指紋圖像的配準方法及配準位置技術

本發明專利技術實施例公開了一種指紋圖像配準方法及配準裝置，該配準方法包括：分別選取第一指紋圖像和第二指紋圖像中的細節點，獲得第一細節點集合與第二細節點集合；對第一指紋圖像和第二指紋圖像進行濾波，獲得第一特征頻譜和第二特征頻譜；對第一細節點集合中的各細節點與第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在滿足預設條件的配準位置對應的配準位置范圍內，分別計算第一特征頻譜和第二特征頻譜的相關度值，記為配準結果；從配準結果中選出相關度值最大的配準結果，將其對應的配準位置記為第一指紋圖像和第二指紋圖像的最終配準位置。該指紋圖像配準方法，配準速度快，準確度高。

Fingerprint image registration method and registration location

The embodiment of the invention discloses a fingerprint image registration and registration device, including the registration method: select the first fingerprint image and second fingerprint image details, won the first set and the second set of minutiae minutiae; the first fingerprint image and second fingerprint image filtering, won the first and second characteristic spectrum the characteristic spectrum; registration of each node of the first node in the collection of fine fine fine fine of each node and the second node collection, satisfying the preset condition registration position, and in satisfying the preset conditions registration position on the registration position within the range, the correlation value is calculated respectively first and second characteristic spectrum characteristic spectrum. As the registration results; selected from the registration results of related degree maximum registration result, the corresponding position for the first registration and the fingerprint image Two, the final registration location of fingerprint images. The fingerprint image registration method has fast registration speed and high accuracy.

【技術實現步驟摘要】
指紋圖像的配準方法及配準位置
本專利技術涉及指紋配準
，尤其涉及一種指紋圖像的配準方法及配準位置。
技術介紹
隨著手持智能設備在人們日常生活中變得越來越重要，手持智能設備的安全性也越來越為人們所關注，從而使得指紋識別技術越來越多的應用到手持智能設備中，以提高所述手持智能設備的安全性。而在指紋識別
，指紋圖像的對準(也成為配準，即兩個指紋圖像的最大區域重合)尤其重要，只要兩個指紋圖像最大限度的對準之后，才便于兩個指紋圖像的匹配檢測。因此，提供一種既快速又準確度高的指紋圖像對準方法，成為本領域人員亟待解決的問題。
技術實現思路
為解決上述技術問題，本專利技術實施例提供了一種指紋圖像的配準方法及配準位置，配準速度快，準確度高。為解決上述問題，本專利技術實施例提供了如下技術方案：一種指紋圖像的配準方法，包括：分別選取第一指紋圖像和第二指紋圖像中的細節點，獲得與所述第一指紋圖像對應的第一細節點集合以及與所述第二指紋圖像對應的第二細節點集合；對所述第一指紋圖像和第二指紋圖像進行濾波，獲得第一特征頻譜和第二特征頻譜，其中，所述第一特征頻譜為所述第一指紋圖像的特征頻譜，所述第二特征頻譜為所述第二指紋圖像的特征頻譜；對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果；從所述配準結果中選出相關度值最大的配準結果，將其對應的配準位置記為所述第一指紋圖像和第二指紋圖像的最終配準位置。優選的，對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果包括：遍歷所述第一細節點集合中的各細節點，對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，計算所述滿足預設條件的配準位置對應的配準位置范圍；遍歷所述配準位置范圍內的各配準位置，對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和所述第二特征頻譜在各配準位置下的相關度值，記為配準結果。優選的，所述對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果，包括：判斷所述第一細節點集合中是否存在未被選取過的細節點；若存在，選取所述第一細節點集合中未被選取過的一細節點；對所述第一細節點集合中選取的該細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置；在所述滿足預設條件的配準位置對應的配準位置范圍內，對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和第二特征頻譜的相關度值，記為配準結果。優選的，所述對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置包括：對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得所述第二細節點集合中各細節點相對于所述第一細節點集合中該選取細節點的配準位置及各配準位置對應的配準概率；從所述第二細節點集合中各細節點相對于所述第一細節點集合中該細節點的配準位置及各配準位置對應的配準概率中選出滿足第一預設條件的配準位置及其對應的配準概率；將所述滿足所述第一預設條件的配準位置對應的配準概率，代入預設概率模型中，計算二次概率結果；判斷所述二次概率結果是否大于預設閾值，如果是，則所述滿足所述第一預設條件的配準位置為滿足預設條件的配準位置；相應的，所述計算所述滿足預設條件的配準位置對應的配準位置范圍，包括：以所述滿足預設條件的配準位置為中心，選取幅度范圍，計算出所述預設條件的配準位置對應的配準位置范圍。優選的，所述預設概率模型為貝葉斯概率模型或人工智能概率模型。優選的，所述對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準包括：基于各細節點的曲率和曲率方向，對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準。優選的，所述對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果包括：在所述配準位置范圍內選取的配準位置處，固定所述第一特征頻譜，以預設角度旋轉所述第二特征頻譜，計算360°范圍內各旋轉位置處所述第一特征頻譜和所述第二特征頻率的相關度值，并從中選出滿足第二預設條件的相關度值，將所述滿足第二預設條件的相關度值對應的配準位置記為配準結果。優選的，所述計算360°范圍內各旋轉位置處所述第一特征頻譜和所述第二特征頻率的相關度還包括：在各旋轉位置處，以預設間距水平移動和/或豎直移動所述第二特征頻譜，計算該旋轉位置處各水平位置和/或豎直位置，所述第一特征頻譜和所述第二特征頻率的相關度值。一種指紋圖像的配準裝置，應用于上述任一項配準方法，包括：細節點選取模塊，用于分別選取第一指紋圖像和第二指紋圖像中的細節點，獲得與所述第一指紋圖像對應的第一細節點集合以及與所述第二指紋圖像對應的第二細節點集合；特征頻譜獲取模塊，用于對所述第一指紋圖像和第二指紋圖像進行濾波，獲得第一特征頻譜和第二特征頻譜，其中，所述第一特征頻譜為所述第一指紋圖像的特征頻譜，所述第二特征頻譜為所述第二指紋圖像的特征頻譜；配準結果計算模塊，用于對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果；配準位置篩選模塊，用于從所述配準結果中選出相關度值最大的配準結果，將其對應的配準位置記為所述第一指紋圖像和第二指紋圖像的最終配準位置。優選的，所述配準結果計算模塊包括：細節點遍歷單元，用于遍歷所述第一細節點集合中的各細節點，依次選取所述第一細節點集合中未被選取過的一細節點；細節點配準單元，用于對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，計算所述滿足預設條件的配準位置對應的配準位置范圍；配準位置遍歷單元，用于遍歷所述配準位置范圍內的各配準位置，依次選取所述配準位置范圍內未被選取過的一配準位置；配準結果計算單元，用于對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和所述第二特征頻譜在各配準位置下的相關度值，記為配準結果。優選的，所述配準結果計算模塊包括：細節點判斷單元，用于判斷所述第一細節點集合中是否存在未被選取過的細節點，若存在，選取所述第一細節點集合中未被選取過的一細節點；細節點配準單元，用于對所述第一細節點集合中選取的該細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，計算所述滿足預設條件的配準位置對應的配準位置范圍；配準結果計算單元，用于在所述滿足預設條件的配準位置對應的配準位置范圍內，對所述配準位置范圍內選取的配準位本文檔來自技高網...

【技術保護點】
一種指紋圖像的配準方法，其特征在于，包括：分別選取第一指紋圖像和第二指紋圖像中的細節點，獲得與所述第一指紋圖像對應的第一細節點集合以及與所述第二指紋圖像對應的第二細節點集合；對所述第一指紋圖像和第二指紋圖像進行濾波，獲得第一特征頻譜和第二特征頻譜，其中，所述第一特征頻譜為所述第一指紋圖像的特征頻譜，所述第二特征頻譜為所述第二指紋圖像的特征頻譜；對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果；從所述配準結果中選出相關度值最大的配準結果，將其對應的配準位置記為所述第一指紋圖像和第二指紋圖像的最終配準位置。

【技術特征摘要】
1.一種指紋圖像的配準方法，其特征在于，包括：分別選取第一指紋圖像和第二指紋圖像中的細節點，獲得與所述第一指紋圖像對應的第一細節點集合以及與所述第二指紋圖像對應的第二細節點集合；對所述第一指紋圖像和第二指紋圖像進行濾波，獲得第一特征頻譜和第二特征頻譜，其中，所述第一特征頻譜為所述第一指紋圖像的特征頻譜，所述第二特征頻譜為所述第二指紋圖像的特征頻譜；對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果；從所述配準結果中選出相關度值最大的配準結果，將其對應的配準位置記為所述第一指紋圖像和第二指紋圖像的最終配準位置。2.根據權利要求1所述的配準方法，其特征在于，對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果包括：遍歷所述第一細節點集合中的各細節點，對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，計算所述滿足預設條件的配準位置對應的配準位置范圍；遍歷所述配準位置范圍內的各配準位置，對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和所述第二特征頻譜在各配準位置下的相關度值，記為配準結果。3.根據權利要求1所述的配準方法，其特征在于，所述對所述第一細節點集合中的各細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置，并在所述滿足預設條件的配準位置對應的配準位置范圍內，分別計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果，包括：判斷所述第一細節點集合中是否存在未被選取過的細節點；若存在，選取所述第一細節點集合中未被選取過的一細節點；對所述第一細節點集合中選取的該細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置；在所述滿足預設條件的配準位置對應的配準位置范圍內，對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和第二特征頻譜的相關度值，記為配準結果。4.根據權利要求2或3所述的配準方法，其特征在于，所述對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得滿足預設條件的配準位置包括：對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準，獲得所述第二細節點集合中各細節點相對于所述第一細節點集合中該選取細節點的配準位置及各配準位置對應的配準概率；從所述第二細節點集合中各細節點相對于所述第一細節點集合中該細節點的配準位置及各配準位置對應的配準概率中選出滿足第一預設條件的配準位置及其對應的配準概率；將所述滿足所述第一預設條件的配準位置對應的配準概率，代入預設概率模型中，計算二次概率結果；判斷所述二次概率結果是否大于預設閾值，如果是，則所述滿足所述第一預設條件的配準位置為滿足預設條件的配準位置；相應的，所述計算所述滿足預設條件的配準位置對應的配準位置范圍，包括：以所述滿足預設條件的配準位置為中心，選取幅度范圍，計算出所述預設條件的配準位置對應的配準位置范圍。5.根據權利要求4所述的配準方法，其特征在于，所述預設概率模型為貝葉斯概率模型或人工智能概率模型。6.根據在權利要求2或3所述的配準方法，其特征在于，所述對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準包括：基于各細節點的曲率和曲率方向，對所述第一細節點集合中選取的細節點與所述第二細節點集合中的各細節點進行配準。7.根據在權利要求2或3所述的配準方法，其特征在于，所述對所述配準位置范圍內選取的配準位置，計算所述第一特征頻譜和所述第二特征頻譜的相關度值，記為配準結果包括：在所述配準位置范圍內選取的配準位置處，固定所述第一特征頻譜，以預設角度旋轉所述第二特征頻譜，計算360°范圍內各旋轉位置處所述第一特征頻譜和所述第二特征頻率的相關度值，并從中選出滿足第二預設條件的相關度值，將所述滿足第二預設條件的相關度值對應的配準位置記為配準結果。8.根據權利要求7所述的配準方法，其特征在于，所述計算360°范圍內各旋轉位置處所述第一特...

【專利技術屬性】
技術研發人員：孫成昆，楊安榮，田超，
申請(專利權)人：聯想北京有限公司，
類型：發明
國別省市：北京,11