專利名稱：產生用于圖樣識別的參考圖的方法
技術領域：
本發明涉及一種產生用于圖樣識別的參考圖的方法。
圖樣識別具有明顯的意義，它在高度自動化的精加工中與工業機器人有關系，尤其是在人員的機械確認中有意義。其應用可能性在于入口檢驗，自動取款和各種通信設備。
用于確認的合適的人員相關的特征例如是視網膜的血跡圖樣，眼球的虹膜結構，手指的長度和形狀，面貌，聲音或指紋。基于這些特征確認人員的可能性例如在1994年2月的IEEE Spectrum中被說明為“這一定是你”。也許研究得最多，因而也是最可靠的特征是指紋。它以對使用者來說最舒適的方式被獲得，而例如視網膜的圖樣只能通過一個對被確認者來說不愉快的過程來獲取，因而它只在這種情況下才使用對其影響無所謂或者必要時希望使用這種方法時。
正如一系列細心的研究和統計所證實的那樣，每個人的指紋是互不相同地造就的。即使一對孿生兄弟的指紋也是不相同的，雖然它們看起來相似。指紋的圖樣由所謂的乳頭凸起線或隆起線構成，它們由兩個皮膚層的嚙合形成。
對于確認過程，首先感興趣的是所謂的細節，它們是終點，分支，島或其他個別的位置。被確認的指紋被檢查它具有哪些細節，被查的這些細節被對應于一種類型，并且確定其相互位置。
如此得到的細節完全描繪了指紋。它們被用作被確認指紋與存貯的參考圖樣進行比較的基礎。
參考圖樣的質量基本上完全決定了識別過程的可靠性。
本發明的目的在于給出一種方法，它能產生高質量的參考圖樣。
按照本發明的方法，用以下步驟生成用于圖樣識別的參考圖樣-獲取多個至少部分重疊的被識別圖樣的圖像，-對每個獲取到的圖像形成一個符號化的中間描述(symbolischeZwischendarstellung)，-對兩個圖像的符號化中間描述進行相互比較，并且求出這兩個圖像相互間的移位和旋轉，-通過變換使兩個中間描述在重疊區重合并且求出其一致性的質量，-如果出現足夠的一致性質量，兩個中間描述被合成為一個總圖像，-總圖像與再一個中間描述進行比較，并且形成另一個總圖像，直至最終得到一個總圖像，它包含所有具有可用一致度的中間描述，這個總圖像被用作參考圖。
這樣，被查驗圖像的平面完全被包含在參考圖的“虛擬”平面中的概率可以被任意提高。
對于多次獲取的參考圖像的范圍內的特征的質量通過平均而明顯提高。
如果被識別圖樣是指紋圖樣，應用本發明是特別有好處的。
參考圖的增補和完善過程也可在識別過程進行中繼續，每個被識別的指紋-每個被識別的圖樣-被增補到參考圖中去，這樣參考圖的質量被提高。而且這樣使得在指紋區域中的有限變化，例如微小的損傷被獲取并被考慮到。
下面借助于附圖
詳細說明本發明，附圖示出一個指紋圖樣。圖像上的黑色線對應指紋線或乳頭狀凸起線，它以其走向確定指紋。然而為了自動指紋分類不使用總的圖樣，因為在分類時由于記錄技術，記錄壓力和相關人員的老化可能會出現失真。識別過程的基礎是多種形式和數量的包含在手印中的細節，如指紋線端1,2,4,5，點3,9,小島6，短線7和分叉8,10,11。
細節的形狀，位置和取向對于上述的失真是相對不敏感的，因此適合用于自動識別過程。
圖像被數字化，即在第一步中指紋圖像各個圖像點的灰度信息變為二進制，每個圖像點被對應于黑值或白值。
由二進制圖像按照文獻公開的方法(例如R.W.Zhou等發表在Patt.Rec.Lett.16(1995)p:1267-1275的文章)通過線提取產生線段，它具有為后續處理最佳的性能。二進制化和線提取不僅對正圖像數據進行，而且也對反圖像數據進行，因為通過檢查反圖像數據可以利用包含在指紋線中間空間的獨立信息來進行線合成。
線提取的結果是兩組線數據，一組描述指紋線，另一組描述指紋線中間空間。由于圖像記錄技術，干擾和二進制化的特點，這些線數據含有通過上述方法步驟形成的，可信地和人工地合成的線段，它們彼此不同并必須合成為指紋線。
在由線段確定可能的指紋線時使用以下規則-長指紋線比短的更可信賴，-指紋線的可信賴性通過出現在典型距離上的平行指紋線或通過出現具有一半距離的指紋線谷而增大，-與長指紋線呈直角的短指紋線失去可信賴性，-終端相互對準的指紋線被相互連接。
上述確定的結果是一張特征(細節)表，并且對每個特征包含關于形狀，位置，線寬，取向和質量度量的數據，質量度量由在確定過程中所用規則的數量求出。
特征借助于神經網絡被分類。為此各圖像點的值-典型為176-給到一個“前向神經網絡”(D.Rumelhart等，“并行分配處理”，MIT出版，1986)的輸入端，并且用于形式說明，圖像點被綜合成一個輸入矢量I，由它借助于神經網絡計算出中間層上的輸出矢量O，其中在實施例中的輸出矢量5包含5個單元，它們包含指紋特征的5個基本形狀，它們是“白分叉向右，白分叉向左，隆起線(線)，黑分叉向右，黑分叉向左”。
“白分叉向右或向左”表示指紋線中間空間的具有粗略取向的一個分叉。“黑分叉向右或向左”對應指紋線的一個分叉。
隆起線(線)表示沒有特征，然而基于它增加的簡單(不感興趣)的線和細節間的差別可能性導至提高網絡的識別質量。
在可以利用神經網絡進行分類之前它必須進行訓練。為此利用“錯誤回傳算法”(D.Rumelhart等“并行分配處理”，MIT出版1986)。
具有規定的分類的圖樣被遞給神經網絡，它反復學習圖樣和分類之間的關系。
這樣經過訓練的神經網絡對每個輸入的圖像區構成一個輸出矢量，它包含5個輸出神經元的值。這些值的關系確定輸入圖樣的形狀和質量。
如果一個輸出神經元的值比其他的值高很多，則得到一個非常高質量的結果，它對應的特征被清楚地對應于基礎形狀，它由該輸出神經元確定。如果所有輸出神經元具有差不多相同的值，神經網絡不能將輸入圖像對應于特征形狀。
識別過程的結果盡可能地與特征在被觀察圖像區分中的位置無關。神經網絡的這個本身有益的特性導致特征的位置不能不借助其他被確定，因為對于重疊的圖像區，它們含有相同的特征但在不同的位置，神經網絡給出接近相同的結果。
為了求出特征的嚴格位置，結果被相互比較以判斷相互重疊的圖樣區并且圖像區的中心被選出作為特征的地點，在此判斷中神經網絡給出最大值。
這個最大值的求得可例如這樣實現為了使神經網絡的結果包圍被觀察的圖像區，重疊的圖像區被計數。如果周圍的結果總和與相鄰圖像區周圍的結果和相比是最大的，則這個圖像區的中心被確定為特征的明確位置。
此外相鄰的相互重疊的圖像區的結果的質量也可用來求出特征的嚴格位置。
這些質量結果被視為標量域并確定一個粗略的最大值。最大值的位置被確定為特征的位置。
神經網絡的結果是被證實的細節，它們與已知的指紋，即所謂的候選人的特征表比較。
為此在被確認指紋的細節，按刑事偵探行話為痕跡，與相應被視為候選人的同類細節之間建立關聯矢量。這些關聯矢量的數量由容許范圍限制，它以相同方法圍繞痕跡的每個細節設置所有不在候選人細節容許范圍內的關聯矢量被排除。
留下的關聯矢量被記入一個二維矢量空間，以判斷這兩個指紋的一致性。其中，每個關聯矢量被表示為帶有座標長度和取向的點。
相近的關聯矢量產生矢量空間相應位置上點的堆積，它們形成一個所謂的簇。
如果只能找出一個匹配的簇，則痕跡和候選人被視為相似。
兩個指紋相似的好壞由全體關聯矢量，其與最大可能數的比例，處于簇外的關聯矢量的數目和被檢測細節的密度說明。
如果對于至少75％的細節存在多個關聯矢量并且它們之中至少80％在矢量空間中規定容許范圍內，則例如二個指紋被認為相似或者被認為以高概率一致。
如果因為在規定容許范圍內沒有找到候選人的同類細節，只對于小部分細節求出關聯矢量，則不存在一致性。如果雖然找到了關聯矢量，但是在它們之中存在多個不同的長度或取向，因而在矢量空間中不形成簇，那么也給出不一致性。
按照應用情況給出最佳相一致的候選人(例如在刑事偵探技術部門)列表或如果存在，給出單個符合性(例如在入口檢驗系統中)。
具有對細節最佳的同類矢量比的候選人被確定為相一致的指紋。這僅適用于當這個候選人在其結果中明顯不同于其他候選人的情況。
對于一次成功的識別過程的一個基本條件是一個高質量的參考圖(候選人)。
這個參考圖以與被確認指紋相同的方法獲得，它在以后用作特征表的基礎，該表描繪此指紋。
參考圖應按照盡可能包含整個指紋并且包含所有與識別過程相關的特征。在利用商用的通常具有相對小的傳感器面積的指紋傳感器時，如果在初始過程中手指沒有放在傳感器的正中部位則不符合上述要求。這樣有效的傳感器面積減小并且使識別過程變得困難。
因此，在已有方法中，檢測參考圖的可評價的面積，如果其超過預定值，則該參考圖不予考慮。
按照本發明，多個相互部分重疊的圖像被合成為一個參考圖，它包含了比傳感器面積更大的面積，由此獲得以下優點被查驗圖像的平面完全被包含在參考圖的這個“虛擬”平面內的概率可以變成任意高。
存在于多次收集的參考圖區域中的特征的質量由于取平均值而明顯提高。
此方法假設從圖像可以以穩定和可再現的方法獲得一個符號化的線信息。例如以下情況就滿足此假設處理的是平面標志圖，指紋或機器部分的外形。
在綜合兩個相互重疊的圖像為一個新的參考圖的過程中首先以現有的方法通過二進制化和確定可能的線或形狀產生圖像的符號化中間描述。
接著確定兩個圖像相互之間的相對位置偏移和旋轉，并且通過相應的變換補償兩個圖像中的一個。
中間描述的一致性的質量如下被判斷從在兩個描述中找到的線的優良的點(分支點和端點)出發尋找相應的點對。從這些點出發的相應曲線在兩個描述中以相同的步距被跟蹤，直至滿足以下判據之一-兩個曲線的端點到達一個容許窗口之內，-兩個曲線中的一個到達圖像邊沿-對一條線的一個點A在半步距之內在相應曲線上沒有找到點B，它離點A的距離比預定的界限更近(圖2)。
這樣重疊起來的曲線段的總長度被用作對兩個符號化描述的一致性的度量。
如果一致性度量超過規定值，這兩個描述被添加到一個總圖中，它以所述的方法與其他的中間描述比較，并且合成為其他的總圖。
參考圖的補充和優化過程也可在識別過程進行中繼續進行，每一個被確認的指紋-每一個被確認的圖樣-被添加到參考圖中，這樣提高了參考圖的質量。此外有限的變化，如指紋區域內微小的損傷被檢測和被考慮到。
由多個按照這個準則在參考圖中被確認的圖像可以產生一個合成的參考圖，它取消了原有參考圖的面積界限。
權利要求
1．產生用于圖樣識別的參考圖的方法，包括步驟-多個相互間至少部分重疊的被識別圖樣的圖像被獲取，-對每一個獲得的圖像形成一個符號化中間描述，-兩個圖像的符號化中間描述被相互比較，并且求出圖像相互間的相對偏移和旋轉，-通過變換使兩個中間描述在重疊區重合并且求出其一致性的質量，-如果出現足夠的一致性質量，兩個中間描述被合成為一個總圖像，-總圖像與再一個中間描述進行比較，并且形成另一個總圖像，直至最終得到一個總圖像，它包含所有具有可用一致度的中間描述，并且這個總圖像被用作參考圖。
2．如權利要求1所述的方法，其特征在于，被識別的圖樣是一個指紋。
3．如權利要求1所述的方法，其特征在于，參考圖的形成至少部分在識別過程中進行。
全文摘要
本發明涉及產生一個用于圖樣識別的參考圖的方法,其中多個相互重疊的單個圖像被合成為一個總圖像,它被用作參考圖像。這樣可以提高例如至今由傳感器面積確定的指紋參考圖的大小,并且從而改進了識別率。
文檔編號G06K9/00GK1300408SQ99805971
公開日2001年6月20日 申請日期1999年5月3日 優先權日1998年5月8日
發明者格德·赫利博尼格, 沃爾夫岡·瑪利爾斯, 克里斯托佛·西爾羅爾德, 托馬斯·沙伊特 申請人:西門子公司