TWI759818B - 基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統 - Google Patents

Abstract

一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含：利用一奇異值分解法分解一原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊；自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像；於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊；及利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點。

Description

基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統

本發明係關於一種基於熵〔entropy-based〕的叢集演算處理〔clustering algorithmic processing〕指紋影像之指紋奇異點〔singular point，sp〕偵測方法及其系統；特別是關於一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統；更特別是關於一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統。

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TW-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TW-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TW-200641700號申請案及專利公告第TW-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TW-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TW-I416432號之指紋影像之增強及切割方法僅包含：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，以獲得數個該標界，由該標界圍繞形成切割多邊形。顯然，前述專利公告第TW-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。

另一習用指紋模糊影像偵測方法及其系統，例如：中華民國專利公告第TW-I419057號之〝指紋模糊影像偵測方法及其系統〞發明專利，其揭示一種指紋模糊影像偵測方法及其系統。該指紋模糊影像偵測方法包含：將一指紋影像進行能量轉換，以獲得一能量分佈圖；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；及利用一小波轉換演算法在該切割多邊形內尋找至少一模糊區塊。該指紋模糊影像偵測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指紋影像。該演算單元用以產生該標界及切割多邊形，再利用小波轉換演算法在該切割多邊形內尋找該模糊區塊，而該輸出單元用以輸出該模糊區塊。

承上，前述第TW-I419057號之指紋模糊影像偵測方法僅包含：利用將該指紋影像進行能量轉換，以獲得該能量分佈圖；利用該能量分佈圖尋找指紋輪廓，以獲 得數個該標界，其圍繞形成該切割多邊形；及利用該小波轉換演算法在該切割多邊形內尋找該模糊區塊。顯然，前述專利公告第TW-I419057號之指紋模糊影像偵測方法仍需進一步改良，以提升指紋影像之品質。

另一習用指紋影像之偵測奇異點方法及其系統，例如：中華民國專利公告第TW-I425428號之〝利用小波極值點於指紋影像之偵測奇異點方法及其系統〞發明專利，其揭示一種利用小波極值點於指紋影像之偵測奇異點方法及其系統。該利用小波極值點於指紋影像之偵測奇異點方法包含：利用一奇異點演算法於一指紋影像尋找至少一奇異點；將該指紋影像進行小波轉換，以獲得數個小波極值點；及利用該小波極值點追蹤該指紋影像之奇異點。該偵測奇異點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指紋影像，該演算單元用以將該指紋影像進行小波轉換，利用該小波極值點追蹤該指紋影像之奇異點，而輸出單元用以輸出該指紋影像之奇異點。

承上，前述第TW-I425428號之利用小波極值點於指紋影像之偵測奇異點方法僅包含：利用一奇異點演算法於一指紋影像尋找該奇異點；將該指紋影像進行小波轉換，以獲得數個小波極值點；及利用該小波極值點追蹤該指紋影像之奇異點。顯然，前述專利公告第TW-I425428號之利用小波極值點於指紋影像之偵測奇異點方法仍需進一步改良，以提升指紋影像之品質。

另一習用模糊指紋影像重建方法，例如：中華民國專利公告第TW-I460667號之〝模糊指紋影像重建方法〞發明專利，其揭示一種指紋影像之紋路增益方法及其系統。該模糊指紋影像重建方法包含：利用模糊偵測自一原始指紋影像萃取至少一模糊區塊；將該模糊區塊進行分 類，以獲得至少一偏暗區塊及至少一偏亮區塊；利用該偏暗區塊及偏亮區塊計算一偏暗影像及一偏亮影像；將該偏暗影像及偏亮影像進行分解，以獲得一偏暗亮度補償係數及一偏亮亮度補償係數；及利用該偏暗亮度補償係數及偏亮亮度補償係數進行亮度補償調整該偏暗影像及偏亮影像，以獲得一偏暗補償影像及一偏亮補償影像。

承上，前述第TW-I460667號之模糊指紋影像重建方法僅包含：利用模糊偵測自該原始指紋影像萃取該模糊區塊；將該模糊區塊進行分類，以獲得該偏暗區塊及偏亮區塊；利用該偏暗區塊及偏亮區塊計算該偏暗影像及偏亮影像；將該偏暗影像及偏亮影像進行分解，以獲得該偏暗亮度補償係數及偏亮亮度補償係數；及利用該偏暗亮度補償係數及偏亮亮度補償係數進行亮度補償調整該偏暗影像及偏亮影像，以獲得該偏暗補償影像及偏亮補償影像。顯然，前述專利公告第TW-I460667號之模糊指紋影像重建方法仍需進一步改良，以提升指紋影像之品質。

另一習用指紋影像之紋路增益方法及其系統，例如：中華民國專利公告第TW-I549066號之〝指紋影像之紋路增益方法及其系統〞發明專利，其揭示一種指紋影像之紋路增益方法及其系統。該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。該輸入單元用以輸入一原始指紋影像。該演算單元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。該輸出單元用以在進行重組完成後輸出一增益指紋影像。

承上，前述第TW-I549066號之指紋影像之紋路增益方法僅包含：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。顯然，前述專利公告第TW-I549066號之指紋影像之紋路增益方法仍需進一步改良，以提升指紋影像之品質。

然而，前述中華民國專利公開第TW-200641700號申請案、中華民國專利公告第TW-354397號、第TW-I416432號、第TW-I419057號、第TW-I425428號、第TW-I460667號及第TW-I549066號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，其提供一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統，其利用一奇異值分解法分解一原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊，並自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像，再於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊，且利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點，且適當避開該模糊區塊可提升該奇異點之追蹤準確率，因此相對於習用指紋奇異點偵測方法及其系統可大幅提升準確追蹤 奇異點。

本發明之主要目的係提供一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統，其利用一奇異值分解法分解一原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊，並自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像，再於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊，且利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點，且適當避開該模糊區塊可提升該奇異點之追蹤準確率，以達成準確追蹤奇異點之目的或功效。

為了達成上述目的，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含：

利用一奇異值分解法分解一原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊；

自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像；

於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊；及

利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點。

本發明較佳實施例將該已奇異值分解指紋影 像利用一高斯模板均衡化方式處理，以便獲得一已均衡化指紋影像，以去除該數個影像背景資訊及其雜訊。

本發明較佳實施例將該已去除背景指紋影像以二值化方式處理，並自該數個影像背景資訊擷取數個感興趣物件方式而獲得該壓印區域。

本發明較佳實施例於該壓印區域利用非可分離式離散小波轉換方式獲得該模糊區塊。

本發明較佳實施例將該切割壓印區域進行小波轉換，以獲得該至少一個或數個小波極值點，並利用該至少一個或數個小波極值點追蹤該原始指紋影像之奇異點。

為了達成上述目的，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統包含：

至少一輸入單元，其用以輸入一原始指紋影像；

一演算單元，其利用一奇異值分解法分解該原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊，並自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像，再於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域，且利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點；及

至少一輸出單元，其用以輸出該原始指紋影像之奇異點；

其中於該已去除背景指紋影像上進行偵測至少一模糊區塊。

本發明較佳實施例之該已去除背景指紋影像具有一近似常態分佈。

本發明較佳實施例之該壓印標界分隔於該壓印區域及數個影像背景資訊之間。

本發明較佳實施例於該壓印區域利用非可分離式離散小波轉換方式獲得該模糊區塊，且利用熵過濾方式偵測該模糊區塊。

本發明較佳實施例利用一潘卡瑞指數方法於該切割壓印區域進行追蹤該原始指紋影像之奇異點。

1:輸入單元

2:演算單元

20:奇異值分解法

21:高斯模板

22:非可分離式離散小波轉換方法

23:非可分離式離散小波轉換方法

3:輸出單元

第1圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統之方塊示意圖。

第2圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法之流程示意圖。

第3(a)至3(d)圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統處理指紋影像之一系列示意圖。

第4(a)至4(c)圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統處理指紋影像之一系列示意圖。

第5圖：本發明較佳實施例之本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統採用偵測模糊區塊之方塊示意圖。

第6(a)至6(d)圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統在指紋影像進行對正處理後，獲得各種核心點數量之一系列示意圖。

第7(a)至7(c)圖：本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統進行處理指紋影像之感興趣核心區影像之一系列示意圖。

第8(a)至8(d)圖：本發明較佳實施例之基於熵的叢集演 算處理指紋影像之指紋奇異點偵測系統進行於感興趣核心區追蹤核心點位置之一系列示意圖。

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基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統適用於各種指紋辨識裝置、各種指紋相關遊戲機、各種指紋相關性格分析儀、各種指紋相關算命機、各種指紋相關電腦軟體及其相關應用設備，例如：各類型指紋刑事鑑識系統、電腦安全系統、門禁管理系統或保全系統，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基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統之方塊示意圖。請參照第1圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統包含至少一輸入單元1、一演算單元2、一奇異值分解法20及至少一輸出單元3。

請再參照第1圖所示，舉例而言，該輸入單元1〔例如：影像輸入單元〕可選自一攝影單元、一掃瞄單元或一具類似攝影或掃瞄功能之單元，並將該輸入單元1以適當技術手段〔例如：自動化方式、半自動化方式或手動方式〕攝取或掃瞄至少一影像〔例如：影像檔〕。

請再參照第1圖所示，舉例而言，該演算單元2可選自一計算機單元〔例如：各種指紋辨識裝置、各種電腦裝置、各種行動通訊裝置或各種伺服器裝置〕或一具類似演算功能之單元，且該演算單元2以適當技術手段連接通訊至該輸入單元1，以便取得該輸入單元1所輸入之影像。

請再參照第1圖所示，舉例而言，該輸出單元3可選自一有線通訊裝置、一無線通訊裝置、一伺服器裝置、一終端裝置、一顯示器裝置、一操作控制裝置或其任意組合，且該輸出單元3以適當技術手段連接通訊至該演算單元2或其它裝置或單元。

第2圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法之流程示意圖，其對應於第1圖之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統。第3(a)至3(d)圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統處理指紋影像〔例如：FVC 2002 DB2 database或其它資料庫〕之一系列示意圖。

請參照第1、2及3(a)圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含步驟S1：首先，於該演算單元2或其它單元以適當技術手段〔例如：自動化方式、半自動化方式或手動方式〕利用該奇異值分解法20分解至少一原始指紋影像〔如第3(a)圖所示〕，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像主要包含數個影像背景〔background〕資訊及數個影像前景〔foreground〕資訊。

請再參照第1、2及3(a)圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法採用奇異值分解所獲得之已奇異值分解指紋影像f為M×N矩陣(M

N)，且該已奇異值分解指紋影像f、其展開式及其弗羅貝尼烏斯範數〔Frobenius norm〕之公式(1)、(2)及(3)如下：f=UΣV ^T (1)

其中U=[u ₁ ,u ₂ ,...,u _N ]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M×(M-k)零矩陣〔zero matrix〕；矩陣Σ為表示指紋影像之強度訊息〔intensity information〕。

其中

為含向量外積〔vector outer-product〕。

舉例而言，本發明較佳實施例之弗羅貝尼烏斯範數適用於增益去除背景指紋影像。

請再參照第1、2及3(b)圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含步驟S2：接著，於該演算單元2或其它單元以適當技術手段〔例如：自動化方式、半自動化方式或手動方式〕自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像。

請再參照第1、2、3(b)及3(c)圖所示，舉例而言，該已去除背景指紋影像可選擇不含奇異值分解之重組影像〔如第3(b)圖所示〕，或可選擇已去除背景指紋影像〔如第3(c)圖所示〕。本發明較佳實施例之該已去除背景指紋影像具有一近似常態分佈〔nearly normal distribution〕。

請再參照第1、2及3(d)圖所示，舉例而言，將該已奇異值分解指紋影像可選擇利用一高斯模板〔Gaussian template〕21均衡化方式處理，以便獲得一已均衡化指紋影像〔如第3(d)圖所示〕，以去除該數個影像背景資訊及其雜訊。本發明較佳實施例選擇該高斯模板21之奇異值分解計算補償重量之公式(4)如下：

其中η為門檻值〔threshold〕及其實驗設定值為90000，Σ _G 為高斯模板之奇異值矩陣。

本發明較佳實施例之該已均衡化指紋影像f _eq 〔equalized image〕之公式(5)如下：f _eq =U(αΣ)V ^T (5)

其中該已均衡化指紋影像f _eq 之尺寸等於原始指紋影像之尺寸。

請再參照第1及2圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含步驟S3：接著，於該演算單元2或其它單元以適當技術手段〔例如：自動化方式、半自動化方式或手動方式〕於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊。本發明較佳實施例之該壓印標界分隔於該壓印區域及數個影像背景資訊之間。

舉例而言，本發明較佳實施例可選擇將遮罩〔mask〕7×7圖素之局部標準平均值〔local standard average〕μ及轉換能量ε之定義表示之公式(6)及(7)如下：

其中f _eq (x,y)為已均衡化指紋影像，N=49為常態化常 數。

第4(a)至4(c)圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統處理指紋影像之一系列示意圖。請參照第4(a)至4(c)圖所示，舉例而言，本發明較佳實施例將該已去除背景指紋影像以二值化方式處理，以獲得一二值化處理指紋影像〔如第4(b)圖所示〕，並自該數個影像背景資訊擷取數個感興趣物件方式而獲得該壓印區域。本發明較佳實施例之二值化處理之公式(8)如下：

其中f _b (x,y)為已均衡化指紋影像之二值化指紋影像，圖素值255為感興趣物件〔interest object〕，圖素值0為不感興趣區塊。

請再參照第4(a)至4(c)圖所示，舉例而言，本發明較佳實施例利用該壓印標界切割一壓印區域〔region of impression，ROI〕，如第4(c)圖所示。本發明較佳實施例基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統採用偵測壓印區域〔ROI〕之公式(9)如下：

其中f _ROI (x,y)為壓印區域，圖素值(x,y)之能量ε(x,y)

255為ROI物件〔如第4(c)圖所示〕。

第5圖揭示本發明較佳實施例之本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統採用偵測模糊區塊之方塊示意圖，其對應於第1圖之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統。請參照第5圖所示，舉例而言，本發明較佳實施例基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統於該壓印 區域選擇採用一2D非可分離式離散小波轉換方法〔2D non separable discrete wavelet transform，NSDWT〕或其它具類似功能之方法，並具有一濾波器組〔filter bank〕，其中j為其階層〔level〕。

請參照第1及5圖所示，舉例而言，本發明較佳實施例於該壓印區域利用非可分離式離散小波轉換方法22〔技術手段或模組〕獲得該模糊區塊，且利用熵過濾〔entropy〕方式偵測該模糊區塊，以避免該模糊區塊影響該切割壓印區域之偵測奇異點作業。

舉例而言，本發明較佳實施例基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統採用熵過濾方式偵測該模糊區塊之公式(10)如下：

其中d ^HH 為非可分離式離散小波轉換〔NSDWT〕之非子樣本版本〔non subsampled version〕之係數〔coefficient〕。

請再參照第1及2圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法包含步驟S4：接著，於該演算單元2或其它單元以適當技術手段〔例如：自動化方式、半自動化方式或手動方式〕利用至少一個或數個小波極值點〔wavelet extrema〕於該切割壓印區域〔即已去除模糊區塊之切割壓印區域〕偵測至少一奇異點〔sp〕，且其對應於一右手座標系統〔right-angle system〕，即其可能具有不同數量及位置的奇異點。

舉例而言，本發明較佳實施例在利用潘卡瑞指 數方法偵測奇異點時，在畫素(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，利用以下方程式依逆時針方向方式進行運算，本發明較佳實施例採用偵測奇異點之潘卡瑞指數方法公式(11)至(13)如下：

δ(k)=θ(x(k'),y(k'))-θ(x(k),y(k))；k'=(k+1)mod M；M=12 (13)

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，而相對的三角點之潘卡瑞指數為-1/2。

請再參照第1及2圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統於該演算單元2可選擇進行對正處理〔alignment processing〕。本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法及其系統採用旋轉方程式之公式(14)及(15)如下：

其中O _i,j 為相對核心像素點之旋轉局部方向〔local orientation〕，ζ為於潘卡瑞指數核心點為中心點之60×60畫素之核心點次區域〔core subregion〕，且其為感興趣核 心區〔core subregion of interest，COI〕，而

為旋轉角度〔orientation angle〕，其繪製顯示點(x',y')。

第6(a)至6(d)圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統在指紋影像進行對正〔旋轉〕處理後，獲得各種核心點數量之一系列示意圖。請參照第6(a)圖所示，其指紋影像顯示核心點數量為0；請參照第6(b)圖所示，其指紋影像顯示核心點數量為1；請參照第6(c)及6(d)圖所示，其指紋影像顯示核心點數量為2。

第7(a)至7(c)圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統進行處理指紋影像之感興趣核心區影像之一系列示意圖。請參照第7(a)圖所示，其顯示感興趣核心區〔COI〕影像，其為60×60畫素之核心點次區域；請參照第7(b)圖所示，其顯示骨架化之凸紋〔skeletonized ridge〕影像，並自該感興趣核心區影像進行處理而獲得該骨架化之凸紋影像。

請參照第1及7(c)圖所示，舉例而言，本發明較佳實施例於該感興趣核心區〔或核心點次區域〕利用非可分離式離散小波轉換方法23〔技術手段或模組〕獲得一小波極值影像，如第7(c)圖所示，即自該感興趣核心區進行2D小波轉換或2D非離散小波轉換而獲得該小波極值影像之數個小波極值點。

請參照第7(a)至7(c)圖所示，舉例而言，本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統在小波轉換上，採用運算子M(f)及m(f)表示骨架化之凸紋影像f之指數〔indices〕及局部極大值〔local maximum〕及局部極小值〔minimum〕之數值，其計算極大值及極小值之公式(16)、(17)與由其指數、極大值及極小值所組成影像之公式(18)如下：

E(f)={{M(w _j (f))}∪{m(w _j (f))}；j=1,2,...,j} (18)

其中E _e f由小波極值點之指數及數值組成，W _j f為指紋影像f之二維非分離型小波轉換〔2D〕，且j=1,2,...,J+1，J=0。

第8(a)至8(d)圖揭示本發明較佳實施例之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統進行於感興趣核心區追蹤核心點位置之一系列示意圖。請參照第8(a)至8(d)圖所示，舉例而言，本發明較佳實施例採用Henry指紋分類方法及骨架化之凸紋曲線〔skeletonized ridge curve〕追蹤核心點〔或奇異點〕位置。

請參照第8(a)及8(b)圖所示，舉例而言，本發明較佳實施例以8鄰接格子〔adjacency grid〕自該核心點次區域之兩側邊〔左箭頭、右箭頭〕沿該骨架化凸紋曲線進行檢測其圖素〔pixel〕之小波極值，其檢測區域為第8(a)圖之箭頭所示之區域，以尋找至少一小波極值候選點〔candidate〕，並獲得三條骨架化凸紋曲線，如第8(b)圖之箭頭所示。

請參照第8(a)、8(b)及8(c)圖所示，舉例而言，在該骨架化凸紋曲線之最小曲率位置標示正方型符號，如第8(c)圖之箭頭所示之位置，其可垂直移動一小段距離形成Henry指紋分類方法之奇異點之公式(19)如下：

其中s為奇異點，i為位於最小曲率位置下方之凸紋曲線。

請參照第8(c)及8(d)圖所示，舉例而言，於一個或數個該小波極值候選人或小波極值候選點之一小垂直位移距離〔small vertical displacement〕，如第8(c)圖之箭頭所示之位置；另外，位於最小曲率位置〔標示正方型符號〕下方之凸紋曲線標示十字符號，如第8(d)圖之箭頭所示之位置，其為奇異點之位置，如第2圖之方塊S4所示。

本發明較佳實施例將該切割壓印區域進行小波轉換，以獲得該至少一個或數個小波極值點，並利用該至少一個或數個小波極值點追蹤該原始指紋影像之奇異點。另外，本發明較佳實施例利用一潘卡瑞指數方法於該切割壓印區域進行追蹤該原始指紋影像之奇異點，如第7(c)圖所示。

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。

1:輸入單元

2:演算單元

20:奇異值分解法

21:高斯模板

22:非可分離式離散小波轉換方法

23:非可分離式離散小波轉換方法

3:輸出單元

Claims (10)

1. 一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法，其包含：利用一奇異值分解法分解一原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊；自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像；於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域及進行偵測至少一模糊區塊；及利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點，且該切割壓印區域為一已去除模糊區塊之切割壓印區域。
2. 依申請專利範圍第1項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法，其中將該已奇異值分解指紋影像利用一高斯模板均衡化方式處理，以便獲得一已均衡化指紋影像，以去除該數個影像背景資訊及其雜訊。
3. 依申請專利範圍第1項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法，其中將該已去除背景指紋影像以二值化方式處理，並自該數個影像背景資訊擷取數個感興趣物件方式而獲得該壓印區域。
4. 依申請專利範圍第1項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法，其中於該壓印區域利用非可分離式離散小波轉換方式獲得該模糊區塊。
5. 依申請專利範圍第1項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測方法，其中將該切割壓印區域進行小波轉換，以獲得該至少一個或數個小波極值點，並利用該至少一個或數個小波極值點追蹤該原始指紋影像之 奇異點。
6. 一種基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統，其包含：至少一輸入單元，其用以輸入一原始指紋影像；一演算單元，其利用一奇異值分解法分解該原始指紋影像，以獲得一已奇異值分解指紋影像，且該已奇異值分解指紋影像包含數個影像背景資訊及數個影像前景資訊，並自該已奇異值分解指紋影像去除該數個影像背景資訊，以獲得一已去除背景指紋影像，再於該已去除背景指紋影像進行偵測一壓印區域及切割數個壓印標界，並於該已去除背景指紋影像上利用該數個壓印標界圍繞形成一切割壓印區域，且利用至少一個或數個小波極值點於該切割壓印區域偵測至少一奇異點，且該切割壓印區域為一已去除模糊區塊之切割壓印區域；及至少一輸出單元，其用以輸出該原始指紋影像之奇異點；其中於該已去除背景指紋影像上進行偵測至少一模糊區塊。
7. 依申請專利範圍第6項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統，其中該已去除背景指紋影像具有一近似常態分佈。
8. 依申請專利範圍第6項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統，其中該壓印標界分隔於該壓印區域及數個影像背景資訊之間。
9. 依申請專利範圍第6項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統，其中該壓印區域利用非可分離式離散小波轉換方式獲得該模糊區塊，且利用熵過濾方式偵測該模糊區塊。
10. 依申請專利範圍第6項所述之基於熵的叢集演算處理指紋影像之指紋奇異點偵測系統，其中利用一潘卡瑞指數 方法於該切割壓印區域進行追蹤該原始指紋影像之奇異點。

Images