TWI559235B - 紋線距離的計算方法和裝置 - Google Patents

紋線距離的計算方法和裝置 Download PDF

Info

Publication number
TWI559235B
TWI559235B TW104129616A TW104129616A TWI559235B TW I559235 B TWI559235 B TW I559235B TW 104129616 A TW104129616 A TW 104129616A TW 104129616 A TW104129616 A TW 104129616A TW I559235 B TWI559235 B TW I559235B
Authority
TW
Taiwan
Prior art keywords
pixel value
pixel
boundary point
value
point
Prior art date
Application number
TW104129616A
Other languages
English (en)
Other versions
TW201629850A (zh
Inventor
鄭利
徐坤平
楊雲
Original Assignee
比亞迪股份有限公司
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 比亞迪股份有限公司 filed Critical 比亞迪股份有限公司
Publication of TW201629850A publication Critical patent/TW201629850A/zh
Application granted granted Critical
Publication of TWI559235B publication Critical patent/TWI559235B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V40/13—Sensors therefor
    • G06V40/1318—Sensors therefor using electro-optical elements or layers, e.g. electroluminescent sensing
    • 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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

紋線距離的計算方法和裝置
本發明涉及圖像處理技術領域，尤其涉及一種紋線距離的計算方法和裝置。
隨著社會的發展，人們對身份認證的準確性、安全性與實用性提出了更高的要求。傳統的身份認證方式如密碼、鑰匙、身份證等，存在容易忘記、洩露、丟失、偽造等問題，給生活帶來不便和安全問題。基於生物識別技術的身份認證，可以克服傳統身份認證的許多缺點，目前已經成為安全技術研究的熱點。在各種基於生物特徵的身份認證方法中，指紋識別技術是應用最早、最廣泛的一種。其具有高穩定性、獨特性、易採集、安全性高等特點，因此，指紋是一種較理想的可用於身份認證的生物特徵，指紋識別的市場份額也逐年攀升。由於指紋圖像屬於個人隱私，指紋識別系統一般並不直接儲存指紋的圖像，而是通過演算法從指紋圖像中提取指紋的特徵資訊，再進行指紋匹配識別，完成身份認證。因此，高可靠性的指紋識別演算法是保證正確辨識指紋的關鍵。
其中，紋線距離的定義為：給定脊線和相鄰谷線的距離。一般情況下，通過計算脊線中心到谷線中心的長度作為紋線距離。紋線距離越大，表 明該處紋線越稀疏；反之，紋線距離越小，表明該處紋線越密集。紋線距離的大小決定於指紋本身的結構和圖像採集的解析度。
相關技術中關於指紋紋線距離的演算法大致可以分為兩類：第一類是基於整幅圖像的指紋紋線距離估計，理想地認為一幅指紋圖像紋線距離分佈是正態的，但在實際指紋庫中，同一枚指紋紋線距離會出現二倍的差異，故紋線距離不可以基於整幅圖像計算；第二類是基於圖像區域的局部紋線距離估計，需要準確地找到頻譜的峰值點，這在演算法上是很難做到的，求出的紋線距離會不準確。
例如，在相關技術中的第二類演算法中，在指紋圖像垂直紋線方向上，像素灰階值呈現離散正弦波形的特徵，如附第1圖所示，兩條脊線之間的距離可以表示為正弦波形中波峰與波峰之間的距離。該演算法具體為：(1)對每個中心點在(i,j)的區塊(第1圖中虛線矩形區塊)，開一個新的視窗(如第1圖中實線矩形框所示)，大小為w×l(例如，取16×32)。視窗長度方向與該區塊的脊線方向垂直。在新開的視窗中計算與區塊方向正交的軸上脊和谷的投影波形 Z[0]、Z[1]、…、Z[1-1]，其中，、 、，d是點(u,v)距離中心 點的距離，θ是根據方向場求取演算法得到的區塊紋線方向。I(u,v)是歸一化後(u,v)處的像素值；(2)從求得的Z[0]、Z[1]、…、Z[1-1]中尋找投影波形的波峰，並計算波峰之間的平均距離D，即為區塊的脊線平均距離。通常，這個距離的大小在[3,25]內，對超出此變化範圍的區塊，將其脊距標為-1；(3)搜索所有的脊距為-1的區塊。取該區塊鄰近8個區塊的脊距進行平均，將該值作為當前區塊的 新值，並用7*7的高斯低通濾波器做最後的平滑。但是，感測器實際採集的指紋圖像，會含有雜訊，雜訊資訊主要來自感測器本身以及手指有水、油、脫皮等實際情況，導致正弦曲線極值情況比較複雜，如：不能有單一峰值，實際上不能準確找到這個極值點。測試情況為：同一枚指紋用相同力度按壓，採集到的指紋圖片，指紋同一位置用此方法求得的紋線距離有較大差異。對於指紋灰階圖像本身來說，指紋上的脊線、谷線沿著其垂直於紋線方向的分佈並不是理想的正弦波形，也沒有尖峰的突出峰值，因此，基於灰階的紋線距離演算法只能適應清晰均勻的指紋圖像。
本發明旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發明的一個目的在於提出一種紋線距離的計算方法，該方法通過尋找指紋脊線和谷線的邊界點，並根據邊界點的座標和子像素值計算紋線距離，提高了準確度，且抗雜訊能力強，更準確的反映了指紋全域疏密特徵，適用範圍更廣。
本發明的第二個目的在於提出一種紋線距離的計算裝置。
為了實現上述目的，本發明第一方面實施例的紋線距離的計算方法，包括以下步驟：獲取原始圖像並進行灰階處理以生成灰階圖像；根據該灰階圖像生成法線圖和切線圖；根據該切線圖對該灰階圖像進行濾波以生成平滑圖像，並將該平滑圖像轉換為二元圖像；對該二元圖像進行分塊，並根據該法線圖確定每個分塊的中心點的法線方向；在該每個分塊內對該分塊的中心點的法線方向上的像素進行遍歷，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，該像素值為 第一像素值的點為脊線所在的像素點，該像素值為第二像素值的點為谷線所在的像素點；以及根據該像素值為第一像素值和像素值為第二像素值之間的變化次數和該變化時對應邊界點的座標和子像素值生成紋線距離。
根據本發明實施例的紋線距離的計算方法，通過尋找指紋脊線和谷線的邊界點，並根據邊界點的座標和子像素值計算紋線距離，使得紋線距離更加準確，更接近指紋真實特徵，從而更準確的反映了指紋全域疏密特徵，且該方法的抗雜訊能力強，適用範圍更廣。
為了實現上述目的，本發明第二方面實施例的紋線距離的計算裝置，包括：灰階處理模組，用於獲取原始圖像並進行灰階處理以生成灰階圖像；生成模組，用於根據該灰階圖像生成法線圖和切線圖；平滑處理模組，用於根據該切線圖對該灰階圖像進行濾波以生成平滑圖像，並將該平滑圖像轉換為二元圖像；分塊處理模組，用於對該二元圖像進行分塊，並根據該法線圖確定每個分塊的中心點的法線方向；子像素計算模組，用於在該每個分塊內對該分塊的中心點的法線方向上的像素進行遍歷，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，該像素值為第一像素值的點為脊線所在的像素點，該像素值為第二像素值的點為谷線所在的像素點；以及紋線距離生成模組，用於根據該像素值為第一像素值和像素值為第二像素值之間的變化次數和該變化時對應邊界點的座標和子像素值生成紋線距離。
根據本發明實施例的紋線距離的計算裝置，通過尋找指紋脊線和谷線的邊界點，並根據邊界點的座標和子像素值計算紋線距離，使得紋線距離更加準確，更接近指紋真實特徵，從而更準確的反映了指紋全域疏密特徵，而且抗雜訊能力強，適用範圍更廣。
100‧‧‧灰階處理模組
200‧‧‧生成模組
300‧‧‧平滑處理模組
400‧‧‧分塊處理模組
500‧‧‧子像素計算模組
600‧‧‧紋線距離生成模組
第1圖是相關技術中紋線局部區域正弦分佈特性的示意圖；第2圖是根據本發明一個實施例的紋線距離的計算方法的流程圖；第3圖是根據本發明一個實施例的像素值由0變為1的邊界點位置以及變化次數的示意圖；第4圖是根據本發明一個實施例的計算邊界點的子像素值的流程圖；第5A圖至第5C圖是根據本發明一個實施例的沿著水平方向計算子像素值的示意圖；第6A圖至第6C圖是根據本發明一個實施例的沿著非垂直或者水平方向計算子像素值的示意圖；第7A圖是根據本發明一個實施例的灰階圖像的示意圖；第7B圖是根據本發明一個實施例的切線圖的示意圖；第7C圖是根據本發明一個實施例的平滑圖像的示意圖；第7D圖是根據本發明一個實施例的二元圖像的示意圖；第7E圖是根據本發明一個實施例的對最終每點紋線距離的資料進行Gabor濾波後的結果示意圖；以及第8圖是根據本發明一個實施例的紋線距離的計算裝置的結構示意圖。
下面詳細描述本發明的實施例,該實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用於解釋本發明，而不能理解為對本發明的限制。
為了解決相關技術中紋線距離演算法存在的求得的紋線距離不準確、演算法適用範圍較窄等問題，本發明提出了一種紋線距離的計算方法和裝置。下面參考附圖描述本發明實施例的紋線距離的計算方法和裝置。
第2圖是根據本發明一個實施例的紋線距離的計算方法的流程圖。如第2圖所示，本發明實施例的紋線距離的計算方法，包括以下步驟：
S1，獲取原始圖像並進行灰階處理以生成灰階圖像。
具體地，對原始圖像並進行灰階處理，生成灰階圖像A(i,j)。
S2，根據灰階圖像生成法線圖和切線圖。
具體地，對灰階圖像A(i,j)由梯度法可求出法線圖O1(i,j)和切線圖O2(i,j)。
S3，根據切線圖對灰階圖像進行濾波以生成平滑圖像，並將平滑圖像轉換為二元圖像。
在本發明的一個實施例中，根據切線圖對灰階圖像進行濾波以生成平滑圖像具體包括：根據切線圖灰階圖像進行1*7均值濾波以生成平滑圖像。
具體地，利用切線圖O2(i,j)對灰階圖像A(i,j)進行1*7均值濾波去毛刺，得到平滑圖像B(i,j)，然後對平滑圖像B(i,j)，利用差分二元化將平滑圖像B(i,j)轉變成二元圖像D(i,j)。
S4，對二元圖像進行分塊，並根據法線圖確定每個分塊的中心點的法線方向。
具體地，把二元圖像D(i,j)分成N*N(例如，N取33)大小的區塊，其中，區塊是逐點滑動的，所以，區塊跟區塊之間是有重疊的。
進一步地，在法線圖O1(i,j)中讀取每個分塊的中心點的法線方向。
S5，在每個分塊內對分塊的中心點的法線方向上的像素進行遍歷，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，該像素值為第一像素值的點為脊線所在的像素點，該像素值為第二像素值的點為谷線所在的像素點。
在本發明的一個實施例中，第一像素值為0，第二像素值為1。下文均以此為例進行說明。
具體地，對於二元圖像D(i,j)的每個分塊，在分塊內，對分塊中心點的法線方向上的像素進行遍歷，計算像素值由0變為1和由1變為0的變化次數以及變化時的像素座標(即邊界點的座標)，如第3圖所示，條紋區域表示脊線，像素值為0，空白區域是谷線，像素值是1，箭頭所指位置是由0變為1的位置，也就是邊界點的位置，示意第3圖中由0到1變化的次數為3次。其中，當像素值由0變為1時，我們可以將邊界點的座標統一記為像素值為0的像素的座標，也可以統一記為像素值為1的像素的座標。
在本發明的一個實施例中，如第4圖所示，通過以下步驟生成邊界點的子像素值：
S51，沿著預設方向獲取與變化時對應邊界點相鄰的兩個像素點的像素值。
S52，根據兩個像素點的像素值生成邊界點的子像素值。
具體地，在遍歷的同時計算子像素邊界，分兩種情況計算，一種是沿著傾斜方向計算邊界點的子像素，另一種是沿著垂直或者水平方向計算。下面分別就這兩種情況進行說明。
在本發明的一個實施例中，當分塊的中心點的法線方向對應的法線角度等於0度或90度時，預設方向為垂直或水平方向，如果與邊界點相鄰的兩個像素點的像素值均與邊界點的像素值相同，則邊界點的子像素值為0；如果與 邊界點相鄰的兩個像素點的像素值中只有一個與邊界點的像素值相同，則邊界點的子像素值為0.5；如果與邊界點相鄰的兩個像素點的像素值均不與邊界點的像素值相同，則邊界點的子像素值為1。
具體地，如第5A圖至第5C圖所示為沿著水平方向(如第5A圖中的y軸方向)計算子像素取值的示意圖，其中，在本發明中，以指紋圖像(如第7A圖灰階圖)的左上角為原點，指紋圖像的垂直邊界和水平邊界分別為x軸和y軸建立坐標系，則該分塊的中心點的法線方向對應的法線角度為分塊的中心點的法線方向與x軸的夾角，圖中直條紋填充區塊代表邊界點，白色填充區塊代表谷線上的點、黑色填充區塊代表脊線上的點。在計算邊界點的子像素值時，利用邊界點兩側的兩個像素點的像素值進行判斷，若都與邊界點的像素值相同，則δ值(邊界點的子像素)為0；若有一個與邊界點的像素值相同，δ取值為1/2；若都不與邊界點的像素值相同時，δ取值為1。例如，第5A圖中與邊界點相鄰的兩個像素點均為白色填充區塊，第5B圖中與邊界點相鄰的兩個像素點分別為黑色和白色填充區塊，第5C圖中與邊界點相鄰的兩個像素點均為黑色填充區塊。
在本發明的另一個實施例中，當分塊的中心點的法線方向對應的法線角度不等於0度或90度時，預設方向為非垂直或水平方向(即傾斜方向)，如果與邊界點相鄰的兩個像素點的像素值均與邊界點的像素值相同，則邊界點的子像素值為0；如果與邊界點相鄰的兩個像素點的像素值中只有一個與邊界點的像素值相同，則邊界點的子像素值為0.25；如果與邊界點相鄰的兩個像素點的像素值均不與邊界點的像素值相同，則邊界點的子像素值為0.5。
具體地，如第6A圖至第6C圖所示為沿著非垂直或者水平方向(即傾斜方向，如第6A圖中所示)計算子像素取值的示意圖，其中，圖中直條紋填充區塊代表邊界點，白色填充區塊代表谷線上的點、黑色填充區塊代表脊線上的點。在計算邊界點的子像素值時，利用其他兩個相鄰像素點的像素值進行判 斷，若兩個點的像素值都與邊界點的像素值相同，則δ值為0；有一個像素點的像素值與邊界點的像素值相同，δ值為1/4；若相鄰兩個像素點的像素值都不與邊界點的像素值相同，δ值為1/2。例如，第6A圖中與邊界點相鄰的兩個像素點均為白色填充區塊，第6B圖中與邊界點相鄰的兩個像素點分別為黑色和白色填充區塊，第6C圖中與邊界點相鄰的兩個像素點均為黑色填充區塊。
S6，根據像素值為第一像素值和像素值為第二像素值之間的變化次數和變化時對應邊界點的座標和子像素值生成紋線距離。
在本發明的一個實施例中，通過以下公式生成紋線距離：
其中，num1和num2為像素值為第一像素值和像素值為第二像素值之間的變化次數，num1為由像素值為1變化為像素值為第一像素值的次數，num2為由像素值為第一像素值變化為像素值為第二像素值的次數，X1和Xnum1分別為每個分塊內沿法線方向第1次出現由像素值為第二像素值變化為像素值為第一像素值時和第num1次出現由像素值為第二像素值變化為像素值為第一像素值時對應的邊界點的橫坐標值，Y1和Ynum2分別為每個分塊內沿法線方向第1次出現由像素值為第一像素值變化為像素值為第二像素值時和第num2次出現由像素值為第一像素值變化為像素值為第二像素值時對應的邊界點的橫坐標值，θ為每 個分塊的中心點的法線角度，取值範圍是0到π，δi為邊界點的子像素值，D1(i,j)和D2(i,j)分別為由像素值為第二像素值變化為像素值為第一像素值和由像素值為第一像素值變化為像素值為第二像素值對應計算出的距離，D(i,j)為每個分塊的中心點的紋線距離。
在本發明的一個實施例中，還包括：根據像素值為第一像素值和像素值為第二像素值之間的變化次數獲取邊界點的個數；當邊界點的個數小於預設個數時，則進一步在分塊內對分塊的中心點的法線方向的反方向上的像素進行遍歷。
具體地，此處需要說明的是，上述D1(i,j)和D2(i,j)需要滿足的條件為：①D1、D2在每個分塊中必須同時具有大於等於2個的由像素值0變為像素值1或由像素值1變為像素值0值轉換的邊界點，即：一個紋線距離的運算需要兩條脊線和一條谷線來完成，或者由兩個谷線和一條脊線來完成。如果不夠，則D1或D2不存在；②如果D1或D2有一個不存在，則另一個D1或D2需要在相反的方向上尋找至少2個轉換的邊界點。
本發明實施例的紋線距離的計算方法，通過尋找指紋脊線和谷線的邊界點，並根據邊界點的座標和子像素值計算紋線距離，使得紋線距離更加準確，更接近指紋真實特徵，從而更準確的反映了指紋全域疏密特徵，而且該方法的抗雜訊能力強，適用範圍更廣。
在本發明的一個實施例中，在S6之後，還包括：對紋線距離進行5*5局部區域均值濾波。
具體地，對計算出的紋線距離進行5*5局部區域均值濾波，以起到平滑的作用，得到最終每點紋線距離。
另外，為了使本發明實施例的紋線距離的計算方法的每個步驟的計算結果更加直觀，給出該方法每步的效果圖，如第7A圖所示為灰階圖像的示 意圖，第7B圖所示為切線圖的示意圖，第7C圖所示為平滑圖像的示意圖，第7D圖所示為二元圖像的示意圖，第7E圖所示為對最終每點紋線距離的資料進行Gabor濾波後的結果示意圖。
本發明實施例的紋線距離的計算方法，避免了相關技術中求取指紋正弦曲線極值比較複雜的情況，如：理論上有一個極大值點的地方，出現了大於2個的不確定數量的極大值點，不能準確求出指紋紋線距離；本發明實施例的方法是找指紋脊線和谷線的邊界點，確定只有一個點，不會出現不確定數量的邊界點，故對含有雜訊圖片冗餘度高，條件要求不苛刻，擴大了適用範圍。該方法具有很高的工程應用價值，可以為後期的圖像濾波、分割、脊線跟蹤和匹配提供可靠參數。
與上述幾種實施例提供的紋線距離的計算方法相對應，本發明的一種實施例還提供一種紋線距離的計算裝置，由於本發明實施例提供的紋線距離的計算裝置與上述幾種實施例提供的紋線距離的計算方法相對應，因此在前述紋線距離的計算方法實施方式也適用於本實施例提供的紋線距離的計算方法裝置，在本實施例中不再詳細描述。第8圖是根據本發明一個實施例的紋線距離的計算裝置的結構示意圖。如第8圖所示，本發明實施例的紋線距離的計算裝置，包括：灰階處理模組100、生成模組200、平滑處理模組300、分塊處理模組400、子像素計算模組500和紋線距離生成模組600。
其中，灰階處理模組100用於獲取原始圖像並進行灰階處理以生成灰階圖像。
生成模組200用於根據灰階圖像生成法線圖和切線圖。
平滑處理模組300用於根據切線圖對灰階圖像進行濾波以生成平滑圖像，並將平滑圖像轉換為二元圖像。
在本發明的一個實施例中，平滑處理模組300具體用於：根據切線圖對灰階圖像進行1*7均值濾波以生成平滑圖像，並將平滑圖像轉換為二元圖像。
分塊處理模組400用於對二元圖像進行分塊，並根據法線圖確定每個分塊的中心點的法線方向。
子像素計算模組500用於在每個分塊內對分塊的中心點的法線方向上的像素進行遍歷，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，像素值為第一像素值的點為脊線所在的像素點，像素值為第二像素值的點為谷線所在的像素點。
在本發明的一個實施例中，第一像素值為0，第二像素值為1。
在本發明的一個實施例中，則子像素計算模組500還用於：根據像素值為第一像素值和像素值為第二像素值之間的變化次數獲取邊界點的個數，並當邊界點的個數小於預設個數時，在分塊內對分塊的中心點的法線方向的反方向上的像素進行遍歷。
在本發明的一個實施例中，子像素計算模組500生成邊界點的子像素值，具體為：沿著預設方向獲取與變化時對應邊界點相鄰的兩個像素點的像素值，並根據兩個像素點的像素值計算邊界點的子像素值。
在本發明的一個實施例中，當分塊的中心點的法線方向對應的法線角度等於0度或90度時，預設方向為垂直或水平方向，如果與邊界點相鄰的兩個像素點的像素值均與邊界點的像素值相同，則邊界點的子像素值為0；如果與邊界點相鄰的兩個像素點的像素值中只有一個與邊界點的像素值相同，則邊界點的子像素值為0.5；如果與邊界點相鄰的兩個像素點的像素值均不與邊界點的像素值相同，則邊界點的子像素值為1。
在本發明的另一個實施例中，當分塊的中心點的法線方向對應的法線角度不等於0度或90度時，預設方向為非垂直或水平方向，如果與邊界點相鄰的兩個像素點的像素值均與邊界點的像素值相同，則邊界點的子像素值為0；如果與邊界點相鄰的兩個像素點的像素值中只有一個與邊界點的像素值相同，則邊界點的子像素值為0.25；如果與邊界點相鄰的兩個像素點的像素值均不與邊界點的像素值相同，則邊界點的子像素值為0.5。
紋線距離生成模組600用於根據像素值為第一像素值和像素值為第二像素值之間的變化次數和變化時對應邊界點的座標和子像素值生成紋線距離。
在本發明的一個實施例中，紋線距離生成模組600通過公式(1)、(2)和(3)生成紋線距離。
在本發明的一個實施例中，紋線距離生成模組600還用於：對紋線距離進行5*5局部區域均值濾波。
本發明實施例的紋線距離的計算裝置，通過尋找指紋脊線和谷線的邊界點，並根據邊界點的座標和子像素值計算紋線距離，使得紋線距離更加準確，更接近指紋真實特徵，從而更準確的反映了指紋全域疏密特徵，而且抗雜訊能力強，適用範圍更廣。
在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特徵、結構、材料或者特點包含於本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特徵、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域 的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特徵進行結合和組合。
此外，術語“第一”、“第二”僅用於描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此，限定有“第一”、“第二”的特徵可以明示或者隱含地包括至少一個該特徵。在本發明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。
流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用於實現特定邏輯功能或過程的步驟的可執行指令的代碼的模組、片段或部分，並且本發明的較佳實施方式的範圍包括另外的實現，其中可以不按所示出或討論的順序，包括根據所涉及的功能按基本同時的方式或按相反的順序，來執行功能，這應被本發明的實施例所屬技術領域的技術人員所理解。
在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用於實現邏輯功能的可執行指令的定序列表，可以具體實現在任何電腦可讀媒介中，以供指令執行系統、裝置或設備(如基於電腦的系統、包括處理器的系統或其他可以從指令執行系統、裝置或設備取指令並執行指令的系統)使用，或結合這些指令執行系統、裝置或設備而使用。就本說明書而言，"電腦可讀媒介"可以是任何可以包含、儲存、通信、傳播或傳輸程式以供指令執行系統、裝置或設備或結合這些指令執行系統、裝置或設備而使用的裝置。電腦可讀媒介的更具體的示例(非窮盡性列表)包括以下：具有一個或多個佈線的電連接部(電子裝置)、可攜式電腦盤盒(磁裝置)、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除可程式化唯讀記憶體(EPROM或快閃記憶體)、光纖裝置、以及可攜式光碟唯讀記憶體(CDROM)。另外，電腦可讀媒介甚至 可以是可在其上列印該程式的紙或其他合適的媒介，因為可以例如通過對紙或其他媒介進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得該程式，然後將其儲存在電腦記憶體中。
應當理解，本發明的各部分可以用硬體、軟體、韌體或它們的組合來實現。在上述實施方式中，多個步驟或方法可以用儲存在記憶體中且由合適的指令執行系統執行的軟體或韌體來實現。例如，如果用硬體來實現，和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現：具有用於對資料信號實現邏輯功能的邏輯門電路的離散邏輯電路、具有合適的組合邏輯門電路的專用積體電路、可程式設計閘陣列(PGA)、現場可程式設計閘陣列(FPGA)等。
本技術領域的普通技術人員可以理解實現上述實施例方法攜帶的全部或部分步驟是可以通過程式來指令相關的硬體完成，所述的程式可以儲存於一種電腦可讀儲存媒介中，該程式在執行時，包括方法實施例的步驟之一或其組合。
此外，在本發明各個實施例中的各功能單元可以集成在一個處理模組中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模組中。上述集成的模組既可以採用硬體的形式實現，也可以採用軟體功能模組的形式實現。該集成的模組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，也可以儲存在一個電腦可讀取儲存媒介中。
上述提到的儲存媒介可以是唯讀記憶體，磁片或光碟等。儘管上面已經示出和描述了本發明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發明的限制，本領域的普通技術人員在本發明的範圍內可以對上述實施例進行變化、修改、替換和變型。

Claims (14)

  1. 一種紋線距離的計算方法，其特徵在於，包括以下步驟：獲取原始圖像並進行灰階處理以生成灰階圖像；根據該灰階圖像生成法線圖和切線圖；根據該切線圖對該灰階圖像進行濾波以生成平滑圖像，並將該平滑圖像轉換為二元圖像；對該二元圖像進行分塊，並根據該法線圖確定每個分塊的中心點的法線方向；在該每個分塊內對該分塊的中心點的法線方向上的像素進行掃描，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，該像素值為第一像素值的點為脊線所在的像素點，而該第一像素值為0，該像素值為第二像素值的點為谷線所在的像素點，而該第二像素值為1；以及根據該像素值為第一像素值和像素值為第二像素值之間的變化次數和該變化時對應邊界點的座標和子像素值生成紋線距離。
  2. 如申請專利範圍第1項所述的紋線距離的計算方法，其特徵在於，還包括：根據該像素值為第一像素值和像素值為第二像素值之間的變化次數獲取該邊界點的個數；當該邊界點的個數小於預設個數時，則進一步在該分塊內對該分塊的中心點的法線方向的反方向上的像素進行掃描。
  3. 如申請專利範圍第1項所述的紋線距離的計算方法，其特徵在於，通過以下步驟生成該邊界點的子像素值： 沿著預設方向獲取與該變化時對應邊界點相鄰的兩個像素點的像素值；根據該兩個像素點的像素值生成該邊界點的子像素值。
  4. 如申請專利範圍第3項所述的紋線距離的計算方法，其特徵在於，當該分塊的中心點的法線方向對應的法線角度等於0度或90度時，該預設方向為垂直或水平方向，如果與該邊界點相鄰的兩個像素點的像素值均與該邊界點的像素值相同，則該邊界點的子像素值為0；如果與該邊界點相鄰的兩個像素點的像素值中只有一個與該邊界點的像素值相同，則該邊界點的子像素值為0.5；如果與該邊界點相鄰的兩個像素點的像素值均不與該邊界點的像素值相同，則該邊界點的子像素值為1。
  5. 如申請專利範圍第3項所述的紋線距離的計算方法，其特徵在於，當該分塊的中心點的法線方向對應的法線角度不等於0度或90度時，該預設方向為非垂直或水平方向，如果與該邊界點相鄰的兩個像素點的像素值均與該邊界點的像素值相同，則該邊界點的子像素值為0；如果與該邊界點相鄰的兩個像素點的像素值中只有一個與該邊界點的像素值相同，則該邊界點的子像素值為0.25；如果與該邊界點相鄰的兩個像素點的像素值均不與該邊界點的像素值相同，則該邊界點的子像素值為0.5。
  6. 如申請專利範圍第1項所述的紋線距離的計算方法，其特徵在於，通過以下公式生成該紋線距離： 其中，num1和num2為該像素值為第一像素值和像素值為第二像素值之間的變化次數，num1為像素值由第二像素值變化為像素值為第一像素值的次數，num2為由像素值為第一像素值變化為像素值為第二像素值的次數，X1和Xnum1分別為該每個分塊內沿該法線方向第1次出現由像素值為第二像素值變化為像素值為第一像素值時和第num1次出現由像素值為第二像素值變化為像素值為第一像素值時對應的邊界點的橫坐標值，Y1和Ynum2分別為該每個分塊內沿該法線方向第1次出現由像素值為第一像素值變化為像素值為第二像素值時和第num2次出現由像素值為第一像素值變化為像素值為第二像素值時對應的邊界點的橫坐標值，θ為該每個分塊的中心點的法線角度，取值範圍是0到π，δi為該邊界點的子像素值，D1(i,j)和D2(i,j)分別為由像素值為第二像素值變化為像素值為第一像素值和由像素值為第一像素值變化為像素值為第二像素值對應計算出的距離，D(i,j)為該每個分塊的中心點的紋線距離。
  7. 如申請專利範圍第1項所述的紋線距離的計算方法，其特徵在於，在該根據該像素值為第一像素值和像素值為第二像素值之間的變化次數和變化時對應邊界點的座標和子像素值生成紋線距離之後，還包括：對該紋線距離進行5*5局部區域均值濾波。
  8. 一種紋線距離的計算裝置，其特徵在於，包括：灰階處理模組，用於獲取原始圖像並進行灰階處理以生成灰階圖像；生成模組，用於根據該灰階圖像生成法線圖和切線圖；平滑處理模組，用於根據該切線圖對該灰階圖像進行濾波以生成平滑圖像，並將該平滑圖像轉換為二元圖像；分塊處理模組，用於對該二元圖像進行分塊，並根據該法線圖確定每個分塊的中心點的法線方向；子像素計算模組，用於在該每個分塊內對該分塊的中心點的法線方向上的像素進行掃描，以生成像素值為第一像素值和像素值為第二像素值之間的變化次數、變化時對應邊界點的座標和子像素值，其中，該像素值為第一像素值的點為脊線所在的像素點，而該第一像素值為0，該像素值為第二像素值的點為谷線所在的像素點，而該第二像素值為1；以及紋線距離生成模組，用於根據該像素值為第一像素值和像素值為第二像素值之間的變化次數和該變化時對應邊界點的座標和子像素值生成紋線距離。
  9. 如申請專利範圍第8項所述的紋線距離的計算裝置，其特徵在於，該子像素計算模組，還用於：根據該像素值為第一像素值和像素值為第二像素值之間的變化次數獲取該邊界點的個數，並當該邊界點的個數小於預設個數時，在該分塊內對該分塊的中心點的法線方向的反方向上的像素進行掃描。
  10. 如申請專利範圍第8項所述的紋線距離的計算裝置，其特徵在於，該子像素計算模組生成該邊界點的子像素值，具體為：沿著預設方向獲取與該變化時對應邊界點相鄰的兩個像素點的像素值，並根據該兩個像素點的像素值生成該邊界點的子像素值。
  11. 如申請專利範圍第10項所述的紋線距離的計算裝置，其特徵在於，當該分塊的中心點的法線方向對應的法線角度等於0度或90度時，該預設方向為垂直或水平方向，如果與該邊界點相鄰的兩個像素點的像素值均與該邊界點的像素值相同，則該邊界點的子像素值為0；如果與該邊界點相鄰的兩個像素點的像素值中只有一個與該邊界點的像素值相同，則該邊界點的子像素值為0.5；如果與該邊界點相鄰的兩個像素點的像素值均不與該邊界點的像素值相同，則該邊界點的子像素值為1。
  12. 如申請專利範圍第10項所述的紋線距離的計算裝置，其特徵在於，當該分塊的中心點的法線方向對應的法線角度不等於0度或90度時，該預設方向為非垂直或水平方向，如果與該邊界點相鄰的兩個像素點的像素值均與該邊界點的像素值相同，則該邊界點的子像素值為0；如果與該邊界點相鄰的兩個像素點的像素值中只有一個與該邊界點的像素值相同，則該邊界點的子像素值為0.25；如果與該邊界點相鄰的兩個像素點的像素值均不與該邊界點的像素值相同，則該邊界點的子像素值為0.5。
  13. 如申請專利範圍第8項所述的紋線距離的計算裝置，其特徵在於，該紋線距離生成模組通過以下公式生成該紋線距離： 其中，num1和num2為該像素值為第一像素值和像素值為第二像素值之間的變化次數，num1為由像素值為第二像素值變化為像素值為第一像素值的次數，num2為由像素值為第一像素值變化為像素值為第二像素值的次數，X1和Xnum1分別為該每個分塊內沿該法線方向第1次出現由像素值為第二像素值變化為像素值為第一像素值時和第num1次出現由像素值為第二像素值變化為像素值為第一像素值時對應的邊界點的橫坐標值，Y1和Ynum2分別為該每個分塊內沿該法線方向第1次出現由像素值為第一像素值變化為像素值為第二像素值時和第num2次出現由像素值為第一像素值變化為像素值為第二像素值時對應的邊界點的橫坐標值，θ為該每個分塊的中心點的法線角度，取值範圍是0到π，δi為該邊界點的子像素值，D1(i,j)和D2(i,j)分別為由像素值為第二像素值變化為像素值為第一像素值和由像素值為第一像素值變化為像素值為第二像素值對應計算出的距離，D(i,j)為該每個分塊的中心點的紋線距離。
  14. 如申請專利範圍第8項所述的紋線距離的計算裝置，其特徵在於，該紋線距離生成模組，還用於：對該紋線距離進行5*5局部區域均值濾波。
TW104129616A 2015-02-13 2015-09-08 紋線距離的計算方法和裝置 TWI559235B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510080690.0A CN105205802B (zh) 2015-02-13 2015-02-13 纹线距离的计算方法和装置

Publications (2)

Publication Number Publication Date
TW201629850A TW201629850A (zh) 2016-08-16
TWI559235B true TWI559235B (zh) 2016-11-21

Family

ID=54953464

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104129616A TWI559235B (zh) 2015-02-13 2015-09-08 紋線距離的計算方法和裝置

Country Status (7)

Country Link
US (1) US20180018497A1 (zh)
EP (1) EP3264361A4 (zh)
JP (1) JP6494776B2 (zh)
KR (1) KR101985689B1 (zh)
CN (1) CN105205802B (zh)
TW (1) TWI559235B (zh)
WO (1) WO2016127735A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205802B (zh) * 2015-02-13 2017-04-12 比亚迪股份有限公司 纹线距离的计算方法和装置
CN106503609B (zh) * 2015-09-08 2019-07-16 腾讯科技（深圳）有限公司 指纹纹线点的识别方法及装置
CN106529572B (zh) * 2016-10-14 2019-07-09 广州视源电子科技股份有限公司 色环电阻的检测方法、装置和自动光学检测系统
CN108121940A (zh) * 2016-11-29 2018-06-05 深圳指芯智能科技有限公司 一种指纹图像分析的方法和装置
CN109426795A (zh) * 2017-09-05 2019-03-05 比亚迪股份有限公司 指纹识别方法和装置
CN108038839B (zh) * 2017-11-23 2022-01-11 宁波大学 一种流水生产线上双绞线绞距实时检测方法
CN107967144B (zh) * 2017-12-08 2021-10-22 京东方科技集团股份有限公司 一种数据烧录方法和装置
CN111292344A (zh) * 2018-12-07 2020-06-16 致伸科技股份有限公司 摄像模块的检测方法
CN110717502B (zh) * 2019-10-22 2023-09-05 大连大学 一种脉冲激光拼焊图像中熔池识别方法
CN111161151A (zh) * 2019-12-30 2020-05-15 广东利元亨智能装备股份有限公司 图像拼接方法、装置、机器人和存储介质
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
CN113284133B (zh) * 2021-06-16 2022-04-12 北京瑞莱智慧科技有限公司 一种光伏电池片间距的确定方法、装置、设备及存储介质
CN113483682B (zh) * 2021-06-16 2023-05-19 苏州赛腾精密电子股份有限公司 一种基于机器视觉的缝隙测量方法及系统
CN113421249B (zh) * 2021-06-30 2024-02-06 上海申瑞继保电气有限公司 变电站设备可变尺度图像数值处理方法
JP2024534258A (ja) * 2021-08-10 2024-09-18 ディープルック・インコーポレイテッド ラジオミクスシステム及び方法
CN113865488B (zh) * 2021-09-24 2023-10-27 北京京东方技术开发有限公司 一种距离测量方法、电子设备及计算机可读存储介质
CN116107394B (zh) * 2023-04-06 2023-08-04 合肥联宝信息技术有限公司 调整方法、装置、电子设备及存储介质
CN116958514B (zh) * 2023-09-20 2023-12-05 中国空气动力研究与发展中心高速空气动力研究所 一种光学图像激波位置的亚像素定位方法
CN117496560B (zh) * 2023-12-29 2024-04-19 深圳市魔力信息技术有限公司 一种基于多维向量的指纹纹线识别方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统
US7142699B2 (en) * 2001-12-14 2006-11-28 Siemens Corporate Research, Inc. Fingerprint matching using ridge feature maps
TW201023055A (en) * 2008-12-12 2010-06-16 Moredna Technology Co Ltd Highly efficient method for processing fingerprint images
CN101782966A (zh) * 2010-02-11 2010-07-21 上海点佰趣信息科技有限公司 指纹图像二值化处理方法
CN101329725B (zh) * 2008-07-30 2010-10-06 电子科技大学 基于梯度投影和形态学的指纹图像分割方法
US20130094724A1 (en) * 2011-10-18 2013-04-18 King Fahd University Of Petroleum And Minerals Method of performing fingerprint matching

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0126464B1 (ko) * 1991-06-03 1998-04-02 박원희 지문 인식 방법
JP2725599B2 (ja) * 1994-06-21 1998-03-11 日本電気株式会社 隆線方向抽出装置
KR100432491B1 (ko) * 2001-08-31 2004-05-22 (주)니트 젠 융선방향 모델을 이용한 지문 특징데이터 추출방법
JP4075458B2 (ja) * 2002-05-21 2008-04-16 松下電器産業株式会社 指紋照合装置
US7120280B2 (en) * 2002-09-27 2006-10-10 Symbol Technologies, Inc. Fingerprint template generation, verification and identification system
JP4270842B2 (ja) * 2002-10-22 2009-06-03 セコム株式会社 指紋照合装置
CN1322465C (zh) * 2005-08-15 2007-06-20 阜阳师范学院 自动指纹识别方法中的图像分割及指纹纹路距离提取方法
KR100825773B1 (ko) * 2005-08-23 2008-04-28 삼성전자주식회사 방향 추정 방법 및 장치
CN100573554C (zh) * 2008-04-02 2009-12-23 范九伦 指纹图像的方向滤波增强方法
CN101576999B (zh) * 2009-06-01 2012-10-17 杭州晟元芯片技术有限公司 一种指纹图像方向增强方法
CN102930241B (zh) * 2012-08-03 2015-07-22 北京天诚盛业科技有限公司 指纹图像的处理方法和处理装置
CN105205802B (zh) * 2015-02-13 2017-04-12 比亚迪股份有限公司 纹线距离的计算方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7142699B2 (en) * 2001-12-14 2006-11-28 Siemens Corporate Research, Inc. Fingerprint matching using ridge feature maps
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统
CN101329725B (zh) * 2008-07-30 2010-10-06 电子科技大学 基于梯度投影和形态学的指纹图像分割方法
TW201023055A (en) * 2008-12-12 2010-06-16 Moredna Technology Co Ltd Highly efficient method for processing fingerprint images
CN101782966A (zh) * 2010-02-11 2010-07-21 上海点佰趣信息科技有限公司 指纹图像二值化处理方法
US20130094724A1 (en) * 2011-10-18 2013-04-18 King Fahd University Of Petroleum And Minerals Method of performing fingerprint matching

Also Published As

Publication number Publication date
US20180018497A1 (en) 2018-01-18
EP3264361A1 (en) 2018-01-03
TW201629850A (zh) 2016-08-16
EP3264361A4 (en) 2018-10-31
KR20170105560A (ko) 2017-09-19
WO2016127735A1 (zh) 2016-08-18
CN105205802A (zh) 2015-12-30
JP2018508891A (ja) 2018-03-29
CN105205802B (zh) 2017-04-12
KR101985689B1 (ko) 2019-09-03
JP6494776B2 (ja) 2019-04-03

Similar Documents

Publication Publication Date Title
TWI559235B (zh) 紋線距離的計算方法和裝置
Yao et al. Curvature aided Hough transform for circle detection
US9747498B2 (en) Biometric recognition
Liu et al. 3D fingerprint reconstruction system using feature correspondences and prior estimated finger model
Spreeuwers Fast and accurate 3D face recognition: using registration to an intrinsic coordinate system and fusion of multiple region classifiers
WO2016127736A1 (zh) 指纹重叠区域面积的计算方法及电子装置
US11023762B2 (en) Independently processing plurality of regions of interest
CN108830888B (zh) 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法
WO2017113736A1 (zh) 手指与手腕的区分方法及其装置
Kwag et al. Efficient skew estimation and correction algorithm for document images
CN106340010B (zh) 一种基于二阶轮廓差分的角点检测方法
WO2019104932A1 (zh) 一种指纹识别方法及指纹采集设备
US11450140B2 (en) Independently processing plurality of regions of interest
CN107977600A (zh) 一种基于侧掌特征的签名鉴伪方法
CN114127798A (zh) 非接触式指纹图像的巴掌分割
JP5305366B2 (ja) 画像特徴抽出装置、画像特徴抽出方法、画像認識装置、及び画像認識方法
Zhang et al. Fingerprint orientation field interpolation based on the constrained delaunay triangulation
CN118096864B (zh) 一种基于先验信息的焦点体积优化方法及装置
Li et al. 3D face recognition for security and defense engineering
CN111724366A (zh) 一种激光腔识别方法及装置
Lavanya et al. A scalable approach for fingerprint matching system based on minutiae extraction
Shafaei 3D minutiae extraction in 3D fingerprint scans
Zhang et al. 3D Fingerprint Reconstruction