用于粗糙到精细的基于脊的生物测量图像对准的系统和方法与流程

本公开总体上涉及生物测量领域，并且更具体地涉及用于粗糙到精细的基于脊（ridge）的生物测量图像对准的系统和方法。

背景技术：

诸如指纹感测之类的生物测量感测技术自其初期以来已经改革了识别和认证过程。用于捕获生物测量数据并且将其存储在最小大小的数字文件中的能力在诸如法律执行、取证和信息安全之类的领域中已经产生了极大的益处。

在生物测量认证过程中利用指纹通常包括将由指纹传感器捕获的一个或多个指纹图像存储为指纹模板以用于稍后的认证。在认证过程期间，接收新获取的指纹图像，并将其与指纹模板相比较以确定是否存在匹配。在能够将新获取的指纹图像与指纹模板比较之前，通过对新获取的指纹图像执行变换来使新获取的指纹图像对准。变换可以包括对新获取的指纹图像的旋转、平移（在两个维度上）、和缩放中的一个或多个。该过程称为图像对准。

然而，当新获取的指纹图像和模板图像是低质量的时或者如果一个图像的仅一小部分与另一图像的子部分重叠，图像对准是有挑战性的问题。随着较小图像传感器的增长的使用，图像之间的重叠的量不断减少，这进一步降低常规图像对准技术的有效性。另外，如果基于细节的技术被用于图像对准或图像匹配，则较小传感器的使用减少图像中的细节点的数目，这甚至进一步降低常规图像对准和图像匹配技术的有效性。

因此，在本领域中仍然存在对于解决常规方法的缺陷的用于图像对准的系统和方法的需要。

技术实现要素：

本公开的一个实施例提供一种处理系统，其包括：处理器；和存储指令的存储器，所述指令当被处理器执行时使处理系统通过执行以下步骤来使第一图像与第二图像对准，其中第一和第二图像是生物测量图像：生成对应于第一图像的第一取向图；确定候选变换集，其当被应用于第一取向图时，使第一取向图的经变换版本与对应于第二图像的第二取向图对准；针对候选变换集中的每一个候选变换：将候选变换应用于第一图像以生成经变换的第一图像，并且计算经变换的第一图像与第二图像之间的差异度量；以及从候选变换集中选择第一候选变换，其当被应用于第一图像时使经变换的第一图像与第二图像之间的差异度量最小化。

本公开的另一个示例提供一种方法，其包括：接收第一骨架化生物测量图像；生成第一骨架化生物测量图像的第一粗糙表示；基于将第一粗糙表示的经变换版本与第二骨架化生物测量图像的第二粗糙表示相比较而识别使第一骨架化生物测量图像与第二骨架化生物测量图像对准的候选变换集；从候选变换集中选择第一候选变换作为当被应用于第一骨架化生物测量图像时使第一骨架化生物测量图像的经变换版本与第二骨架化生物测量图像之间的差异度量最小化的候选变换；以及确定通过第一候选变换进行变换的第一骨架化生物测量图像是否匹配第二骨架化生物测量图像，其中，如果所述差异度量满足阈值，则通过第一候选变换进行变换的第一骨架化生物测量图像匹配第二骨架化生物测量图像。

本公开的又一个实施例提供了一种设备，其包括：处理系统，所述处理系统被配置成：接收第一骨架化生物测量图像；生成第一骨架化生物测量图像的第一粗糙表示；基于将第一粗糙表示的经变换版本与第二骨架化生物测量图像的第二粗糙表示相比较而识别使第一骨架化生物测量图像与第二骨架化生物测量图像对准的候选变换集；从候选变换集中选择第一候选变换作为当被应用于第一骨架化生物测量图像时使第一骨架化生物测量图像的经变换版本与第二骨架化生物测量图像之间的差异度量最小化的候选变换；以及确定通过第一候选变换进行变换的第一骨架化生物测量图像是否匹配第二骨架化生物测量图像，其中，如果差异度量满足阈值，则通过第一候选变换进行变换的第一骨架化生物测量图像匹配第二骨架化生物测量图像。

附图说明

图1是根据本公开的一个实施例的包括输入设备和处理系统的示例电子系统的框图。

图2A图示出根据一个实施例的示出指纹的各种脊和细节的灰度指纹图像。

图2B图示出根据一个实施例的图2A中的灰度指纹图像的骨架化版本。

图3A图示出根据一个实施例的示出指纹的一部分的各种脊和细节的小灰度指纹图像。

图3B图示出根据一个实施例的图3A中的灰度指纹图像的骨架化版本。

图4A图示出根据一个实施例的示出指纹的各种脊和细节的骨架化指纹图像。

图4B图示出根据一个实施例的图4A中示出的骨架化指纹图像的取向图。

图5是根据一个实施例的取向图的另一个示例，其中不同像素位置处的不同取向值被表示为短线段。

图6是根据一个实施例的图示出用于使用图像的粗糙表示来对准两个图像的过程的框图。

图7是根据本公开的一个实施例的用于对准两个图像的方法的流程图。

具体实施方式

本公开的实施例解决了用于具有显著取向的纹理或边缘的图像的图像对准的问题。指纹图像是这样的图像的示例；然而，虹膜图像和静脉图案是其它示例。如所描述的那样，当图像是低质量的时或者如果一个图像的仅一小部分与另一个图像的子部分重叠，图像对准是有挑战性的问题，如当使用非常小的传感器来捕获图像时是常见的。

在用于指纹匹配的常规方法中，在图像中检测细节点。细节点的位置和对应取向形成被比较的每个图像的感兴趣的特征。来自两个图像的细节集是基于两个细节集之间的每个可能的点对点对应性在霍夫空间中使用投票过程来与彼此对准的，并且将经对准的细节集中的细节点与彼此进行比较以确定它们是否是匹配。遗憾的是，这些常规指纹匹配技术依赖于呈现在图像中的大量细节点，以用于对准阶段以及用于匹配阶段二者，在所述匹配阶段中将经对准的图像进行比较以确定它们是否是从相同的用户指纹得出的。较小传感器的使用减少图像中的细节点的数目，这降低了这些常规图像对准和图像匹配技术的有效性。

本公开的实施例提供能够在两个图像的重叠区域中具有很少细节点或甚至没有细节点的小图像上操作的图像对准技术。考虑到第一图像与第二图像对准，本公开的实施例使用多个阶段来执行图像对准。在一些实施例中，第一和第二图像是骨架化指纹图像。指纹骨架化（也称为细化）是将灰度指纹图像中的脊线转换成二进制表示并将二进制化的脊线的宽度减小到一像素宽的过程。

在第一阶段中，生成第一和第二图像的粗糙表示。在一些实施例中，粗糙表示可以是相应图像的取向图。在其它实施例中，粗糙表示可以是密度图、相位图、强度图或相应图像的任何其它合适的表示。在一些实施例中，粗糙表示是图像的较平滑表示，其能够是但不一定是较低分辨率（即，尺寸）的，如本文中更详细地描述的那样。

在第二阶段中，粗糙表示被平滑和采样以生成较小尺寸（即，较低分辨率）的粗糙表示。在一些实施例中，在第三和后续阶段中，较小尺寸的粗糙表示被进一步平滑和采样。

不管执行多少个阶段的平滑和采样，都在最小粗糙表示上执行“姿态（pose）搜索”以确定将第一图像的最小粗糙表示与第二图像的最小粗糙表示最佳地对准的候选变换。在一些实施例中，姿态搜索是一种类型的穷举搜索，其检查能够将给定图像与另一个图像对准的变换的所有可能性。由于最小粗糙表示是比第一和第二图像相对更小尺寸的图像，所以姿态搜索能够被相对快速地完成。

姿态搜索产生将第一图像的最小粗糙表示与第二图像的最小粗糙表示最佳地对准的第一变换假说集。例如，根据相似性度量对姿态搜索的结果进行排序，并且选择前N个变换假说来包括在第一变换假说集中。

接下来，本公开的实施例在包括在第一变换假说集中的变换假说周围“摆动（wiggle）”。如本文中使用的在给定变换假说周围摆动包括识别具有在第一变换假说集中的给定变换假说的变换参数的邻域内（例如，在阈值内）的变换参数的附加变换假说。例如，假定第一变换假说集中的变换假说与+4个单位的x平移、+6个单位的y平移和+14度的旋转（即，[+4, +6, +14.0]，作为示例速记记号）相关联。附加的“摆动”变换假说能够针对例如（使用速记记号示出的）[+4.1, +6.1, +14.1]和[+3.9, +5.9, +13.9]而被生成。附加的摆动变换被计算，是因为根据较低分辨率表示计算的变换解在接下来的更精细阶段中有可能接近但不正好在以较高分辨率表示的最佳解处。同样，当在两个图像之间存在非常紧密的匹配时，基于图像中的图案之间的逐像素差异的诸如脊匹配算法之类的某些匹配算法提供更好的结果。虽然使用相对粗糙的图像来确定第一变换假说集，但是用于将较高分辨率的第一和第二图像匹配的最佳变换假说有可能接近于第一变换假说集中的变换假说。

第一变换假说集中的变换假说加上其附加摆动变换假说或者这些的子集被组合以形成第二变换假说集。然后以下一更精细表示水平来评估第二变换假说集中的变换假说。在一些实施例中，以最粗糙表示水平的图像在尺寸方面小于以下一较高表示水平的图像。第二变换假说集中的变换假说被应用于以下一较高表示水平的粗糙表示。前M个变换假说可以被选择为形成第三变换假说集。

然后对第三变换假说集中的变换假说以下一较高表示水平进行评估，其可以是作为骨架化指纹图像的第一和第二图像。在一些实施例中，针对第三变换假说集中的每个变换假说，可以执行迭代最近点（ICP）过程以使通过变换假说进行变换的第一图像与第二图像之间的差异最小化。然后选择提供最小对准距离的骨架化指纹图像处的变换假说来作为将第一图像与第二图像对准的最佳变换假说。然后能够在经对准的图像上执行指纹匹配算法以确定经变换的第一图像是否是对第二图像的指纹匹配。在一些情况下，可以代替“摆动”而使用ICP。

如所描述的那样，本公开的实施例提供以多个水平操作的图像匹配技术。最高水平可以是骨架化的基于脊的水平，而较低水平可以是粗糙表示（例如，取向图）。尽管以上的示例包括两个粗糙表示水平，但是可以利用任何数目。所公开的技术经由选择处于最低水平的最前面的候选、然后传播那些候选直到下一水平以用于进一步评估来进行操作。然后以下一较高水平来评估候选，并且选择新的候选。该过程继续，直到向上达到最高水平（例如，骨架化指纹图像水平）为止。然后使用ICP以最高水平调整候选变换以确定两个图像的最佳对准。

图1是根据本公开的一个实施例的包括输入设备102和处理系统104的示例电子系统100的框图。图示出了在捕获、存储和验证生物测量认证尝试期间所利用的电子设备100的基本功能组件。处理系统104包括（一个或多个）处理器106、存储器108、模板存储器110、操作系统（OS）112和（一个或多个）电源114。（一个或多个）处理器106中的每一个、存储器108、模板存储器110、操作系统112和电源114在物理上、在通信上和/或在操作上互连以便进行组件间通信。

如所图示的那样，（一个或多个）处理器106被配置成实现供电子设备100和处理系统104内执行的功能和/或过程指令。例如，处理器106执行存储器108中存储的指令或者模板存储器110上存储的指令，以确定生物测量认证尝试是成功的还是不成功的。存储器108（其可以是非瞬态计算机可读存储介质）被配置成在操作期间存储电子设备100内的信息。在一些实施例中，存储器108包括临时存储器、用于当电子设备100被关闭时将不被保持的信息的区域。这样的临时存储器的示例包括易失性存储器，诸如随机存取存储器（RAM）、动态随机存取存储器（DRAM）和静态随机存取存储器（SRAM）。存储器108还保持供处理器106执行的程序指令。

模板存储器110包括一个或多个非瞬态计算机可读存储介质。在指纹传感器的情境中，模板存储器110通常被配置成存储用户指纹的指纹图像的注册视图或者其它注册信息。模板存储器110可以进一步被配置用于信息的长期存储。在一些示例中，模板存储器110包括非易失性存储元件。除了其它的之外，非易失性存储元件的非限制性示例还包括磁硬盘、光盘、软盘、闪速存储器或者电可编程存储器（EPROM）或电可擦除且可编程（EEPROM）存储器的形式。

处理系统104还主控操作系统（OS）112。操作系统112控制处理系统104的组件的操作。例如，操作系统112促进（一个或多个）处理器106、存储器108和模板存储器110的交互。根据各种实施例，（一个或多个）处理器106实现硬件和/或软件以对准两个图像并将经对准的图像与彼此进行比较以确定是否存在匹配，如以下更详细地描述的那样。

处理系统104包括用于向电子设备100提供电力的一个或多个电源114。电源114的非限制性示例包括一次性的电源、可再充电的电源和/或从镍镉、锂离子或其它合适的材料开发的电源。

输入设备102能够被实现为电子系统100的物理部分，或者能够与电子系统100在物理上分离。视情况而定，输入设备102可以使用以下中的任何一个或多个来与电子系统100的部分进行通信：总线、网络和其它有线或无线互连件。在一些实施例中，输入设备102被实现为指纹传感器，并利用一个或多个不同的电子指纹感测方法、技术和设备来捕获用户的指纹图像。输入设备102可以利用任何类型的技术来捕获对应于用户的生物测量。例如，在某些实施例中，输入设备102可以是光学、电容性、热学、压力、射频（RF）或超声传感器。

电子系统100的一些非限制性示例包括所有大小和形状的个人计算机，诸如台式计算机、膝上型计算机、上网本计算机、平板计算机、web（网络）浏览器、电子书阅读器和个人数字助理（PDA）。附加示例电子系统100包括复合输入设备，诸如物理键盘和分离的操作杆或按键开关。另外的示例电子系统100包括外围设备，诸如数据输入设备（包括远程控制装置和鼠标）和数据输出设备（包括显示屏和打印机）。其它示例包括远程终端、信息站（kiosk）、视频游戏机（例如，视频游戏控制台、便携式游戏设备等）、通信设备（包括诸如智能电话之类的蜂窝电话）、和媒体设备（包括记录器、编辑器和播放器，诸如电视、机顶盒、音乐播放器、数字相框和数字相机）。

如本文中更详细地描述的那样，本公开的实施例提供用于将新获取的图像与模板图像匹配的系统和方法，诸如在指纹匹配的情境中。作为图像匹配过程的部分，首先将新获取的图像与模板图像对准。

图2A图示出根据一个实施例的示出指纹的各种脊和细节的灰度指纹图像。如能够在图2A中所看到的那样，图像是有噪声的，使得图像的部分是模糊的并且脊或轮廓是断裂的。图2B图示出根据一个实施例的图2A中的灰度指纹图像的骨架化版本。指纹骨架化（也称为细化）是将灰度指纹图像（参见例如图2A中的图像）中的脊线转换成二进制表示并将二进制化的脊线的宽度减小到一像素宽的过程。在二进制表示中，每个像素可以被视为能够使用单个比特来表示的前景像素或背景像素。在骨架化指纹图像中，这对应于指纹的脊和谷。如能够在图2B中所看到的那样，灰度指纹图像的骨架化版本移除了大部分噪声，使得图像不再是模糊的并且脊线不再是断裂的。

图3A图示出根据一个实施例的示出指纹的一部分的各种脊和细节的小灰度指纹图像。如能够在图3A中所看到的那样，图像是有噪声的，使得图像的部分是模糊的并且脊或轮廓是断裂的。同样，图3A中的图像远小于图2A中示出的图像。这可以是例如使用较小传感器来捕获图3A中的图像的结果。图3B图示出图3A中的灰度指纹图像的骨架化版本。

图4A图示出根据一个实施例的示出指纹的各种脊和细节的骨架化指纹图像。图4B图示出根据一个实施例的图4A中示出的骨架化指纹图像的取向图。如本文中更详细地描述的那样，本公开的实施例提供图像对准技术，其中要被对准的图像被转换成较平滑表示，诸如例如取向图。取向图中的像素表示通过图像的该区域的脊的局部取向。在一个实施例中，取向值的范围从0°到180°。如在图4B中的示例中所示，取向图能够被呈现为一系列颜色或灰度阴影，其中不同的颜色或灰度阴影表示不同的取向值。图5是根据一个实施例的取向图的另一个示例，其中不同像素位置处的不同取向值被表示为短线段。如本文中更详细地描述的那样，图像的粗糙表示能够被平滑和采样以生成较平滑和较小的粗糙表示（例如，较小尺寸的取向图）。每个较小取向图提供来自下一较高水平取向图的图像的较粗糙表示。

在一个实施例中，通过首先生成图像的一个或多个水平的粗糙表示来执行图像对准。识别用于使最低水平的粗糙表示对准的变换假说。变换假说被传播直到下一较高水平并以下一较高水平再次被分析以找到用于对准以下一较高水平的粗糙表示的变换假说。该过程被重复，直到达到包括两个图像被对准的最高水平为止。达到最高水平的变换假说被评估以确定哪一个提供了两个图像的最佳对准。

图6是图示出根据一个实施例的用于使用图像的粗糙表示来对准两个图像的过程的框图。在图6中，使第一图像与第二图像对准。图6的左侧示出第一图像的表示。图6的右侧示出第二图像的表示。

第一图像（其可以是由图像传感器捕获的灰度指纹图像）能够被处理以生成骨架化图像602。骨架化图像602具有某些尺寸。在所示出的示例中，骨架化图像602具有56×144个像素的尺寸，不过这些尺寸仅仅是示例尺寸并不是限制性的。骨架化图像602被处理以生成第一图像的取向图604。在所示出的示例中，取向图604具有与骨架化图像602相同的尺寸（例如，56×144个像素）。在一些实施例中，直接根据指纹的灰度图像来计算取向图604；而在其它实施例中，根据骨架化图像602来计算取向图604。

取向图604然后被平滑和采样以生成较小取向图606。在一些实施例中，在取向图604上执行平滑以免违背奈奎斯特定理。在所示出的示例中，较小取向图606具有14×36个像素的尺寸，其也仅仅是示例尺寸并不是限制性的。较小取向图606然后被平滑和采样以生成最小取向图608。在一些实施例中，在较小取向图606上执行平滑以免违背奈奎斯特定理。在所示出的示例中，最小取向图608具有7×18个像素的尺寸，其也仅仅是示例尺寸并不是限制性的。在图6中所示出的示例中，取向图被平滑和采样两次（即，两个阶段的平滑/采样），但是在其它实施例中，可以执行任何数目的平滑/采样阶段。还应注意的是，标记“最小”（如在“最小取向图608”中）仅仅是标记，并且可能具有第一图像的甚至更小的表示，其具有比在图6中如此命名的“最小取向图608”更小的尺寸。图6中所包括的示例尺寸仅仅是说明性的，并不是限制性的。取决于实现方式，能够使用任何尺寸。例如，骨架化图像602、610可以具有与取向图604、612相同的尺寸。较小取向图606、614可以具有是取向图604、612的四分之一的尺寸，并且最小取向图608、616可以具有是较小取向图606、614的二分之一的尺寸。其它尺寸也在本公开的范围内。

类似于对第一图像完成的处理，对第二图像执行相同的处理。第二图像被处理以生成骨架化图像610。骨架化图像610具有56×144个像素的尺寸。骨架化图像610被处理以生成第二图像的取向图612。在所示出的示例中，取向图612具有与骨架化图像610相同的尺寸（即，56×144个像素）。取向图612然后被平滑和采样以生成具有14×36个像素的尺寸的较小取向图614。较小取向图614然后被平滑和采样以生成具有7×18个像素的尺寸的最小取向图616。

第一图像的最小取向图608和第二图像的最小取向图616然后被输入到由处理系统执行的姿态搜索操作器618。姿态搜索操作器618在第一图像的最小取向图608上执行姿态搜索（例如，穷举搜索）以识别将第一图像的最小取向图608与第二图像的最小取向图616对准的候选变换。由于最小取向图608、616相对小（例如，7×18个像素），所以要搜索以找到最佳变换的可能的组合的数目相对小。其它实施例可以包括用于跳过搜索空间的远离良好对准的部分的规则。

在620处，选择使第一图像的最小取向图608与第二图像的最小取向图616对准的前N个最佳变换。在所示出的示例中，N是15。前N个最佳变换被输入到摆动操作器622中。摆动操作器622接收N个变换并生成接近N个变换的附加变换。在给定阈值内摆动给定变换的每个参数值（例如，x平移、y平移、旋转）以识别出接近于给定变换的附加变换。对于每个变换，假定经由摆动操作器622生成W个附加变换。因此，如果N=15，则由摆动操作器输出624的变换的数目大约为N×W或者15×W个变换。

15×W个变换然后被输入到操作器626中，所述操作器626还接收第一图像的较小取向图606和第二图像的较小取向图614。操作器626将15×W个变换中的每一个应用于第一图像的较小取向图606以识别15×W个变换中的使第一图像的较小取向图606与第二图像的较小取向图614最佳地对准的前M个变换。在一些实施例中，包括在15×W个变换中的x平移值和y平移值被适当地缩放以计及较小取向图606、614的较大尺寸。在操作器626处，不执行姿态搜索（例如，穷举搜索）。代替地，仅分析15×W个变换，与在该阶段执行穷举搜索相比，这大大地减少了在该阶段被分析的变换的数目。从操作器626输出628前M个变换。在所示出的示例中，M是25。

M=25个变换然后被输入到操作器630中，所述操作器630还接收骨架化图像602和骨架化图像610。操作器630将M个变换中的每一个应用于骨架化图像602以识别出M个变换中的使骨架化图像602与骨架化图像610最佳地对准的单个最佳变换。该单个最佳变换然后由操作器630输出632。在一些实施例中，迭代最近点（ICP）过程可以被执行以使通过给定变换进行变换的骨架化图像602与骨架化图像610之间的差异最小化。在一个实施例中，为了执行ICP过程，给定两个点集（例如，指纹脊的点集），和，处理系统找到使均方误差之和最小化的严格变换，如下：

，

其中p_i和q_i是对应点，并且N是对应点的总数。

在操作器630处，不执行姿态搜索（例如，穷举搜索）。代替地，仅分析M=25个变换，与执行穷举搜索相比，这大大减少了在该阶段被分析的变换的数目。

由操作器630输出632的单个最佳变换然后被应用于第一图像以使第一图像与第二图像对准。一旦第一图像与第二图像对准，处理系统就能够执行分析以确定经对准的第一图像是否匹配第二图像，诸如是否存在指纹匹配。

在一些实施例中，通过计算倒角距离来确定图像之间的对准和/或指纹匹配的度量。计算倒角距离包括计算两个图像之间的差异的度量。一般地，为了计算倒角距离，处理系统提取查询图像的边缘/轮廓以及目标图像的边缘/轮廓，取查询图像中的轮廓的一个点/像素并找到目标图像中的轮廓的最近点/像素的距离，以及计算针对查询图像的所有边缘点/像素的距离之和。

图7是根据本公开的一个实施例的用于对准两个图像的方法700的流程图。在步骤702处，处理系统接收第一图像。在步骤704处，处理系统接收第二图像。在一些实施例中，第一图像是由图像传感器捕获的新获取的图像，并且第二图像是先前被获取的模板图像，第一图像要与所述模板图像相比较以确定是否存在匹配。

在一些实施例中，第一和第二图像中的每一个是骨架化生物测量图像。照这样，适当的预处理（未示出）可以被执行以将诸如指纹图像之类的灰度图像转换成骨架化图像。在一些实施例中，将第二图像（即，模板图像）转换成骨架化格式由处理系统预计算一次，并且不需要每当新获取的图像被呈现以与第二图像比较时被重新计算。

在步骤706处，处理系统生成第一图像的取向图。在一些实施例中，第一图像的取向图具有与第一图像相同的尺寸。在步骤708处，处理系统生成第二图像的取向图。在一些实施例中，第二图像的取向图具有与第二图像相同的尺寸。

在步骤710处，处理系统基于第一图像的取向图而生成第一图像的较小取向图。在一些实施例中，第一图像的较小取向图是第一图像的取向图的经平滑和采样的版本。照这样，第一图像的较小取向图具有比第一图像的取向图更小的尺寸。类似地，在步骤712处，处理系统基于第二图像的取向图而生成第二图像的较小取向图。

在步骤714处，处理系统基于第一图像的较小取向图而生成第一图像的最小取向图。在一些实施例中，第一图像的最小取向图是第一图像的较小取向图的经平滑和采样的版本。照这样，第一图像的最小取向图具有比第一图像的较小取向图更小的尺寸。类似地，在步骤716处，处理系统基于第二图像的较小取向图而生成第二图像的最小取向图。

在图7中所示出的示例中，执行两个阶段的平滑/采样。在其它实施例中，能够执行任何数目的一个或多个平滑/采样阶段。还应注意的是，标记“最小”（如在“第一图像的最小取向图”中）仅仅是标记，并且可能具有第一图像的甚至更小的表示，其具有比在图7中如此命名的“第一图像的最小取向图”更小的尺寸。

另外，尽管步骤702/706/710/714被示出为与步骤704/708/712/716并行地被执行，但是在其它实施例中，步骤702、704、706、708、710、712、714、716能够串行地或以任何技术上可行的次序被执行。同样，在一些实施例中，与第二图像有关的步骤704/708/712/716能够由处理系统预计算，并且每当接收到新获取的指纹图像时不被重新计算。

在步骤718处，处理系统执行姿态搜索以确定使第一图像的最小取向图（即，在步骤714处计算的）与第二图像的最小取向图（即，在步骤716处计算的）对准的第一候选变换集。如本文所使用的执行姿态搜索涉及通过蛮力对能够被应用于第一图像的最小取向图的每个不同变换进行测试，也称为穷举搜索。由于最小取向图具有小尺寸，所以，与直接在作为较大图像的第一和第二图像上执行姿态搜索相比，要搜索的可能的变换的数目相对小。

在步骤720处，处理系统在第一候选变换集中的候选变换周围“摆动”以识别附加变换。被识别出的每个附加变换具有在第一候选变换集中的一个或多个候选变换的变换参数的某些阈值内的变换参数（例如，x平移、y平移、旋转）。

在步骤722处，处理系统执行有限的搜索以确定使第一图像的较小取向图与第二图像的较小取向图对准的第二候选变换集。步骤722处的搜索是“有限的”，因为仅有第一候选变换集中的候选变换及其对应“摆动”在第一图像的较小取向图上被评估。与在第一图像的较小取向图上执行姿态搜索（即，穷举搜索）相比，这样做限制了被评估的变换的数目。

在步骤724处，处理系统在第二候选变换集中的每个候选变换上执行迭代最近点（ICP）程序以识别使第一图像与第二图像对准的候选变换。如所描述的那样，第二候选变换集中的每个候选变换被应用于第一图像，所述第一图像是骨架化生物测量图像。将结果与第二图像进行比较，所述第二图像也是骨架化生物测量图像。产生通过候选变换进行变换的第一图像与第二图像之间的最佳对准的单个变换被选择为使第一图像与第二图像对准的变换。一旦第一图像与第二图像对准，处理系统就能够执行分析以确定第一图像是否匹配第二图像，诸如是否存在指纹匹配。在一些实施例中，如果差异度量低于阈值量，则通过变换进行变换的第一图像匹配第二图像。

有利地，本公开的实施例提供能够在相对小的图像（诸如没有共同的细节点的那些图像）上操作的图像对准技术。同样，由于穷举搜索仅在最小粗糙表示上执行并且不在相对较大的骨架化图像上执行，所以对准图像所需的计算时间被减少。

呈现了在本文中阐述的实施例和示例，以便最佳地解释本公开及其特别的应用并且由此使本领域技术人员能够做出本发明和使用本发明。然而，本领域技术人员将认识到的是，仅出于说明和示例的目的，已经呈现了前面的描述和示例。所阐述的描述并不意在是详尽的或者并不意在将本发明限制于所公开的精确形式。

本文中所引用的包括出版物、专利申请和专利在内的所有参考文献在相同程度上通过引用被特此并入，就像每个参考文献被单独地且具体地指示成通过引用被并入并且在本文中被整体地阐述。

术语“一”、“一个”、“该”、“至少一个”和类似指代词在描述本发明的上下文中（尤其是在以下权利要求书的上下文中）的使用将被解释为涵盖单数和复数这两者，除非在本文中另有指示或者上下文明显矛盾。后面有一项或多项的列表的术语“至少一个”（例如，“A和B中的至少一个”）的使用将被解释为意指从所列出的项中选择出的一项（A或B）或者所列出的项中的两项或更多项的任何组合（A和B），除非在本文中另有指示或者上下文明显矛盾。术语“包括”、“具有”、“包含”和“含有”将被解释为开放式的术语（即，意指“包括但不限于”），除非另有说明。本文中的值的范围的记载仅仅是意在用作单独地引用落入该范围内的每一个单独的值的速记方法，除非在本文中另有指示，并且每一个单独的值被并入本说明书，就像其在本文中被单独地记载。本文中所描述的所有方法能够以任何合适的次序被执行，除非在本文中另有指示或者上下文另外明显矛盾。本文中所提供的任何和所有示例或示范性的语言（例如，“诸如”）的使用仅仅是意在更好地阐明本发明，而不是对本发明的范围形成限制，除非另有声明。本说明书中的语言都不应当被解释为将任何未声明的元件指示为对本发明的实践必不可少。

在本文中描述了本发明的优选实施例，包括为发明人所知的用于执行本发明的最佳模式。那些优选的实施例的变型对本领域中的普通技术人员在阅读前面的描述时可能变得明显。发明人期待技术人员视情况而定地采用这样的变型，并且发明人意在与如本文中具体描述的那样不同地实践本发明。相应地，本发明包括如可适用的法律所准许的所附于此的权利要求书中记载的主题的所有修改和等同物。此外，在其所有可能的变型中的上述元件的任何组合均被本发明涵盖，除非在本文中另有指示或者上下文另外明显矛盾。