（计算机应用技术专业论文）指纹图像分割及增强研究.pdf

硕士论文 指纹图像分割及增强研究 摘要 随着计算机技术的迅速发展，指纹识别技术已经成为目前国内外生物识别技术领域 研究的一个热点，具有相当广阔的应用前景。现代化的指纹识别技术能在极短的时间内 完成任何人的身份认证，被广泛应用于公安、司法、银行、证券、考生身份鉴别、单位 考勤等领域，可以说指纹识别实现了身份鉴定领域的世纪革命，正逐步替代传统的基于 标志的身份认证技术。 本文总结了指纹图像分割及增强的一些常用算法，重点研究了以下内容并做出了相 关改进。 1 ) 指纹图像分割：本文结合指纹图像的规律，改进了块聚类度算法，使得指纹图 像的分割不仅较为准确而且更加快速。本文还实现了基于复数g a b o r 滤波器的分割算法， 并与改进的块聚类度算法进行了结果比较。 2 ) 核心点检测：本文设计了一种新的多尺度圆形区域模型，能够准确计算核心点 的方向。在检测核心点时，本文用了p o i n c a r ei n d e x 算法和基于连续方向场的多尺度 算法，并对两种算法的结果进行了比较。 3 ) 指纹图像增强：本文设计了一种新的复合滤波器，使得指纹图像的滤波增强不 仅快速，而且较好地保持了指纹的纹理。本文改进了指纹纹线频率的求取算法，使得算 法速度得到了很大的提高，并且估算的频率也更加准确。为了跟复合滤波器的滤波结果 进行比较，本文还分别对指纹图像实现了基于方向场的滤波、傅立叶函数滤波和g a b o r 函数滤波。 关键词：方向图，核心点，g a b o r 滤波器，傅立叶滤波 a b s t r a c t 硕士论文 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fc o m p u t e rt e c h n o l o g y , a u t o m a t i cf i n g e r p r i n ti d e n t i f i c a t i o n s y s t e m ，w h i c hh o l dav e r yb r o a df u t u r ea p p l i a n c e ；h a sb e c o m et h eh o t s p o to ft h eb i o m e t r i c r e c o g n i t i o nf i e l db o t hh o m ea n da b r o a d t h em o d e mf i n g e r p r i n ti d e n t i f i c a t i o nt e c h n o l o g yc a n a c c o m p l i s he v e r y o n e si d e n t i t ya t t e s t a t i o ni nav e r yl i t t l et i m e ，a n di su s e dw i d e l yi np o l i c e s e c u r i t y , j u s t i c e ，b a n k , s t o c kt r a d e ，e x a m i n e e s i d e n t i t ya t t e s t a t i o n , a t t e n d a n c ec h e c k i n g ，a n d s oo n t h ef i n g e r p r i n ti d e n t i f i c a t i o nh a sc a r r i e do u tt h ec e n t u r yr e v o l u t i o ni nt h ef i e l do f i d e n t i t ym o d u l e ，a n di sr e p l a c i n gt h et r a d i t i o n a ls e c u r i t ys y s t e m sw h i c hb a s e do nt o k e no r p a s s w o r d w es u m m a r i z et h ec o m m o na l g o r i t h mo nt h et o p i co ff i n g e r p r i n ti m a g es e g m e n t a t i o n a n de n h a n c e m e n t ，e m p h a s i so nt h ef o l l o w i n ga n dd os o m ei m p r o v e m e n t s 1 ) f i n g e r p r i n ti m a g es e g m e n t a t i o n ：c o m b i n i n gt h er e g u l a r i t yo ff i n g e r p r i n ti m a g e s ，w e i m p r o v et h ec i u da l g o r i t h mw h i c hm a k e st h es e g m e n t a t i o nr e l a t i v e l ym o r ee x a c ta n df a s t e r i na d d i t i o n , t h i sp a p e rr e a l i z e sas e g m e n t a t i o na l g o r i t h mb a s e do nt h ep l u r a lg a b o rf i l t e r t h e n w ef u r t h e rc o m p a r et h ea b o v e m e n t i o n e dt w oa l g o r i t h m s 2 ) c o r ep o i n td e t e c t i o n ：w ed e s i g nan e wm o d e lu s i n gam u l t i - r e s o l u t i o nc i r q u et o c a l c u l a t et h ec o r eo r i e n t a t i o n w h e nd e t e c t i n gt h ec o r ep o i n ：t ，w eu s es u c ht w oa l g o r i t h m sa s p o i n c a r ei n d e xa n dh i e r a r c h i c a la n a l y s i so ft h eo r i e n t a t i o nc o h e r e n c ea n dt h e nw ec o m p a r et h e t w oa l g o r i t h m s 3 ) f i n g e r p r i n ti m a g ee n h a n c e m e n t ：i nt h i sp a p e r , w ed e s i g nan e wh y b r i df i l t e rt os p e e d u pt h ef i n g e r p r i n ti m a g ee n h a n c e m e n ta n dh o l dt h ef i n g e r p r i n ti m a g et e x t u r eb e t t e r b e s i d e s ， w ei m p r o v et h es p e c t r u mm e t h o dw h i c hi su s e dt oe s t i m a t et h ef r e q u e n c yo ff i n g e r p r i n ti m a g e t e x t u r et os p e e du pt h ec a l c u l a t i n ga n dm a k et h ee s t i m a t e df r e q u e n c ym o r ee x a c t t oc o m p a r e w i t l lt h er e s u l to ft h eh y b r i df i l t e r , t h eo r i e n t a t i o nf i l t e r , f o u r i e rf i l t e ra n dg a b o rf i l t e rf o r e n h a n c i n gt h ef m g e r p r i n ti m a g e sa r eu s e d k e y w o r d s ：o r i e n t a t i o ni m a g e ，c o r ep o i n t ，g a b o rf i l t e r , f o u r i e rf i l t e r 声明尸明 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： 丝遣蕊年6 月歹弓日 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全部或部分内容，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全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：2 4 年易月刀日 硕士论文 指纹图像分割及增强研究 1 绪论 随着a t m 取款机、电脑、移动电话、幽菪系统等电子设备步入日常生活，人们越来 越依靠智能卡、身份证号码、密码等保护措施来安全、方便地识别身份。然而，这些传 统的身份认证方法( 智能卡、身份证号码、密码) 却易于被窃取、丢失、伪造、遗忘等， 给生活和工作带来极大的安全隐患。以信用卡为例，国际信用卡组织v i s a 的一个统计表 明，全球每年因伪卡、盗刷造成的信用卡的消费损失高达1 6 亿美金。在信息技术飞速发 展的今天，电子商务、电子银行、网络安全等应用领域更是急需高效的自动身份认证技 术，传统的个人身份认证已不能很好地满足信息时代对于信息安全的要求。如何才能更 加安全、方便地识别每个人的身份呢? 悄然兴起的生物识别技术也许能解决这个难题。 1 1 生物识别技术综述 所谓生物识别技术是指通过对人体所固有的生理特征或行为特征的收集、汇总、对 比、分析，进行个人身份鉴定的技术。它是目前最为方便、安全的识别技术之一，不需 要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。此外，生物识别技术产 品借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自 动化管理。 生物特征对于每个人而言都是唯一的，是可以测量或可自动识别和验证的生理特性 或行为方式，其可以分为生理特征和行为特征。生物识别系统对生物特征进行取样，提 取其唯一的特征并且转化成数字代码，并进一步将这些代码组成特征模板，人们同识别 系统交互进行身份认证时，识别系统获取其特征并与数据库中的特征模板进行比对，以 确定是否匹配，从而决定接受或拒绝该人。 现在常用的生物特征有：人脸识别、虹膜识别、手形识别、指纹识别、掌纹识别、 签名识别、声音识别等。现将各种生物特征识别技术进行简要介绍： 1 ) 指纹识别技术。指纹识别是最古老也是目前最普遍应用的一种生物识别技术。 指纹识别技术，以前是采用油墨捺印的方式来采集指纹，而今天已发展到数码采集技术， 即对手指进行电子扫描，从扫描图片上获取指纹的纹线类型、结构、总体分布等多项信 息，从而得到一张表面凹凸不平的手指图像。指纹识别具有高度的可信度，因为每两个 人出现相同指纹的几率是十亿分之一，而且指纹纹线的形态终生不变。当然，当手指上 有外伤痕迹时，指纹识别技术就会遇到困难。 2 ) 掌纹识别技术。由于每个人手的形状几乎是不同的，而且手的形状在人达到一 定年龄之后就不再发生显著变化，因此可以利用人的掌纹进行身份验证。掌纹识别技术 是利用数码相机拍摄一张手掌的三维图像，通过阅读图片可以获知如手掌的宽度、手指 1 绪论 硕士论文 的长度、关节的形状以及手中血管的分布模式等许多信息，从而映射出手的不同特征。 但这种技术在遇到双胞胎或同一家庭成员时，可能会出现失误。 3 ) 视网膜识别技术。视网膜识别技术是通过一个低强度的激光照亮瞳孔，随后对 视网膜进行扫描，从而获得具有几百个相关参数的图像。这种识别技术被认为是最为有 效的识别技术，因为每个人的视网膜构造都是独一无二的，哪怕是双胞胎之间也不例外， 而且人的视网膜是不会随着身体的发育而改变的。因此，这一技术已被应用在一些要求 高度安全的部门，如美国航天局的实验室和一些核试验中心等。 4 ) 虹膜识别技术。虹膜识别技术是利用虹膜终身不变性和差异性的特点来识别身 份的，首先利用可透视到虹膜内部构造的摄像机对人的眼睛进行拍照，随后分解成像， 以便获得身份识别所需的几百个相关信息，这种技术是目前最为可靠的一种识别技术之 一，它的失误率接近于零。近年来，许多欧美国家的机场都安装了虹膜识别装置。 5 ) 面部识别技术。面部识别系统是通过分析脸部特征的唯一形状、模式和位置来 辨识人。通过标准摄像技术，获取如双眼的距离、嘴的大小及形状、鼻子以及前额大小 等面部信息，同时通过热量绘图技术分析皮肤下的血管热量发生模式，从而分析脸部特 征。但面部识别技术的可靠性不是很高。 6 ) 声音识别技术。声音识别是通过分析声音的物理特性来进行识别的，即通过测 量、记录声音的频率、强度、语调、速度、节奏或者重音等特性，将现场采集到的声音 同登记过的声音模板进行精确的匹配，从而来识别人的身份。但这种识别技术的可靠性 比较差，因为当生病、疲倦或情绪低落的时候，人的音量、速度和音质就会发生变化。 7 ) 笔迹识别技术。笔迹识别的对象是写在纸上的字符，通过扫描和摄像机将它转 化为计算机能处理的信号，或通过专用的数字仪器实时采集书写信号。笔迹识别技术分 析的是笔的移动，例如加速度、压力、方向以及笔划的长度，而非笔迹的图像本身。笔 迹识另l j 的关键在于要能区分出哪些笔迹是习惯性的，哪些笔迹是每次写字时都不同的。 8 ) 红外温谱图识别技术。人的身体各个部位都在向外散发热量，而这种散发热量 的模式就是每人都不同的一种生物学特征，通过红外设备可以获得反映身体各个部位的 发热强度的图像即温谱图，从而来进行身份鉴别。温谱图的另一个应用是吸毒检测，因 为人体服用某种毒品后，其温谱图会显示特定的结构。 9 ) 步态识别技术。步态是指人们行走时的方式，这是一种复杂的行为特征。尽管 步态不是每个人都不相同的，但是它也提供了充足的信息来识别人的身份。步态识别的 输入是一段行走的视频图序列，但由于图像序列的数据量较大，因此步态识别的计算复 杂性比较高，处理起来也比较困难。 1 0 ) 基因识别技术。基因识别技术主要是利用了国内外已经非常成熟的d n a 指纹技 术，即在d n a 分子的长链上，选取几个( 如1 8 或2 4 个) 固定的基因位点作为特征( d n a 指纹) 进行鉴定，并将其转化成信息条码，个人的基因秘密就藏在这些条码中。由于其他生物 2 硕士论文 指纹图像分割及增强研究 特征都有可能会因某种原因发生改变甚至消失，只有基因才是代表你本人的独一无二、 永不改变的特征。 在众多的生物识别技术中，指纹识别技术应用最为广泛，表1 1 1 【2 】给出了一些常见 生物特征的简单比较。 表1 1 1 各种生物特征的比较( 一) 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 由 高高中高 由 高 掌纹中 由由 高中 由 中 虹膜高高高中高 低高 视网膜高高中 低高低 高 面部两低中高低 高低 签名低低低 高低高 低 声音中低低中低 高低 基因高 高高低高低 低 耳型中 由 高中中 高中 脸部热量高高 低高中高高 步态中低低高低 高中 敲键方式 低低低 中低中中 气味高高高低低 中低 从表1 1 1 可以看出，指纹作为一种有效的生物特征，具有很强的相对稳定性，明显 的唯一性，此外指纹还具有高准确性和高防伪性等优点。 1 2 指纹识别技术的发展 杆 指纹识别的应用可以追溯到几千年前的秦始皇时代。至唐朝，以“按指为书为代 表的指纹捺印已经在文书、契约等民用场合被广泛采用。到了宋朝，指纹则开始被用做 刑事诉讼的物证。虽然我国对指纹的应用历史悠久，但由于缺乏专门性研究，未能将指 纹识别技术上升为一门科学。 现代指纹识别起源于1 9 世纪后期，苏格兰医生h e n r yf a u l d 于1 8 8 0 年1 0 月2 8 日首次 在英国 n a t u r e 上发表论文，指出指纹人各不同，恒久不变，并利用现场指纹来鉴定 罪犯。接着，w i l l i a mh e r s c h e l 也在 n a t u r e 上发表了关于指纹研究2 0 多年来的成果， 从而揭开了现代指纹识别的序幕。科学研究发现了至今仍然承认的指纹的两个重要特 征，一是两个不同手指的指纹纹脊的式样不同，另外一个是指纹纹脊的式样终生不变( 即 指纹的唯一性和不变性) 。这项研究成果使得指纹在犯罪事件的鉴别中得以正式运用 ( 1 8 9 6 年阿根廷首次应用，然后苏格兰在1 9 0 1 年应用，2 0 世纪处其他国家也相继将此技 术应用到犯罪事情的鉴别中) 。 2 0 世纪6 0 年代，由于计算机可以有效地处理图形，人们开始研究利用计算机来处理 指纹。从那时候起，自动指纹识别系统a f i s ( a u t o m a t i cf 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 ) 在法律实施方面的研究和应用在世界许多国家展开。至u t 2 0 世纪8 0 年代，个人计算机、 3 l 绪论 硕士论文 光学扫描这两项技术的革新，使得它们作为指纹取像的工具成为现实，从而使指纹识别 可以在其他领域中得以应用。现在，随着取像设备的引入及其飞速发展，生物指纹识别 技术的逐渐成熟、可靠的比对算法的发现都为指纹识别技术提供了更广阔的舞台。 1 3 自动指纹识别系统的概述 自动指纹识别系统a f i s 本质上是一个模式识别系统，它根据使用者的生理或者行 为特征对使用者进行辨识，从而判断其是否具有合法身份。 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 ) 川，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 ym a t c h in 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 至找到相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 3 1 所示。从图1 3 1 可以看出，指纹 的识别系统从逻辑上可以分成两块：登记模块和识别模块。登记模块主要负责将生物特 征信息登记到生物特征识别系统样本数据库，在登记模块中，个体的生物特征样本首先 经相应的设备录入、图像预处理，进而经特征提取算法提取特征信息，这种特征信息被 称为样本。根据需要，样本信息被保存在数据库或磁卡、智能卡中。辨识模块负责解决 待识特征信息和样本特征信息是否匹配的问题。在该模块中，相应设备录入待识生物特 征，并进行图像预处理，经特征提取算法提取待识生物特征中的有用信息，由模式匹配 算法将这些信息与预先存储的样本信息进行比对，做出是否匹配的判断。 4 图1 3 1 基于指纹的识别系统框图 硕士论文指纹图像分割及增强研究 下面分别介绍指纹采集，预处理，特征提取与特征匹配四个部分。 1 ) 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，图像输入设备日益向高速度、高分辨率、多功能、智能化方向发展。目前， 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 3 1 。 表1 3 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 耐用性非常耐用容易损坏 一般 成像能力干手指差，多汗和稍脏的手指干手指好，但多汗和稍脏的非常好 成像模糊手指不易成像 耗电较多较少较多 成本低低很高 2 ) 预处理：图像预处理可以分为图像分割、增强、二值化和细化等几个步骤，但 是根据具体的情况，预处理的步骤也不尽相同。一个自动指纹识别系统要想能够实时、 快速、有效地完成识别功能，对预处理的每个步骤要求都很高：一方面，预处理的每 个组成部分所包含的算法要快速、高效，既要很好地完成该模块的功能，又要耗时足够 短；另一方面，各个模块要以能够提高整个系统的性能为首要目标，因为局部性能最优 有时并不代表整体性能能够达到最优，在模块和系统性能发生冲突时，应该适当调整各 个模块，使整个系统达到最佳性能。因此，实际的指纹识别系统往往由于应用环境、系 统规模、实现思路以及具体算法的不同，在系统的整体框架上有所出入。本系统工作过 程如图1 3 2 所示： 指纹图+ 至三二l _ 三至三二 _ 至三三至三二 _ _ ( 三至二) _ 三三至 叶型线指纹图 图1 3 2 指纹图预处理过程 图像分割是指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【4 5 川l 。指纹图像核心点检测的目的是为了对指纹图像 进行分类，另外可以围绕核心点区域做一些工作，便于指纹算法的加速。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 s l 绪论硕士论文 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。 3 ) 特征提取：常用的指纹描述方法是基于纹路结构特征【4 引。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【4 引。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 3 3 所示。检测提 取指纹中特征点的类型，数量，位置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 图1 3 3 纹路端点和分叉点 4 ) 特征匹配：特征匹配是将新输入指纹的特征与指纹库中所存储指纹的特征进行 匹配，找出最相似的指纹作为识别的输出结果。这个过程就是指纹识别验证过程，它 是自动指纹识别系统的核心。前面己经提到，指纹身份鉴别系统有两种工作模式：验证 模式和识别模式。身份验证是指确认用户声称的身份是否与其真实身份一致，即回答“我 是某人吗? 的问题；身份识别是指识别出用户的真实身份，即回答“我是谁? 的问 题。当系统工作在不同模式下时，设计上应有不同的考虑。对于身份验证系统来说，如 何定义是否匹配，即阈值的选取，是一个重要问题。因为系统只能给出两种可能答案： 是与不是，如果阈值选择得过大，真正的用户可能会被系统拒绝；阈值过低，又识别不 出冒充者。而身份识别系统往往需要在大量数据中寻找匹配，因此算法的效率是一个值 得重视的问题。 实际应用中，指纹匹配算法主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，从而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。目前指纹匹配方法主要可以分 为两类：_ 类是基于细节点特征的方法，另一类是基于图像特征的方法。 1 4 论文研究的项目支持 1 4 i 项目介绍 本课题小组的目的是开发一个家用门禁系统，主要工作为通过指纹采集头读取指纹 6 硕士论文 指纹图像分割及增强研究 图像，经过图像预处理之后提取相关的指纹特征，并进行准确的匹配，使误识率和拒识 率达到相应的要求。 本项目的实验环境为p e n t i u m ( r ) 4c p u2 8 0g h z ，5 1 2 m 内存，编程语言为v c + + 6 0 。 本文所有的实验均在此基础上进行，后面不再赘述。在计算机上开发成功后，我们将该 指纹识别算法变换为c 语言，转至a r m 9 开发板上测试。 通过两年多的研究，本课题小组已发表论文数篇，获得了很多宝贵的经验和知识。 目前，自动指纹识别技术的研究工作正在进一步的深入，希望在算法时间及识别率上取 得更好的效果。 1 4 2 指纹图像的采集 本项目所用的指纹采集器为d i g i t a l p e r s o n a 公司的u a r e u 4 0 0 0 b ，图像采集分辨 率为5 0 0 d p i 。该采集头采用了光学全反射技术，即是光线照射到压有指纹的玻璃表面时， 由c c d 获得反射光线，反射光的数量依赖于压在玻璃表面的手指指纹的脊和谷的深度以 及皮肤与玻璃间的油脂和水分。光线经玻璃照射到指纹谷的地方后，在玻璃和空气的界 面全反射，光线被反射到c c d ，照射向指纹脊的光线不发生全反射，而是被脊与玻璃的 接触面吸收或者漫反射到别的地方，因此谷和脊的不同反射光强由c c d 获得并被数字化 器件转换为灰度图像于是就生成了指纹图像。光学技术的优点是成本低，耐性好，缺点 是体积大，成像质量一般。图1 4 2 1 给出了指纹摄入装置的构造。 可用的数字化图 线 图1 4 2 1 光学指纹采集装置 本项目中采集器内部的处理芯片为t a s 5 1 1 0 j 二该芯片为从动式芯片。采集头驱动程 序开发平台为a r m 9 ，其核心芯片为s 3 c 2 4 1 0 。我们通过研究，开发了采集头的并口传输 驱动程序，通过模拟时钟序列，按照一定的时钟周期给采集头芯片发送信号，以获得每 帧数据，然后按照图像存储格式，从每帧数据中提取出图像数据，并存储。采集的图像 如图1 4 2 2 ： 7 硕士论文 图14 2 2 指纹采集头采集的图像 此时图像的大小为5 1 2 x 2 9 4 ，在图像的左右两侧有两条黑色无效的边缘区域。此外 由于光学传播原因，造成了指纹纹线的一些畸变，纹线宽度不一致等问题。经过失真校 正后，处理结果如图i42 3 ，图像此时的大小为2 3 2 ： 3 0 2 。 本文所要研究的工作就是在图像失真校正后的基础上，首先分割出指纹的前景区域， 如图142 4 ，然后对前景区域进行增强。 蓄国国 图1 423 失真校正后的指纹圈图1 42 4 指纹前、背景示意图 1 5 本文的章节安排 论文的主要结构和内容安排如下： 第二章主要介绍了指纹图像前后背景分割的研究现状，在此基础上研究了基于复数 g a b o r 滤波器的分割和基于块聚类度的分割算法，结合指纹图像的特点，对后者进行了 改进。 第三章介绍了有关指纹图像奇异点的知识，阐述了方向场计算的几种常用方法，重 点研究了基于梯度的连续方向场的计算。在方向图的基础上，研究了两种核心点检测算 法：p o i n a a r ei n d e x 算法和基于方向一致性的多尺度分析方法，并对后者进行了改进。 在确定核心点的位置后，设计了一种新的多尺度圆形区域模型用来计算核一l l , 点的方向。 第四章主要研究了指纹图像的增强算法，介绍了一些常用的图像滤波器，重点介绍 了方向滤波、傅立叶滤波及g a b o r 滤波。对估计指纹纹线频率的频谱法进行了改进。利 用核心点位置的确定及图像质量评估，提出了一种改进的复合滤波思想，并进行了相关 的研究讨论。 第五章对上述工作进行总结，提出了不足之处，并对后续工作进行展望。 硕士论文指纹图像分割及增强研究 2 指纹图像前后背景的分割 2 1 前后背景分割的研究现状 指纹采集头采集到的指纹图像可以分为两个部分，即前景区域和背景区域。前景区 域是含有指纹纹理信息的区域，而背景区域是指不含有指纹纹理信息或纹理信息不可恢 复的区域。 指纹分割算法对于自动指纹识别过程中的特征提取是十分重要的。因为特征提取算 法往往会在背景区域提取出大量的虚假细节，因此需要割除背景区域，以便降低提取虚 假细节点的数目。同时把指纹图像中很难恢复指纹纹理的相关前景区域割除，使后续处 理集中于有效区域，这不仅能提高特征提取的精确度，还能大大减少指纹预处理的时间。 目前，传统的指纹图像分割算法主要包括图像局部灰度方差算法、基于指纹方向图 的算法以及结合方向和灰度的算法等。此外，唐良瑞等提出基于d _ s 证据理论的分割方 法丁裕锋、马利庄提出利用g a b o r 滤波器虚部的滤波结果作为新的图像特征【l 】1 ；胡涛、 林家骐提出了基于灰度均衡的指纹分割算法1 5 j 。除了这些算法外还有基于像素聚类的指 纹分割算法【6 】、基于贝叶斯最小错误率估计的算法【7 j 等。目前而言，用于指纹分割的特 征各有利弊，采用单一特征的指纹分割算法难以达到理想的效果。要提高分割精度，利 用各个分割算法之间的互补性，融合多个特征分割算法的结果是一种可行的方案。本文 分割算法也正是基于这种多特征融合的思想。 2 2 基于复数g a b o r 滤波器的分割 考虑到指纹纹线区域多为脊谷相间的条纹结构，而背景区域多数灰度值较低并且没 有明显的纹理，文献 u n 用了图像的局部灰度平均值，局部灰度标准差和复数g a b o r 滤 波结果的虚部绝对值这三个图像特征进行分割。 将指纹图像分成小块处理，当小块落在前景区域时，灰度平均值会比较大，并且由 于指纹脊谷线灰度值的分布不均匀，会使得灰度标准差也相对较大：而同样大小的块落 在背景区域时，灰度平均值相对较小，由于灰度值的分布比较均匀，导致灰度标准差也 会比较小。 ，： 考虑到可能有噪声的影响，文献【l 】先对图像进行了g a u s s 滤波处理。因为，所用的 g a u s s 窗口较大，滤波时对g a u s s 滤波作了加速，将对一个g a u s s 窗口的二维卷积运算 分解为两次一维卷积运算，这就有效的提高了运算速度。 为了减轻g a b o r 滤波结果中纹理中线位置的黑线的影响，文献【l 】利用方向性较强的 复数g a b o r 滤波器对图像处理后，对结果做了均值滤波。 9 2 指纹图像前后背景的分割硕士论文 2 2 1g a b o r 滤波器 g a b o r 函数是唯一能够达到时频测不准关系下界的函数。将香农( s h a n n o n ) 小波与 g a b o r 函数相结合，可以实现一类用于纹理分割的自适应g a b o r 滤波器，它能够在时频最 佳的意义下确定纹理的边缘。正是因为g a b o r 函数具有上述特点。游来，不少指纹识 别系统在预处理中都使用了g a b o r 滤波器。 在指纹图像的增强中，g a b o r 滤波器的实部已被广泛使用，而对其虚部却没有单独 的使用。文献 1 】对g a b o r 滤波器的虚部作了研究。研究结果表明，在指纹图像的分割中， g a b o r 滤波器的虚部滤波结果是标示指纹区域的一种有效特征。 复数g a b o r 滤波器的数学表达式如下： g 也y ) 2 瓦1 醑毒2 c r 一匆2 a 唧 z 7 阿j 口yr v 。 其中j = 一1 ，d 是纹理的频率。从表达式看出g a b o r 滤波器是一个被g a u s s 函数 调制的频率为6 0 的正弦波。由于，g a u s s 函数的局部性特征，g a b o r 滤波器也只在局部 起作用。同时，因为被调制的正弦波只针对x 坐标，所以，实际上在y 方向上被调制的 是一个直流分量。于是，g a b o r 滤波器变成了一个在x 方向上带通，在y 方向上低通的 滤波器。 在应用中，将g a b o r 滤波器作用域中的图像先转向条形纹理空间频率较高的方向。 再对旋转后的图像进行滤波。如果在条形纹理的走向与该方向正交，则由于在x 方向上 的带通特性和y 方向上的低通特性，信号能完全通过，滤波结果会比较大：如果条形纹 理正好沿这个方向，则信号完全通不过，滤波结果基本为0 。在这两种情况之间的条状 纹理信号则会在通过时发生一定的衰减，滤波结果也介于两者之间。 2 2 2g a b o r 滤波器的虚部 在指纹处理领域，对g a b o r 滤波器的使用通常局限在实部。通过分析g a b o r 滤波器的 虚部，即可以看出g a b o r 波器虚部的特点。 由e u l e r 公式 e x p ( j a , x ) = c o s ( o 獗) + js i n ( a 度)( 2 2 2 1 ) 式( 2 2 1 1 ) 可以展开为： 咖) 2 去e x ，p ( - 一曩x 2 訇咖( 俐r 亿2 2 2 ， + 去晰专一茜蒯嬲)+ ，丽万麟p ( 一可一茸s 似嬲) 可见，g a b o r 滤波器的虚部是一个奇函数。因为，使用g a b o r 滤波器滤波时，积分区 域总是中心对称的，所以，如果被积函数在这个区域内是中心对称的，则积分的结果就 1 0 硕士论文 指纹图像分割及增强研究 将为零。如果被积函数在这个区域内是中心反对称的，则积分结果的模值将最大：而 g a b o r 滤波器的实部为偶函数，它的作用和虚部刚好相反。 对于任意的被积函数，g a b o r 滤波器的虚部能更好地反映出被积函数在g a b o r 滤波器 的x 方向上的不对称性，而g a b o r 滤波器的实部则能更好地反映出被积函数的对称性。 为了简化便于计算，将复数运算变为两个实数运算。于是，复数g a b o r 滤波器的 g a b o r 滤波公式如下： o ( x ，y ) = w 2w 1 2 9 ( j ，f ) ，( 南+ s ，蜘+ f ) ， 扣一h ，2 i i = w y 2 其中： x e = x c o s b + y s i n o y 口= - x s i n o + y c o s e 睨，帆为窗e l x ，y 方向的大小 由于g a b o r 滤波器的虚部需要进行二维卷积运算，所以在滤波窗口较大时，一次运 算的时间会比较长。当未知任何纹理信息，需要估计纹理走向时，则需要将多个方向上 的g a b o r 滤波结果叠加，运算时间将会更长。 文献【1 】发现，在取0 x - 0y 时，g ( x ，y ) 的运算是可分离的。于是，g a b o r 滤波的公 式变成： ，( 训) 2 丽1e x p ( 一，互y ( 矿叫) ( c o s ( o d i ：c o s 咖袖( 织c o s 踟 ( 2 2 2 4 ) g ( 圳) 2 了磊1e x p ( 一事) ，互p ( ，( “) ) s i n ( r o y 如9 ) + k n ( 饥+ f ) ) c 。s ( 缈s i n 劝 ( 2 2 2 5 ) 于是将二维的卷积运算变为两个一维卷积。运算量又大为减少。 充分分析- r g a b o r 滤波器的虚部的特性，便能更好地在指纹图像的分割中利用g a b o r 滤波器的虚部。在实验后发现，由于指纹图像区域的特点是有清晰的谷线和脊线交替的 条状纹理，虚部结果的绝对值在纹理区域能得到较大的值，而在背景区域得到的值较小。 实际上，由于g a b o r 滤波器的虚部是奇函数，在均匀的区域滤波的理想结果是0 ，而在纹 理区域滤波的结果会有较大的绝对值。但在纹理的正中部分滤波的结果也会是0 ，这是 由纹理的对称性造成的。 在研究了文献 1 】的方法之后，本文所做的工作如下： 2 指# 圉像前后背景的* 割硕论女 首先，对于g a b o r 滤波公式，如22 23 式，因为不知道确切的方向，我们预设了0 z 4 ，f 2 ，3 f 4 四个方向。分月惘这四个方向上的g a b o r 滤波器对图像处理，计算结 果叠加，见图2221 。 原始图像0 f 2 3 f 4 结果图像 图2 22 1 四十方向上g a b o r 的结果与合成的结果 本文采用的分割方法用到三个特征：局部灰度平均值，局部灰度标准差和复数g a b o r 滤波结果的虚部绝对值，我们在求得结果后都归一化u 0 - 2 5 5 之间。图2 222 是各特征 提取的结果。如图2 22 2 所示图a 是原始指纹图，图b 是求取块均值的结果，图c 是求 取块方差的结果，图d 是均值滤波后的g a b o r 滤波结果。 在提取了指纹特征之后，本文采用了较为简单的加权平均的方法。在采用这种方法 后，一些特征会相互抵消，然而在实践中发现，某些特征可以单独作为确定当前象素点 所属区域的依据。所以，在求取了当前像素点特征向量的加权平均值后，还对像素点的 单一特征作了特别处理。直接将灰度值很大，或者标准差很小，或者g a b o r 滤波值很小 的像素点划分为非指纹区域。分割结果及比较见24 章节。 硕论文 指牧图像h 割厦增强研究 2 3 基于块聚类度的分割 图2 22 2 特征提取结果 文献f 5 5 1 中利用块聚类度( t h eb l o c kc ( u s t e r sc l u o ) 、头均值及块方向一致性这三 个特征来进行指纹图像的前背景分割。块聚类度主要反映脊线像素的聚类情况。其定义 如( 23 i ) 式： c i u d2 s i g n ( 1 9 l m g ) 睁l ( 巩，m e ) ( 231 ) 上式中： = s 唧( i m g ) ， 纛蕊鬈2 池3 2 i m g ，栅为整幅图像的灰度均值，t h r e c t 。o 是一个经验值。如图23 1 所示，皿可以 由f 周边的像素计算得到。 本文在参考文献 5 5 n 基础上，做了如下工作： 1 ) 与文献【5 s 略微不同的是，我们选用了如下三个图像特征作为指纹前、背景分割 的依据：块聚类度、块均值和块方差。在实践中我们发现，当指纹纹线方向变化剧烈时， 块方向一致性变得较差；而在指纹的背景区域，由于投有明显的方向性，也会使得块方 2 指纹图像前后背景的分割 硕士论文 向一致性很差。这就使得利用块方向一致性特征比较难以区分指纹图像的背景区域和纹 线方向变化剧烈的区域。块方差特征不存在这样的问题，由于前景区域指纹纹线脊谷交 替，块方差较大，而对于指纹背景区域，由于灰度均匀，所以块方差值较小。 2 ) 文献1 5 5 1 中指纹图像的纹线与背景色相比为深色，而本项目采集的图像纹线与背 景色相比为浅色。我们结合本项目图像的灰度特征及纹线周期，修改了公式( 2 3 1 ) 及 ( 2 3 2 ) ，如下所示： c l u d2 j 切( i i l l g 胁啪，) m w o ，砀，p ) ( 2 3 3 ) i e b l o e k 上式中： d = s f g n ( i m g 。，k ) ， 肛叫?( 2 3 4 ) s i g n ( a , 舻代妊2 。 与公式( 2 3 1 ) 相比，公式( 2 3 3 ) 把s 研( 厶，i m g 。姗) 变换成了s i g n ( i i i l g 。，厶) ： 与公式( 2 3 2 ) 相比，公式( 2 3 4 ) 把s i g n ( k ，i m g 。鲫) 变换成了s 锄( i m g 一，k ) 。此外， 从纹线周期考虑，在求取皿，时，我们把块的取值从5 x 5 变换成了1 2 x1 2 。 3 ) 我们对指纹图像进行了区域划分，如图2 3 2 所示，将图像分为区域1 、区域2 、 区域3 和区域4 。针对这四个区域我们设置不同的h 蚴和劢心。 本文所用的指纹图像灰度分布很不均匀。如图2 3 2 所示，为了直观地感觉到灰度 值的差异，我们计算出了四个区域的灰度均值，从上往下四个部分的灰度均值分别为： 1 6 5 、2 1 4 、1 7 4 和8 5 。在项目中，我们用各个区域的局部灰度均值替代整幅图像的灰度 均值i m g ，。 此外，通过观察图像可以发现图像2 、3 区域这两部分的指纹纹线周期要略微宽一些， 而上下两侧的指纹纹线较为紧密，这就意味着在同大小的窗1 5 1 内，中间两部分口，的值 有可能会比较大。所以，对于指纹划分的这四个部分，我们对琉p c 分别设置了不同 的值，从上往下分别是1 0 0 、1 l o 、1 1 0 和1 0 0 。 在求得指纹的块聚类图后，我们将指纹的灰度均值、灰度方差和块聚类这三个特征 按照一定的权重进行了融合，并归一化n o 一2 5 5 之间，生成一幅新的合成图，进而利用 合成图进行分割。在实践中，我们将灰度值很大，或者标准差很小的区域直接划分为背 景区域。 1 4 硕士论文指纹图像分割及增强研究 只一2e 幽一1只嘶p 埘+ 1只+ 2 只圳一2只川一lp 山f 1只+ 2 0 一：弓一t暑0 + t 己+ ： c 川一2c 山_ p w 只+ 1只+ l h 2 p 一2只2 j lc + 2 j 只+ 1只m + 2 图2 3 1 用只周边的像素计算d 盯 图232 指纹图像的分块 2 4 实验结果分析 为验证分割算法