一种应用于指纹识别的滤波方法
文献发布时间:2023-06-19 09:49:27
技术领域
本发明涉及图像处理领域,尤其涉及一种应用于指纹识别的滤波方法。
背景技术
指纹识别技术是众多生物特征识别技术中的一种,所谓生物特征识别技术(biometrics),是指利用人体所固有的生理特征或行为特征来进行个人身份鉴定,由于生物识别所具有的便捷与安全等优点使得生物识别技术在身份认证识别和网络安全领域拥有广阔的应用前景,可用的生物特征识别技术有指纹、人脸、声纹、虹膜等,指纹是其中应用最为广泛的一种。
从20世纪60年代起新型的电子计算机技术进人指纹鉴定领域,为指纹鉴定自动化开辟了新的途径。近几年,指纹识别技术应用到智能手机上,成为支持手机解锁、在线支付的重要基础技术。而应用于手机端指纹识别的CMOS图像传感器需要对CMOS图像传感器图像进行滤波、图像binning等预处理。
但现有指纹识别对CMOS图像传感器图像的滤波处理,通常采用的是小波去噪、高斯去噪和中值滤波等方式,但小波去噪存在计算较复杂,需要较大的内存,不利于应用于CMOS图像传感器,也不具备图像binning效果;高斯去噪则需要较大的内存,不利于应用于CMOS图像传感器,不具备图像binning效果;而中值滤波,则存在滤波效果较差,容易损失指纹细节。
发明内容
基于现有技术所存在的问题,本发明的目的是提供一种应用于指纹识别的滤波方法,能解决现有指纹识别对CMOS图像传感器图像的滤波处理,所存在的需要内存大、不具备图像binning效果以及滤波效果较差,容易损失指纹细节等的问题。
本发明的目的是通过以下技术方案实现的:
本发明实施例提供一种应用于指纹识别的滤波方法,包括以下步骤:
步骤S1,根据所处理的指纹图像的空间频率选定M×M滤波器;
步骤S2,根据选定的所述M×M滤波器的尺寸选定该滤波器的权重;
步骤S3,根据所述M×M滤波器的尺寸选定该滤波器的卷积步进;
步骤S4,用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。
由上述本发明提供的技术方案可以看出,本发明实施例提供的应用于指纹识别的滤波方法,其有益效果为:
该滤波方法支持指纹图像去噪处理同时对图像进行binning处理,保留指纹细节的同时可以尽量减少数据量,提高传输速度,由于进行binning处理具备抗锯齿功能,有效提高指纹识别的成功率,该滤波方法,在图像去噪处理时仅需要一至两行SRAM(静态随机存取存储器,Static Random-Access Memory,SRAM),十分适合应用于CMOS图像传感器,具有占用空间少,成本低的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的应用于指纹识别的滤波方法流程图。
具体实施方式
下面结合本发明的具体内容,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
参见图1,本发明一种应用于指纹识别的滤波方法,包括以下步骤:
步骤S1,根据所处理的指纹图像的空间频率选定M×M滤波器;其中,M×M为滤波器尺寸,采集指纹图像时,由于不同距离和镜头视场角情况下,指纹图像的空间频率不同,通过匹配相应尺寸的滤波器,能更准确的滤波得到指纹图像中的指纹数据;
步骤S2,根据选定的所述M×M滤波器的尺寸选定该滤波器的权重;不同的权重能调节滤波器的截止频率,通过选定滤波器的权重与滤波器的尺寸匹配,使得滤波器按确定的截止频率截止,提升滤波效率;
步骤S3,根据所述M×M滤波器的尺寸选定该滤波器的卷积步进;通过不同步进能实现图像binning的效果;
步骤S4,用所述M×M滤波器按选定的权重和卷积步进对所述指纹图像进行滤波处理。
上述滤波方法的步骤S1中,所选取的M×M的滤波器为以下滤波器中的至少一种:
2×2滤波器、3×3滤波器、4×4滤波器、5×5滤波器、7×7滤波器。
上述滤波方法的步骤S2中,根据所述滤波器的尺寸选取该滤波器的权重为:
若选定的为2×2滤波器,则选定的该滤波器的权重为:ones(2);
若选定的为3×3滤波器,则选定的该滤波器的权重为:conv2(ones(2),ones(2))、ones(3)中的一种;
若选定的为4×4滤波器,则选取的该滤波器的权重为:conv2(ones(3),ones(2))、conv2(conv2(ones(2),ones(2)),ones(2))中的一种;
若选定的为5×5滤波器,则选定的该滤波器的权重为:conv2(conv2(ones(2),ones(2)),conv2(ones(2),ones(2)))、conv2(ones(3),ones(3))、conv2(ones(4),ones(2))中的一种;
若选定的为7×7滤波器,则选定的该滤波器的权重为:conv2(ones(4),ones(4))、conv2(conv2(ones(3),ones(3)),ones(3))、conv2(A,B),所述conv2(A,B)中,A=conv2(conv2(ones(2),ones(2)),conv2(ones(2),ones(2)))、B=conv2(ones(2),ones(2))中的一种。
上述滤波方法的步骤S3中,根据所述M×M滤波器的尺寸选定该滤波器的卷积步进为:
若选定的为2×2滤波器,则选定的该滤波器的卷积步进为:①步进为1、②步进为2,图像2×2binning;
若选定的为3×3滤波器,则选定的该滤波器的卷积步进为:①步进为1、②步进为2,图像2×2binning、③步进为3,图像3×3binning;
若选定的为4×4滤波器,则选定的该滤波器的卷积步进为:①步进为1、②步进为2,图像2×2binning、③步进为3,图像3×3binning、④步进为4,图像4×4binning;
若选定的为5×5滤波器,则选定的该滤波器的卷积步进为:①步进为1、②步进为3,图像3×3binning、⑤步进为5,图像5×5binning;
若选定的为7×7滤波器,则选定的该滤波器的卷积步进为:①步进为1、②步进为4,图像4×4binning、③步进为7,图像7×7binning。
本发明的滤波方法,支持图像去噪处理同时对图像进行binning处理,保留指纹细节的同时可以尽量减少数据量,提高传输速度,由于进行binning处理具备抗锯齿功能,有效提高指纹识别的成功率,该滤波方法,由于选取与指纹图像的空间频率匹配尺寸滤波器,使得滤波结果数据少,减小了需缓存的数据量,在图像去噪处理时仅需要一至两行SRAM(静态随机存取存储器,Static Random-Access Memory,SRAM),十分适合应用于CMOS图像传感器。具有占用空间少,成本低的优点。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
- 一种应用于指纹识别的滤波方法
- 一种应用于非线性高斯模型的平滑约束扩展卡尔曼滤波方法