TW202127376A - 基於圖像的指紋品質評估方法、裝置及電子設備 - Google Patents

基於圖像的指紋品質評估方法、裝置及電子設備 Download PDF

Info

Publication number
TW202127376A
TW202127376A TW109108510A TW109108510A TW202127376A TW 202127376 A TW202127376 A TW 202127376A TW 109108510 A TW109108510 A TW 109108510A TW 109108510 A TW109108510 A TW 109108510A TW 202127376 A TW202127376 A TW 202127376A
Authority
TW
Taiwan
Prior art keywords
fingerprint
image
fingerprint image
frequency
component
Prior art date
Application number
TW109108510A
Other languages
English (en)
Other versions
TWI754242B (zh
Inventor
翟劍鋒
龍文勇
李准
Original Assignee
大陸商敦泰電子(深圳)有限公司
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 大陸商敦泰電子(深圳)有限公司 filed Critical 大陸商敦泰電子(深圳)有限公司
Publication of TW202127376A publication Critical patent/TW202127376A/zh
Application granted granted Critical
Publication of TWI754242B publication Critical patent/TWI754242B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本發明涉及一種基於圖像的指紋品質評估方法、裝置及電子設備。所述方法包括：採集指紋圖像；去除所述指紋圖像中的直流分量；對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖；提取所述頻譜能量圖中的指紋頻率區域特徵；根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。本案能夠快速評估指紋圖像的品質，減少指紋品質評估的計算的複雜度，簡化指紋品質評估的流程。

Description

基於圖像的指紋品質評估方法、裝置及電子設備
本發明涉及影像處理技術領域，具體涉及一種基於圖像的指紋品質評估方法、裝置及電子設備。
現有技術中，主要依賴圖像對比度，或對圖像二值化處理檢測出圖像脊骨區域，或依賴圖像樣本數量，實現圖像的指紋品質評估。然而，依賴圖像對比度或對圖像二值化處理檢測出圖像脊骨區域實現圖像的指紋品質評估的方法，增加了計算的複雜度，依賴圖像樣本數量實現圖像的指紋品質評估需要藉由大量資料獲取和訓練獲取，使得指紋品質評估流程過於繁瑣。
鑒於以上內容，有必要提出一種基於圖像的指紋品質評估方法、裝置及電子設備以減少指紋品質評估的計算的複雜度，簡化指紋品質評估的流程。
本申請的第一方面提供一種基於圖像的指紋品質評估方法，所述方法包括：
採集指紋圖像；
去除所述指紋圖像中的直流分量；
對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖；
提取所述頻譜能量圖中的指紋頻率區域特徵；
根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
優選地，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括：
預設所述指紋圖像的頻域檢測區域；及
提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
優選地，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括：
遍歷所述頻譜能量圖提取出所述頻譜能量圖中能量最大值點作為位置頻率點f0並進行歸一化，將所述頻域檢測區域設定為[f0-delta, f0+delta],其中, delta為調整參數且取值為0.1；及
提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
優選地，所述去除所述指紋圖像中的直流分量包括：藉由所述指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量。
優選地，所述藉由所述指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量包括：
按照公式
Figure 02_image001
計算所述指紋圖像中的所有圖元點的圖元均值，其中h為所述指紋圖像在高度上的圖元點個數，w為所述指紋圖像在寬度上的圖元點個數，I(x, y)為所述指紋圖像中的圖元點；及
將所述指紋圖像中的每個圖元點的圖元值減去所述指紋圖像的圖元均值以去除所述指紋圖像中的直流分量。
優選地，所述去除所述指紋圖像中的直流分量包括：
藉由對所述指紋圖像進行高通濾波去除所述指紋圖像中的直流分量。
優選地，所述對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括：
對去除直流分量的所述指紋圖像進行快速傅裡葉變換得到所述指紋圖像的頻譜圖。
優選地，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：
根據所述指紋頻率區域特徵查找評分關係表確認與所述指紋頻率區域特徵對應的評分得到所述指紋圖像的評估結果，其中，所述評分關係表中定義多個不同的指紋頻率區域特徵與多個不同的評分的對應關係。
本申請的第二方面提供一種基於圖像的指紋品質評估裝置，所述裝置包括：
採集模組，用於採集指紋圖像；
直流去除模組，用於去除所述指紋圖像中的直流分量；
頻域變換模組，用於對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖；
特徵提取模組，用於提取所述頻譜能量圖中的指紋頻率區域特徵；
評分模組，用於根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
本申請的協力廠商面提供一種電子設備，所述電子設備包括處理器，所述處理器用於執行記憶體中存儲的電腦程式時實現所述基於圖像的指紋品質評估方法。
本案對去除直流分量的指紋圖像進行頻域變換得到指紋圖像的頻譜能量圖，提取所述頻譜能量圖中的指紋頻率區域特徵，及根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果，從而快速評價指紋圖像的品質，減少指紋品質評估的計算的複雜度，簡化指紋品質評估的流程。
為了能夠更清楚地理解本發明的上述目的、特徵和優點，下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
除非另有定義，本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本發明。
優選地，本發明基於圖像的指紋品質評估方法應用在一個或者多個電子設備中。所述電子設備是一種能夠按照事先設定或存儲的指令，自動進行數值計算和/或資訊處理的設備，其硬體包括但不限於微處理器、專用積體電路(Application Specific Integrated Circuit，ASIC)、可程式設計閘陣列(Field－Programmable Gate Array，FPGA)、數文書處理器(Digital Signal Processor，DSP)、嵌入式設備等。
所述電子設備可以是桌上型電腦、筆記型電腦、平板電腦及雲端伺服器等計算設備。所述設備可以與使用者藉由鍵盤、滑鼠、遙控器、觸控板或聲控設備等方式進行人機交互。
圖1是本發明一實施方式中基於圖像的指紋品質評估方法的流程圖。根據不同的需求，所述流程圖中步驟的順序可以改變，某些步驟可以省略。
參閱圖1所示，所述基於圖像的指紋品質評估方法具體包括以下步驟：
步驟S11，採集指紋圖像。
本實施方式中，藉由指紋感測器採集指紋圖像。所述指紋感測器為光學指紋感測器、半導體電容指紋感測器、半導體熱敏指紋感測器、半導體壓感指紋感測器、超聲波指紋感測器和射頻指紋感測器中的至少一種。
步驟S12，去除所述指紋圖像中的直流分量。
本實施方式中，所述去除所述指紋圖像中的直流分量包括：藉由指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量。在具體實施方式中，首先按照公式
Figure 02_image001
計算所述指紋圖像中的所有圖元點的圖元均值，其中h為所述指紋圖像在高度上的圖元點個數，w為所述指紋圖像在寬度上的圖元點個數，I(x, y)為所述指紋圖像中的圖元點；然後將所述指紋圖像中的每個圖元點的圖元值減去所述指紋圖像的圖元均值，如此去除所述指紋圖像中的直流分量。
在另一實施方式中，所述去除所述指紋圖像中的直流分量包括：藉由對所述指紋圖像進行高通濾波去除所述指紋圖像中的直流分量。在其他實施方式中，所述去除所述指紋圖像中的直流分量包括：藉由所述指紋圖像減去所述指紋圖像的均值濾波後的圖像以去除所述指紋圖像中的直流分量。本實施方式中，藉由去除指紋圖像中的直流分量可以保證指紋圖像中的指紋頻率資訊佔據頻域能量譜地主要成分。本案中，所有不同形式地去除指紋圖像地直流分量的方案均屬於本案所保護地範疇。
步驟S13，對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖。
本實施方式中，所述對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括：對去除直流分量的所述指紋圖像進行快速傅裡葉變換(Fast Fourier Transform, FFT)得到所述指紋圖像的頻譜圖。在另一實施方式中，所述對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括：對去除直流分量的所述指紋圖像進行小波變換方法得到所述指紋圖像的頻譜圖。本案中，所有不同形式地對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖的方案均屬於本案所保護地範疇。
本實施方式中，所述根據所述圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖包括：根據公式
Figure 02_image003
計算出所述指紋圖像的頻譜能量圖，其中，所述（x, y）為所述指紋圖像中的圖元點的座標，F(x, y)為所述指紋圖像中的頻譜圖，E(x, y) 為所述指紋圖像中的頻譜能量圖。
步驟S14，提取所述頻譜能量圖中的指紋頻率區域特徵。
本實施方式中，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括：預設所述指紋圖像的頻域檢測區域；及提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。在具體實施方式中，所述預設所述指紋圖像的頻域檢測區域包括：採集標準指紋圖像，藉由影像處理工具查看標準指紋圖像的頻率分佈位置，設定檢測標準指紋圖像的位置頻率點為f0，並設定標準指紋圖像的指紋頻帶區域範圍為一個橢圓形區域；將標準指紋圖像的頻域圖像的頻率資訊歸一化,且歸一化後的頻域圖像的中心代表頻域圖像的0頻率，遠離頻域圖像的中心的區域為高頻區域；將所述頻域檢測區域設定為[f1-delta, f1+delta]，其中，f1為歸一化後的標準指紋圖像的位置頻率點，delta為調整參數且取值為0.1。本實施方式中，調整參數delta可以依據人類指紋脊穀頻率不可能無限大或無限小而是有一定的分佈範圍的原理進行設定。當調整參數delta設定為0.1時所確定的頻域檢測區域以囊括99%以上的使用群體。
在一實施方式中，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括：遍歷所述頻譜能量圖提取出所述頻譜能量圖中能量最大值點作為所述位置頻率點f0並進行歸一化，將所述頻域檢測區域設定為[f0-delta, f0+delta],從而即時得到所述頻域檢測區域，其中, delta為調整參數且取值為0.1；及提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
本實施方式中，所述指紋頻率區域特徵為表示頻率強度與分佈的特徵。本實施方式中，所述指紋頻率區域特徵包括均值、標準差、方差、極大/極小值差異、熵中的至少一者。本案中，所述指紋圖像的指紋頻率區域特徵不局限於均值、標準差、方差、極大/極小值差異、熵，只要是表徵指紋圖像中的頻率強度與分佈的特徵均屬於本案所保護地範疇。
步驟S15，根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
本實施方式中，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述指紋頻率區域特徵查找評分關係表確認與所述指紋頻率區域特徵對應的評分得到所述指紋圖像的評估結果，其中，所述評分關係表中定義多個不同的指紋頻率區域特徵與多個不同的評分的對應關係。例如，所述指紋頻率區域特徵為標準差，所述評分關係表中定義多個不同的標準差與多個不同的評分的對應關係，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述標準差查找評分關係表確認與所述標準差對應的評分得到所述指紋圖像的評估結果。再例如，所述指紋頻率區域特徵為均值，所述評分關係表中定義多個不同的均值與多個不同的評分的對應關係，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述均值查找評分關係表確認與所述均值對應的評分得到所述指紋圖像的評估結果。
本實施方式中，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述指紋頻率區域特徵利用深度學習演算法計算得到所述指紋圖像的評分。
本案對去除直流分量的指紋圖像進行頻域變換得到指紋圖像的頻譜能量圖，提取所述頻譜能量圖中的指紋頻率區域特徵，及根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果，從而快速評價指紋圖像的品質，減少指紋品質評估的計算的複雜度，簡化指紋品質評估的流程。
圖2為本發明一實施方式中基於圖像的指紋品質評估裝置30的結構圖。在一些實施例中，所述基於圖像的指紋品質評估裝置30運行於電子設備中。所述基於圖像的指紋品質評估裝置30可以包括多個由程式碼段所組成的功能模組。所述基於圖像的指紋品質評估裝置30中的各個程式段的程式碼可以存儲於記憶體中，並由至少一個處理器所執行，以執行指紋品質評估功能。
本實施例中，所述基於圖像的指紋品質評估裝置30根據其所執行的功能，可以被劃分為多個功能模組。參閱圖2所示，所述基於圖像的指紋品質評估裝置30可以包括採集模組301、直流去除模組302、頻域變換模組303、特徵提取模組304及評分模組305。本發明所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段，其存儲在記憶體中。所述在一些實施例中，關於各模組的功能將在後續的實施例中詳述。
所述採集模組301用於採集指紋圖像。
本實施方式中，所述採集模組301藉由指紋感測器採集指紋圖像。所述指紋感測器為光學指紋感測器、半導體電容指紋感測器、半導體熱敏指紋感測器、半導體壓感指紋感測器、超聲波指紋感測器和射頻指紋感測器中的至少一種。
所述直流去除模組302去除所述指紋圖像中的直流分量。
本實施方式中，所述直流去除模組302去除所述指紋圖像中的直流分量包括：藉由指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量。在具體實施方式中，所述直流去除模組302按照公式
Figure 02_image001
計算所述指紋圖像中的所有圖元點的圖元均值，其中h為所述指紋圖像在高度上的圖元點個數，w為所述指紋圖像在寬度上的圖元點個數，I(x, y)為所述指紋圖像中的圖元點；及將所述指紋圖像中的每個圖元點的圖元值減去所述指紋圖像的圖元均值，如此去除所述指紋圖像中的直流分量。
在另一實施方式中，所述直流去除模組302去除所述指紋圖像中的直流分量包括：藉由對所述指紋圖像進行高通濾波去除所述指紋圖像中的直流分量。在其他實施方式中，所述直流去除模組302去除所述指紋圖像中的直流分量包括：藉由所述指紋圖像減去所述指紋圖像的均值濾波後的圖像以去除所述指紋圖像中的直流分量。本實施方式中，藉由去除指紋圖像中的直流分量可以保證指紋圖像中的指紋頻率資訊佔據頻域能量譜地主要成分。本案中，所有不同形式地去除指紋圖像地直流分量的方案均屬於本案所保護地範疇。
所述頻域變換模組303對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖。
本實施方式中，所述頻域變換模組303對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括：對去除直流分量的所述指紋圖像進行FFT變換得到所述指紋圖像的頻譜圖。在另一實施方式中，所述對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括：對去除直流分量的所述指紋圖像進行小波變換方法得到所述指紋圖像的頻譜圖。本案中，所有不同形式地對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖的方案均屬於本案所保護地範疇。
本實施方式中，所述頻域變換模組303根據所述圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖包括：根據公式
Figure 02_image003
計算出所述指紋圖像的頻譜能量圖，其中，所述（x, y）為所述指紋圖像中的圖元點的座標，F(x, y)為所述指紋圖像中的頻譜圖，E(x, y) 為所述指紋圖像中的頻譜能量圖。
所述特徵提取模組304提取所述頻譜能量圖中的指紋頻率區域特徵。
本實施方式中，所述特徵提取模組304提取所述頻譜能量圖中的指紋頻率區域特徵包括：預設所述指紋圖像的頻域檢測區域；及提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。在具體實施方式中，所述特徵提取模組304預設所述指紋圖像的頻域檢測區域包括：採集標準指紋圖像，藉由影像處理工具查看標準指紋圖像的頻率分佈位置，設定檢測標準指紋圖像的位置頻率點為f0，並設定標準指紋圖像的指紋頻帶區域範圍為一個橢圓形區域；將標準指紋圖像的頻域圖像的頻率資訊歸一化,且歸一化後的頻域圖像的中心代表頻域圖像的0頻率，遠離頻域圖像的中心的區域為高頻區域；將所述頻域檢測區域設定為[f1-delta, f1+delta]，其中，f1為歸一化後的標準指紋圖像的位置頻率點，delta為調整參數且取值為0.1。本實施方式中，調整參數delta可以依據人類指紋脊穀頻率不可能無限大或無限小而是有一定的分佈範圍的原理進行設定。當調整參數delta設定為0.1時所確定的頻域檢測區域以囊括99%以上的使用群體。
在一實施方式中，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括：遍歷所述頻譜能量圖提取出所述頻譜能量圖中能量最大值點作為所述位置頻率點f0並進行歸一化，將所述頻域檢測區域設定為[f0-delta, f0+delta],從而即時得到所述頻域檢測區域，其中, delta為調整參數且取值為0.1；及提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
本實施方式中，所述指紋頻率區域特徵為表示頻率強度與分佈的特徵。本實施方式中，所述指紋頻率區域特徵包括均值、標準差、方差、極大/極小值差異、熵中的至少一者。本案中，所述指紋圖像的指紋頻率區域特徵不局限於均值、標準差、方差、極大/極小值差異、熵，只要是表徵指紋圖像中的頻率強度與分佈的特徵均屬於本案所保護地範疇。
所述評分模組305根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
本實施方式中，所述評分模組305根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述指紋頻率區域特徵查找評分關係表確認與所述指紋頻率區域特徵對應的評分得到所述指紋圖像的評估結果，其中，所述評分關係表中定義多個不同的指紋頻率區域特徵與多個不同的評分的對應關係。例如，所述指紋頻率區域特徵為標準差，所述評分關係表中定義多個不同的標準差與多個不同的評分的對應關係，所述評分模組305根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述標準差查找評分關係表確認與所述標準差對應的評分得到所述指紋圖像的評估結果。再例如，所述指紋頻率區域特徵為均值，所述評分關係表中定義多個不同的均值與多個不同的評分的對應關係，所述評分模組305根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述均值查找評分關係表確認與所述均值對應的評分得到所述指紋圖像的評估結果。
本實施方式中，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括：根據所述指紋頻率區域特徵利用深度學習演算法計算得到所述指紋圖像的評分。
本案對去除直流分量的指紋圖像進行頻域變換得到指紋圖像的頻譜能量圖，提取所述頻譜能量圖中的指紋頻率區域特徵，及根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果，從而快速評價指紋圖像的品質，減少指紋品質評估的計算的複雜度，簡化指紋品質評估的流程。
圖3為本發明一實施方式中電子設備6的示意圖。所述電子設備6包括記憶體61、處理器62以及存儲在所述記憶體61中並可在所述處理器62上運行的電腦程式63。所述處理器62執行所述電腦程式63時實現上述基於圖像的指紋品質評估方法實施例中的步驟，例如圖1所示的步驟S11~S15。或者，所述處理器62執行所述電腦程式63時實現上述基於圖像的指紋品質評估裝置實施例中各模組/單元的功能，例如圖2中的模組301~305。
示例性的，所述電腦程式63可以被分割成一個或多個模組/單元，所述一個或者多個模組/單元被存儲在所述記憶體61中，並由所述處理器62執行，以完成本發明。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段，所述指令段用於描述所述電腦程式63在所述電子設備6中的執行過程。例如，所述電腦程式63可以被分割成圖2中的採集模組301、直流去除模組302、頻域變換模組303、特徵提取模組304及評分模組305，各模組具體功能參見實施例2。
本實施方式中，所述電子設備6可以是桌上型電腦、筆記本、掌上型電腦、伺服器及雲端終端裝置等計算設備。本領域技術人員可以理解，所述示意圖僅僅是電子設備6的示例，並不構成對電子設備6的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子設備6還可以包括輸入輸出設備、網路接入設備、匯流排等。
所稱處理器62可以是中央處理模組(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器 (Digital Signal Processor，DSP)、專用積體電路 (Application Specific Integrated Circuit，ASIC)、現場可程式設計閘陣列 (Field-Programmable Gate Array，FPGA) 或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器62也可以是任何常規的處理器等，所述處理器62是所述電子設備6的控制中心，利用各種介面和線路連接整個電子設備6的各個部分。
所述記憶體61可用於存儲所述電腦程式63和/或模組/單元，所述處理器62藉由運行或執行存儲在所述記憶體61內的電腦程式和/或模組/單元，以及調用存儲在記憶體61內的資料，實現所述電子設備6的各種功能。所述記憶體61可主要包括存儲程式區和存儲資料區，其中，存儲程式區可存儲作業系統、至少一個功能所需的應用程式（比如聲音播放功能、圖像播放功能等）等；存儲資料區可存儲根據電子設備6的使用所創建的資料（比如音訊資料、電話本等）等。此外，記憶體61可以包括高速隨機存取記憶體，還可以包括非易失性記憶體，例如硬碟、記憶體、插接式硬碟，智慧存儲卡（Smart Media Card, SMC），安全數位（Secure Digital, SD）卡，快閃記憶體卡（Flash Card）、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
所述電子設備6集成的模組/單元如果以軟體功能模組的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本發明實現上述實施例方法中的全部或部分流程，也可以藉由電腦程式來指令相關的硬體來完成，所述的電腦程式可存儲於一電腦可讀存儲介質中，所述電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、U盤、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體（ROM，Read-Only Memory）、隨機存取記憶體（RAM，Random Access Memory）、電載波信號、電信信號以及軟體分發介質等。需要說明的是，所述電腦可讀介質包含的內容可以根據司法管轄區內立法和專利實踐的要求進行適當的增減，例如在某些司法管轄區，根據立法和專利實踐，電腦可讀介質不包括電載波信號和電信信號。
在本發明所提供的幾個實施例中，應該理解到，所揭露的電子設備和方法，可以藉由其它的方式實現。例如，以上所描述的電子設備實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
另外，在本發明各個實施例中的各功能模組可以集成在相同處理模組中，也可以是各個模組單獨物理存在，也可以兩個或兩個以上模組集成在相同模組中。上述集成的模組既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言，顯然本發明不限於上述示範性實施例的細節，而且在不背離本發明的精神或基本特徵的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本發明的範圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。此外，顯然“包括”一詞不排除其他模組或步驟，單數不排除複數。電子設備權利要求中陳述的多個模組或電子設備也可以由同一個模組或電子設備藉由軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
30:基於圖像的指紋品質評估裝置 301:採集模組 302:直流去除模組 303:頻域變換模組 304:特徵提取模組 305:評分模組 6:電子設備 61:記憶體 62:處理器 63:電腦程式 S11~S15:步驟
圖1為本發明一實施方式中基於圖像的指紋品質評估方法的流程圖。
圖2為本發明一實施方式中基於圖像的指紋品質評估裝置的結構示意圖。
圖3為本發明一實施方式中電子設備的示意圖。
S11~S15:步驟

Claims (10)

  1. 一種基於圖像的指紋品質評估方法，其改良在於，所述方法包括： 採集指紋圖像； 去除所述指紋圖像中的直流分量； 對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖； 提取所述頻譜能量圖中的指紋頻率區域特徵； 根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
  2. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括： 預設所述指紋圖像的頻域檢測區域；及 提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
  3. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述提取所述頻譜能量圖中的指紋頻率區域特徵包括： 遍歷所述頻譜能量圖提取出所述頻譜能量圖中能量最大值點作為位置頻率點f0並進行歸一化，將所述頻域檢測區域設定為[f0-delta, f0+delta],其中, delta為調整參數且取值為0.1；及 提取所述頻譜能量圖在所述頻域檢測區域的指紋頻率區域特徵。
  4. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述去除所述指紋圖像中的直流分量包括：藉由所述指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量。
  5. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述藉由所述指紋圖像的每一圖元點的圖元值減去所述指紋圖像的圖元均值的方法去除指紋圖像中的直流分量包括： 按照公式
    Figure 03_image001
    計算所述指紋圖像中的所有圖元點的圖元均值，其中h為所述指紋圖像在高度上的圖元點個數，w為所述指紋圖像在寬度上的圖元點個數，I(x, y)為所述指紋圖像中的圖元點；及 將所述指紋圖像中的每個圖元點的圖元值減去所述指紋圖像的圖元均值以去除所述指紋圖像中的直流分量。
  6. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述去除所述指紋圖像中的直流分量包括： 藉由對所述指紋圖像進行高通濾波去除所述指紋圖像中的直流分量。
  7. 如請求項1所述的基於圖像的指紋品質評估方法，其特徵在於，所述對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖包括： 對去除直流分量的所述指紋圖像進行快速傅裡葉變換得到所述指紋圖像的頻譜圖。
  8. 如請求項1所述的基於圖像的指紋品質評估方法，其中，所述根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果包括： 根據所述指紋頻率區域特徵查找評分關係表確認與所述指紋頻率區域特徵對應的評分得到所述指紋圖像的評估結果，其中，所述評分關係表中定義多個不同的指紋頻率區域特徵與多個不同的評分的對應關係。
  9. 一種基於圖像的指紋品質評估裝置，其改良在於，所述裝置包括： 採集模組，用於採集指紋圖像； 直流去除模組，用於去除所述指紋圖像中的直流分量； 頻域變換模組，用於對去除直流分量的所述指紋圖像進行頻域變換得到所述指紋圖像的頻譜圖，並根據所述指紋圖像的頻譜圖計算出所述指紋圖像的頻譜能量圖； 特徵提取模組，用於提取所述頻譜能量圖中的指紋頻率區域特徵； 評分模組，用於根據所述指紋頻率區域特徵對所述指紋圖像進行評分得到所述指紋圖像的評估結果。
  10. 一種電子設備，其改良在於：所述電子設備包括處理器，所述處理器用於執行記憶體中存儲的電腦程式時實現如請求項1-8中任一項所述基於圖像的指紋品質評估方法。
TW109108510A 2020-01-10 2020-03-13 基於圖像的指紋品質評估方法、裝置及電子設備 TWI754242B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010028285.5 2020-01-10
CN202010028285.5A CN111179265B (zh) 2020-01-10 2020-01-10 基于图像的指纹质量评估方法、装置及电子设备

Publications (2)

Publication Number Publication Date
TW202127376A true TW202127376A (zh) 2021-07-16
TWI754242B TWI754242B (zh) 2022-02-01

Family

ID=70650993

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109108510A TWI754242B (zh) 2020-01-10 2020-03-13 基於圖像的指紋品質評估方法、裝置及電子設備

Country Status (2)

Country Link
CN (1) CN111179265B (zh)
TW (1) TWI754242B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111781457A (zh) * 2020-07-24 2020-10-16 上海擎度汽车科技有限公司 一种用于电子产品emc传导发射的测试系统及方法
WO2022068931A1 (zh) * 2020-09-30 2022-04-07 墨奇科技（北京）有限公司 非接触指纹识别方法、装置、终端及存储介质
CN112232163B (zh) * 2020-09-30 2022-04-15 墨奇科技（北京）有限公司 指纹采集方法及装置、指纹比对方法及装置、设备
CN112232159B (zh) * 2020-09-30 2021-12-07 墨奇科技（北京）有限公司 指纹识别的方法、装置、终端及存储介质
CN112434572B (zh) * 2020-11-09 2022-05-06 北京极豪科技有限公司 指纹图像校准方法、装置、电子设备及存储介质
CN113838139A (zh) * 2021-08-13 2021-12-24 北京极豪科技有限公司 图像传感器的参数检测方法、装置、电子设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5822303B2 (ja) * 2012-02-17 2015-11-24 Ｎｅｃソリューションイノベータ株式会社 指紋品質評価装置、指紋品質評価方法、指紋品質評価プログラム
CN102708364B (zh) * 2012-05-31 2014-08-20 西安电子科技大学 基于分级分类器的指纹图像分类方法
CN104239306A (zh) * 2013-06-08 2014-12-24 华为技术有限公司 多媒体指纹哈希矢量构建方法及其装置
CN103324944B (zh) * 2013-06-26 2016-11-16 电子科技大学 一种基于svm和稀疏表示的假指纹检测方法
CN106778459B (zh) * 2015-12-31 2021-02-12 深圳市汇顶科技股份有限公司 指纹识别的方法及其指纹识别装置
CN105975909B (zh) * 2016-04-27 2019-11-29 湖南工业大学 一种基于分形维数的指纹分类方法及指纹三级分类方法
CN106650572A (zh) * 2016-09-12 2017-05-10 深圳芯启航科技有限公司 一种指纹图像的质量评估方法
CN107038432B (zh) * 2017-05-12 2019-12-17 西安电子科技大学 基于频率信息的指纹图像方向场提取方法
US20190205611A1 (en) * 2017-12-30 2019-07-04 MorphoTrak, LLC Quality-based ten-print match score normalization
CN108764127A (zh) * 2018-05-25 2018-11-06 京东方科技集团股份有限公司 纹理识别方法及其装置

Also Published As

Publication number Publication date
CN111179265A (zh) 2020-05-19
TWI754242B (zh) 2022-02-01
CN111179265B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
TW202127376A (zh) 基於圖像的指紋品質評估方法、裝置及電子設備
JP6444523B2 (ja) 指紋認識方法及び指紋認識装置
CN109376596B (zh) 人脸匹配方法、装置、设备及存储介质
TWI619080B (zh) 指紋重疊區域面積的計算方法及電子裝置
CN107622489B (zh) 一种图像篡改检测方法及装置
CN110458078B (zh) 一种人脸图像数据聚类方法、系统及设备
CN107404486B (zh) 解析Http数据的方法、装置、终端设备及存储介质
CN111209827A (zh) 一种基于特征检测的ocr识别票据问题的方法及系统
WO2021051939A1 (zh) 一种证件区域定位的方法及装置
WO2021218183A1 (zh) 证件边沿检测方法、装置、设备及介质
WO2021072893A1 (zh) 一种声纹聚类方法、装置、处理设备以及计算机存储介质
CN111091107A (zh) 一种人脸区域边缘检测方法、装置及存储介质
TW202123026A (zh) 資料歸檔方法、裝置、電腦裝置及存儲介質
US20200093392A1 (en) Brainprint signal recognition method and terminal device
WO2022120008A1 (en) A machine learning method and computing device for art authentication
Khalil Reference point detection for camera-based fingerprint image based on wavelet transformation
WO2015074493A1 (zh) 一种低频点击的过滤方法、装置、计算机程序以及计算机可读介质
CN110210425B (zh) 人脸识别方法、装置、电子设备及存储介质
TWI754241B (zh) 指紋圖像的特徵提取方法、裝置及電腦可讀存儲介質
WO2014127655A1 (zh) 一种文件的聚类方法和设备
CN112037814B (zh) 一种音频指纹的提取方法、装置、电子设备及存储介质
CN113679396A (zh) 疲劳识别模型的训练方法、装置、终端及介质
WO2021184718A1 (zh) 卡片边框识别方法、装置、设备和计算机存储介质
CN114330369A (zh) 基于智能语音分析的地产营销管理方法、装置及设备
CN110348377B (zh) 一种指纹识别方法及设备