１６の異なる角度の周りを回る特定周波数の５つの正弦波と比較される。１６の異なる角度において、これらの５つの周波数のそれぞれについてフーリエ係数が演算される。一連の比較結果のそれぞれは、ある周波数において達成されたピークならびに隣接するリッジフローに最も相性がよい角度を伴う、８０個の係数による配列である。これは、サンプル位置と比較するとポーション１８１０における正弦波の係数値が小さく、ポーション１８２０における正弦波が、ポーション１８１０の係数値よりも大きく、サンプル位置と比較するとポーション１８３０における正弦波の係数値が小さい、図１８において見ることができる。

指紋画像における全てのウインドウについて相関値が決定されると、画像内の各ウインドにおいて検出されたピークのリッジフロー角度（存在する場合）を識別するため、得られた相関マップを処理することができ、これにより、生のリッジフローマップが作成される。このデータは、図１９に示された平均化リッジフローマップであって、各種矢印１９１０によって強調されている平均化されたリッジフローを生成するのに、特異点ならびに平滑化点又は平均化点を除去するため、さらに分析可能である。図１９において見られるように、かかる矢印は、リッジフローの隣接するピーク角度を図式的に示すとともに、各矢印が、そのグリッド位置についての８０の係数から識別されたピーク角度を表している。

例えば、図２０ならびに図２１を参照すると、以下の例示的な一連のステップに基いて、複数の指による押圧痕からの指先の細分化を実行することができる。

全ての隣接するリッジフロー検出結果を集め、
小さいクラスタを除去し、
各クラスタについての配向角度を識別し、
全てのクラスタについて配向角度（手の配向角度）の中央値を識別し、
この角度に沿った全てのクラスタを識別し、それらを指内にグループ化し、および
正確な指先の長さを識別するため、指先を後処理する。

図２０を参照し、さらに詳しく述べると、リッジフロー検出結果２０１０は、”２”で示された近似する配向角度を有する隣接した検出結果をグループ化したものである。図２０で見られるように、”１”および”２”として識別され、そのように分類された、リッジフロー検出結果について２つのクラスタが存在する。

２０２０等の小さく隔離されたクラスタは、除去され、あるいは、無視されるが、大きなクラスタは、クラスタの方向を判断するため処理される。次に、全てのクラスタからの中間の角度が、手についての全体的な配向角度として選択される。これらのクラスタは、配向角度に沿って位置するグループを識別するため再度処理され、手の配向角度に沿って位置するこれらのクラスタは、図２１において見られるように、指２１１０中にグループ化される。次に、各々の色が別のクラスタを表すクラスタ化されたリッジフロー検出結果ならびに指のグループは、手の配向角度の線２０２０に沿って位置するクラスタとして認識される。指とクラスタが関係付けられると、最も上のクラスタを、例えば指先２０３０として識別するため、各グループを処理することができる。指先の長さが普通の指の長さを超えている場合、前記クラスタは、指の途中の皺部分で切り取られる。

指先、指、手のひら、あるいは、他の目標となる指を切り取る例示的な効果の１つは、目標となる特徴に直接関連する画像領域のみを分離することにある。例えば、指先を、指の途中の皺部分の長さで切り取ってもよい。ある例示的な方法では、指の幅と指先の長さを関連づけるため擬人化ルール(anthropomorphic rule)を用いてもよい。第二の例示的な方法においては、一般に指途中の皺の部分と関連付けられているリッジフローの途絶を識別するため、リッジフローマップを解析してもよい。

結局、前記結果は、指先とともに指先のバウンディングボックスを作り出した、全てのリッジフロー検出結果を識別したものである。リッジフローの検出は、上記検出を解像度から分離するので、本発明の他の側面と同様に、これは、入力画像の解像度とは無関係に実行可能である。

図２２から図２７を参照すると、制限のない例が示されている。具体的には、画像を覆うグリッドを生成することは、入力された指先の画像の解像度と直接関連する。解像度が低下すると、グリッドの空間は、例えば、直線的に小さくなる。５００ppiの空間が１２X１２画素とすると、２５０ppiは、６X６画素に相当する。例えば、図２２と図２３の比較において、解像度が変化してもグリッドポイントが物理的に常に同じポイント上にあるのと同様に、画素の間隔が変化してもグリッドポイントの配置は同じ位置にある。解像度が５００ppiから低下すると、処理ウインドウならびにフーリエ係数の周波数は、目標となる解像度に対して直線的に減少する。例えば、フル解像度のウインドウが２３Ｘ１３画素であり２３画素の長さ中に３周期する正弦派をサポートする場合、半分の解像度のウインドウの場合、１１Ｘ６画素であり、かかる１１画素の長さ中に３周期することになる。

図２４から図２７に見られるように、図２４は、１００％の解像度である当初の５００ppiを有する目標正弦波を表したものである。図２５は、８０％の解像度を有する目標正弦波を表したものであり、図２６は、６０％の解像度であり、図２７は、５０％、すなわち、２５０ppiの解像度である。

以下の部分では、本発明の設計ならびに実行プロセスの一部として開発された暫定的なテスト製品について説明する。

図２８は、指紋の画像と目標となる正弦波間（様々な角度−様々な軸および周波数−水平軸）の相関関係を表したものである。画像の配列における各”セル”は、特定周波数の正弦波を用いたリッジフロー演算に対する反応であって、特定の角度で示されたものを表している。

データの最初の列は、ＤＣターム(DC term)、つまり、サンプリングされたウインドウの平均的な画素値である。残りの列については、画素の輝度が、係数に関連する、すなわち、画素の輝度が高いほど、画像のサブウインドウと目標正弦波間の相関が高い。最初から最後まで各列をたどると、輝度のピークには、指先のリッジフローの一般的なトレンドに対応して指先の中心付近を移動するというトレンドが存在する。

図２９は、この画像を拡張した場合を表したものである。同じ入力画像について４つの独立した例が、４つの異なる解像度により示されている。５００ppiの画像は、期待される結果の基準ならびにトレンド（角度と周波数間の）を表している。２５０ppiならびに１７０ppiの結果は、５００ppiの画像中のトレンドをほぼ追随するものである。１２５ppiの結果は、全体のトレンドを追随するものであるが、１２５ppiの解像度では平均的な指におけるリッジフローの分析ができないために減衰が存する。

上述のシステムならびに方法は、画像処理装置、指紋処理装置等、あるいは、画像処理能力を有するプログラムされ独立した汎用コンピュータ上で実行可能である。さらに、本発明のシステムならびに方法は、専用コンピュータ、プログラムされたマイクロプロセッサまたはマイクロコントローラおよび周辺集積回路エレメント（peripheral integrated circuit element(s))、ＡＳＩＣまたは他の集積回路、デジタル信号プロセッサ、ディスクリートエレメント回路等の配線で接続された電気回路又は論理回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ、ＰＡＬモデム等のプログラマブル論理回路によっても実行可能である。一般に、本発明に基づく様々な通信方法、プロトコルならびに技術を実施するため、ここで示す方法を順次実行可能である状態機械(state machine)を実現可能ないずれの装置を、本発明による画像処理システムを実現するのとして用いることができる。

さらに、開示された方法は、様々なコンピュータまたはワークステーションプラットホーム上で使用可能なポータブルソースコードを提供する、オブジェクトまたはオブジェクト指向のソフトウエア開発環境を用いてソフトウエアによりただちに実行可能である。これに代え、開示されたシステムは、標準的な論理回路またはＶＬＳＩ設計を用いたハードウエアにより、その一部または全部を実行するようにしてもよい。本発明にかかるシステムを実行するためソフトウエアまたはハードウエアのいずれを用いるかは、システムの速度および／または性能要件、特定の機能、ならびに、用いられる特定のソフトウエアまたはハードウエアシステムあるいはマイクロプロセッサまたはマイクロコンピュータシステムによって決定される。ここで示されるシステムならびに方法は、コンピュータおよび画像処理技術の一般的な知識、ならびに、ここで述べられている機能の説明から、適用可能な技術分野の当業者により、既知のいずれの、あるいは、将来開発されるシステムまたは構造、装置、および／またはソフトウエアを用いたハードウエアおよび／またはソフトウエアを用いてただちに実行可能である。

また、開示されたシステムならびに方法は、プログラムされた汎用コンピュータ、専用コンピュータ、マイクロプロセッサ等で実行されるソフトウエアによりただちに実行することができる。これらの場合、本発明のシステムならびに方法は、パーソナルコンピュータに組み込まれたアプレット、ＪＡＶＡ（商標）またはＣＧＩスクリプト等のプログラム、サーバーまたはグラフィックワークステーションに存する資源、専用の指紋処理システムに組み込まれたルーチン、すなわちプラグイン等として実行可能である。かかるシステムは、当該システムおよび／または方法を、通信送受信機のハードウエアおよびソフトウエアシステム等のソフトウエアおよび／またはハードウエアシステム中に物理的に組み入れることにより実行することもできる。

したがって、本発明により、資源を共有するシステムおよび方法が提供されることは明らかである。本発明は、多くの実施形態を伴って説明されているが、多くの代替手段、修正、変更が存在し、あるいは、そのことについて、適用可能な分野の当業者にとって明確であることは確実である。したがって、本発明の精神ならび範囲内にある、かかる全ての代替手段、修正、均等物ならびに変更を包含することを意図している。

図６は、本発明の例示的な実施形態による指に特化した細分化方法（finger-specific segmentation methodology)を概説する。制御は、ステップＳ６００で開始され、ステップＳ６０５へと続く。ステップＳ６０５においては、隣接するリッジフローの検出結果がクラスタ化され、複数のグループにされる。次に、ステップＳ６１０においては、各グループを分類する。さらに、ステップＳ６１５においては、小さな孤立したクラスタを除去可能である。次に制御は、ステップＳ６２０へと続く。

図１５は、指同士が離れすぎて、スキャニング位置の外にある初期画像１５１０を示している。繰り返すが、例えば、フィードバックを用いることにより、指紋被採取者に対し、指同士をもう少しくっつけ、キャプチャ１５２０に示した良好なキャプチャが可能になるよう指示することができる。

Claims

解像度を問わず、入力された画像について画像の品質を決定する方法であって、
受け取った画像についてリッジフロー(ridge flow)を判断するステップ、
リッジフローの配列を構築するステップ、および
前記画像の一以上の領域を識別するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、前記画像の品質を決定し、記録する(scoring)ステップを備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、前記画像の一部に対し、バウンディングボックス(bounding box)を割り当てるステップを備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、前記画像の掌性（handedness)を判断するステップを備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、複数の受け取り画像について、品質の履歴分析、掌性の判断およびバウンディングボックスの割り当ての、一以上を実行するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、画像の解像度に基づき、前記画像についてのグリッド間隔を決定するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項６の方法であって、さらに、前記画像解像度に基づき、処理ウインドウならびにフーリエ係数周波数(Fourier coefficient frequency)を変更するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、前記画像についてグリッドのポイントを選択するステップ、ならびに、異なる角度における所定数の周波数分の前記グリッドポイントの周囲のサブウインドウについて、各画像グリッドポイント毎にフーリエ係数を決定するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項８の方法であって、さらに、異なる角度における前記所定数の周波数ならびに隣接するリッジフロー間のピークの相関に基づき、相関マップを決定するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、相関マップからピークのリッジフロー角度を決定するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法であって、さらに、相関マップを平均化するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１の方法において、前記方法は、リアルタイムで実行されること、
を特徴とする画像品質決定方法。
画像品質決定方法であって、
平均コントラストを決定するステップ、
ピークのフーリエ係数を決定するステップ、および
リッジフロー検出と隣接するリッジフロー検出間のピーク角度の一致を決定するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１３の方法であって、さらに、前記受け取り画像を記録するステップ、を備えたこと、
を特徴とする画像品質決定方法。
請求項１３の方法において、前記受け取り画像は、細分化情報を含むこと、
を特徴とする画像品質決定方法。
請求項１３の方法において、前記受け取り画像は、リッジフロー情報を含むこと、
を特徴とする画像品質決定方法。
請求項１３の方法であって、さらに、前記画像決定方法に基づき、フィードバックを決定し、与えるステップ、を備えたこと、
を特徴とする画像品質決定方法。
細分化方法であって、
隣接するリッジフローの検出結果をグループに集めるステップ、
一以上の大きなクラスタの方向を決定するステップ、
主な配向角度(dominant orientation angle)を決定するステップ、および
被検セグメントの配向角度(suspected segment orientation angle)を介して接続可能な前記一以上の大きなクラスタをグループ分けするステップ、を備えたこと、
を特徴とする細分化方法。
請求項１８の方法であって、さらに、セグメント化されていないクラスタグループを除去するステップ、を備えたこと、
を特徴とする細分化方法。
請求項１８の方法であって、さらに、セグメント化された各クラスタグループの最後のクラスタを、指の先端として認識するステップ、を備えたこと、
を特徴とする細分化方法。
請求項２０の方法であって、さらに、前記指の先端を切り取るステップ、を備えたこと、
を特徴とする細分化方法。
請求項２０の方法であって、さらに、各指の先端に対してバウンディングボックスを決定するステップ、を備えたこと、
を特徴とする細分化方法。
解像度を問わず、入力された画像について画像の品質を決定するモジュールであって、
受け取った画像のリッジフローを決定し、リッジフロー配列を構築するとともに前記画像の一以上の領域を識別するため適用されるリッジフローモジュール、を備えたこと、
を特徴とする画像品質決定モジュール。
請求項２３のシステムであって、さらに、前記画像の品質を決定し、記録するため適用される品質決定モジュール、を備えたこと、
を特徴とするシステム。
請求項２３のシステムにおいて、前記リッジフローモジュールは、さらに、前記画像の一部にバウンディングボックスを割り当てるため適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、前記画像の掌性を決定するため適用される掌性モジュール(handedness module)を備えたこと、
を特徴とするシステム。
請求項２３のシステムであって、さらに、一以上の品質について複数の受取り画像の履歴分析、掌性の判断およびバウンディングボックスの割り当てを実行するため適用される自動キャプチャモジュールを備えたこと、
を特徴とするシステム。
請求項２３のシステムであって、さらに、画像の解像度に基づき、前記画像のグリッドの間隔を決定するために適用されること、
を特徴とするシステム。
請求項２８のシステムであって、さらに、前記画像の解像度に基づき、処理ウインドウならびにフーリエ係数周波数を変更するため適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、前記画像についてグリッドのポイントを選択するとともに、異なる角度における所定数の周波数分の前記グリッドポイントの周囲のサブウインドウについて、各画像グリッドポイント毎にフーリエ係数を決定するため適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、異なる角度における前記所定数の周波数ならびに隣接するリッジフロー間のピークの相関に基づき、相関マップを決定するため適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、相関マップからピークのリッジフロー角度を決定するために適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、相関マップを平均化するために適用されること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、本システムは、リアルタイムで動作すること、
を特徴とするシステム。
請求項２３のシステムであって、さらに、前記入力画像を再度サンプリングするため適用されるサンプリングモジュールを備えたこと、
を特徴とするシステム。
解像度を問わず、入力画像について画像の品質を決定するシステムであって、
受け取った画像についてリッジフローを判断する手段、
リッジフローの配列を構築する手段、および
前記画像の一以上の領域を識別する手段、を備えたこと、
を特徴とする画像品質決定システム。
請求項３６のシステムであって、さらに、前記画像の品質を決定し、記録する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、前記画像の一部に対し、バウンディングボックスを割り当てる手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、前記画像の掌性を判断する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、一以上の品質について複数の受取り画像の履歴分析、掌性の判断およびバウンディングボックスの割り当てを実行する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、画像の解像度に基づき、前記画像についてのグリッド間隔を決定する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、前記画像解像度に基づき、処理ウインドウならびにフーリエ係数周波数を変更する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、前記画像についてグリッドのポイントを選択するとともに、異なる角度における所定数の周波数分の前記グリッドポイントの周囲のサブウインドウについて、各画像グリッドポイント毎にフーリエ係数を決定する手段を備えたこと、
を特徴とするシステム。
請求項４３のシステムであって、さらに、異なる角度における前記所定数の周波数ならびに隣接するリッジフロー間のピークの相関に基づき、相関マップを決定する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、相関マップからピークのリッジフロー角度を決定する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムであって、さらに、相関マップを平均化する手段を備えたこと、
を特徴とするシステム。
請求項３６のシステムにおいて、前記システムは、リアルタイムで動作すること、
を特徴とするシステム。
画像品質決定システムであって、
受け取った画像において、各検出毎にリッジフロー検出結果を判断する手段、
平均コントラストを決定する手段、
ピークのフーリエ係数を決定する手段、および
リッジフロー検出ならびに隣接するリッジフロー検出間のピーク角度の一致を決定する手段、を備えたこと、
を特徴とする画像品質決定システム。
請求項４８のシステムであって、さらに、前記受け取り画像を記録する手段、を備えたこと、
を特徴とする画像品質決定システム。
請求項４８のシステムにおいて、前記受け取り画像は、細分化情報を含むこと、
を特徴とする画像品質決定システム。
請求項４８のシステムにおいて、前記受け取り画像は、リッジフロー情報を含むこと、
を特徴とする画像品質決定システム。
請求項４８のシステムであって、さらに、前記画像決定方法に基づき、フィードバックを決定し、与える手段、を備えたこと、
を特徴とする画像品質決定システム。
細分化システムであって、
隣接するリッジフローの検出結果を集めて(clustering)グループにする手段、
一以上の大きなクラスタの方向を決定する手段、
主な配向角度を決定する手段、および
被検セグメントの配向角度を介して接続可能な前記一以上の大きなクラスタを一以上のセグメントクラスタグループにする手段、を備えたこと、
を特徴とする細分化システム。
請求項５３のシステムであって、さらに、セグメント化されていないクラスタグループを除去する手段を備えたこと、
を特徴とする細分化システム。
請求項５３のシステムであって、さらに、各セグメントクラスタグループの最後のクラスタを、指の先端として認識する手段を備えたこと、
を特徴とする細分化システム。
請求項５５のシステムであって、さらに、前記指の先端を切り取る手段を備えたこと、
を特徴とする細分化システム。
請求項５５のシステムであって、さらに、各指の先端に対するバウンディングボックスを決定する手段、を備えたこと、
を特徴とする細分化システム。
コンピュータ可読媒体であって、
その上に、請求項１から請求項２２のいずれかの機能を実行するための命令を記憶したこと、
を特徴とするコンピュータ可読媒体。