KR100780957B1 - 영상선택 장치 및 방법 - Google Patents

영상선택 장치 및 방법 Download PDF

Info

Publication number
KR100780957B1
KR100780957B1 KR1020060078980A KR20060078980A KR100780957B1 KR 100780957 B1 KR100780957 B1 KR 100780957B1 KR 1020060078980 A KR1020060078980 A KR 1020060078980A KR 20060078980 A KR20060078980 A KR 20060078980A KR 100780957 B1 KR100780957 B1 KR 100780957B1
Authority
KR
South Korea
Prior art keywords
image
rotation amount
blocks
center point
contour
Prior art date
Application number
KR1020060078980A
Other languages
English (en)
Inventor
이동재
윤준성
장원철
박덕수
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020060078980A priority Critical patent/KR100780957B1/ko
Priority to US11/798,836 priority patent/US8165356B2/en
Priority to JP2007213805A priority patent/JP5049074B2/ja
Application granted granted Critical
Publication of KR100780957B1 publication Critical patent/KR100780957B1/ko

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)
  • Image Input (AREA)

Abstract

영상선택 장치 및 방법이 개시된다. 본 발명의 실시예에 따른 영상선택 장치는 영상획득 및 분할부, 초기영상 선택부, 및 최종영상 선택부를 구비한다. 영상획득 및 분할부는 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할한다. 초기영상 선택부는 상기 복수의 블록들 각각에 대해 계산된 초점도 및/또는 품질지수에 따라 상기 획득된 영상을 초기영상으로 선택한다. 최종영상 선택부는 상기 초기영상에서 측정된 윤곽선 및 중심점을 이용하여 계산된 좌우회전량 및 상하 회전량에 따라 상기 초기영상을 최종영상으로 선택한다. 본 발명의 실시예에 따른 영상선택 장치는 일반적인 영상획득 장치, 특히 모바일 장치에 장착되는 카메라를 영상입력 장치로 사용하여 영상처리 시스템을 구현할 수 있는 할 수 있는 장점이 있다.

Description

영상선택 장치 및 방법{Apparatus and method for selecting image}
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 실시예에 따른 영상선택 장치의 블록도이다.
도 2는 본 발명의 실시예에 따른 영상선택 방법의 흐름도이다.
도 3은 초기영상을 선택하는 동작을 설명하기 위한 흐름도이다.
도 4는 2차원 좌표방향에 대한 MLOG값을 계산하는 과정을 설명하기 위한 도면
도 5는 번짐 모델을 이용하여 초점도 임계값을 설정하는 동작을 설명하기 위한 도면이다.
도 6은 여러 가지 패턴의 그래디언트 분포를 나타내는 도면이다.
도 7은 최종영상을 선택하는 동작을 설명하기 위한 흐름도이다.
도 8은 좌우 회전량과 상하 회전량을 측정하는 동작을 설명하기 위한 도면이다.
본 발명은 영상처리에 관한 것으로서, 특히 획득된 영상의 초점도와 품질지수, 그리고 좌우 회전량 및 상하 회전량을 이용하여 영상처리가 수행될 영상을 선택하는 장치 및 방법에 관한 것이다.
영상처리와 관련된 기술 분야에서는, 영상을 처리하기 전에 획득된 영상이 영상처리를 하기에 적합한 영상인지 선택하는 과정이 필요하다. 특히, 지문과 같이 세밀하면서도 일정한 패턴이 반복되는 영상의 경우에는, 영상처리에 적합한 영상을 획득하는 것은 상당히 어려운 일이다. 이러한 이유 때문에 지문처리와 관련된 영상처리 분야에서는 지문을 획득하기 위한 별도의 영상획득 수단을 이용하고 있으며, 나아가 영상획득 수단에 손가락표면을 돌리면서 지문이 획득되도록 하는 등의 별도의 방법을 이용하여 영상을 획득한다.
한편, 영상처리 및 영상획득과 관련된 여러 분야에서의 기술이 발달함에 따라, 다양한 방식으로 영상을 획득하여 영상처리를 수행하는 시스템이 활발히 개발되고 있다. 특히 모바일 장치의 다기능화에 따라 모바일 장치를 이용하여 지문인식을 수행하는 방식이 개발되고 있다.
모바일 장치를 이용하여 지문인식을 수행하는 종래의 방식들에서는, 지문입력을 위한 별도의 영상획득 장치(지문인식 센서 등)를 추가로 장착하여 지문영상을 획득하는 방식을 이용한다. 그러나 이러한 방식에서는 영상획득 장치를 추가하기 위한 별도의 모델을 개발해야 하므로, 영상획득 장치를 추가하는데 필요한 비용뿐만 아니라 새로운 모델을 디자인하기 위한 비용도 추가적으로 발생되는 문제점이 있다.
한편, 모바일 장치의 다기능화에 따라 최근에 출시되는 모바일 장치들 대부분 에는 카메라가 장착되어 있으며, 카메라의 성능 또한 비약적으로 발전하고 있다. 따라서 모바일 장치에 장착되는 카메라를 이용하여 지문영상을 획득하는 시도가 이루어지고 있다.
그러나 모바일 장치에 장착되는 카메라를 이용한 시스템이 대부분 고정초점 방식일 뿐만 아니라 자동초점 기능을 포함하고 있어 초점이 맞추어진 영상을 획득할 수는 있지만, 획득된 영상이 영상처리를 위한 영상인지, 또한 영상처리에 적합한 영상인지 판별하지 못하여(즉, 획득된 영상이 지문영상인지 그리고 지문인식이 가능한 영상인지를 판별하지 못하여) 후속되는 영상처리 장치(즉, 지문인식 시스템 등)에 사용될 수 없는 문제점이 있다.
따라서 특수한 영상획득 장치가 아닌 일반적인 영상처리 장치(예를 들어, 디지털 스틸 카메라, 모바일 장치에 장착되는 카메라, 등)를 이용하여 영상처리 장치에 사용되는 영상을 획득할 필요성이 있다.
특히 지문획득을 위한 별도의 센서를 부착하거나, 또는 별도의 센서를 부착하기 위해 별도로 모바일 장치의 모델을 디자인 할 필요 없이, 모바일 장치에 장착되는 카메라를 이용하여 지문인식 시스템에 필요한 지문영상을 획득함으로써, 모바일 장치에 장착된 카메라를 지문입력 장치로 사용할 수 있는 지문인식 시스템을 구현할 필요성이 있다.
본 발명이 이루고자하는 기술적 과제는 획득된 영상의 초점도와 품질지수, 그리고 좌우 회전량 및 상하 회전량을 이용하여 영상처리가 수행될 영상을 선택하는 장치를 제공하는데 있다.
본 발명이 이루고자하는 다른 기술적 과제는 획득된 영상의 초점도와 품질지수, 그리고 좌우 회전량 및 상하 회전량을 이용하여 영상처리가 수행될 영상을 선택하는 방법을 제공하는데 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 실시예에 따른 영상선택 장치는 영상획득 및 분할부, 초기영상 선택부, 및 최종영상 선택부를 구비한다. 영상획득 및 분할부는 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할한다. 초기영상 선택부는 상기 복수의 블록들 각각에 대해 계산된 초점도 및/또는 품질지수에 따라 상기 획득된 영상을 초기영상으로 선택한다. 최종영상 선택부는 상기 초기영상에서 측정된 윤곽선 및 중심점을 이용하여 계산된 좌우회전량 및 상하 회전량에 따라 상기 초기영상을 최종영상으로 선택한다.
상기 초기영상 선택부는 초점도 계산부, 품질지수 계산부, 및 초기영상 결정부를 구비한다. 초점도 계산부는 상기 복수의 블록들 각각에서 측정된 고주파 성분을 이용하여 상기 복수의 블록들 각각에 대한 초점도를 계산한다. 품질지수 계산부는 상기 복수의 블록들 각각에서 측정된 그래디언트 분포의 일관도 및 대칭도를 계산하고, 상기 일관도 및 상기 대칭도를 이용하여 상기 복수의 블록들 각각에 대한 품질지수를 계산한다. 초기영상 선택부는 상기 초점도와 초점도 임계값을 비교하고 상기 품질지수와 품질지수 임계값을 비교하여, 상기 획득된 영상을 상기 초기영상으로 선택할지 결정한다.
상기 복수의 블록들 각각에 대한 초점도는 상기 복수의 블록들 각각에서 계산된 변경-라플라시안(modefied-Laplacian)의 분산이며, 상기 변경-라플라시안은 소정의 좌표방향에 대한 변경-라플라시안들 중 최대인 값이고, 상기 소정의 좌표방향에 대한 변경-라플라시안은 크기가 가변적인 필터를 이용하여 상기 복수의 블록들 각각의 픽셀들을 상기 소정의 방향으로 필터링하여 계산된다.
상기 필터는 가우시안 필터인 것이 바람직하다.
상기 품질지수 계산부는 일관도 계산부, 대칭도 계산부, 및 품질지수 연산부를 구비한다. 일관도 계산부는 상기 복수의 블록들 각각의 픽셀들에서의 소정의 좌표방향에 대한 그래디언트들의 제곱의 평균을 이용하여 상기 복수의 블록들 각각에 대한 상기 일관도를 계산한다. 대칭도 계산부는 상기 그래디언트 분포에서 방향을 나타내는 직선의 위쪽에 위치한 그래디언트의 수와 아래쪽에 위치한 그래디언트의 수의 비율을 이용하여 상기 대칭도를 계산한다. 품질지수 연산부는 상기 일관도와 상기 대칭도의 가중치 합을 이용하여 상기 품질지수를 계산한다.
상기 초점도 임계값은 상기 획득된 영상에서 번짐이 발생하는 영역의 크기를 나타내는 번짐 모델을 이용하여 설정된다.
상기 번짐 모델에서 상기 번짐이 나타나는 영역의 반지름은 상기 획득된 영상이 획득된 위치가 초점거리보다 크고 초점위치거리보다 작은 경우 급격히 증가하고, 상기 획득된 위치가 초점위치로부터 커질수록 서서히 증가한다.
상기 초기영상 결정부는 상기 복수의 블록들 중 상기 초점도가 상기 초점도 임계값보다 크고 상기 품질지수가 품질지수 임계값보다 큰 블록들을 유효블록으로 결 정하고, 그렇지 않은 블록들을 무효블록으로 결정한 후, 상기 복수의 블록들 전체의 수에 대한 상기 유효블록의 수의 비가 소정의 유효블록 임계비보다 큰 경우 상기 획득된 영상을 초기영상으로 결정한다.
상기 최종영상 선택부는 윤곽선 및 중심점 계산부, 회전량 계산부, 및 최종영상 결정부를 구비한다. 윤곽선 및 중심점 계산부는 상기 초기영상의 윤곽선 및 중심점을 계산한다. 회전량 계산부는 상기 윤곽선 및 중심점, 상기 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상부 회전량 및 하부 회전량을 계산한다. 최종영상 결정부는 상기 좌우 회전량과 좌우 임계회전량, 상기 상부 회전량과 상부 임계회전량, 그리고 상기 하부 회전량과 하부 임계회전량을 비교하여 상기 초기영상을 최종영상으로 선택할지 결정한다.
상기 회전량 계산부는 좌우 회전량 계산부 및 상하 회전량 계산부를 구비한다. 좌우 회전량 계산부는 상기 중심점으로부터 좌측 윤곽선까지의 거리와 상기 중심점으로부터 우측 윤곽선까지의 거리의 합에 대한 차의 비율을 이용하여 상기 좌우 회전량을 계산한다. 상하 회전량 계산부는 상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 상부 경계까지의 거리의 비를 이용하여 상기 상부 회전량을 계산하고, 상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 하부 경계까지의 거리의 비를 이용하여 상기 하부 회전량을 계산한다.
상기 유효영역은 상기 중심점을 포함하는 좌우 윤곽선 폭에 대한 상기 상부 경계 또는 하부 경계의 폭의 비에 따라 설정되된다.
상기 최종영상 결정부는 상기 좌우 회전량이 상기 좌우 임계회전량보다 작고, 상기 상부 회전량이 상기 상부 임계회전량, 그리고 상기 하부 회전량이 상기 하부 임계회전량보다 큰 경우 상기 초기영상을 최종영상으로 결정한다.
상기 다른 기술적 과제를 달성하기 위한 본 발명의 실시예에 따른 영상선택 방법은 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할하는 단계, 상기 복수의 블록들 각각에 대해 계산된 초점도 및/또는 품질지수에 따라 상기 획득된 영상을 초기영상으로 선택하는 단계, 및 상기 초기영상에서 측정된 윤곽선 및 중심점을 이용하여 계산된 좌우회전량 및 상하 회전량에 따라 상기 초기영상을 최종영상으로 선택하는 단계를 구비한다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.
한편 이하의 설명에서는 모바일 장치에 장착된 카메라를 이용하여 지문영상을 획득하고, 지문인식이 가능한 지문영상을 선택하는 것을 중심으로 본 발명에 대해 설명할 것이나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 디지털 스틸 카메라 등의 다른 영상획득 장치를 이용하여 지문영상을 획득하는 경우에도 적용될 수 있으며, 또한 지문영상 이외에 지문영상과 같이 반복적인 패턴을 갖는 영상을 처리하는 경우에 대해서도 적용될 수 이해할 수 있을 것이다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타 낸다.
도 1은 본 발명의 실시예에 따른 영상선택 장치의 블록도이고, 도 2는 본 발명의 실시예에 따른 영상선택 방법의 흐름도이다. 영상선택 장치(100)는 영상획득 및 분할부(110), 초기영상 선택부(130), 및 최종영상 선택부(150)를 구비한다.
본 발명의 실시예에서 처리되는 영상은 소정의 영상획득 수단(미도시)에 의해 획득된다(S210). 도 1에는 영상획득 수단(미도시)에 의해 획득된 영상이 영상획득 및 분할부(110)로 입력되는 것으로 되어 있으나, 영상획득 수단이 영상획득 및 분할부(110)에 포함되도록 하는 구성될 수도 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 이러한 구성에 대해 용이하게 이해할 수 있을 것이다.
영상획득 및 분할부(110)는 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할한다(S230). 예를 들어, 획득된 영상은 M×M크기의 블록들로 분할될 수 있다. 블록의 크기는 블록에 최소한 2개 이상의 지문 융선이 포함되도록 설정되는 것이 바람직하다.
초기영상 선택부(130)는 분할된 블록들 각각에 대해 소정의 처리를 수행한다. 즉, 초기영상 선택부(130)는 복수의 블록들 각각에 대해 초점도 및/또는 품질지수를 계산하고, 계산된 초점도 및/또는 품질지수에 따라 획득된 영상을 초기영상으로 선택한다(S250). 초기영상 선택부(130)의 구체적인 구조 및 동작에 대해서는 도 3 내지 도 5를 참조하여 이후 상세히 설명될 것이다.
최종영상 선택부(150)는 초기영상에서 윤곽선 및 중심점을 측정하고, 측정된 윤곽선 및 중심점을 이용하여 좌우 회전량 및 상하 회전량을 계산하고, 계산된 좌 우 회전량 및 상하 회전량에 따라 초기영상을 최종영상으로 선택한다(S270). 최종영상 선택부(150)의 구체적인 구조 및 동작에 대해서는 도 6 내지 도 7을 참조하여 이후 상세히 설명될 것이다.
도 3은 초기영상을 선택하는 동작을 설명하기 위한 흐름도이다. 이하 도 1 내지 도 6을 참조하여 초기영상 선택부(110)의 구조 및 동작에 대해 설명한다. 초기영상 선택부(130)는 초점도 계산부(131), 품질지수 계산부(132), 및 초기영상 결정부(139)를 구비한다.
초점도 계산부(131)는 각각의 블록에서 고주파 성분을 측정하는 방법을 이용하여 초점도를 계산한다(S251). 고주파 성분을 측정하는 대표적인 방법으로는 테넨그라드(Tenengrad) 방법, SML 방법, SMD 방법 등이 있다. 이러한 방법들은 각각의 블록에서 각 좌표방향에 대한 1차 미분계수(derivatives) 또는 2차 미분계수의 절대값 또는 제곱값을 사용하므로, 고주파 성분을 잘 표현할 수 있는 장점이 있다.
그러나 이러한 방법들은 영상의 패턴에 대해 고려하지 않기 때문에, 지문과 같이 동일한 패턴이 반복되는 영상에서는 그 성능이 제한적일 수밖에 없다. 따라서 동일한 패턴이 반복되는 영상에 대해 효율적으로 초점도를 계산할 수 있는 방법이 필요하다.
본 발명에서는 효율적으로 초점도를 계산하기 위해서 변경된 라플라시안 분산을 이용하며, 가우시안 필터를 이용하여 획득된 영상을 필터링한 후 변경된 라플라시안 분산(VMLOG: variance-modified-Laplacian of Gaussian)을 이용하는 것이 바람직하다. 이하 VMLOG를 이용하여 초점도를 계산하는 방법에 대해 설명한다.
가우시안 필터링 한 후 변경된 라플라시안(MLOG)은 다음 식(1)을 이용하여 구할 수 있다.
Figure 112006059452814-pat00001
(1)
여기서 I(x,y)는 획득된 영상의 각 픽셀 값이고, G(x,y)는 가우시안 필터값이고, *는 컨볼루션 연산자(convolution operator)이고, max{}는 최대값을 선택하는 연산자이다.
식 (1)에 나타난 바와 같이, 변경-라플라시안은 소정의 좌표방향에 대한 변경-라플라시안들 중 최대인 값이고, 소정의 좌표방향에 대한 변경-라플라시안은 필터(바람직하게는 가우시안 필터)를 이용하여 복수의 블록들 각각의 픽셀들을 소정의 좌표방향으로 필터링하여 계산된다.
본 발명에서는 반복적인 패턴의 크기에 적응시키기 위해서 필터의 크기를 변화시킬 수 있도록 하였으며, 필터를 디지털화된 영상에 실제로 사용하는 경우 식 (1)은 다음 식 (2)와 같이 변경된다.
Figure 112006059452814-pat00002
(2)
여기서, w는 필터의 가중치이고, step은 필터의 간격이고, N은 블록의 크기의 1/2에 해당하는 값이다. 식 (2)에 나타난 바와 같이, MLOG는 2차원 좌표방향에 대 한 2개의 값으로 표현될 수 있으며, 반복되는 패턴의 간격에 따라 결정되는 값이다. 이하에서는 도 4를 참조하여, 블록(B0)의 픽셀(P0)에서 2차원 좌표방향에 대한 MLOG값을 계산하는 과정을 설명한다.
도 4는 2차원 좌표방향에 대한 MLOG값을 계산하는 과정을 설명하기 위한 도면으로, 도 4의 (a)는 소정의 개수로 나누어진 블록들이고, 도 4의 (b)는 2차원 좌표방향에 대한 MLOG값을 계산하기 위한 필터 마스크이다. 한편, 도 2에서는 N=2, 그리고 step=2인 것으로 가정한다. I(x,y)는 픽셀(P0)의 픽셀값이다.
도 4의 (b)를 이용하여, 식 (2)를 적용하면, 2차원 좌표방향에 대한 MLOG값은 다음 식 (3)과 같이 변경된다.
Figure 112006059452814-pat00003
(3)
여기서 식 (3) x방향의 MLOG 에서의 w-2, w-1, w0, w1, 그리고 w2는 도 4의 (b)에서 픽셀(P0)를 포함하는 x방향의 음영부분의 가중치이고, y방향의 MLOG 에서의 w-2, w-1, w0, w1, 그리고 w2는 도 4의 (b)에서 픽셀(P0)를 포함하는 y방향의 음영부분의 가중치이다.
또한 각각의 픽셀의 MLOG는 두 좌표방향의 MLOG 중 큰 값을 사용한다. 본 발명에서 사용되는 초점도는 MLOG의 분산값을 사용하며, 다음 식 (4)와 같이 표현된다.
Figure 112006059452814-pat00004
(4)
여기서 VAR{}는 분산을 연산하는 연산자이다. 식 (4)에서 알 수 있는 바와 같 이, 블록의 모든 픽셀들에서 MLOG 를 구한 후, MLOG 들의 분산을 계산함으로써 초점도(VMLOG)를 측정할 수 있다.
한편, 측정된 초점도를 이용하여 각각의 블록이 초점이 맞는지 판단하기 위해서는 초점도 임계값이 필요하다. 본 발명의 실시예에서는 초점도 임계값 설정을 위하여 번짐 모델(Blur model)을 이용한다. 번짐 모델을 이용하면 초점이 맞지 않는 영역인 번짐 영역의 크기를 예측할 수 있다. 이하에서는 도 5를 참조하여 번짐 모델을 이용하여 초점도 임계값을 설정하는 동작을 설명한다.
번짐 모델을 표현하기 위해서 번짐 영역의 반지름 R을 다음 식 (5)와 같이 정의한다.
Figure 112006059452814-pat00005
(5)
여기서 u0는 초점이 맞았을 때의 물체의 거리(초점위치거리), v0(=s)는 초점이 맞았을 때의 영상의 거리, u는 초점이 맞지 않았을 때의 물체의 거리, v는 초점이 맞지 않았을 때의 영상의 거리, f는 초점거리, H는 물체의 높이이다.
도 5에 도시된 바와 같이, 초점이 맞는 경우(u=u0) 번짐 영역의 반지름(R)은 0이다. 한편, 초점이 맞지 않는 경우 번짐 영역의 반지름(R)은 도 5에 도시된 바와 같이 증가한다. 즉, 물체의 거리가 초점위치거리로부터 초점거리로 작아질수록 번짐 영역의 반지름(R)은 급격하게 증가하며 이에 따라 번짐 현상이 현저하게 증가하게 될 것이다. 반면 물체의 거리가 초점위치거리로부터 멀어질수록 번짐 영역의 반 지름(R)은 완만하게 증가하며 이에 따라 번짐 현상도 완만하게 증가하게 될 것이다.
본 발명에서는 지문영상으로 인식 가능한 지문영상의 번짐 정도를 실험적으로 측정하고, 도 5에 도시된 번짐 모델을 이용하여 임계값(Tb)를 설정한다. 그리고 임계값(Tb)를 이용하여 식 (4)에 의해 계산된 값을 초점도 임계값(Tf)로 설정한다. 초점도와 초점도 임계값(Tb)을 이용하여 획득된 영상을 초기영상으로 선택하는 구성에 대해서는 추후 관련된 부분에서 상세히 설명한다.
상술한 바와 같이, 각각의 블록들의 영상이 초점이 맞았는지 판정하기 위해서 초점도를 이용한다. 한편 본 발명의 실시예에서는 입력된 영상이 반복적인 선형 패턴으로 이루어지는지 판정하기 위해서 품질지수를 이용한다. 지문영상과 같은 영상은 반복적인 선형 패턴으로 이루어진다.
도 6은 여러 가지 패턴의 그래디언트 분포를 나타내는 도면이다. 이하에서는 도 6을 참조하여 본 발명의 실시예에서 그래디언트(Gradient)(또는 기울기)를 이용하여 품질지수를 계산하는 원리를 설명한다. 도 6의 (a)는 반복적인 선형 패턴으로 이루어지는 지문영상이고, 도 6의 (b)와 (c)는 반복적인 선형 패턴으로 이루어지지 않는 지문영상이다.
도 6의 (a)에 도시된 바와 같이, 반복적인 선형 패턴으로 이루어지는 지문영상에서 그래디언트 분포는 지문의 융선 방향에 수직인 방향으로 일관성(Coherence)이 있고, 대칭적(Symmetry)이다.
그러나 도 6의 (b)의 지문영상에서는 그래디언트 분포가 대칭적이기는 하지만 일관성이 있지는 않으며, 도 6의 (c)의 지문영상에서는 그래디언트 분포가 일관성이 있지만 대칭적이지는 않다.
즉 지문영상과 같이 반복적인 선형 패턴으로 영상이 이루어지기 위해서는, 영상에서의 그래디언트 분포가 대칭적이고 일관성이 있어야 한다. 지문영상에서의 그래디언트 분포가 대칭적이고 일관적인지 판단하기 위해서, 본 발명의 실시예에서는 대칭도와 일관도를 수학적으로 계산하고 이를 이용하여 지문영상의 품질을 측정한다.
품질지수 계산부(132)는 복수의 블록들 각각에서 측정된 그래디언트 분포의 일관도 및 대칭도를 계산하고, 이를 이용하여 복수의 블록들 각각에 대한 품질지수를 계산한다. 품질지수 계산부(132)는 일관도 계산부(133), 대칭도 계산부(135), 및 품질지수 연산부(137)를 구비한다.
일관도 계산부(133)는 복수의 블록들 각각의 픽셀들에서의 소정의 좌표방향에 대한 그래디언트들(Gx, Gy)의 제곱성분의 평균을 이용하여 복수의 블록들 각각에 대한 일관도(Coh)를 계산한다. 본 발명에서의 일관도(Coh)는 다음 식 (6)를 이용하여 계산될 수 있다.
Figure 112006059452814-pat00006
Figure 112006059452814-pat00007
(6)
여기서 Gx와 Gy는 획득된 영상의 임의의 한 점에서의 x축과 y축에 대한 그래디 언트이다.
대칭도 계산부(135)는 그래디언트 분포에서 방향을 나타내는 직선(도 6의 (a)에서 오른쪽 아래에서 왼쪽 위로 향하는 직선 참조)의 위쪽에 위치한 그래디언트의 수(Np)와 아래쪽에 위치한 그래디언트의 수(Nn)의 비율을 이용하여 대칭도(Sym)를 계산한다. 본 발명의 실시예에서 대칭도(Sym)는 다음 식 (7)을 이용하여 계산될 수 있다.
Figure 112006059452814-pat00008
(7)
품질지수 연산부(137)는 일관도(Coh)와 대칭도(Sym)의 가중치 합을 이용하여 품질지수(QI)를 계산한다. 즉 지문영상을 획득하는 환경, 지문획득 수단의 특성 등을 고려하여 일관도(Coh)와 대칭도(Sym)에 각각 가중치를 곱하고 가중치가 곱해진 일관도(Coh)와 대칭도(Sym)를 더함으로써 품질지수(QI)가 계산된다. 본 발명의 실시예에서 품질지수(QI)는 다음 식 (8)을 이용하여 계산될 수 있다.
Figure 112006059452814-pat00009
(8)
여기서 w1과 w2는 각각 일관도(Coh)와 대칭도(Sym)에 대한 가중치이며, 지문획득 수단의 특성, 지문획득 환경 등에 따라 달라지는 값이다.
초기영상 선택부(139)는 초점도(VMLOG)와 초점도 임계값(Tf)을 비교하고 품질지수(QI)와 품질지수 임계값(TQI)을 비교하여, 획득된 영상이 유효한지 판단함으로써(255) 획득된 영상을 초기영상으로 선택할지 결정한다(257 내지 259).
먼저 초기영상 선택부(139)는 획득된 영상의 각각의 블록들이 유효한지 아닌지 판단하기 위해 도 3의 S255와 같이 초점도와 품질지수를 순차적으로 미리 결정된 초점도 임계값과 품질지수 임계값과 비교하는 직렬 분류 방법을 사용한다. 유효블록인지 여부를 결정하는 함수는 다음 식 (9)과 같다.
Figure 112006059452814-pat00010
(9)
여기서, SF는 유효블록을 나타내는 클래스, SB는 무효블록을 나타내는 클래스, S'은 추정된 블록의 클래스를 나타낸다. 식 (9)로부터 알 수 있는 바와 같이, 초기영상 결정부(139)는 복수의 블록들 중 초점도(VMLOG)가 초점도 임계값(Tf)보다 크고 품질지수(QI)가 품질지수 임계값(TQI)보다 큰 블록들을 유효블록으로 결정하고, 그렇지 않은 블록들을 무효블록으로 결정한다.
본 발명의 실시예에서, 초점도 임계값(Tf)는 상술한 번짐 모델을 이용하여 샘플 영상들에 대해 구한 임계값들을 통계적으로 분석함으로써 결정되고, 품질지수 임계값(TQI)은 샘플 영상들을 LMS를 이용하여 훈련함으로써 결정된다.
도 3을 참조하여 직렬 분류 방식에 따라 유효블록을 판정하는 과정을 좀 더 상세히 설명하면, 초기영상 결정부(139)는 각각의 블록에 대한 초점도(VMLOG)와 초점도 임계값(Tf)를 비교한다(S2551). 비교 결과, 초점도(VMLOG)가 더 크면 다시 품질지수(QI)와 품질지수 임계값(TQI)를 비교하고(S2553), 초점도(VMLOG)가 더 크지 않으면 해당 블록을 무효블록으로 결정한다.
유사하게 초기영상 결정부(139)는 각각의 블록에 대한 품질지수(QI)와 품질지수 임계값(TQI)를 비교하여(S2553), 비교 결과 품질지수(QI)가 더 크면 해당 블록 을 유효블록으로 결정하고, 품질지수(QI)가 더 크지 않으면 해당 블록을 무효블록으로 결정한다.
각각의 블록에 대해 유효블록인지 여부를 판단한 후, 초기영상 결정부(139)는 획득된 영상의 모든 블록들에 대해 유효블록인지 여부를 판단했는지 확인함으로써(S2559) 모든 블록들에 대해 모든 블록들에 대한 유효블록 판단이 수행되도록 한다.
초기영상 결정부(139)는 획득된 영상의 모든 블록들에 대해 유효블록인지 여부를 판단한 후, 그 결과를 이용하여 획득된 영상을 초기영상으로 선택할지 결정한다. 초기영상으로 선택하는 과정은 유효블록의 수를 이용하여 수행된다.
초기영상 결정부(139)는 결정된 유효블록의 수와 획득된 영상의 전체 블록의 수의 비를 이용하여 유효블록비(RVB)를 계산한다. 유효블록비(RVB)는 다음 식 (10)를 이용하여 계산된다.
Figure 112006059452814-pat00011
(10)
여기서 NT는 획득된 영상의 전체 블록의 수이고, NV는 유효블록의 수이다.
초기영상 결정부(139)는 유효블록비(RVB)와 유효블록 임계비(TR)을 비교하고(S257), 비교 결과 유효블록비(RVB)가 더 크면 획득된 영상을 초기영상으로 결정한다(S259). 반면 유효블록비(RVB) 더 크지 않으면 획득된 영상이 지문인식에 적합하지 않은 것으로 볼 수 있으므로, 다른 영상을 획득하도록 한다.
이상에서는 초기영상 선택부(130)가 초점도와 품질지수를 계산한 후, 직렬 분 류 방식에 의해 초기영상을 선택하는 과정에 대해 설명하였다. 그러나 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는, 본 발명의 기술범위를 벗어나지 않는 범위에서 다양한 방법으로 초기영상을 선택하는 구성을 구현할 수 있을 것이다.
예를 들어, 각 블록에 대해 초점도를 계산하여 계산된 초점도와 초점도 임계값을 비교하는 과정이 한 번에 이루어지고, 각 블록에 대해 품질지수를 계산하여 계산된 품질지수와 품질지수 임계값을 비교하는 과정이 한번이 이루어지도록 구현될 수도 있을 것이다. 또한, 각각의 블록에 대해 유효블록인지 여부를 판단하는 것이 아니라, 모든 블록에 대해 한 번에 유효블록인지 여부를 판단하도록 구현될 수도 있을 것이다. 따라서 본 발명의 기술범위 내에서 초기영상을 선택하는 과정의 변경은 모두 본 발명의 권리범위에 포함된다.
도 7은 최종영상을 선택하는 동작을 설명하기 위한 흐름도이고, 도 8은 좌우 회전량과 상하 회전량을 측정하는 동작을 설명하기 위한 도면이다. 이하에서는 도 6과 도 7을 참조하여 최종영상 선택부의 구조 및 동작에 대해 상세히 설명한다.
최종영상 선택부(150)는 윤곽선 및 중심점 계산부(151), 회전량 계산부(152), 및 최종영상 결정부(157)를 구비한다. 윤곽선 및 중심점 계산부(151)는 초기영상, 즉 지문영상의 윤곽선 및 중심점을 추출한다(S271). 윤곽선 및 중심점을 계산하는 방법은 본 발명이 속하는 기술분야에서 사용되는 모든 방법이 이용될 수 있다.
특히 윤곽선을 구하는 방법은 Gopal Datt Joshi와 Jayanthi Sivaswamy의 논문 "A simple scheme for contour detection(Center for Visual Information Technology, IIIT Hyderabad, Gachibowli, Hyderabad, India-500032)"에 개시되어 있으며, 중심점을 구하는 방법은 V.S. Srinivasan과 N.N. Murthy의 논문 "detection of singular points in fingerprint images(Pattern Recognition, Vol.25, No.2, pp.139-153, 1992)", 그리고 Asker M. Bazen과 Sabih H. Gerez의 논문 "Systematic method for the computation of the directional fields and singular points of fingerprints(IEEE transaction on pattern analysis and machine intelligence, Vol.24, No.7, July 2002)"에 개시되어 있다.
회전량 계산부(152)는 윤곽선 및 중심점, 그리고 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상하 회전량(즉 상부 회전량 및 하부 회전량)을 계산한다. 회전량 계산부는 좌우 회전량 계산부(153) 및 상하 회전량 계산부(155)를 구비한다.
좌우 회전량 계산부(153)는 손가락의 전체 윤곽선(contour)에 나타난 손가락의 양쪽 측면부분과 중심점의 위치를 이용하여 좌우 회전량을 계산한다(273). 즉 좌우 회전량 계산부(153)는 중심점으로부터 좌측 윤곽선까지의 거리와 중심점으로부터 우측 윤곽선까지의 거리의 합에 대한 차의 비율을 이용하여 상기 좌우 회전량을 계산한다. 좌우 회전량(R0)는 다음 식 (11)을 이용하여 계산된다.
Figure 112006059452814-pat00012
(11)
여기서 R1은 중심점으로부터 손가락의 좌측 측면의 윤곽선까지의 거리이고, R2는 중심점으로부터 손가락의 우측 측면의 윤곽선까지의 거리이다.
식 (11)으로부터 알 수 있는 바와 같이, 좌우 회전량(R0)은 중심점의 위치가 손가락의 중심부에 가까울수록 0에 가까운 값을 갖고, 중심부에서 멀어질수록 1에 가까운 값을 갖는다.
상하 회전량 계산부(155)는 중심점과 유효영역의 경계선을 이용하여 상부 회전량(PF) 및 하부 회전량(PB)을 계산한다(S275). 즉, 상하 회전량 계산부(155)는 중심점으로부터 상부 윤곽선까지의 거리(P2)에 대한, 중심점으로부터 유효영역의 상부 경계까지의 거리(P1)의 비를 이용하여 상부 회전량(PF)을 계산한다.
유사하게 상하 회전량 계산부(155)는 중심점으로부터 상측 윤곽선까지의 거리(P2)에 대한, 중심점으로부터 유효영역의 하부 경계까지의 거리(P3)의 비를 이용하여 하부 회전량(PB)을 계산한다. 상부 회전량(PF) 및 하부 회전량(PB)는 다음 식 (12) 및 (13)을 이용하여 구할 수 있다.
Figure 112006059452814-pat00013
(12)
Figure 112006059452814-pat00014
(13)
식 (12) 및 (13)으로부터 알 수 있듯이, 상부 회전량(PF)는 중심점을 기준으로 윗부분에 속한 유효영역의 비를 나타내고, 하부 회전량(PB)는 중심점을 기준으로 아랫부분에 속한 유효영역의 비를 나타낸다.
한편, 유효영역은 손가락의 영상으로부터 지문인식을 하기 위해 필요한 최소한의 영역을 나타낸다. 본 발명의 실시예에서 유효영역은 중심점을 포함하는 좌우 윤곽선 폭(R1+R2)에 대한 상부 경계 또는 하부 경계의 폭의 비에 따라 설정되며, 상 부 경계 또는 하부 경계의 폭이 좌우 윤곽선 폭의 50%이상이 되도록 설정되는 것이 바람직하다.
최종영상 결정부(157)는 좌우 회전량(R0)과 좌우 임계회전량(Troll), 상부 회전량(PF)과 상부 임계회전량(TPF), 그리고 하부 회전량(PB)과 하부 임계회전량(TPB)을 비교하여(S277) 초기영상을 최종영상으로 선택할지 결정한다(279).
이하 도 7을 참조하여 최종영상을 결정하는 과정에 대해 설명한다. 도 7에 도시된 바와 같이, 최종영상 결정부(157) 또한 직렬 분류 방식을 이용하여 최종영상을 결정한다. 즉, 최종영상 결정부(157)는 좌우 회전량(R0)이 좌우 임계회전량(Troll)보다 작고, 상부 회전량(PF)이 상부 임계회전량(TPF)보다 크고, 그리고 하부 회전량(PB)이 하부 임계회전량(TPB)보다 큰 경우 초기영상을 최종영상으로 결정한다.
좀 더 구체적으로 설명하면, 최종영상 결정부(157)는 좌우 회전량(R0)과 좌우 임계회전량(Troll)을 비교하여(S2771), 좌우 회전량(R0)이 더 작으면 다음 단계로 진행하고, 작지 않으면 초기영상이 지문인식에 적합하지 않은 것으로 볼 수 있으므로, 다른 영상이 획득되도록 한다.
유사하게 최종영상 결정부(157)는 상부 회전량(PF)과 상부 임계회전량(TPF)을 비교하여(S2773), 상부 회전량(PF)이 더 크면 다음 단계로 진행하고, 크지 않으면 초기영상이 지문인식에 적합하지 않은 것으로 볼 수 있으므로, 다른 영상이 획득되도록 한다.
마지막으로 최종영상 결정부(157)는 하부 회전량(PB)과 하부 임계회전량(TPB) 을 비교하여(S2775), 하부 회전량(PB)이 더 크면 초기영상을 최종영상으로 결정하고(279), 크지 않으면 초기영상이 지문인식에 적합하지 않은 것으로 볼 수 있으므로, 다른 영상이 획득되도록 한다.
이상에서는 최종영상 선택부(130)가 좌우 회전량과, 상부 회전량 및 하부 회전량을 계산한 후, 직렬 분류 방식에 의해 최종영상을 선택하는 과정에 대해 설명하였다. 그러나 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는, 본 발명의 기술범위를 벗어나지 않는 범위에서 다양한 방법으로 최종영상을 선택하는 구성을 구현할 수 있을 것이다.
예를 들어, 각 블록에 대해 좌우 회전량을 계산하여 계산된 좌우 회전량과 좌우 임계 회전량을 비교하는 과정이 한 번에 이루어지고, 각 블록에 대해 상부 회전량을 계산하여 계산된 상부 회전량과 상부 임계 회전량을 비교하는 과정이 한번이 이루어지고, 그리고 각 블록에 대해 하부 회전량을 계산하여 계산된 하부 회전량과 하부 임계 회전량을 비교하는 과정이 한번이 이루어지도록 구현될 수도 있을 것이다. 또한, 좌우 회전량, 상부 회전량, 그리고 하부 회전량과 각각의 임계 회전량을 비교하는 순서를 임으로 정하여 구현할 수도 있을 것이다. 따라서 본 발명의 기술범위 내에서 최종영상을 선택하는 과정의 변경은 모두 본 발명의 권리범위에 포함된다.
또한, 이상의 설명에서는 초점도와 품질지수를 이용하여 획득된 영상을 초기영상으로 선택하고, 좌우 회전량, 상부 회전량, 그리고 하부 회전량을 이용하여 초기영상을 최종영상으로 선택함으로써 지문인식 시스템으로 입력된 지문영상을 선택하 는 과정에 대해 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 초기영상을 선택하는 과정과 최종영상을 선택하는 과정이 각각 독립적으로 사용되어 지문영상을 선택하는 과정으로 이용될 수도 있다. 즉 초점도와 품질지수를 이용하여 획득된 영상을 최종영상으로 선택함으로써, 지문영상을 선택할 수도 있다. 유사하게, 좌우 회전량, 상부 회전량, 그리고 하부 회전량을 이용하여 획득된 영상을 최종영상으로 선택함으로써 지문영상을 선택할 수도 있다.
또한, 이상에서는 지문영상 인식 및 지문영상 처리를 위해서, 영상획득 수단에 의해 획득된 지문영상을 선택하는 장치 및 방법에 대해 설명하였다. 따라서 본 발명의 실시예에 따른 영상선택 장치는 지문인식 시스템 또는 영상처리 시스템의 영상입력 장치로서 사용될 수도 있을 것이다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이상에서와 같이 도면과 명세서에서 최적 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
상술한 바와 같이 본 발명의 실시예에 따른 영상선택 장치는 일반적인 영상획득 장치, 특히 모바일 장치에 장착되는 카메라를 영상입력 장치로 사용하여 영상처리 시스템을 구현할 수 있는 할 수 있는 장점이 있다.
또한 본 발명의 실시예에 따른 영상선택 장치는 모바일 장치를 이용하여 지문인식 시스템을 구현하는 경우, 별도의 지문인식 센서를 추가하지 않고 모바일 장치에 장착된 카메라를 이용하여 지문인식 시스템을 구현할 수 있으며, 이에 따라 지문인식 센서의 추가 및 모바일 장치 디자인에 추가적으로 소요되는 비용을 줄일 수 있는 장점이 있다.

Claims (30)

  1. 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할하는 영상획득 및 분할부;
    상기 복수의 블록들 각각에 대해 계산된 초점도 및/또는 품질지수에 따라 상기 획득된 영상을 초기영상으로 선택하는 초기영상 선택부; 및
    상기 초기영상에서 측정된 윤곽선 및 중심점을 이용하여 계산된 좌우회전량 및 상하 회전량에 따라 상기 초기영상을 최종영상으로 선택하는 최종영상 선택부를 구비하는 것을 특징으로 하는 영상선택 장치.
  2. 제 1 항에 있어서, 상기 초기영상 선택부는,
    상기 복수의 블록들 각각에서 측정된 고주파 성분을 이용하여 상기 복수의 블록들 각각에 대한 초점도를 계산하는 초점도 계산부;
    상기 복수의 블록들 각각에서 측정된 그래디언트 분포의 일관도 및 대칭도를 계산하고, 상기 일관도 및 상기 대칭도를 이용하여 상기 복수의 블록들 각각에 대한 품질지수를 계산하는 품질지수 계산부; 및
    상기 초점도와 초점도 임계값을 비교하고 상기 품질지수와 품질지수 임계값을 비교하여, 상기 획득된 영상을 상기 초기영상으로 선택할지 결정하는 초기영상 결정부를 구비하는 것을 특징으로 하는 영상선택 장치.
  3. 제 2 항에 있어서, 상기 복수의 블록들 각각에 대한 초점도는,
    상기 복수의 블록들 각각에서 계산된 변경-라플라시안(modefied-Laplacian)의 분산이며,
    상기 변경-라플라시안은 소정의 좌표방향에 대한 변경-라플라시안들 중 최대인 값이고, 상기 소정의 좌표방향에 대한 변경-라플라시안은 크기가 가변적인 필터를 이용하여 상기 복수의 블록들 각각의 픽셀들을 상기 소정의 방향으로 필터링하여 계산되는 것을 특징으로 하는 영상선택 장치.
  4. 제 3 항에 있어서,
    상기 필터는 가우시안 필터인 것을 특징으로 하는 영상선택 장치.
  5. 제 2 항에 있어서, 상기 품질지수 계산부는,
    상기 복수의 블록들 각각의 픽셀들에서의 소정의 좌표방향에 대한 그래디언트들의 제곱의 평균을 이용하여 상기 복수의 블록들 각각에 대한 상기 일관도를 계산하는 일관도 계산부;
    상기 그래디언트 분포에서 방향을 나타내는 직선의 위쪽에 위치한 그래디언트의 수와 아래쪽에 위치한 그래디언트의 수의 비율을 이용하여 상기 대칭도를 계산하는 대칭도 계산부; 및
    상기 일관도와 상기 대칭도의 가중치 합을 이용하여 상기 품질지수를 계산하는 품질지수 연산부를 구비하는 것을 특징으로 하는 영상선택 장치.
  6. 제 2 항에 있어서,
    상기 초점도 임계값은 상기 획득된 영상에서 번짐이 발생하는 영역의 크기를 나타내는 번짐 모델을 이용하여 설정되는 것을 특징으로 하는 영상선택 장치.
  7. 제 6 항에 있어서,
    상기 번짐 모델에서 상기 번짐이 나타나는 영역의 반지름은 상기 획득된 영상이 획득된 위치가 초점위치거리로부터 초점거리로 작아질수록 급격히 증가하고, 상기 획득된 위치가 초점위치거리로부터 커질수록 서서히 증가하는 것을 특징으로 하는 영상선택 장치.
  8. 제 2 항에 있어서,
    상기 초기영상 결정부는 상기 복수의 블록들 중 상기 초점도가 상기 초점도 임계값보다 크고 상기 품질지수가 품질지수 임계값보다 큰 블록들을 유효블록으로 결정하고, 그렇지 않은 블록들을 무효블록으로 결정한 후, 상기 복수의 블록들 전체의 수에 대한 상기 유효블록의 수의 비가 소정의 유효블록 임계비보다 큰 경우 상기 획득된 영상을 초기영상으로 결정하는 것을 특징으로 하는 영상선택 장치.
  9. 제 1 항에 있어서, 상기 최종영상 선택부는,
    상기 초기영상의 윤곽선 및 중심점을 계산하는 윤곽선 및 중심점 계산부;
    상기 윤곽선 및 중심점, 상기 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상부 회전량 및 하부 회전량을 계산하는 회전량 계산부; 및
    상기 좌우 회전량과 좌우 임계회전량, 상기 상부 회전량과 상부 임계회전량, 그리고 상기 하부 회전량과 하부 임계회전량을 비교하여 상기 초기영상을 최종영상으로 선택할지 결정하는 최종영상 결정부를 구비하는 것을 특징으로 하는 영상선택 장치.
  10. 제 9 항에 있어서, 상기 회전량 계산부는,
    상기 중심점으로부터 좌측 윤곽선까지의 거리와 상기 중심점으로부터 우측 윤곽선까지의 거리의 합에 대한 차의 비율을 이용하여 상기 좌우 회전량을 계산하는 좌우 회전량 계산부; 및
    상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 상부 경계까지의 거리의 비를 이용하여 상기 상부 회전량을 계산하고, 상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 하부 경계까지의 거리의 비를 이용하여 상기 하부 회전량을 계산하는 상하 회전량 계산부를 구비하는 것을 특징으로 하는 영상선택 장치.
  11. 제 9 항에 있어서,
    상기 유효영역은 상기 중심점을 포함하는 좌우 윤곽선 폭에 대한 상기 상부 경 계 또는 하부 경계의 폭의 비에 따라 설정되는 것을 특징으로 하는 영상선택 장치.
  12. 제 9 항에 있어서,
    상기 최종영상 결정부는,
    상기 좌우 회전량이 상기 좌우 임계회전량보다 작고, 상기 상부 회전량이 상기 상부 임계회전량보다 크고, 그리고 상기 하부 회전량이 상기 하부 임계회전량보다 큰 경우 상기 초기영상을 최종영상으로 결정하는 것을 특징으로 하는 영상선택 장치.
  13. 영상획득 수단에 의해 획득된 영상을 소정의 크기를 갖는 복수의 블록들로 분할하는 단계;
    상기 복수의 블록들 각각에 대해 계산된 초점도 및/또는 품질지수에 따라 상기 획득된 영상을 초기영상으로 선택하는 단계; 및
    상기 초기영상에서 측정된 윤곽선 및 중심점을 이용하여 계산된 좌우회전량 및 상하 회전량에 따라 상기 초기영상을 최종영상으로 선택하는 단계를 구비하는 것을 특징으로 하는 영상성택 방법.
  14. 제 13 항에 있어서, 상기 초기영상으로 선택하는 단계는,
    상기 복수의 블록들 각각에서 측정된 고주파 성분을 이용하여 상기 복수의 블록들 각각에 대한 초점도를 계산하는 단계;
    상기 복수의 블록들 각각에서 측정된 그래디언트 분포의 일관도 및 대칭도를 계산하고, 상기 일관도 및 상기 대칭도를 이용하여 상기 복수의 블록들 각각에 대한 품질지수를 계산하는 단계; 및
    상기 초점도와 초점도 임계값을 비교하고 상기 품질지수와 품질지수 임계값을 비교하여, 상기 획득된 영상을 상기 초기영상으로 선택할지 결정하는 단계를 구비하는 것을 특징으로 하는 영상선택 방법.
  15. 제 14 항에 있어서, 상기 복수의 블록들 각각에 대한 초점도는,
    상기 복수의 블록들 각각에서 계산된 변경-라플라시안(modefied-Laplacian)의 분산이며,
    상기 변경-라플라시안은 소정의 좌표방향에 대한 변경-라플라시안들 중 최대인 값이고, 상기 소정의 좌표방향에 대한 변경-라플라시안은 크기가 가변적인 필터를 이용하여 상기 복수의 블록들 각각의 픽셀들을 상기 소정의 방향으로 필터링하여 계산되는 것을 특징으로 하는 영상선택 방법.
  16. 제 15 항에 있어서,
    상기 필터는 가우시안 필터인 것을 특징으로 하는 영상선택 방법.
  17. 제 14 항에 있어서, 상기 품질지수를 계산하는 단계는,
    상기 복수의 블록들 각각의 픽셀들에서의 소정의 좌표방향에 대한 그래디언트 들의 제곱의 평균을 이용하여 상기 복수의 블록들 각각에 대한 상기 일관도를 계산하는 단계;
    상기 그래디언트 분포에서 방향을 나타내는 직선의 위쪽에 위치한 그래디언트의 수와 아래쪽에 위치한 그래디언트의 수의 비율을 이용하여 상기 대칭도를 계산하는 단계; 및
    상기 일관도와 상기 대칭도의 가중치 합을 이용하여 상기 품질지수를 계산하는 단계를 구비하는 것을 특징으로 하는 영상선택 방법.
  18. 제 14 항에 있어서,
    상기 초점도 임계값은 상기 획득된 영상에서 번짐이 발생하는 영역의 크기를 나타내는 번짐 모델을 이용하여 설정되는 것을 특징으로 하는 영상선택 방법.
  19. 제 18 항에 있어서,
    상기 번짐 모델에서 상기 번짐이 나타나는 영역의 반지름은 상기 획득된 영상이 획득된 위치가 초점거리보다 크고 초점위치거리보다 작은 경우 급격히 증가하고, 상기 획득된 위치가 초점위치로부터 커질수록 서서히 증가하는 것을 특징으로 하는 영상선택 방법.
  20. 제 14 항에 있어서,
    상기 초기영상으로 선택할지 결정하는 단계는 상기 복수의 블록들 중 상기 초 점도가 상기 초점도 임계값보다 크고 상기 품질지수가 품질지수 임계값보다 큰 블록들을 유효블록으로 결정하고, 그렇지 않은 블록들을 무효블록으로 결정한 후, 상기 복수의 블록들 전체의 수에 대한 상기 유효블록의 수의 비가 소정의 유효블록 임계비보다 큰 경우 상기 획득된 영상을 초기영상으로 결정하는 것을 특징으로 하는 영상선택 방법.
  21. 제 13 항에 있어서, 상기 최종영상으로 선택하는 단계는,
    상기 초기영상의 윤곽선 및 중심점을 계산하는 단계;
    상기 윤곽선 및 중심점, 상기 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상부 회전량 및 하부 회전량을 계산하는 단계; 및
    상기 좌우 회전량과 좌우 임계회전량, 상기 상부 회전량과 상부 임계회전량, 그리고 상기 하부 회전량과 하부 임계회전량을 비교하여 상기 초기영상을 최종영상으로 선택할지 결정하는 단계를 구비하는 것을 특징으로 하는 영상선택 방법.
  22. 제 21 항에 있어서, 상기 회전량을 계산하는 단계는,
    상기 중심점으로부터 좌측 윤곽선까지의 거리와 상기 중심점으로부터 우측 윤곽선까지의 거리의 합에 대한 차의 비율을 이용하여 상기 좌우 회전량을 계산하는 단계; 및
    상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 상부 경계까지의 거리의 비를 이용하여 상기 상부 회전량을 계산하 고, 상기 중심점으로부터 상측 윤곽선까지의 거리에 대한, 상기 중심점으로부터 상기 유효영역의 하부 경계까지의 거리의 비를 이용하여 상기 하부 회전량을 계산하는 단계를 구비하는 것을 특징으로 하는 영상선택 방법.
  23. 제 21 항에 있어서,
    상기 유효영역은 상기 중심점을 포함하는 좌우 윤곽선 폭에 대한 상기 상부 경계 또는 하부 경계의 폭의 비에 따라 설정되는 것을 특징으로 하는 영상선택 방법.
  24. 제 21 항에 있어서,
    상기 최종영상으로 선택할지 결정하는 단계는,
    상기 좌우 회전량이 상기 좌우 임계회전량보다 작고, 상기 상부 회전량이 상기 상부 임계회전량보다 크고, 그리고 상기 하부 회전량이 상기 하부 임계회전량보다 큰 경우 상기 초기영상을 최종영상으로 결정하는 것을 특징으로 하는 영상선택 방법.
  25. 제 13 항의 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  26. 제 1 항의 영상선택 장치를 구비하는 지문인식 시스템.
  27. 영상획득장치에 의해 획득된 영상의 윤곽선 및 중심점을 계산하는 윤곽선 및 중심점 계산부;
    상기 윤곽선 및 중심점, 상기 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상부 회전량 및 하부 회전량을 계산하는 회전량 계산부; 및
    상기 좌우 회전량과 좌우 임계회전량, 상기 상부 회전량과 상부 임계회전량, 그리고 상기 하부 회전량과 하부 임계회전량을 비교하여 상기 획득된 영상을 최종영상으로 선택할지 결정하는 영상 선택부를 구비하는 것을 특징으로 하는 영상선택 장치.
  28. 영상획득장치에 의해 획득된 영상의 윤곽선 및 중심점을 계산하는 단계;
    상기 윤곽선 및 중심점, 상기 윤곽선 및 중심점에 따라 설정되는 유효영역을 이용하여 좌우 회전량과 상부 회전량 및 하부 회전량을 계산하는 단계; 및
    상기 좌우 회전량과 좌우 임계회전량, 상기 상부 회전량과 상부 임계회전량, 그리고 상기 하부 회전량과 하부 임계회전량을 비교하여 상기 획득된 영상을 최종영상으로 선택할지 결정하는 단계를 구비하는 것을 특징으로 하는 영상선택 방법.
  29. 제 28 항의 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  30. 제 27 항의 영상선택 장치를 구비하는 지문인식 시스템.
KR1020060078980A 2006-08-21 2006-08-21 영상선택 장치 및 방법 KR100780957B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020060078980A KR100780957B1 (ko) 2006-08-21 2006-08-21 영상선택 장치 및 방법
US11/798,836 US8165356B2 (en) 2006-08-21 2007-05-17 Apparatus and method for determining the acceptability of a fingerprint image to be analyzed
JP2007213805A JP5049074B2 (ja) 2006-08-21 2007-08-20 分析される指紋画像の受容可能性を決定するための装置及び方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060078980A KR100780957B1 (ko) 2006-08-21 2006-08-21 영상선택 장치 및 방법

Publications (1)

Publication Number Publication Date
KR100780957B1 true KR100780957B1 (ko) 2007-12-03

Family

ID=39139318

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060078980A KR100780957B1 (ko) 2006-08-21 2006-08-21 영상선택 장치 및 방법

Country Status (2)

Country Link
US (1) US8165356B2 (ko)
KR (1) KR100780957B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10049258B2 (en) 2015-06-11 2018-08-14 Samsung Electronics Co., Ltd. Method of preprocessing image including biological information
KR20200021848A (ko) * 2018-08-21 2020-03-02 주식회사 유니온커뮤니티 모바일 단말의 바이오 인식 성능 및 위조방어력 분석 시스템 및 그 방법

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100780957B1 (ko) * 2006-08-21 2007-12-03 삼성전자주식회사 영상선택 장치 및 방법
US8120642B2 (en) * 2008-07-25 2012-02-21 Honeywell International Inc. Optical fingerprint acquisition
US20130100334A1 (en) * 2011-10-20 2013-04-25 Broadcom Corporation Method and System for an Adaptive Auto-Focus Algorithm
JP6026119B2 (ja) * 2012-03-19 2016-11-16 株式会社東芝 生体情報処理装置
EP3301645B1 (en) * 2013-10-02 2019-05-15 Given Imaging Ltd. System and method for size estimation of in-vivo objects
US9665763B2 (en) 2014-08-31 2017-05-30 Qualcomm Incorporated Finger/non-finger determination for biometric sensors
US9195879B1 (en) 2014-08-31 2015-11-24 Qualcomm Incorporated Air/object determination for biometric sensors
US9582705B2 (en) 2014-08-31 2017-02-28 Qualcomm Incorporated Layered filtering for biometric sensors
KR102476017B1 (ko) * 2016-01-05 2022-12-09 삼성전자주식회사 생체 정보를 이용한 인증 방법 및 장치
JP2019121187A (ja) * 2018-01-05 2019-07-22 富士通株式会社 画像処理装置、画像処理方法および画像処理プログラム
WO2022016014A1 (en) * 2020-07-15 2022-01-20 Sciometrics, Llc Methods to support touchless fingerprinting

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08195888A (ja) * 1995-01-13 1996-07-30 Nec Corp 画質評価装置
KR0166260B1 (ko) * 1995-08-31 1999-03-20 배순훈 화질 평가장치 및 그 방법
JP2002271686A (ja) * 2001-03-12 2002-09-20 Olympus Optical Co Ltd 撮像装置
JP2004220060A (ja) * 2003-01-09 2004-08-05 Canon Inc 画像評価方法、画像評価装置、記憶媒体およびプログラム
JP2006123451A (ja) * 2004-11-01 2006-05-18 Ricoh Co Ltd 画像評価装置、画像評価方法、及び記録媒体

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005963A (en) * 1996-10-23 1999-12-21 International Business Machines Corporation System and method for determining if a fingerprint image contains an image portion representing a partial fingerprint impression
US6314197B1 (en) * 1997-08-22 2001-11-06 International Business Machines Corporation Determining an alignment estimation between two (fingerprint) images
US6289112B1 (en) * 1997-08-22 2001-09-11 International Business Machines Corporation System and method for determining block direction in fingerprint images
US6400836B2 (en) * 1998-05-15 2002-06-04 International Business Machines Corporation Combined fingerprint acquisition and control device
JP3439359B2 (ja) * 1998-12-18 2003-08-25 日本電気株式会社 個人識別方法、個人識別装置および記録媒体
DE60027207T2 (de) * 2000-08-18 2006-11-16 Cross Match Technologies, Inc., Palm Beach Gardens System und verfahren zum automatischen steuern eines fingerabdruckabtasters
US7072523B2 (en) * 2000-09-01 2006-07-04 Lenovo (Singapore) Pte. Ltd. System and method for fingerprint image enhancement using partitioned least-squared filters
US6763127B1 (en) * 2000-10-06 2004-07-13 Ic Media Corporation Apparatus and method for fingerprint recognition system
JP2002222424A (ja) * 2001-01-29 2002-08-09 Nec Corp 指紋照合システム
JP4193163B2 (ja) * 2001-03-26 2008-12-10 日本電気株式会社 指掌紋画像処理装置及び方法
KR100432491B1 (ko) * 2001-08-31 2004-05-22 (주)니트 젠 융선방향 모델을 이용한 지문 특징데이터 추출방법
US7073711B2 (en) * 2002-04-19 2006-07-11 Cross Match Technologies, Inc. Mobile handheld code reader and print scanner system and method
US7155039B1 (en) * 2002-12-18 2006-12-26 Motorola, Inc. Automatic fingerprint identification system and method
US7489807B2 (en) * 2003-08-07 2009-02-10 Kyungtae Hwang Statistical quality assessment of fingerprints
JP4340553B2 (ja) * 2004-02-06 2009-10-07 富士通株式会社 生体情報照合装置
US7711158B2 (en) * 2004-12-04 2010-05-04 Electronics And Telecommunications Research Institute Method and apparatus for classifying fingerprint image quality, and fingerprint image recognition system using the same
US20080013803A1 (en) * 2006-07-13 2008-01-17 Motorola, Inc. Method and apparatus for determining print image quality
KR100780957B1 (ko) * 2006-08-21 2007-12-03 삼성전자주식회사 영상선택 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08195888A (ja) * 1995-01-13 1996-07-30 Nec Corp 画質評価装置
KR0166260B1 (ko) * 1995-08-31 1999-03-20 배순훈 화질 평가장치 및 그 방법
JP2002271686A (ja) * 2001-03-12 2002-09-20 Olympus Optical Co Ltd 撮像装置
JP2004220060A (ja) * 2003-01-09 2004-08-05 Canon Inc 画像評価方法、画像評価装置、記憶媒体およびプログラム
JP2006123451A (ja) * 2004-11-01 2006-05-18 Ricoh Co Ltd 画像評価装置、画像評価方法、及び記録媒体

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10049258B2 (en) 2015-06-11 2018-08-14 Samsung Electronics Co., Ltd. Method of preprocessing image including biological information
US10963668B2 (en) 2015-06-11 2021-03-30 Samsung Electronics Co., Ltd. Method of preprocessing image including biological information
KR20200021848A (ko) * 2018-08-21 2020-03-02 주식회사 유니온커뮤니티 모바일 단말의 바이오 인식 성능 및 위조방어력 분석 시스템 및 그 방법
KR102105669B1 (ko) * 2018-08-21 2020-04-28 주식회사 유니온커뮤니티 모바일 단말의 바이오 인식 성능 및 위조방어력 분석 시스템 및 그 방법

Also Published As

Publication number Publication date
US8165356B2 (en) 2012-04-24
US20100254579A1 (en) 2010-10-07

Similar Documents

Publication Publication Date Title
KR100780957B1 (ko) 영상선택 장치 및 방법
Maini et al. Study and comparison of various image edge detection techniques
Juneja et al. Performance evaluation of edge detection techniques for images in spatial domain
Elder et al. Local scale control for edge detection and blur estimation
Xiao et al. Multi-focus image fusion based on depth extraction with inhomogeneous diffusion equation
Sahoo et al. Design and simulation of various edge detection techniques using Matlab Simulink
CN106033613B (zh) 目标跟踪方法及装置
Bansal et al. Comparison of various edge detection techniques
CN108898148A (zh) 一种数字图像角点检测方法、系统及计算机可读存储介质
Hu et al. An improved multi-focus image fusion algorithm based on multi-scale weighted focus measure
CN117853510A (zh) 基于双边滤波和自适应阈值的Canny边缘检测方法
KR20230030501A (ko) 기하학적 패턴 매칭 방법 및 이러한 방법을 수행하는 장치
JP4544891B2 (ja) 線抽出のための画像処理方法及びそのプログラム、線集中度画像フィルタ
Jena et al. An edge detection approach for fractal image processing
CN110264417B (zh) 基于分层模型的局部运动模糊区域自动检测提取方法
Nigam et al. Evaluation and analysis of different type of edge detection techniques on cartridge case image
CN110322441A (zh) 路面表观裂痕的视觉检测方法
JP5049074B2 (ja) 分析される指紋画像の受容可能性を決定するための装置及び方法
CN111047635A (zh) 基于深度图像的平面触摸方法、装置与触摸系统
Abdel-All et al. Geometric image edge detection techniques
Naidu et al. Efficient case study for image edge gradient based detectors-sobel, robert cross, prewitt and canny
Chen et al. Gaussian Noise Detection and Adaptive Non-local Means Filter
CN111476821B (zh) 基于在线学习的目标跟踪方法
Dong et al. Research on edge detection technology
JP7009253B2 (ja) 画像処理装置、画像処理方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121031

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20131031

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20141031

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20151030

Year of fee payment: 9

LAPS Lapse due to unpaid annual fee