指纹图像预处理新方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇指纹图像预处理新方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：介绍并实现了一套完整的指纹图像预处理方法，通过剩余块处理和平滑方法改进了传统的指纹图像分割算法；使用方向匹配的方法对指纹图像方向块进行方向滤波完成图像增强；并除去细化后存在的短线和毛刺。该算法对Secugen指纹仪采集的图像和FVC2004数据库中的指纹图像进行实验，结果表明经过预处理后的指纹图像质量得到明显增强，方便进行细节特征提取。

关键词：预处理；剩余块；方向滤波；增强；细化

中图分类号：TP391.41文献标识码：A

文章编号：1001-9081(2007)04-0929-03

0引言

在当前的自动指纹识别技术中，使用比较多的是细节特征法，该方法通过对提取的指纹细节特征点进行匹配实现自动指纹识别。指纹细节特征提取的好坏依赖于指纹图像的质量，但对于指纹图像的质量现在还没有一种客观衡量标准，主要是看指纹图像的脊线结构是否清晰。一个好的指纹图像有高对比度的脊和谷，同时脊和谷的边界比较清晰。而一个坏的指纹图像脊和谷的对比度低，边界模糊。图1显示了不同质量的指纹图像。质量差的指纹图像会导致伪细节点的产生，在很脏的区域，真细节点往往被丢失了，从而造成指纹识别效率下降。为了提高自动指纹识别系统的鲁棒性，需要在指纹细节特征提取之前先对指纹图像进行预处理，增强脊和谷结构的对比度，从而提高指纹图像的质量。

本文介绍了一套指纹图像预处理方法。主要步骤如下：

1)对输入的指纹图像进行归一化操作，将指纹图像的灰度均值和方差规定在一定范围内。

2)图像分割算法将指纹图像分为有效区域和无效区域，得到指纹图像的有效区域图。

3)一个方向估计算法从指纹图像的有效区域中求取每个像素点的方向。

4)改进的方向滤波算法对指纹图像进行增强，提高脊和谷之间的对比度。

5)使用区域自适应阈值算法对指纹图像进行二值化。

6)提出一种改进的细化算法细化指纹图像，并对细化后的图像进行处理。

图片图1不同质量的指纹图像

1指纹图像增强

1.1指纹图像的归一化

指纹采集仪采集的指纹图像一般是256级的灰度图像，由于采集仪自身的原因和手指的干、湿以及压力等因素会造成脊线和谷线的灰度值出现不同程度的扭曲。指纹图像归一化能将指纹图像的灰度均值和方差规范到固定的范围，从而降低沿脊线和谷线方向的灰度变化程度，为后续工作提供方便。本文采用文献[1]提出的方法，灰度均值和方差均取值150。归一化的结果如图5(b)和图6(b)所示。

1.2指纹图像的分割

指纹图像分割目的是将指纹图像中的有效区域与无效区域分割开，使后续的处理能够集中于有效区域，从而提高特征提取的精确度，减少指纹预处理的时间。传统的图像分割算法如下：

1)将归一化后的指纹图像划分为互不重叠的W×W的子块，计算每个子块的平均灰度值和方差；

2)对于每一个子块，若其方差小于阈值T为背景块，否则为前景块。

传统的图像分割算法有如下不足：指纹图像分为W×W子块时不一定能被图像的长和宽整除，从而产生剩余块。W取得越大，剩余块可能就越大。而且采集指纹时手指不一定放在指纹仪的正中，存在偏指纹的情况。在这种情况下，指纹的一些特征数据可能在剩余块中而被忽略掉了，不利于指纹特征数据的提取。另外，指纹图像分割后需要对指纹图像进行平滑，消除孤立的前景块和背景块。改进的图像分割算法如下：

将归一化后的指纹图像划分为互不重叠的W×W的子块和剩余子块，计算每个子块的平均灰度值和方差；

对于每一个子块，若其方差小于阈值T为背景块，否则为前景块；

平滑图像，如果图像四个角中某个角是前景区域而与角相邻的两个区域都是背景区域，则角平滑成背景区域；如果图像四条边上某块是前景区域而该边上与该区域相邻的两个区域都是背景区域，则将该区域平滑成背景区域，反之亦然；如果中间图像数据中某块为背景区域而与之相邻的四个区域中有三个以上的区域为前景区域，则该块被平滑成前景区域；反分区图片图29×9模板之亦然。

在这里将图像分为9×9的子块，并取阈值T为5，图像分割如图5(c)和图6(c)。

1.3方向图的求取

方向性是指纹图像中的一个重要特征，准确提取指纹图像的方向信息在指纹识别技术中至关重要。求取指纹方向图的算法很多，如文献[2]提出了一种基于领域内方向模版上灰度统计的求取方向图的方法。文献[3]提出利用梯度算子求取方向图的方法。本文采用改进的Methtre方法求指纹方向图，算法如下：

1）计算点方向。采用如图2所示的9×9的模板，基准点位于模板的中心，从水平位置开始，每隔8/π确定一个方向。

3)将8个均值Aver[i]按两两垂直分成4组，0和4一组，1和5一组，2和6一组，3和7一组，计算每组两个均值的差S[j]（j=0,1,2,3），选出差值最大的两个方向，比较这两个方向方差，方差小的为所求。方向D的求取如式(3)所示。

将图像大小分为W×W的子块，尽量保证一个子块只包含一脊和一谷，统计每个小块像素点的个数。

统计每个小块中各个方向上像素点的个数，像素点个数最大的那个方向为该小块的方向。

块方向的平滑，对于被同一方向块包围的不同方向块平滑为与周围方向块相同的方向，而对于被无方向块包围的方向块平滑为无方向。

本文将指纹图像分为9×9的子块，图5(d)和图6(d)显示了指纹图像的块方向图。

1.4方向滤波

采用滤波的方法去除指纹图像中的噪声是增强指纹图像的一个重要步骤,前面的工作都是为此做准备的。常见的滤波方法有：Gabor滤波器[1]，方向滤波器组[4]和傅立叶滤波器[5]。这些滤波器有一个共同的特点，就是利用每个像素周围相关的信息对指纹图像进行滤波。因为指纹的脊线具有连续性和规律性的特点，设计相关性的滤波器对指纹图像进行滤波很好地利用了指纹脊线的特点，从而能取得理想的效果。但是上述的滤波器算法比较复杂，运行时间长，不利于在线指纹识别。本文设计了一个相关性的方向滤波器，即利用了指纹图像的相关信息，又减少了运行时间，同时滤波的效果比较理想，如图5(e)和图6(e)所示。具体过程如下：

1)对前面8个方向分别设计对应的滤波窗口，如图3。在每个滤波窗口中，与方向对应的区域用1标示。

2)根据子块方向图的方向选择适当的滤波窗口。

3)根据选择的滤波窗口，对图像子块进行方向滤波。算法如下：

(1)计算滤波窗口的灰度均值。看滤波窗口中标志为1像素点大于灰度均值的个数是否超过标志位点总个数的3/4。

如果是则转入（2），否则1标志位沿着窗口方向移动一格。如0度方向的滤波窗口沿方向向上移动一格，如图4。重新进行判断，如不满足条件可以沿方向再移动。因为滤波窗口一般包含一脊和一谷，在绝大多数情况下可以找到满足条件的1标志位。对于个别没有找到满足条件的滤波窗口则不进行下面的步骤。

(2)对于滤波窗口中标志为1的像素点，计算它周围5×5的区域（滤波窗口内）标志为1的像素点灰度均值，如果该灰度均值小于它本身的灰度值，则将它的灰度值取为灰度均值，否则不变。

(3）对滤波窗口中标志不为1但与标志为1的像素点相邻的像素点，公式（4）描述了其灰度值G0的计算。该像素点相邻标志为1的像素点的灰度均值G，S是像素点灰度值G0与计算的灰度均值G的差值，T为一阈值(在本文中T取值20)。

2二值化

本文采用区域自适应阈值法[6]对指纹图像进行二值化。将指纹图像划分为互不重叠的W×W（本文中取9×9）的子块，将每一子块计算的灰度均值作为动态阈值T，以该阈值T对该区域内的像素点进行二值化，小于阈值T像素点灰度值置为0，大于阈值T像素点灰度值置为255，二值化后进行相应的平滑处理。结果如图5(f)和图6(f)。

3细化

指纹图像的细化将图像中的每个脊线变成单像素标示的“点线”，方便细节点的提取。算法有很多，如纹线追踪法、OPTA法和SPTA法等。在这里使用改进的OPTA算法[7]。在改进的OPTA算法中构建了8个消除模板和6个保留模板，对于图像中每个像素取其相邻的15个像素，将其中的8个邻域像素与8个消除模板比较，如果都不匹配则该像素点保留，否则将15个相邻像素与6个保留模板比较，如果有一个匹配则保留该点，否则删除该点。细化的结果如图5（g)和图6(g)所示。

从图5(g)和图6(g)上可以看出细化后的指纹图像上存在毛刺和短线。如果不加处理会产生伪细节点。所以需要进行细化后处理，细化后的处理结果如图5(h)和图6(h)。算法如下：

1)在指纹图像中寻找称为端点的像素点，端点的像素点是指该像素点的8个邻域中只有一个目标点（像素点灰度值为0的点）。

2)沿着该点的纹线进行跟踪，并记录跟踪的路径。

3)在给定的阈值T（表示纹线经过的像素点的个数）内，如果路径上出现了分叉点，表示经过的路径是毛刺，删除该路径上所有的点；如果路径上出现了另一个端点，表示经过的路径是短线，删除该路径上所有的点。这里阈值T取6。

重复上述过程，直至所有端点都被搜索完毕。

4实验结果

本文使用Secugen指纹采集仪，图像大小为292×248，用VC++在CPU为PIV2.1G，内存为512MDDR的机器上使用上文所述的方法对200幅左右的指纹图像进行预处理，图5为实验得到的典型结果。同时还对FVC2004指纹数据库中的指纹图像进行了实验，结果如图6所示。可以看出指纹图像经过此预处理后能达到后续工作的要求。

5结语

研究了指纹图像预处理方法，对指纹图像的分割算法作了改进，提高了分割指纹图像的有效性。提出了一种基于指纹图像方向信息新的方向滤波指纹图像增强算法，该算法可以比较好地增强指纹图像，特别是对于干指纹图像。还对细化算法进行后处理，去除指纹图像细化后存在的短线和毛刺。该预处理算法对一般的指纹图像都能达到很好的预处理效果，但是对湿指纹图像却不尽人意，今后将对此做进一步的研究。

本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。