WO2024252543A1 - 画像処理装置、画像処理方法、及び画像処理プログラム - Google Patents

画像処理装置、画像処理方法、及び画像処理プログラム Download PDF

Info

Publication number
WO2024252543A1
WO2024252543A1 PCT/JP2023/021099 JP2023021099W WO2024252543A1 WO 2024252543 A1 WO2024252543 A1 WO 2024252543A1 JP 2023021099 W JP2023021099 W JP 2023021099W WO 2024252543 A1 WO2024252543 A1 WO 2024252543A1
Authority
WO
WIPO (PCT)
Prior art keywords
biometric
image
image processing
vein
pattern
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2023/021099
Other languages
English (en)
French (fr)
Inventor
壮一 ▲浜▼
登樹 安部
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to PCT/JP2023/021099 priority Critical patent/WO2024252543A1/ja
Publication of WO2024252543A1 publication Critical patent/WO2024252543A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

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
    • G06V40/14—Vascular patterns

Definitions

  • the present invention relates to image processing technology.
  • Biometric authentication is a technology that uses biometric characteristics such as fingerprints, faces, and veins to verify a person's identity.
  • Vein authentication which uses veins to verify a person's identity, is a technology that acquires a vein pattern from a vein image taken of the subcutaneous veins in the palm of the hand, etc., and uses the vein pattern to authenticate the person.
  • Vein patterns are biometric information from within the human body, and therefore have the advantage of being more secure than fingerprints, faces, etc.
  • an image processing method that can generate image data that extracts a biological blood vessel pattern data with high accuracy (see, for example, Patent Document 1).
  • a vein authentication method is also known that can reduce the effects of surface reflection while realizing a smaller, less expensive device (see, for example, Patent Document 2).
  • a skin surface observation device is also known that can clearly observe the skin condition of an observed surface, such as the facial skin surface or scalp surface, using a single skin surface observation camera, regardless of the brightness of the observed surface (see, for example, Patent Document 3).
  • a skin color measurement device is also known that performs highly accurate measurements of pigment components such as melanin and hemoglobin that contribute to skin color (see, for example, Patent Document 4).
  • An information pattern detection device is also known that can accurately detect a person's vein pattern without being affected by dirt, wrinkles, etc. (see, for example, Patent Document 5).
  • JP 2006-53773 A International Publication No. 2013/088566 JP 2002-112970 A JP 2002-200050 A Japanese Patent Application Publication No. 11-203452
  • vein authentication the accuracy of extracting vein patterns can be reduced due to surface information obtained from light reflected on the surface of the body.
  • the present invention aims to improve the extraction accuracy of biometric features extracted from biometric images.
  • the image processing device includes a sharpening unit and an extraction unit.
  • the sharpening unit generates a second biometric image by performing a sharpening process on a first biometric image in which a living body is depicted.
  • the extraction unit extracts biometric features included in the first biometric image by performing image processing using the first biometric image and the second biometric image.
  • biometric features extracted from a biometric image it is possible to improve the extraction accuracy of biometric features extracted from a biometric image.
  • FIG. 1 is a functional configuration diagram of an image processing apparatus according to an embodiment.
  • 13 is a flowchart of a biometric feature extraction process.
  • FIG. 2 is a functional configuration diagram of the biometric information registration device.
  • FIG. 13 is a diagram illustrating an averaging process.
  • FIG. 13 is a diagram illustrating a deconvolution process.
  • FIG. 11 is a diagram illustrating a vein pattern extraction process.
  • 11 is a flowchart of a first biometric information registration process.
  • 13 is a flowchart of a second biometric information registration process.
  • FIG. 2 is a functional configuration diagram of the biometric authentication device.
  • 11 is a flowchart of a first biometric authentication process.
  • 13 is a flowchart of a second biometric authentication process.
  • FIG. 2 is a hardware configuration diagram of an information processing device.
  • vein authentication In vein authentication, light is shone onto a living body part such as the palm of the hand, and the veins under the skin are photographed.
  • the light used is often near-infrared light, which can reach inside the body. Since the body has a multi-layered structure consisting of the skin and internal structure, the way the body appears can be represented by a dichromatic reflection model.
  • FIG. 2 is a flowchart showing an example of a biometric feature extraction process performed by the image processing device 101 of FIG. 1.
  • the sharpening unit 111 performs sharpening processing on a first biometric image showing a living body, thereby generating a second biometric image (step 201).
  • the extraction unit 112 extracts biometric features included in the first biometric image by image processing using the first biometric image and the second biometric image (step 202).
  • the acquisition unit 311 is, for example, a vein sensor or an image sensor.
  • the vein sensor and image sensor are hardware imaging devices that capture images of a living body and acquire captured image 321.
  • the vein sensor includes a near-infrared camera that irradiates near-infrared light onto the living body and acquires a near-infrared image of the living body as captured image 321.
  • the image sensor is a visible light camera that acquires a visible light image of the living body as captured image 321.
  • the noise removal unit 312 removes noise from surface information such as wrinkles and palm lines from the captured image 321 to generate a vein image 322-1, which is stored in the storage unit 317.
  • the noise removal unit 312 can remove noise from surface information using the technology of Patent Document 2, for example.
  • the vein image 322-1 corresponds to the first biometric image.
  • the biometric information registration device 301 may also remove noise from the surface information using the techniques described in Patent Documents 3 to 5.
  • the sharpening unit 313 performs a sharpening process on the vein image 322-1 to generate a vein image 322-2 in which unclear veins in the vein image 322-1 are sharpened, and stores the vein image 322-2 in the storage unit 317.
  • a sharpening process for example, an averaging process, a deconvolution process, or the sharpening process described in Patent Document 1 can be used.
  • the vein image 322-2 corresponds to the second biometric image.
  • averaging When averaging is used, multiple captured images 321 are acquired, and a vein image 322-1 is generated from each captured image 321.
  • the sharpening unit 313 then generates a vein image 322-2 by averaging the pixel values of each of the multiple generated vein images 322-1 pixel by pixel. This reduces noise around the veins in the vein image 322-1, making the contours of the veins clearer.
  • Figure 4 shows an example of averaging processing using a palm vein image.
  • Each of vein images 401-1 to 401-N (N is an integer equal to or greater than 2) corresponds to vein image 322-1.
  • Vein image 402 is generated by averaging the pixel values of each of vein images 401-1 to 401-N for each pixel.
  • Vein image 402 corresponds to vein image 322-2.
  • Deconvolution processing is a process used to remove blurring.
  • the sharpening unit 313 uses deconvolution processing to sharpen the blurred lines in the vein image 322-1, thereby generating the vein image 322-2.
  • the Richardson-Lucy algorithm described in Non-Patent Document 1 or a Wiener filter can be used as an algorithm for the deconvolution process.
  • the Richardson-Lucy algorithm is an algorithm devised to remove blurring caused by the effects of the atmosphere from astronomical observation images, and is also effective when observing blood vessels through a semi-transparent diffusing object such as skin.
  • FIG. 5 shows an example of deconvolution processing using a palm vein image.
  • Vein image 501 corresponds to vein image 322-1.
  • Solid lines in vein image 501 represent clear surface information, while dashed lines represent unclear veins.
  • Vein image 502 is generated by sharpening the blurred lines of the veins shown in vein image 501.
  • Vein image 502 corresponds to vein image 322-2.
  • the pattern extraction unit 314 extracts biometric pattern 323-1 from the pre-sharpening vein image 322-1, extracts biometric pattern 323-2 from the sharpened vein image 322-2, and stores biometric pattern 323-1 and biometric pattern 323-2 in the storage unit 317.
  • Biometric pattern 323-1 is an example of a first biometric characteristic
  • biometric pattern 323-2 is an example of a second biometric characteristic.
  • the pattern extraction unit 314 can extract the biometric patterns 323-1 and 323-2 using, for example, a ridge filter.
  • a ridge filter is a filter that detects linear patterns such as blood vessels and wrinkles.
  • a Frangi filter or a Meijering filter can be used as the ridge filter.
  • the sensitivity of the line width relative to the image size can be specified as a parameter. Therefore, the value of this parameter is adjusted in advance so that the ridge filter responds strongly to dark wrinkles and weakly to blurred veins.
  • the difference extraction unit 315 obtains the difference between the biometric pattern 323-2 and the biometric pattern 323-1 as the vein pattern 324, and stores this in the storage unit 317.
  • the difference extraction unit 315 obtains the vein pattern 324 by removing the linear pattern included in the biometric pattern 323-1 from the linear pattern included in the biometric pattern 323-2.
  • the processing performed by the pattern extraction unit 314 and the difference extraction unit 315 corresponds to image processing using the first biometric image and the second biometric image, and the vein pattern 324 corresponds to the biometric features included in the first biometric image.
  • Figure 6 shows an example of vein pattern extraction processing using a palm vein image.
  • Vein image 601-1 before sharpening and vein image 601-2 after sharpening correspond to vein image 322-1 and vein image 322-2, respectively.
  • the solid lines in vein image 601-1 represent sharp surface information, and the dashed lines represent unclear veins.
  • a surface information biometric pattern 602-1 is extracted from vein image 601-1, and a vein and surface information biometric pattern 602-2 is extracted from vein image 601-2. Then, a vein pattern 603 is generated by removing the linear pattern contained in biometric pattern 602-1 from the linear pattern contained in biometric pattern 602-2. Vein pattern 603 corresponds to vein pattern 324.
  • the difference between biometric pattern 602-2 and biometric pattern 602-1 can be calculated to accurately remove surface information contained in captured biometric image 321.
  • the registration unit 316 generates registered biometric information 325 by associating the characteristic information of the vein pattern 324 with the identification information of the person to be registered, and stores the information in the storage unit 317.
  • the registration unit 316 then transmits the registered biometric information 325 to a biometric authentication device or a database server.
  • the database server is a server that stores the registered biometric information 325 of each of the multiple people to be registered.
  • the biometric information registration device 301 in FIG. 3 can accurately remove surface information contained in a captured image 321 of a living body, improving the accuracy of extraction of the vein pattern 324 extracted from the captured image 321. Therefore, it is possible to generate registered biometric information 325 including a highly accurate vein pattern 324.
  • FIG. 7 is a flowchart showing an example of the first biometric information registration process performed by the biometric information registration device 301 of FIG. 3.
  • the acquisition unit 311 acquires a captured image 321 of the body of the person to be registered (step 701), and the noise removal unit 312 removes noise from the surface information from the captured image 321 to generate a vein image 322-1 (step 702).
  • the sharpening unit 313 performs sharpening processing on the vein image 322-1 to generate the vein image 322-2 (step 703).
  • the pattern extraction unit 314 then extracts the biometric pattern 323-1 from the vein image 322-1 (step 704) and extracts the biometric pattern 323-2 from the vein image 322-2 (step 705).
  • the processing of step 704 may be performed in parallel with the processing of steps 703 and 705.
  • the biometric information registration device 301 can also obtain the vein pattern 324 from the difference between vein images 322-2 and 322-1.
  • the pattern extraction unit 314 extracts a biometric pattern from the generated difference image and stores the extracted biometric pattern in the storage unit 317 as a vein pattern 324.
  • the processing performed by the difference extraction unit 315 and the pattern extraction unit 314 corresponds to image processing using the first biometric image and the second biometric image.
  • This type of vein pattern extraction process can accurately remove surface information contained in the captured image 321 of the living body by calculating the difference between vein image 322-2 and vein image 322-1.
  • FIG. 8 is a flowchart showing an example of the second biometric information registration process performed by the biometric information registration device 301 in FIG. 3.
  • the processes in steps 801 to 803 are similar to the processes in steps 701 to 703 in FIG. 7.
  • step 803 the difference extraction unit 315 obtains the difference between the vein image 322-2 and the vein image 322-1 (step 804). Then, the pattern extraction unit 314 extracts the vein pattern 324 from the obtained difference (step 805).
  • step 806 is the same as the processing of step 707 in FIG. 7.
  • FIG. 9 shows an example of the functional configuration of a biometric authentication device including the image processing device 101 of FIG. 1.
  • the biometric authentication device 901 of FIG. 9 has a configuration in which the registration unit 316 in the biometric information registration device 301 of FIG. 3 is replaced with an authentication unit 911.
  • the biometric authentication device 901 may also remove noise from the surface information using the techniques described in Patent Documents 3 to 5.
  • the difference extraction unit 315 obtains the difference between the biometric pattern 923-2 and the biometric pattern 923-1 as the vein pattern 924 and stores it in the memory unit 317.
  • the processing performed by the pattern extraction unit 314 and the difference extraction unit 315 corresponds to image processing using the first biometric image and the second biometric image, and the vein pattern 924 corresponds to the biometric features included in the first biometric image.
  • the authentication unit 911 uses the vein pattern 924 and the registered template 925 to authenticate the biometrics of the person to be authenticated.
  • the authentication unit 911 calculates the similarity between the feature information of the vein pattern 924 and the feature information included in the registered biometric information 325 of each registered person. If the similarity to any registered person is greater than a threshold, the authentication unit 911 determines that the authentication has been successful, and if the similarity to any registered person is equal to or less than the threshold, the authentication unit 911 determines that the authentication has failed. The authentication unit 911 then outputs an authentication result indicating whether the authentication was successful or unsuccessful.
  • the biometric authentication device 901 in FIG. 9 can accurately remove surface information contained in a captured image 921 of a living body, improving the accuracy of extraction of a vein pattern 924 extracted from the captured image 921. This improves the authentication accuracy of vein authentication using the vein pattern 924.
  • FIG. 10 is a flowchart showing an example of the first biometric authentication process performed by the biometric authentication device 901 of FIG. 9.
  • the acquisition unit 311 acquires a captured image 921 of the body of the person to be authenticated (step 1001), and the noise removal unit 312 removes noise from the surface information from the captured image 921 to generate a vein image 922-1 (step 1002).
  • the sharpening unit 313 performs sharpening processing on the vein image 922-1 to generate the vein image 922-2 (step 1003).
  • the pattern extraction unit 314 extracts the biometric pattern 923-1 from the vein image 922-1 (step 1004) and extracts the biometric pattern 923-2 from the vein image 922-2 (step 1005).
  • the processing of step 1004 may be performed in parallel with the processing of steps 1003 and 1005.
  • the difference extraction unit 315 obtains the difference between the biometric pattern 923-2 and the biometric pattern 923-1 as the vein pattern 924 (step 1006).
  • the authentication unit 911 uses the vein pattern 924 and the registered template 925 to authenticate the biometrics of the person to be authenticated, and outputs the authentication result (step 1007).
  • the biometric authentication device 901 can also obtain the vein pattern 924 from the difference between vein images 922-2 and 922-1.
  • the difference extraction unit 315 finds the difference between the vein image 922-2 and the vein image 922-1, and generates a difference image.
  • the pattern extraction unit 314 extracts a biometric pattern from the generated difference image, and stores the extracted biometric pattern in the storage unit 317 as the vein pattern 924.
  • the processing performed by the difference extraction unit 315 and the pattern extraction unit 314 corresponds to image processing using the first biometric image and the second biometric image.
  • FIG. 11 is a flowchart showing an example of the second biometric authentication process performed by the biometric authentication device 901 in FIG. 9.
  • the processes in steps 1101 to 1103 are similar to the processes in steps 1001 to 1003 in FIG. 10.
  • step 1103 When the processing of step 1103 is completed, the difference extraction unit 315 obtains the difference between the vein image 922-2 and the vein image 922-1 (step 1104). Then, the pattern extraction unit 314 extracts the vein pattern 924 from the obtained difference (step 1105).
  • the processing of step 1106 is the same as the processing of step 1007 in FIG. 10.
  • the configuration of the image processing device 101 in FIG. 1 is merely an example, and some of the components may be omitted or modified depending on the application or conditions of the image processing device 101.
  • the configurations of the biometric information registration device 301 in FIG. 3 and the biometric authentication device 901 in FIG. 9 are merely examples, and some components may be omitted or changed depending on the application or conditions of the biometric information registration device 301 or the biometric authentication device 901. For example, if there is no need to remove noise from the surface information from the captured image, the noise removal unit 312 in FIG. 3 and FIG. 9 can be omitted.
  • the palm vein images shown in Figures 4 to 6 are merely examples, and the palm vein images will change depending on the person being registered or authenticated.
  • FIG. 12 shows an example of the hardware configuration of an information processing device (computer) used as the image processing device 101 in FIG. 1, the biometric information registration device 301 in FIG. 3, and the biometric authentication device 901 in FIG. 9.
  • the information processing device of FIG. 12 includes a CPU (Central Processing Unit) 1201, a memory 1202, an input device 1203, an output device 1204, an auxiliary storage device 1205, a media drive device 1206, and a network connection device 1207. These components are hardware and are connected to each other by a bus 1208.
  • the acquisition unit 311 of FIG. 3 and FIG. 9 may be a hardware sensor connected to the bus 1208.
  • Memory 1202 is, for example, a semiconductor memory such as a ROM (Read Only Memory), a RAM (Random Access Memory), or a flash memory, and stores programs and data used in processing. Memory 1202 may operate as memory unit 317 in FIG. 3 and FIG. 9.
  • the CPU 1201 (processor) operates as the sharpening unit 111 and extraction unit 112 in FIG. 1, for example, by executing a program using the memory 1202.
  • the CPU 1201 also operates as the noise removal unit 312, the sharpening unit 313, the pattern extraction unit 314, and the difference extraction unit 315 in FIG. 3 and FIG. 9 by executing a program using the memory 1202.
  • the CPU 1201 also operates as the registration unit 316 in FIG. 3 by executing a program using the memory 1202.
  • the CPU 1201 also operates as the authentication unit 911 in FIG. 9 by executing a program using the memory 1202.
  • the input device 1203 is, for example, a keyboard, a pointing device, etc., and is used to input instructions or information from a user or operator.
  • the output device 1204 is, for example, a display device, a printer, a speaker, etc., and is used to output inquiries or processing results to a user or operator.
  • the processing result may be an authentication result.
  • the auxiliary storage device 1205 is, for example, a magnetic disk device, an optical disk device, a magneto-optical disk device, a tape device, etc.
  • the auxiliary storage device 1205 may be a hard disk drive or an SSD (Solid State Drive).
  • the information processing device can store programs and data in the auxiliary storage device 1205 and load them into the memory 1202 for use.
  • the auxiliary storage device 1205 may operate as the storage unit 317 in Figures 3 and 9.
  • the medium drive device 1206 drives the portable recording medium 1209 and accesses the recorded contents.
  • the portable recording medium 1209 is a memory device, a flexible disk, an optical disk, a magneto-optical disk, etc.
  • the portable recording medium 1209 may be a CD-ROM (Compact Disk Read Only Memory), a DVD (Digital Versatile Disk), a USB (Universal Serial Bus) memory, etc.
  • a user or operator can store programs and data in the portable recording medium 1209 and load them into the memory 1202 for use.
  • the computer-readable recording medium that stores the programs and data used in the processing is a physical (non-transitory) recording medium such as memory 1202, auxiliary storage device 1205, or portable recording medium 1209.
  • the network connection device 1207 is a communication interface circuit that is connected to a communication network such as a WAN (Wide Area Network) or a LAN (Local Area Network) and performs data conversion associated with communication.
  • the information processing device can receive programs and data from an external device via the network connection device 1207 and load them into the memory 1202 for use.
  • the information processing device does not need to include all of the components in FIG. 12, and some components may be omitted or modified depending on the application or conditions. For example, if an interface with a user or operator is not required, the input device 1203 and the output device 1204 may be omitted. If the information processing device does not use a portable recording medium 1209 or a communication network, the medium drive device 1206 or the network connection device 1207 may be omitted.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

鮮明化部は、生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成する。抽出部は、第１生体画像と第２生体画像とを用いた画像処理により、第１生体画像に含まれる生体特徴を抽出する。

Description

画像処理装置、画像処理方法、及び画像処理プログラム
　本発明は、画像処理技術に関する。
　生体認証は、指紋、顔、静脈等の生体特徴を用いて本人確認を行う技術である。このうち、静脈を用いて本人確認を行う静脈認証は、手のひら等の皮下の静脈を撮影した静脈画像から静脈パターンを取得し、静脈パターンを用いて認証を行う技術である。静脈パターンは、人間の体内の生体情報であるため、指紋、顔等と比較して安全性が高いという特徴がある。
　生体認証に関して、生体の血管パターンデータを高精度に抽出した画像データを生成できる画像処理方法が知られている（例えば、特許文献１を参照）。表面反射の影響を低減しつつ、装置の小型化及び低コストを実現できる静脈認証方法も知られている（例えば、特許文献２を参照）。
　１台の皮膚表面観察カメラを使用して顔の皮膚表面や頭皮の表面の被観察表面の明暗に関係なしに被観察表面の皮膚状態を鮮明に観察することができる皮膚表面観察装置も知られている（例えば、特許文献３を参照）。肌色に寄与するメラニン成分、ヘモグロビン成分等の色素成分の精度の高い計測を行う肌色測定装置も知られている（例えば、特許文献４を参照）。人の静脈パターンを、汚れ、皺等の影響なく精度よく検出する情報パターン検出装置も知られている（例えば、特許文献５を参照）。
　リチャードソン－ルーシー（Richardson-Lucy）アルゴリズムによるデコンボリューションも知られている（例えば、非特許文献１を参照）。Frangiフィルタも知られている（例えば、非特許文献２を参照）。
特開２００６－５３７７３号公報 国際公開第２０１３／０８８５６６号 特開２００２－１１２９７０号公報 特開２００２－２０００５０号公報 特開平１１－２０３４５２号公報
D.　A.　Fish　et　al.,　"Blind　deconvolution　by　means　of　the　Richardson-Lucy　algorithm",　Journal　of　the　Optical　Society　of　America　A,　Vol.　12,　No.　1,　pages　58-65,　1995. A.　F.　Frangi　et　al.,　"Multiscale　Vessel　Enhancement　Filtering",　In　Medical　Image　Computing　and　Computer-Assisted　Intervention　-　MICCAI'98,　Lecture　Notes　in　Computer　Science,　vol.　1496,　pages　130-137,　1998.
　静脈認証では、生体の表面で反射する光から得られる表面情報によって、静脈パターンの抽出精度が低下することがある。
　なお、かかる問題は、静脈認証に限らず、様々な生体特徴を用いた生体認証において生ずるものである。
　１つの側面において、本発明は、生体画像から抽出される生体特徴の抽出精度を向上させることを目的とする。
　１つの案では、画像処理装置は、鮮明化部及び抽出部を含む。鮮明化部は、生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成する。抽出部は、第１生体画像と第２生体画像とを用いた画像処理により、第１生体画像に含まれる生体特徴を抽出する。
　１つの側面によれば、生体画像から抽出される生体特徴の抽出精度を向上させることができる。
実施形態の画像処理装置の機能的構成図である。 生体特徴抽出処理のフローチャートである。 生体情報登録装置の機能的構成図である。 加算平均処理を示す図である。 デコンボリューション処理を示す図である。 静脈パターン抽出処理を示す図である。 第１の生体情報登録処理のフローチャートである。 第２の生体情報登録処理のフローチャートである。 生体認証装置の機能的構成図である。 第１の生体認証処理のフローチャートである。 第２の生体認証処理のフローチャートである。 情報処理装置のハードウェア構成図である。
　以下、図面を参照しながら、実施形態を詳細に説明する。
　静脈認証では、手のひら等の生体に光を照射して、皮下の静脈が撮影される。照射する光としては、生体内部まで到達する近赤外光が用いられることが多い。生体は皮膚と内部構造からなる多層構造を有するため、生体の見え方は、二色性反射モデルで表現することができる。
　二色性反射モデルでは、物体に光を照射した場合の戻り光は、物体の表面で反射する光と物体の内部で拡散してから戻る光とが混ざり合った光となる。このため、生体に光を照射して観測すると、表面で反射する光と内部で散乱してから戻る光の両方が観測される。静脈は皮下にあるため、内部で散乱して戻る光を観測することで、静脈パターンが得られる。一方、表面で反射する光から得られる表面情報には、皺、手相等の生体パターンが含まれており、静脈パターンの情報は含まれていない。
　表面情報は、照明の当たり方等の観測条件によって見え方が異なる場合があり、長期的に変化する場合もある。このため、表面情報は、静脈認証における本人拒否率を大きくする要因となる。また、手のひらの表面情報である手相のような大きな生体パターンは、個人間で似通った形状を取ることがあるため、静脈認証における他人受入れ率を大きくする要因となる。したがって、静脈認証を行う際には、表面情報をできる限り取り除くことが望ましい。
　特許文献２の技術では、空間周波数によって皺と静脈を分離することで、撮影画像から表面情報が取り除かれる。しかし、手相のような生体パターンの太さは静脈の太さと近いため、空間周波数による明確な分離は困難である。
　特許文献３及び特許文献４の技術では、撮影時に偏光フィルタを用いることで、皺のような表面情報が取り除かれる。しかし、人によって皺又は手相に色素が沈着している場合もある。この場合、表面から皮下のやや浅い領域まで色素が入り込んでいるため、偏光フィルタでは皺又は手相の表面情報を完全に取り除くことが難しい。
　特許文献５の技術では、可視光画像と近赤外画像とを同時に撮影し、可視光画像を用いて近赤外画像の表面情報が取り除かれる。しかし、このような特殊な撮像系を用いる構成では、装置コストが高くなる。
　撮影される生体が指である場合、第１関節よりも先にある指先部分の指紋の溝に色素が沈着したり、汚れが付着したりすることがある。したがって、手のひらの場合と同様に、表面情報が静脈認証における本人拒否率又は他人受入れ率を大きくする要因となり得る。
　図１は、実施形態の画像処理装置の機能的構成例を示している。図１の画像処理装置１０１は、鮮明化部１１１及び抽出部１１２を含む。
　図２は、図１の画像処理装置１０１が行う生体特徴抽出処理の例を示すフローチャートである。まず、鮮明化部１１１は、生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成する（ステップ２０１）。次に、抽出部１１２は、第１生体画像と第２生体画像とを用いた画像処理により、第１生体画像に含まれる生体特徴を抽出する（ステップ２０２）。
　図１の画像処理装置１０１によれば、生体画像から抽出される生体特徴の抽出精度を向上させることができる。
　皺、手相等の表面情報は生体の表層近くに存在するため、静脈認証における撮影画像では、鮮明な生体パターンとして観測される。一方、静脈パターンは、皮下１～２ｍｍの深さにある静脈を皮膚を通して観測することで得られるため、輪郭がぼやけた不鮮明な生体パターンとして観測される。したがって、表面情報と静脈パターンとでは、見え方に差異がある。
　このような差異に着目して、実施形態では、撮影画像に鮮明化処理を施し、鮮明化処理の前後の生体パターンを比較することで、鮮明化後の生体パターンから表面情報を分離する。鮮明化処理を施すことで不鮮明な静脈パターンは鮮明になるが、鮮明な表面情報は変化しない。このため、鮮明化後の生体パターンから鮮明化前の生体パターンを取り除くことで、鮮明になった静脈パターンだけを残すことができる。
　図３は、図１の画像処理装置１０１を含む生体情報登録装置の機能的構成例を示している。図３の生体情報登録装置３０１は、取得部３１１、ノイズ除去部３１２、鮮明化部３１３、パターン抽出部３１４、差分抽出部３１５、登録部３１６、及び記憶部３１７を含む。
　鮮明化部３１３は、図１の鮮明化部１１１に対応し、パターン抽出部３１４及び差分抽出部３１５は、図１の抽出部１１２に対応する。
　取得部３１１は、登録対象者の生体の撮影画像３２１を取得して、記憶部３１７に格納する。撮影画像３２１は、例えば、登録対象者の手のひら又は指紋の静脈画像である。撮影画像３２１は、登録対象者の他の身体部位の静脈画像であってもよい。
　取得部３１１は、例えば、静脈センサ又は画像センサである。静脈センサ及び画像センサは、ハードウェアの撮像装置であり、生体を撮影して撮影画像３２１を取得する。静脈センサは、近赤外カメラを含み、生体に近赤外光を照射して、生体の近赤外画像を撮影画像３２１として取得する。画像センサは、可視光カメラであり、生体の可視光画像を撮影画像３２１として取得する。
　ノイズ除去部３１２は、撮影画像３２１から、皺、手相等の表面情報のノイズを除去することで、静脈画像３２２－１を生成して、記憶部３１７に格納する。ノイズ除去部３１２は、例えば、特許文献２の技術を用いて表面情報のノイズを除去することができる。静脈画像３２２－１は、第１生体画像に対応する。
　撮影画像３２１から表面情報のノイズを除去することで、撮影画像３２１に含まれる静脈パターンを容易に抽出することが可能になる。ただし、表面情報の一部は除去されずに、静脈画像３２２－１内に残っている。
　なお、生体情報登録装置３０１は、特許文献３～特許文献５の技術を用いて表面情報のノイズを除去してもよい。
　鮮明化部３１３は、静脈画像３２２－１に対して鮮明化処理を行うことで、静脈画像３２２－１に写っている不鮮明な静脈が鮮明化された静脈画像３２２－２を生成して、記憶部３１７に格納する。鮮明化処理としては、例えば、加算平均処理、デコンボリューション処理、又は特許文献１に記載された鮮鋭化処理を用いることができる。静脈画像３２２－２は、第２生体画像に対応する。
　加算平均処理を用いる場合、複数の撮影画像３２１が取得され、各撮影画像３２１から静脈画像３２２－１が生成される。そして、鮮明化部３１３は、生成された複数の静脈画像３２２－１それぞれの画素値を画素毎に加算平均することで、静脈画像３２２－２を生成する。これにより、静脈画像３２２－１に写っている静脈周辺のノイズが削減され、静脈の輪郭が鮮明になる。
　図４は、手のひらの静脈画像を用いた加算平均処理の例を示している。静脈画像４０１－１～静脈画像４０１－Ｎ（Ｎは２以上の整数）各々は、静脈画像３２２－１に対応する。各静脈画像４０１－ｉ（ｉ＝１～Ｎ）に含まれる実線は、鮮明な表面情報を表し、破線は、不鮮明な静脈を表す。静脈画像４０１－１～静脈画像４０１－Ｎそれぞれの画素値を画素毎に加算平均することで、静脈画像４０２が生成される。静脈画像４０２は、静脈画像３２２－２に対応する。
　デコンボリューション処理は、ブレを除去する際に使用される処理である。鮮明化部３１３は、静脈画像３２２－１に写っているぼやけた線を、デコンボリューション処理により鮮明化することで、静脈画像３２２－２を生成する。
　デコンボリューション処理のアルゴリズムとしては、例えば、非特許文献１に記載されたリチャードソン－ルーシーアルゴリズム、又はウィーナーフィルタ（Wiener　filter）を用いることができる。リチャードソン－ルーシーアルゴリズムは、天体観測画像から大気の影響によるブレを除去するために考案されたアルゴリズムであり、皮膚のような半透明の拡散物体を通して血管を観測する際にも有効に作用する。
　図５は、手のひらの静脈画像を用いたデコンボリューション処理の例を示している。静脈画像５０１は、静脈画像３２２－１に対応する。静脈画像５０１に含まれる実線は、鮮明な表面情報を表し、破線は、不鮮明な静脈を表す。静脈画像５０１に写っている静脈のぼやけた線を鮮明化することで、静脈画像５０２が生成される。静脈画像５０２は、静脈画像３２２－２に対応する。
　パターン抽出部３１４は、鮮明化前の静脈画像３２２－１から生体パターン３２３－１を抽出し、鮮明化後の静脈画像３２２－２から生体パターン３２３－２を抽出して、生体パターン３２３－１及び生体パターン３２３－２を記憶部３１７に格納する。生体パターン３２３－１は、第１生体特徴の一例であり、生体パターン３２３－２は、第２生体特徴の一例である。
　パターン抽出部３１４は、例えば、リッジフィルタ（Ridge　filter）を用いて、生体パターン３２３－１及び生体パターン３２３－２を抽出することができる。リッジフィルタは、血管、皺等の線状パターンを検出するフィルタである。リッジフィルタとしては、例えば、Frangiフィルタ又はMeijeringフィルタを用いることができる。
　リッジフィルタでは、画像サイズに対する線幅の感度をパラメータとして指定することができる。そこで、リッジフィルタが濃い皺に強く反応し、ぼやけた静脈に弱く反応するように、このパラメータの値を予め調整しておく。これにより、パターン抽出部３１４は、鮮明化前の静脈画像３２２から表面情報の生体パターンのみを抽出し、鮮明化後の静脈画像３２２－２から、静脈パターン及び表面情報の生体パターンの両方を抽出することができる。
　差分抽出部３１５は、生体パターン３２３－２と生体パターン３２３－１との差分を、静脈パターン３２４として求め、記憶部３１７に格納する。差分抽出部３１５は、生体パターン３２３－２に含まれる線状パターンから、生体パターン３２３－１に含まれる線状パターンを取り除くことで、静脈パターン３２４を求める。
　パターン抽出部３１４及び差分抽出部３１５が行う処理は、第１生体画像と第２生体画像とを用いた画像処理に対応し、静脈パターン３２４は、第１生体画像に含まれる生体特徴に対応する。
　図６は、手のひらの静脈画像を用いた静脈パターン抽出処理の例を示している。鮮明化前の静脈画像６０１－１及び鮮明化後の静脈画像６０１－２は、静脈画像３２２－１及び静脈画像３２２－２にそれぞれ対応する。静脈画像６０１－１に含まれる実線は、鮮明な表面情報を表し、破線は、不鮮明な静脈を表す。
　静脈画像６０１－１から、表面情報の生体パターン６０２－１が抽出され、静脈画像６０１－２から、静脈及び表面情報の生体パターン６０２－２が抽出される。そして、生体パターン６０２－２に含まれる線状パターンから、生体パターン６０２－１に含まれる線状パターンを取り除くことで、静脈パターン６０３が生成される。静脈パターン６０３は、静脈パターン３２４に対応する。
　図６の静脈パターン抽出処理によれば、生体パターン６０２－２と生体パターン６０２－１との差分を求めることで、生体の撮影画像３２１に含まれる表面情報を的確に除去することができる。
　登録部３１６は、静脈パターン３２４の特徴情報を登録対象者の識別情報と対応付けることで、登録生体情報３２５を生成して、記憶部３１７に格納する。そして、登録部３１６は、登録生体情報３２５を生体認証装置又はデータベースサーバへ送信する。データベースサーバは、複数の登録対象者それぞれの登録生体情報３２５を記憶するサーバである。
　図３の生体情報登録装置３０１によれば、生体の撮影画像３２１に含まれる表面情報を的確に除去することができるため、撮影画像３２１から抽出される静脈パターン３２４の抽出精度が向上する。したがって、高精度な静脈パターン３２４を含む登録生体情報３２５を生成することができる。
　図７は、図３の生体情報登録装置３０１が行う第１の生体情報登録処理の例を示すフローチャートである。まず、取得部３１１は、登録対象者の生体の撮影画像３２１を取得し（ステップ７０１）、ノイズ除去部３１２は、撮影画像３２１から表面情報のノイズを除去することで、静脈画像３２２－１を生成する（ステップ７０２）。
　次に、鮮明化部３１３は、静脈画像３２２－１に対して鮮明化処理を行うことで、静脈画像３２２－２を生成する（ステップ７０３）。そして、パターン抽出部３１４は、静脈画像３２２－１から生体パターン３２３－１を抽出し（ステップ７０４）、静脈画像３２２－２から生体パターン３２３－２を抽出する（ステップ７０５）。ステップ７０４の処理は、ステップ７０３及びステップ７０５の処理と並列に行われてもよい。
　次に、差分抽出部３１５は、生体パターン３２３－２と生体パターン３２３－１との差分を、静脈パターン３２４として求める（ステップ７０６）。そして、登録部３１６は、静脈パターン３２４の特徴情報と登録対象者の識別情報とを対応付けた登録生体情報３２５を生成し、登録生体情報３２５を生体認証装置又はデータベースサーバへ送信する（ステップ７０７）。
　生体情報登録装置３０１は、生体パターン３２３－２と生体パターン３２３－１との差分を静脈パターン３２４として求める代わりに、静脈画像３２２－２と静脈画像３２２－１との差分から静脈パターン３２４を求めることも可能である。
　この場合、差分抽出部３１５は、静脈画像３２２－２と静脈画像３２２－１との差分を求める。差分抽出部３１５は、例えば、静脈画像３２２－２の各画素の画素値と、静脈画像３２２－１の対応する画素の画素値との差分を求め、画素値の差分を画素値として含む差分画像を生成する。
　パターン抽出部３１４は、生成された差分画像から生体パターンを抽出し、抽出された生体パターンを、静脈パターン３２４として記憶部３１７に格納する。差分抽出部３１５及びパターン抽出部３１４が行う処理は、第１生体画像と第２生体画像とを用いた画像処理に対応する。
　このような静脈パターン抽出処理によれば、静脈画像３２２－２と静脈画像３２２－１との差分を求めることで、生体の撮影画像３２１に含まれる表面情報を的確に除去することができる。
　図８は、図３の生体情報登録装置３０１が行う第２の生体情報登録処理の例を示すフローチャートである。ステップ８０１～ステップ８０３の処理は、図７のステップ７０１～ステップ７０３の処理と同様である。
　ステップ８０３の処理が終了すると、差分抽出部３１５は、静脈画像３２２－２と静脈画像３２２－１との差分を求める（ステップ８０４）。そして、パターン抽出部３１４は、求められた差分から静脈パターン３２４を抽出する（ステップ８０５）。ステップ８０６の処理は、図７のステップ７０７の処理と同様である。
　図９は、図１の画像処理装置１０１を含む生体認証装置の機能的構成例を示している。図９の生体認証装置９０１は、図３の生体情報登録装置３０１において、登録部３１６を認証部９１１に置き換えた構成を有する。
　取得部３１１は、認証対象者の生体の撮影画像９２１を取得して、記憶部３１７に格納する。撮影画像９２１は、例えば、認証対象者の手のひら又は指紋の静脈画像である。撮影画像９２１は、認証対象者の他の身体部位の静脈画像であってもよい。
　ノイズ除去部３１２は、撮影画像９２１から表面情報のノイズを除去することで、静脈画像９２２－１を生成して、記憶部３１７に格納する。静脈画像９２２－１は、第１生体画像に対応する。
　なお、生体認証装置９０１は、特許文献３～特許文献５の技術を用いて表面情報のノイズを除去してもよい。
　鮮明化部３１３は、静脈画像９２２－１に対して鮮明化処理を行うことで、静脈画像９２２－１に写っている不鮮明な静脈が鮮明化された静脈画像９２２－２を生成して、記憶部３１７に格納する。静脈画像９２２－２は、第２生体画像に対応する。
　パターン抽出部３１４は、鮮明化前の静脈画像９２２－１から生体パターン９２３－１を抽出し、鮮明化後の静脈画像９２２－２から生体パターン９２３－２を抽出して、生体パターン９２３－１及び生体パターン９２３－２を記憶部３１７に格納する。生体パターン９２３－１は、第１生体特徴の一例であり、生体パターン９２３－２は、第２生体特徴の一例である。
　差分抽出部３１５は、生体パターン９２３－２と生体パターン９２３－１との差分を、静脈パターン９２４として求め、記憶部３１７に格納する。
　パターン抽出部３１４及び差分抽出部３１５が行う処理は、第１生体画像と第２生体画像とを用いた画像処理に対応し、静脈パターン９２４は、第１生体画像に含まれる生体特徴に対応する。
　記憶部３１７は、登録テンプレート９２５を記憶する。登録テンプレート９２５は、複数の登録対象者それぞれの登録生体情報３２５を含む。認証部９１１は、図３の生体情報登録装置３０１又はデータベースサーバから、各登録対象者の登録生体情報３２５を取得し、取得した登録生体情報３２５を用いて登録テンプレート９２５を生成する。
　認証部９１１は、静脈パターン９２４及び登録テンプレート９２５を用いて、認証対象者の生体に対する認証を行う。
　認証部９１１は、例えば、静脈パターン９２４の特徴情報と、各登録対象者の登録生体情報３２５に含まれる特徴情報との間の類似度を計算する。認証部９１１は、何れかの登録対象者に対する類似度が閾値よりも大きい場合、認証が成功したと判定し、何れの登録対象者に対する類似度も閾値以下である場合、認証が失敗したと判定する。そして、認証部９１１は、認証成功又は認証失敗を示す認証結果を出力する。
　図９の生体認証装置９０１によれば、生体の撮影画像９２１に含まれる表面情報を的確に除去することができるため、撮影画像９２１から抽出される静脈パターン９２４の抽出精度が向上する。したがって、静脈パターン９２４を用いた静脈認証の認証精度が向上する。
　図１０は、図９の生体認証装置９０１が行う第１の生体認証処理の例を示すフローチャートである。まず、取得部３１１は、認証対象者の生体の撮影画像９２１を取得し（ステップ１００１）、ノイズ除去部３１２は、撮影画像９２１から表面情報のノイズを除去することで、静脈画像９２２－１を生成する（ステップ１００２）。
　次に、鮮明化部３１３は、静脈画像９２２－１に対して鮮明化処理を行うことで、静脈画像９２２－２を生成する（ステップ１００３）。そして、パターン抽出部３１４は、静脈画像９２２－１から生体パターン９２３－１を抽出し（ステップ１００４）、静脈画像９２２－２から生体パターン９２３－２を抽出する（ステップ１００５）。ステップ１００４の処理は、ステップ１００３及びステップ１００５の処理と並列に行われてもよい。
　次に、差分抽出部３１５は、生体パターン９２３－２と生体パターン９２３－１との差分を、静脈パターン９２４として求める（ステップ１００６）。そして、認証部９１１は、静脈パターン９２４及び登録テンプレート９２５を用いて、認証対象者の生体に対する認証を行い、認証結果を出力する（ステップ１００７）。
　生体認証装置９０１は、生体パターン９２３－２と生体パターン９２３－１との差分を静脈パターン９２４として求める代わりに、静脈画像９２２－２と静脈画像９２２－１との差分から静脈パターン９２４を求めることも可能である。
　この場合、差分抽出部３１５は、静脈画像９２２－２と静脈画像９２２－１との差分を求め、差分画像を生成する。パターン抽出部３１４は、生成された差分画像から生体パターンを抽出し、抽出された生体パターンを、静脈パターン９２４として記憶部３１７に格納する。差分抽出部３１５及びパターン抽出部３１４が行う処理は、第１生体画像と第２生体画像とを用いた画像処理に対応する。
　図１１は、図９の生体認証装置９０１が行う第２の生体認証処理の例を示すフローチャートである。ステップ１１０１～ステップ１１０３の処理は、図１０のステップ１００１～ステップ１００３の処理と同様である。
　ステップ１１０３の処理が終了すると、差分抽出部３１５は、静脈画像９２２－２と静脈画像９２２－１との差分を求める（ステップ１１０４）。そして、パターン抽出部３１４は、求められた差分から静脈パターン９２４を抽出する（ステップ１１０５）。ステップ１１０６の処理は、図１０のステップ１００７の処理と同様である。
　図１の画像処理装置１０１の構成は一例に過ぎず、画像処理装置１０１の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。
　図３の生体情報登録装置３０１及び図９の生体認証装置９０１の構成は一例に過ぎず、生体情報登録装置３０１又は生体認証装置９０１の用途又は条件に応じて一部の構成要素を省略又は変更してもよい。例えば、撮影画像から表面情報のノイズを除去する必要がない場合は、図３及び図９のノイズ除去部３１２を省略することができる。
　図２、図７、図８、図１０、及び図１１のフローチャートは一例に過ぎず、画像処理装置１０１、生体情報登録装置３０１、又は生体認証装置９０１の構成又は条件に応じて一部の処理を省略又は変更してもよい。例えば、撮影画像から表面情報のノイズを除去する必要がない場合は、図７のステップ７０２、図８のステップ８０２、図１０のステップ１００２、及び図１１のステップ１１０２の処理を省略することができる。
　図４～図６に示した手のひらの静脈画像は一例に過ぎず、手のひらの静脈画像は登録対象者又は認証対象者に応じて変化する。
　図１２は、図１の画像処理装置１０１、図３の生体情報登録装置３０１、及び図９の生体認証装置９０１として用いられる情報処理装置（コンピュータ）のハードウェア構成例を示している。
　図１２の情報処理装置は、ＣＰＵ（Central　Processing　Unit）１２０１、メモリ１２０２、入力装置１２０３、出力装置１２０４、補助記憶装置１２０５、媒体駆動装置１２０６、及びネットワーク接続装置１２０７を含む。これらの構成要素はハードウェアであり、バス１２０８により互いに接続されている。図３及び図９の取得部３１１は、バス１２０８に接続されるハードウェアセンサであってもよい。
　メモリ１２０２は、例えば、ＲＯＭ（Read　Only　Memory）、ＲＡＭ（Random　Access　Memory）、フラッシュメモリ等の半導体メモリであり、処理に用いられるプログラム及びデータを記憶する。メモリ１２０２は、図３及び図９の記憶部３１７として動作してもよい。
　ＣＰＵ１２０１（プロセッサ）は、例えば、メモリ１２０２を利用してプログラムを実行することにより、図１の鮮明化部１１１及び抽出部１１２として動作する。
　ＣＰＵ１２０１は、メモリ１２０２を利用してプログラムを実行することにより、図３及び図９のノイズ除去部３１２、鮮明化部３１３、パターン抽出部３１４、及び差分抽出部３１５としても動作する。ＣＰＵ１２０１は、メモリ１２０２を利用してプログラムを実行することにより、図３の登録部３１６としても動作する。ＣＰＵ１２０１は、メモリ１２０２を利用してプログラムを実行することにより、図９の認証部９１１としても動作する。
　入力装置１２０３は、例えば、キーボード、ポインティングデバイス等であり、ユーザ又はオペレータからの指示又は情報の入力に用いられる。出力装置１２０４は、例えば、表示装置、プリンタ、スピーカ等であり、ユーザ又はオペレータへの問い合わせ又は処理結果の出力に用いられる。処理結果は、認証結果であってもよい。
　補助記憶装置１２０５は、例えば、磁気ディスク装置、光ディスク装置、光磁気ディスク装置、テープ装置等である。補助記憶装置１２０５は、ハードディスクドライブ又はＳＳＤ（Solid　State　Drive）であってもよい。情報処理装置は、補助記憶装置１２０５にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。補助記憶装置１２０５は、図３及び図９の記憶部３１７として動作してもよい。
　媒体駆動装置１２０６は、可搬型記録媒体１２０９を駆動し、その記録内容にアクセスする。可搬型記録媒体１２０９は、メモリデバイス、フレキシブルディスク、光ディスク、光磁気ディスク等である。可搬型記録媒体１２０９は、ＣＤ－ＲＯＭ（Compact　Disk　Read　Only　Memory）、ＤＶＤ（Digital　Versatile　Disk）、ＵＳＢ（Universal　Serial　Bus）メモリ等であってもよい。ユーザ又はオペレータは、可搬型記録媒体１２０９にプログラム及びデータを格納しておき、それらをメモリ１２０２にロードして使用することができる。
　このように、処理に用いられるプログラム及びデータを格納するコンピュータ読み取り可能な記録媒体は、メモリ１２０２、補助記憶装置１２０５、又は可搬型記録媒体１２０９のような、物理的な（非一時的な）記録媒体である。
　ネットワーク接続装置１２０７は、ＷＡＮ（Wide　Area　Network）、ＬＡＮ（Local　Area　Network）等の通信ネットワークに接続され、通信に伴うデータ変換を行う通信インタフェース回路である。情報処理装置は、プログラム及びデータを外部の装置からネットワーク接続装置１２０７を介して受信し、それらをメモリ１２０２にロードして使用することができる。
　なお、情報処理装置が図１２のすべての構成要素を含む必要はなく、用途又は条件に応じて一部の構成要素を省略又は変更することも可能である。例えば、ユーザ又はオペレータとのインタフェースが不要である場合は、入力装置１２０３及び出力装置１２０４を省略してもよい。情報処理装置が可搬型記録媒体１２０９又は通信ネットワークを利用しない場合は、媒体駆動装置１２０６又はネットワーク接続装置１２０７を省略してもよい。
　開示の実施形態とその利点について詳しく説明したが、当業者は、特許請求の範囲に明確に記載した本発明の範囲から逸脱することなく、様々な変更、追加、省略をすることができるであろう。

Claims (18)

  1. 　生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成する鮮明化部と、
    　前記第１生体画像と前記第２生体画像とを用いた画像処理により、前記第１生体画像に含まれる生体特徴を抽出する抽出部と、
    　を備えることを特徴とする画像処理装置。
  2. 　前記画像処理は、
    　　前記第１生体画像から第１生体特徴を求める処理と、
    　　前記第２生体画像から第２生体特徴を求める処理と、
    　　前記第２生体特徴と前記第１生体特徴との差分を、前記第１生体画像に含まれる生体特徴として求める処理と、
    　を含むことを特徴とする請求項１記載の画像処理装置。
  3. 　前記画像処理は、
    　　前記第２生体画像と前記第１生体画像との差分を求める処理と、
    　　前記差分から前記第１生体画像に含まれる生体特徴を求める処理と、
    　を含むことを特徴とする請求項１記載の画像処理装置。
  4. 　前記生体を撮影した撮影画像からノイズを除去することで、前記第１生体画像を生成するノイズ除去部をさらに備えることを特徴とする請求項１乃至３の何れか１項に記載の画像処理装置。
  5. 　前記第１生体画像に含まれる生体特徴を用いて、前記生体に対する認証を行う認証部をさらに備えることを特徴とする請求項１乃至３の何れか１項に記載の画像処理装置。
  6. 　前記第１生体画像に含まれる生体特徴は、前記生体の静脈パターンであることを特徴とする請求項１乃至３の何れか１項に記載の画像処理装置。
  7. 　生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成し、
    　前記第１生体画像と前記第２生体画像とを用いた画像処理により、前記第１生体画像に含まれる生体特徴を抽出する、
    　処理をコンピュータが実行することを特徴とする画像処理方法。
  8. 　前記第１生体画像に含まれる生体特徴を抽出する処理は、
    　　前記第１生体画像から第１生体特徴を求める処理と、
    　　前記第２生体画像から第２生体特徴を求める処理と、
    　　前記第２生体特徴と前記第１生体特徴との差分を、前記第１生体画像に含まれる生体特徴として求める処理と、
    　を含むことを特徴とする請求項７記載の画像処理方法。
  9. 　前記第１生体画像に含まれる生体特徴を抽出する処理は、
    　　前記第２生体画像と前記第１生体画像との差分を求める処理と、
    　　前記差分から前記第１生体画像に含まれる生体特徴を求める処理と、
    　を含むことを特徴とする請求項７記載の画像処理方法。
  10. 　前記生体を撮影した撮影画像からノイズを除去することで、前記第１生体画像を生成する処理を、前記コンピュータがさらに実行することを特徴とする請求項７乃至９の何れか１項に記載の画像処理方法。
  11. 　前記第１生体画像に含まれる生体特徴を用いて、前記生体に対する認証を行う処理を、前記コンピュータがさらに実行することを特徴とする請求項７乃至９の何れか１項に記載の画像処理方法。
  12. 　前記第１生体画像に含まれる生体特徴は、前記生体の静脈パターンであることを特徴とする請求項７乃至９の何れか１項に記載の画像処理方法。
  13. 　生体が写っている第１生体画像に対して鮮明化処理を行うことで、第２生体画像を生成し、
    　前記第１生体画像と前記第２生体画像とを用いた画像処理により、前記第１生体画像に含まれる生体特徴を抽出する、
    　処理をコンピュータに実行させるための画像処理プログラム。
  14. 　前記第１生体画像に含まれる生体特徴を抽出する処理は、
    　　前記第１生体画像から第１生体特徴を求める処理と、
    　　前記第２生体画像から第２生体特徴を求める処理と、
    　　前記第２生体特徴と前記第１生体特徴との差分を、前記第１生体画像に含まれる生体特徴として求める処理と、
    　を含むことを特徴とする請求項１３記載の画像処理プログラム。
  15. 　前記第１生体画像に含まれる生体特徴を抽出する処理は、
    　　前記第２生体画像と前記第１生体画像との差分を求める処理と、
    　　前記差分から前記第１生体画像に含まれる生体特徴を求める処理と、
    　を含むことを特徴とする請求項１３記載の画像処理プログラム。
  16. 　前記生体を撮影した撮影画像からノイズを除去することで、前記第１生体画像を生成する処理を、前記コンピュータにさらに実行させることを特徴とする請求項１３乃至１５の何れか１項に記載の画像処理プログラム。
  17. 　前記第１生体画像に含まれる生体特徴を用いて、前記生体に対する認証を行う処理を、前記コンピュータにさらに実行させることを特徴とする請求項１３乃至１５の何れか１項に記載の画像処理プログラム。
  18. 　前記第１生体画像に含まれる生体特徴は、前記生体の静脈パターンであることを特徴とする請求項１３乃至１５の何れか１項に記載の画像処理プログラム。
PCT/JP2023/021099 2023-06-07 2023-06-07 画像処理装置、画像処理方法、及び画像処理プログラム Ceased WO2024252543A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/021099 WO2024252543A1 (ja) 2023-06-07 2023-06-07 画像処理装置、画像処理方法、及び画像処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/021099 WO2024252543A1 (ja) 2023-06-07 2023-06-07 画像処理装置、画像処理方法、及び画像処理プログラム

Publications (1)

Publication Number Publication Date
WO2024252543A1 true WO2024252543A1 (ja) 2024-12-12

Family

ID=93795514

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/021099 Ceased WO2024252543A1 (ja) 2023-06-07 2023-06-07 画像処理装置、画像処理方法、及び画像処理プログラム

Country Status (1)

Country Link
WO (1) WO2024252543A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003150962A (ja) * 2001-11-08 2003-05-23 Sony Corp 個人認証装置、個人認証方法、プログラム
JP2006053773A (ja) * 2004-08-12 2006-02-23 Sony Corp 画像処理方法およびその装置
JP2007323389A (ja) * 2006-06-01 2007-12-13 Nec Electronics Corp 固体撮像装置、撮像方法および撮像システム
JP2012187150A (ja) * 2011-03-08 2012-10-04 Fujitsu Ltd 生体情報処理装置、生体情報処理方法、および生体情報処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003150962A (ja) * 2001-11-08 2003-05-23 Sony Corp 個人認証装置、個人認証方法、プログラム
JP2006053773A (ja) * 2004-08-12 2006-02-23 Sony Corp 画像処理方法およびその装置
JP2007323389A (ja) * 2006-06-01 2007-12-13 Nec Electronics Corp 固体撮像装置、撮像方法および撮像システム
JP2012187150A (ja) * 2011-03-08 2012-10-04 Fujitsu Ltd 生体情報処理装置、生体情報処理方法、および生体情報処理プログラム

Similar Documents

Publication Publication Date Title
EP2041696B1 (en) Multibiometric multispectral imager
JP5504928B2 (ja) 生体認証装置、生体認証方法およびプログラム
US20080298642A1 (en) Method and apparatus for extraction and matching of biometric detail
CN102542281B (zh) 非接触式生物特征识别方法和系统
Tan et al. New approach for liveness detection in fingerprint scanners based on valley noise analysis
KR101017798B1 (ko) 평균 곡률을 이용하는 지정맥 인증 방법 및 장치
WO2010129074A1 (en) System and method for identifying a person with reference to a sclera image
WO2008054396A1 (en) Method and apparatus for extraction and matching of biometric detail
CN108446633A (zh) 一种新型指纹自动防伪与活体检测的方法、系统及装置
Yu et al. Methods and applications of fingertip subcutaneous biometrics based on optical coherence tomography
Kushwaha et al. Person identification using footprint minutiae
Darlow et al. Internal fingerprint acquisition from optical coherence tomography fingertip scans
Kosmala et al. Human identification by vascular patterns
Khan et al. A new method to extract dorsal hand vein pattern using quadratic inference function
TW201447625A (zh) 自適應加伯濾波器的手掌靜脈識別方法
Wang et al. Novel algorithm for enhancement of hand vein images based on adaptive filtering and retinex method
WO2024252543A1 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
Yang et al. Combination of gabor wavelets and circular gabor filter for finger-vein extraction
Khalil et al. Authentication of fingerprint biometrics acquired using a cellphone camera: a review
Gupta et al. Slap fingerprint segmentation using symmetric filters based quality
Hoshyar et al. Review on finger vein authentication system by applying neural network
CN112801034A (zh) 一种指静脉识别装置
Liu Multi-modality quality assessment for unconstrained biometric samples
Kakkar et al. Fingerprint image enhancement using Wavelet transform and Gabor filtering
Raj et al. Review on finger vein recognition system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23940648

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE