重疊指紋圖像的分離方法:專利背景,發明內容,專利目的,技術方案,改善效果,附圖說明

專利背景

截至2012年8月的技術中，處理重疊指紋通常由指紋專家手工標註，既繁瑣又容易出錯，因此很有必要研究重疊指紋自動分離技術。近來（截至2012年8月）出現了一些重疊指紋分離的學術研究成果，第一種是Chen等提出的基於鬆弛標註（relaxation labeling）算法的重疊指紋分離方法，其流程為：首先估計一個初始的方向場，再採用鬆弛標註技術將初始方向場分為兩類，最後根據得到的方向場由Gabor濾波器調節得到兩個分離的指紋圖像。第二種是Feng提出的改進算法，主要改進為：標註問題的表述，一個重疊塊作為一個對象去標註，標註更新算法，採用順序更新。第三種是Zhao等提出的基於模型的分離方法，其流程為：針對每一個單獨的指紋區域手工標註一些方向場線索，將奇異點也標註出來，由奇異點和方向場線索建立零點-極點方向場模型，將初始指紋方向場減去奇異點方向場，這樣得到殘差方向場，由殘差方向場計算模型係數，這樣也就得到了殘差模型，由得到的模型預測未標註的地方的方向場，將得到的方向場與零點-極點模型方向場相加得到最後的方向場，由Gabor濾波器調節得到兩個分離的指紋圖像。2012年8月前技術中的第一種和第二種在模擬指紋圖像上都取得了好的結果，但是並不能用於真實指紋圖像。第三種只能用於低質量重疊指紋分離，但需要手工標註奇異點和方向場線索，標註方向場線索十分繁瑣。因此，需要提出一種新的重疊指紋圖像的分離方法。

發明內容

專利目的

《重疊指紋圖像的分離方法》的目的在於提供一種重疊指紋圖像的分離方法，使用計算機裝置及計算程式進行重疊指紋圖像的分離處理。依據指紋輪廓，獲得指紋重疊區域圖像、單一指紋區域圖像；用梯度算法、局部傅立葉分析算法進行運算，用鬆弛標註算法對指紋初始方向場數據進行處理，依據混合模型係數進行指紋方向場重構，利用濾波增強算法對指紋精細方向場數據進行處理，獲得分離後的兩個指紋圖像檔案。該發明能適用於大多數重疊指紋圖像分離，同時所需要的操作也很少。

技術方案

一種重疊指紋圖像的分離方法，使用計算機裝置及安裝在計算機裝置中的計算程式進行重疊指紋圖像的分離處理；其分離處理的步驟是：

A、將一幅包含兩個指紋重疊在一起的重疊指紋圖像輸入所述計算機裝置，將所述重疊指紋圖像顯示在螢幕上，根據人眼觀察初步判斷出兩個指紋各自的指紋輪廓，啟動遮擋程式依據所述的指紋輪廓對所述的重疊指紋圖像進行處理，獲得第一遮擋圖像檔案和第二遮擋圖像檔案，將所述的擋圖像檔案保存在計算機裝置中；

B、啟動運算程式對第一遮擋圖像檔案和第二遮擋圖像檔案進行邏輯運算，獲得背景區域圖像、指紋重疊區域圖像、第一種單一指紋區域圖像、第二種單一指紋區域圖像；將所述的四種區域圖像保存在計算機裝置中；

C、啟動梯度算法對所述第一種單一指紋區域圖像進行運算，獲得第一種指紋初始方向場數據；啟動梯度算法對所述第二種單一指紋區域圖像進行運算，獲得第二種指紋初始方向場數據；啟動局部傅立葉分析算法對所述指紋重疊區域圖像進行運算，獲得第三種指紋初始方向場數據，將所述的三種指紋初始方向場數據保存在計算機裝置中；

D、啟動鬆弛標註算法對所述第一種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第一種粗糙的指紋方向場圖像檔案；啟動鬆弛標註算法對所述第二種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成另一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第二種粗糙的指紋方向場圖像檔案；將所述的二種指紋方向場圖像檔案保存在計算機裝置中；

E、打開所述粗糙的指紋方向場圖像檔案，將該指紋方向場圖像顯示在螢幕上進行觀察，如果所述粗糙的指紋方向場圖像中的指紋奇異點位於所述指紋重疊區域圖像中的指紋重疊區域，則操作滑鼠選用封閉曲線分別對所述指紋奇異點進行標註；如果所述指紋奇異點位於所述指紋重疊區域以外，則採用模型分離法提取出該指紋奇異點；然後採用DORIC特徵去除所述粗糙的指紋方向場圖像中的偽奇異點；通過最小化原始方向場和由指紋奇異點重構出的基於模型方向場的差求出指紋奇異點最優組合；

F、根據步驟D和步驟E中獲得的指紋方向場圖像和指紋奇異點最優組合，通過最小二乘算法求出混合模型參數，也就得到了混合模型；依據所述混合模型進行指紋方向場重構，獲得兩種基於模型的指紋精細方向場數據；

G、利用Gabor濾波增強算法對兩種基於模型的指紋精細方向場數據進行處理，獲得兩個獨立的指紋圖像檔案，重疊指紋圖像分離完成。

改善效果

1、《重疊指紋圖像的分離方法》求出兩個分離的指紋方向場，採用鬆弛標註算法求出兩個粗糙的指紋方向場，將正確的方向場選取出來，利用混合模型求取出兩個精細的方向場，根據方向場採用Gabor濾波器增強算法分離出兩個指紋。

2、該發明既能用於模擬重疊指紋（也就是人工合成的重疊指紋）分離，也能用於真實重疊指紋分離，適應性強。

3、該發明相比Zhao的基於模型的方法簡化了繁瑣的選取方向場線索的工作。

4、該發明採用計算機運算，所需要的操作很少，能適用於大多數重疊指紋圖像分離。

附圖說明

圖1、《重疊指紋圖像的分離方法》的重疊指紋圖像分離流程框圖；

圖2、該發明的重疊指紋圖像；

圖3、該發明的第一遮擋圖像；

圖4、該發明的第二遮擋圖像；

圖5、該發明的指紋重疊區域圖像；

圖6、該發明的第一種單一指紋區域圖像；

圖7、該發明的第二種單一指紋區域圖像；

圖8、該發明的第一種粗糙的指紋方向場圖像；

圖9、該發明的第二種粗糙的指紋方向場圖像；

圖10、該發明的第一種基於模型的指紋精細方向場圖像；

圖11、該發明的第二種基於模型的指紋精細方向場圖像；

圖12、該發明的第一個獨立的指紋圖像；

圖13、該發明的第二個獨立的指紋圖像。

技術領域

《重疊指紋圖像的分離方法》涉及一種重疊指紋圖像的分離方法，使用計算機裝置及計算程式進行重疊指紋圖像的分離處理，依據指紋輪廓，獲得指紋重疊區域圖像、單一指紋區域圖像；用梯度算法、局部傅立葉分析算法、鬆弛標註算法對初始指紋方向場數據進行處理，依據混合方向場模型進行指紋方向場重構，利用濾波增強算法對精細指紋方向場數據進行處理。

權利要求

1.一種重疊指紋圖像的分離方法，使用計算機裝置及安裝在計算機裝置中的計算程式進行重疊指紋圖像的分離處理；其分離處理的步驟是：

A、將一幅包含兩個指紋重疊在一起的重疊指紋圖像輸入所述計算機裝置，將所述重疊指紋圖像顯示在螢幕上，根據人眼觀察初步判斷出兩個指紋各自的指紋輪廓，啟動遮擋程式依據所述的指紋輪廓對所述的重疊指紋圖像進行處理，獲得第一遮擋圖像檔案和第二遮擋圖像檔案，將所述的擋圖像檔案保存在計算機裝置中；

B、啟動運算程式對第一遮擋圖像檔案和第二遮擋圖像檔案進行邏輯運算，獲得背景區域圖像、指紋重疊區域圖像、第一種單一指紋區域圖像、第二種單一指紋區域圖像；將所述的四種區域圖像保存在計算機裝置中；

C、啟動梯度算法對所述第一種單一指紋區域圖像進行運算，獲得第一種指紋初始方向場數據；啟動梯度算法對所述第二種單一指紋區域圖像進行運算，獲得第二種指紋初始方向場數據；啟動局部傅立葉分析算法對所述指紋重疊區域圖像進行運算，獲得第三種指紋初始方向場數據，將所述的三種指紋初始方向場數據保存在計算機裝置中；

D、啟動鬆弛標註算法對所述第一種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第一種粗糙的指紋方向場圖像檔案；啟動鬆弛標註算法對所述第二種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成另一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第二種粗糙的指紋方向場圖像檔案；將所述的二種指紋方向場圖像檔案保存在計算機裝置中；

E、打開所述粗糙的指紋方向場圖像檔案，將該指紋方向場圖像顯示在螢幕上進行觀察，如果所述粗糙的指紋方向場圖像中的指紋奇異點位於所述指紋重疊區域圖像中的指紋重疊區域，則操作滑鼠選用封閉曲線分別對所述指紋奇異點進行標註；如果所述指紋奇異點位於所述指紋重疊區域以外，則採用模型分離法提取出該指紋奇異點；然後採用DORIC特徵去除所述粗糙的指紋方向場圖像中的偽奇異點；通過最小化原始方向場和由指紋奇異點重構出的基於模型方向場的差求出指紋奇異點最優組合；

F、根據步驟D和步驟E中獲得的指紋方向場圖像和指紋奇異點最優組合，通過最小二乘算法求出混合模型參數，也就得到了混合模型；依據所述混合模型進行指紋方向場重構，獲得兩種基於模型的指紋精細方向場數據；

G、利用Gabor濾波增強算法對兩種基於模型的指紋精細方向場數據進行處理，獲得兩個獨立的指紋圖像檔案，重疊指紋圖像分離完成。

實施方式

實施例一：

參見圖1－圖13，《重疊指紋圖像的分離方法》的重疊指紋圖像的分離方法，使用計算機裝置及安裝在計算機裝置中的計算程式進行重疊指紋圖像的分離處理；其分離處理的步驟是：

A、將一幅包含兩個指紋重疊在一起的重疊指紋圖像輸入所述計算機裝置，將所述重疊指紋圖像顯示在螢幕上，重疊指紋圖像的尺寸參數是388×374（單位是像素），根據人眼觀察初步判斷出兩個指紋各自的指紋輪廓，啟動遮擋程式依據所述的指紋輪廓對所述的重疊指紋圖像進行處理，獲得第一遮擋圖像檔案和第二遮擋圖像檔案，將所述的擋圖像檔案保存在計算機裝置中；啟動遮擋程式是指採用VisualC++或者Matlab編制的電腦程式；指紋輪廓是指圖像中的指紋紋理形成的輪廓。

B、啟動運算程式對第一遮擋圖像檔案和第二遮擋圖像檔案進行邏輯運算，獲得背景區域圖像、指紋重疊區域圖像、第一種單一指紋區域圖像、第二種單一指紋區域圖像；將所述的四種區域圖像保存在計算機裝置中；該實施例中，運算程式採用VisualC++或者Matlab編制的電腦程式，用於對圖像進行區域分割；進行邏輯運算包括與、或、非三種運算；所述的背景區域圖像是去除掉指紋區域後剩餘區域的圖像附圖中沒有顯示。

C、啟動梯度算法對所述第一種單一指紋區域圖像進行運算，獲得第一種指紋初始方向場數據；啟動梯度算法對所述第二種單一指紋區域圖像進行運算，獲得第二種指紋初始方向場數據；啟動局部傅立葉分析算法對所述指紋重疊區域圖像進行運算，獲得第三種指紋初始方向場數據，將所述的三種指紋初始方向場數據保存在計算機裝置中；該實施例中，梯度算法是指能夠實現梯度方法的程式，梯度方法屬於2012年8月前技術，請參見參考文獻[1]D.Maltoni,D.Maio,A.K.Jain,etal.Handbook of Fingerprint Recognition[M].London:SpringerPress,2009.第103～106頁公開的內容。該實施例中，指紋初始方向場數據是指圖像上每一個點的數值是指紋圖像上對應點的局部脊線方向數值。方向場表達了指紋圖像最基本的信息，從視覺效果上，方向場圖像描述了指紋的大致形狀（參考文獻[1]99～102頁）。

該實施例中，局部傅立葉分析算法指能夠實現局部傅立葉分析方法的程式，局部傅立葉分析方法屬於2012年8月前技術，請參見參考文獻[12]A.K.Jain,J.J.Feng.Latent Palm print Matching[J].IEEE Trans.PAMI,2009,31(6):1032–1047。

D、啟動鬆弛標註算法對所述第一種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第一種粗糙的指紋方向場圖像檔案；啟動鬆弛標註算法對所述第二種指紋初始方向場數據和第三種指紋初始方向場數據進行運算生成另一個指紋方向場圖像，對該指紋方向場圖像進行觀察修正，獲得第二種粗糙的指紋方向場圖像檔案；將所述的二種指紋方向場圖像檔案保存在計算機裝置中；該實施例中，鬆弛標註算法是指能夠實現鬆弛標註法的程式，鬆弛標註法屬於2012年8月前技術，請參見參考文獻[3]F.L.Chen,J.J.Feng,A.K.Jain,et al.Separating Overlapped Finger prints[J].IEEE Trans.Inf.Foren.Secur.2011,6(2):346-359。該實施例中，對該指紋方向場圖像進行觀察修正是指操作人員觀察圖像選出正確的方向場進行修正。粗糙的指紋方向場圖像檔案是指後綴為bmp或者jpg的圖像檔案，該圖像檔案生成顯示指紋紋理的圖像（參見圖8或者圖9所顯示的粗糙的指紋方向場圖像）。

E、打開所述粗糙的指紋方向場圖像檔案，將該指紋方向場圖像顯示在螢幕上進行觀察，如果所述粗糙的指紋方向場圖像中的指紋奇異點位於所述指紋重疊區域圖像中的指紋重疊區域，則操作滑鼠選用封閉曲線分別對所述指紋奇異點進行標註；如果所述指紋奇異點位於所述指紋重疊區域以外，則採用模型分離法提取出該指紋奇異點；然後採用DORIC特徵去除所述粗糙的指紋方向場圖像中的偽奇異點；通過最小化原始方向場和由指紋奇異點重構出的基於模型方向場的差（通過調節模型方向場的參數使得兩個方向場之差最小）求出指紋奇異點最優組合；（也就是使得上述兩個方向場之差最小）。依據第一種粗糙的指紋方向場圖像檔案求出第一種指紋奇異點最優組合，依據第二種粗糙的指紋方向場圖像檔案求出第二種指紋奇異點最優組合。

F、根據步驟D和步驟E中獲得的指紋方向場圖像和指紋奇異點最優組合，通過最小二乘算法求出混合模型參數，也就得到了混合模型；依據所述混合模型進行指紋方向場重構，獲得兩種基於模型的指紋精細方向場數據；該實施例中，指紋方向場重構是指由混合模型求出指紋方向場；該實施例中，依據第一種粗糙的指紋方向場圖像檔案和第一種指紋奇異點最優組合，獲得第一種基於模型的指紋精細方向場數據（參見圖10所顯示的圖像）；依據第二種粗糙的指紋方向場圖像檔案和第二種指紋奇異點最優組合，獲得第二種基於模型的指紋精細方向場數據（參見圖11所顯示的圖像）。

G、利用Gabor濾波增強算法對兩種基於模型的指紋精細方向場數據進行處理，獲得兩個獨立的指紋圖像檔案，重疊指紋圖像分離完成；參見圖12所顯示的第一個指紋圖像和圖13所顯示的第二個指紋圖像。

該實施例中，Gabor濾波增強算法是指使用指紋方向場對指紋圖像進行增強求出兩個分離的指紋數據。指紋在局部小區域內可以認為是一組平行的具有一定頻率的直線，那么順著脊線的方向使用Gabor窗函式去過濾圖像，使脊線的信息得到加強。由於是順著脊線的方向濾波，在順著脊線方向上有平滑的作用，因此能將一些斷裂的脊線修復回原來的狀態，同時由於Gabor濾波器有良好的頻率選擇性，因此可以在有效地去除脊線上噪聲的同時，保持脊線的結構。

該實施例中，所述計算機裝置的配置是奔騰雙核2.7吉赫茲CPU，2千兆位元組記憶體，Windows XP作業系統。所述的計算程式是採用Visual C++或者Matlab編制的電腦程式。所述計算機裝置還可以是網路計算機。

該實施例中，指紋奇異點是指紋方向場的不連續點，奇異點本身就是描述指紋巨觀走向的一種特徵，奇異點有兩種類型：中心點和三角點。偽奇異點是指檢測奇異點過程中產生的假的奇異點。模型分離法是基於數學模型分離奇異點的方法，模型分離法屬於2012年8月前技術，請參見參考文獻[6]J.Zhou,F.L.Chen,J.W.Gu.ANovelAlgorithmforDetectingSingularPointsfromFingerprintImages[J].IEEETrans.PAMI,2009,31(7):1239–1250。DORIC特徵是逆時針沿著圓圈的方向值的變化量之差。

參考文獻：

[1]D.Maltoni,D.Maio,A.K.Jain,et al.Handbook of Fingerprint Recognition[M].London:Springer Press,2009。

[2]田捷,楊鑫.生物特徵識別理論與套用[M].北京：清華大學出版社,2009。

[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。

[4]J.J.Feng,Y.Shi,J.Zhou.Robust and Efficient Algorithms for Separating Latent Over lapped Finger prints[J].Under Reviewin IEEE Trans.Inf.Foren.Secur2012。

[5]Q.J.Zhao,A.K.Jain.Model Based Separation of Over lapping Latent Finger prints[J].IEEE Trans.Inf.Foren.Secur.2012,7(3):904-918。

[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。

[7]J.Zhou,J.W.Gu.AModel-Based Method for the Computation of Finger prints’Orientation Field[J].IEEETrans.ImageProcessing,2004,13(6):821–835。

[8]L.Hong,Y.Wan,A.K.Jain.Finger print Image Enhancement:Algorithmand Performance Evaluation[J].IEEETrans.PAMI,1998,20(8):777–789。

[9]B.G.Sherlock,D.M.Monro.A Model for Interpreting Finger print Topology[J].Pattern Recognition,1993,26(7):1047-1055。

[10]S.Huckemann,T.Hotz,A.Munk.Global Models for the Orientation Field of Fingerprints:An Approach Basedon Quadratic Differentials[J].IEEETrans.PAMI,2008,30(9):1507–1519。

[11]Y.Wang,J.K.Hu,D.Phillips.AFinger print Orientation Model Based on 2DF ourier Expansion(FOMFE) and Its Application to Singular-Point Detectionand Finger print Indexing[J].IEEETrans.PAMI,2007,29(4):573–585。

[12]A.K.Jain,J.J.Feng.Latent Palm print Matching[J].IEEETrans.PAMI,2009,31(6):1032–1047。

榮譽表彰

2016年12月7日，《重疊指紋圖像的分離方法》獲得第十八屆中國專利優秀獎。

重疊指紋圖像的分離方法

基本介紹