JP2021149153A - 特徴量抽出装置、特徴量抽出方法、及び、プログラム - Google Patents

Abstract

【課題】認証において、他人許容率を低下させることが可能な特徴量抽出装置を提供する。【解決手段】特徴量抽出装置は、指紋画像から、指紋の谷線を細線化した細線化画像を生成し、細線化画像に基づいて谷線の端点及び分岐点を検出する。そして、特徴量抽出装置は、細線化画像に基づいて、端点における端点ベクトル及び分岐点における分岐点ベクトルを特徴量として生成する。【選択図】図２

Description

本発明は、指紋認証に用いる特徴量の抽出方法に関する。

生体認証の１つとして指紋認証が知られている。従来の指紋認証は、主に指紋の隆線の始点と終点である「端点」と、指紋の隆線が枝分かれしている点である「分岐点」の位置を特徴点として指紋を比較していた。特許文献１は、指紋の隆線の端点と谷線の分岐点との対応、及び、指紋の隆線の分岐点と谷線の端点との対応を考慮して特徴点を抽出する手法を記載している。

特開平５−１０８８０６号公報

従来の指紋認証では、特徴点が２種類しかなく、特徴点の位置のみで判断していたため、他人許容率が高くなってしまうという問題があった。

本発明は、認証において、他人許容率を低下させることが可能な特徴量抽出装置を提供することを課題とする。

本発明の１つの観点では、特徴量抽出装置は、
指紋画像から、指紋の谷線を細線化した細線化画像を生成する谷線細線化手段と、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出する検出手段と、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成するベクトル生成手段と、を備える。

本発明の他の観点では、特徴量抽出方法は、
指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する。

本発明の他の観点では、プログラムは、
指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する処理をコンピュータに実行させる。

本発明によれば、認証において、他人許容率を低下させることが可能な特徴量抽出装置を提供することができる。

特徴量抽出装置のハードウェア構成を示すブロック図である。 特徴量抽出装置の機能構成を示すブロック図である。 谷線のグレースケール画像の例を示す。 谷線の細線化画像の例を示す。 谷線の細線化画像から検出された谷線の端点の例を示す。 谷線の細線化画像から検出された谷線の分岐点の例を示す。 端点の画素を中心とする５×５画素の近傍領域を拡大した図である。 近傍領域の各画素の画素値を示す。 端点ベクトルの例を示す。 分岐点の画素を中心とする５×５画素の近傍領域を拡大した図である。 近傍領域の各画素の画素値を示す。 分岐点ベクトルの例を示す。 特徴量抽出処理のフローチャートである。 指紋認証処理のフローチャートである。

以下、図面を参照して、本発明の好適な実施形態について説明する。
［特徴量抽出装置］
（ハードウェア構成）
図１は、実施形態に係る特徴量抽出装置のハードウェア構成を示すブロック図である。特徴量抽出装置１００は、インタフェース１１と、プロセッサ１２と、メモリ１３と、記録媒体１４と、データベース（ＤＢ）１５と、を備える。

インタフェース１１は、データの入出力を行う。具体的に、特徴量抽出装置１００は、インタフェース１１を通じてカメラなどから指紋画像を取得する。また、特徴量抽出装置１００が抽出した特徴量は、必要に応じてインタフェース１１を介して外部装置へ出力される。

プロセッサ１２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、特徴量抽出装置１００の全体を制御する。特に、プロセッサ１２は、後述する特徴量抽出処理を行う。

メモリ１３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などにより構成される。メモリ１３は、プロセッサ１２により実行される各種のプログラムを記憶する。また、メモリ１３は、プロセッサ１２による各種の処理の実行中に作業メモリとしても使用される。

記録媒体１４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、認証装置１０に対して着脱可能に構成される。記録媒体１４は、プロセッサ１２が実行する各種のプログラムを記録している。

データベース（ＤＢ）１５は、インタフェース１１から入力される指紋画像や、特徴量抽出処理の実行中に生成される画像などを記憶する。なお、特徴量抽出装置１００は、このほかにユーザが必要な指示入力などを行うための入力部や、表示部を備えていてもよい。

（機能構成）
図２は、実施形態に係る特徴量抽出装置の機能構成を示すブロック図である。特徴量抽出装置１００は、制御部２１と、谷線グレースケール画像記憶部２２と、谷線細線化部２３と、谷線細線化画像記憶部２４と、端点検出部２５と、分岐点検出部２６と、端点ベクトル生成部２７と、分岐点ベクトル生成部２８と、特徴量記憶部２９と、を備える。なお、端点検出部２５及び分岐点検出部２６は検出手段の一例であり、端点ベクトル生成部２７と分岐点ベクトル生成部２８はベクトル生成手段の一例である。

制御部２１は、上述のプロセッサ１２やメモリ１３などにより構成され、特徴量抽出装置１００の全体を制御する。

谷線グレースケール画像記憶部２２は、ＤＢ１５により構成され、インタフェース１１を通じて入力される谷線グレースケール画像を記憶する。図３は、谷線グレースケール画像の例を示す。具体的には、指紋をカメラで撮影することにより、図３に示すようなグレースケールの指紋画像が取得できる。図３においては、白い部分が隆線を表し、黒い部分が谷線を表している。なお、図３は、各画素が１バイトの０（１６進数で０ｘ００）〜２５５（１６進数で０ｘＦＦ）の画素値で表されるグレースケールの画像データであり、２５５（１６進数で０ｘＦＦ）が真っ黒を表し、０（１６進数で０ｘ００）が真っ白を表す。

谷線細線化部２３は、谷線グレースケール画像における谷線を細線化する。具体的に、谷線細線化部２３は、図３のような谷線グレースケール画像の谷線（黒画素）を、例えばＨｉｌｄｉｔｃｈアルゴリズムなどの細線化アルゴリズムを用いて細線化し、図４に例示するような谷線細線化画像を生成する。図４に示す谷線細線化画像は、谷線の幅が１画素である２値画像である。なお、図４において、黒色は画素値２５５（１６進数で０ｘＦＦ）を持つ画素であり、白色は画素値０（１６進数で０ｘ００）を持つ画素である。谷線細線化部２３は、生成した谷線細線化画像を、谷線細線化画像記憶部２４に出力する。谷線細線化画像記憶部２４は、ＤＢ１５により構成され、入力された谷線細線化画像を記憶する。

端点検出部２５は、谷線に関する特徴点の一つとして、谷線細線化画像に含まれる谷線の端点（以下、「谷線端点」とも呼ぶ。）を検出する。図５は、図４に示す谷線細線化画像から検出された谷線端点を示す。

同様に、分岐点検出部２６は、谷線に関する特徴点の一つとして、谷線細線化画像に含まれる谷線の分岐点（以下、「谷線分岐点」とも呼ぶ。）を検出する。図６は、図４に示す谷線細線化画像から検出された谷線分岐点を示す。

端点ベクトル生成部２７は、谷線端点におけるベクトルである端点ベクトルを生成する。以下、図５に示す端点Ａについて端点ベクトルを生成する例を説明する。まず、端点ベクトル生成部２７は、図５に示す谷線細線化画像において、端点Ａの画素を中心とする５×５画素の領域（以下、「近傍領域」とも呼ぶ。）に注目する。図７は、端点Ａの画素を中心とする５×５画素の近傍領域を拡大した図である。さらに、端点ベクトル生成部２７は、この近傍領域に属する各画素の画素値を取得する。図８は、近傍領域の各画素の画素値を示す。

そして、端点ベクトル生成部２７は、図９に示すように、端点Ａの画素を始点とし、細線化された谷線の方向において端点Ａの画素に隣接する隣接画素であるＡ１画素を終点とするベクトルを、端点ベクトルとして生成する。図９に示すように、谷線細線化画像の横方向をｘ軸、縦方向をｙ軸とすると、端点Ａの画素及びＡ１画素についてそれぞれｘ座標とｙ座標が得られる。また、図９に示すように、端点Ａの画素とＡ１画素は、それぞれ画素値を有する。よって、端点ベクトルは、端点Ａの画素とＡ１画素のｘ座標の差、即ちｘ軸方向における距離をｘ成分とし、端点Ａの画素とＡ１画素のｙ座標の差、即ち、ｙ軸方向における距離をｙ成分とする。さらに、端点ベクトルは、端点Ａの画素の画素値と、Ａ１画素の画素値との差をｚ成分とする。即ち、端点ベクトルは、端点Ａの画素とＡ１画素とのｘ方向における距離をｘ成分とし、端点Ａの画素とＡ１画素とのｙ方向における距離をｙ成分とし、端点Ａの画素とＡ１画素の画素値の差をｚ成分とする３次元ベクトルとして生成される。こうして、端点ベクトル生成部２７は、谷線細線化画像において検出された全ての端点について端点ベクトルを生成する。そして、端点ベクトル生成部２７は、各端点について、端点の位置と、生成された端点ベクトルとを特徴量として特徴量記憶部２９に記憶する。

一方、分岐点ベクトル生成部２８は、谷線分岐点におけるベクトルである分岐点ベクトルを生成する。以下、図６に示す分岐点Ｂについて分岐点ベクトルを生成する例を説明する。なお、以下の説明では、説明の便宜上、分岐点を構成する複数の細線化された谷線を「分岐線」と呼ぶ。即ち、図６に示す分岐点Ｂでは、３つの分岐線５１〜５３が交わっていると考える。

まず、分岐点ベクトル生成部２８は、図６に示す谷線細線化画像において、分岐点Ｂの画素を中心とする５×５画素の近傍領域に注目する。図１０は、分岐点Ｂの画素を中心とする５×５画素の近傍領域を拡大した図である。さらに、分岐点ベクトル生成部２８は、この近傍領域に属する各画素の画素値を取得する。図１１は、近傍領域の各画素の画素値を示す。

そして、分岐点ベクトル生成部２８は、図１１及び図１２に示すように、分岐点Ｂの画素を始点とし、各分岐線の方向において分岐点Ｂの画素に隣接する隣接画素であるＢ１画素〜Ｂ３画素を終点とするベクトルＶ１〜Ｖ３を、分岐点ベクトルとして生成する。図１２に示すように、谷線細線化画像の横方向をｘ軸、縦方向をｙ軸とすると、分岐点Ｂの画素及びＢ１画素〜Ｂ３画素についてそれぞれｘ座標とｙ座標が得られる。また、図１２に示すように、分岐点Ｂの画素及びＢ１〜Ｂ３画素は、それぞれ画素値を有する。よって、分岐点ベクトルＶ１は、分岐点Ｂの画素とＢ１画素のｘ座標の差、即ちｘ軸方向における距離をｘ成分とし、分岐点Ｂの画素とＢ１画素のｙ座標の差、即ち、ｙ軸方向における距離をｙ成分とする。さらに、分岐点ベクトルＶ１は、分岐点Ｂの画素の画素値と、Ｂ１画素の画素値との差をｚ成分とする。即ち、分岐点ベクトルＶ１は、分岐点Ｂの画素とＢ１画素とのｘ方向における距離をｘ成分とし、分岐点Ｂの画素とＢ１画素とのｙ方向における距離をｙ成分とし、分岐点Ｂの画素とＢ１画素の画素値の差をｚ成分とする３次元ベクトルとして生成される。同様に、分岐点ベクトル生成部２８は、分岐点Ｂの画素とＢ２画素に基づいて分岐点ベクトルＶ２を生成し、分岐点Ｂの画素とＢ３画素に基づいて分岐点ベクトルＶ３を生成する。

そして、分岐点ベクトル生成部２８は、これら分岐点ベクトルＶ１〜Ｖ３の集合を分岐点Ｂについての分岐点ベクトルとする。なお、上記の例では、分岐点Ｂが３つの分岐線５１〜５３により構成されているため、分岐点ベクトルは３つの分岐点ベクトルＶ１〜Ｖ３を含むが、ある分岐点がＮ本の分岐線により構成されている場合、その分岐点の分岐点ベクトルはＮ個の分岐点ベクトルを含むものとなる。上記の方法により、分岐点ベクトル生成部２８は、谷線細線化画像において検出された全ての分岐点について分岐点ベクトルを生成する。そして、分岐点ベクトル生成部２８は、各分岐点について、分岐点の位置と、生成された分岐点ベクトルとを特徴量として特徴量記憶部２９に記憶する。

上記のようにして生成される端点ベクトル及び分岐点ベクトルは、端点と分岐点の近傍画像から相対的に生成されるベクトルであるため、例えば指紋画像を生成する際に指を強く押すなどしてグレースケール画像上の谷線の濃さが変わったとしても、大きく変化することはなく、頑健な特徴量となる。

（特徴量抽出処理）
次に、特徴量抽出処理について説明する。図１３は、特徴量抽出処理のフローチャートである。この処理は、図１に示すプロセッサ１２が予め用意されたプログラムを実行し、図２に示す各要素として動作することにより実現される。

まず、図３に示すような谷線のグレースケール画像が入力されると、谷線細線化部２３は、谷線を細線化して谷線細線化画像を生成する（ステップＳ１１）。次に、端点検出部２５は、谷線細線化画像から谷線の端点を検出する（ステップＳ１２）。また、分岐点検出部２６は、谷線細線化画像から谷線の分岐点を検出する。なお、ステップＳ１２とＳ１３は逆の順序で行ってもよく、並列して行ってもよい。

次に、端点ベクトル生成部２７は、ステップＳ１２で検出された谷線の端点のそれぞれについて、前述の方法で端点ベクトルを生成し、端点の位置と端点ベクトルを特徴量として特徴量記憶部２９に保存する（ステップＳ１４）。同様に、分岐点ベクトル生成部２８は、ステップＳ１３で検出された谷線の分岐点のそれぞれについて、前述の方法で分岐点ベクトルを生成し、分岐点の位置と分岐点ベクトルを特徴量として特徴量記憶部２９に保存する（ステップＳ１５）。なお、ステップＳ１４とＳ１５は逆の順序で行ってもよく、並列して行ってもよい。そして、特徴量抽出処理は終了する。

（指紋認証）
次に、上記の端点ベクトル及び分岐点ベクトルを用いた指紋認証について説明する。上記の方法により、ある指紋について得られた谷線の端点の位置、端点ベクトル、谷線の分岐点の位置、及び、分岐点ベクトルは、その指紋の特徴量として指紋データベースなどに登録される。なお、指紋データベースには、必要に応じて、指紋画像やその指紋の持ち主に関する情報なども登録される。

指紋認証を行う際には、指紋認証装置は、認証の対象となる指紋（以下、「対象指紋」と呼ぶ。）の特徴量と、指紋データベースに記憶されている指紋（以下、「登録指紋」と呼ぶ。）の特徴量とを照合する。図１４は、指紋認証処理のフローチャートである。指紋認証装置は、まず、対象指紋の画像データを取得し（ステップＳ２１）、対象指紋の指紋画像から、上記の方法により谷線の端点の位置、端点ベクトル、谷線の分岐点の位置、及び、分岐点ベクトルを、対象指紋の特徴量として抽出する（ステップＳ２２）。次に、指紋認証装置は、指紋データベースから、照合の対象となる登録指紋の特徴量を取得し（ステップＳ２３）、対象指紋の特徴量と照合して両者の一致度（類似度）を算出する（ステップＳ２４）。具体的には、指紋認証装置は、一致度が所定値以上である場合に認証成功と判定し、一致度が所定値未満である場合に認証失敗と判定する。そして、指紋認証装置は、認証成功又は認証失敗を示す認証結果を出力し（ステップＳ２５）、処理を終了する。

このように、本実施形態では、谷線の端点と分岐点の位置のみでなく、端点ベクトル及び分岐点ベクトルも用いて照合を行うので、他人許容率を低下させることができる。なお、指紋認証を行う際には、本実施形態により得られる谷線の端点の位置、端点ベクトル、谷線の分岐点の位置、及び、分岐点ベクトルに加えて、通常使用される隆線の端点及び分岐点に関する特徴量などを用いてもよい。

［変形例］
以下、上記の実施形態の変形例について説明する。以下の変形例は、適宜組み合わせて適用することができる。

（変形例１）
上記の指紋認証の例では、端点ベクトル及び分岐点ベクトルを直接ベクトル同士で照合しているが、その代わりに、端点ベクトルの大きさ及び分岐点ベクトルの大きさを特徴量として照合に使用してもよい。

（変形例２）
上記の実施形態では、グレースケール画像を用いているが、その代わりに、カラー画像をＲ（赤）、Ｇ（緑）、Ｂ（青）のデータに分割し、それぞれ端点ベクトル及び分岐点ベクトルを生成してもよい。

（変形例３）
上記の実施形態では、端点ベクトル及び分岐点ベクトルを指紋認証に用いているが、それ以外に、ＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）の物体認識や、ロボットの視覚処理の特徴量として利用することも可能である。

その他、上記の各実施形態（変形例を含む、以下同じ）の一部又は全部は、以下の付記のようにも記載され得るが以下には限られない。

（付記１）
指紋画像から、指紋の谷線を細線化した細線化画像を生成する谷線細線化手段と、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出する検出手段と、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成するベクトル生成手段と、
を備える特徴量抽出装置。

（付記２）
前記端点ベクトルは、前記端点の画素を始点とし、前記谷線の方向において前記端点に隣接する隣接画素を終点とするベクトルである付記１に記載の特徴量抽出装置。

（付記３）
前記端点ベクトルは、前記端点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記端点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記端点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルである付記２に記載の特徴量抽出装置。

（付記４）
前記分岐点は、当該分岐点において交わる複数の分岐線により構成され、
前記分岐点ベクトルは、前記分岐点の画素を始点とし、各分岐線の方向において前記分岐点に隣接する隣接画素を終点とする複数の分岐点ベクトルを含む付記１乃至３のいずれか一項に記載の特徴量抽出装置。

（付記５）
前記分岐点ベクトルは、前記分岐点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記分岐点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記分岐点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルである付記４に記載の特徴量抽出装置。

（付記６）
前記特徴量は、さらに前記端点の位置と、前記分岐点の位置とを含む付記１乃至５のいずれか一項に記載の特徴量抽出装置。

（付記７）
前記谷線細線化手段は、指紋の谷線のグレースケール画像から、前記細線化画像を生成する付記１乃至６のいずれか一項に記載の特徴量抽出装置。

（付記８）
指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する特徴量抽出方法。

（付記９）
指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する処理をコンピュータに実行させるプログラム。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。すなわち、本願発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。また、引用した上記の特許文献等の各開示は、本書に引用をもって繰り込むものとする。

２１ 制御部
２２ 谷線グレースケール画像記憶部
２３ 谷線細線化部
２４ 谷線細線化画像記憶部
２５ 端点検出部
２６ 分岐点検出部
２７ 端点ベクトル生成部
２８ 分岐点ベクトル生成部
２９ 特徴量記憶部
１００ 特徴量抽出装置

本発明の１つの観点では、特徴量抽出装置は、
指紋画像から、指紋の隆線及び谷線の少なくとも一方である指紋線を細線化した細線化画像を生成する谷線細線化手段と、
前記細線化画像に基づいて、前記指紋線の端点又は分岐点である特徴点を検出する検出手段と、
前記細線化画像に基づいて、前記特徴点の画素を始点とし、前記特徴点に関する少なくとも一つの指紋線の各方向において前記特徴点の画素に隣接する隣接画素を終点とし、前記特徴点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記特徴点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記特徴点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルを特徴量として生成するベクトル生成手段と、を備える。

本発明の他の観点では、特徴量抽出方法は、
指紋画像から、指紋の隆線及び谷線の少なくとも一方である指紋線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記指紋線の端点又は分岐点である特徴点を検出し、
前記細線化画像に基づいて、前記特徴点の画素を始点とし、前記特徴点に関する少なくとも一つの指紋線の各方向において前記特徴点の画素に隣接する隣接画素を終点とし、前記特徴点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記特徴点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記特徴点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルを特徴量として生成する。

本発明の他の観点では、プログラムは、
指紋画像から、指紋の隆線及び谷線の少なくとも一方である指紋線を細線化した細線化画像を生成し、
前記細線化画像に基づいて、前記指紋線の端点又は分岐点である特徴点を検出し、
前記細線化画像に基づいて、前記特徴点の画素を始点とし、前記特徴点に関する少なくとも一つの指紋線の各方向において前記特徴点の画素に隣接する隣接画素を終点とし、前記特徴点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記特徴点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記特徴点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルを特徴量として生成する処理をコンピュータに実行させる。

Claims (9)

1. 指紋画像から、指紋の谷線を細線化した細線化画像を生成する谷線細線化手段と、
   前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出する検出手段と、
   前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成するベクトル生成手段と、
   を備える特徴量抽出装置。
2. 前記端点ベクトルは、前記端点の画素を始点とし、前記谷線の方向において前記端点に隣接する隣接画素を終点とするベクトルである請求項１に記載の特徴量抽出装置。
3. 前記端点ベクトルは、前記端点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記端点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記端点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルである請求項２に記載の特徴量抽出装置。
4. 前記分岐点は、当該分岐点において交わる複数の分岐線により構成され、
   前記分岐点ベクトルは、前記分岐点の画素を始点とし、各分岐線の方向において前記分岐点に隣接する隣接画素を終点とする複数の分岐点ベクトルを含む請求項１乃至３のいずれか一項に記載の特徴量抽出装置。
5. 前記分岐点ベクトルは、前記分岐点の画素と前記隣接画素とのｘ方向における距離をｘ成分とし、前記分岐点の画素と前記隣接画素とのｙ方向における距離をｙ成分とし、前記分岐点の画素と前記隣接画素の画素値の差をｚ成分とする３次元ベクトルである請求項４に記載の特徴量抽出装置。
6. 前記特徴量は、さらに前記端点の位置と、前記分岐点の位置とを含む請求項１乃至５のいずれか一項に記載の特徴量抽出装置。
7. 前記谷線細線化手段は、指紋の谷線のグレースケール画像から、前記細線化画像を生成する請求項１乃至６のいずれか一項に記載の特徴量抽出装置。
8. 指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
   前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
   前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する特徴量抽出方法。
9. 指紋画像から、指紋の谷線を細線化した細線化画像を生成し、
   前記細線化画像に基づいて、前記谷線の端点及び分岐点を検出し、
   前記細線化画像に基づいて、前記端点における端点ベクトル及び前記分岐点における分岐点ベクトルを特徴量として生成する処理をコンピュータに実行させるプログラム。

Images