专利名称：用线性指纹传感器获取指纹的方法
技术领域：
本发明涉及用线性指纹传感器获取指纹的方法，具体地说，涉及线性指纹传感器获取指纹的方法，即通过指纹图像的估算和复原获取由线性传感器捕获的指纹图像。
使用指纹的个人鉴别过程包括通过形状把指纹的变化分类的分类过程和识别个人的匹配过程。
这时，在通过形状分类指纹之前，指纹图像被捕获，然后再检查指纹图像是否是记录的图像，从而鉴别指纹。
在现有技术使用线性传感器作为识别指纹方法的情况下，传感器捕获了多个图像条带，因此，需要使用组合捕获的图像条带的方法。
美国专利US6,002,815公开了一种组合图像段的方法。图像组合方法是一种通过垂直补偿手指、对象的移动速度差，使用一系列线性传感器获取的图像条带复原全部图像的方法。
然而，美国专利US6,002,815公开的如向复原方法存在的问题是它没有建议补偿手指在水平和旋转方向的传感器的压力差。
为实现本发明的上述目的，使用线性指纹传感器获得指纹图像的方法包括如下步骤通过指纹传感器顺序地捕获指纹图像条带；把扫描的指纹图像条带分成预定的段；通过把每一图像条带和它的段与下一图像条带进行比较，检测最佳重叠区域；计算通过重叠区域的平均图像过渡的平均值；把应用平均图像过渡值的整个图像混合到每一图像条带。
最好将捕获的图像条带分成多个段，每个段的宽度与每一图像条带的高度相同。
计算图像变量值的步骤最好还包括步骤把单个图像条带与下一图像条带进行比较；估算指纹图像的垂直移动值。
计算图像变量值的步骤最好还包括步骤把单个图像条带的段与下一图像条带的段进行比较；使用重叠区域估算水平变量值。
每个图像条带的重叠率大约是50％，每个参数具有如下的最佳值[Δx]opt≈N2M,[Δy]opt≈M2,[Δa]opt≈M2N.]]>在捕获指纹图像的步骤中，按照指纹移动速度的捕获率最好使用下面的速度变化公式控制，该公式利用每个参数的有限值，其中公式，vi+1=max(2viΔyiM,2MviΔxiN,2MviΔaiN).]]>在层叠指纹图像下，使用下面的公式计算图像变化的倾斜度，其中公式，tan(Δa)=M*tan(ay)N+M*tan(ax).]]>混合整个图像的步骤还包括步骤通过下面的公式从参考图像条带求出局部坐标的变量值(水平、垂直、倾斜度)；估算球坐标，其中公式，Ai+1＝Ai+ΔaXi+1＝Xi+Δx*cos(Ai+1)-Δy*sin(Ai+1)Yi+1＝Yi+Δx*sin(Ai+1)+Δy*cos(Ai+1)
本发明的上述目的、特点和优点通过下面的详细描述和参考附图将变得更加清楚，其中图1是本发明第一实施例由线性检测传感器获取指纹方法的流程图；图2是本发明第一实施例构成由线性指纹传感器获取指纹图像的构成方法的流程图；图3示出本发明线性检测传感器检测感知区域的示意图；图4示出图像条带的变量值的示意图；图5示出分成特殊条带的检测区域示意图；图6a和6b示出图像条带移动的倾斜度的示意图；图7示出按照图6a和6b的近似函数的合成值示意图；图8a到8e示出指纹变量值的类型示意图；图9a至9e示出指纹变量值类型的检测状态示意图；图10、11a、11b示出本发明指纹识别系统的图像复原状态的状态图。
图1是本发明第一实施例由线性检测传感器获取指纹方法的流程图；此后，将参考附图详细描述本发明线性指纹传感器获取指纹的方法。
图2是本发明第一实施例由线性指纹传感器获取指纹图像的构成方法的流程图；图3示出本发明线性检测传感器检测感知区域的示意图。图4示出图像条带的变量值示意图。图5示出分成特殊条带的检测区域示意图。图6a和6b示出图像条带移动的倾斜度示意图。图7示出按照图6a和6b的近似函数合成值的示意图。
首先，指纹传感器产生连续的图像条带，并使用两个连续条带之间的重叠区域估算条带之间的变量值。每个条带至少具有由离散点和像素构成的两行。根据传感器获取的图像条带，估算条带之间的距离和组合图像条带，以产生合成图像。
使用者的手指一触到指纹传感器，就启动扫描和图像复原(ST-210)。
这时，指纹传感器根据确定的扫描速率扫描指纹图像(ST-220)。
具体地说，假设手指的移动方向(手指是在指纹传感器的上表面上移动的物体)与手指加给指纹传感器的压力相互之间不同，产生的图像受手指移动特性的影响。
因此，在本发明获取指纹的方法中，连续地捕获获取的图像条带，以便可以组合它们，并为每个图像产生了一组坐标变量(x、y坐标)。
在本发明中，当组合每个图像段产生整幅图像时，坐标组提供了对应图像条带的精确位置。此外，在本发明获取指纹的方法中，获得了关于指纹图像组合的附加信息，例如，图像的开始和结束位置、同步的损失状态等，并通过每个图像条带的移动量计算和产生了自适应捕获率。
为此目的，在本发明的获取指纹的方法中，使用(x、y、a)作为捕获的指纹图像的两个相邻条带之间的局部坐标系统，使用(X、Y、A)作为整幅图像的球坐标系统。局部坐标系统的坐标差由(Δx、Δy、Δa)表示。
这时，由图3所示的N列和M行构成传感区域。因为传感器是线性传感器，所以假设N≥M2。这个传感器获取的图像条带与传感区域具有相同的尺寸。
就是说，通过本发明图像组合获取图像的方法包括一系列获取图像条带的过程。如图4所示，为了估算相对坐标移动值的移动量，通过比较图像条带计算图像条带的中心移动量和旋转移动值。
这时，为了比较多个图像条带，必须存在图像条带重叠的重叠区域。因此，指纹传感器的捕获率按照手指的速度变化进行控制，以使图像条带相互之间重叠。
在时间ti和ti＝1以速度Vi和Vi+1捕获条带Si和Si+1(ST-230)。
即如图5所示，图像条带被分成M段，图像段与每个图像条带的高度相同，以便检测图像条带的过渡值。
然后，根据所有图像条带的第一图像条带S1的段，检测下一图像条带S2的段区域内的最佳重叠区域(ST-240)。
另外，估算第一图像条带S1和第二图像条带S2之间的旋转角度和垂直/水平变形度，同时，平均加权值加到每个变量值上，从而组合了图像条带。即根据最佳匹配点计算Δxij、Δyij，并通过具有加权因子的均方差线性近似值获得Si的Δxi、Δyi、Δαi(ST-250)。
换句话说，如图5所示，捕获到图像，以致形成了具有M个段的多个图像条带，图像条带的重叠区域适于计算垂直和水平的位移值。
通过此计算，如图6a和6b所示，图像条带的重叠区域在求坐标系统中形成了近似值。局部(x、y)移动值Δxj、Δyj显示了对应段的差分函数的最小值的位置。使用具有加权值的均方差线性近似值估算倾斜侧Δα、切线位移Δy和平行位移Δx。
这时，如图6a和6b所示，等量近似值适于获取倾斜度，Δxj＝Δx(j)，Δyj＝Δy(j)和Δx、Δy。Δx和Δy的位移由第一图像条带中心上的近似函数值获得。
因此，如图7所示，当从手指移动获取的分成多个段的图像条带估算重叠区域时，表现的图像位移与具有常数倾斜侧的每一段的位移相同。
段的图像位移的倾斜度将由数学公式1表示。
tan(Δa)=M*tan(ay)N+M*tan(ax).]]>当图6a中的Y(n)＝y(n)，图6b中的X(n)＝N*n/M+x(n)，两个公式是n的微分，我们发现数学公式1变为dYdn=dydn=tan(dy),dXdn=NM+dxdn=NM+tan(dx)]]>和dYdX=dYdn:dXdn]]>如图7所示，指纹移动量的三个参数呈现在多个重叠图像条带的段之间。这些参数包括切线、平行位移量和旋转角度。因此，通过在局部坐标系统中使用计算的参数组，图像条带相互之间进行比较，然后在球坐标系统中进行组合，因此，获得了完整的图像。
就是说，通过使用Δxi、Δyi、Δαi在全图像缓冲器中积累了条带Si+1(局部坐标)(ST-260)。当完成缓冲时，存储了对应的全图像(ST-270)。
这时，判断是否完成扫描(ST-280)。
如果没有完成扫描，必须按照手指移动速度的变化控制捕获率，以使图像条带的某些区域被重叠。为改变捕获率，至少坐标参数之一必须在预定边界值隔开。
[Δx]opt≈N2M,[Δy]opt≈M2,[Δa]opt≈M2N.]]>采用数学公式2描述的每个参数的边界值，使约50％的图像条带相互之间重叠。这时，可由模拟数学公式2计算传感器的捕获率Δvi+1。
就是说，假设Δyi+1收敛于M/2，当Δvi*Δyi近似为常数以及Δvi+1*Δyi+1近似为常数时，可以计算vi+1(vi+1＝2viΔyi/M)的y的位移。同样，如果以相同方式计算x和α，可以获得下面的捕获率。
vi+1=max(2viΔyiM,2MviΔxiN,2MviΔaiN).]]>在本发明中，数学公式3适用捕获指纹图像的步骤ST-220，从而控制捕获率(ST-290)。
图8a到8e示出指纹变量值的类型。图9a至9e示出指纹变量值类型的检测状态。
参考这些图，指纹图像显示了图8a到8e所示的每一次移动的变量值的变化类型。每一种类型对应的参数值是不同的。例如，图8示出垂直平行位移，x坐标移动和手指旋转没有进行垂直平行位移，x显示0。
此外，图8b显示了传感器和手指的移动方向不正交，但有一个横向移动分量Δx。图8c显示了垂直移动和旋转的组合。图8b类似于图8c，除了通过在中心位置上的旋转差在图像坐标ΔX上形成水平移动之外。在图8e中，不可能产生合成图像，因为手指的所有位置偏离检测区域。
这时，因为在球面图像坐标上X、Y、A完全地确定了当前图像条带的位置，所以，通过如下面公式的递归处理在局部坐标(传感器坐标)上执行球面坐标(图像坐标)。
Ai+1＝Ai+ΔaXi+1＝Xi+Δx*cos(Ai+1)-Δy*sin(Ai+1)Yi+1＝Yi+Δx*sin(Ai+1)+Δy*cos(Ai+1)也即如数学公式4表达的一样，Ai+1、Xi+1、Yi+1可以计算球面坐标，并通过把前面图像条带的参数Ai、Xi、Yi和变量值相加产生合成图像。
图10、11a、11b示出本发明指纹识别系统的图像复原状态的状态图。
参考这些图，图10示出通过在指纹传感器上施加压力捕获水平或垂直方向变形的指纹图像。本发明的指纹识别系统通过图8所示的图像估算和复原算法复原扫描的指纹图像。
这时，如图11a所示，在本发明中，将扫描的图像分成多级图像条带，然后，根据图像条带的重叠区域，通过把一个图像条带与下一图像条带进行比较，计算图像条带的旋转和图像变形值。根据计算的值，如图11b所示，复原了原来的图像。
同时，使用本发明线性指纹传感器获取指纹的方法作为识别使用者的方法，用于访问控制、事先驱动PC机或作为识别移动电话使用者的手段。就是说，这个方法可以广泛作为精确地识别各种电子设备的使用者的方法，可适于各种改善正确识别率的方法，用于包括犯罪侦察的指纹识别。
虽然本发明已经示出并参考某些优选实施例进行了描述，但本领域技术人员应当理解，在不脱离本发明所附权利要求的精神和范围内，可以对形式和细节进行各种修改。
从上面可以看到，本发明线性指纹传感器获取指纹的方法通过估算和补偿指纹传感器扫描的图像大大地改善了正确识别率，并精确地把图像复原到原来的图像。
权利要求
1.一种使用线性指纹传感器获得指纹图像的方法，包括如下步骤通过指纹传感器顺序地捕获指纹图像条带；把扫描的指纹图像条带分成预定的段；通过把每一图像条带和它的段与下一图像条带进行比较，检测最佳重叠区域；计算通过重叠区域的平均图像过渡的平均值；把应用平均图像过渡值的整个图像混合到每一图像条带。
2.按权利要求1所述的方法，其特征在于捕获的指纹图像被分成多个段，每个段的宽度与每一图像条带的高度相同。
3.按权利要求1所述的方法，其特征在于计算图像变量值的步骤还包括步骤把单个图像条带与下一图像条带进行比较；以及估算指纹图像的垂直移动值。
4.按权利要求1所述的方法，其特征在于计算图像变量值的步骤还包括以下各步把单个图像条带的段与下一图像条带的段进行比较；使用重叠区域估算水平变量值。
5.按权利要求1所述的方法，其特征在于获取的每个图像条带的重叠率大约是50％，每个参数具有如下的最佳值[Δx]opt≈N2M,[Δy]opt≈M2,[Δa]opt≈M2N.]]>
6.按权利要求1或5所述的方法，其特征在于在捕获指纹图像的步骤中，使用下面的利用每个参数有限值的速度变化公式控制按照指纹移动速度的捕获率，其中公式，vi+1=max(2viΔyiM,2MviΔxiN,2MviΔaiN).]]>
7.按权利要求1所述的方法，其特征在于图像变化的倾斜度在层叠指纹图像下使用下面的公式计算，其中公式，tan(Δa)=M*tan(ay)N+M*tan(ax).]]>
8.按权利要求1所述的方法，其特征在于混合整个图像的步骤还包括以下各步通过下面的公式从参考图像条带求出局部坐标的变量值(水平、垂直、倾斜度)；以及估算球坐标，其中公式，Ai+1＝Ai+ΔaXi+1＝Xi+Δx*cos(Ai+1)-Δy*sin(Ai+1)Yi+1＝Yi+Δx*sin(Ai+1)+Δy*cos(Ai+1)
全文摘要
本发明的目的是提供一种通过线性指纹传感器获取指纹的方法,它将指纹图像分成多个区域,估算每个被分区域的最佳匹配点,根据匹配点补偿变形的指纹图像,以便复原精确的指纹图像。这种使用线性指纹传感器获得指纹图像的方法包括:通过指纹传感器顺序地捕获指纹图像条带;把扫描的指纹图像条带分成预定的段;通过把每一图像条带和它的段与下一图像条带进行比较,检测最佳重叠区域;计算通过重叠区域的平均图像过渡的平均值;把应用平均图像过渡值的整个图像混合到每一图像条带。本发明用线性指纹传感器获取指纹的方法通过估算和补偿指纹传感器扫描的图像大大改善了正确识别率,并精确地把图像复原到原来的图像。
文档编号G06K9/00GK1388482SQ02102539
公开日2003年1月1日 申请日期2002年1月25日 优先权日2001年5月25日
发明者李基德 申请人:刻克洛普株式会社