TWI484420B - 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 - Google Patents
利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 Download PDFInfo
- Publication number
- TWI484420B TWI484420B TW097138502A TW97138502A TWI484420B TW I484420 B TWI484420 B TW I484420B TW 097138502 A TW097138502 A TW 097138502A TW 97138502 A TW97138502 A TW 97138502A TW I484420 B TWI484420 B TW I484420B
- Authority
- TW
- Taiwan
- Prior art keywords
- fingerprint
- fingerprint image
- equal
- singular point
- hierarchical
- Prior art date
Links
Landscapes
- Collating Specific Patterns (AREA)
Description
本發明係關於一種利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統，特別是關於利用階層式奇異點檢測及追蹤方向流方式將指紋類型分為七類，其用於進一步精確辨識指紋之分類方法及其系統。
一般而言，在指紋辨識上欲提升辨識率時，必須進一步簡化指紋比對。傳統指紋分類係直接依其凸紋線全域型態〔global patterns of ridge〕之特徵〔例如：核心〔core〕及三角洲〔delta〕〕進行分類。然而，指紋分類在技術實施上必然面臨許多技術問題。首先，指紋分類系統無法有效手指皮表面之指紋旋轉、轉移及彈性變形〔elastic distortion〕的技術問題。其次，指紋圖案可能未顯示其重要部分〔例如：三角洲部分〕或可能發生指紋圖案資料不足。
目前指紋分類係主要分為兩個指紋典型特徵表現，其包含凸紋線〔ridge〕及方向場〔orientation field〕。目前最普遍採用的指紋特徵表現為凸紋線終點端〔ridge end point〕及分叉點〔bifurcation〕之分佈。傳統指紋分類方法主要利用指紋的凸紋線終點端及分叉點之細部特徵〔minutiae〕進行分類。舉例而言，附照1a至1e揭示利用英國人E.R.Henry的指紋分類方法將指紋分為五類之個別指紋影像圖。請參照附照1a至1e所示，英國人E.R.Henry的指紋分類方法將指紋分類為附照1a之右旋蹄狀紋〔right loop〕、附照1b之左旋蹄狀紋〔left loop〕、附照1c之篷形弓狀
紋〔tented arch〕、附照1d之弓狀紋〔plain arch或arch〕及附照1e之渦狀紋〔whorl，即螺旋狀紋〕。
然而，附照2a至2c揭示在利用英國人E.R.Henry的指紋分類方法時，將三種不同形狀指紋皆歸類為相同指紋類之個別指紋影像圖。請參照附照2a至2c所示，Henry的指紋分類方法將三種不同形狀指紋皆歸類為渦狀紋〔whorl〕之指紋類，前述三種不同形狀指紋包含附照2a之渦流紋〔eddy〕、附照2b之S狀紋或雙環狀紋〔S-type或twin loop〕及附照2c之渦狀紋〔whorl〕。事實上，在渦流紋〔eddy〕、S狀紋〔S-type〕及渦狀紋〔whorl〕之間具有明顯差異。
目前為止有關指紋分類或指紋辨識技術之國內外專利之內容尚未提及傳統指紋分類方法將三種不同形狀指紋皆視為渦狀紋〔whorl〕指紋類之分類技術問題。舉例而言，中華民國專利公開第200412544號之「片段比對式指紋辨識方法」發明專利公開案或美國專利第5848176號之〝Fingerprint Fingertip Orientation Detection Method and Device〞皆並未提及前述指紋分類技術問題。前述中華民國專利公開案或美國專利僅為本發明技術背景之參考及說明目前技術發展狀態而已，其並非用以限制本發明之範圍。
有鑑於此，為了改良上述問題，本發明提供一種利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其指紋辨識方法，其將渦流紋〔eddy〕及S狀紋〔S-type〕區分自渦狀紋〔whorl〕，以便將指紋類型分為七類。
本發明之主要目的係提供一種利用階層式奇異點檢測及追蹤
方向流之指紋分類方法及其系統，其將渦流紋及S狀紋區分自渦狀紋，以便將指紋類型分為七類，以達成提高指紋辨識率、降低資料處理量及加速判別時間之目的。
為了達成上述目的，本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法，其包含步驟：初步處理〔preprocessing〕一指紋影像；擷取該指紋影像之奇異點，該奇異點包含核心點及三角點、並計算該指紋影像之對稱、繞圈數及象限數；依該指紋影像之奇異點之數量及追蹤方向流方式分類該指紋影像為右旋蹄狀紋、左旋蹄狀紋、篷形弓狀紋、弓狀紋、渦狀紋、渦流紋或S狀紋。
本發明較佳實施例之初步處理包含第一次增益處理、第二次增益處理、感興趣區塊處理及能量轉換處理。
本發明較佳實施例之奇異點檢測採用潘卡瑞指數方法。
本發明較佳實施例之追蹤方向流採用最小均方演算法。
本發明較佳實施例係當該指紋影像之核心點之數量等於0、且三角點之數量等於0時，判斷該指紋影像為弓狀。
本發明較佳實施例係當該指紋影像之核心點之數量等於1、三角洲點數量等於0、且繞圈數等於1時，判斷該指紋影像為渦狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於1、三角洲點數量等於0、且繞圈數等於0時，判斷該指紋影像為右旋蹄狀紋或左旋蹄狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於1、
三角洲點數量等於1、且對稱時，判斷該指紋影像為篷形弓狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於1、三角洲點數量等於1、且不對稱時，判斷該指紋影像為右旋蹄狀紋或左旋蹄狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於2、且繞圈數大於等於5時，判斷該指紋影像為渦狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率小於1.7時，判斷該指紋影像為S狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7且通過象限數小於4時，判斷該指紋影像為S狀紋。
本發明較佳實施例係當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7及通過象限數大於等於4時，判斷該指紋影像為渦流紋。
本發明之利用層級奇異點檢測及追蹤方向流之指紋分類系統包含一偵測裝置及一判別運算裝置。該偵測裝置用以偵測一指紋影像。該判別運算裝置判別該指紋影像是否具有奇異點，該奇異點包含核心點及三角點，並計算該指紋影像之對稱、繞圈數及象限數。該判別運算裝置依該指紋影像之奇異點之數量及方向流分類指紋類型，以判斷該指紋影像為右旋蹄狀紋、左旋蹄狀紋、篷形弓狀紋、弓狀紋、渦狀紋、渦流紋或S狀紋。
為了充分瞭解本發明，於下文將例舉較佳實施例並配合所附圖式作詳細說明，且其並非用以限定本發明。
本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統可應用於指紋辨識及其相關技術領域，該相關技術領域係屬未脫離本發明之精神與技術領域範圍。本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統僅舉例說明其資料處理及實施分類方式，但其並非用以限定本發明之範圍。
本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法包含步驟：初步處理一指紋影像，以降低資料處理量及加速判別時間；擷取該指紋影像之奇異點，該奇異點包含核心點及三角點、並計算該指紋影像之對稱、繞圈數及象限數；依該指紋影像之奇異點之數量及追蹤方向流方式分類該指紋影像為右旋蹄狀紋、左旋蹄狀紋、篷形弓狀紋、弓狀紋、渦狀紋、渦流紋或S狀紋。
附照3a揭示本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法在處理指紋影像前之原始影像圖。為了降低資料處理量，本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法係利用方程式(1)將指紋原始影像分別進行第一次增益處理及第二次增益處理，
其中I
(x
,y
)為原始灰階影像，I’
(x
,y
)為已修飾影像，μ μ
為上均值，μ 1
為上均值。
附照3b揭示本發明較佳實施例之利用階層式奇異點檢測及
追蹤方向流之指紋分類方法在第一次增益處理完成指紋影像之第一次增益影像圖。同樣的，附照3c揭示本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法在第二次增益處理完成指紋影像之第二次增益影像圖。
本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法將附照3c之第二次增益影像沿著(0°、45°、90°、135°、180°、225°、270°、315°)之方向向外延伸尋找邊界，以獲一感興趣區塊〔Region of Interest，ROI〕。附照3d揭示本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法在ROI處理完成指紋影像之ROI影像圖。
為了進行階層式奇異點檢測及追蹤方向流，本發明較佳實施例之指紋分類方法將附照3d之ROI影像進行能量轉換及分析〔energy transformation and analysis〕。本發明較佳實施例之指紋分類方法係利用方程式(2)及(3)將附照3d之ROI影像進行能量轉換處理，
其中μ e
(x
,y
)為標準平均值，ε(x
,y
)為轉換能量影像，N=9為常態化常數。
附照3e揭示本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法在能量轉換處理完成指紋影像之ROI影像圖。附照3f揭示本發明較佳實施例之利用階層式奇異點檢測
及追蹤方向流之指紋分類方法在能量轉換處理完成指紋影像之能量分佈〔energy distribution〕影像圖。
本發明較佳實施例之指紋分類方法在估算方向場時，利用方程式(4)將附照3f之能量分佈影像以最小均方演算法〔least means square(LMS)algorithm〕進行運算處理，
其中R
為位於(x i
,y j
)之鄰近區域，θ(x i
,y j
)為估算方向場，(G x
,G y
)為位於(x i
,y j
)之梯度向量。
附照4a至4c揭示本發明較佳實施例之利用階層式奇異點檢測及追蹤方向流之指紋分類方法在左旋蹄狀紋、渦狀紋及右旋蹄狀紋影像上完成方向場估算之方向場影像圖，如紅色虛線所示。
本發明較佳實施例之指紋分類方法在進行階層式奇異點檢測時採用潘卡瑞指數方法〔Poincare index method〕。第1圖揭示本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法採用潘卡端指數方法之示意圖。利用潘卡瑞指數方法檢測奇異點時，以檢測核心點為中心將能量分佈影像切割為適當畫素，例如：91×91。位於(x
,y
)位置點之潘卡瑞指數係具有12個方向場圍繞於該位置點之周圍，利用方程式(5)至(8)依逆時針方向方式進行運算，
其中
及δ(k
)=θ(x
(k
'),y
(k
'))-θ(x
(k
),y
(k
)) (7)
k
'=(k
+1)modM
(8)
其中(x
(k’
),y
(k’
))及(x
(k
),y
(k
))為方向場之配對鄰接座標。核心點之潘卡瑞指數為+1/2，而三角點之潘卡瑞指數為-1/2。
接著，在定義奇異點時，再將能量分佈影像減少切割為適當畫素，並執行潘卡瑞指數方法，其並非用以限定本發明之範圍。
附照5a至5c揭示本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法進行階層式奇異點檢測之指紋影像圖，其中將第一、二及三次檢測結果以藍、綠及紅色×符號標示奇異點。
本發明利用奇異點檢測及追蹤方向流方式將指紋類型分為七類；其中先利用指紋影像之核心點之數量將該指紋影像分為三類，再將該指紋影像分為七類。為了追蹤指紋影像之方向流，利用方程式(9)至(11)進行運算核心點之3×3方塊之方向場，
其中0<κ<Γ
且Γ
=10
其中γ為方塊之方向場，並定義P
為連接每個畫素而不重複之行程；繞圈C
為符合以下條件之行程：κ≠i
及0<i
<Γ。
x κ
=x i
及y κ
=y i
因此，指紋影像之方向流可定義為，
其中l
為實單位值權重函數。
第2圖揭示本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其指紋辨識方法之架構方塊圖。請參照第2圖所示，指紋類型〔R〕表示為右旋蹄狀紋、指紋類型〔L〕表示為左旋蹄狀紋、指紋類型〔T〕表示為篷形弓狀紋、指紋類型〔A〕表示為弓狀紋、指紋類型〔W〕表示為渦狀紋、指紋類型〔E〕表示為渦流紋、指紋類型〔S〕表示為S狀紋或雙環狀紋。利用方程式(13)至(14)及規則1至4將指紋類型分為七類如下：規則1：N c
=0及N d
=0時，即核心點之數量等於0且三角點之數量等於0，獲得指紋類型〔A〕。
規則2：N c
=1及N d
=0時，依方程式(13)獲得指紋類型〔R〕、〔L〕及〔W〕，其中核心點之數量等於1、三角洲點數量等於0、且繞圈數等於1時，獲得指紋類型〔W〕；核心點之數量等於1、三角洲點數量等於0、且繞圈數等於0時，獲得指紋類型〔R〕或〔L〕。
規則3：N c
=1及N d
=1時，將指紋影像以核心點及三角點連線之水平夾角進行旋轉，並追蹤方向流之對稱，獲得指紋類型〔T〕、〔L〕及〔R〕，其中核心點之數量等於1、三角洲點數量等於1、且對稱時，獲得指紋類型〔T〕；核心點之數量等於1、
三角洲點數量等於1、且不對稱而傾向第2及3象限時，獲得指紋類型〔L〕；核心點之數量等於1、三角洲點數量等於1、且不對稱而傾向第1及4象限時，獲得指紋類型〔R〕。
規則4：N c
=2時，首先將指紋影像以二核心點連線之水平夾角進行旋轉，並判斷繞圈數是否大於等於5。
指紋影像之核心點之數量等於2、且繞圈數大於等於5時，判斷該指紋影像為渦狀紋時，獲得指紋類型〔W〕；若繞圈數小於5時，依方程式(14)獲得指紋類型〔E〕或〔S〕。
其中R θ
為曲率，S l
為象限數。
指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7且通過象限數小於4時，獲得指紋類型〔S〕；指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7及通過象限數大於等於4時，獲得指紋類型〔E〕，規則1至4僅為本發明較佳實施例，其並非用以限定本發明之範圍。
附照6a至6c揭示本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法獲得辨識渦狀紋、渦流紋及S狀紋之指紋影像圖。
本發明之利用層級奇異點檢測及追蹤方向流之指紋分類系統包含一偵測裝置及一判別運算裝置。該偵測裝置用以偵測一指紋影像。該判別運算裝置判別該指紋影像是否具有奇異點，該奇異點包含核心點及三角點，並計算該指紋影像之對稱、繞圈數及象
限數。該判別運算裝置依該指紋影像之奇異點之數量及方向流分類指紋類型，以判斷該指紋影像為右旋蹄狀紋、左旋蹄狀紋、篷形弓狀紋、弓狀紋、渦狀紋、渦流紋或S狀紋。該判別運算裝置之實施方式如前述附照及圖式所示，於此不予贅述。
前述較佳實施例僅舉例說明本發明及其技術特徵，該實施例之技術仍可適當進行各種實質等效修飾及/或替換方式予以實施；因此，本發明之權利範圍須視後附申請專利範圍所界定之範圍為準。
第1圖：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法採用潘卡瑞指數方法之架構方塊圖。
第2圖：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其指紋辨識方法之架構方塊圖。
附照1a至1e：利用英國人E.R.Henry的指紋分類方法將指紋分為五類之指紋影像圖。
附照2a至2c：在利用英國人E.R.Henry的指紋分類方法時，將三種不同形狀指紋分為相同指紋類之指紋影像圖。
附照3a至3f：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法進行能量轉換及分析之指紋影像圖。
附照4a至4c：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法進行方向場估算之指紋影像圖。
附照5a至5c：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法進行階層式奇異點檢測之指紋影像圖。
附照6a至6c：本發明之利用階層式奇異點檢測及追蹤方向流之指紋分類方法獲得辨識渦狀紋、渦流紋及S狀紋之指紋影像圖。
Claims (9)
- 一種利用階層式奇異點檢測及追蹤方向流之指紋分類方法，其包含：初步處理一指紋影像；擷取該指紋影像之奇異點，該奇異點包含核心點及三角點、並計算該指紋影像之對稱、繞圈數及象限數；依該指紋影像之奇異點之數量及追蹤方向流方式分類該指紋影像為渦狀紋、渦流紋或S狀紋，其中當該指紋影像之核心點之數量等於2、且繞圈數大於等於5時，判斷該指紋影像為渦狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率小於1.7時，判斷該指紋影像為S狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7且通過象限數小於4時，判斷該指紋影像為S狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7及通過象限數大於等於4時，判斷該指紋影像為渦流紋。
- 依申請專利範圍第1項所述之利用階層式奇異點檢測及追蹤方向流之指紋分類方法，其中該初步處理包含第一次增益處理、第二次增益處理、感興趣區塊處理及能量轉換處理。
- 依申請專利範圍第1項所述之利用階層式奇異點檢測及追蹤方向流之指紋分類方法，其中該奇異點檢測採用潘卡端指數方法。
- 依申請專利範圍第1項所述之利用階層式奇異點檢測及追蹤方向流之指紋分類方法，其中該追蹤方向流採用最小均方演算法。
- 一種利用層級奇異點檢測及追蹤方向流之指紋分類系統，其包含：一偵測裝置，其用以偵測一指紋影像；及一判別運算裝置，其用判別是否具有奇異點，該奇異點包含核心點及三角點，並計算該指紋影像之對稱、繞圈數及象限數；其中該判別運算裝置依該指紋影像之奇異點之數量及方向流分類指紋類型，以判斷該指紋影像為渦狀紋、渦流紋或S狀紋，其中當該指紋影像之核心點之數量等於2、且繞圈數大於等於5時，判斷該指紋影像為渦狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率小於1.7時，判斷該指紋影像為S狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7且通過象限數小於4時，判斷該指紋影像為S狀紋；當該指紋影像之核心點之數量等於2、繞圈數小於5、曲率大於等於1.7及通過象限數大於等於4時，判斷該指紋影像為渦流紋。
- 依申請專利範圍第5項所述之利用層級奇異點檢測及追蹤方向流之指紋分類系統，其中該奇異點檢測採用潘卡瑞指數方法。
- 依申請專利範圍第5項所述之利用層級奇異點檢測及追蹤方向流之指紋分類系統，其中該追蹤方向流採用最小均方演算法。
- 依申請專利範圍第5項所述之利用層級奇異點檢測及追蹤方向流之指紋分類系統，其中該判別運算裝置執行初步處理該指紋影像。
- 依申請專利範圍第8項所述之利用層級奇異點檢測及追蹤方向流之指紋分類系統，其中該初步處理包含第一次增益處理、第 二次增益處理、感興趣區塊處理及能量轉換處理。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW097138502A TWI484420B (zh) | 2008-10-07 | 2008-10-07 | 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 |
| US12/276,624 US8520910B2 (en) | 2008-07-10 | 2008-11-24 | Method for predicting constellations by using fingerprint types and blood types, and system thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW097138502A TWI484420B (zh) | 2008-10-07 | 2008-10-07 | 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201015450A TW201015450A (en) | 2010-04-16 |
| TWI484420B true TWI484420B (zh) | 2015-05-11 |
Family
ID=44838209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW097138502A TWI484420B (zh) | 2008-07-10 | 2008-10-07 | 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI484420B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI427542B (zh) * | 2010-09-06 | 2014-02-21 | Egis Technology Inc | 指紋防偽裝置及其方法 |
| TWI425428B (zh) * | 2010-09-08 | 2014-02-01 | Univ Nat Kaohsiung Applied Sci | 利用小波極值點於指紋影像之偵測奇異點方法及其系統 |
| TWI421782B (zh) * | 2010-10-12 | 2014-01-01 | Egis Technology Inc | 指紋防偽裝置及其方法 |
| TWI599965B (zh) * | 2011-02-01 | 2017-09-21 | 許文星 | 以分類三角形實現之高速指紋特徵比對系統及其方法 |
| WO2019021264A1 (en) * | 2017-07-24 | 2019-01-31 | Mmapro It Solutions (Pty) Ltd | SYSTEM AND METHOD FOR DIGITAL FOOTPRINT CLASSIFICATION |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW354397B (en) * | 1997-09-23 | 1999-03-11 | Xiao Pei Yong | Method for classifying a fingerprint and the system device of the same |
| US6961453B2 (en) * | 2001-08-31 | 2005-11-01 | Secugen Corporation | Method for extracting fingerprint feature data using ridge orientation model |
-
2008
- 2008-10-07 TW TW097138502A patent/TWI484420B/zh not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW354397B (en) * | 1997-09-23 | 1999-03-11 | Xiao Pei Yong | Method for classifying a fingerprint and the system device of the same |
| US6961453B2 (en) * | 2001-08-31 | 2005-11-01 | Secugen Corporation | Method for extracting fingerprint feature data using ridge orientation model |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201015450A (en) | 2010-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009472B (zh) | 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法 | |
| CN105512638B (zh) | 一种基于融合特征的人脸检测与对齐方法 | |
| Si et al. | Novel approaches to improve robustness, accuracy and rapidity of iris recognition systems | |
| CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| TWI484420B (zh) | 利用階層式奇異點檢測及追蹤方向流之指紋分類方法及其系統 | |
| WO2020253062A1 (zh) | 一种图像边界的检测方法及装置 | |
| WO2018018987A1 (zh) | 一种适用于光场相机的标定预处理方法 | |
| CN106709500B (zh) | 一种图像特征匹配的方法 | |
| US20150347804A1 (en) | Method and system for estimating fingerprint pose | |
| CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
| CN106355577A (zh) | 基于特征状态与全局一致性的快速图像匹配方法及系统 | |
| JPH0944666A (ja) | 皮膚紋様並びに指紋紋様の分類装置 | |
| CN111507206B (zh) | 一种基于多尺度局部特征融合的手指静脉识别方法 | |
| CN101114335A (zh) | 全角度快速指纹识别方法 | |
| WO2013075295A1 (zh) | 低分辨率视频的服装识别方法及系统 | |
| CN111126240A (zh) | 一种三通道特征融合人脸识别方法 | |
| CN105160305B (zh) | 一种手指多模态特征融合方法 | |
| CN105160686A (zh) | 一种基于改进sift算子的低空多视角遥感影像匹配方法 | |
| CN112487867B (zh) | 基于增强三角剖分的视觉约束指纹识别方法 | |
| CN107808165B (zh) | 一种基于susan角点检测的红外图像匹配方法 | |
| CN112837263A (zh) | 一种复杂背景下的身份证信息定位方法 | |
| WO2016011640A1 (zh) | 基于手部图像纹理的身份识别方法 | |
| JP3499305B2 (ja) | 顔領域抽出方法及び露光量決定方法 | |
| CN104966295A (zh) | 一种基于线框模型的舰船提取方法 | |
| CN116665258B (zh) | 一种手掌图像指缝分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |