專利名稱：驗證模式下的自動指紋識別技術的制作方法
技術領域：
本發(fā)明涉及生物識別領域，具體地說是涉及手指指紋的自動識別技術。
背景技術：
自動指紋識別技術是指利用指頭表面紋路的脊線、谷線分布模式來確認被識別對象的身份的一種生物識別技術。人的指紋特征是與生俱來的，在胎兒時期就已經(jīng)決定了。人類使用指紋作為身份識別的手段已經(jīng)有很長的歷史了，使用指紋進行身份識別的合法性也早已得到了廣泛的認可。
一般而言，自動指紋識別技術分為驗證模式和識別模式兩種。驗證模式又稱為11模式，也就是判斷你是否是你所說的那個人；識別模式又稱為1N模式，也就是判斷你是否為一個合法人群中的其中一員。無論是那種方式，最后對一個人的身份進行確認都是通過考察兩枚指紋之間的相似度來實現(xiàn)的。按照各自的實現(xiàn)功能，自動指紋識別技術可以被分解為以下四個模塊(1)指紋采集；(2)指紋特征信息提??；(3)指紋分類；(4)指紋匹配。指紋采集就是將指紋紋線分布經(jīng)相關指紋采集設備錄入并進行數(shù)字化的過程。指紋特征信息提取就是對所采集到的指紋圖像進行處理，提取出可以表征指紋唯一性的特征信息。指紋分類是根據(jù)指紋紋線客觀上所具有的全局結構模式指定相應的分類標準，將具有相同全局結構模式的指紋歸結到同一類別中。指紋匹配是根據(jù)指紋的特征信息來判斷兩枚指紋是否同源，即是否來自于同一個人的同一個手指。其中，指紋分類是識別模式下的自動指紋識別技術中的一個關鍵環(huán)節(jié)，而在驗證模式下則不需要對指紋進行分類。
基于驗證模式下的自動指紋識別技術的一般工作流程如

圖1所示。
目前，自動指紋識別系統(tǒng)的主要技術難點有以下五個方面1、前端的指紋采集技術。目前的指紋采集方式主要有光學全反射式、電感式、電容式等。但這些采集方式無法解決由于指紋本身的質量不好對自動指紋識別技術的影響，無法實現(xiàn)對由于手指干燥、脫皮、老化、橫紋等所引起的質量很差的指紋所帶來的不利影響。
2、方向提取技術。目前的方向提取技術在指紋質量良好的條件下能獲取相對理想的方向圖，但在指紋質量相對較差的時候，很難提取出相對合理的方向圖。比如在指紋中橫紋相對較多的時候，在橫紋出現(xiàn)的地方，所提取的方向圖無法準確的描述指紋本身的紋線流。
3、指紋增強技術。指紋增強是自動指紋識別技術中一個非常重要的環(huán)節(jié)，但目前的指紋增強技術無法實現(xiàn)高效率和高準確率的有機結合。
4、指紋細化技術。理想細化后的紋線骨架應該是原始紋線的中間位置，細化后的圖像應該是完全單象素寬，并保持紋線的連通性、拓撲結構和細節(jié)特征。但目前的細化技術在某些地方(比如，紋線分叉的位置)無法保證細化圖像是完全單象素寬，甚至產(chǎn)生較多的毛刺。無法適應自動指紋識別系統(tǒng)的要求。
5、指紋匹配技術。為了適應自動指紋識別系統(tǒng)的要求，指紋匹配技術應是高準確率和高速度的有機結合?，F(xiàn)有的指紋匹配技術在一定程度上只能滿足一方面的要求。
本申請專利技術主要針對自動指紋識別技術中指紋圖像細化技術和指紋紋線方向信息提取技術兩個方面進行了重大的改進。
(1)細化處理是指在指紋圖像二值化以后，在不影響紋線連通性的基礎上，刪除紋線的邊緣像素，直到紋線為單像素寬為止。理想細化后的紋線骨架應該是原始紋線的中間位置，并保持紋線的連通性、拓撲結構和細節(jié)特征。細化算法的種類很多，按照細化順序來看主要分為三類串行細化、并行細化和混合細化。其中快速細化算法[1](Quickthinning algorithm)和改進的OPTA算法[2](Improved OPTA thinning algorithm)是目前使用較多的兩種細化算法?？焖偌毣惴?連通并行細化算法，原理是判斷出指紋紋線的邊界點并逐步刪除。該算法速度很快，但是細化不徹底。改進的OPTA算法是串行細化算法，其原理是構造一定的消除模板和保留模板，將二值化后的指紋圖像和模板比較，決定是否刪除某點的像素值。這種算法能夠基本保證單像素寬，但細化后會產(chǎn)生很多毛刺圖。而且發(fā)現(xiàn)，經(jīng)過該算法細化的圖像在紋線的分叉點處并不是單像素寬的。
(2)指紋圖像的方向信息是指紋紋線的方向流信息。在自動指紋識別技術中，準確提取指紋圖像的方向信息是后繼處理的前提和基礎，具有非常重要的意義。預定方向逼近法[4，5，6]和Rao法的改進型算法[3]是目前提取指紋方向信息的最常用算法，代表了指紋圖像方向信息提取的當前研究水平。這兩種算法都能基本正確地提取指紋圖像的方向信息。但它們都存在著一定問題預定方向逼近法預先將指紋圖像設定為N個固定方向，將求取的指紋圖像方向逼近為其中的一個，造成提取的指紋方向信息不精確，計算量大，算法速度慢；Rao法的改進型方法主要是通過考察指紋圖像的灰度梯度變化來求取指紋圖像的紋線流方向信息，與預定方向逼近法相比，該算法求出的每塊圖像的方向為連續(xù)角，更細致地表示了紋路真實的方向信息。目前，這兩類技術中都存在一個共同的問題抵抗噪聲的能力弱，對指紋圖像質量的依賴性太大。一般而言，在指紋圖像質量比較理想的情況下，這兩類算法所求得的方向信息都能基本滿足需要，但在對質量較差的指紋圖像進行處理的時候，它們都無法獲得一個良好的方向信息，從而不能滿足實際應用需要。

發(fā)明內容
1、發(fā)明目的本發(fā)明目的有兩個(1)為解決現(xiàn)有的指紋細化技術中所存在的細化不完全問題和毛刺現(xiàn)象的大量存在，本技術提出了一種新的模板細化方法，該細化技術實現(xiàn)了指紋圖像的完全、徹底的細化，并在很大程度上消除了毛刺現(xiàn)象的出現(xiàn)，從而保證后繼的特征提取和識別的準確性。
(2)為解決現(xiàn)有的指紋紋線方向提取技術對指紋圖像質量的適應性不高的問題，本技術提出了一種基于多級分割思想的指紋紋線方向提取的新方法。該方法的方向提取技術可以很好的適應指紋圖像的質量，在指紋圖像質量很差的條件下也可以獲取相對準確的指紋紋線方向圖。
通過我們所提供的技術，我們所設計的系統(tǒng)達到了提高整個自動指紋識別技術的準確率的目的。
2、技術方案(1)指紋圖像細化處理方法本細化技術是在改進的OPTA細化算法基礎上，針對其細化不完全和毛刺產(chǎn)生這兩點不足，分析其產(chǎn)生原因，然后重新構建一系列細化模板解決這些不足，從而達到完全、徹底細化，且紋線光滑無毛刺的細化目的。
為了說明改進的OPTA算法的不足，先來介紹一下其算法。
改進的OPTA算法是一種串行細化算法，它采用統(tǒng)一的4×4模板(如圖2所示)。其中，P1~P15分別代表圖像中對應的象素點，左上角的3×3方窗(即P1～P9)為消除模板區(qū)域，整個4×4模板為保留模板區(qū)域。消除模板和保留模板分別如圖3、圖4所示。
從圖像的左上角元素開始，每個像素(圖中為P5)均抽取出圖2所示的15個相鄰像素，把其中8個鄰域像素(P1～P4，P6～P9)與圖3中的8個消除模板比較，如果都不匹配，則P5保留，否則，抽取的元素再和圖4的6個保留模板比較，如果與其中一個匹配，則保留P5，否則將P5刪除。重復上述過程，直到?jīng)]有一個像素的值被改變?yōu)橹埂?br> 經(jīng)過該算法細化以后的圖像如圖5所示。可以看出有兩點明顯不足①經(jīng)過將圖像放大觀察，我們發(fā)現(xiàn)在紋線的分叉點處圖5(b)并不是單像素寬。主要有兩種情況(如圖6所示)。每種情況又有四種表現(xiàn)，將兩圖分別旋轉90度，180度，270度即得到另三種表現(xiàn)。②細化后的紋線上會產(chǎn)生很多毛刺(圖5(c))，它們大部分與所在紋線垂直，且以向上、向左、向右的毛刺居多。
經(jīng)過我們的仔細分析，發(fā)現(xiàn)分叉點處不完全細化是由消除模板不完善引起的，毛刺的產(chǎn)生則是由保留模板不對稱引起的。所以，針對上述的問題專門構建了消除模板和保留模板，解決以上兩個問題。
因此，驗證模式下的自動指紋識別技術，其特征是指紋的細化處理方法是①首先是把指紋圖像放大觀察，找出紋線分叉點處細化不完全(即不是單像素寬)的兩種情況(圖6)；②針對以上分叉點細化不完全的情況，專門構建了8個消除模板，其模板的構成形式如圖7所示，并與原改進的OPTA算法的8個消除模板(圖3)綜合起來，作為本細化處理的消除模板；③圖7中a～d對應于圖6(a)，e～h對應于圖6(b)，a～d四個模板中的考察對象(即模板中灰色背景的位置)是應該刪除的點，所以我們將其刪除，即置為0，對于e～h四個模板，將其像素位置進行了變換，即將模板中有灰色背景的對應位置中的0變換成1，而1則變換為0，實現(xiàn)了指紋圖像完全、徹底的細化，使分叉點處滿足了單像素寬。
經(jīng)研究分析指紋紋線上毛刺產(chǎn)生是由保留模板不對稱導致像素點的刪除并不是對稱進行，本應刪除的像素點，卻由于符合OPTA算法的保留下來導致產(chǎn)生毛刺，而且，毛刺基本上是向上、向左、向右的方向，即90°、180°、0°的方向。因此，在改進的OPTA算法的6個保留模板(圖4)中，將圖8所示的三種情況扣除出來毛刺就不會出現(xiàn)。圖8中，(a)、(b)、(c)分別用于防止出現(xiàn)向左、向上、向右的毛刺，從而達到毛刺消除的目的。
(2)指紋方向信息提取方法為了解決現(xiàn)有的指紋紋線方向信息提取方法對指紋圖像質量的適應性不高的問題，本發(fā)明提出了一種多級分割方法提取指紋紋線方向信息，該方法首先是將一幅待處理的指紋圖像分別按8×8、16×16、32×32分塊尺寸分為三級分塊尺寸下的分塊指紋圖像，其次針對每一級分塊尺寸下的指紋圖像分別求取指紋圖像的方向流信息，最后對在多級分塊尺寸下計算的紋線方向信息進行整合，依據(jù)大級別分塊尺寸的方向信息對小級別分塊尺寸的方向信息進行平滑。從而最終提取相對準確、可靠的指紋紋線方向信息。
3、有益效果(1)指紋圖像細化處理方法本細化方法與現(xiàn)有的指紋圖像細化方法相比，具有對指紋圖像的細化處理徹底、完全，在不破壞紋線的連通性的前提下，可以獲得完全單象素寬的細化紋線骨架(即使是在紋線分叉的位置，該技術也可以進行徹底的細化)，細化后的紋線骨架相對更接近原始紋線的中心，毛刺現(xiàn)象非常少(見圖5(d))。同時，由于本細化方法采用了查找表法，運算速度很快。
(2)指紋紋線方向信息提取方法本提取方法與現(xiàn)有的方向信息提取方法相比，其優(yōu)點是①所提取的塊方向信息更精確，可以更細致的描述指紋圖像的實際紋線方向信息；②更重要的是本方法對指紋圖像質量的具有良好的適應性，針對各種不同質量的指紋圖像，該技術都能獲得一個理想的方向圖。以下是該算法的實際處理結果(見圖9)。
具體實施例方式
實施例1.對圖6分叉點處不完全細化(不是單像素寬)兩種情況的細化處理針對圖6(a)所示的情況，可以發(fā)現(xiàn)，第三行第二列(行為橫向，列為縱向)的點是一個多余的像素點，刪除它并不影響紋線的連通性，理應刪除。所以我們可以針對這一點構建一個消除模板(如圖10(a)所示)，若圖像中的某一部分符合這個消除模板，就將模板中間灰底色的那點置為0(如圖10(b)所示)。處理前和處理后分叉點處的情況分別如圖10(c)、(d)所示?？梢钥闯?，經(jīng)過處理，分叉點處滿足了單像素寬?？紤]到旋轉的因素，共應有4個模板(圖7a-d)。
針對圖6(b)所示的情況，可以發(fā)現(xiàn)，由于第二行第三列的點的存在，造成了不完全細化，但若僅僅將其刪除，又會造成紋線的中斷。所以，我們在此構建了新的模板(如圖11(a)所示)，對紋線進行了一定程度的改造，即將第一行第二列的點刪除，即置為0，同時將第一行第三列的點置為1，保持紋線的連通(如圖11(b)所示)。處理前和處理后分叉點處的情況分別如圖11(c)、(d)所示。可以看出，經(jīng)過處理，分叉點處即滿足了單像素寬，又保持了紋線的連通性。考慮到旋轉的因素，共應有4個模板(圖7e～h)。
實施例2對毛刺現(xiàn)象的細化處理針對毛刺出現(xiàn)的情況，經(jīng)過我們研究發(fā)現(xiàn)，毛刺的出現(xiàn)對紋線方向十分敏感，紋線方向角在第二象限的時候容易出現(xiàn)毛刺，特別是紋線近似水平和垂直的時候，毛刺的出現(xiàn)尤其明顯。而且毛刺基本是向上、向左、向右的方向，即90度、180度、0度的方向。故我們認為毛刺的產(chǎn)生和模板不完全對稱有關。
為了說明的更清楚，舉兩幅圖來說明。如圖12所示，圖12(a)是細化前的二值化圖像，圖12(b)是細化后的圖像。很明顯，細化后紋線產(chǎn)生了毛刺?，F(xiàn)在具體分析一下細化的過程來解釋毛刺產(chǎn)生的原因。細化的順序是從左上角的像素開始，從左往右、從上到下依次進行的。首先考察的像素點是第二行第三列的點P2，3(2指的是行，3指的是列)，該點的8鄰域符合消除模板(a)，也符合保留模板(b)，所以P2，3點保留。再考察P2，4點(即第二行第四列的點，以下點的定義與此相同，不再說明)，它的8鄰域符合消除模板(a)，但不符合任何保留模板，所以P2，4點刪除。再往下，P3，1、P3，2點也都刪除。對于P3，3(注意其8鄰域的像素值已經(jīng)部分改變了，不再是圖12(a)的樣子)，它不符合任何消除模板，所以仍然保留。以下步驟省略。這樣細化后的圖像就產(chǎn)生了向上的毛刺。紋線上向左、向右的毛刺產(chǎn)生同理。
總的說來，毛刺的產(chǎn)生是因為保留模板不對稱，導致像素點的刪除并不是對稱進行。所以該細化算法對紋線一定方向上的突起十分敏感，使得紋線上一點小小的突起不能被完全刪除，最后演變成了毛刺。
進一步由圖12和以上分析可以看出，毛刺的產(chǎn)生是由于P2，3點本應刪除，卻由于符合OPTA算法的保留模板，保留下來導致的。所以，在此我們對保留模板進行了一定的限制，將圖9所示的情況不作為保留模板的內容，即從OPTA算法的保留模板中扣除出來。圖13中第二行第二列灰底色的點對應于P2，3點。這樣，P2，3點就被刪除掉了，毛刺也就不會出現(xiàn)。按同樣的方法，可對紋線上向左、向右的毛刺也作相應處理，可消除毛刺。
經(jīng)過這么一系列的處理后，細化不完全和出現(xiàn)毛刺這兩個問題都得到了有效的解決，細化效果很好。
實施例3指紋紋線方向信息提取方法首先，本提取方法采用多級分割的方法，具體是將一幅待處理的指紋圖像分別按8×8、16×16、32×32分塊尺寸分為三級分塊尺寸下的分塊指紋圖像，然后針對每一級分塊尺寸下的指紋圖像分別求取指紋圖像的方向流信息，最后對在多級分塊尺寸下計算的紋線方向信息做了進行整合，依據(jù)大級別分別分塊尺寸的方向信息對小級別分塊尺寸的方向住信息進行平滑，從而最終提取相對準確、可靠的指紋紋線方向信息。
設D32[i][j]、D16[m[n]、D8[r][s]分別表示在32×32、16×16、8×8分塊尺寸下求取的分塊圖像的紋線方向，則改進后的紋線方向提取技術描述為①根據(jù)不同的分塊尺寸對指紋圖像進行分塊；這里，我們將一幅指紋圖像分別按8×8、16×16、32×32分塊尺寸分為三級分塊尺寸下的分塊指紋圖像，分別用D32[i][j]、D16[m[n]、D8[r][s]分別表示在32×32、16×16、8×8分塊尺寸下求取的分塊圖像的紋線方向信息。
②分別計算在8×8、16×16、32×32分塊尺寸下的方向信息D8、D16、D32。具體的計算方法如下(a)采用由L.Hong等提出的改進的Rao方法[3]，計算每塊指紋圖像的方向信息Vy(i,j)=Σx=i-w2i+w2Σv=j-w2j+w22∂x(u,v)∂y(v,v)]]>Vx(i,j)=Σu=i-w2i+w2Σv=j-w2j+w2(∂x2(u,v)-∂y2(u,v))]]>θ(i,j)=12arctan(Vy(i,j)Vx(i,j))]]>式中w為分塊尺寸，這里取w＝7；x(u，v)、y(u，v)分別為點(u，v)在x、y方向上的一階偏導，這里我們采用Sobel算子來計算指紋圖像的每一點(u，v)的x、y方向上的一階偏導，Sobel算子的水平模板和垂直模板分別為-101-202-101]]>和-1-2-1000,121]]>將原始指紋圖像分別與兩模板進行離散卷積，即可求得在x、y方向上的一階偏導，經(jīng)實驗驗證，使用Sobel算子已足以滿足實際需要；θ(i，j)為(i，j)塊的方向。在計算出每一塊的紋線方向后，我們對θ(i，j)作如下調整如果Vx(i，j)＞0，表明該塊的紋線方向為 或 之間，則θ(i,j)=θ(i,j)+π2;]]>如果Vx(i，j)＜0，且Vy(i，j)＞0，表明該塊的紋線方向為 之間，則θ(i，j)＝θ(i，j)+π；如果Vx(i，j)＜0，且Vy(i，j)＜0，表明該塊的紋線方向為 之間，則θ(i，j)無須調整。經(jīng)過以上處理計算出的θ(i，j)為該塊的局部切線方向。
(b)在求得整幅指紋圖像的紋線方向信息以后，我們采用一個低通濾波器對指紋紋線方向信息進行一次濾波處理。在這里我們選用的低通濾波器的一般形式如下Φ(i,j)=Σu=-wΦ/2wΦ/2Φv=-wΦ/2wΦ/2h(u,v)θ(i-u,j-v)]]>式中h為一個二維低通濾波器元件，wΦ×wΦ是濾波器尺寸，這里我們選取低通濾波器的尺寸為5×5。
(c)在對指紋紋線方向信息進行濾波操作以后，本技術進一步求取每一塊的紋線方向信息的可靠性，計算公式如下C(i,j)=1nΣ(i′,j′∈D)|Φ(i′,j′)-Φ(i,j)|2]]>式中D為以(i，j)為中心的塊周圍的一局部區(qū)域，是一分塊圖像的集合，本技術中選取D的尺寸為5×5；n為區(qū)域D內塊的數(shù)目，這里為24；Φ(i’，j’)、Φ(i’，j’)為塊(i’，j’)、(i，j)的方向。
(d)如果C(i，j)大于一個預先設定的門檻值Tc，這里我們設定Tc為π/8，則認為所求得的方向信息不可靠，需要根據(jù)該塊周邊區(qū)域的方向信息對其作如下進行調整首先求取該塊所在的局部區(qū)域的主體方向Max(i，j)和該塊所在的局部區(qū)域的平均方向Avg(i，j)，如果有|Max(i，j)-Avg(i，j)＜Tc，即該塊所在區(qū)域的平均方向和它的主體方向基本一致，則取Avg(i，j)為該塊的方向；否則，分別計算該塊的上下、左右和對角塊之間的方向角度改變量，如果存在一個最小的方向角度改變量Max(i，j)，使得Min(i，j)＜Tc，則根據(jù)紋線流的連續(xù)特性，該塊的方向角度應該使得相鄰間的角度變化最小，所以取最小的角度變化的兩塊的角度平均值作為該塊的方向角度值；③以在32×32分塊尺寸下計算的紋線方向為基準，調整在16×16分塊尺寸下計算的紋線方向對所有在16×16分塊尺寸下計算的紋線方向D16，若某一D16[m][n]與其所屬于的D32[i][j]之間的差值超過π/5值，則令D16[m[n]＝D32[i][j]；否則，保持D16[m[n]的值不變；④以在16×16分塊尺寸下計算的紋線方向為基準，調整在8×8分塊尺寸下計算的紋線方向對所有在8×8分塊尺寸下計算的紋線方向D8，若某一D8[r][s]與其所屬于的D16[m][n]之間的差值超過π/10，則令D8[r][s]＝D16[m][n]；否則，保持D8[r][s]的值不變。最終得到的D8即為所提取的方向信息。
馮星奎，李林艷，顏組泉.一種新的指紋圖像細化算法.中國圖像圖形學報，1999，4A(10)835~838.[2]尹義龍.自動指紋識別系統(tǒng)研究[博士學位論文].長春吉林工業(yè)大學機械科學與工程學院，2000，54~57.[3]L.Hong and A.Jain.Integrating faces and fingerprints for personal.InProc.3rdAsian Conference on Computer Vision，pages16-23，HongKong，China，1998.[4]林征.指紋圖像方向信息的研究[碩士學位論文].北京.清華大學，1995.pp25-28[5]B.M.Mehtre Fingerprint Image Analysis for Automatic Identification，Machine Vision and Applications(1993)6124-139.[6]Z.Guo and R.W.Hall.Fast Parallel Thinning Algorithms，Vision GraphicsImage ProcessImage Understanding 55，317-328(1992).
權利要求
1.一種驗證模式下的自動指紋識別技術，其特征是指紋的細化處理方法是①首先把指紋圖像放大觀察，找出紋線分叉點處細化不完全(即不是單像素寬)的兩種情況(圖6)；②針對以上分叉點細化不完全的情況，專門構建了8個消除模板(圖7)。與原改進的OPTA算法的8個消除模板(圖3)綜合起來，作為本細化處理的消除模板。③圖7中a～d對應于圖6(a)，e～h對應于圖6(b)。a～d四個模板中的考察對象(即模板中灰色背景的位置)是應該刪除的點，所以我們將其刪除，即置為0。對于e～h四個模板，將其像素位置進行了變換，即將模板中有灰色背景的對應位置中的0變換成1，而1則變換為0，實現(xiàn)了指紋圖像完全、微底的細化，使分叉點處滿足了單像素寬。
2.根據(jù)權利要求1所述的驗證模式下的自動指紋識別技術，其特征是所述的指紋紋線上毛刺細化處理方法是①首先找出毛刺的產(chǎn)生是由保留模板不對稱，導致像素點的刪除并不是對稱，應刪除的像素點卻由于符合OPTA算法的保留模板而被保留下來，導致產(chǎn)生毛刺，而毛刺基本上是向上、向左、向右的方向，即90度、180度、0度的方向；②然后在改進的OPTA算法的6個保留模板(圖4)中，將圖8所示的三種情況扣除出來，毛刺就不會出現(xiàn)。圖8中，(a)、(b)、(c)分別用于防止出現(xiàn)向左、向上、向右的毛刺。
3.根據(jù)權利要求1所述的驗證模式下的自動指紋識別技術，其特征是指紋紋線方向信息的提取是采用多級分割的方法。
4.根據(jù)權利要求3所述的多級分割方法，其特征是首先將一幅待處理的指紋圖像分別按8×8、16×16、32×32分塊尺寸分為三級分塊尺寸下的分塊指紋圖像，其次針對每一級分塊尺寸下的指紋圖像分別求取指紋圖像的方向信息，最后對在多級分塊尺寸下計算的紋線方向信息做了整合，依據(jù)大級別分塊尺寸下的方向信息對小級別分塊尺寸下的方向信息進行平滑，從而最終提取相對準確、可靠的指紋紋線方向信息。
全文摘要
本發(fā)明公開了一種驗證模式下的自動指紋識別技術，特別是針對改進的OPTA算法細化以后指紋圖像中出現(xiàn)分叉點處細化不完全，出現(xiàn)毛刺的問題，經(jīng)分析發(fā)現(xiàn)分叉點處細化不完全是由消除模板不完善引起的，為此，專門構建了消除模板和保留模板，分別對分叉點細化不完全出現(xiàn)的兩種情況進行處理，使分叉點處滿足了單像素寬。紋線上毛刺的產(chǎn)生是由保留模板不對稱所引起，因此，在改進的OPTA算法的6個保留模板的基礎上，扣除了出現(xiàn)向左、向上、向右毛刺的三種形狀的模板，消除了毛刺。本發(fā)明還提出了多級分割提取指紋圖像方向信息的新方法，即使是對低質量的指紋圖像也可提取相對準確、可靠的指紋紋線方向信息，提高了整個自動指紋識別技術的準確率。
文檔編號G06K9/00GK1484189SQ0311261
公開日2004年3月24日 申請日期2003年1月6日 優(yōu)先權日2003年1月6日
發(fā)明者寧新寶, 詹小四, 譚臺哲, 尹義龍, 黃崢, 楊照忠, 王業(yè)琳, 駱峰, 楊小冬 申請人:南京大學, 南京南大銀佳生物識別技術有限公司