| 标题 | 基于纹理特征的指纹图像处理方法研究 |
| 范文 | 常亮 刘阳 王文德 刘士斌 [摘 要] 原始指纹图像含有一定的噪声，影响指纹识别的准确性。文章提出了过虑图像噪声的方法，通过指纹的规格化方法将指纹像素进行调整，分割图像得到有效的指纹区域，再通过指纹增强技术加强指紋的质量，使得脊线和谷线的纹理更加清晰，将断裂纹理连接上，去掉指纹的毛边，经过二值化处理，得到黑白分明的图像，再细化图像使指纹变成清晰的线条图像，得到准确、清晰的指纹图像。极大地增强了指纹图像识别率。 [关键词] 指纹图像；图像增强；图像分割；二值化 doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 03. 077 [中图分类号] TN911 [文献标识码] A [文章编号] 1673 - 0194（2018）03- 0186- 02 1 引 言 每个人指纹具有唯一的纹理结构，指纹上的特征信息给认证提供了依据。由指纹采集器得到的指纹图像有很多的噪声，例如指纹不洁、干、湿、扭曲等原因都产生噪声。在进行识别之前对指纹图像进行一系列处理，把它变成一幅清晰的点线图，以便于提取正确的指纹特征，增强图像的可识别性。 2 指纹图像特征及预处理 指纹由脊线和谷线组成的，指纹上突起的线条通常叫做脊线，凹下去的线叫做谷线。指纹的局部特征是特征点，包括指纹的中心点、三角点、端点、分叉点。指纹图像的预处理过程一般包括图像规格化、图像增强、图像分割、二值化、图像细化和细节点提取等过程[1]。 3 指纹图像规格化 指纹图像的噪声造成灰度差异，所以要对图像的对比度和灰度进行调整。规格化处理是针对于像素进行的，图像脊线和谷线的结构特征并不会改变。设I（i，j）为图像上的像素点，G（i，j）为规格化后的指纹图像，图像为W×H矩阵，定义M为均值，V为方差，根据公式（1）可得规格化后的图像G（i，j）[2]。 4 利用直方图增强指纹图像 图像规格化之后需要进行指纹图像增强，即增强指纹纹理的清晰度，增加指纹脊线和谷线的对比度，使线与线之间更加清晰，突出指纹的纹理特征，例如分叉点、端点等。 空域处理直方图修正法，可以近似认为是图像灰度分布的概率，通过图像直方图反映图像的统计特征。设图像在点（x，y）的灰度分布密度函数为p（z；x，y），那么图像的灰度密度函数[3]见公式（2）。 其中D定义图像的区域，S代表区域D的面积。在通常情况下，要精确得到图像的灰度分布函数比较困难，通常用图像的直方图来代替。设N为一幅数字图像的总像素个数，灰度级设有L个，nk为第k个灰度级中所具有灰度rk的像素总数。则第k个灰度级在图像中出现的概率公式（3）如下： 然后对图像进行直方图均衡化处理。它是一种经过数学变换，使输出图像变成具有均匀概率密度分布的新图像变换算法[4]，也就是灰度级分布比较均匀的图像，变换过程为： （1）计算原始图像直方图各灰度级出现的频度（其中n为原始图像中总的像素数目，nj各灰度级的像素数目）： （2）计算累计分布函数： （其中fj为初始图像的灰度级） （3）计算变换后输出图像的灰度级gi，（其中，INT代表队灰度级取整） （4）对映射后所计算出的各个灰度级的像素数目进行统计ni，i=0.1，…，k，L-1 （5）计算输出图像直方图：（用P表示输出图像具有灰度级的个数） （6）通过fj和gi反映出来的映射关系对初始图像的灰度级进行修改，从而得到概率密度均匀分布的输出图像。通过以上算法对指纹图像进行直方图均衡化处理，效果如图1所示。 可以看到图像效果明显改善，细节部分清晰了很多，而且可以看到处理后直方图呈现均匀分布。 5 图像区域分割 在增强指纹图像基础上对指纹图像的分割，它是将脊线与谷线基于灰度阈值的分割；将指纹区域与无图像区域分割是利用方差法分割[5]。 方差法是根据前景区域和背景区域的灰度方差值的不同进行分割的。把指纹分成若干个小的区域，分别计算方差值，再根据指纹纹理需要的清晰程度设定某个阈值，方差大于阈值的设定为前景区，方差小于阈值的认为是背景区。经过计算确定阈值为90的指纹分割为最佳效果，如图2所示。 6 图像二值化 图像分割之后进行图像二值化，将一幅图像转化为二值图像，目的是为了提高脊线和谷线的对比度，使指纹图像更加清晰。算法的实现过程如下： （1）将指纹图像分成大小为16×16的小块区域； （2）分别计算每个区域的平均灰度值，取值作为该区域的阈值。 计算每个小区域像素点的灰度值，大于阈值的，灰度值设置为白色255，反之，小于阈值的设置为背景色，取值为0。 7 图像细化 在图像二值化基础上进行图像的细化，采用模板匹配的方式，指纹中某点是否应该删除取决于该点周围的像素的取值，在8邻域模板中，是否删掉像素点要取决于其他八个像素点的取值，二值化后的图像只有两种像素点分别用0和1表示，如果是端点，P周围只能有一个像素点是1；如果是分叉点P像素周围就要有三个像素都是1，还有一种就是正常的连续的点，这样就是P周围有两个像素点为1，以上三种情况的点，都要保留下来，将目标点周围有像素点的取值相加，判断是分叉点还是端点，这样循环计算得到图像如图4所示。 8 指纹图像细节点提取 细节点提取是在细化图像基础上进行的，由于细化图像时将指纹图像细化到一个像素的粗细，所以进行指纹细节点提取可以用8邻域的方式进行。 如果P点是指纹的端点，周围点的和S=2，如果S=6则为分叉点，即可提取。经过计算即可得到图像细节点如图5所示。 9 结 论 本文针对具有噪声的指纹图像，提出了通过预处理、规格化、增强图像、区域分割、二值化、图像细化和细节点提取一系列处理后得到了具有足够多的和清晰的特征点指纹图像，提高了指纹图像的识别准确性，具有很高的使用价值。 主要参考文献 [1]何晶，范九伦. 一种新的指纹图像模板细化方法[J].计算机应用研究，2008，25（9）：2863-2867. [2]太艳荣.基于MATLAB实现的指纹图像预处理西南民族大学学报：自然科学版，2008， 34（4）：836-838. [3]李建华，马小妹，郭成安. 基于方向图的动态阈值指纹图像二值化方法[J].大连理工大学学报， 2002， 42（5）：626-628. [4]汤婷，吴小培，项明. 指纹图像增强与特征提取[J]. 计算机技术与发展， 2009，19（1）：81-83. [5] 马文科，王玲，何浩.一种指纹图像的局部阈值分割算法[J]. 计算机工程与应用， 2009，45（34）：177-179. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。