專(zhuān)利名稱(chēng)：基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及指紋識(shí)別技術(shù)中的指紋圖像處理技術(shù)。
技術(shù)背景生物特征識(shí)別技術(shù)是為了進(jìn)行身份驗(yàn)證而采用自動(dòng)技術(shù)測(cè)量其身體的特征或是個(gè)人的行 為特點(diǎn)，并將這些特征或特點(diǎn)與數(shù)據(jù)庫(kù)的模板數(shù)據(jù)進(jìn)行比較，完成身份認(rèn)證的一種解決方案。 作為生物識(shí)別技術(shù)中最為成熟和方便的成員，指紋識(shí)別技術(shù)已成功應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。 如門(mén)禁、考勤系統(tǒng)、電子商務(wù)、ATM自動(dòng)提款機(jī)以及罪犯身份鑒定系統(tǒng)等。依賴指紋識(shí)別 技術(shù)建立的指紋自動(dòng)識(shí)別系統(tǒng)作為一種安全可靠的身份識(shí)別方法，隨著光學(xué)掃描技術(shù)和RPID 技術(shù)的發(fā)展，個(gè)人的指紋信息能夠潛入到IC中，使得指紋識(shí)別可以在更廣泛的領(lǐng)域中得以發(fā) 展。詳見(jiàn)文獻(xiàn)Anil Jain, On-Line Fingerprint Verification, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 19, NO. 4, APRIL 1997;和文獻(xiàn)Anil K. Jain, Arun Ross, Salil Prabhakar, "An Introduction to Biometric Recognition", IEEE Transaction on Circuits and Systems for Video Technology, Volume 14, No. 1, pp4-20, 2004所述。在指紋自動(dòng)識(shí)別系統(tǒng)中，指紋圖像分割是一個(gè)重要的環(huán)節(jié)，指紋圖像分割能夠去除指紋 圖像中的不可恢復(fù)的前景區(qū)域和背景區(qū)域，從而提高計(jì)算效率。同時(shí)，去除低質(zhì)量區(qū)域的指 紋能夠減少偽特征點(diǎn)的提取，從而保證識(shí)別的正確率。指紋的低質(zhì)量區(qū)域通常由以下幾種情 形造成(1)采集儀上存在污質(zhì)，儀器參數(shù)設(shè)置的不恰當(dāng)；(2)手指的過(guò)干，太濕等。目前， 大部分指紋分割方法需要計(jì)算多個(gè)指紋分割特征，然后再使用分類(lèi)器來(lái)判定指紋的前景和背 景。要計(jì)算這些指紋分割特征，不但要耗費(fèi)大量的時(shí)間，而且所得到的分類(lèi)結(jié)果也是基于局 部信息的。為此，要設(shè)計(jì)一種能夠快速而有效的指紋分割算法對(duì)實(shí)時(shí)性要求很強(qiáng)的指紋識(shí)別 系統(tǒng)顯得尤為必要。詳見(jiàn)文獻(xiàn)Mehtre B M. Segmentation of fingerprint images-a composite method. Pattern Recognition, 1989, 22(4): 38卜385; Lin Hong， Yifei Wan, and Anil Jain. Fingerprint Image Enhancement: Algorithm and Performance Evaluation. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 20， NO. 8, AUGUST 1998 禾口文獻(xiàn)WANG Sen, WANG Yang-Shen. New features extraction and Application in Fingerprint Segmentation. ACTA AUTOMATIC A SINIC, Vol.29, No.4, July 2003所述。目前常用的使用指紋圖像分割方法有(1 )采用方向?yàn)V波器與經(jīng)驗(yàn)閥值結(jié)合的方法。參見(jiàn)文獻(xiàn)Lin Hong, Yi Fei Wan and Anil Jain "Fingerprint Image Enhancement: Algorithm and Performance Evaluation" IEEE Transactions on PAMI, Vol. 20, No. 8,pp.777-789， August 1998(2) 采用指紋圖像灰度值的方向方差的方法。參見(jiàn)文獻(xiàn)A.K. Jain, L. Hong and R. Bolle, "On-line Fingerprint Verification", IEEE Transactions on PAMI, Vol. 19, No. 4, pp. 302-314, 1997.(3) 基于方向信息和對(duì)比度信息的D-S理論的分割方法。參見(jiàn)文獻(xiàn)唐良瑞，基于D-S 證據(jù)理論的指紋圖像分割方法，計(jì)算機(jī)學(xué)報(bào)，2003， 26 (7): 887-892(4) 基于HMM模型的分割方法。參見(jiàn)文獻(xiàn)Klein S, Bazen A， Veldhuis R. Fingerprint image segmentation based on Hidden Markov models. In: Proc. ProRISC2002.310-318上述指紋分割算法都是建立在"塊信息"的基礎(chǔ)之上，因此得到的指紋分割后的前景區(qū)域 的邊緣參差不齊，平滑度不夠；其中方法(1)和(2)考慮的因素太少，因而對(duì)于低質(zhì)量指 紋圖像的分割會(huì)產(chǎn)生很大的偏差；而方法(3)和(4)雖然考慮到了各種因素，但是其計(jì)算 量顯得過(guò)大。發(fā)明內(nèi)容本發(fā)明提供一種基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，能夠在較短的時(shí)間內(nèi)有效 去除指紋圖像的背景區(qū)域和指紋圖像中不可復(fù)原的低質(zhì)量區(qū)域，從而分割出指紋前景區(qū)域圖 像。本發(fā)明的指紋分割方法綜合考慮了指紋的各種低質(zhì)量區(qū)域的特征，所采用的形態(tài)學(xué)操作 是基于指紋的邊緣圖像，而不是如背景技術(shù)中的對(duì)分割后的"塊"進(jìn)行形態(tài)學(xué)操作，因此本 發(fā)明的指紋分割算法分割出來(lái)的指紋前景區(qū)域的輪廓比較平滑。為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些術(shù)語(yǔ)進(jìn)行定義。定義l:指紋。手指末端正面皮膚上凹凸不平的紋路。定義2:灰度圖像。圖像中只包含亮度信息而沒(méi)有任何其他顏色信息的圖像。定義3: —階灰度差分。在灰度圖像中，在某一方向上的相鄰像素的灰度差作為該處的 一階差分值。
一階差分能夠突出圖像的垂直邊緣信息，便于邊緣提取。定義4:梯度圖像。由圖像中的每一像素處的梯度所組成的矩陣。梯度反映了圖像中像素的變化程度，通常用于檢測(cè)圖像的邊緣。定義5:灰度圖像投影。在某一方向上對(duì)所有像素灰度進(jìn)行累加。投影方法通常用于確 定圖像中的目標(biāo)物的位置。定義6: 二值化。把整幅圖像的所有值轉(zhuǎn)化成只有兩種值的過(guò)程， 一般這兩種值為0和1或者0和255。當(dāng)圖像上的值大于等于二值化的閥值的時(shí)候，該點(diǎn)的值二值化為l (或255); 當(dāng)圖像上的值小于二值化閥值的時(shí)候，該點(diǎn)的值二值化為0。定義7:數(shù)學(xué)形態(tài)學(xué)。用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中對(duì)應(yīng)形狀以達(dá)到 對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4個(gè)膨脹(或擴(kuò)充)、腐蝕(或侵蝕)、 開(kāi)啟和閉合。"膨脹"運(yùn)算公式為J@B = {x|(》L，J#^ ;"腐蝕"運(yùn)算公式為爿05 = ^|(5)1^^ ;"開(kāi)啟"運(yùn)算公式為爿。5 =(爿05)@5;"閉合"運(yùn)算公式為爿08 = (^@5) 3。其中j為圖像集合，S為結(jié)構(gòu)元素，A表示做關(guān)于原點(diǎn)的映射，(L表示平移x， n表示交集，-表示空集，g表式全包含，e為膨脹運(yùn)算符，0為腐蝕運(yùn)算符，。為 開(kāi)啟運(yùn)算符，u為閉合運(yùn)算符。定義8:點(diǎn)乘運(yùn)算。將一個(gè)矩陣同另外一個(gè)相同維數(shù)的矩陣進(jìn)行對(duì)應(yīng)點(diǎn)的乘積運(yùn)算。定義9:梯度方向一致性。用于反映紋路的方向性計(jì)算，通常指紋前景區(qū)的梯度方向一 致性較大，而背景區(qū)或噪聲嚴(yán)重區(qū)域的梯度方向一致性較小。本發(fā)明基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，包含下述步驟步驟l、計(jì)算原始指紋圖像gray的梯度圖像V/。該步驟能夠凸現(xiàn)具有高對(duì)比度的像素， 因而能夠很好的呈現(xiàn)出指紋圖像的脊線和谷線邊緣。(1) 分別計(jì)算原始指紋圖像gray的橫向一階差分圖像A和縱向一階差分圖像Gy(2) 由橫向和縱向一階差分圖像計(jì)算原指指紋圖像的梯度圖像V/"▽/ = [GX2+G;]1/2步驟2、找出指紋前景區(qū)域的邊界以確定大致指紋前景區(qū)域，得到大致指紋前景區(qū)域圖像。該步驟能夠大致地確定指紋前景區(qū)域，并去除大部分背景區(qū)域，從而減少后續(xù)歩驟的計(jì)(1) 分別對(duì)梯度圖像V/在橫向和縱向進(jìn)行投影，得到橫向投影曲線/z(0和縱向投影曲線v①(2) 在橫向投影曲線/z(/)上，找到梯度最大值所在的位置，然后向兩邊搜索。當(dāng)搜索到/7(/) 曲線上的局部極小值點(diǎn)，且該點(diǎn)的梯度值小于丄OMW她朋，則該點(diǎn)所在的水平位置為指紋前景的水平邊界線的位置。這樣，我們就可以確定指紋前景區(qū)域的上邊界to/^^朋d和下邊界6W_^w"d。(下式中的Me朋代表橫向投影曲線的梯度平均值，丄owwMeaw代表橫向投影 曲線上梯度值小于Mew的所有點(diǎn)的梯度平均值)(3)同理，通過(guò)縱向投影曲線1<0可以找到指紋前景區(qū)域的左邊界/^_^ #^和右邊界步驟3、去除步驟2所得的大致指紋前景區(qū)域圖像中的模糊區(qū)域。(1)將步驟2中所確定的大致指紋前景區(qū)域圖像劃分成wxw的塊，然后計(jì)算每個(gè)塊的梯 度方向一致性。 一般w的取值范圍為[7, 15]。(下式中Coh為wxw塊的梯度方向一致性值， 《和G，分別代表指紋的橫向和縱向差分圖像，而G^， G ， G"為中間變量，51表示對(duì)wxw塊內(nèi)的所有元素進(jìn)行累加操作)= L G'= L《, =L G^G(2)設(shè)定梯度方向一致性的閥值，并將梯度方向一致性小于該閥值的塊看成模糊區(qū)域， 將其從大致指紋前景區(qū)域圖像中刪除。梯度方向一致性的閥值取值范圍通常為
。步驟4、對(duì)步驟3所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像進(jìn)行邊緣提取，并用形 態(tài)學(xué)方法確定最終的指紋前景區(qū)域圖像。該步驟所采用的基于高梯度值的點(diǎn)的形態(tài)學(xué)操作不 但能夠得到比較光滑的指紋前景輪廓，而且形態(tài)學(xué)操作的計(jì)算量比較小，能夠較大的提高速 度。(1)對(duì)步驟3所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像的梯度值進(jìn)行二值化，提取 出指紋的脊線或谷線邊緣。在這里，使用全局閥值r對(duì)梯度圖像進(jìn)行二值化得到二值圖像 6w —^age。(下式中的閥值T的取值范圍通常為
，而排 除高噪聲區(qū)域的梯度方向一致性閥值通常為[O.l， 0.4]，隨著該閥值的不斷提高，具有較大曲率的指紋區(qū)域也會(huì)隨之刪除，因此梯度方向一致性不宜太高。步驟4中的二值化的目的是為了能夠快速的提取指紋脊線或谷線的邊緣信息，這樣就能 夠借助形態(tài)學(xué)的方法來(lái)連接指紋前景區(qū)域。形態(tài)學(xué)操作模板的尺寸可以用灰度投影的方法進(jìn) 行確定，但是在這里沒(méi)有必要精確的求出指紋脊線之間的距離。在普通分辨率下的指紋脊線 之間的距離通常在[7， 11]之間，因此形態(tài)學(xué)操作模板的大小可以為15x15。當(dāng)然，隨著指 紋分辨率的提高，該模板的大小也要做相應(yīng)的調(diào)整。步驟4中，閉操作是為了連接指紋脊線或谷線的邊緣，使其成為一個(gè)連通的區(qū)域。開(kāi)操 作是為了消除指紋邊緣的一些毛刺和背景中的一些尖銳的噪聲痕跡。本發(fā)明的有益效果是1、 所有的操作均建立在梯度圖像之上，因而計(jì)算量相對(duì)較小；2、 采用梯度投影的方法來(lái)確定指紋的大致位置和區(qū)域，對(duì)于較大尺寸的指紋圖像，能夠 減少大量不必要的計(jì)算；3、 采用檢測(cè)指紋邊緣和形態(tài)學(xué)的方法，能夠使分割出來(lái)的指紋輪廓比較平滑，而且形態(tài) 學(xué)操作的運(yùn)算量相對(duì)較小，有利于提高算法的運(yùn)行速度；具體實(shí)施方式
采用本發(fā)明的方法在VC6.0軟件中實(shí)現(xiàn)，而指紋圖像則由CMOS壓感傳感器獲得。用 VC6.0在PC Intel Celeron 1.0GHZ中完成一幅480><640指紋圖像分割的平均時(shí)間為0.06s下面以給出 一個(gè)具體的本發(fā)明的實(shí)現(xiàn)例。需要說(shuō)明的是下例中的參數(shù)并不影響本專(zhuān)利的 一般性。1、 采集原始指紋圖像，對(duì)原始指紋圖像計(jì)算橫向和縱向一階差分圖像。2、 由橫向和縱向一階差分圖像計(jì)算圖像的梯度圖像。3、 對(duì)梯度圖像在橫向和縱向投影，得到的投影曲線。4、 用橫向和縱向投影曲線確定大致的指紋前景區(qū)域。5、 再確定的前景區(qū)域內(nèi)部用梯度方向一致性來(lái)排除一些高噪聲區(qū)域，這里的指紋分塊的 大小為llxll，梯度方向一致性的閥值為0.2。6、 對(duì)剩下的指紋前景區(qū)域，對(duì)其梯度圖像進(jìn)行二值化，這里的二值化閥值為最大梯度值的1/3。7、用15x15的方形模板對(duì)二值化圖像進(jìn)行閉操作，然后再進(jìn)行開(kāi)操作，最后得到的分割 出的指紋前景區(qū)域圖像。
權(quán)利要求
1、基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，包含下述步驟步驟1、計(jì)算原始指紋圖像gray的梯度圖像 id="icf0001" file="A2008100456900002C1.tif" wi="6" he="3" top= "36" left = "107" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>具體包括下述步驟步驟1-1、分別計(jì)算原始指紋圖像gray的橫向一階差分圖像Gx和縱向一階差分圖像Gy，步驟1-2、由橫向和縱向一階差分圖像計(jì)算原指指紋圖像的梯度圖像 id="icf0002" file="A2008100456900002C2.tif" wi="6" he="3" top= "57" left = "150" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/><maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mo>&dtri;</mo><mi>f</mi><mo>=</mo><msup> <mrow><mo>[</mo><msubsup> <mi>G</mi> <mi>x</mi> <mn>2</mn></msubsup><mo>+</mo><msubsup> <mi>G</mi> <mi>y</mi> <mn>2</mn></msubsup><mo>]</mo> </mrow> <mrow><mn>1</mn><mo>/</mo><mn>2</mn> </mrow></msup> </mrow>]]></math></maths>步驟2、找出指紋前景區(qū)域的邊界以確定大致指紋前景區(qū)域，得到大致指紋前景區(qū)域圖像，具體包括下述步驟步驟2-1、分別對(duì)梯度圖像 id="icf0004" file="A2008100456900002C4.tif" wi="4" he="3" top= "93" left = "78" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>在橫向和縱向進(jìn)行投影，得到橫向投影曲線h(i)和縱向投影曲線v(i)；步驟2-2、在橫向投影曲線h(i)上，找到梯度最大值所在的位置，然后向兩邊搜索；當(dāng)搜索到h(i)曲線上的局部極小值點(diǎn)，且該點(diǎn)的梯度值小于Lower Mean，則該點(diǎn)所在的水平位置為指紋前景的水平邊界線的位置；這樣，我們就可以確定指紋前景區(qū)域的上邊界top_bound和下邊界bot_bound；其中Mean代表橫向投影曲線h(i)的梯度平均值，Lower Mean代表橫向投影曲線上的梯度值小于Mean的所有點(diǎn)的梯度平均值；步驟2-3、同步驟2-2，通過(guò)縱向投影曲線v(i)找到指紋前景區(qū)域的左邊界left_bound和右邊界right_bound；步驟3、去除步驟2所得的大致指紋前景區(qū)域圖像中的模糊區(qū)域，具體包括下述步驟步驟3-1、將步驟2中所確定的大致指紋前景區(qū)域圖像劃分成w×w的塊，然后計(jì)算每個(gè)塊的梯度方向一致性<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><mi>Coh</mi><mo>=</mo><mfrac> <mrow><mo>|</mo><msub> <mi>&Sigma;</mi> <mi>W</mi></msub><mrow> <mo>(</mo> <msub><mi>G</mi><mrow> <mi>s</mi> <mo>,</mo> <mi>x</mi></mrow> </msub> <mo>,</mo> <msub><mi>G</mi><mrow> <mi>s</mi> <mo>,</mo> <mi>y</mi></mrow> </msub> <mo>)</mo></mrow><mo>|</mo> </mrow> <mrow><msub> <mi>&Sigma;</mi> <mi>W</mi></msub><mo>|</mo><mrow> <mo>(</mo> <msub><mi>G</mi><mrow> <mi>s</mi> <mo>,</mo> <mi>x</mi></mrow> </msub> <mo>,</mo> <msub><mi>G</mi><mrow> <mi>s</mi> <mo>,</mo> <mi>y</mi></mrow> </msub> <mo>)</mo></mrow><mo>|</mo> </mrow></mfrac><mo>=</mo><mfrac> <msqrt><msup> <mrow><mo>(</mo><msub> <mi>G</mi> <mi>xx</mi></msub><mo>-</mo><msub> <mi>G</mi> <mi>yy</mi></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>+</mo><mn>4</mn><msubsup> <mi>G</mi> <mi>xy</mi> <mn>2</mn></msubsup> </msqrt> <mrow><msub> <mi>G</mi> <mi>xx</mi></msub><mo>+</mo><msub> <mi>G</mi> <mi>yy</mi></msub> </mrow></mfrac> </mrow>]]></math></maths>Cs，x＝Gxx-Gyy，Gs，y＝2Gxy<maths id="math0003" num="0003" ><math><![CDATA[ <mrow><msub> <mi>G</mi> <mi>xx</mi></msub><mo>=</mo><msub> <mi>&Sigma;</mi> <mi>W</mi></msub><msubsup> <mi>G</mi> <mi>x</mi> <mn>2</mn></msubsup><mo>,</mo> </mrow>]]></math> id="icf0006" file="A2008100456900002C6.tif" wi="22" he="5" top= "244" left = "71" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths><maths id="math0004" num="0004" ><math><![CDATA[ <mrow><msub> <mi>G</mi> <mi>yy</mi></msub><mo>=</mo><msub> <mi>&Sigma;</mi> <mi>W</mi></msub><msubsup> <mi>G</mi> <mi>y</mi> <mn>2</mn></msubsup><mo>,</mo> </mrow>]]></math> id="icf0007" file="A2008100456900002C7.tif" wi="23" he="5" top= "244" left = "95" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>Gxy＝∑WGxGy其中Coh為w×w塊的梯度方向一致性值，Gx和Gy分別代表指紋的橫向和縱向差分圖像，而Gs，x，Gs，y，Gxx，Gxy，Gyy為中間變量，∑W表示對(duì)w×w塊內(nèi)的所有元素進(jìn)行累加操作；步驟3-2、設(shè)定梯度方向一致性的閥值，并將梯度方向一致性小于該閥值的塊看成模糊區(qū)域，將其從大致指紋前景區(qū)域圖像中刪除；步驟4、對(duì)步驟3所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像進(jìn)行邊緣提取，并用形態(tài)學(xué)方法確定最終的指紋前景區(qū)域圖像；具體包括下述步驟步驟4-1、對(duì)步驟3所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像的梯度值進(jìn)行二值化，提取出指紋的脊線或谷線邊緣；步驟4-2、用尺寸大于兩相鄰脊線之間距離的模板對(duì)步驟4-1得到的梯度二值圖像進(jìn)行閉操作，然后再用該模板對(duì)閉操作后的二值圖像進(jìn)行開(kāi)操作；步驟4-3、把上述形態(tài)學(xué)操作之后的連通的二值圖像作為指紋分割的模板，模板中指紋前景區(qū)域的值為1，其它區(qū)域的值為0；將原始指紋圖像Gray同該模板進(jìn)行點(diǎn)乘運(yùn)算，得到最終的指紋前景區(qū)域圖像。
2、 根據(jù)權(quán)利要求1所述的基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，其特征在于，歩 驟3-l將步驟2中所確定的大致指紋前景區(qū)域圖像劃分成wxM'的塊時(shí)，w的取值范圍為[7, 15]。
3、 根據(jù)權(quán)利要求1所述的基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，其特征在于，梯 度方向一致性的閥值取值范圍為
。
4、 根據(jù)權(quán)利要求1所述的基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，其特征在于，歩 驟4-1對(duì)步驟3所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像的梯度值進(jìn)行二值化時(shí)，采用全局閥值Z對(duì)梯度圖像進(jìn)行二值化得到二值圖像^i':其中，閥值T的取值范圍為
， V/:^為梯度圖像的梯度最大值。
全文摘要
基于梯度投影和形態(tài)學(xué)的指紋圖像分割方法，屬于圖像處理技術(shù)領(lǐng)域。首先計(jì)算原始指紋圖像的橫、縱向一階差分圖像G_x、G_y和梯度圖像▽f；然后利用梯度圖像▽f在橫向和縱向的投影曲線確定大致指紋前景區(qū)域；然后對(duì)大致指紋前景區(qū)域圖像進(jìn)行分塊，利用梯度方向一致性閥值去除模糊區(qū)域；然后對(duì)去除了模糊區(qū)域的大致指紋前景區(qū)域圖像的梯度值二值化，利用尺寸大于兩相鄰脊線之間距離的模板對(duì)梯度二值圖像進(jìn)行閉操作和開(kāi)操作，得到指紋分割模板；最后將原始指紋圖像同指紋分割模板進(jìn)行點(diǎn)乘運(yùn)算，得到最終的指紋前景區(qū)域圖像。本發(fā)明的指紋分割算法均建立在指紋的梯度圖之上，所以其計(jì)算量比較小，而且通過(guò)形態(tài)學(xué)操作之后的指紋前景輪廓也較平滑。
文檔編號(hào)G06K9/00GK101329725SQ200810045690
公開(kāi)日2008年12月24日 申請(qǐng)日期2008年7月30日 優(yōu)先權(quán)日2008年7月30日
發(fā)明者俞成浦, 梅 解 申請(qǐng)人:電子科技大學(xué)