重叠指纹图像的分离方法转让专利
申请号 : CN201210271915.7
文献号 : CN102799876B
文献日 : 2015-03-11
发明人 : 郑逢德 , 杨春宇 , 刘晓春
申请人 : 北京海鑫科金高科技股份有限公司
摘要 :
本发明涉及一种重叠指纹图像的分离方法，依据指纹轮廓对重叠指纹图像进行处理，获得背景区域图像、指纹重叠区域图像、单一指纹区域图像；用梯度算法对单一指纹区域图像进行运算，获得第一种指纹初始方向场数据，用局部傅立叶分析算法对指纹重叠区域图像进行运算，获得第二种指纹初始方向场数据，用松弛标注算法对指纹初始方向场数据进行处理获得二种粗糙的指纹方向场图像文件，通过最小化原始方向场和由指纹奇异点重构出的基于模型方向场求出指纹奇异点最优组合；依据混合模型进行指纹方向场重构，获得基于模型的指纹精细方向场数据；利用滤波增强算法对基于模型的指纹精细方向场数据进行处理，获得分离后的两个指纹图像文件。
权利要求 :
1.一种重叠指纹图像的分离方法，使用计算机装置及安装在计算机装置中的计算程序进行重叠指纹图像的分离处理；其分离处理的步骤是：
A、将一幅包含两个指纹重叠在一起的重叠指纹图像输入所述计算机装置，将所述重叠指纹图像显示在屏幕上，根据人眼观察初步判断出两个指纹各自的指纹轮廓，启动遮挡程序依据所述的指纹轮廓对所述的重叠指纹图像进行处理，获得第一遮挡图像文件和第二遮挡图像文件，将所述的遮挡图像文件保存在计算机装置中；
B、启动运算程序对第一遮挡图像文件和第二遮挡图像文件进行逻辑运算，获得背景区域图像、指纹重叠区域图像、第一种单一指纹区域图像、第二种单一指纹区域图像；将所述的四种区域图像保存在计算机装置中；
C、启动梯度算法对所述第一种单一指纹区域图像进行运算，获得第一种指纹初始方向场数据；启动梯度算法对所述第二种单一指纹区域图像进行运算，获得第二种指纹初始方向场数据；启动局部傅立叶分析算法对所述指纹重叠区域图像进行运算，获得第三种指纹初始方向场数据，将所述的三种指纹初始方向场数据保存在计算机装置中；
D、启动松弛标注算法对所述第一种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第一种粗糙的指纹方向场图像文件；启动松弛标注算法对所述第二种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成另一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第二种粗糙的指纹方向场图像文件；将所述的二种指纹方向场图像文件保存在计算机装置中；
E、打开所述粗糙的指纹方向场图像文件，将该指纹方向场图像显示在屏幕上进行观察，如果所述粗糙的指纹方向场图像中的指纹奇异点位于所述指纹重叠区域图像中的指纹重叠区域，则操作鼠标选用封闭曲线分别对所述指纹奇异点进行标注；如果所述指纹奇异点位于所述指纹重叠区域以外，则采用模型分离法提取出该指纹奇异点；然后采用DORIC特征去除所述粗糙的指纹方向场图像中的伪奇异点；通过最小化原始方向场和由指纹奇异点重构出的基于模型方向场的差求出指纹奇异点最优组合；
F、根据步骤D和步骤E中获得的指纹方向场图像和指纹奇异点最优组合，通过最小二乘算法求出混合模型参数，也就得到了混合模型；依据所述混合模型进行指纹方向场重构，获得两种基于模型的指纹精细方向场数据；
G、利用Gabor滤波增强算法对两种基于模型的指纹精细方向场数据进行处理，获得两个独立的指纹图像文件，重叠指纹图像分离完成。
说明书 :
重叠指纹图像的分离方法
技术领域
[0001] 本发明涉及一种重叠指纹图像的分离方法，使用计算机装置及计算程序进行重叠指纹图像的分离处理，依据指纹轮廓，获得指纹重叠区域图像、单一指纹区域图像；用梯度算法、局部傅立叶分析算法、松弛标注算法对初始指纹方向场数据进行处理，依据混合方向场模型进行指纹方向场重构，利用滤波增强算法对精细指纹方向场数据进行处理。
背景技术
[0002] 现有技术中，处理重叠指纹通常由指纹专家手工标注，既繁琐又容易出错，因此很有必要研究重叠指纹自动分离技术。近来出现了一些重叠指纹分离的学术研究成果，第一[3]种是Chen 等提出的基于松弛标注(relaxation labeling)算法的重叠指纹分离方法，其流程为：首先估计一个初始的方向场,再采用松弛标注技术将初始方向场分为两类，最后[4]
根据得到的方向场由Gabor滤波器调节得到两个分离的指纹图像。第二种是Feng 提出的改进算法，主要改进为：标注问题的表述，一个重叠块作为一个对象去标注，标注更新算法，[5]
采用顺序更新。第三种是Zhao 等提出的基于模型的分离方法，其流程为：针对每一个单独的指纹区域手工标注一些方向场线索，将奇异点也标注出来，由奇异点和方向场线索建立零点-极点方向场模型，将初始指纹方向场减去奇异点方向场，这样得到残差方向场，由残差方向场计算模型系数，这样也就得到了残差模型，由得到的模型预测未标注的地方的方向场，将得到的方向场与零点-极点模型方向场相加得到最后的方向场，由Gabor滤波器调节得到两个分离的指纹图像。现有技术中的第一种和第二种在模拟指纹图像上都取得了好的结果，但是并不能用于真实指纹图像。第三种只能用于低质量重叠指纹分离，但需要手工标注奇异点和方向场线索，标注方向场线索十分繁琐。因此，需要提出一种新的重叠指纹图像的分离方法。
根据得到的方向场由Gabor滤波器调节得到两个分离的指纹图像。第二种是Feng 提出的改进算法，主要改进为：标注问题的表述，一个重叠块作为一个对象去标注，标注更新算法，[5]
采用顺序更新。第三种是Zhao 等提出的基于模型的分离方法，其流程为：针对每一个单独的指纹区域手工标注一些方向场线索，将奇异点也标注出来，由奇异点和方向场线索建立零点-极点方向场模型，将初始指纹方向场减去奇异点方向场，这样得到残差方向场，由残差方向场计算模型系数，这样也就得到了残差模型，由得到的模型预测未标注的地方的方向场，将得到的方向场与零点-极点模型方向场相加得到最后的方向场，由Gabor滤波器调节得到两个分离的指纹图像。现有技术中的第一种和第二种在模拟指纹图像上都取得了好的结果，但是并不能用于真实指纹图像。第三种只能用于低质量重叠指纹分离，但需要手工标注奇异点和方向场线索，标注方向场线索十分繁琐。因此，需要提出一种新的重叠指纹图像的分离方法。
发明内容
[0003] 本发明的目的在于提供一种重叠指纹图像的分离方法，使用计算机装置及计算程序进行重叠指纹图像的分离处理。依据指纹轮廓，获得指纹重叠区域图像、单一指纹区域图像；用梯度算法、局部傅立叶分析算法进行运算，用松弛标注算法对指纹初始方向场数据进行处理，依据混合模型系数进行指纹方向场重构，利用滤波增强算法对指纹精细方向场数据进行处理，获得分离后的两个指纹图像文件。本发明能适用于大多数重叠指纹图像分离，同时所需要的操作也很少。
[0004] 本发明的目的是由下述技术方案实现的：一种重叠指纹图像的分离方法，使用计算机装置及安装在计算机装置中的计算程序进行重叠指纹图像的分离处理；其分离处理的步骤是：
[0005] A、将一幅包含两个指纹重叠在一起的重叠指纹图像输入所述计算机装置，将所述重叠指纹图像显示在屏幕上，根据人眼观察初步判断出两个指纹各自的指纹轮廓，启动遮挡程序依据所述的指纹轮廓对所述的重叠指纹图像进行处理，获得第一遮挡图像文件和第二遮挡图像文件，将所述的挡图像文件保存在计算机装置中；
[0006] B、启动运算程序对第一遮挡图像文件和第二遮挡图像文件进行逻辑运算，获得背景区域图像、指纹重叠区域图像、第一种单一指纹区域图像、第二种单一指纹区域图像；将所述的四种区域图像保存在计算机装置中；
[0007] C、启动梯度算法对所述第一种单一指纹区域图像进行运算，获得第一种指纹初始方向场数据；启动梯度算法对所述第二种单一指纹区域图像进行运算，获得第二种指纹初始方向场数据；启动局部傅立叶分析算法对所述指纹重叠区域图像进行运算，获得第三种指纹初始方向场数据，将所述的三种指纹初始方向场数据保存在计算机装置中；
[0008] D、启动松弛标注算法对所述第一种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第一种粗糙的指纹方向场图像文件；启动松弛标注算法对所述第二种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成另一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第二种粗糙的指纹方向场图像文件；将所述的二种指纹方向场图像文件保存在计算机装置中；
[0009] E、打开所述粗糙的指纹方向场图像文件，将该指纹方向场图像显示在屏幕上进行观察，如果所述粗糙的指纹方向场图像中的指纹奇异点位于所述指纹重叠区域图像中的指纹重叠区域，则操作鼠标选用封闭曲线分别对所述指纹奇异点进行标注；如果所述指纹奇异点位于所述指纹重叠区域以外，则采用模型分离法提取出该指纹奇异点；然后采用DORIC特征去除所述粗糙的指纹方向场图像中的伪奇异点；通过最小化原始方向场和由指纹奇异点重构出的基于模型方向场的差求出指纹奇异点最优组合；
[0010] F、根据步骤D和步骤E中获得的指纹方向场图像和指纹奇异点最优组合，通过最小二乘算法求出混合模型参数，也就得到了混合模型；依据所述混合模型进行指纹方向场重构，获得两种基于模型的指纹精细方向场数据；
[0011] G、利用Gabor滤波增强算法对两种基于模型的指纹精细方向场数据进行处理，获得两个独立的指纹图像文件，重叠指纹图像分离完成。
[0012] 本发明与现有技术相比具有如下优点：
[0013] 1、本发明求出两个分离的指纹方向场，采用松弛标注算法求出两个粗糙的指纹方向场，将正确的方向场选取出来，利用混合模型求取出两个精细的方向场，根据方向场采用Gabor滤波器增强算法分离出两个指纹。
[0014] 2、本发明既能用于模拟重叠指纹(也就是人工合成的重叠指纹)分离，也能用于真实重叠指纹分离，适应性强。
[0015] 3、本发明相比Zhao的基于模型的方法简化了繁琐的选取方向场线索的工作。
[0016] 4、本发明采用计算机运算，所需要的操作很少，能适用于大多数重叠指纹图像分离。
附图说明
[0017] 以下结合附图及实施例对本发明作进一步说明。
[0018] 图1、本发明的重叠指纹图像分离流程框图；
[0019] 图2、本发明的重叠指纹图像；
[0020] 图3、本发明的第一遮挡图像；
[0021] 图4、本发明的第二遮挡图像；
[0022] 图5、本发明的指纹重叠区域图像；
[0023] 图6、本发明的第一种单一指纹区域图像；
[0024] 图7、本发明的第二种单一指纹区域图像；
[0025] 图8、本发明的第一种粗糙的指纹方向场图像；
[0026] 图9、本发明的第二种粗糙的指纹方向场图像；
[0027] 图10、本发明的第一种基于模型的指纹精细方向场图像；
[0028] 图11、本发明的第二种基于模型的指纹精细方向场图像；
[0029] 图12、本发明的第一个独立的指纹图像；
[0030] 图13、本发明的第二个独立的指纹图像。
具体实施方式
[0031] 实施例一：
[0032] 参见图1－图13，本发明的重叠指纹图像的分离方法，使用计算机装置及安装在计算机装置中的计算程序进行重叠指纹图像的分离处理；其分离处理的步骤是：
[0033] A、将一幅包含两个指纹重叠在一起的重叠指纹图像输入所述计算机装置，将所述重叠指纹图像显示在屏幕上，重叠指纹图像的尺寸参数是388×374（单位是像素），根据人眼观察初步判断出两个指纹各自的指纹轮廓，启动遮挡程序依据所述的指纹轮廓对所述的重叠指纹图像进行处理，获得第一遮挡图像文件和第二遮挡图像文件，将所述的挡图像文件保存在计算机装置中；启动遮挡程序是指采用Visual C++或者Matlab编制的计算机程序；指纹轮廓是指图像中的指纹纹理形成的轮廓。
[0034] B、启动运算程序对第一遮挡图像文件和第二遮挡图像文件进行逻辑运算，获得背景区域图像、指纹重叠区域图像、第一种单一指纹区域图像、第二种单一指纹区域图像；将所述的四种区域图像保存在计算机装置中；本实施例中，运算程序采用Visual C++或者Matlab编制的计算机程序，用于对图像进行区域分割；进行逻辑运算包括与、或、非三种运算；所述的背景区域图像是去除掉指纹区域后剩余区域的图像附图中没有显示。
[0035] C、启动梯度算法对所述第一种单一指纹区域图像进行运算，获得第一种指纹初始方向场数据；启动梯度算法对所述第二种单一指纹区域图像进行运算，获得第二种指纹初始方向场数据；启动局部傅立叶分析算法对所述指纹重叠区域图像进行运算，获得第三种指纹初始方向场数据，将所述的三种指纹初始方向场数据保存在计算机装置中；本实施例中，梯度算法是指能够实现梯度方法的程序，梯度方法属于现有技术，请参见参考文献[1] D. Maltoni, D. Maio, A. K. Jain, et al. Handbook of Fingerprint Recognition [M]. London: Springer Press, 2009.第103～106页公开的内容。本实施例中，指纹初始方向场数据是指图像上每一个点的数值是指纹图像上对应点的局部脊线方向数值。方向场表达了指纹图像最基本的信息，从视觉效果上，方向场图像描述了指纹的大致形状（参考文献[1] 99～102页）。
[0036] 本实施例中，局部傅立叶分析算法指能够实现局部傅立叶分析方法的程序，局部傅立叶分析方法属于现有技术，请参见参考文献[12] A. K. Jain, J. J. Feng. Latent Palmprint Matching [J]. IEEE Trans. PAMI, 2009, 31(6):1032–1047。
[0037] D、启动松弛标注算法对所述第一种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第一种粗糙的指纹方向场图像文件；启动松弛标注算法对所述第二种指纹初始方向场数据和第三种指纹初始方向场数据进行运算生成另一个指纹方向场图像，对该指纹方向场图像进行观察修正，获得第二种粗糙的指纹方向场图像文件；将所述的二种指纹方向场图像文件保存在计算机装置中；本实施例中，松弛标注算法是指能够实现松弛标注法的程序，松弛标注法属于现有技术，请参见参考文献[3] F. L. Chen, J. J.Feng, A. K. Jain, et al. Separating Overlapped Fingerprints [J]. IEEE Trans. Inf. Foren. Secur. 2011,6(2):346-359。本实施例中，对该指纹方向场图像进行观察修正是指操作人员观察图像选出正确的方向场进行修正。粗糙的指纹方向场图像文件是指后缀为bmp或者jpg的图像文件，该图像文件生成显示指纹纹理的图像（参见图8或者图9所显示的粗糙的指纹方向场图像）。
[0038] E、打开所述粗糙的指纹方向场图像文件，将该指纹方向场图像显示在屏幕上进行观察，如果所述粗糙的指纹方向场图像中的指纹奇异点位于所述指纹重叠区域图像中的指纹重叠区域，则操作鼠标选用封闭曲线分别对所述指纹奇异点进行标注；如果所述指纹奇异点位于所述指纹重叠区域以外，则采用模型分离法提取出该指纹奇异点；然后采用DORIC特征去除所述粗糙的指纹方向场图像中的伪奇异点；通过最小化原始方向场和由指纹奇异点重构出的基于模型方向场的差（通过调节模型方向场的参数使得两个方向场之差最小）求出指纹奇异点最优组合；（也就是使得上述两个方向场之差最小）。依据第一种粗糙的指纹方向场图像文件求出第一种指纹奇异点最优组合，依据第二种粗糙的指纹方向场图像文件求出第二种指纹奇异点最优组合。
[0039] F、根据步骤D和步骤E中获得的指纹方向场图像和指纹奇异点最优组合，通过最小二乘算法求出混合模型参数，也就得到了混合模型；依据所述混合模型进行指纹方向场重构，获得两种基于模型的指纹精细方向场数据；本实施例中，指纹方向场重构是指由混合模型求出指纹方向场；本实施例中，依据第一种粗糙的指纹方向场图像文件和第一种指纹奇异点最优组合，获得第一种基于模型的指纹精细方向场数据（参见图10所显示的图像）；依据第二种粗糙的指纹方向场图像文件和第二种指纹奇异点最优组合，获得第二种基于模型的指纹精细方向场数据（参见图11所显示的图像）。
[0040] G、利用Gabor滤波增强算法对两种基于模型的指纹精细方向场数据进行处理，获得两个独立的指纹图像文件，重叠指纹图像分离完成；参见图12所显示的第一个指纹图像和图13所显示的第二个指纹图像。
[0041] 本实施例中，Gabor滤波增强算法是指使用指纹方向场对指纹图像进行增强求出两个分离的指纹数据。指纹在局部小区域内可以认为是一组平行的具有一定频率的直线，那么顺着脊线的方向使用Gabor窗函数去过滤图像，使脊线的信息得到加强。由于是顺着脊线的方向滤波，在顺着脊线方向上有平滑的作用，因此能将一些断裂的脊线修复回原来的状态，同时由于Gabor滤波器有良好的频率选择性，因此可以在有效地去除脊线上噪声的同时，保持脊线的结构。
[0042] 本实施例中，所述计算机装置的配置是奔腾双核2.7GHz CPU,2G内存，Windows XP操作系统。所述的计算程序是采用Visual C++或者Matlab编制的计算机程序。所述计算机装置还可以是网络计算机。
[0043] 本实施例中，指纹奇异点是指纹方向场的不连续点，奇异点本身就是描述指纹宏观走向的一种特征，奇异点有两种类型：中心点和三角点。伪奇异点是指检测奇异点过程中产生的假的奇异点。模型分离法是基于数学模型分离奇异点的方法，模型分离法属于现有技术，请参见参考文献[6] J. Zhou, F. L. Chen, J. W.Gu. A Novel Algorithm for Detecting Singular Points from Fingerprint Images [J]. IEEE Trans. PAMI,2009,31(7):1239–1250。DORIC特征是逆时针沿着圆圈的方向值的变化量之差 。
[0044] 参考文献：
[0045] [1] D. Maltoni, D. Maio, A. K. Jain, et al. Handbook of Fingerprint Recognition [M]. London: Springer Press, 2009。
[0046] [2] 田捷, 杨鑫. 生物特征识别理论与应用 [M]. 北京：清华大学出版社,2009。
[0047] [3] F. L. Chen, J. J.Feng, A. K. Jain, et al. Separating Overlapped Fingerprints [J]. IEEE Trans. Inf. Foren. Secur. 2011, 6(2):346-359。
[0048] [4] J. J.Feng, Y. Shi, J. Zhou. Robust and Efficient Algorithms for Separating Latent Overlapped Fingerprints [J].Under Review in IEEE Trans. Inf. Foren. Secur 2012。
[0049] [5] Q. J. Zhao, A. K. Jain. Model Based Separation of Overlapping Latent Fingerprints [J]. IEEE Trans. Inf. Foren. Secur. 2012, 7(3):904-918。
[0050] [6] J. Zhou, F. L. Chen, J. W.Gu. A Novel Algorithm for Detecting Singular Points from Fingerprint Images [J]. IEEE Trans. PAMI,2009,31(7):1239–1250。
[0051] [7] J. Zhou, J. W. Gu. A Model-Based Method for the Computation of Fingerprints’ Orientation Field[J]. IEEE Trans. Image Processing,2004,13(6):821–835。
[0052] [8] L. Hong, Y. Wan, A. K. Jain. Fingerprint Image Enhancement: Algorithm and Performance Evaluation [J]. IEEE Trans. PAMI,1998,20(8): 777–789。
[0053] [9] B.G. Sherlock, D. M. Monro. A Model for Interpreting Fingerprint Topology [J].Pattern Recognition, 1993, 26(7):1047-1055。
[0054] [10] S. Huckemann, T. Hotz, A. Munk. Global Models for the Orientation Field of Fingerprints: An Approach Based on Quadratic Differentials [J]. IEEE Trans. PAMI, 2008, 30(9):1507–1519。
[0055] [11] Y. Wang, J. K. Hu, D. Phillips. A Fingerprint Orientation Model Based on 2D Fourier Expansion (FOMFE) and Its Application to Singular-Point Detection and Fingerprint Indexing [J]. IEEE Trans. PAMI, 2007, 29(4):573–585。
[0056] [12] A. K. Jain, J. J. Feng. Latent Palmprint Matching [J]. IEEE Trans. PAMI, 2009, 31(6):1032–1047。