使用梯度直方图的指纹表示的制作方法

专利名称：使用梯度直方图的指纹表示的制作方法
使用梯度直方图的指纹表示技术领域
本发明总体上涉及指纹图像处理系统，并且更加具体地涉及用于生成指纹图像 的梯度表征，其可以在此类指纹图像处理系统中用于识别目的。
背景技术：
基于指纹的生物特征匹配继续成为图像分析领域中的引领课题。已经花费了大 量的金钱和资源用于分析指纹以将其精确、鲁棒和有效地匹配。虽然指纹匹配技术已经 取得了快速飞跃，但是仍然存在改进的空间。目前，生物特征匹配的性能达到空前的高 峰，但是操作需求在继续增长。随着生物特征数据库大小的增加，存在对于更多处理功 率的相同增长需求。一个关键目标是增加处理速度而不损害匹配效率。传统的技术通过 购买较快的计算机来解决速度问题。然而，该解决方案不能解决效率问题。效率仅可以 通过改变处理生物特征数据的方式来解决。
就1 1验证而言，当前最先进的指纹匹配器是相当快速并且鲁棒的，但是这 些传统的系统在连续地将查询与用于识别任务的聚集指纹的大量集合进行比较时效率较 低。在致力于将效率最大化时，提出了索引方案。通常，索引方案背后的理论是使用适 合的特征来创建生物特征的索引聚集(gallery)，以使得识别不需要连续匹配。理想地， 在对生物特征图像进行索引之后，在匹配之前不需要任何附加的后处理步骤。
索引方案依赖于生物特征图像的特定表征，以及继而这些表征用于索引生物特 征。例如，多数现有的方法使用细节(minutiae)图来表征指纹图像。在这种技术下，将 一个指纹的细节图的几何形状与存储在生物特征数据库中的其他细节图的几何形状进行 比较。虽然该技术比逐个像素比较两个生物特征图像更快，但是该技术仍然耗时而且产 生匹配错误。除了需要大量的几何计算之外，如果细节点稍微不清楚，则所计算的几何 值易于出现错误。发明内容
本发明的原理通过提供解决了上述需求以及其他需求的技术，而提供了克服与 现有方法相关联的上述缺陷的技术。更加具体地，本发明的原理提供了用于生成指纹图 像的梯度表征的技术。梯度表征继而可以用于识别目的。该索引指纹生物特征的技术更 加有效，因为其不使用几何信息而且不容易出现匹配错误。
例如，在本发明的一个实施方式中，用于生成第一指纹图像的梯度表征的技术 包括以下步骤。从第一指纹图像中选择一个或多个指纹特征点。获得针对一个或多个所 选择的指纹特征点中每一个的区域。区域是接近给定指纹特征点的区块的表示。将每个 所获得的区域划分为多个子区域。生成针对多个子区域中的每一个的直方图。针对一 个或多个所选择的指纹特征点中的每一个，将一个或多个生成的直方图组合到并置直方 图中。并置直方图继而用于识别目的。在一个实施方式中，直方图可以是定向梯度直方 图。4
以上技术还可以包括在选择一个或多个指纹特征点之前，增强第一指纹图像 的步骤。另外，可以将每个获得的区域旋转到可比较的方向。
在附加的实施方式中，可以生成包括第一指纹图像的并置直方图的第一直方图 集合。而且，可以使用一个或多个第二指纹图像生成一个或多个第二直方图集合。可 以将第一直方图集合与一个或多个第二直方图集合进行比较。在备选实施方式中，比较 步骤还可以包括计算第一直方图集合与一个或多个第二直方图集合之间的相关度的步 骤。相关度可以基于第一直方图集合与一个或多个第二直方图集合之间对应的数目。
本发明的这些以及其他目的、特征和优点将从结合附图阅读的本发明的示例性 实施方式的以下详细描述变得易见。


图1是示出根据本发明实施方式的用于生成指纹图像的梯度表征的方法的流程 图。
图2是示出根据本发明实施方式的用于生成梯度表征的围绕指纹细节的局部区 域的示图。
图3是示出根据本发明实施方式的应用于给定示例的图1的方法的示图。
图4是示出根据本发明实施方式的并置梯度直方图与匹配和非匹配梯度直方图 的比较的示图。
图5是示出根据本发明实施方式的用于生成指纹图像的梯度表征的系统的流程 图。
图6是示出根据本发明实施方式的可以利用其实现本发明的一个或多个组件/方 法的计算系统的示意性硬件实现的示图。
具体实施方式
将结合用于生成指纹的梯度表征的示例性方法来描述本发明。然而，应当理 解，本发明不限于在此描述的特定实施方式。本发明的原理通常可应用于可以用于识别 目的的任何适当的生物特征表征的生成，并且给定在此描述的教导，对示例性实施方式 的修改将对本领域技术人员变得易见。
在此使用的术语“梯度表征”意在宽泛地解释为以示例而并非限制的方式涵盖 图像的任何基于梯度的表示。
在此使用的术语“直方图”意在宽泛地解释为以示例而并非限制的方式涵盖任 何制表频率图。与本发明结合描述的“梯度直方图”是指特定图像的制表亮度梯度。
现有的生物特征方法使用细节图的几何形状来表征指纹。提出使用生物特征图 像的纹理特征的基于梯度的方法。首先参考图1，流程图示出了根据本发明的一个实施方 式用于生成指纹图像的梯度特征的方法100。在示意性的实施方式中，方法100由基于计 算机的图像处理单元来执行，该图像处理单元耦合至生物特征数据库和/或生物特征扫 描仪。生物特征图像(例如，指纹图像)首先被进行扫描或者从生物特征数据库获得以 用于分析。在步骤102，指纹特征点选自指纹图像。特征点的选择包括识别指纹的细节 点。指纹细节包括对个人唯一的纹路端点和/或分叉点。定位细节的技术对于本领域技5术人员是公知的。
在选择指纹特征点之后，获得表示接近(即，靠近)每个所选择的特征点的区块 的区域(步骤104)。这些区域可以称为补丁(patch)。在步骤106，每个区域或者补丁被 划分为多个子区域。划分为子区域的示意性实施方式将在下文参考图2更详细地描述。
在步骤108，生成针对给定补丁的每个子区域的直方图。在示意性实施方式中， 直方图是定向梯度直方图(HOG)。HOG表示法是通常用于对象检测任务的特征描述符 的类。在此通过引用如下公开而并入其内容，N.Dalal等人的“Histograms of oriented gradients for human detection”，Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition, 2005, pp.886-8930 基于 HOG 的对象检测器依赖于这样 一种假设，即，即使在没有梯度位置的精确知识的情况下，也可以使用局部梯度分布来 表征局部对象外观。
在示例性实施方式中，使用基于HOG的描述符来表征指纹纹理。传统上使用 重叠块的致密网格来计算HOG。然而，在重叠块的致密网格上计算HOG描述符对于指 纹匹配的任务既无效率也不鲁棒。因此，与用于对象/人员检测的多数基于HOG的方 法不同，计算针对细节位置周围的局部区域的HOG描述符(例如，给定补丁的子区域的 直方图)。该方法满足了生成指纹的纹路流模式的有效、可辨别和鲁棒的描述的目标。 例如，相比于任何逐点描述符，计算细节位置周围的小的子区域的直方图更加鲁棒。另 外，由于HOG描述符是为小的唯一区域计算的，所以这保证了没有丢失细节的可辨别信 息。最后，HOG没有受到平移和旋转的影响，并且可以相对于细节方向对梯度进行标准 化。因此，细节的纹理表征与其在指纹上的绝对位置不相关，并且不需要在匹配之前以 一致和精确的方式一致地对准指纹图像。
在步骤110，将源自每个指纹特征点的所生成直方图组合到并置直方图中。例 如，如果从指纹图像中选择了五十个特征点，并且与每个指纹特征点相关联的每个补丁 被划分为五个子区域，则将存在五十个并置直方图，每个直方图包含五个子直方图的梯 度信息。在示意性实施方式中，源自给定指纹图像的五十个并置直方图一起存储为一个 直方图集合。
应当理解，方法100的步骤可以针对多个指纹图像进行重复，产生多个直方图 集合。一个直方图集合表示一个指纹图像(例如，指纹表示)。指纹表示可以在指纹识 别系统中使用。在示例性匹配过程中，将以直方图集合形式的一个指纹表示与所存储的 指纹表示的数据库进行比较以用于识别目的。
以下将参考图3更加详细地示出方法100的步骤。另外，以下将参考图4更加 详细地描述并置直方图的比较(例如，匹配)。
现在参考图2，图示示出根据本发明一个实施方式用于生成梯度表征的指纹细节 周围的局部区域。在该示例性实施方式中，使用图像模板204将指纹区域202划分为五 个子区域。针对落在五个子区域206内的每个图像部分生成直方图。
现在参考图3，图示示出了根据本发明实施方式的应用于给定示例的图1的方 法。图3示出了一种提出的方法的示意图。首先，输入指纹图像302。指纹图像可以 被扫描，或者可以是存储在生物特征数据库中的已有指纹图像。在示意性实施方式中， 对指纹图像进行增强304以达到较好的图像分辨率。增强指纹图像增加了纹路流图案的6分辨率，这产生更加精确的梯度表征。增强图像的技术对于本领域普通技术人员是已知 的。可以通过使用特定频域或者空间域设计适合的滤波器来实现增强。滤波器可以调谐 至特定的指纹纹路表征范围和/或噪声模式。而且，也报告了使用专家标记指纹纹路创 建滤波器的方法。
继而使用任何传统技术来检测指纹图像的细节(例如，指纹特征点)。针对每个细节特征，获得适合大小的邻居块(例如，区域或者补丁)(306-1.......306-N)。在示例性实施方式中，基于一般细节方向来旋转每个补丁，以抵消HOG计算中的全局旋转的影响。旋转可以是垂直对准或者水平对准的。继而将旋转补丁(308-1.......308-N)中的每一个划分为五个子区域(310-1、......310-N)。继而针对每个子区域计算HOG描述符，以创建对于给定补丁(308-1、......308-N)唯一的HOG描述符的收集(312)。
在示意性实施方式中，HOG计算包括梯度计算之后的空间平滑。每个HOG是 梯度方向的加权直方图，其中权重由梯度量级给定。子区域中的每个像素处的梯度值 可以使用多种公知的梯度算子来计算，公知的梯度算子包括罗伯特交叉算子(Roberts Cross)、索贝尔6obel)算子和维特(Prewitt)算子。还可以构造计算梯度Gx和Gy(χ和 y方向的梯度)的其他离散微分方案。一旦计算了 Gx和Gy，则使用Θ = arctan(Gx/Gy) 来计算梯度方向。出于计算直方图的目的，Θ量化为期望的箱(bin)数量。
继而将子区域的HOG组合到并置HOG或者直方图314中。并置过程仅包括以 一致的方式逐一地连接子区域的HOG。在示例性实施方式中，以图形形式呈现H0G， 并且并置HOG是包括补丁的HOG的组合图。如果补丁被划分为标记为MIDDLE(中 间)、T0P_LEFT (左上)、T0P_RIGHT (右上)、B0TT0M_LEFT (左下)禾口 Β0ΤΤ0Μ_ RIGHT (右下)的五个子区域，则从左到右，一个并置可以是MIDDLE-TOP_LEFT_TOP_ RIGHT-BOTTOM_LEFT-BOTTOM_RIGHT。 出于匹配的目的，每个并置直方图应当以 相同的顺序并置，否则应当匹配的两个并置直方图将不匹配。例如，MIDDLE_TOP_ LEFT-TOP_RIGHT-BOTTOM_LEFT-BOTTOM_RIGHT 的梯度表征，将与 T0P_ LEFT-TOP_RIGHT-MIDDLE-B_OTTOM_LEFT-BOTTOM_RIGHT 看上去不同。
针对以上示例，应当理解，每个并置HOG包括五个HOG(每个子区域一个)。 并置HOG将是对应的细节点的补丁的纹理描述。在示例性实施方式中，针对每个所选择 的指纹特征点(例如细节点)重复并置HOG的生成。最后，输入的指纹图像将表示为并 置HOG的一个集合，针对每个所选择细节(306-1、......306-N)的一个并置HOG314。
现在参考图4，图示示出了根据本发明一个实施方式的并置梯度直方图与匹配 和非匹配梯度直方图的比较。给定有待匹配的两个指纹，可以按照如下简单地比较并置 HOG特征。在示例性实施方式中，匹配算法基于计数两个指纹的HOG特征之间的对应 的数目。如果两个HOG特征在两个方向都彼此极大相关，则其是对应的。该算法的详 细情况如下，假设M1和M2分别表示具有In1和m2个直方图的两个指纹的HOG特征的集 合。当且仅当以下条件成立时，直方图W1'SM1对应于直方图
{m[. m{ > m[. mk2 | /mk2 _/·}，以及
{m[. m[ > m1、-m( | Vm; € M1J ^ i)
在备选实施方式中，可以对值mi'wg应用阈值，以避免任何的偶然对应。通7过两个指纹中的细节总数来以这种方式获得的对应的总数进行标准化，并且将其用作 匹配任务的相似度得分。图4示出了给定并置1100 402与匹配1100(404)和非匹配 HOG (406-1, ......406-N)的示例比较。另外，因为在细节位置周围计算HOG特征，所以可以使用所提出的基于HOG的表征来验证跨两个指纹匹配的细节的质量。
现在参考图5，流程图示出了根据本发明实施方式用于生成指纹图像的梯度表征 的系统。系统500的组件实现图1所示的方法。系统500开始于特征定位器502。特征 定位器实现图1的步骤102，其中从指纹图像中选择指纹特征点。接下来，特征概括器 504实现图1的步骤104。特征概括器获得接近每个所选择的指纹特征点的区块的区域。
在概括特征点之后，特征划分器506实现图1的步骤106。在示意性实施方式 中，特征划分器将每个获得的区域划分为多个子区域。实现图1的步骤108的直方图生 成器508继而生成多个子区域中每一个的直方图。直方图继而可以由直方图并置器510 组合到并置直方图中。直方图并置器510实现图1的步骤110。并置直方图继而用于识 别目的。
现在参考图6，框图600示出了根据本发明的实施方式，可以根据其实现根据本 发明的一个或多个组件/方法(例如图1至图5的上下文中描述的组件/方法)的计算系 统的示例性硬件实现。
如图所示，用于生成指纹图像的梯度表征的技术可以根据经由计算机总线618 或者备选连接布置耦合的处理器610、存储器612、I/O设备614和网络接口 616来实现。
可以理解，在此使用的术语“处理器”意在包括任何处理设备，例如包括 CPU(中央处理单元)和/或其他处理电路的处理设备。也可以理解，术语“处理器” 可以涉及不止一个处理设备，并且与处理设备相关联的各种元件可以由其他处理设备共 享。
在此使用的术语“存储器”意在包括与处理器或者CPU相关联的存储器，例如 RAM、ROM、固定存储器设备(例如硬盘驱动器)、可移动存储器设备(例如磁盘)、闪 存等。此类存储器可以视为计算机可读存储介质。
另外，在此使用的短语“输入/输出设备”或者“I/O设备”意在包括例如用 于向处理单元输入数据的一个或多个输入设备(例如，键盘、鼠标、扫描仪等)，和/或 用于呈现与处理单元相关联的结果的一个或多个输出设备(例如，扬声器、显示器、打 印机等)。
另外，在此使用的短语“网络接口”意在包括例如允许计算机系统经由适合的 通信协议与另一计算机系统通信的一个或多个收发机。
在此描述的包括用于执行方法的指令或者代码的软件组件可以存储在一个或多 个相关联的存储设备(例如，ROM、固定或者可移动存储器)中，并且准备使用时，部 分或者全部地加载(例如，到RAM中)并且由CPU执行。
虽然在此参考附图描述了本发明的示意性实施方式，但是可以理解，本发明不 限于这些精确的实施方式，并且本领域技术人员在不脱离本发明的范围或者精神的情况 下，可以做出各种其他改变和修改。8
权利要求
1.一种用于生成第一指纹图像的梯度表征的方法，所述方法包括 从所述第一指纹图像中选择一个或多个指纹特征点；获得一个或多个所选择的指纹特征点中每一个的区域，其中所述区域是接近给定指 纹特征点的区块的表示；将所获得的区域中每一个划分为多个子区域； 生成针对所述多个子区域中每一个的直方图；以及针对一个或多个所选择的指纹特征点中的每一个，将一个或多个生成的直方图组合 到并置直方图中，其中所述并置直方图用于识别目的。
2.如权利要求1的方法，其中所述直方图是定向梯度直方图。
3.如权利要求1的方法，还包括步骤在选择所述一个或多个指纹特征点之前，增 强所述第一指纹图像。
4.如权利要求1的方法，还包括步骤将每个获得的区域旋转到可比较的方向。
5.如权利要求1的方法，还包括步骤生成包括所述第一指纹图像的所述并置直方 图的第一直方图集合。
6.如权利要求5的方法，还包括步骤使用一个或多个第二指纹图像来生成一个或 多个第二直方图集合。
7.如权利要求6的方法，还包括步骤将所述第一直方图集合与所述一个或多个第 二直方图集合进行比较。
8.如权利要求7的方法，其中比较步骤还包括步骤计算所述第一直方图集合与所 述一个或多个第二直方图集合之间的相关度。
9.如权利要求8的方法，其中所述相关度基于所述第一直方图集合与所述一个或多个 第二直方图集合之间的对应的数目。
10.一种用于生成第一指纹图像的梯度表征的制造产品，所述产品包括计算机可读存 储介质，其包括一个或多个程序，所述程序在由计算机执行时实现权利要求1的步骤。
11.一种用于生成第一指纹图像的梯度表征的装置，所述装置包括 存储器；以及耦合至所述存储器的至少一个处理器，操作用以 ω从所述第一指纹图像中选择一个或多个指纹特征点；(ii)获得一个或多个所选择的指纹特征点中每一个指纹特征点的区域，其中所述区域 是接近给定指纹特征点的区块的表示；(iii)将所获得的区域中每一个划分为多个子区域； (iv)生成针对所述多个子区域中每一个的直方图；以及(ν)针对一个或多个所选择的指纹特征点中的每一个，将一个或多个生成的直方图组 合到并置直方图中，其中所述并置直方图用于识别目的。
12.如权利要求11的装置，其中所述直方图是定向梯度直方图。
13.如权利要求11的装置，其中所述至少一个处理器还操作用于在选择所述一个 或多个指纹特征点之前增强所述第一指纹图像。
14.如权利要求11的装置，其中所述至少一个处理器还操作用将每个获得的区域旋转 到可比较的方向。
15.如权利要求11的装置，其中所述至少一个处理器还操作用于生成包括所述第 一指纹图像的所述并置直方图的第一直方图集合。
16.如权利要求15的装置，其中所述至少一个处理器还操作用于使用一个或多个 第二指纹图像来生成一个或多个第二直方图集合。
17.如权利要求16的装置，其中所述至少一个处理器还操作用于将所述第一直方 图集合与所述一个或多个第二直方图集合进行比较。
18.如权利要求17的装置，其中所述至少一个处理器还操作用于计算所述第一直 方图集合与所述一个或多个第二直方图集合之间的相关度。
19.如权利要求18的装置，其中所述相关度基于所述第一直方图集合与所述一个或多 个第二直方图集合之间的对应的数目。
20.一种用于生成第一指纹图像的梯度表征的系统，所述系统包括特征定位器，用于从所述第一指纹图像中选择一个或多个指纹特征点；特征概括器，用于获得一个或多个所选择的指纹特征点中每一个的区域，其中所述 区域是接近给定指纹特征点的区块的表示；特征划分器，用于将所获得的区域中每一个划分为多个子区域；直方图生成器，用于生成针对多个子区域中每一个的直方图；以及直方图并置器，用于针对一个或多个所选择的指纹特征点中的每一个，将一个或多 个生成的直方图组合到并置直方图中，其中所述并置直方图用于识别目的。
全文摘要
提供了用于生成第一指纹图像的梯度表征的技术。从第一指纹图像中选择一个或多个指纹特征点。获得针对一个或多个所选择的指纹特征点中每一个的区域。该区域是接近给定指纹特征点的区块的表示。将所获得的区域中每一个划分为多个子区域。针对多个子区域中的每一个生成直方图。针对一个或多个所选择的指纹特征点中的每一个，将一个或多个生成的直方图组合到并置直方图中。并置直方图用于识别目的。
文档编号G06K9/00GK102027488SQ200980117512
公开日2011年4月20日 申请日期2009年4月13日 优先权日2008年5月15日
发明者G·阿加尔沃, N·K·拉萨, R·M·博勒, T-y·杰 申请人:国际商业机器公司