基于塊方向的指紋圖像預(yù)處理算法

1、    基于塊方向的指紋圖像預(yù)處理算法        周媛媛1, 張 成1, 林嘉宇2 時(shí)間:2009年12月10日     字 體: 大 中 小        關(guān)鍵詞:        摘   要：關(guān)鍵詞： 指紋識(shí)別  預(yù)處理  塊方向自動(dòng)

2、指紋識(shí)別系統(tǒng)是通過對(duì)指紋的特征進(jìn)行匹配對(duì)比來實(shí)現(xiàn)識(shí)別認(rèn)證的。要實(shí)現(xiàn)指紋特征的準(zhǔn)確提取，就必須先對(duì)受噪聲干擾的原圖像進(jìn)行預(yù)處理，把原灰度圖變成一幅清晰的二值點(diǎn)線圖。預(yù)處理主要包括圖像分割、增強(qiáng)、濾波、二值化和細(xì)化等步驟。針對(duì)不同的系統(tǒng)，可以選擇不同的預(yù)處理步驟進(jìn)行組合。本文選擇了背景分割、平滑、二值化、二值濾波及細(xì)化5個(gè)步驟。指紋識(shí)別任務(wù)的特殊性對(duì)預(yù)處理提出了特殊要求，在處理過程中,必須保證盡可能消除噪聲，減少冗余信息，并盡量保護(hù)原圖像的真實(shí)特征不受損失。本文提出的這套指紋預(yù)處理算法便是為達(dá)到以上目的而設(shè)計(jì)的。1  算法構(gòu)造1.1 背景分割一幅從指紋采集儀輸入的指紋圖像是由指紋前景區(qū)和

3、背景區(qū)二部分組成。在預(yù)處理之前把背景分割出來，只對(duì)有效的前景區(qū)進(jìn)行處理，不但可以節(jié)省處理時(shí)間，而且能減少背景偽特征對(duì)后續(xù)處理的干擾。指紋圖像的前景區(qū)呈現(xiàn)脊線和谷線交替分布的景象，所以灰度值跳躍比較大，而背景區(qū)的灰度值變化相對(duì)平緩，利用這一信息就可以對(duì)背景進(jìn)行分割。首先把圖像劃分為若干w×w的小塊，計(jì)算每塊的均值和方差，并把方差歸一化到01的區(qū)間內(nèi)。設(shè)定合適的均值閾值T1和方差閾值T2，若某塊均值大于T1且方差小于T2，則定為背景區(qū)，可以割除，反之定為前景區(qū)。1.2 改進(jìn)的指紋塊方向圖求取算法指紋圖像是一種具有一定紋路走向和多邊緣的有向圖，且在一定鄰域內(nèi)的各象素點(diǎn)的方向基本一致。所以方

4、向特性不但是指紋圖像區(qū)別于一般灰度圖像的重要特征，還是處理指紋圖像可利用的關(guān)鍵信息。求取指紋塊方向圖的算法很多，Mehtre B M等人提出了一種基于鄰域內(nèi)不同方向上灰度值的變化特性求取點(diǎn)方向進(jìn)而統(tǒng)計(jì)出塊方向的方法1；Rao A R提出了一種利用梯度算子求取方向圖的方法2。以上算法有2點(diǎn)不足：(1)塊與塊之間的方向不連續(xù)。(2)在指紋圖像中心，即脊線曲率較大的區(qū)域，方向變化較為劇烈，塊方向?qū)c(diǎn)的方向的平滑作用太大，難免誤導(dǎo)后面處理的方向，導(dǎo)致紋線的斷裂和錯(cuò)誤的粘連。還有一種方法3是求某一小塊的方向時(shí)，先以此小塊為中心擴(kuò)大塊的范圍并計(jì)算大塊的方向，然后將此大塊方向作為小塊的方向。此算法解決了第1

5、點(diǎn)不足，卻忽略了第2種情況。為了緩解這一矛盾，本文對(duì)指紋塊方向的求取算法進(jìn)行了如下改進(jìn)：(1)將圖像分成大小為w×w的小塊，其中w的大小以包含一脊一谷（即一周期）為宜，每小塊包括的象素點(diǎn)數(shù)記為num。(2)采用圖1所示的9×9模板，把指紋圖像的方向量化到8個(gè)方向上，相鄰方向之間的夾角為。先計(jì)算前景區(qū)內(nèi)每個(gè)象素點(diǎn)在8個(gè)方向上的均值averd和方差sd(d=1，27，8)，pdk為該點(diǎn)灰度值。    定義最小方差所對(duì)應(yīng)的方向?yàn)樵擖c(diǎn)的方向。(3)統(tǒng)計(jì)每小塊在各個(gè)方向上的點(diǎn)數(shù)記為numd，按從大到小排序并取出前3個(gè)元素，記為numd1、numd2、nu

6、md3，并且numd1numd2numd3。確定塊方向的流程圖如圖2所示。1.3 基于塊方向圖的灰度平滑在眾多圖像平滑技術(shù)中，對(duì)空域平滑技術(shù)的研究一直非?；钴S，經(jīng)過幾十年的探索，已經(jīng)有多種有效的算法。但是它們都有一個(gè)共同的不足，就是算法在平滑噪聲的同時(shí)，也模糊了圖像的邊界和細(xì)節(jié)。為了解決這一問題，近年來保邊界算法研究也比較活躍，如Tomita和Tsuji提出了矩形鄰域模板保邊界算法，Nagao提出了多個(gè)多邊形鄰域模板保邊界算法4等。但這些算法存在以下問題：(1)沒有利用圖像的方向信息，模板不可避免地對(duì)圖像邊界有模糊作用。(2)模板單一。當(dāng)圖像紋理特征較為復(fù)雜時(shí)，處理效果就大打折扣了。本文提出的

7、算法便是試圖解決以上問題。本算法有以下3個(gè)特點(diǎn)：(1)引入了塊方向圖，根據(jù)塊方向圖選擇相應(yīng)的方向?yàn)V波模板，這使本算法具有更強(qiáng)的抗干擾性。(2)因?yàn)橹讣y圖像是多邊緣的紋線形圖像，邊界特征較為細(xì)密，所以此處采用線形模板來達(dá)到去噪保邊界的目的。(3)灰度濾波模板如圖3所示。采用2種線形模板：一種是以中心象素為中心的長線形模板；另一種是以中心象素為端點(diǎn)的短線形模板。前一種模板的濾波范圍是后一種模板的4倍。之所以采用長線性模板，是為了增強(qiáng)去噪能力。而采用短線形模板，是為了更好地保護(hù)邊界和端點(diǎn)。若用長線形模板處理端點(diǎn)象素，就會(huì)出現(xiàn)原象素消失或延伸的現(xiàn)象。算法步驟如下。(1)對(duì)于前景區(qū)每一點(diǎn)，利用式（1）計(jì)

8、算它所在塊的塊方向上的長線形模板象素的灰度均值，記為aver。(2)以中心象素為界，在5×5鄰域內(nèi)沿塊方向分為2個(gè)短線形模板。分別計(jì)算2個(gè)模板的均值和方差，記為aver1、aver2和s1、s2。(3)比較s1和s2的大小，當(dāng)|s1-s2|大于閾值T3時(shí)，則說明處理點(diǎn)為邊界點(diǎn)或端點(diǎn)，用較小方差所對(duì)應(yīng)的均值代替處理點(diǎn)的灰度值。反之用aver代替處理點(diǎn)的灰度值。1.4 基于塊方向圖的二值化二值化的目的是把灰度指紋圖像變成0、1取值的二值圖像。傳統(tǒng)的二值化方法有固定閾值法、自適應(yīng)閾值法和局部自適應(yīng)閾值法等。這些方法僅僅利用了圖像的灰度信息，對(duì)指紋圖像來說很不理想。為此有研究者提出了一種二值

9、算法，把指紋圖像的灰度信息和方向統(tǒng)計(jì)信息結(jié)合起來，使二值效果大為改善。本文進(jìn)一步深化了方向信息在該算法中的應(yīng)用。(1)用塊方向代替原算法中的點(diǎn)方向，在改進(jìn)的式（5）中用sumD和sumD代替了原算法中式(4)的max(sumD)和min(sumd)。    (2)對(duì)于質(zhì)量較差的圖像，某些嚴(yán)重噪聲在灰度濾波后，灰度值較周圍點(diǎn)的灰度值還是有一定差別。因?yàn)閟umD反映的是與中心象素相同的灰度性質(zhì)，而sumD反映的是與中心象素相反的灰度性質(zhì)，所以在式(5)中確定二值閾值時(shí)，sumD的影響力應(yīng)加大，而sumD的影響力應(yīng)減小。在原算法中，二者的作用是平等的，這很容易又把噪聲還

10、原，給后續(xù)處理造成嚴(yán)重的負(fù)擔(dān)。為彌補(bǔ)這一不足，本文引入了加權(quán)系數(shù)。具體算法如下。(1)該算法首先對(duì)圖中的每一點(diǎn)都利用圖1所示的窗口掩模進(jìn)行計(jì)算：1.5 基于塊方向圖的二值濾波由于灰度濾波的不完全性和二值過程中可能引入新的噪聲，所以有必要對(duì)二值圖像再進(jìn)行一次濾波。此處采用一種方向加權(quán)中值濾波算法6，該算法充分運(yùn)用了指紋的方向特性和模糊思想來構(gòu)造濾波模板。本文將塊方向圖引入此算法，并對(duì)濾波模板進(jìn)行了一定的擴(kuò)張。各方向上的二值濾波加權(quán)模板如圖4所示，空白處權(quán)值為0。1.6 細(xì)  化 指紋圖像二值化后，紋線仍具有一定的寬度。為了進(jìn)一步壓縮數(shù)據(jù)，簡化特征提取的計(jì)算，需要對(duì)指紋圖像進(jìn)行細(xì)化處理。

11、具體算法如下：8鄰域圖如圖5所示，為了計(jì)算方便，把前景點(diǎn)賦值為1，背景點(diǎn)賦值為0。取每一目標(biāo)點(diǎn)的8鄰域，若p1=1，且下面4個(gè)條件同時(shí)滿足，則刪除p1。對(duì)圖像中每一點(diǎn)重復(fù)這一步驟，直到所有的點(diǎn)都不可刪除為止。2  實(shí)驗(yàn)結(jié)果及分析本實(shí)驗(yàn)所使用的指紋輸入設(shè)備是Veridicom公司推出的第三代半導(dǎo)體指紋傳感器FPS200。獲取的圖像是256級(jí)灰度圖像，大小為256×300象素，分辨率為500dpi。原始指紋圖像如圖6所示。下面對(duì)指紋圖像進(jìn)行預(yù)處理，并給出實(shí)驗(yàn)結(jié)果。背景分割位于預(yù)處理的前端，要求把圖像的背景區(qū)域和前景區(qū)域區(qū)分開。在實(shí)驗(yàn)中，塊的大小w=9，塊灰度均值閾值T1=200

12、，歸一化塊灰度方差閾值T2=0.2。背景提取后的圖像如圖7所示?？梢钥闯觯话讣y紋線信息的白背景區(qū)均被有效割除。用改進(jìn)算法所獲取的塊方向圖如圖8所示。擁有1個(gè)以上方向的小塊已在圖中用交叉線做了標(biāo)識(shí)。從圖8（b）和圖8（c）可以看出，用改進(jìn)算法求取的方向圖在相鄰方向的交界處和方向變化較為急劇的圖像中心處對(duì)方向的描述更為連續(xù)和精確。這為后續(xù)算法保護(hù)邊界做了很好的鋪墊?；叶葹V波實(shí)例如圖9所示。在灰度濾波算法中T3=30。處理后的圖像，去噪效果較好，邊界不但得到保護(hù)，還得到了一定的銳化。二值化實(shí)例如圖10所示。二值算法的實(shí)驗(yàn)參數(shù)選擇為coe1=0.6，coe2=0.4。原二值算法經(jīng)過改進(jìn)，經(jīng)二值處理后，紋線中的噪聲點(diǎn)明顯減小，并且增強(qiáng)了算法連接斷紋和隔離粘連的能力。二值濾波實(shí)例如圖11所示。經(jīng)二值濾波后，二值圖像中的氣泡和毛刺基本被消除。由于塊方向信息的介入，殘缺紋線還得到了一定的修復(fù)。細(xì)化后的圖像如圖12所示。從圖中可以看出，細(xì)化算法很好地保留了指紋的骨架信息，且紋線清晰流暢。上述實(shí)驗(yàn)結(jié)果表明，本文這組預(yù)處理算法不但能保持紋線的清晰流暢，而且還使紋線得到了加強(qiáng)和修復(fù)，最大程度地保護(hù)了細(xì)節(jié)特征。圖12（b）和