JPWO2010001447A1 - 認証装置、認証方法および認証プログラム - Google Patents

Abstract

線の形状から抽出される特徴量が認証に用いられる画像データについて、自領域の近傍領域に含まれる線情報が示す局所的な線の形状を用いた局所的補正を実行し、画像データについて、近傍領域よりも広範な領域に含まれる線情報が示す全体的な線の形状を用いた大局的補正を実行し、局所的補正によって補正された画像データに含まれる線情報と大局的補正によって補正された画像データに含まれる線情報との差分を算出し、差分と閾値とを比較し、差分が閾値より小さい場合には、画像データに含まれる線情報として局所的補正によって補正された線情報を出力し、差分が閾値より大きい場合には、画像データに含まれる線情報として大局的補正によって補正された線情報を出力する。

Description

この発明は、認証装置、認証方法および認証プログラムに関する。

従来より、認証に用いる特徴的な線情報（例えば、指紋や嘗紋、指静脈、手のひら静脈、血管パターンなど）を含む画像データを補正して、認証精度を向上させる補正手法が知られている。例えば、局所的な情報を利用して補正を行う局所的補正や、大局的な情報を利用して補正を行う大局的補正が知られている。

具体的には、局所的補正では、装置が、画像データの領域ごとに、自領域に含まれる特徴的な線情報に対して、近傍にある領域に含まれる特徴的な線情報を用いた補正を行い、例えば、平滑化フィルタなどを利用して補正する。また、大局的補正では、装置が、近傍領域よりも広範な領域に含まれる線情報を用いた補正を行い、例えば、数式を用いたモデリングを利用して補正する。

ＷＯ２００５／０８６０９１（第１３頁、第５図） 特開２００６−７２５５３号公報（第１−５頁、第１図） 特開平１０−３３４２３７号公報（第１−８頁、第１図） 特開平５−１８１９５６号公報（第１−４頁、第１図） 特開平９−６２８３６号公報（第１−３頁、第１図）

ところで、上記した従来の手法各々は、認証に用いる画像の品質によっては、適した補正とはならないという課題があった。

例えば、上記の局所的補正では、平滑化フィルタよりも大きなノイズを補正することができず、大きなノイズが含まれる画像に対して適した補正とはならなかった。また、例えば、上記の大局的補正では、補正処理に伴い詳細な線情報を維持することができず、大きなノイズが含まれない品質の高い画像に対して適した補正とはならなかった。

そこで、この発明は、上述した従来技術の課題を解決するためになされたものであり、認証に用いる画像の品質に適した補正手法を選択することが可能である認証装置、認証方法および認証プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するため、線の形状から抽出される特徴量が認証に用いられる画像データについて、当該画像データを区分けした領域ごとに、自領域に含まれる線の形状を示す線情報に対して、当該自領域の近傍領域に含まれる線情報が示す局所的な線の形状を用いた補正を実行する第一の補正手段を備える。また、前記画像データについて、自領域に含まれる線情報に対して、前記近傍領域よりも広範な領域に含まれる線情報が示す全体的な線の形状を用いた補正を実行する第二の補正手段を備える。また、前記第一の補正手段によって補正された画像データに含まれる線情報と前記第二の補正手段によって補正された画像データに含まれる線情報との差分を算出する算出手段を備える。また、前記算出手段によって算出された差分と閾値とを比較し、当該差分が当該閾値より小さい場合には、当該画像データに含まれる線情報として前記第一の補正手段によって補正された線情報を出力し、当該差分が当該閾値より大きい場合には、当該画像データに含まれる線情報として前記第二の補正手段によって補正された線情報を出力する出力手段を備える。

認証に用いる画像の品質に適した補正手法を選択することが可能である。

図１は、実施例１に係る認証装置の概要を説明するための図である。 図２は、実施例１に係る認証装置の構成を説明するためのブロック図である。 図３は、実施例１におけるソーベルフィルタの一例を説明するための図である。 図４は、実施例１における平滑化フィルタの一例を説明するための図である。 図５は、実施例１における局所的補正を説明するための図である。 図６は、実施例１における補正選択部を説明するための図である。 図７は、実施例１における認証装置の処理の流れを説明するためのフローチャートである。 図８は、実施例２に係る認証装置の構成を説明するためのブロック図である。 図９は、実施例２における認証装置の処理の流れを説明するためのフローチャートである。 図１０は、実施例１に係る認証装置のプログラムを説明するための図である。

符号の説明

１００ 認証装置
１０１ 指紋画像検出部
２００ 記憶部
２０１ 特徴量記憶部
３００ 制御部
３０１ 線情報算出部
３０２ 局所的補正部
３０３ 大局的補正部
３０４ 差分算出部
３０５ 補正選択部
３０６ 特徴量抽出部
３０７ 特徴量格納部
４０１ 補正部

以下に添付図面を参照して、この発明に係る認証装置、認証方法および認証プログラムの実施例を詳細に説明する。なお、以下では、本実施例に係る認証装置の概要、認証装置の構成および処理の流れを順に説明し、その後、その他の実施例について説明する。

［認証装置の概要］
まず最初に、図１を用いて、実施例１に係る認証装置の概要を説明する。図１は、実施例１に係る認証装置の概要を説明するための図である。

図１の（１）に示すように、実施例１に係る認証装置は、利用者から指紋画像が入力される。そして、図１の（２−１）に示すように、認証装置は、指紋画像に、局所的補正を実行する。例えば、認証装置は、平滑化フィルタなどを利用して補正を実行する。

また、図１の（２−２）に示すように、実施例１に係る認証装置は、指紋画像に、大局的補正を実行する。例えば、認証装置は、線情報の流れを物理学でよく用いられる相図と見立て、数式でモデリングすることで補正を実行する。

ここで、実施例１に係る認証装置は、局所的補正と大局的補正とをそれぞれ別個に実行する。すなわち、認証装置は、局所的補正のみが実行された線情報と、大局的補正のみが実行された線情報とを作成する。

そして、図１の（３）に示すように、実施例１に係る認証装置は、局所的補正のみが実行された線情報と、大局的補正のみが実行された線情報との差分を算出する。

そして、実施例１に係る認証装置は、差分と閾値とを比較し、差分が閾値より小さい場合には、図１の（４−１）に示すように、画像データに含まれる線情報として局所的補正によって補正された線情報を選択して出力する。また、認証装置は、差分が閾値より大きい場合には、図１の（４−２）に示すように、画像データに含まれる線情報として大局的補正によって補正された線情報を選択して出力する。

このようなことから、実施例１に係る認証装置は、認証に用いる画像の品質に適した補正手法を選択することが可能である。すなわち、認証装置は、詳細な情報を維持する局所的な補正と補正効果の大きい大局的な補正とを指紋画像に別個に適用し、二つの補正指紋間に差が少なければ前者を採用し、差が大きければ後者を選択する。これにより、指紋の品質に適した補正を実行する。

［実施例１に係る認証装置の構成］
次に、図２を用いて、図１に示した認証装置１００の構成を説明する。図２は、実施例１に係る認証装置の構成を説明するためのブロック図である。同図に示すように、この認証装置１００は、指紋画像検出部１０１と、記憶部２００と、制御部３００とを有する。なお、実施例１では、利用者の指紋画像から特徴量を抽出し、認証する際に用いる特徴量として記憶部２００に入力する際の手法について主に説明する。

指紋画像検出部１０１は、後述する線情報算出部３０１と接続され、利用者の生体情報について、複数の部分画像を断続的に検出して映像化し、線の形状から抽出される特徴量が認証に用いられる指紋画像（「画像データ」とも称する）を検出する。

例えば、指紋画像検出部１０１は、指紋センサなどが該当し、利用者の指が押し当てられると、利用者の指紋画像を検出する。なお、指紋センサとは、例えば、静電容量式指紋センサや、感熱式指紋センサ、電界式指紋センサ、あるいは光学式指紋センサなどが該当する。

また、指紋画像検出部１０１は、検出した指紋画像を線情報算出部３０１に送る。

記憶部２００は、制御部３００による認証処理に必要なデータを格納し、特徴量記憶部２０１を備える。特徴量記憶部２０１は、後述する特徴量格納部３０７と接続され、線の形状から抽出される認証に用いられる特徴量を記憶する。ここで、特徴量とは、生体認証に必要な情報であり、指紋画像である場合には、隆線の分岐点や端点などが該当する。なお、特徴量記憶部２０１に記憶されている情報は、後述する特徴量格納部３０７によって格納される。

制御部３００は、各種の補正処理手順を実行し、例えば、指紋画像検出部１０１から指紋画像を受信すると、指紋画像から特徴量を抽出して特徴量記憶部２０１に入力する。また、制御部３００は、線情報算出部３０１と、局所的補正部３０２と、大局的補正部３０３と、差分算出部３０４と、補正選択部３０５と、特徴量抽出部３０６と、特徴量格納部３０７とを備える。

線情報算出部３０１は、指紋画像検出部１０１と局所的補正部３０２と大局的補正部３０３と接続され、指紋画像検出部１０１から受信した指紋画像について、線の形状を示す線情報（「隆線角度」や「隆線方向」とも称する）を算出する。具体的には、線情報算出部３０１は、指紋画像の領域各々について、当該領域に含まれる線の形状についての情報である線情報を算出し、例えば、「３０度」や「５０度」であると算出する。なお、線情報とは、領域に含まれる線の形状が示している角度である。

例えば、線情報算出部３０１は、指紋画像を大きさ「ｗ×ｗ」の領域に分割し、図３に示すようなソーベルフィルタなどを利用して、水平方向（ｘ方向）、垂直方向（ｙ方向）にそれぞれ偏微分し、∂x、∂yを得る。そして、線情報算出部３０１は、∂x、∂yから式(1)より各ブロックの中心画素(i、j)に対して、局所的な線情報θ(i、j)を算出する。なお、ソーベルフィルタとは、縦線や横線のエッジを検出する際に用いられるフィルタである。なお、図３は、実施例１におけるソーベルフィルタの一例を説明するための図である。また、図３の（１）は、垂直方向についてのフィルタであり、また、図３の（２）は、水平方向についてのフィルタである。

なお、式（１）は、Gradient Squared Averaging Methodの計算手法に基づきブロック内の各画素に対して２乗誤差が最小となる方向を求めている。式（１）においては、ＶｘやＶｙは、式の視認性を向上するためarctanのパラメータを分子、分母別に表した値である。また「ｕ」や「ｖ」は、数式において使いまわされる変数である。

また、線情報算出部３０１は、領域各々について算出された線情報を局所的補正部３０２と大局的補正部３０３とに送る。

局所的補正部３０２は、線情報算出部３０１と差分算出部３０４と接続され、領域各々について算出された線情報を線情報算出部３０１から受信し、指紋画像の領域各々について算出された線情報に対して局所的補正を実行する。また、局所的補正部３０２は、局所的補正により補正された線情報である局所補正線情報を差分算出部３０４に送る。

ここで、局所的補正とは、指紋画像を区分けした領域ごとに、自領域について算出された線情報に対して行われる補正であって、自領域の近傍領域に含まれる線情報が示す局所的な線の形状を用いた補正である。例えば、局所的補正とは、図４に示すような平滑化フィルタなどを利用した補正が該当する。なお、図４は、実施例１における平滑化フィルタの一例を説明するための図である。

また、局所的補正は、線情報についての詳細な情報を維持する一方、例えば、図５の（１）に示すように、平滑化フィルタの大きさよりも大きいノイズが指紋画像にある場合には、当該ノイズを修正することができない。図５の（１）に示す例では、平滑化フィルタ内に線情報がなにも含まれておらず、局所的補正では、図５の（１）の矢印の先に示すように、ノイズを修正することができない。

すなわち、局所的補正では、図５の（２）に示すように、平滑化フィルタの大きさよりも小さいノイズがある場合にのみ、補正することができる。なお、図５は、実施例１における局所的補正を説明するための図である。なお、詳細な情報とは、例えば、線情報の細かい変化が該当する。

大局的補正部３０３は、線情報算出部３０１と差分算出部３０４と接続され、領域各々について算出された線情報を線情報算出部３０１から受信し、指紋画像の領域各々について算出された線情報に対して大局的補正を実行する。また、大局的補正部３０３は、大局的補正により補正された線情報である大局補正線情報を差分算出部３０４に送る。

ここで、大局的補正とは、指紋画像について、自領域について算出された線情報に対して、近傍領域よりも広範な領域に含まれる領域各々について算出された線情報が示す全体的な線の形状を用いた補正である。例えば、大局的補正とは、線の形状や線情報の流れを物理学でよく用いられる相図と見立て、数式でモデリングする補正などが該当する。また、大局的補正とは、局所的補正と比較して補正効果が大きい一方、線情報についての詳細な情報が欠落する。

差分算出部３０４は、局所的補正部３０２と大局的補正部３０３と補正選択部３０５と接続され、局所的補正部３０２から局所補正線情報を受信し、また、大局的補正部３０３から大局補正線情報を受信する。そして、差分算出部３０４は、局所補正線情報と大局補正線情報との差分を算出する。例えば、差分算出部３０４は、まず、局所補正線情報と大局補正線情報とを連続ベクトル場に変換し、その後、領域各々について、局所補正線情報と大局補正線情報との差分を計算する。そして、差分算出部３０４は、算出した差分の累計値である累計差分を算出する。また、差分算出部３０４は、算出した累計差分を補正選択部３０５に送る。

なお、ここで、連続ベクトル場に変換する意義について簡単に説明する。差分算出部３０４は、領域各々についての差分について、例えば、任意の領域についての線情報が、「３０度」と「５０度」とである場合には、差分が「２０度」であると算出する。ここで、差分算出部３０４は、差分を算出する際に角度の差しか考慮しない。このため、例えば、「０度」と「１８０度」とを同じものとして扱い、差分が「０度」であると算出する。連続ベクトル場に変換するとは、例えば、「０度」と「１８０度」とが同じであるものとして扱うための処理である。

補正選択部３０５は、差分算出部３０４と特徴量抽出部３０６と接続され、差分算出部３０４から累計差分を受信し、累計差分と閾値とを比較する。そして、補正選択部３０５は、図６に示すように、差分が閾値より小さい場合には、指紋画像に含まれる線情報として局所補正線情報を選択し、特徴量抽出部３０６に出力する。また、補正選択部３０５は、差分が閾値より大きい場合には、指紋画像に含まれる線情報として、大局補正線情報を選択し、特徴量抽出部３０６に出力する。なお、図６は、実施例１における補正選択部を説明するための図である。

すなわち、補正選択部３０５は、局所補正線情報と大局補正線情報との間に差分が少なければ、線情報についての詳細な情報を維持する局所的補正が実行された線情報である局所補正線情報を選択する。一方、補正選択部３０５は、局所補正線情報と大局補正線情報との間に差分が大きければ、補正効果の大きい大局的補正が実行された線情報である大局補正線情報を選択する。

つまり、局所補正線情報と大局補正線情報との間にある差分が大きくなる場合とは、例えば、指紋画像に平滑化フィルタよりも大きいノイズがあり、当該大きいノイズを局所的補正では補正できず、大局的補正のみが補正できる場合である。図６の（２−１）に示すように、大きなノイズが入っている指紋画像が指紋画像検出部１０１によって検出された場合には、図６の（２−２）に示すように、局所補正線情報ではノイズを補正できていないのに対して、大局補正線情報では補正効果を確認できる。この結果、局所補正線情報と大局補正線情報との間にある差分が大きくなり、図６の（２−３）に示すように、補正選択部３０５は、大局補正線情報を選択する。つまり、補正選択部３０５は、亀裂が多い場合には、低品質な大局的補正を採用する。ここで、低品質とは、局所的補正と比較して、詳細な情報を維持できないことを示す。

また、局所補正線情報と大局補正線情報との間に差分が少なくなる場合とは、例えば、指紋画像に平滑化フィルタよりも大きいノイズがない場合であり、局所的補正でも大局的補正でも指紋画像にあるノイズを補正できる場合である。図６の（１−１）に示すように、大きなノイズが入っていない指紋画像が指紋画像検出部１０１によって検出された場合には、図６の（１−２）に示すように、局所補正線情報と大局補正線情報との間の差分が小さくなる。ここで、大局補正線情報では、線情報の細かな変化が捉えられておらず詳細な情報が欠落するため、図６の（１−３）に示すように、補正選択部３０５は、なるべく詳細情報を保持すべく、局所補正線情報を選択する。つまり、補正選択部３０５は、亀裂が少ない場合には、高品質な局所的補正を採用する。

なお、補正選択部３０５によって用いられる閾値は、例えば、利用者によって予め設定される。

特徴量抽出部３０６は、補正選択部３０５と特徴量格納部３０７と接続され、局所補正線情報画像または大局補正線情報を補正選択部３０５から受信し、受信した線情報から特徴量を抽出する。そして、特徴量抽出部３０６は、抽出した特徴量を特徴量格納部３０７に送る。

特徴量格納部３０７は、特徴量抽出部３０６と特徴量記憶部２０１と接続され、特徴量抽出部３０６から特徴量を受信し、受信した特徴量を特徴量記憶部２０１に入力する。例えば、特徴量格納部３０７は、特徴量を入力する際に、特徴量を暗号化した後に、特徴量記憶部２０１に格納する。

［実施例１に係る認証装置による処理］
次に、図７を用いて、実施例１に係る認証装置１００による処理の流れを説明する。図７は、実施例１における認証装置の処理の流れを説明するためのフローチャートである。

指紋画像が入力されると（ステップＳ１０１肯定）、線情報算出部３０１は、指紋画像検出部１０１から受信した指紋画像の領域各々について線情報を算出し（ステップＳ１０２）、例えば、隆線角度「３０度」や「５０度」であると算出する。

また、大局的補正部３０３は、大局的補正によって線情報各々の補正を実行する（ステップＳ１０３）。そして、差分算出部３０４は、大局的補正部３０３により補正された線情報である大局補正線情報を連続ベクトル場に変換する（ステップＳ１０４）。

そして、局所的補正部３０２は、局所的補正によって線情報各々の補正を実行する（ステップＳ１０５）。つまり、局所的補正部３０２は、指紋画像の領域各々について算出された線情報に対して、局所的補正を実行する。そして、差分算出部３０４は、局所的補正部３０２により補正された線情報である局所補正線情報を連続ベクトル場に変換する（ステップＳ１０６）。

そして、差分算出部３０４は、局所補正線情報と大局補正線情報との差分を算出する（ステップＳ１０７）。そして、補正選択部３０５は、累計差分と閾値とを比較する（ステップＳ１０８）。ここで、補正選択部３０５は、累計差分より閾値が大きい場合には（ステップＳ１０８肯定）、局所補正線情報を選択する（ステップＳ１０９）。一方、補正選択部３０５は、累計差分より閾値が大きくない場合には（ステップＳ１０８否定）、大局補正線情報を選択する（ステップＳ１１０）。

すなわち、補正選択部３０５は、局所補正線情報と大局補正線情報との間に差分が少なければ、線情報についての詳細な情報を維持する局所的補正が実行された線情報である局所補正線情報を選択する。また、補正選択部３０５は、局所補正線情報と大局補正線情報との間に差分が大きければ、補正効果の大きい大局的補正が実行された線情報である大局補正線情報を選択する。

そして、特徴量抽出部３０６は、補正選択部３０５から受信した線情報から特徴量を抽出し（ステップＳ１１１）、特徴量格納部３０７は、特徴量を特徴量記憶部２０１に格納する（ステップＳ１１２）。

［実施例１の効果］
上記したように、実施例１によれば、指紋画像について、局所的補正と大局的補正とをそれぞれ別個に実行し、局所補正線情報と大局補正線情報との差分を算出する。そして、差分と閾値とを比較し、差分が閾値より小さい場合には、局所補正線情報を出力し、差分が閾値より大きい場合には、大局補正線情報を出力するので、認証に用いる画像の品質に適した補正手法を選択することが可能である。

また、従来の技術では、「ノイズ除去効果」と「詳細情報の維持」との間にトレードオフがあった。すなわち、補正手法によって、指紋画像によっては詳細情報が維持されず、線情報が類似した他人の指紋と誤照合する場合があり、また、亀裂などのノイズの影響を除去できない場合があった。しかし、実施例１によれば、認証に用いる画像の品質に適した補正手法を選択することができ、その結果、指紋の品質に適した補正を実行することが可能である。

さて、これまで、実施例１として、補正手法として、局所的補正と大局的補正とを使い分ける手法について説明したが、本発明はこれに限定されるものではなく、補正手法として、補正を行うか補正を行わないかを使い分けてもよい。

そこで、以下では、実施例２として、補正手法として、補正を行うか補正を行わないかを使い分ける手法について説明する。なお、以下では、実施例１に係る認証装置と同様の点については、簡単に説明し、または、説明を省略する。

［実施例２に係る認証装置の構成］
図８を用いて、実施例２に係る認証装置１００の構成について説明する。なお、図８は、実施例２に係る認証装置の構成を説明するためのブロック図である。

図８に示すように、実施例２では、線情報算出部３０１は、補正部４０１と差分算出部３０４と接続され、領域各々について算出された線情報を補正部４０１と差分算出部３０４とに送る。

実施例２では、補正部４０１は、領域各々について算出された線情報を線情報算出部３０１から受信し、領域各々について算出された線情報に対して補正を実行する。ここで、補正部４０１は、補正手法として、例えば、局所的補正や、大局的補正を用いる。また、補正部４０１は、補正された線情報である補正線情報を差分算出部３０４に送る。

実施例２では、差分算出部３０４は、補正線情報を補正部４０１から受信し、なんら補正が実行されていない線情報である無補正線情報を線情報算出部３０１から受信する。そして、差分算出部３０４は、補正線情報と無補正線情報との差分を算出し、累計差分を算出する。

実施例２では、補正選択部３０５は、差分算出部３０４によって算出された累計差分と閾値とを比較する。そして、補正選択部３０５は、差分が閾値より小さい場合には、指紋画像に含まれる線情報として、無補正線情報を選択して出力する。また、補正選択部３０５は、差分が閾値より大きい場合には、指紋画像に含まれる線情報として、補正線情報を選択して出力する。

すなわち、補正選択部３０５は、補正線情報と無補正線情報との間に差分が少なければ、なんら補正が実行されていない線情報である無補正線情報を特徴量抽出部３０６に出力し、補正画像と補正無画像との間に差が大きければ、補正が行われた線情報である補正線情報を特徴量抽出部３０６に出力する。

つまり、補正線情報と無補正線情報との間に差分が小さくなる場合とは、例えば、指紋画像検出部１０１により検出された指紋画像の品質が高い場合であり、補正処理を必要としない場合である。このような場合には、補正を行うことなく、なんら補正を行っていない無補正線情報を出力する。

すなわち、補正を行うことによって、指紋画像検出部１０１によって検出された指紋画像には変更が加えられることになる。補正線情報と無補正線情報との間に差分が小さくなる場合には、検出された指紋画像の品質が高い場合であり、補正により変更を加えることなく、そのままの状態にて出力する。

［実施例２に係る認証装置による処理］
次に、図９を用いて、実施例２に係る認証装置１００による処理の流れを説明する。図９は、実施例２における認証装置の処理の流れを説明するためのフローチャートである。

実施例２では、指紋画像が入力されて、線情報を算出すると（ステップＳ２０１肯定〜ステップＳ２０２）、差分算出部３０４は、無補正線情報を連続ベクトル場に変換する（ステップＳ２０３）。

また、補正部４０１は、指紋画像の領域各々について算出された線情報に対して補正を実行する（ステップＳ２０４）。そして、差分算出部３０４は、補正部４０１により補正された線情報である補正線情報を連続ベクトル場に変換する（ステップＳ２０５）。

そして、差分算出部３０４は、無補正線情報と補正線情報との差分を算出する（ステップＳ２０６）。そして、補正選択部３０５は、累計差分と閾値とを比較する（ステップＳ２０７）。ここで、補正選択部３０５は、累計差分より閾値が大きい場合には（ステップＳ２０７肯定）、無補正線情報を選択する（ステップＳ２０８）。一方、補正選択部３０５は、累計差分より閾値が大きくない場合には（ステップＳ２０７否定）、補正線情報を選択する（ステップＳ２０９）。

なお、図９におけるステップＳ２０１とＳ２０２とは、図７におけるステップＳ１０１とステップＳ１０２とに対応する。また、図９におけるステップＳ２１０とＳ２１１とは、図７におけるステップＳ１１１とステップＳ１１２とに対応する。

［実施例２の効果］
上記したように、実施例２によれば、無補正線情報と補正線情報との差分を算出し、差分と閾値とを比較する。そして、差分が閾値より小さい場合には、無補正線情報を選択し、差分が閾値より大きい場合には、補正線情報を選択する。すなわち、指紋画像の品質が高い場合には補正手法として補正無しを選択し、また、指紋画像の品質が高い場合には補正手法として補正ありを選択するので、認証に用いる画像の品質に適した補正を選択して実行することが可能である。

例えば、指紋画像検出部１０１によって検出された指紋画像の品質が補正を必要としないほど高品質な場合には、補正を行うことなく、なんら補正が実行されていない補正画像を出力する。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、その他の実施例にて実施されてよいものである。そこで、以下では、その他の実施例について説明する。

［指紋画像］
例えば、実施例１や実施例２では、指紋画像について処理を行う手法について説明したが、本発明はこれに限定されるものではなく、例えば、掌紋や指静脈、手のひら静脈、血管パターン等の生体情報について処理を行ってもよい。また、認証に用いる特徴的な線情報が含まれていれば、生体情報以外の情報に対して本発明を適用してもよい。例えば、紙幣の真贋を認証する処理に適用してもよい。

［認証］
また、実施例１では、特徴量を特徴量記憶部２０１に入力する手法について説明したが、本発明はこれに限定されるものではなく、抽出した特徴量を用いて認証処理を実行してもよい。例えば、特徴量抽出部３０６により得られた特徴量と特徴量記憶部２０１に予め入力されている特徴量とを照合し、一致しているか否かを出力してもよい。なお、特徴量同士の照合処理を行う際には、例えば、特徴量と紐付けされたキーワード（ＩＤなど）を指定して照合する方式（１対１照合）や、ＩＤを指定せずに照合する方式（１対Ｎ照合）などを用いる。

［指紋画像検出］
また、実施例１や実施例２では、指紋画像検出部１０１によって検出された指紋画像に対して実施する手法について説明したが、本発明はこれに限定されるものではなく、予め記憶部に入力されている指紋画像に対して実施してもよい。

［実施例の組み合わせ］
また、実施例１では、局所的補正と大局的補正とを使い分ける手法について説明し、実施例２では、補正ありか無しかを使い分ける手法について説明した。しかし、本発明はこれに限定されるものではなく、例えば、補正ありか無しかを判定し、補正ありと判定した場合に、局所的補正と大局的補正とを使い分ける手法を実行してもよい。また、例えば、局所的補正と大局的補正とを使い分けて得られた線情報と、補正無しとを比較することで、補正手段（局所的補正と大局的補正と補正無しと）を使い分けてもよい。

［システム構成］
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、例えば、補正手法を選択する処理を利用者が手動で行ってもよい。また、この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については（例えば、図１〜図９）、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図２に示す例では、特徴量記憶部２０１や指紋画像検出部１０１を物理的に分散して構成してもよく、また、局所的補正部３０２と大局的補正部３０３とを統合して構成してもよい。

［コンピュータ］
また、上記の実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１０を用いて、上記の実施例と同様の機能を有する認証プログラムを実行するコンピュータの一例を説明する。なお、図１０は、実施例１に係る認証装置のプログラムを説明するための図である。

同図に示すように、実施例１における認証装置３０００は、操作部３００１、マイク３００２、スピーカ３００３、指紋画像検出装置３０４、ディスプレイ３００５、特徴量記憶部３００６、通信部３００８、ＣＰＵ３０１０、ＲＯＭ３０１１、ＨＤＤ３０１２、ＲＡＭ３０１３をバス３００９などで接続して構成されている。

ＲＯＭ３０１１には、上記の実施例１で示した線情報算出部３０１と、局所的補正部３０２と、大局的補正部３０３と、差分算出部３０４と、補正選択部３０５と、特徴量抽出部３０６と、特徴量格納部３０７と同様の機能を発揮する制御プログラム、つまり、同図に示すように、線情報算出プログラム３０１１ａと、局所的補正プログラム３０１１ｂと、大局的補正プログラム３０１１ｃと、差分算出プログラム３０１１ｄと、補正選択プログラム３０１１ｅと、特徴量抽出プログラム３０１１ｆと、特徴量格納プログラム３０１１ｇとが予め記憶されている。なお、これらのプログラム３０１１ａ〜３０１１ｇについては、図２に示した認証装置の各構成要素と同様、適宜統合または分離してもよい。

そして、ＣＰＵ３０１０が、これらのプログラム３０１１ａ〜３０１１ｇをＲＯＭ３０１１から読み出して実行することにより、図１０に示すように、各プログラム３０１１ａ〜３０１１ｇについては、線情報算出プロセス３０１０ａと、局所的補正プロセス３０１０ｂと、大局的補正プロセス３０１０ｃと、差分算出プロセス３０１０ｄと、補正選択プロセス３０１０ｅと、特徴量抽出プロセス３０１０ｆと、特徴量格納プロセス３０１０ｇとして機能するようになる。なお、各プロセス３０１０ａ〜３０１０ｇは、図２に示した、線情報算出部３０１と、局所的補正部３０２と、大局的補正部３０３と、差分算出部３０４と、補正選択部３０５と、特徴量抽出部３０６とにそれぞれ対応する。

そして、ＣＰＵ３０１０は、ＲＡＭ３０１３に格納された指紋画像データ３０１３ａと、線情報データ３０１３ｂとを用いて、認証プログラムを実行する。

［その他］
なお、本実施例で説明した認証装置は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

Claims (2)

1. 線の形状から抽出される特徴量が認証に用いられる画像データについて、当該画像データを区分けした領域ごとに、自領域に含まれる線の形状を示す線情報に対して、当該自領域の近傍領域に含まれる線情報が示す局所的な線の形状を用いた補正を実行する第一の補正手段と、
   前記画像データについて、自領域に含まれる線情報に対して、前記近傍領域よりも広範な領域に含まれる線情報が示す全体的な線の形状を用いた補正を実行する第二の補正手段と、
   前記第一の補正手段によって補正された画像データに含まれる線情報と前記第二の補正手段によって補正された画像データに含まれる線情報との差分を算出する算出手段と、
   前記算出手段によって算出された差分と閾値とを比較し、当該差分が当該閾値より小さい場合には、当該画像データに含まれる線情報として前記第一の補正手段によって補正された線情報を出力し、当該差分が当該閾値より大きい場合には、当該画像データに含まれる線情報として前記第二の補正手段によって補正された線情報を出力する出力手段と、
   を備えることを特徴とする認証装置。
2. 線の形状から抽出される特徴量が認証に用いられる画像データについて、自領域に含まれる線情報に対して、当該画像データに含まれる線情報を用いた補正を実行する補正手段と、
   前記補正手段によって補正された画像データに含まれる線情報と当該補正手段によって補正されていない画像データに含まれる線情報との差分を算出する補正有無時算出手段と、
   前記補正有無時算出手段によって算出された差分と閾値とを比較し、当該差分が当該閾値より小さい場合には、前記補正手段によって補正されていない画像データに含まれる線情報を出力し、当該差分が当該閾値より大きい場合には、当該画像データに含まれる線情報として前記補正手段によって補正された画像データに含まれる線情報を出力する補正有無時出力手段と、
   を備えることを特徴とする認証装置。

Images