本发明专利技术提供了一种基于方向场分布的指纹校正方法,该方法通过聚类学习的方式对指纹脊线方向的局部模式和空间分布进行了统计,通过局部模式对比的方式寻找目标图像中与指纹模式类似的区域,再结合各局部模式的空间位置分布消除出现在不合理位置的局部模式的影响,最终估计指纹的位置和方向,并依据位置和方向信息对指纹进行切割和校正。本发明专利技术可以将采集姿势不标准的指纹校正为标准姿势的指纹,以提高指纹比对和查询时的效率;还可以从包含多个指纹的背景复杂的现场指纹图像中自动检测和切割出所有指纹,并将其姿势进行校正,具有计算效率高,准确率高的优点。
【技术实现步骤摘要】
本专利技术涉及指纹识别领域,尤其涉及一种。
技术介绍
由于指纹具有唯一性、普遍性和终生不变性等重要性质,利用指纹图像进行身份识别已经有了很长的历史。在公安刑侦领域,自20世纪初期以来,指纹逐渐成为了执法机构逮捕和判定罪犯有罪的最重要的证据之一。近年来,自动指纹识别技术的发展与成熟使得指纹识别被广泛地应用于公安刑侦、出入境、门禁系统和重要设备的权限控制中。在公安刑侦领域,指纹识别的主要对象是从犯罪现场通过多种方法(比如特定的化学试剂或光学仪器等)采集的指纹。由于这类指纹通常是犯罪分子无意中遗留在某些物体上的,指纹可能残缺不全,且存在复杂的背景纹理干扰。在使用自动指纹识别系统识别这些指纹之前,指纹鉴定人员必须手工地将它们切割出来,校正到标准的姿势(指纹中心位于图像中央,指纹方向为竖直)。这个过程非常繁琐耗时。另一方面,在进行活体指纹采集时(包括公安和民用在内的各种指纹识别应用),容易产生采集姿势不标准的指纹,即采集的指纹按捺位置不在图像中央、角度不是竖直的。要识别这些姿势不标准的指纹,指纹匹配算法不得不考虑各种可能的空间变换,导致运算复杂度很高。本专利技术要解决的是采集姿势不标准及复杂背景下指纹的自动检测和校正问题。现有的技术主要基于灰度方差和灰度梯度一致性等局部特征来分割指纹区域,这些特征在图像背景干净时具有良好的性能,但在背景较复杂时几乎没有效果,且它们只能估计图像的局部区域是否为指纹,无法估计整个指纹的方向和中心,因而无法校正姿势不正确的指纹,更无法从低质量的犯罪现场指纹中检测出指纹。由于现有技术的不足,在有人值守的指纹识别系统中,指纹的检测和校正通常是由工作人员手工完成的,费时费力。在无人值守的指纹识别系统中,姿势不正确的指纹只能由指纹匹配算法来解决,运算复杂度很高,而且容易导致错误匹配。因此,迫切需要一种指纹自动检测和校正技术,减少人工介入,提高自动化程度,提升采集姿势不标准及复杂背景下指纹识别的速度和精度。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此,本专利技术的一个目的在于提出一种提高识别效率高、自动化程度高的。根据本专利技术实施例的,包括:A.离线阶段,所述离线阶段仅进行一次,建立了方向场模板库;和&在线阶段,所述在线阶段将对输入的现场指纹图片提取方向特征,与所述方向场模板库进行比较,估计指纹的位置和方向,然后进行校正。进一步地,所述步骤A进一步包括A1.对训练指纹图像进行基准方向场的标定,将图像划分为大小相同互不重叠的图像块,定义每个图像块包含的指纹脊线和指纹谷线的方向作为该块的方向,所有图像块的方向组成了所述图像的方向场;A2.对所述基准方向场进行提取,获得基准方向场模板;A3.对所述基准方向场模板进行聚类并对每类模板在指纹的不同位置出现的概率分布进行估计4PA4.建立所述基准方向场模板与参考点分布的映射。进一步地,所述步骤A2包括得到基准方向场以后,提取Na组大小为dXd图像块的基准方向场模板,其中,第n组模板表示的是以从正上方为初始方向逆时针旋转nX (360/Na)度以后的方向作为基准方向的方向场模板,其中Na、d和n为正整数。进一步地,所述步骤A3中,所述聚类为K-中心聚类。进一步地,所述步骤B进一步包括B1.对所述输入的现场指纹图片进行初始方向场提取;B2.对提取到的初始方向场进行参考点和参考方向的估计;和133.基于所述参考点和参考方向的估计结果,对所述现场指纹图片进行校正。进一步地,所述步骤BI进一步包括B11.手工标记出所述输入的现场指纹图片中的指纹所在的前景区;B12.将所述前景区分割为多个互不重叠的DXD像素前景区块,对于每个区块进行二维短时傅里叶变换,并提取在变换结果的频域中响应最强的两个方向作为该区块的代表方向,其中D为正整数;和B13.所有所述前景区块的代表方向构成了所述现场指纹的初始方向场。进一步地,所述步骤B2进一步包括B21.按照所述初始方向场的大小构造Na组空的投票格子,对于第n组投票格子,取大小为dX d个格子的滑动窗W,按照从左到右、从上到下的顺序在初始方向场上滑动;B22.每滑动到一个位置(x,y),将该窗内的dXdX2的方向场取出来作为候选方向场,然后将本组的k个基准方向场模板依次与候选方向场求相似度,最终可以获得k个基准方向场与候选方向场的相似度,选择其中相似度最大者kmg_,认为位置(x,y)处对应的候选方向场就是基准方向场kmgmax ;B23.将kmgmax对应的投票分布以(x,y)为中心叠加到参考点位置分布的投票格子上,当滑动窗扫描完整个初始方向场时,所有位置对应的候选方向场对参考点位置的贡献就全部叠加了起来,参考点位置的分布投票格子中概率最高者,概率记为voten,表示在第n组模板的投票下,参考点可能的所在位置(xn,yn)。由于第n组模板的基准方向是以正上方为初始方向旋转nX360/Na度,因此点(xn, yn)表示前景区域中在位置(xn,yn)处可能有参考方向为nX360/Na的参考点;和B24.当Na个参考点均求出来以后,比较各参考点对应的概率Voten,概率最高者对应的位置和基准方向就是要求的参考点和参考方向。进一步地,所述步骤B3进一步包括根据校正后指纹的中心点和参考点的位置估计平移向量,由校正后的指纹正方向与参考方向估计旋转向量,再通过所述平移向量和所述旋转向量进行正交变换,完成指纹的校正。本专利技术提供了一种,该方法通过聚类学习的方式对指纹脊线方向的局部模式和空间分布进行了统计,通过局部模式对比的方式寻找目标图像中与指纹模式类似的区域,再结合各局部模式的空间位置分布消除出现在不合理位置的局部模式的影响,最终估计指纹的位置和方向,并依据位置和方向信息对指纹进行校正。本专利技术与以往指纹检测方法的最大的不同在于它考虑了指纹脊线方向的局部模式及其空间分布,在检测中考虑了指纹本身的自然特性,加入了先验信息。传统的指纹检测方法只考虑指纹图像中孤立分割的图像块内统计信息及局部的兼容性约束,有很大的限制首先,只考虑统计信息在背景比较复杂的情况下无法区分背景和指纹图像;只考虑局部兼容性约束则只能保证图像块的分类在局部不冲突,却无法保证在图像块出现在其位置的可信度。本方法利用局部区域纹理信息自动分析和提取最佳的局部匹配模式,再结合指纹局部模式的空间分布,投票产生指纹的参考点和参考方向,以指示指纹所在的位置和方向,完成对指纹位置和方向的检测。接下来,算法将依据该参考点和参考方向对指纹进行坐标系归一化,即以参考点为指纹中心,以参考方向为正上方将指纹图像进行正交变换。本专利技术可以极大地减少目前复杂背景下的指纹检测中的人工干预,减轻指纹鉴定人员工作量,提高识别效率,提升指纹识别系统的自动化程度。本专利技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中图1为本专利技术的的流程2为基准方向场的标定示意3为方向场校正示意4为方向场模板及其位置分布示意5为方向场模板及其投票分布示意6为参考点位置估计示意7为多方向指纹检测与校正示意图具体实施例方式下面详细描述本专利技术的实本文档来自技高网...
【技术保护点】
一种基于方向场分布的指纹校正方法,其特征在于,包括:A.离线阶段,所述离线阶段仅进行一次,建立了方向场模板库;和B.在线阶段,所述在线阶段将对输入的现场指纹图片提取方向特征,与所述方向场模板库进行比较,估计指纹的位置和方向,然后进行校正。
【技术特征摘要】
1.一种基于方向场分布的指纹校正方法,其特征在于,包括: A.离线阶段,所述离线阶段仅进行一次,建立了方向场模板库;和 B.在线阶段,所述在线阶段将对输入的现场指纹图片提取方向特征,与所述方向场模板库进行比较,估计指纹的位置和方向,然后进行校正。2.如权利要求1所述的方法,其特征在于,所述步骤A进一步包括: Al.对训练指纹图像进行基准方向场的标定,将图像划分为大小相同互不重叠的图像块,定义每个图像块包含的指纹脊线和指纹谷线的方向作为该块的方向,所有图像块的方向组成了所述图像的方向场; A2.对所述基准方向场进行提取,获得基准方向场模板; A3.对所述基准方向场模板进行聚类并对每类模板在指纹的不同位置出现的概率分布进行估计;和 A4.建立所述基准方向场模板与参考点分布的映射。3.如权利要求2所述的方法,其特征在于,所述步骤A2包括:得到基准方向场以后,提取Na组大小为dXd图像块的基准方向场模板,其中,第n组模板表示的是以从正上方为初始方向逆时针旋转nX (360/Na)度以后的方向作为基准方向的方向场模板,其中Na、d和n为正整数。4.如权利要求3所述的方法,其特征在于,所述步骤A3中,所述聚类为K-中心聚类。5.如权利要求1-4任一项所述的方法,其特征在于,所述步骤B进一步包括: B1.对所述输入的 现场指纹图片进行初始方向场提取; B2.对提取到的初始方向场进行参考点和参考方向的估计;和 B3.基于所述参考点和参考方向的估计结果,对所述现场指纹图片进行校正。6.如权利要求5所述的方法,其特征在于,所述步骤BI进一步包括: Bll.手工标记出所述输入的现场指纹图片中的指纹所在的前景区; B12.将所述前景区分割为多个互不重叠的DXD像素前景区块,对于每个区块进行...
【专利技术属性】
技术研发人员:周杰,冯建江,杨霄,
申请(专利权)人:清华大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。