[go: up one dir, main page]

TWI596551B - 用於雜訊減輕之方法及電子裝置 - Google Patents

用於雜訊減輕之方法及電子裝置 Download PDF

Info

Publication number
TWI596551B
TWI596551B TW104117384A TW104117384A TWI596551B TW I596551 B TWI596551 B TW I596551B TW 104117384 A TW104117384 A TW 104117384A TW 104117384 A TW104117384 A TW 104117384A TW I596551 B TWI596551 B TW I596551B
Authority
TW
Taiwan
Prior art keywords
fingerprint
sampling
fingerprint image
noise
fingerprint sensor
Prior art date
Application number
TW104117384A
Other languages
English (en)
Other versions
TW201602921A (zh
Inventor
布吉爾德 克里斯騰森 拉爾斯 普賈爾德
漢森 莫頓 羅勒
漢森 提爾伯洛姆
Original Assignee
指紋卡公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 指紋卡公司 filed Critical 指紋卡公司
Publication of TW201602921A publication Critical patent/TW201602921A/zh
Application granted granted Critical
Publication of TWI596551B publication Critical patent/TWI596551B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G06V40/1306—Sensors therefor non-optical, e.g. ultrasonic or capacitive sensing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Image Input (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)

Description

用於雜訊減輕之方法及電子裝置
本發明大致是有關於一種用於移除在藉由一指紋感測器所捕捉的一影像中的干擾之方法，並且明確地說是有關於在一獲得的指紋影像中藉由將感測原理納入用於雜訊減低所施加的方法內之雜訊的減低，其中經雜訊減低的影像係被使用於決定一指紋圖案(pattern)的一表示。本發明亦有關於一種對應的電子裝置以及一種電腦程式產品。
各種類型的生物識別(biometric)系統係越來越多地被使用，以便於提供用於存取一電子裝置之增高的安全性，藉此提供一強化的使用者便利性。尤其，指紋感測器已經成功地被整合在此種裝置中，此例如是歸功於其小的形狀因數、高的效能以及使用者的接納。在各種可利用的指紋感測原理(例如電容性、光學、熱等等)中，電容性感測是最普遍使用的，尤其是在其中尺寸及功率消耗是重要的課題之應用中。
所有的電容性指紋感測器係提供一種指出在數個感測元件與一被置放在該指紋感測器的表面上的手指之間的電容的手段。一指紋影像的獲得通常是利用一包括複數個以一種二維的方式配置的感測元件之指紋感測器來加以執行，並且一種區塊為基礎的技術可被施加至該指紋感測器以用於獲得一指紋影像，其中感測元件的區塊係依序地被取樣。舉例而 言，相鄰地被配置在一列中的八個感測元件的一區塊可以同時加以取樣。
雜訊在該感測器中的存在係對於當取樣每個區塊的感測元件時所讀取的資料值帶來一誤差。此誤差係表現為從某一例如是接地的零點偏移的參考之一潛在變化的偏移。因為該些區塊的感測元件被依序地掃描，而且因為在該感測器中的雜訊量可能隨著時間過去而變化，因此一不同的誤差可能會發生在每個區塊的感測元件中。
此雜訊問題傳統上已經藉由組態設定該指紋感測器的硬體來加以補償。然而，一種軟體或韌體的方法可以是有利的，因為補償量可以彈性地加以控制。此外，該軟體或韌體的方法並不消耗額外的矽面積或是矽開發的時程，並且在計算上是相當價格低廉的。
一種用於雜訊減低之範例的軟體實施方式係被揭示在US 2014/0015774 A1中，其中所獲得的感測器資料係被調整以便於補償由該指紋感測器所帶來的雜訊。根據US 2014/0015774 A1，一冗餘感測元件係關於該指紋感測器的區塊為基礎的取樣而被引入，其中相同的冗餘感測元件將會藉由兩個依序取樣的區塊的每一個來加以取樣。一偏移係根據一在相同的取樣元件的冗餘取樣之間的差值而被計算出，並且該第二區塊係根據該計算出的差值來加以調整。
即使US 2014/0015774 A1對於當應用一區塊為基礎的感測技術時的雜訊減低引入一種令人關注的方法，但是該揭露的方法將會大部分依賴在每個列上首先獲得的樣本，並且因此整體結果將會大部分根據此第一樣本的有效性而定。因此，看起來是有空間以用於進一步改善關於待被應用至一指紋影像之軟體為基礎的雜訊減輕技術。
考慮到習知技術之上述的缺點以及其它缺點，本發明之一目的是提供一種用於處理在利用一指紋感測器所捕捉的一指紋影像中的雜訊之改良的方法。尤其，本發明人已經發現到一最佳化的取樣模式的選擇是所期望的，其中關於所選的取樣模式之認知係內含在所獲得的指紋影像的進一步處理中。
根據本發明之一特點，其因此是提出一種決定利用一包括複數個感測元件的指紋感測器所捕捉的一手指的一指紋圖案的一表示之方法，該方法係包括以下步驟：選擇一取樣矩陣，其中該取樣矩陣係代表一用於利用該指紋感測器以獲得一指紋影像的取樣模式；利用該指紋感測器並且根據該取樣矩陣以獲得該指紋影像；施加一線性濾波器至所獲得的指紋影像，其中該線性濾波器的設定係依據該取樣矩陣而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低；以及根據該濾波後的指紋影像以決定該指紋圖案的該表示。
本發明是基於瞭解到一種包括一指紋感測器之系統的典型的實施方式一次只容許整個感測器之一所選的部分被取樣。利用一指紋感測器的一指紋影像之典型的獲得係包括連續地獲得該指紋影像的部分，並且將這些部分組合成為一指紋影像。由於此種順序的獲得設計，因而對於該指紋影像的每一個部分而言，可能存在於該指紋影像的每一個部分的獲得時之時變或隨機的雜訊可能會稍微不同的。因此，假影(artifact)可能會被引入到該影像中。
然而，根據本發明，一種電腦實施的方法可被應用於該指紋 影像的後處理，其中用於獲得該指紋影像的取樣策略係被考量。明確地說，根據本發明，一線性濾波器將會被施加至該指紋影像，其中該線性濾波器係以其考量該取樣策略的此種方式來加以設定。根據本發明，該取樣策略係被實現為一取樣矩陣，該取樣矩陣是代表一用於利用該指紋感測器以獲得一指紋影像的取樣模式。
於是，利用本發明的優點是包含一指紋影像之改善的形成、以及因此關於將被用在一通常包括該指紋感測器之系統中的一指紋圖案的判斷之更佳效能的可能性。由於根據本發明的濾波設計是密切依賴該指紋影像事實上是如何已經獲得的，因而此係明確地被達成。此外，由於該方法是一種電腦實施的後處理設計，因此沒有調整該指紋感測器的硬體(一種用於雜訊減輕之常見的習知技術方法)的必要性。反而，本發明的方法可被插入作為在一用於獲得一指紋影像之典型的流程中的一構成要素。本發明的方法通常將能夠處理任意類型的雜訊，而如同將會在以下進一步詳細描述的，其相關於共模雜訊(CMN)是明確有用的。
即使本發明的方法通常是被實施為藉由一控制該指紋感測器或是和一種其中該指紋感測器係構成一元件的系統分開配置的處理器所執行的碼，但是本發明的概念可以替代地(或是部份地)被實施為例如是ASIC或類似者的功能區塊。此種實施方式的任意組合都是可能的，並且在本發明的範疇內。
通常，該取樣矩陣將會具有一種根據該指紋感測器的空間實施方式而定的結構。該取樣矩陣的確切結構以及該取樣矩陣的最佳化選擇將會進一步在以下論述。
在本發明的一可能的替代實施例中，該指紋感測器是一個二維的指紋感測器，並且該取樣矩陣係對應於該複數個感測元件的一所選的部分。如上所指出的，該指紋感測器可以利用任何種類的目前或未來的指紋感測原理來加以實施，其包含例如是電容性、光學、或是熱感測技術。然而，目前電容性感測是最佳的。此外，一維的感測器也是可行的，並且在本發明的範疇內。
類似地，根據本發明，相關於指紋影像的多重捕捉來應用本發明的方法是可能的，其中複數個影像係被組合以用於進一步強化判斷一指紋圖案的可能性。於是，由本發明的方法所提出的濾波設計除了用在獲得單一指紋影像的取樣模式之外，亦將會顧及複數個指紋影像之後續的取樣。
在本發明的一可能的實施例中並且相關於指紋影像的多重捕捉，該取樣矩陣可以針對於之後被捕捉的指紋影像來加以改變。藉由改變在之後被捕捉的指紋影像中的哪些像素同時被取樣將會給予重疊的資訊，其可以符合本發明的濾波設計而被使用。
該取樣矩陣例如可以將該複數個感測元件的一所選的部分界定為一相鄰配置的群組的感測元件。或者是，該複數個感測元件之所選的部分在該二維的感測器上可以是在空間上分開的。藉由散開取樣的像素將會給予和同時取樣更多的像素類似的結果。若一足夠大的區域被取樣的像素所覆蓋，則易於從該指紋影像移除干擾，因為平均的像素和應該多少是固定的。
在本發明的一較佳實施例中，該取樣矩陣係被選擇以對應於 在一獲得的指紋影像內之一最小化的雜訊量。該取樣矩陣的選擇可以用一種疊代的(iterative)方式來做成，其中在所獲得的指紋影像內之一感知的雜訊量係被降低到一最小值。該選擇可以替代地根據相關於該指紋感測器的結構之預設的假設而被計算出。此將會相關於本發明的詳細說明來進一步加以詳細描述。
較佳的是，該方法進一步包括對於存在於該指紋影像內的雜訊判斷一對數似然比(log-likelihood ratio)；比較該對數似然比與一預設的臨界值；以及只有在該對數似然比超過該預設的臨界值時才執行該指紋影像的濾波的步驟。藉由引入一種用於判斷雜訊是否可能存在於該影像內之設計，其可能是可以進一步改善一適當的指紋影像的獲得，並且因此改善一指紋圖案的判斷。在本發明的一可能的實施方式中，其可能是可以在執行任何濾波之前"率直地"引入以上之額外的步驟，亦即若雜訊的可能性低於該預設的臨界值，則如上所論述的濾波設計將不會加以執行。然而，可能是可以作為一替代方案的是"獨立地"使用雜訊可能性判斷的概念，以用於在該雜訊位準被判斷為高於一所要的位準時，重新獲得一指紋影像。應注意到的是，關於包括複數個列的一個二維的指紋感測器之對數似然比可以例如是逐列地加以計算，並且接著在數個列之上(例如，利用一滑動窗口平均濾波器)加以濾波(例如是加以平均)。
在本發明的一可能的替代實施例中，判斷一對數似然比的步驟係包括對於雜訊並不存在的假設來求值一可能性函數，並且根據該取樣矩陣以對於雜訊是存在的假設來求值該可能性函數。當該取樣矩陣亦在雜訊並不存在的假設的情形中被考量時，此實施方式可以具有額外的優點。 然而，此種實施方式係被提供作為其中該取樣矩陣只關於雜訊是存在的假設而被考量的情形之一替代方案。
在本發明的一較佳實施例中，該方法進一步包括施加一非線性映射函數至所獲得的指紋影像的步驟，其中該非線性映射函數例如可以是一對數函數。施加一非線性映射函數至所獲得的指紋影像係具有使得乘法性(multiplicative)的影響變為加成性(additive)的優點。
根據本發明的另一特點，其係提供有一種可攜式的電子裝置，其係包含一種可攜式的電子裝置包括一具有一陣列的像素的指紋感測器；以及一電連接至該指紋感測器的控制單元，其中該控制單元係被組態設定以用於選擇一取樣矩陣，其中該取樣矩陣係代表一用於利用該指紋感測器以獲得一指紋影像的取樣模式；施加一線性濾波器至所獲得的指紋影像，其中該線性濾波器的設定係依據該取樣矩陣而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低；以及根據該濾波後的指紋影像以決定一指紋圖案的一表示。
本發明的此特點係提供類似如上相關於本發明的先前的特點所論述的優點。此外，本發明係提供該電子裝置之一改善的可靠度，例如是在其中像是共模雜訊(CMN)的雜訊可能會輕易地被引入的使用案例中。如同在以上所提及的，此種情節例如可能是在該電子裝置連接至一切換模式的電源供應器時。
根據本發明，該控制單元較佳的是一ASIC、一微處理器或是任何其它類型的用於控制該指紋感測器的操作之計算裝置。就此而論，該控制單元可以形成該第二使用者輸入裝置的一個一體的部分。然而，該 控制單元亦可以是一內含於該可攜式的電子裝置中之一般的控制單元，其例如是被配置以用於控制該電子裝置的整體操作。
如上所指出的，該指紋感測器可以利用任何種類的目前或未來的指紋感測原理來加以實施，其例如包含電容性、光學、或是熱感測技術。然而，目前的電容性感測是最佳的。
如上所論述的，任意類型的指紋感測器都可被採用，亦即一維及二維的指紋感測器兩者。在本發明的一可能的實施方式中，該指紋感測器係包括至少160×160像素，更佳的是192×192像素，並且最佳的是208×80像素。另外的解析度也是可行的，並且在本發明的範疇內。該可攜式的電子裝置例如可以是一行動電話或是一平板電腦。
該濾波可以在類比或數位信號上加以實行，並且可以在該指紋感測器構件上、或是在指紋感測器構件之外(例如是在一行動電話或電腦等等中的一主機處理器內)加以執行。
根據本發明的另一特點，其係提供有一種包括一電腦可讀取的媒體之電腦程式產品，該電腦可讀取的媒體係具有儲存於其上的用於一控制單元的電腦程式裝置，該控制單元係適配於控制一可攜式的電子裝置，該可攜式的電子裝置係包括一指紋感測器以及一控制單元，其中該電腦程式產品係包括用於選擇一取樣矩陣的碼，其中該取樣矩陣係代表一用於利用該指紋感測器以獲得一指紋影像的取樣模式；用於利用該指紋感測器並且根據該取樣矩陣以獲得該指紋影像的碼；用於施加一線性濾波器至所獲得的指紋影像的碼，其中該線性濾波器的設定係依據該取樣矩陣而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低； 以及用於根據該濾波後的指紋影像以決定一指紋圖案的一表示的碼。此外，本發明的此特點係提供類似於如上相關於本發明的先前的特點所論述的優點。
如同在以上所提及的，該控制單元較佳的是一ASIC、一微處理器或是任何其它類型的計算裝置。類似地，一藉由用於操作本發明的系統之控制單元所執行的軟體可被儲存在一電腦可讀取的媒體上，其係為任意類型的記憶體裝置，其包含一可拆卸的非揮發性隨機存取記憶體、一硬碟機、一軟碟片、一CD-ROM、一DVD-ROM、一USB記憶體、一SD記憶卡、或是此項技術中已知的一類似的電腦可讀取的媒體中之一。
總之，本發明係大致有關於一種用於移除在藉由一指紋感測器所捕捉的一影像中的干擾之方法，並且明確的是有關於在一獲得的指紋影像中藉由將該感測原理納入用於雜訊減低所施加的方法中之雜訊的減低，其中經雜訊減低的影像係被使用於決定一指紋圖案的一表示。利用本發明的優點係包含從利用一指紋感測器所捕捉的指紋影像之指紋圖案的強化的判斷。
本發明的進一步特點及優點在研讀所附的申請專利範圍與以下的說明時將會變得明顯。熟習技術的讀者會體認到本發明的不同特點可加以組合來產生除了那些在以下所敘述的實施例之外的實施例，而不脫離本發明的範疇。
1‧‧‧行動電話
2‧‧‧指紋感測系統
3‧‧‧充電器
4‧‧‧AC電源插座
9‧‧‧觸控感測器構件
10‧‧‧二維的感測器陣列
11‧‧‧邊框(框架)
12‧‧‧感測元件
13‧‧‧第一群組
19‧‧‧滑動式感測器構件
20‧‧‧感測器陣列
21a、21b‧‧‧導電的條帶
23‧‧‧群組
400‧‧‧有雜訊的指紋影像
本發明的包含其特徵及優點的各種特點從以下的詳細說明以及所附的圖式來看將會輕易地理解，其中： 圖1係概要地描繪根據本發明的一範例實施例的一指紋感測系統之一應用；圖2是來自一切換式電源供應器的共模雜訊之一代表性的圖示；圖3a係概要地展示根據本發明的指紋感測系統的一第一實施例；圖3b係概要地展示根據本發明的指紋感測系統的一第二實施例；圖4係描繪一有雜訊的指紋影像；圖5a-5e係描繪不同的取樣配置；圖6是揭露根據本發明的一目前較佳實施例之本發明的範例的步驟的流程圖；以及圖7a-7e係提供在圖6中所示的流程圖之一功能性的圖示。
本發明現在將會在以下參考所附的圖式更完整地加以描述，其中本發明之目前的較佳實施例係被展示。然而，本發明可以用許多不同的形式來加以體現，因而不應該被解釋為受限於在此闡述的實施例；而是，這些實施例是為了徹底及完整性而被提供，並且完整地傳達本發明的範疇給熟習技術者。相同的參考元件符號是指整篇之相似的元件。
現在轉到圖式而且尤其是圖1，其係概要地描繪有根據本發明的實施例之一種指紋感測系統的一範例的應用，其係一具有一整合的指紋感測系統2之行動電話1的形式。該指紋感測系統2例如可被使用於解鎖該行動電話1且/或用於授權利用該行動電話所實行的交易等等。
如同在圖1中所展示的，該行動電話1正在利用一連接至一AC電源插座4的充電器3而被充電。該電話的充電可能會帶來共模雜訊， 其係使得該行動電話1依循該共模雜訊的電位，亦即該行動電話1將會電性地"上下跳動"。
從該行動電話1的觀點來看，該共模雜訊將會使得使用者看起來是電性有雜訊的。此可能會影響該行動電話1的依賴在行動電話1與使用者之間的電位差的評估之使用。此種使用例如是包含一電容性觸控螢幕的使用以及該指紋感測系統2的使用。
較佳而且對於熟習技術者明顯的是，在圖1中所示的行動電話1可以進一步包括一用於WLAN/Wi-Fi通訊的第一天線、一用於電信通訊的第二天線、一麥克風、一揚聲器、以及一電話控制單元。當然，另外的硬體元件也可能內含於該行動電話中。應該進一步注意到的是，本發明可以是可相關於任何其它類型的可攜式的電子裝置來加以應用，例如是一膝上電腦、一遙控器、一平板電腦、或是任何其它類型的現有或未來的類似配置的裝置。
圖2是來自圖1中的充電器3的共模雜訊之一代表性的圖示。如同在圖2中可見的，該共模雜訊可以具有一帶有相當高振幅的低頻成分(根據AC電源頻率的50/60Hz)、以及一帶有一較低振幅的高頻切換模式成分(圖2之放大的部分)。尤其，該共模雜訊的高頻成分可能會對於一指紋感測系統造成問題。在以下將會描述本發明的各種實施例是如何至少部份減輕此種問題。
首先，根據本發明的指紋系統的兩個實施例(亦即，一種觸控感測器為基礎的系統以及一種滑動式(swipe)感測器為基礎的系統)將會參考圖3a-b來加以描述。
圖3a係概要地展示一種觸控感測器為基礎的指紋感測系統，其具有封裝的觸控感測器構件9的形式，較佳的是包括一個二維的感測器陣列10以及例如一導電的邊框(bezel)或框架11以用於提供一激勵信號至使用者的手指。儘管未明確展示在圖3a中，但是該感測器構件9亦包括一電源供應器介面以及一通訊介面。
該感測器陣列10係包括大量的感測元件12(該些感測元件中只有一個是已經利用一元件符號來加以指出，以避免使得圖式凌亂)，每個感測元件12是可控制以感測一介於內含在該感測元件12中的一感測結構(頂板)與一接觸該感測器陣列10的頂表面的手指的表面之間的距離。在圖3a的感測器陣列10之放大的部分中，一第一群組13的感測元件係被標記'S'以用於感測，其中該第一群組的感測元件係全部一次一起被感測。
圖3b係概要地展示一種滑動式感測器為基礎的指紋感測系統，其具有封裝的滑動式感測器構件19的形式，該感測器構件19係包括一感測器陣列20以及導電的條帶21a及21b以用於提供一激勵信號至使用者的手指。儘管未明確展示在圖3b中，但是該感測器構件19亦包括一電源供應器介面以及一通訊介面。
該感測器陣列20係包括一或數個線的感測元件12(該些感測元件中只有一個是已經利用一元件符號來加以指出，以避免使得圖式凌亂)，每個感測元件12是可控制以感測一介於內含在該感測元件12中的一感測結構(頂板)與一接觸該感測器陣列20的頂表面的手指的表面之間的距離。在圖3b的感測器構件19之放大的部分中，一群組23的感測元件係以一種相關圖3a之類似的方式而被標記'S'以用於感測，其係指出一種群組為 基礎的感測策略。
在圖3a-b中的指紋感測器構件9、19可以有利的是利用CMOS技術來加以製造，但是其它技術及製程亦可以是可行的。譬如，一絕緣基板可被使用且/或薄膜技術可被利用於製程中的某些或全部的製程步驟。
現在轉向圖4，其係描繪利用一應用一種電容性量測原理的指紋感測器所捕捉的一有雜訊的指紋影像400。如同在以上所提及的，一種可能發生的雜訊類型是CMN的類型，其是被注入到所要的信號以及該所要的信號被量測所對照的參考信號兩者上的雜訊。若該所要的信號之一理想的差動量測係對照該參考信號來加以實行，則該CMN因此將會完美地抵消，並且因此不劣化該所要的信號的量測。然而，由於例如是不完美的抵消以及至其它不受到相同的CMN影響的信號之寄生電容，因此要達成CMN之良好的拒斥實際上可能是非常具有挑戰性的。一個例子是至接地的電容並不依循該CMN信號，並且因此直接顯露出絕對的CMN位準。
如上所論述的，此在利用一電容性量測原理的例如是用於指紋感測器或電容性觸控螢幕之系統中尤其是一項問題。再者，相較於被供應至例如是一指紋感測系統中的邊框的驅動電壓，來自例如在充電器中的某些切換模式的電源供應器之CMN的信號位準可能是非常大的，例如40V的波峰至波峰值。於是，該CMN之大信號位準因此可能是在所產生的指紋影像中之一主要的干擾。
由於該CMN影響量測的方式的關係，該雜訊通常可以被建立模型為乘法性的，亦即CMN的量係隨著該指紋的值而縮放。應該強調的 是，根據本發明的方法亦支援例如是加成性雜訊之其它類型的雜訊耦合，並且一非線性的映射函數(例如是一對數函數)可被施加至輸入信號，以使得該乘法性的影響變成加成性。
當相較於現有的解決方案時，根據本發明的方法之一主要的優點是其導引所利用的感測原理的組態設定，以便於改善該CMN的減輕並且接著之後能夠將此認知納入該CMN偵測、估計以及拒斥中。
在本發明的一可能的實施方式中，一種三個步驟的過程係被提出，其包含1)設定該取樣以改善CMN的減輕、2)偵測CMN是否存在、以及若存在的話，則3)提供一用於藉由濾波來拒斥其之手段。
由於該偵測是依賴和該濾波類似的技術，因此該濾波將會首先加以敘述，接著是該雜訊偵測。該濾波通常是由該CMN的一個1維或2維的線性最小均方誤差(LMMSE)估計、接著明確或隱含的是該CMN估計從輸入的抵消所組成的。
該CMN估計已經被導出，以使得其係將該取樣過程的特徵以及該雜訊列入考量，同時其係利用所關注的信號的結構。此係具有該取樣過程的影響可以被評估及最佳化，以便於提供該雜訊的最佳的拒斥之優點。在一指紋感測器系統的例子中，所關注的信號將會是指紋的影像。用於LMMSE濾波之相同的結構係被再利用於接著敘述的廣義似然比測試(GLRT)中。
由於該CMN可被假設為在空間的取樣維度上(亦即在該影像中的像素之間)是固定的，因此取樣程序是一重要的因數，以便於分開所要的(指紋)信號與該CMN。因此，在空間及時間上的取樣程序是用以達成 該雜訊之良好的減輕的關鍵。此種空間時間的取樣配置的例子(其可以根據需要來加以組合)是進一步參考圖5a-5e為：˙個別的取樣，其中所有的樣本是獨立地加以收集，見於圖5a，˙區塊取樣，其中一局部的空間的區域係同時被取樣，見於圖5b，˙重疊的取樣，其中空間的樣本的重疊區塊係一次一區塊地被取樣，見於圖5c，˙平行的取樣，其中非重疊的空間的區塊係獨立地被取樣。該些區塊例如可以在空間上被分散，見於圖5d，以及˙時變的空間的取樣程序，見於圖5e。
提供在所用的取樣程序與濾波之間的連結之詳細的數學上的說明係如下所述。在此整個說明中，粗體小寫的字母(例如x)是表示行向量，而粗體大寫的字母是表示矩陣(例如X)。轉置矩陣係被表示為(．)T，並且X i,j：k 是一在X中的包含元素[(i,j),(i,j+1),…,(i,k)]的向量。單位矩陣係被表示為I，並且0或1是向量(或矩陣)，其中所有的元素都具有0或1的值。該矩陣跡數(trace)係藉由tr{．}來加以指出，並且係表示實數值域。
在決定該取樣以改善CMN的減輕中，令來表示藉由感測系統所捕捉的影像，其中M是在該影像中的列的數目並且N是行的數目。該影像的平均值 可以從所捕捉的影像中減去，以得到一具有零平均的影像。由於此種對映總是可行的，因此Y將會是在以下的推導中之所關注的影像。該矩陣Y之"向量化的"版本係被給出為， 其係意指在Y中之所有的列向量的轉置係逐列的彼此堆疊起來。此係意指，並且該系統可以藉由以下的線性模型來加以描述y=Sc+f (方程式2) 其中是一空間的取樣矩陣，其係描述該CMN向量是如何 影響該影像Y，其中B是該空間的取樣區塊尺寸。因此，該空間的取樣區塊尺寸係指定有多少所要的(指紋)樣本是同時加以獲得的，並且因此共用相同的CMN的體現。該向量係表示所要的(指紋)信號以及任何存在之額外的雜訊。眾所週知的是，在方程式2中的線性模型的LMMSE估計可被計算為 其中Σ f 係表示該指紋之空間的協方差(covariance)矩陣，並且Σ c 是該些CMN樣本的協方差矩陣，兩者都被假設是零平均的。若在時間上多個樣本被執行，則該模型可以直接加以延伸以亦涵蓋此特點，其係藉由設定S為該空間時間的取樣矩陣以及協方差矩陣Σ f 及Σ c 分別為該指紋及CMN之空間時間的協方差矩陣，並且藉此產生一總數超過MN的樣本。若該指紋在影像之間只有稍微的改變，則此種空間時間的濾波可以是有利的。
在決定一良好的取樣程序中同樣關注的是該估計的後驗(posterior)協方差矩陣，其係被給予為
理想上，在該CMN估計中並沒有誤差，亦即，但是此一般而言是不可能的。因此，決定S的取樣程序對於拒斥該CMN的能力而言是非常重要的，並且如何取樣的設計/選擇因而是此之一項非常重要的 特點。在Σ c 及Σ f 是事先完美已知的理想的假設下，選擇該取樣以例如是最小化藉由所給出的後驗誤差是一合理的選擇，但是其它最佳化的目標亦可被使用。由於該取樣的區塊尺寸以及硬體的相關限制亦在此最佳化上有所作用，因而此是一項重要的設計問題，其中一例如是的最佳化量測可被使用於導引。
作為此導引的一個例子的是，同時取樣一整個影像的特殊例(亦即S=1)是一個全部為1的向量，同時假設Σ f 並不跨越此取樣空間，其係直接產生，因為1 T (11 T +Σ f ) -1 1=1。此展示完美的估計之特殊例以及因此該CMN之後續的抵消是可以藉由具有一特定的取樣設計而達成的，該特定的取樣設計係被最佳化以利用指紋之假設的協方差結構，並且實際上實施起來可能是高度具有挑戰性的。然而，一般性的原理是最佳化該取樣程序，以便於藉由利用該指紋及CMN之先前的協方差的認知來提供用於後續的抵消之最佳的CMN估計。
在此所述的一般性的LMMSE濾波器可被利用於估計該CMN，但是此實施方式的複雜度通常將會是大的，因而此完全的解決方案之一可行的近似可以藉由在例如水平及/或垂直的維度上利用一種Kronecker結構來加以獲得。若所要的信號以及CMN可被假設成只有局部關聯的，則該LMMSE濾波器之一種(區塊)滑動窗口的近似亦可單獨被使用、或是和該Kronecker結構一起被使用，以使得實施方式變得容易。
令該CMN向量是藉由c~N(0,P c I)所給出，其中 P c 係表示該CMN驅動信號的功率，並且 N 係表示常態分布。此係意指在方程式3中的LMMSE解決方案是 其中亦已經假設該指紋向量係藉由所給出。在方程式5中， P f 係代表來自指紋的信號的功率，而Σ f,y 係表示該指紋在垂直的方向上的協方差，並且Σ f,x 是在水平的方向上的協方差。若該CMN在影像Y上的影響可以藉由來加以表示，則方程式5係變成為 其係意指該整體CMN將會被限制為具有分別藉由S y 及S x 來加以表示的在該垂直及水平的方向上的雜訊成分。
該感測器系統可被設計成使得該影像Y是藉由同時取樣數個像素來加以建構，並且此可被納入在S的結構中。
不同的捕捉方法的例子係被列出於此
˙水平的取樣，其中在Y的列中的 B=L x 個像素已經同時被捕捉，此係導致。
˙垂直的取樣，其中在Y的行中的 B=L y 個像素已經同時被捕捉，此係導致。
˙局部的2D取樣，其中在該影像中之一局部的區塊的 B=L y × L x 個像素已經同時被捕捉，此係導致。
˙一般的2D取樣，其中如同藉由該一般的矩陣S所指出的，在該影像中的一數量B個像素已經同時被捕捉。
其中向量1的尺寸係藉由同時被捕捉的像素數目所給出。在 方程式6中插入以上所展示的S的特殊例係產生利用該取樣結構的解決方案。根據預期的CMN的類型以及有關可達成的取樣結構之硬體限制，一適當的取樣結構以及相關的S矩陣接著可以根據例如是由方程式4所給予的一最佳化標準來加以選擇。作為一指出該取樣結構是如何可以在設定該濾波器時被利用的例子的是，水平的取樣的例子係給出
此表示式可被改寫成為
藉由定義，其對於該水平的取樣而言是意指 並且，在方程式8中的表示式可以被簡化成 為
藉由執行的一奇異值分解(SVD)以及該協方差 矩陣的一特徵值(eigenvalue)分解，在方程式9中的表示式係 變成為 (方程式10)
由於該Kronecker結構存在於方程式10中，因而此可以藉由利用在該水平及垂直的空間的維度之間的分開而有效率地被實施。在該水平或垂直的方向上的一維的處理的特殊例是以上的表示式之特殊例，其中S x 及Σ f,x 或是S y 及Σ f,y 分別是對角矩陣。
在方程式3的一般LMMSE表示式中，該協方差矩陣Σ c 係代表先前有關該共模雜訊的資訊。在以上的Kronecker建構的表示式中，Σ c 到目前為止已經被視為一縮放的單位矩陣，因為此係簡化該表示式並且在實施上導致一較低的複雜度。然而，有關於該CMN之事先的認知可能是可供利用的，並且此於是可以被納入Σ c 中以用於改善的估計正確性。然而，當該Kronecker結構是為了一有效率的實施而被利用時，若該對數可能性的項以及先前的Σ c 是共用一共同的基礎，則此Kronecker結構將只可能直接利用。此可能是難以達成的，並且可能使得有效率地納入先前有關該CMN的資訊是困難的。
對於此問題之一可能的解決方案是利用來自該對數可能性的項的基底來近似先前者、或是反之亦然。此之一個例子是去限制先前者為具有的形式，其中V x 及V y 分別是該水平及垂直的基底，並且D x 及D y 是近似該CMN的事先的資訊之相關的頻譜。所用的基底接著可以從該對數可能性的項被抽取出、或是一共同的基底可以針對於該對數可能性以及先前的項來加以實施，例如該固定的DCT基底。
現在轉到一廣義似然比測試(GLRT)的實施方式的概念，其 可以藉由檢查該資料的多變量(multivariate)分布是否更可能包含CMN來加以進行。此可以藉由評估CMN的假設相對於沒有CMN的反假設的可能性而被達成。給定該假設可被建立模型為零平均的多變量常態分布，此係產生 H cmn ：y~N(0,P f+c Σ f+c )，其中 P f+c Σ f+c 是該指紋及CMN的總信號協方差矩陣，其中 P f+c 是一個一般未知的功率位準。類似地，對於沒有CMN的反假設，此係產生 H no-cmn ：y~N(0,P f Σ f )，其中 P f Σ f 是該指紋的總信號協方差矩陣，其中 P f 是一個一般未知的功率位準。給定該多變量高斯可能性函數，該GLRT可被寫成為 其中若該對數似然比分數 LLR 超過一給定的臨界值，則將會宣告CMN是存在的。
藉由假設該指紋及CMN是加成性而且獨立的，此係導致Σ f÷c =Σ f +SΣ c S T ，方程式11的實施複雜度可以藉由利用該矩陣求逆引理 (inversion lemma)而被降低，其中該些Cholesky因 素係被定義為
此係容許方程式11改寫成為：
一種用於計算針對CMN偵測的一LLR之替代的方法是利用標準化的協方差矩陣來直接求值該對數似然比為 其中並且。計算該被選擇的LLR所需的矩陣可 以離線的預先加以計算並且置入一濾波器組中、或是可以響應於Σ f+c 及Σ f 的更新的估計而線上被計算出。若為所要的話，在該替代的方法中的矩陣F之一低階的近似可被利用以使得實施變得容易。
在本發明的一實施例中，其中該取樣是在該水平(或垂直)的方向上被完成，一選項是以藉由獨立地處理每個列(或行)來執行該CMN的一個1D的LMMSE估計以及GLRT。此種方法的優點是此將會降低該LMMSE估計之計算的複雜度。對於水平的取樣而言，該影像Y的每個列係被挑出，此係意指 y=Y i,1：N ，其中i=[1 ,...,M ]，其係意指該向量y現在是只有N維的。
同樣地，對於垂直的取樣而言，該影像的每個行係被挑出，此係意指y=Y 1：M,j ，其中j=[1 ,...,N]，其係意指該向量y現在是只有M維的。
在此種1D設定中，該廣義似然比測試(GLRT)可以逐列地(或是逐行地)加以執行，其係意指對於該水平的取樣的M個對數可能性值(或是對於垂直的取樣的N個值)可以針對於整個影像而被計算出。
對於每個列(或行)計算一對數可能性值(亦即執行GLRT)亦可以是可行的，並且這些值接著可被使用於CMN偵測。在本發明的一實施例中，該GLRT是每一列(或行)輸出一對數可能性值，並且這些值在它們與一被使用於CMN偵測的臨界值相比較之前可以先在數個列(或行)上加以濾波/平均。再者，對數可能性值的濾波亦可以藉由執行一滑動窗口的平均來加以完成，並且此之輸出可以與一臨界值相比較。
現在轉向關連的圖6及7a-e，其中圖6是展示根據本發明的用於利用指紋感測器以判斷一指紋圖案的基本步驟的流程圖。圖7a-7e係提供該些方法步驟中的某些個的一對應的功能圖示。相關於圖7a所設置的指紋感測器是一個二維的感測器，其被例示為具有8×8像素。應注意到的是，8×8像素的使用只是用於提供本發明的方法之一簡化的解說。因此，任意數目的像素都可被使用。如上相關於圖3a所論述的，此種指紋感測器係包括複數個感測元件，每個感測元件係具有一用於提供一像素信號的輸出，該像素信號係指出在該對應的感測元件與一手指之間的電容性耦合。再者，其它類型的指紋感測器也可被使用，其例如包含一維的感測器以及採用不同的感測技術之感測器。
在該指紋感測器的設置之後，指紋(Σ f )以及雜訊(CMN)(Σ c )的協方差矩陣係被選擇。根據所選的協方差矩陣，一取樣程序係藉由一如同在圖7b中所示的取樣矩陣(S)而被決定及指明。該取樣矩陣(S)的尺寸係藉由該指紋感測器的尺寸以及用於該些感測元件中的一些所選的元件的取樣的區塊尺寸所界定。在所提供的圖示中，該取樣尺寸係被選擇為四個(亦即，一次取樣四個像素)。根據相關於方程式2所提出的討論，該取樣矩陣(S)係 被定義為，其中M係指出該指紋感測器的列的數目，N係指出該 指紋感測器的行的數目，並且B是一次取樣的像素的數目。根據此定義以及該些例示的指紋感測器的尺寸/一次取樣的像素的數目，一取樣矩陣(S)係被定義為包括64列以及16行。
於是，在圖7b中所示的取樣矩陣的每一行將會代表每個感測器取樣。在圖7b中，該取樣模式係被選擇以對應於在圖5b中所示的取樣策略，亦即一2×2像素的方形的區塊為基礎的圖案，其係從該感測器的左上滑動到該感測器的右下。在圖7b中所示者是指出對於每個順序的樣本待被取樣的像素；0係被展示為未被正在取樣的像素。如同相關於圖5a-5e所指出的，其它的取樣策略亦可被選擇，較佳的是以在所獲得的指紋影像內的雜訊量被最小化的此種方式來加以選擇。
在設定該取樣矩陣/取樣策略之後，該指紋感測器係依此加以取樣，並且一指紋影像係被獲得。如同在圖7c中所示，該指紋影像是一有雜訊的影像，其中該雜訊模式係根據以上論述的區塊為基礎的順序的取樣策略而定。
根據本發明，如上相關於方程式11所論述並且根據所選的取樣矩陣的雜訊偵測設計係被施加，以用於判斷存在於所獲得的指紋影像中之雜訊的可能性。該可能性係藉由設定兩種競爭的模型而被判斷出，其中第一模型是根據雜訊是存在的假設，並且另一模型是根據雜訊不存在的假設。根據本發明，至少所用的其中雜訊被假設是存在的模型係考量到所選的取樣矩陣。相關於所用的其中雜訊被假設是不存在的模型以考量到所選的取樣矩陣也可能是可行的。
一對數似然比係被判斷出，並且和一預設的臨界值相比較。若判斷出的是雜訊的可能性(相較於該臨界值)"過高"，則該方法係繼續到一利用以上相關於方程式5-10所論述的一LMMSE濾波器來估計例如是CMN的雜訊的步驟。
此外，若雜訊已經被判斷為存在的，則設定將被使用於雜訊減輕的(線性)濾波器將會考量到所選的取樣矩陣。所獲得的有雜訊的指紋影像接著係利用該"取樣矩陣相依的濾波器"(通常是一維納(Wiener)濾波器)來加以濾波，並且一包括較少雜訊之"乾淨的"影像係被形成，即如同在圖7d中所展示者。如同可以從圖7d看出的，該些"區塊假影"已經被移除。一旦一較少雜訊的指紋影像已經被形成後，可以更佳的判斷如同在圖7e中所示的一指紋圖案，其係包含以熟習技術的讀者已知的任何方式來找出形成例如是弓形紋(arch)、箕形紋(loop)、等等的凸紋線(ridge)。用於一指紋圖案的判斷之進一步的後處理也是可行的，並且在本發明的範疇內。
本揭露內容的控制功能可以利用現有的電腦處理器、或是藉由用於一適當的系統之一為此目的或另一目的而被納入之特殊用途的電腦處理器、或是藉由一固線的系統來加以實施。在本揭露內容的範疇的實施例係包含有包括機器可讀取的媒體之程式產品，其係用於載有或具有儲存於其上的機器可執行的指令或資料結構。此種機器可讀取的媒體可以是任何可利用的媒體，其可以藉由一般用途或是特殊用途的電腦或其它具有一處理器的機器而被存取。例如，此種機器可讀取的媒體可包括RAM、ROM、EPROM、EEPROM、CD-ROM或是其它光碟儲存、磁碟儲存或是其它的磁性儲存裝置、或是任何其它可被利用以載有或儲存具有機器可執行的指令 或資料結構的形式之所要的程式碼並且可藉由一般用途或特殊用途的電腦或是其它具有一處理器的機器而被存取之媒體。當資訊在一網路或是另一通訊連線(固線、無線、或是固線或無線的一組合)上被轉移或提供至一機器時，該機器係適當地將該連線視為一機器可讀取的媒體。因此，任何此種連線都適當地被稱為一機器可讀取的媒體。以上的組合亦內含在機器可讀取的媒體的範疇內。機器可執行的指令例如是包含使得一般用途的電腦、特殊用途的電腦、或是特殊用途的處理機器執行某一功能或是功能的群組之指令及資料。
儘管該些圖可能展示一序列，但是該些步驟的順序可以是不同於所描繪者。此外，兩個或多個步驟可以同時或是部分同時地加以執行。此種變化將會是依據所選的軟體及硬體系統以及設計者的選擇而定。所有此種變化都是在本揭露內容的範疇內。同樣地，軟體實施方式可以利用具有規則式邏輯及其它邏輯之標準程式化的技術來加以達成，以達成各種的連接步驟、處理步驟、比較步驟以及決策步驟。此外，即使本發明已經參考其特定的例示實施例來加以敘述，但是許多不同的改變、修改與類似者對於熟習此項技術者而言將會變成是明顯的。
此外，所揭露的實施例之變化可以被從該圖式、揭露內容以及所附的申請專利範圍的研讀而實施所主張的發明之熟習技術的讀者所理解及達成。再者，在該申請專利範圍中，該字詞"包括"並不排除其它元件或步驟，並且該不定冠詞"一"或是"一個"並不排除複數個。

Claims (15)

  1. 一種決定利用一包括複數個感測元件的指紋感測器所捕捉的一手指的一指紋圖案的一表示之方法，該方法係包括以下步驟：選擇一取樣矩陣，其中該取樣矩陣係代表用於利用該指紋感測器以獲得一指紋影像的一取樣模式，該取樣模式係對應於複數個將被同時取樣的感測元件；根據該取樣矩陣以利用該指紋感測器以獲得該指紋影像；施加一線性濾波器至所獲得的指紋影像，其中該線性濾波器的設定係依據該所選的取樣矩陣的該取樣模式的一結構而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低；以及根據該濾波後的指紋影像以決定該指紋圖案的該表示。
  2. 根據申請專利範圍第1項之方法，其中該指紋感測器是一個二維的指紋感測器，並且該取樣矩陣係對應於該複數個感測元件的一所選的部分。
  3. 根據申請專利範圍第1或2項之方法，其中該複數個感測元件的所選的部分係被選擇為一相鄰配置的群組的感測元件。
  4. 根據申請專利範圍第1或2項之方法，其中該複數個感測元件的所選的部分在該指紋感測器上是於空間上分開的。
  5. 根據申請專利範圍第1項之方法，其中該取樣矩陣係被選擇以對應於在所獲得的指紋影像內之一被最小化的雜訊量。
  6. 根據申請專利範圍第1項之方法，其中該方法進一步包括以下步驟：對於存在於該指紋影像內的雜訊判斷一對數似然比，比較該對數似然比與一預設的臨界值；以及 只有在該對數似然比超過該預設的臨界值時才執行該指紋影像的濾波。
  7. 根據申請專利範圍第1項之方法，其中判斷一對數似然比的步驟係包括對於雜訊並不存在的假設來求值一可能性函數，並且根據該取樣矩陣以對於雜訊是存在的假設來判斷該可能性函數。
  8. 根據申請專利範圍第1項之方法，其進一步包括施加一非線性映射函數至所獲得的指紋影像的步驟。
  9. 根據申請專利範圍第8項之方法，其中該非線性映射函數是一對數函數。
  10. 根據申請專利範圍第1項之方法，其中該線性濾波器是一維納(Wiener)濾波器。
  11. 一種可攜式的電子裝置，其係包括：一具有一陣列的像素的指紋感測器，以及一電連接至該指紋感測器的控制單元，其中該控制單元係被組態設定以用於：選擇一取樣矩陣，其中該取樣矩陣係代表用於利用該指紋感測器以獲得一指紋影像的一取樣模式，該取樣模式係對應於複數個將被同時取樣的感測元件；施加一線性濾波器至所獲得的指紋影像，其中該線性濾波器的設定係依據該所選的取樣矩陣的該取樣模式的一結構而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低；以及根據該濾波後的指紋影像以決定一指紋圖案的一表示。
  12. 根據申請專利範圍第11項之可攜式的電子裝置，其中該指紋感測器係採用電容性感測技術。
  13. 根據申請專利範圍第11或12項之可攜式的電子裝置，其中該指紋感測器係包括至少160×160像素，更佳的是192×192像素，並且最佳的是208×80像素。
  14. 根據申請專利範圍第11或12項之可攜式的電子裝置，其中該可攜式的電子裝置是一行動電話。
  15. 一種包括一電腦可讀取的媒體之電腦程式產品，該電腦可讀取的媒體係具有儲存於其上的用於一控制單元的電腦程式裝置，該控制單元係適配於控制一可攜式的電子裝置，該可攜式的電子裝置係包括一指紋感測器以及一控制單元，其中該電腦程式產品係包括：用於選擇一取樣矩陣的碼，其中該取樣矩陣係代表用於利用該指紋感測器以獲得一指紋影像的一取樣模式，該取樣模式係對應於複數個將被同時取樣的感測元件；用於利用該指紋感測器並且根據該取樣矩陣以獲得該指紋影像的碼；用於施加一線性濾波器至所獲得的指紋影像的碼，其中該線性濾波器的設定係依據該所選的取樣矩陣的該取樣模式的一結構而定，並且該線性濾波器係被設置用於在所獲得的指紋影像內的雜訊減低；以及用於根據該濾波後的指紋影像以決定一指紋圖案的一表示的碼。
TW104117384A 2014-07-14 2015-05-29 用於雜訊減輕之方法及電子裝置 TWI596551B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE1450892 2014-07-14

Publications (2)

Publication Number Publication Date
TW201602921A TW201602921A (zh) 2016-01-16
TWI596551B true TWI596551B (zh) 2017-08-21

Family

ID=55067802

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104117384A TWI596551B (zh) 2014-07-14 2015-05-29 用於雜訊減輕之方法及電子裝置

Country Status (7)

Country Link
US (2) US9519819B2 (zh)
EP (1) EP3170124A4 (zh)
JP (1) JP6681382B2 (zh)
KR (1) KR101875051B1 (zh)
CN (1) CN105706111B (zh)
TW (1) TWI596551B (zh)
WO (1) WO2016010470A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485442B2 (en) 2009-07-02 2013-07-16 Biometric Payment Solutions Electronic transaction verification system with biometric authentication
CN104658073A (zh) * 2013-11-20 2015-05-27 鸿富锦精密工业(武汉)有限公司 虹膜钥匙及利用该虹膜钥匙对电子装置解锁的方法
US9519819B2 (en) * 2014-07-14 2016-12-13 Fingerprint Cards Ab Method and electronic device for noise mitigation
TWI719203B (zh) * 2016-05-13 2021-02-21 瑞典商指紋卡公司 用於雜訊偵測的指紋感測裝置及其中的方法
IT201600105253A1 (it) * 2016-10-19 2018-04-19 Torino Politecnico Dispositivo e metodi per l'autenticazione di unn apparato d'utente
CN107992784B (zh) * 2016-10-26 2021-07-27 奕力科技(开曼)股份有限公司 指纹传感器及其指纹辨识方法
KR20180050127A (ko) * 2016-11-04 2018-05-14 (주)아이티 노매즈 M2m 통신을 이용한 웨어러블 장치의 운동량 모니터링 시스템 및 방법
TWI736688B (zh) * 2016-11-17 2021-08-21 瑞典商指紋卡公司 使用具有不同主要延伸方向的測量組態之指紋感測
US10102412B2 (en) * 2016-11-17 2018-10-16 Fingerprint Cards Ab Fingerprint sensing with different capacitive configurations
CN106845422B (zh) * 2017-01-22 2020-12-22 Oppo广东移动通信有限公司 一种指纹识别模组、指纹识别方法及移动终端
SE1750159A1 (sv) * 2017-02-17 2018-08-18 Fingerprint Cards Ab Cancelling out impairment data in fingerprint images
KR102555192B1 (ko) * 2017-03-10 2023-07-13 핑거프린트 카드즈 아나카툼 아이피 에이비 지문 이미지의 손상 데이터 억제
CN107239737A (zh) * 2017-05-03 2017-10-10 广东欧珀移动通信有限公司 一种光学指纹识别方法及相关产品
CN107247962B (zh) * 2017-05-23 2019-07-05 华中科技大学 一种基于滑动窗口的实时电器识别方法和系统
EP3649578A4 (en) * 2017-07-07 2021-04-07 Fingerprint Cards AB Method of a fingerprint sensing system of enabling authentication of a user based on fingerprint data
CN107590475A (zh) * 2017-09-22 2018-01-16 北京小米移动软件有限公司 指纹识别的方法和装置
CN111801682A (zh) * 2018-03-14 2020-10-20 指纹卡有限公司 对指纹图案信号进行滤波的方法和指纹感测装置
US10984213B2 (en) * 2018-03-27 2021-04-20 Shenzhen GOODIX Technology Co., Ltd. 3-dimensional optical topographical sensing of fingerprints using under-screen optical sensor module
EP3661148B1 (en) 2018-11-28 2023-05-24 Nxp B.V. Location- and identity-referenced authentication method and communication system
EP3663779B1 (en) 2018-12-05 2021-10-06 Nxp B.V. Apparatus and method for measuring a capacitance, and a fingerprint sensor utilizing the same
TWI710963B (zh) * 2019-01-31 2020-11-21 大陸商北京集創北方科技股份有限公司 指紋圖像歸一化方法、指紋圖像歸一化裝置及資訊處理裝置
CN109978803B (zh) * 2019-03-05 2021-01-22 北京集创北方科技股份有限公司 图像处理方法及装置
CN110488175B (zh) * 2019-07-31 2024-04-26 广东利扬芯片测试股份有限公司 指纹芯片测试部件、方法和计算机可读存储介质
CN113033257B (zh) * 2019-12-24 2023-08-18 杭州海康威视数字技术股份有限公司 指纹识别方法、装置、电子设备及可读存储介质
CN113706396B (zh) * 2020-05-21 2024-04-30 北京机械设备研究所 基于滑动窗函数的遥测图像降噪处理方法
US11798136B2 (en) 2021-06-10 2023-10-24 Bank Of America Corporation Automated teller machine for detecting security vulnerabilities based on document noise removal
CN113628148B (zh) * 2021-09-17 2024-05-10 福建库克智能科技有限公司 红外图像降噪方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020146178A1 (en) * 2000-09-01 2002-10-10 International Business Machines Corporation System and method for fingerprint image enchancement using partitioned least-squared filters
CN102629316B (zh) * 2011-11-25 2013-12-18 浙江外国语学院 自动指纹识别技术中的图像增强方法
US20140015774A1 (en) * 2012-07-13 2014-01-16 Apple Inc. Redundant Sensing Element Sampling

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07121703A (ja) * 1993-10-22 1995-05-12 Canon Inc 画像処理方法
US6067368A (en) * 1996-01-26 2000-05-23 Authentec, Inc. Fingerprint sensor having filtering and power conserving features and related methods
US5909501A (en) * 1996-09-09 1999-06-01 Arete Associates Systems and methods with identity verification by comparison and interpretation of skin patterns such as fingerprints
US5987156A (en) * 1996-11-25 1999-11-16 Lucent Technologies Apparatus for correcting fixed column noise in images acquired by a fingerprint sensor
JP2000040146A (ja) * 1998-07-23 2000-02-08 Hitachi Ltd 画像処理方法、画像処理装置および指掌紋画像入力装置
SE9902990L (sv) * 1999-08-24 2001-01-08 Fingerprint Cards Ab Förfarande och anordning vid registrering och verifiering av fingeravtrycksinformation
US6643389B1 (en) * 2000-03-28 2003-11-04 Stmicroelectronics, Inc. Narrow array capacitive fingerprint imager
SE0100887D0 (sv) * 2001-03-15 2001-03-15 Fingerprint Cards Ab Anordning och metod för behandling av fingeravtrycksinformation
WO2003007121A2 (en) * 2001-07-12 2003-01-23 Atrua Technologies, Inc. Method and system for determining confidence in a digital transaction
US6931160B2 (en) * 2001-10-31 2005-08-16 Eastman Kodak Company Method of spatially filtering digital image for noise removal, noise estimation or digital image enhancement
ATE367618T1 (de) * 2002-02-18 2007-08-15 Precise Biometrics Ab Verfahren und einrichtung zur überprüfung von fingerabdrücken
US7460109B2 (en) * 2003-10-20 2008-12-02 Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. Navigation and fingerprint sensor
US7403644B2 (en) * 2003-11-26 2008-07-22 Microsoft Corporation Fingerprint scanner with translating platen
US8131026B2 (en) * 2004-04-16 2012-03-06 Validity Sensors, Inc. Method and apparatus for fingerprint image reconstruction
JP4481806B2 (ja) * 2004-12-03 2010-06-16 アルプス電気株式会社 容量検出型センサ
KR20060089822A (ko) * 2005-02-04 2006-08-09 엘지전자 주식회사 지문 인식 방법 및 그 장치
KR100693371B1 (ko) * 2005-11-15 2007-03-09 한국전자통신연구원 웨이블릿 기반의 다중 비트 핑거프린트 삽입 및 추출 방법
US7953258B2 (en) 2008-04-04 2011-05-31 Validity Sensors, Inc. Fingerprint sensing circuit having programmable sensing patterns
US8860696B2 (en) * 2008-11-12 2014-10-14 Flatfrog Laboratories Ab Integrated touch-sensing display apparatus and method of operating the same
US8238681B2 (en) 2008-11-25 2012-08-07 Nokia Corporation Adaptive configuration of windows-of-interest for accurate and robust focusing in multispot autofocus cameras
US8950482B2 (en) * 2009-05-27 2015-02-10 Optasense Holdings Ltd. Fracture monitoring
US8577091B2 (en) * 2009-07-17 2013-11-05 The University Of Maryland Method and apparatus for authenticating biometric scanners
JP5574515B2 (ja) * 2010-07-12 2014-08-20 フィンガープリント カーズ アーベー 生体認証デバイス及び方法
US8942438B2 (en) * 2010-07-19 2015-01-27 The University Of Maryland, College Park Method and apparatus for authenticating swipe biometric scanners
US20140111667A1 (en) 2011-05-30 2014-04-24 Alexander Hunt Camera unit
US9715616B2 (en) * 2012-06-29 2017-07-25 Apple Inc. Fingerprint sensing and enrollment
US9202099B2 (en) * 2012-06-29 2015-12-01 Apple Inc. Fingerprint sensing and enrollment
JP5971089B2 (ja) * 2012-11-14 2016-08-17 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム
GB2514595B (en) * 2013-05-30 2017-10-18 Imp Innovations Ltd Method and apparatus for estimating frequency domain representation of signals
US9552525B2 (en) * 2013-09-08 2017-01-24 Apple Inc. Noise reduction in biometric images
SE1351489A1 (sv) * 2013-12-12 2015-06-13 Fingerprint Cards Ab Fingeravtrycksavkänningssystem och -metod
KR101529033B1 (ko) * 2014-02-14 2015-06-18 크루셜텍 (주) 극소 센싱 영역을 포함하는 전자 장치 및 이의 지문 정보 프로세싱 방법
US9195878B2 (en) * 2014-02-21 2015-11-24 Fingerprint Cards Ab Method of controlling an electronic device
US10068118B2 (en) * 2014-02-25 2018-09-04 Tara Chand Singhal Apparatus and method for a biometric sensor in a handheld mobile wireless communication device
US9152841B1 (en) * 2014-03-24 2015-10-06 Fingerprint Cards Ab Capacitive fingerprint sensor with improved sensing element
US9519819B2 (en) * 2014-07-14 2016-12-13 Fingerprint Cards Ab Method and electronic device for noise mitigation
SE1551049A1 (en) * 2015-07-29 2017-01-30 Fingerprint Cards Ab Acquisition of a fingerprint image

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020146178A1 (en) * 2000-09-01 2002-10-10 International Business Machines Corporation System and method for fingerprint image enchancement using partitioned least-squared filters
CN102629316B (zh) * 2011-11-25 2013-12-18 浙江外国语学院 自动指纹识别技术中的图像增强方法
US20140015774A1 (en) * 2012-07-13 2014-01-16 Apple Inc. Redundant Sensing Element Sampling

Also Published As

Publication number Publication date
EP3170124A1 (en) 2017-05-24
CN105706111B (zh) 2019-07-09
US20160012271A1 (en) 2016-01-14
US9779281B2 (en) 2017-10-03
TW201602921A (zh) 2016-01-16
EP3170124A4 (en) 2018-03-07
US20170091525A1 (en) 2017-03-30
JP2017525037A (ja) 2017-08-31
JP6681382B2 (ja) 2020-04-15
KR20170030480A (ko) 2017-03-17
WO2016010470A1 (en) 2016-01-21
US9519819B2 (en) 2016-12-13
KR101875051B1 (ko) 2018-07-05
CN105706111A (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
TWI596551B (zh) 用於雜訊減輕之方法及電子裝置
US9202099B2 (en) Fingerprint sensing and enrollment
US9715616B2 (en) Fingerprint sensing and enrollment
US9141845B2 (en) Method and apparatus for authenticating area biometric scanners
CN105144232B (zh) 图像去噪方法和系统
CN105814586B (zh) 指纹注册方法、指纹识别系统、以及电子设备
US20180101710A1 (en) Method and apparatus for recognizing fingerprint ridge point
US9741101B2 (en) Electronic device including sub-array based deblurring of a blurred finger image and related methods
EP3674973A1 (en) Method and apparatus with liveness detection and object recognition
EP2148303A1 (en) Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure
US20150146943A1 (en) Method of recognizing contactless fingerprint and electronic device for performing the same
CN107315935B (zh) 一种多指纹的识别方法及装置
EP3786837B1 (en) Electronic apparatus and method of processing fingerprint image
KR101537211B1 (ko) 상이한 지문 입력 방식을 지원하는 지문 인증 방법 및 전자 장치
CN107408208B (zh) 用于对用户的生物测量进行分析的方法和指纹感测系统
US20170177918A1 (en) Electronic device including movement based artifact removal and related methods
CN109690560A (zh) 具有不同电容式配置的指纹感测
Su et al. Toward Model-Independent Separative Training for Deep Hyperspectral Anomaly Detection With Mask Guidance
WO2025129429A1 (en) Force-compensated fingerprint imaging for flexible device implementations
JP4985603B2 (ja) 指紋入力装置、その方法及びそのプログラム
HK1234524B (zh) 用於评估图像中的边界的存在的方法和装置