（模式识别与智能系统专业论文）指纹图像分割方法研究.pdf

硕士论文 指纹图像分割方法研究 摘要 指纹识别是计算机模式识别领域一个很热门的研究课题，有着很广阔的应用前 景。指纹图像预处理是指纹识别过程的第一步，预处理效果的好坏直接影响着识别系 统的效果。 本文通过大量的实验，系统地研究了指纹图像预处理中重要环节指纹图像分割 的理论和技术。针对目前研究状况，对常见的分割方法进行了分类和探讨，并针对某 些算法的不足提出了相应的改进。本文主要工作包括： ( 1 ) 研究了目前常见的基于块的指纹图像分割方法：方差法，方向图法，合成法和 分级分割法。并对实验结果进行比较。提出对分级分割法的改进，自动确定分级分割 方法中的部分阈值，改善了原算法中因多个阈值的凭经验确定而给算法带来的主观性 与不方便等不足。 ( 2 ) 研究了基于像素的指纹图像分割方法中的基于g a b o r 滤波器的指纹图像分割方 法，针对算法耗时长的缺点，提出了改进算法，提高了运行速度。提出了对线性分类 器分割方法的改进算法：基于二项逻辑斯谛回归模型的指纹图像分割方法，实验结果 表明，改进后的算法有着更好的分割结果。 ( 3 ) 分析比较了指纹图像二值化分割方法。分别研究和实现了o t s u 分割方法，基于 直方图均衡化分割方法和s d y a n o w i t z 等人的分割方法，并在实验的基础上对比分 析了以上算法的优劣。 关键词：指纹，指纹识别，指纹图像分割 硕上论文指纹图像分割方法研究 a b s t r a c t t h et e c h n o l o g yo ff i n g e r p r i n tr e c o g n i t i o ni sa na c t i v es u b j e c ti nt h ea r e ao fp a t t e r n r e c o g n i t i o n , i th a sb r o a da p p l i c a t i o n t h ef i n g e r p r i n ti m a g ep r e p r o c e s s i n gi st h ef i r s ts t e po f f i n g e r p r i n ti d e n t i f i c a t i o ns y s t e m , t h eq u a l i t yo ft h ef i n g e r p r i n ti m a g ep r e p r o c e s s i n g a f f e c t s d i r e c t l yt h e r e s u l to f i d e n t i f i c a t i o ns y s t e m t h i s p a p e ri n v e s t i g a t e s t h e t h e o r y a n dm e t h o d so f f i n g e r p r i n ti m a g e s e g m e n t a t i o n - - o n eo ft h ei m p o r t a n ts t e p so ft h ef i n g e r p r i n ti m a g ep r e p r o c e s s i n g s o m eo f t h es e g m e n t a t i o nm e t h o d sa r ed i s c u s s e da n dc l a s s i f i e da n db a s i n go nt h e s em e t h o d ss o m e i m p r o v e dm e t h o d sa l ep r e s e n t e da i m i n ga tt h es t a t u sn o wi nt h i s f e l d t h em a i nw o r k i n c l u d i n g ： ( 1 ) a n a l y s e ss o m ee o n l n l o nf i n g e r p r i n ti m a g es e g m e n t a t i o nm e t h o d sw h i c hb a s e do n b l o c k ：v a r i a n c em e t h o d ，o r i e n ti m a g em e t h o d ，c o m p o s em e t h o da n dt h em e t h o do f s e g m e n t t h ef i n g e r p r i n ti m a g ei ns e v e r a ls t e p s i m p r o v e st h em e t h o do fs e g m e n tt h ef i n g e r p r i n t i m a g ei ns e v e r a ls t e p s ，s e t ss o m eo ft h et h r e s h o l da u t o m a t i c a l l y ，s oi tc a no v e r c o m es o m e d i s a d v a n t a g eo fs u b j e c t i v i t ya n dd i s e o m m o d i o u s n e s sc a u s e db ys e t t i n gt h r e s h o l db a s e d 0 1 1 e x p e r i e n c e ( 2 ) o n eo ft h ef i n g e r p r i n ts e g m e n t a t i o nm e t h o d sw h i c hb a s e do i lp i x e l ，t h em e t h o do f s e g m e n tt h ef i n g e r p r i n ti m a g eb a s e do ng a b o rf i l t e ri s r e s e a r c h e da n dt h ei m p r o v e d m e t h o di sp r o p o s e d , e x p e r i m e n tr e s u l t ss h o wt h a tt h en e wm e t h o dh a st h ef a s t e rr u n n i n g s p e e d 。i m p r o v e st h em e t h o do fs e g m e n tt h ef i n g e r p r i n ti m a g eb a s e d o ng a b o rf i l t e r , 戡t h a u c et h es p e e do ft h ea l g o r i t h m p r e s e n t st h ei m p r o v e da l g o r i t h mb a s e do nl i n e r c l a s s i f i e ra l g o r i t h m ：t h em e t h o do fs e g m e n tt h ef i n g e r p r i n ti m a g eb a s e do i lb i n a r yl o g i s t i c r e g r e s s i o nm o d e lt h ee x p e r i m e n tr e s u l t ss h o w st h a tt h i sm e t h o dh a sb e t t e rs e g m e n t a t i o n r e s u l t s ( 3 ) a n a l y s e sa n dc o m p a r e ss o m es e g m e n t a t i o nm e t h o d sw h i c hb a s e d o ni m a g e b i n a r y z a t i o n ：o t s us e g m e n t a t i o nm e t h o d ，s e g m e n t a t i o nm e t h o dw h i c hb a s e do r lh i s t o g r a m e q u a l i z a t i o na n dt h es e g m e n t a t i o nm e t h o dw h i c hp r o p o s e db ys d y a n o w i t z a n a l y s e st h e q u a l i t i e so f t h e s em e t h o d sb ye x p e r i m e n tr e s u l t s k e y w o r d s ：f i n g e r p r i n t ，f i n g e r p r i n tr e c o g n i t i o n ，f i n g e r p r i n ts e g m e n t a t i o n 颂士论文指纹图像分割方法研究 图表目录 图1 1 1 1 自动指纹识别系统流程图。4 图1 1 1 2 纹路端点和分叉点5 图2 6 1 原始图像2 1 图2 6 2 方差法分割后结果图2 1 图2 6 3 方向图法分害9 后结果图。2 l 图2 6 4 综合法分割后结果图2 2 图2 6 5 自动确定部分阈值的分级分割法分割后结果图2 2 图3 1 3 1 基于g a b o r 滤波器的指纹图像分割方法实验结果2 7 图3 2 1 18 个方向9 * 9 模板2 9 图3 2 1 2 处理过程2 9 图3 2 2 1 改进后的基于g a b o r 滤波器的指纹图像分割方法实验结果3 0 图3 4 1 用二项逻辑斯谛回归模型对指纹图像进行分割后的结果3 8 图4 2 1 任群等的分割方法结果。4 3 图5 3 1 处理过程4 9 图5 3 2 “虚假”对像4 9 图5 4 1 原始图像5 0 图5 4 2o t s u 算法分割结果。5 0 图5 4 3 基于直方图均衡化的图像分割方法的分割结果5 0 图5 4 4 s d y a n o w i t z 等人方法的分割结果5 l v 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名： 鲞堑埘年期蚜侣 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对 于保密论文，按保密的有关规定和程序处理。 开究生签名： 洲年r 月坷日 硕士论文指纹图像分割方法研究 1 绪论 随着科学技术的不断进步，可靠有效的个人身份识别变得越来越重要。生物识别 技术，作为2 0 世纪末期才开始蓬勃发展的高新技术，必将在社会生活中占居越来越 重要的位置。 生物识别技术是依据人的体貌、声音等生物特征进行身份验证的科学解决方案 1 】。 一般来讲，如果某个生物特征满足如下条件，就可以用来鉴定身份【2 】： 1 普遍性：每个人都具有这种特征； 2 独特性：任何两个人的特征均不相同： 3 稳定性：所选择的特征在一定时间内不会发生变化； 4 可采集性：所选择的特征可以多次采集。 为了满足身份鉴别系统的实用性要求，选择生物特征时还应考虑如下问题： 5 性能：所选择的生物统计特征所能够达到的识别率和速度，对系统资源的要求等； 6 可接受性：用户在日常生活中多大程度上愿意接受此种的生物特征作为身份鉴定 的手段； 7 防伪性：系统是否能够容易地识别出冒充者。 生物识别技术的运用从根本上解决了密码、卡、证件等被遗忘、盗用、共享和丢 失等的危险。另一方面，根据生物识别技术的原理，人体的生物特征数据是以二进制 数列而不是以图像形式存储于设备或数据库中的；因此，从模板中重建生物特征几乎 不可能实现。这意味着即使采用生物识别技术进行身份认证，被认证人的隐私也可以 得到很好的保护。 目前已经出现了许多生物识别技术，常见主要有指纹识别、手掌几何学识别、虹 膜识别、视网膜识别、面部识别、签名识别、声音识别、基因识别等 3 9 】，其中一部 分技术含量高的生物识别手段还处于实验阶段。我们相信随着科学技术的飞速进步， 将有越来越多的生物识别技术应用到实际生活中 1 0 】。 指纹识别：实现指纹识别有多种方法。其中有些是仿效传统的公安部门使用的方 法，比较指纹的局部细节；有些直接通过全部特征进行识别：还有一些使用更独特的 方法，如指纹的波纹边缘模式和超声波。有些设备能即时测量手指指纹，有些则不能。 在所有生物识别技术中，指纹识别是当前应用最为广泛的一种。指纹识别对于室内安 全系统来说更为适合，因为可以有充分的条件为用户提供讲解和培训，而且系统运行 环境也是可控的。由于其相对低廉的价格、较小的体积( 可以很轻松地集成到键盘中) 硕士论文指纹图像分割方法研究 以及容易整合，所以在工作站安全访问系统中应用的几乎全部都是指纹识别。 手掌几何学识别：手掌几何学识别就是通过测量使用者的手掌和手指的物理特征 来进行识别，高级的产品还可以识别三维图像。作为一种已经确立的方法，手掌几何 学识别不仅性能好，而且使用比较方便。它适用的场合是用户人数比较多，或者用户 虽然不经常使用，但使用时需要很容易接受。如果需要，这种技术的准确性可以非常 高，同时可以灵活地调整性能以适应相当广泛的使用要求。 虹膜识别：虹膜识别是与眼睛有关的生物识别中对人产生较少干扰的技术。它使 用相当普通的照相机元件，而且不需要用户与机器发生接触。另外，它有能力实现更 高的模板匹配性能。因此，它吸引了各种人的注意，但目前虹膜扫描设备在操作的简 便性和系统集成方面没有优势。 视网膜识别：视网膜识别使用光学设备发出的低强度光源扫描视网膜上独特的图 案。有证据显示，视网膜扫描是十分精确的，但它要求使用者注视接收器并盯着一点。 这对于戴眼镜的人来说很不方便，而且与接受器的距离很近，也让人不太舒服。所以 尽管视网膜识别技术本身很好，但用户的接受程度很低。因此，该类产品虽在2 0 世纪 9 0 年代经过重新设计，加强了连通性，改进了用户界面，但仍然是一种非主流的生物 识别产品。 面部识别：这是一种相当引人注意的技术，它的性能也经常被误解。关于面部识 别，经常有一些夸张的言论，但实际是很难实现的。比较两个静态图像是一回事，在 人群中发现和确认某个人的身份而不引起别人的注意，就是完全不同的另一回事了。 有些系统宣称能做到后一点，但它们实际上做的是前一种事，这实际并不是生物识别。 从用户的角度很容易理解面部识别的吸引力，但人们对这种技术的期望应该比较现 实。到目前为止，面部识别在实际应用中还很少成功。但一旦克服了技术障碍，它将 成为一种重要的生物识别方法。 签名识别：签名识别在应用中具有其他生物识别所没有的优势，人们已经习惯将 签名作为一种在交易中确认身份的方法。它的进一步的发展也不会让人们觉得有太大 不同。实践证明，签名识别是相当准确的，因此签名很容易成为一种可以被接受的识 别符。但与其他生物识别产品相比，这类产品目前数量很少。 声音识别：声音识别就是通过分析使用者的声音的物理特性来进行识别的技术。 目前，虽然已经有一些声音识别产品进入市场，但使用起来还不太方便，这主要是因 为传感器和人的声音可变性都很大。另外，比起其他的生物识别技术，它使用的步骤 也比较复杂，在某些场合显得不方便。 基因识别：随着人类基因组计划的开展，人们对基因的结构和功能的认识不断深 化，并将其应用到个人身份识别中。因为在全世界6 0 亿人中，与你同时出生或姓名一 致、长相酷似、声音相同的人都可能存在，指纹也有可能消失，但只有基因才是代表 2 硕士论文指纹图像分割方泣研究 你本人遗传特性的、独一无二、永不改变的特征。据报道，采用智能卡的形式，储存 着个人基因信息的基因身份证已经在我国四川、湖北和香港出现。制作这种基因身份 证，首先是取得有关的基因，并进行化验，选取特征位点( d n a 指纹) ，然后载入中心 的电脑储存库内，这样，基因身份证就制作出来了。如果人们喜欢加上个人病历并进 行基因化验的话，也是可以的。发出基因身份证后，医生及有关的医疗机构等，可利 用智能卡阅读器，阅读有关人的病历。基因识别是一种高级的生物识别技术，但由于 技术上的原因，还不能做到实时取样和迅速鉴定，这在某种程度上限制了它的广泛应 用。 除了上面提到的生物识别技术以外，还有通过耳型、脸部热量、步态、敲键方式、 气味等其他特征进行识别的技术。 以上生物识别技术各有优缺点，表1 1 给出了一些常见生物特征的简单比较 11 】。 表l - 1 各种生物特征的比较 生物特征普遍性 唯一性 稳定性 可采集性准确性可接受性防伪性 指纹 中 高高中高 中高 学纹 由 中 由 高 由由由 虫t 膜高高高 由 高低高 视网膜高高 由 低高低高 面部高低 由 高 低 高低 签名低低低高低高低 声音中低低 由 低高低 基囡高高高低高低低 耳型 击 中高 由 中高中 脸部热量高高低高 由 高高 步态 由 低低高低高 由 敲键方式 低低 低中 低 由 中 气味高 高高低低 由 低 1 1 指纹识别技术简介 指纹识别是生物识别技术的一种，与基于其它生物特征的识别技术相比，指纹识 别方法有两个显著的特点【1 2 1 3 】： 1 稳定性：指纹具有很强的相对稳定性。从胎儿六个月指纹形成到尸体腐烂，指 纹纹线类型、结构、统计特征的总体分布等始终没有明显变化，尽管随着年龄的增大， 指纹在外型大小，纹线粗细上会产生一些变化，局部纹线上也可能出现新的特征。但 从总体上看，指纹是相当稳定的，即使手指皮肽受伤，只要不伤及真皮层，伤愈后纹 硕士论文指纹图像分割方法研究 线仍能恢复原状；即使伤及真皮，伤愈后形成的伤疤虽然破坏了原有的纹线，但伤疤 本身也形成了新的稳定特征。 2 唯一性：指纹具有明显的独特性。人与人之间的指纹不同，一个人的十个手 指的指纹也不相同。由于皮肤表皮上的纹路是在胎儿六个月的时候形成的，因此即使 是同卵双胞胎的指纹也是不同的。事实上，世界上两枚指纹相同的几率小于1 1 0 9 ， 几乎为零。 另外指纹识别技术还具有高准确性和高防伪性等优点，它是目| ； 应用最广泛的身 份验证与识别技术，应用于各个领域，由此指纹识别是一种最方便、最可靠的个人身 份鉴别技术，可以说指纹识别实现了身份鉴定领域的世纪革命。 1 1 1 指纹识别研究内容 自动指纹识别系统的工作模式可以分为验证模式( v e r i f i c a t i o n ) 和辨识模式两 类( i d e n t i f i c a t i o n ) 1 4 ，验证模式又称一对一比对( o n e - t o - o n em a t c h i n g ) ，比对原 理为：指纹预先登记到样本数据库并设定一个标识码。比对时，录入指纹并输入标识 码，系统根据标识码从数据库中提取指纹样本与录入指纹进行比对。辨识模式又称一 对多比对( o n e - t o - m a n y m a t c h i n g ) ，是把录入指纹与样本数据库中的所有指纹逐一进 行对比，直至找到帽匹配的指纹或搜索完整个样本数据库后给出无对应指纹的结论。 一个典型的自动指纹识别系统流程图如图1 1 1 1 所示。 困，宙! ：商，南 幽1 1 1 1 自动指纹识别系统流稃图 下面分别介绍指纹采集【1 5 】，预处理，特征提取与特征匹配四个部分。 指纹采集：指纹由图像输入设备转化成数字信息，并将其保存在机器内部。图像 输入设备是图像处理系统的先导硬件，它具有图像输入和数字化双重功能。随着科学 技术的发展，图像输入设备同益向高速度、高分辨率、多功能，智能化方向发展。目 4 硕上论文指纹图像分割方法研究 前，采集设备大致分为光学设备、硅晶体传感器和超声波扫描。三种技术优缺点比较 见表1 1 1 1 。 表1 1 1 1 采集技术的比较 比较项目光学全反射技术硅晶体电容传感技术 超声波扫描 体积大小 中 耐f l j 性非常耐用容易损坏 一股 成像能力干手指差，多汗和稍脏的手指成 干手指好。但多汗和稍脏的手非常好 像模糊指不易成像 耗电 较多 较少较多 成本低低很高 预处理：采集的指纹往往会含有噪声，这主要是由于平时的工作和环境引起的， 比如手指被弄脏，手指有刀伤、疤、痕，手指干燥、湿润或擦破等，为了提高特征提 取的效率与准确性，需要对图像进行预处理。预处理一般包括图像分割、图像增强、 二值化、细化四个部分。图像分割是把指纹图像从背景中分离出来，减少后续处理的 时间，提高特征提取的可靠性。也有一些文献将把指纹图像二值化，即将指纹脊( 脊 指的是手指皮肤凸起部分，按在指纹采集器上形成指纹图上的黑色线条；谷指的是脊 之间的空白部分) 从指纹图像中提取出来也归为图像分割部分 1 6 1 8 1 。图像增强的目 的是突出指纹纹线结构，抑制纹线上及背景中的噪声干扰；二值化是将指纹图像变为 二值图像；细化是将前面两步已经处理过的指纹图像中指纹的脊的宽度降到最小，去 除原纹线上的毛刺，使纹线更加清晰，尽量减少因为毛刺生成的伪交叉点、断点等。 特征提取：常用的指纹描述方法是基于纹路结构特征 1 9 1 。指纹结构特征分为全 局特征和局部特征两个大类。全局特征是对指纹全局纹路结构的描述，有时也称h e n r y 特征。g a l t o n 定义了四种局部结构特征：纹路的起始点和终止点、分叉点、小桥和环， 统称为g a l t o n 特征。后人在此基础上又进行了一些扩展，目前定义的特征类型己达到 1 5 0 余种之多【1 9 】。但是这些扩展的特征往往不易提取和相互区分，并且它们都可以用 纹路端点和分叉点的组合进行描述，且使用端点和分叉点足以描述指纹的唯一性，这 使得端点和分叉点成为最常用的结构特征，也称为细节特征( m i n u t i a ) ，如图1 1 1 2 所示。检测提取指纹中特征点的类型，数量，位霄和所在区域的纹线方向等信息是特 征提取的任务。 ( a ) 纹路端点 ( b ) 纹路分叉点 酗1 1 - 1 2 纹路端点雨j 分义点 硕士论文指纹图像分割方法研究 特征匹配：指纹匹配要解决的问题是对从两幅给定的指纹图像提取的特征信息进 行匹配，判断这两枚指纹是否来自同一个指头。指纹匹配过程一般分两步进行，首先 找到对应的特征点，然后根据对应点确定两个模式之间的旋转平移变换，并通过计算 重合在一起的点对数来确定两个指纹的相似程度。目前指纹匹配方法可以分为两类： 一类是基于图形的匹配方式 2 0 一2 2 ，另一类是采用人工神经网络的方法 2 3 - 2 5 。 1 1 2 指纹识别技术的国内外发展状况和面临的问题 应用指纹进行身份认证已经有很长的历史，据考古学证实，公元前7 0 0 0 年到6 0 0 0 年以前，指纹作为身份鉴别的工具已经在中国和古叙利亚开始应用。近代，随着科技 的进步，研究越来越多，形成了一个专门的涉及民用，司法，公安，机要，保密等各 个行业的重要领域。 早期的指纹识别工作是人工方式进行的，但由于指纹结构的复杂性以及对指纹识 别要求的严格性，导致人工识别指纹工作难度大、费时和识别准确性低，远远不能适 应实际工作的需要。计算机技术的诞生与发展，为复杂的科学计算和指纹自动识别提 供了可能。 指纹识别在国外研究的较早，而且得到越来越广泛的应用。开展有关软件研究工 作最早的国家是美国，2 0 世纪6 0 年代，由于计算机能够有效地处理图形，在美国开始 提出用计算机图像处理和模式识别方法进行指纹分析以代替人工比对，即自动指纹识 别系统( 简称a f i s ) ，a f i s 的应用主要有两个方面：刑侦和民用，但该系统的价格比较 昂贵。其他一些小型系统，像d i g i t a lp e r s o n a 2 6 公司的u r u 系统光学指纹采集 器是目前应用比较广泛的光学指纹采集器，主要用于用户登录计算机w i n d o w s 系统时 确认身份，它集成了精密光学系统、l e d 光源和c m o s 摄像头协同工作，具有三维活体 特点，是目前市场上最安全的光学指纹识别系统之一。u r u 光学指纹采集器按照 人体工学设计，带有u s b 接口，是用户桌面上紧邻键盘的新型智能化外设，价格也比 较昂贵。随后1 9 7 5 年日本也开始这方面的工作。韩国，印度等国家对指纹识别的研究 也很深入，也推出了很多产品。 就国内而占，北京大学对指纹自动识别的研究应用起步较早，丌始于七十年代末。 北大方正，北大青鸟公司都是以北京大学指纹自动识别的研究成果为基础，丌发出一 系列应用产品。国内还有一些其他的公司或研究所在研究指纹识别技术，并推出相关 产品。 目前指纹识别技术的研究取得了很大成绩，但也面临着一些严重的困难 2 7 】： ( a ) 指纹采集技术有待提高：就实际应用来讲，目前的活体指纹采集设备还不能很 好地满足需要，这已经成为制约自动指纹识别技术发展的一个瓶颈。主要表现在：1 对 6 硕卜论文指纹图像分割方往研究 被采指纹的适应性差。在指头较湿、较干、较脏或磨损较为严重时，采集的指纹质量 往往不能让人满意，虽然可以通过指纹增强等技术提高指纹的质量，但这不可能从根 本上解决问题。毕竟，清晰的指纹图像是正确实现自动指纹识别的前提和保障。2 指 纹采集时的变形问题至今没有得到很好的解决。指头是一个柔性体，尤其在使用平板 窗口的采集设备进行指纹采集耐，每次采集用力大小、用力方向和采集位置都会有所 不同，造成指纹的各种变形，使指纹特征点的相对位置发生较大偏移，从而很难对各 特征点做到精确定位。另外，指头表面是一个三维曲面，而获取的指纹图像却是一个 二维平面，这种从立体向平面的转化也会造成指纹的变形。更为主要的是，以上因素 造成的指纹变形往往是不确定的、随机的，很难用确定的数学模型去描述，这给后继 的指纹比对造成了严重的干扰。 ( b ) 指纹分类技术有待突破：对于工作在验证模式下的自动指纹识别系统，指纹分类 技术并不是一个问题，但对于工作在辨识模式下的系统，指纹分类技术的研究水平则 至关重要。指纹分类技术越完善，能够划分的类型越细，样本数据库每个类别中所包 含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。 按照现行的分类标准，将指纹分成四类、五类或六类还是远远不够的。 ( c ) 缺乏自动指纹识别系统的性能评价体系：自动指纹识别系统的性能评价是自动 指纹识别领域一个急待解决的问题。严格来讲，自动指纹识别系统的性能评价应该由 一个全国乃至世界性的专门检测机构来进行，该机构应该拥有一个样本容量足够大、 在质量、类型等方面部具有充分代表性的指纹数据库，制定一套科学、严谨的测试方 案，能够对各种自动指纹识别系统的性能给出准确、统一、权威的评价。但是，遗憾 的是，迄今为止，国内外还没有这样一个自动指纹识别系统性能评价机构，各个自动 指纹识别系统的性能往往是由开发者自己来建立或者选择数据库、设计测试方案、进 行性能测试这样，由于各个自动指纹系统在测试时使用的数据唪在容量、指纹质量方 面各不相同，测试方案差别也比较大，不可避免地造成现在自动指纹识别系统性能评 价的混乱和无序，而且各系统间也不存在可比性。所以，尽快建立一个专门的自动指 纹识别系统评价机构，对各个自动指纹系统给出准确、统一、权威的测试结果，也是 自动指纹识别技术研究领域一项急需解决的问题。 由于我国在指纹图像识别技术领域起步较晚，较开本、美国、西欧等发达国家相 比技术还不够完善。另外，我国有潜在的、巨大的市场资源，如果在指纹识别中完全 引用国外的技术和设备，势必将流失大量的资金和人力资源，而且不利于国家安全。 因此，有必要进行指纹识别的研究，并且在研究中要建立自己的知识产权，建立独立 的、高性能的指纹分析、处理、识别系统，以保证在市场竞争中具有可发展性和可扩 充性。 以指纹为代表的生物识别技术的发展和应用已被公认将会给身份识别领域带来 7 硕士论文指纹图像分割方法研究 一场革命，并已经成为各国学术界和工业界研究的热点之一。总之，随着市场的推动 和技术的提高，指纹识别技术会不断提高，其识别性能，成本也将进一步向实用化方 向迈进，应用领域将会进一步的拓宽，在人们生活中的作用也会越来越重要。 l 1 2 指纹图像分割方法综述 1 2 1 图像分割方法 所谓图像分割就是将图像划分为互不重叠的，具有特定含义的区域。对图像瑚 分割结果将会得到满足如下性质的子区域r ， ( 1 ) u r = ， k = l ( 2 ) r n = ，f o r k _ ， ( 3 ) 置是连通的 ( 4 ) 冠在某一度量之下是均匀的 如果没有连通性约束，图像分割的过程将完全是一个分类的过程。 目前图像分割方法很多，可分为基于区域的分割方法，基于边界的分割方法，基 于区域和边界技术相结合的方法，基于特定理论的分割方法等 2 8 】。 1 基于区域的分割方法： 基本思想是根据图像数据的特征将图像空间划分为不同的区域。主要可分为阈值 法，区域生长和分裂合并法和聚类分割法等 2 8 】。 阈值法：是一种最常用的并行区域技术，阈值是用于区分不同目标的灰度值。如 果图像只有目标和背景两大类，那么只需选取一个闽值称为单闽值分割。如果图像中 有多个目标，就需要选取多个阅值将各个目标分开，这种方法称为多阈值分割。闽值 又可分为全局闽值、局部阈值和动态阔值。阈值分割的优点是计算简单，运算效率较 高，速度快，但这种方法只考虑像素本身的欢度值，一般不考虑空1 日j 特征，因而对噪 声很敏感。对传统阂值法的改进包括局部闽值、模糊闽值、随机阈值等方法在实际应 用中，阈值法通常与其他方法结合使用。 区域生长和分裂合并法：是两种典型的串行区域技术，其分割过程后续步骤的处 理要根据前面步骤的结果进行判断而确定。区域生长域生长方法是从若干种子点或种 子区域出发，按照定的生长准则，对邻域像素点进行判别并连接直到完成所有像素 点的连接。其中种子点可采用人机交互或自动方法设定。这种方法的关键在于种子点 b 硕卜论史指纹图像分割方法研究 的位置、生长准则和生长顺序等。分裂合并法的基本思想是从整幅图像开始通过不断 分裂合并得到各个区域。分裂合并法的关键是分裂合并准则的设计。这种方法对复杂 图像的分割效果较好，但算法较复杂，计算量大，分裂还可能破坏区域的边界。 聚类分割法：聚类方法不需要训练样本。因此聚类是一种无监督的统计方法。因 没有训练样本集，聚类方法迭代地执行图像分类和提取各类的特征值。从某种意义上 来说，聚类是一种自我训练的分类。k 一平均，模糊c 一平均和期望最大化方法( e m 方法) 均归为这一类。经典的聚类和模糊聚类方法因为没有考虑空间信息，对噪声敏 感，容易形成孤立的小斑点，考虑空间信息和形状信息的聚类方法正在兴起等 2 9 - 3 1 。 聚类方法虽然不需要训练，但需要得到图像的初始分类( 或初始参数) ，其中e m 算法 对初始参数的依赖较大。 2 基于边缘检测的分割方法 基本思想是先检测图像中的边缘点，再按一定策略连接成轮廓，从而构成分割区 域。其难点在于边缘检测时抗噪性和检测精度的矛盾，若提高检测精度，则噪声产生 的伪边缘会导致不合理的轮廓；若提高抗噪性，则会产生轮廓漏检和位置偏差。为此， 人们提出各种多尺度边缘检测方法。尺度空间方法是多尺度计算机视觉的一个重要方 面，自从k o e n d e r i n e k 等的开创性工作以来，这一领域得到了长足的发展。从上世纪 8 0 年代后期开始，尺度空f 8 j 的概念引入医学图像的分割中，该方法直到9 0 年代后期才 取得一些成功，例如p i z e r 等人将尺度空日j 和m e d i a l r i m i t i r e s 相结合用于目标的形 状表达和图像分割，取得较好的结果 3 2 】。 3 基于区域和边界技术相结合的分割方法 在实际应用中，为发挥各种方法的优势，克服它们的缺陷以获得更好的分割效果， 经常把各种方法结合起来使用。边缘检测能够获得图像局部变化强度，而区域分割能 够检测特征的相似性与均匀性。边缘与区域组合分割的主要思想是结合二者的优点， 通过边缘点的限制，避免区域的过分割；同时，通过区域分割补充漏检的边缘，使轮 廓更加完整。 4 基于特定理论的分割方法 图像分割至今尚无通用的自身理论。随着各学科许多新理论和方法的提出，出现 了许多与一些特定理论、方法相结合的图像分割技术。可分为基于数学形态学的方法， 基于模糊集理论的方法，基于小波变换的边缘检测方法，基于神经网络的分割方法等。 基于数学形态学的方法：数学形态学在图像处理中的应用近年来r 渐受到重视， 很多的系统部采用形念学算子柬对图像进行预处理或后处理。它的基本思想是用具有 一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目 的。基本的形态学操作是腐蚀，膨胀，丌启，闭合，对这几个操作进行组合和推导，可 以产生各种形态学实用算法，适合于用相应的硬件构造查找表实现。形态学理论在图 9 预上论文指纹图像分割方法研究 像分割中的应用比较有代表性的是v i n c e n tl 等人提出的分水岭算法( w a t e r s h e d ) 【3 3 】。w a t e r s h e d 算法通常与其它方法结合使用。 基于模糊集理论的方法：模糊理论具有描述事物不确定性的能力，适合于图像分 割问题。所以有研究者将模糊理论引入到图像处理与分析领域，其中包括用模糊理论 来解决分割问题。近年来，出现了许多模糊分割技术，在图像分割中的应用日益广泛。 目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方 法相结合。基于模糊集理论的分割方法有模糊聚类分割，模糊阂值分割，摸期连接度 分割等。 基于小波变换的边缘检测方法：小波变换是一种多尺度多通道分析工具，比较适 合对图像进行多尺度的边缘检测，能够在不同尺度上对信号进行分析，因此在图像处 理和分析等许多方面得到应用。二进小波变换具有检测二元函数的局部突变能力，因 此可作为图像边缘检测工具。近年来多进制小波也开始用于边缘检测 3 4 】。小波变换 位于各个尺度上，而每个尺度上的小波变换都能提供一定的边缘信息，因此可进行多 尺度边缘检测，得到比较理想的图像边缘。 基于神经网络( a n n ) 的分割方法：a n n 方法是一种机器学习算法，可用于图像的分 割，其出发点是将图像分割问题转化为诸如能量最小化，分类等问题。其基本思想是 用训练样本集对州n 进行训练，以确定节点日j 的连接和权重，再用训练好的a n n 去分割 新的图像数据。如b l a n z 等利用前向三层网络分割图像【3 5 】，b a b a g u c h i 等则使用了多 层网络并且用反向传播方法对网络进行训练 3 6 1 ，在他们的方法中，输入为图像的厌 度直方图，输出为用于阈值分割的阈值，该方法本质上是用神经网络技术得到图像分 割的阂值。由于a n n 存在大量的连接，所以很容易引入空间信息。该方法首先需要确 定合理的网络结构，也需要大量的训练样本，但制作训练样本在实践中是困难的。 图像分割是图像处理和分析的关键技术，也是一个经典难题。近几年来虽然仍然 有很多研究人员致力于图像分割的研究，发表了很多的研究成果，但由于问题本身的 困难性，目莳的方法多是针对某个具体任务而言的，还没有一个通用的解决方法。 1 2 2 指纹图像分割方法 以上介绍的很多图像分割方法在指纹图像都有应用，目前对于指纹图像分割的定 义有两种观点，种是认为指纹图像分割是割除非指纹区，保留指纹区( 即脊和谷组 成的部分) 【3 7 - 4 0 ：还有一些学者认为指纹图像分割是将指纹图二值化 1 6 1 8 】，即将指 纹脊从图像中分割出来。 l 割除非指纹区的指纹图像分割方法 此类指纹图像分割的主流算法多采用基于区域的分割技术。结合国内外对该领域 1 0 颂十论文 指纹图像分割方法研究 的研究现状，将现有的割除非指纹区分割方法主要归结为以下三大类： ( a ) 基于块的指纹图像分割方法。 目i i i 基于块的指纹分割方法很多。m e h t r e 【4 1 】等人根据分块图像的梯度分布和灰 度来分割指纹图像。x i n j i a nc h e n 等人【4 2 】使用线性分类器来将指纹图像分为盼景和 背景两类。杨小冬等以沿平行于块方向和垂直于块方向的灰度变化作为判断依据实现 了对指纹图像的分割【4 0 】。冯星奎等结合方差法，方向图法和简单阂值法提出”合成 分割法”，用来分割指纹图像【4 3 】。耿茵菌等 4 4 】将指纹图像分为白背景，模糊区， 背景区，前景区，提出逐级分割方法。 ( b ) 基于像素的指纹图像分割方法。 a s k e r m b a z e n 等人【3 8 】通过对像素点特征定义与分析，使用关于c m v - - - 个指标 的线性分割器将所有像素点分成指纹和背景两类。丁裕锋等在指纹图像分割中引入了 g a b o r 滤波器虚部的滤波结果作为新的指纹图像特征，并通过加权平均来分割指纹图 像【4 3 】。蒋景英等【4 5 】将基于遗传算法的阈值分割方法和方向图法相结合对指纹i 虱像 进行分割。何余良等人【4 6 】提出了一种基于马尔科夫随机场的指纹图像分割方法王彦 荣 3 9 】用基于二次曲面模型来分割指纹图像。吴显丽等提出指纹的分层分割算法【4 7 】， 首先将外层黑色区域的跃度值设定为与内层浅色背景区域相近，这样原指纹图像的背 景即变成比较均匀的浅色区域，然后根据其灰度特性将其去除。 ( c ) 提取指纹外轮廓的分割方法。 任群等在图像预处理后，基于边缘检测方法抽取出离散的指纹脊线边缘信息点 集。然后，以该点集的质心作为种子点，跟踪搜索有效指纹图像的边缘轮廓线。最后， 用一种改进的近似凸壳算法修正轮廓线【4 8 】。杨德英等在基于像素水平的指纹图像预 分割后，得到一块连通的前景区域然后，用一种改进的近似凸壳算法修正轮廓线 4 9 】。 2 二值化图像的指纹图像分割方法 a h m e dw a t h i kn a j i 等用基于直方图均衡化的方法来分割图像，对于不同质量的 指纹图像，它都能找出最合适的阈值【1 8 】。m h a s s a ng h s s e m i a n 1 6 j 黾 于模糊分类 的方法来分割指纹图像。m a r i u st i c o 1 7 等提出了基于图像表面拓扑特性的指纹图像 分割方法。国内也有很多文献将指纹图像增强后进行二值化认为是指纹图像分割，如 5 0 1 等。 1 3 课题的选择 指纹识别技术相对于其他方法有许多独到之处，更重要的是有着很高的实用性和 可行性，由此，指纹识别成为最流行、最方便、最可靠的个人身份认证之一。指纹识 别过程中，人们的兴趣主要在于指纹图像的l i i 景部分。一般需要尽可能清除指纹图像 硕士论文 指纹图像分割方法研究 的背景，在此基础上才能对目标进行特征提取和测量。 指纹图像分割后能避免在噪声和背景区域中提取特征，提高特征提取的可靠性， 同时节省处理时间，从而提高整个系统性能有着重大意义，所以在自动指纹识别算法 中具有重要地位。 1 4 本论文的章节安排 本论文共分为五章，具体组织如下： 第一章绪论，介绍指纹识别相关概念，并对指纹图像分割这个指纹识别中的重 要环节进行研究和探讨，确立了课题的研究内容。 第二章研究了目前常见的基于块的指纹图像分割方法：方差法，方向图法，合 成法和分级分割法，对实验结果进行比较并提出对分级分割法的改进。 第三章研究了基于像素的指纹图像分割方法中的基于g a b o r 滤波器的指纹图 像分割方法，并对其作出改进。提出了对线性分类器分割方法的改进算法：基于二项 逻辑斯谛回归模型的指纹图像分割方法。 第四章研究了以提取轮廓线为目的的指纹图像分割方法。 第五章研究y - 值化指纹图像的分割方法：o t s u 分割方法，基于直方图均衡 化分割方法和s d y a n o w i t z 等人的分割方法，并对这些方法的实验结果进行比较。 第六章对全文进行总结。 1 2 硕上论文 指纹图像分割方法研究 2 基于块的指纹图像分割方法 在区分指纹的指纹区域和非指纹区域的指纹图像分割方法中，基于块的指纹图像 分割方法比较常见。这类算法通常将指纹图像分割成大小固定的小块，根据每一小块 的特性确定该块是前景( 指纹区) 还是背景( 非指纹区) 。 2 1 方差法 2 1 1 算法思想 指纹图像的前景区域由指纹脊线和谷线组成，指纹脊线和谷线是黑白相间的纹 理，因此方差比较大，而背景区域的灰度变化不大，因此方差比较小。基于这一特征， 可利用图像的局部方差对指纹图像进行分割，这种方法称为方差法。 2 1 2 算法步骤 1 将指纹图像分成w 幸w 的小块 2 计算每一块图像的平均灰度值 g ( f ，) a v e g