TWI549066B - 指紋影像之紋路增益方法及其系統 - Google Patents

指紋影像之紋路增益方法及其系統 Download PDF

Info

Publication number
TWI549066B
TWI549066B TW104108500A TW104108500A TWI549066B TW I549066 B TWI549066 B TW I549066B TW 104108500 A TW104108500 A TW 104108500A TW 104108500 A TW104108500 A TW 104108500A TW I549066 B TWI549066 B TW I549066B
Authority
TW
Taiwan
Prior art keywords
fingerprint image
wavelet transform
fingerprint
compensation
gain
Prior art date
Application number
TW104108500A
Other languages
English (en)
Other versions
TW201635195A (zh
Inventor
王敬文
Original Assignee
國立高雄應用科技大學
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 國立高雄應用科技大學 filed Critical 國立高雄應用科技大學
Priority to TW104108500A priority Critical patent/TWI549066B/zh
Priority to US14/941,763 priority patent/US9805246B2/en
Application granted granted Critical
Publication of TWI549066B publication Critical patent/TWI549066B/zh
Publication of TW201635195A publication Critical patent/TW201635195A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

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)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Image Input (AREA)

Description

指紋影像之紋路增益方法及其系統
本發明係關於一種指紋影像之紋路增益方法及其系統；特別是關於一種採用奇異值分解〔Singular Value Decomposition，SVD〕及小波轉換〔wavelet transformation〕方式處理指紋影像之紋路增益方法及其系統。
一般而言，依英國指紋專家E.R.Henry的指紋分類方法將指紋分類為右旋蹄狀紋〔right loop〕、左旋蹄狀紋〔left loop〕、篷形弓狀紋〔tented arch〕、弓狀紋〔plain arch或arch〕及渦狀紋〔whorl，即螺旋狀紋〕。另外，將渦流紋〔eddy〕及S狀紋或雙環狀紋〔S-type或twin loop〕亦歸類為渦狀紋。
習用指紋辨識裝置，例如：中華民國專利公開第200641700號之〝全反射式指紋辨識裝置〞發明專利申請案，其揭示一種全反射式指紋辨識裝置，其包括一本體、一光源、一接合體及一感測器。本體具有一按觸區、一第一反射區及透光區。光源所產生之光線經過本體的透光區照射在放置於按觸區上的手指。接合體具有另一第二反射區，且在接合體上設置感測器，而本體及接合體連接處設有光圈，光圈為鍍黑或塗黑之不透光孔狀膜層，讓所經過設定的光線只通過該光圈並過濾其他雜光，成像於感測器上，使該指紋辨識裝置於擷取指紋影像時，以達到高對比及低雜訊之功效。
另一習用指紋影像分類方法及裝置，例如：中 華民國專利公告第354397號之〝指紋像自動分類的方法及系統裝置〞發明專利，其揭示一種指紋像自動分類的方法及系統裝置，係根據指紋中核心點〔core point〕的數目和核心點周圍的指紋線流向〔ridge flow direction〕，將輸入指紋分為八個不同類別。首先針對輸入的原始指紋像進行前處理。根據指紋像中的灰階平均值〔mean〕和變異值〔variance〕分離出指紋像中的背景部份與指紋部份。所有後續的處理步驟則只針對指紋部份進行，這樣可以增進本分類方法的速度。指紋部份被分離出來後，再針對每個指紋區塊，計算此區塊指紋線的平均方向，產生其區塊方向圖〔block directional image〕。然後針對整個指紋像區塊方向圖的分佈得出指紋中核心點的位置。最後利用核心點的數目與核心點周圍的指紋線流向，根據分類規則，將輸入之指紋像分成八大類。
雖然前述專利公開第200641700號申請案及專 利公告第354397號已揭示相關指紋影像辨識技術，但其並未提供如何消除背景雜訊之相關技術。事實上，就指紋影像辨識技術而言，其必然需要消除相當的背景雜訊，否則其影響指紋影像辨識的可靠度。因此，習用指紋影像辨識技術必然存在進一步消除背景雜訊的需求。
另一習用指紋影像增強方法及其系統，例如： 中華民國專利公告第I416432號之〝利用奇異值分解於指紋影像之增強及切割方法及其系統〞發明專利，其亦揭示一種指紋影像增強及切割方法及其系統。該指紋影像之增強及切割方法包含：利用一奇異值分解法分解一原始指紋影像，以獲得一增益指紋影像；將該增益指紋影像進行能量轉換，以獲得一能量分佈圖；及利用該能量分佈圖尋找指紋輪廓，以獲得數個標界，其圍繞形成一切割多邊形。 該指紋影像之增強及切割系統包含一輸入單元、一演算單元及一輸出單元。該輸入單元用以輸入該原始指紋影像，該演算單元用以產生該標界及切割多邊形，而輸出單元用以依該切割多邊形輸出該切割指紋邊界影像。
然而，前述專利公告第I416432號之指紋影像之增強及切割方法僅利用奇異值分解法分解原始指紋影像，以獲得增益指紋影像；再將該增益指紋影像進行能量轉換，以獲得能量分佈圖；再利用該能量分佈圖尋找指紋輪廓，以獲得數個標界，由該標界圍繞形成切割多邊形。顯然，前述專利公告第I416432號之指紋影像之增強方法仍需進一步改良，以提升指紋影像之品質。
前述中華民國專利公開第200641700號申請案、中華民國專利公告第354397號及公告第I416432號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，本發明為了滿足上述需求，其提供一種指紋影像之紋路增益方法及其系統，其在一高斯模板上將一原始指紋影像以一奇異值分解法及一2D離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像，並依該分解次能帶指紋影像對應計算數個小波轉換補償係數，且將該分解次能帶指紋影像以該小波轉換補償係數進行補償處理，以改善習用指紋影像之紋路增益技術。
本發明較佳實施例之主要目的係提供一種指紋影像之紋路增益方法及其系統，其在一高斯模板上將一原始指紋影像以一奇異值分解法及一2D離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像，並依該分解次能帶指紋影像對應計算數個小波轉換補償係數，且將該分解次能帶指紋影像以該小波轉換補償係數進行補 償，以達成提升指紋影像之紋路品質之目的。
為了達成上述目的，本發明較佳實施例之指紋影像之紋路增益方法包含：在一預定模板上將一原始指紋影像以一奇異值分解法及一離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像；依該分解次能帶指紋影像對應計算數個小波轉換補償係數；將該分解次能帶指紋影像以該小波轉換補償係數進行補償，以獲得數個補償分解次能帶指紋影像；及將該補償分解次能帶指紋影像以一離散小波反轉換法進行重組，以獲得一增益指紋影像。
本發明較佳實施例之該離散小波轉換法為2D離散小波轉換法。
本發明較佳實施例之該小波轉換補償係數為小波轉換補償權值係數，且該小波轉換補償權值係數以最高均質比例進行計算。
本發明較佳實施例之該小波轉換補償係數選擇為正小波轉換補償係數。
本發明較佳實施例之該補償分解次能帶指紋影像以一2D離散小波反轉換法進行重組。
為了達成上述目的，本發明較佳實施例之指紋影像之紋路增益系統包含：一輸入單元，其用以輸入一原始指紋影像；一演算單元，其在一預定模板上將該原始指紋影像以一奇異值分解法及一離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像，並依該分解次能帶指紋影像對應計算數個小波轉換補償係數，且將該分解次能帶指紋影像以該小波轉換補償係數進行補償，以獲得數 個補償分解次能帶指紋影像，再將該補償分解次能帶指紋影像以一離散小波反轉換法進行重組；及一輸出單元，其用以在進行重組完成後輸出一增益指紋影像。
本發明較佳實施例之該離散小波轉換法為2D離散小波轉換法。
本發明較佳實施例之該小波轉換補償係數為小波轉換補償權值係數，且該小波轉換補償權值係數以最高均質比例進行計算。
本發明較佳實施例之該小波轉換補償係數選擇為正小波轉換補償係數。
本發明較佳實施例之該補償分解次能帶指紋影像以一2D離散小波反轉換法進行重組。
S1‧‧‧步驟
S2‧‧‧步驟
S3‧‧‧步驟
S4‧‧‧步驟
第1圖：本發明較佳實施例之指紋影像之紋路增益方法之流程示意圖。
第2圖：本發明較佳實施例之指紋影像之紋路增益系統之方塊示意圖。
第3(a)至3(d)圖：本發明較佳實施例之指紋影像之紋路增益方法在處理前原始指紋影像及處理後產生一系列指紋影像之影像示意圖。
第4(a)及4(b)圖：本發明較佳實施例之指紋影像之紋路增益方法及其系統在處理前之原始指紋影像及處理後產生指紋影像之紋路資訊分佈之示意圖。
第5(a)至5(d)圖：本發明較佳實施例之指紋影像之紋路增益方法與其它各種處理方法在處理前原始指紋影像及處理結果指紋影像系列之影像比較示意圖。
為了充分瞭解本發明，於下文將舉例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。
一般而言，本發明較佳實施例之指紋影像之紋路增益方法及其系統適用於各種指紋辨識裝置及其相關應用設備，例如：各類型電腦系統、保全系統、刑案指紋採集、分類及辨識系統或指紋相關應用預測系統〔例如：利用指紋類型及血型之星座預測系統〕，但其並非用以限定本發明之範圍。
第1圖揭示本發明較佳實施例之指紋影像之紋路增益方法之流程示意圖，其方法包含四步驟；第2圖揭示本發明較佳實施例之指紋影像之紋路增益系統之方塊示意圖，其對應於第1圖。請參照第1及2圖所示，舉例而言，本發明較佳實施例之指紋影像之紋路增益系統包含一輸入單元、一演算單元及一輸出單元，且該輸入單元、演算單元及輸出單元可選擇適當配置於一指紋影像處理裝置或其它裝置。
請參照第1及2圖所示，本發明較佳實施例之指紋影像之紋路增益方法包含步驟S1：首先，在一預定模板上將一原始指紋影像以一奇異值分解法及一離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像，例如：四個分解次能帶指紋影像。舉例而言，該預定模板選自一高斯模板〔Gaussian template〕，且該離散小波轉換法為2D離散小波轉換法。
第3(a)至3(d)圖揭示本發明較佳實施例之指紋影像之紋路增益方法在處理前原始指紋影像及處理產生一系列指紋影像之影像示意圖。第3(a)圖揭示未進行紋路增益處理前的該原始指紋影像，而第3(b)圖揭示在以奇異值分解及2D離散小波轉換處理該原始指紋影像後，且獲得四個分解次能帶指紋影像，如第3(b)圖之四塊區域影像所 示。
本發明較佳實施例之指紋影像之紋路增益方法採用奇異值分解之M×N矩陣A(M N)為A=UΣV T
其中U=[u 1,u 2,..,u m ]及V=[v 1,v 2,...,v n ]皆為正交矩陣〔orthogonal matrix〕，Σ=[D,O]在對角線上包含奇異值；D=diag(λ 1,λ 2,...,λ k )其在非遞增〔non-increasing〕序列中具有奇異值λ i,i=1,...,k ，O為N×(M-N)零矩陣；矩陣Σ為表示指紋影像之強度訊息〔intensity information〕。
將M×N原始指紋影像f於高斯模板Ga以2D離散小波轉換法進行分解轉換，於第1階〔first level〕獲得四個分解次能帶〔subband〕指紋影像，其中LL、HL、LH、HH為2D矩陣次能帶區。將M×N矩陣A分解為A=[a m,n ]
其中A {LL,HL,LH,HH}為四個分解次能帶區，a {ll,hl,lh,hh}為次能帶小波係數，m=0,1,...,M/2-1；n=0,1,2,...,N/2-1為小波係數值。
請參照第1及2圖所示，舉例而言，本發明較佳實施例之指紋影像之紋路增益方法包含步驟S2：接著，依該分解次能帶指紋影像對應計算數個小波轉換補償係數。本發明較佳實施例之指紋影像之紋路增益方法先採用計算每個次能帶之正係數〔positive coefficients〕之預定補償均值〔pre-compensation mean〕，並採用最大均值為參考值，其餘三個次能帶之補償權重係數〔compensation weighting coefficients〕依其與最大均值之比例以自適性〔adaptively〕進行推導。每個次能帶之正補償權重係數之計算式為
其最大值μ A 之計算式為
為了增益指紋影像，每個次能帶係數矩陣之奇異值需進行檢視，且該奇異值包含指紋影像之多數前景〔foreground〕及強度訊息。指紋影像及高斯模板之每個次能帶係數矩陣之奇異值分解為
請參照第1、2及3(c)圖所示，舉例而言，本發明較佳實施例之指紋影像之紋路增益方法包含步驟S3：接著，將該分解次能帶指紋影像以該小波轉換補償係數進行補償，以獲得數個補償分解次能帶指紋影像，例如：四個補償分解次能帶指紋影像，如第3(c)圖之四塊區域影像所示。每個次能帶之補償權重係數之計算式為
本發明較佳實施例之指紋影像之紋路增益方法之指紋影像對比〔反差〕之調整採用每個次能帶之補償權重係數矩陣之奇異值矩陣乘上相對應的補償係數，其計算式為
請參照第1、2及3(d)圖所示，舉例而言，本發明較佳實施例之指紋影像之紋路增益方法包含步驟S4： 接著，將該補償分解次能帶指紋影像以一離散小波反轉換法進行重組，以獲得一增益指紋影像，如第3(d)圖所示。
第4(a)及4(b)圖揭示本發明較佳實施例之指紋 影像之紋路增益方法及其系統在處理前之原始指紋影像及處理後產生指紋影像之紋路資訊分佈之示意圖，其分別對應於第3(a)及3(d)圖。請參照第3(a)及4(a)圖所示，本發明較佳實施例之指紋影像之紋路增益方法及其系統在處理前之原始指紋影像〔如第3(a)圖所示〕對應於在處理前其指紋影像之紋路資訊分佈〔如第4(a)圖所示〕，其中該紋路資訊分佈曲線顯示兩個波峰〔peak〕分別分佈於兩側，且該紋路資訊包含背景資訊及模糊區塊〔blur region〕資訊。
請參照第3(d)及4(b)圖所示，相對的，本發明 較佳實施例之指紋影像之紋路增益方法及其系統在處理後產生指紋影像〔如第3(d)圖所示〕對應於在處理後其指紋影像之紋路資訊分佈〔如第4(b)圖所示〕，其中該紋路資訊顯示其分佈曲線分佈正常，而集中於其波峰，且該紋路資訊已去除背景資訊及模糊區塊資訊。
第5(a)至5(d)圖揭示本發明較佳實施例之指紋 影像之紋路增益方法與其它各種處理方法在處理前原始指紋影像及處理結果指紋影像系列之影像比較示意圖。請參照第5(a)圖所示，五個未處理的原始指紋影像〔由上往下排列的指紋影像〕的前四個原始指紋影像為選自FVC2002指紋資料庫的FVC2002 DB1-A、FVC2002 DB2-A、FVC2002 DB3-A、FVC2002 DB4-A指紋影像及最後一個原始指紋影像為選自NIST-4指紋資料庫的指紋影像。
請參照第5(a)、5(b)及5(c)圖所示，將五個未 處理的原始指紋影像〔如第5(a)圖所示〕以HE〔Histogram Equalization〕方法及Bennet & Perumal方法進行增益處理後指紋影像〔如第5(b)及5(c)圖所示〕。請 參照5(d)圖所示，相對的，本發明較佳實施例之指紋影像之紋路增益方法及其系統在處理後產生指紋影像，其指紋影像品質優於以HE方法及Bennet & Perumal方法進行增益處理後指紋影像〔如第5(b)及5(c)圖所示〕。
本發明較佳實施例之指紋影像之紋路增益方 法及其系統結合李〔Li〕等人分類方法或發明人前申請美國專利第8520910號或中華民國專利公開第201015450號之〝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〞對FVC2002指紋資料庫的FVC2002 DB1-A、FVC2002 DB2-A指紋資料及NIST-4指紋資料庫的指紋資料共計2000筆資料進行辨識分類，以便進行比較說明本發明之功效。
在辨識分類上採用分類方式為：將右旋蹄狀紋 R、左旋蹄狀紋L、篷形弓狀紋T、弓狀紋A、渦狀紋W、渦流紋E及S狀紋S〔或雙環狀紋〕共為7個類〔class〕；將右旋蹄狀紋R、左旋蹄狀紋L、篷形弓狀紋T、弓狀紋A、渦狀紋W及將渦流紋E與S狀紋S合併為單一類共為6個類；將右旋蹄狀紋R、左旋蹄狀紋L、篷形弓狀紋T、弓狀紋A及將渦狀紋W、渦流紋E及S狀紋S合併為單一類共為5個類；將右旋蹄狀紋R、左旋蹄狀紋L、將篷形弓狀紋T及弓狀紋A合併為單一類及將渦狀紋W、渦流紋E及S狀紋S合併為單一類共為4個類。
首先，李等〔Li et al.〕分類方法與美國專利第 8520910號或中華民國專利公開第201015450號之指紋分類方法及其系統〔以下簡稱王〔Wang et al.〕等方法〕以前1000筆資料先進行辨識分類訓練，再以其餘後1000筆資料進行辨識分類，如表1所示。
表1：指紋影像辨識分類準確率
上述實驗數據為在特定條件之下所獲得的初步實驗結果，其僅用以易於瞭解或參考本發明之技術內容而已，其尚需進行其他相關實驗。該實驗數據及其結果並非用以限制本發明之權利範圍。
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。本案著作權限制使用於中華民國專利申請用途。
S1‧‧‧步驟
S2‧‧‧步驟
S3‧‧‧步驟
S4‧‧‧步驟

Claims (10)

  1. 一種指紋影像之紋路增益方法，其包含：在一預定模板上將一原始指紋影像以一奇異值分解法及一離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像；依該分解次能帶指紋影像對應計算數個小波轉換補償係數；將該分解次能帶指紋影像以該小波轉換補償係數進行補償，以獲得數個補償分解次能帶指紋影像；及將該補償分解次能帶指紋影像以一離散小波反轉換法進行重組，以獲得一增益指紋影像。
  2. 依申請專利範圍第1項所述之指紋影像之紋路增益方法，其中該離散小波轉換法為2D離散小波轉換法。
  3. 依申請專利範圍第1項所述之指紋影像之紋路增益方法，其中該小波轉換補償係數為小波轉換補償權值係數，且該小波轉換補償權值係數以最高均質比例進行計算。
  4. 依申請專利範圍第1項所述之指紋影像之紋路增益方法，其中該小波轉換補償係數選擇為正小波轉換補償係數。
  5. 依申請專利範圍第1項所述之指紋影像之紋路增益方法，其中該補償分解次能帶指紋影像以一2D離散小波反轉換法進行重組。
  6. 一種指紋影像之紋路增益系統，其包含：一輸入單元，其用以輸入一原始指紋影像；一演算單元，其在一預定模板上將該原始指紋影像以一奇異值分解法及一離散小波轉換法進行混合分解，以獲得數個分解次能帶指紋影像，並依該分解次能帶指紋影像對應計算數個小波轉換補償係數，且將該分解次能帶指紋影像以該小波轉換補償係數進行補償，以獲得數個補償分解次能帶指紋影像，再將該補償分解次能帶指紋影像以一離散小波反轉換法進行重組；及 一輸出單元，其用以在進行重組完成後輸出一增益指紋影像。
  7. 依申請專利範圍第6項所述之指紋影像之紋路增益系統，其中該離散小波轉換法為2D離散小波轉換法。
  8. 依申請專利範圍第6項所述之指紋影像之紋路增益系統，其中該小波轉換補償係數為小波轉換補償權值係數，且該小波轉換補償權值係數以最高均質比例進行計算。
  9. 依申請專利範圍第6項所述之指紋影像之紋路增益系統，其中該小波轉換補償係數選擇為正小波轉換補償係數。
  10. 依申請專利範圍第6項所述之指紋影像之紋路增益系統，其中該補償分解次能帶指紋影像以一2D離散小波反轉換法進行重組。
TW104108500A 2015-03-17 2015-03-17 指紋影像之紋路增益方法及其系統 TWI549066B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW104108500A TWI549066B (zh) 2015-03-17 2015-03-17 指紋影像之紋路增益方法及其系統
US14/941,763 US9805246B2 (en) 2015-03-17 2015-11-16 Method and system for enhancing ridges of fingerprint images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104108500A TWI549066B (zh) 2015-03-17 2015-03-17 指紋影像之紋路增益方法及其系統

Publications (2)

Publication Number Publication Date
TWI549066B true TWI549066B (zh) 2016-09-11
TW201635195A TW201635195A (zh) 2016-10-01

Family

ID=56924133

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104108500A TWI549066B (zh) 2015-03-17 2015-03-17 指紋影像之紋路增益方法及其系統

Country Status (2)

Country Link
US (1) US9805246B2 (zh)
TW (1) TWI549066B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI679583B (zh) * 2017-10-20 2019-12-11 映智科技股份有限公司 提高影像品質的指紋偵測裝置及其方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI650712B (zh) * 2017-09-30 2019-02-11 北京集創北方科技股份有限公司 指紋擷取方法及指紋擷取模組
CN108447033B (zh) * 2018-03-12 2022-03-18 浙江大学 奇异值分解和天牛须寻优算法的灰度图像自适应增强方法
TWI668637B (zh) 2018-06-29 2019-08-11 金佶科技股份有限公司 指紋感測裝置以及指紋感測方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1304114A (zh) * 1999-12-13 2001-07-18 中国科学院自动化研究所 基于多生物特征的身份鉴定融合方法
US7903868B2 (en) * 2006-07-24 2011-03-08 Samsung Electronics Co. Ltd. Video fingerprinting apparatus in frequency domain and method using the same
TW201211939A (en) * 2010-09-08 2012-03-16 Univ Nat Kaohsiung Applied Sci Method of using singular value decompostion for enhancing and segmenting fingerprint images and a system thereof
TW201324375A (zh) * 2011-12-09 2013-06-16 Univ Nat Kaohsiung Applied Sci 模糊指紋影像重建方法
TWI419057B (zh) * 2010-09-08 2013-12-11 Univ Nat Kaohsiung Applied Sci 指紋模糊影像偵測方法及其系統
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

Family Cites Families (9)

* Cited by examiner, † Cited by third party
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
US7260261B2 (en) * 2003-02-20 2007-08-21 Microsoft Corporation Systems and methods for enhanced image adaptation
US20060104484A1 (en) * 2004-11-16 2006-05-18 Bolle Rudolf M Fingerprint biometric machine representations based on triangles
TWI267790B (en) 2005-05-27 2006-12-01 Chuan Liang Ind Co Ltd Total reflection fingerprint authentication device
KR100693371B1 (ko) * 2005-11-15 2007-03-09 한국전자통신연구원 웨이블릿 기반의 다중 비트 핑거프린트 삽입 및 추출 방법
US8232866B2 (en) * 2006-04-05 2012-07-31 California Institute Of Technology Systems and methods for remote long standoff biometric identification using microwave cardiac signals
CN103336941A (zh) * 2006-07-19 2013-10-02 光谱辨识公司 多重生物测定多谱成像器
US8942430B2 (en) * 2010-07-19 2015-01-27 The University Of Maryland, College Park Method and apparatus for authenticating area biometric scanners
US9111125B2 (en) * 2013-02-08 2015-08-18 Apple Inc. Fingerprint imaging and quality characterization

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1304114A (zh) * 1999-12-13 2001-07-18 中国科学院自动化研究所 基于多生物特征的身份鉴定融合方法
US7903868B2 (en) * 2006-07-24 2011-03-08 Samsung Electronics Co. Ltd. Video fingerprinting apparatus in frequency domain and method using the same
TW201211939A (en) * 2010-09-08 2012-03-16 Univ Nat Kaohsiung Applied Sci Method of using singular value decompostion for enhancing and segmenting fingerprint images and a system thereof
TWI419057B (zh) * 2010-09-08 2013-12-11 Univ Nat Kaohsiung Applied Sci 指紋模糊影像偵測方法及其系統
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
TW201324375A (zh) * 2011-12-09 2013-06-16 Univ Nat Kaohsiung Applied Sci 模糊指紋影像重建方法
TWI460667B (zh) * 2011-12-09 2014-11-11 Univ Nat Kaohsiung Applied Sci 模糊指紋影像重建方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI679583B (zh) * 2017-10-20 2019-12-11 映智科技股份有限公司 提高影像品質的指紋偵測裝置及其方法

Also Published As

Publication number Publication date
US20160275652A1 (en) 2016-09-22
TW201635195A (zh) 2016-10-01
US9805246B2 (en) 2017-10-31

Similar Documents

Publication Publication Date Title
Li et al. Multi-step cascaded networks for brain tumor segmentation
US10839510B2 (en) Methods and systems for human tissue analysis using shearlet transforms
Sutthiwichaiporn et al. Adaptive boosted spectral filtering for progressive fingerprint enhancement
TWI549066B (zh) 指紋影像之紋路增益方法及其系統
Gao et al. A deep learning based approach to classification of CT brain images
WO2013099772A1 (ja) 細胞輪郭線形成装置及びその方法、コンピュータにより処理可能な細胞輪郭線形成プログラムを記憶する記憶媒体
Liu et al. A medical image enhancement method using adaptive thresholding in NSCT domain combined unsharp masking
CN104504721A (zh) 一种基于Gabor小波变换纹理描述的非结构化道路检测方法
Somasundaram Machine learning approach for homolog chromosome classification
Yuan et al. Illumination normalization based on homomorphic wavelet filtering for face recognition
Vizilter et al. Shape-based image matching using heat kernels and diffusion maps
Kaur et al. Skin lesion segmentation using an improved framework of encoder‐decoder based convolutional neural network
Gupta et al. An MRI brain disease classification system using PDFB-CT and GLCM with kernel-SVM for medical decision support
Bhattacharjee et al. Brain tumor detection from MR images: Image processing, slicing and PCA based reconstruction
Pallavi et al. A novel approach for generating composite sketches from mugshot photographs
Tuba et al. Image denoising by discrete wavelet transform with edge preservation
Li et al. Breast cancer X-ray image staging: based on efficient net with multi-scale fusion and cbam attention
TWI460667B (zh) 模糊指紋影像重建方法
CN116128799A (zh) 一种基于高光谱图像的肿瘤切缘识别系统
TWI419057B (zh) 指紋模糊影像偵測方法及其系統
TWI416432B (zh) 利用奇異值分解於指紋影像之增強及切割方法及其系統
Akshata et al. A comparative study between contourlet and wavelet transform for medical image registration and fusion
Hariprasath et al. Bimodal biometric pattern recognition system based on fusion of iris and palmprint using multi-resolution approach
Sreelatha et al. Image texture based hybrid diagnostic tool for kidney disease classification
Chinnasamy et al. Recent Advances in Selection Techniques for Image Processing

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees