改进的指纹自适应阈值分割算法

1、改进的指纹自适应阈值分割算法0 引言指纹图像分割是指纹识别预处理中一个关键的步骤 1 ，直 接影响特征提取的准确性。 传统的指纹图像分割算法主要是基于 图像灰度特性的分割 （方差法 ）2 ，3 和利用图像方向信息进行分 割（方向法 ）3 ，4以及两者结合起来的复合方法。 这三种方法都 各有优缺点 57 。相对来说，方差法计算简单、分割速度快、 实时性强，所以在自动指纹识别系统研究中得到广泛应用。传统的方差法是全局的阈值分割 8 。这种分割依赖于图像 灰度分布良好的双峰性质。如果双峰性不明或者灰度呈多峰分 布，分割效果就很不理想。 对这种方法的改进是用自适应的阈值 来代替固定的阈值进行分割 3，

2、9 ，在分割的同时考虑了指纹的 局部特性。 此方法在非指纹区域效果较好， 对低对比度和噪声严 重的指纹信息处理效果不理想 7 。分割后的指纹图像存在方块 效应，在指纹与背景交接区域， 以及指纹内部脊线太淡或脊线粘 连的区域分割不准确。1传统的指纹图像方差法分割 方差法是利用指纹图像在指纹区域灰度变化很大， 标准差较 大，而背景部分图像灰度变化较小、 标准差较小的特点对指纹进 行分割的。传统的基于图像灰度特性的分割方法是全局的阈值分 割8:对于一幅大小为 WKH的指纹图像I , l（i , j）表示第i行、第 j 列的像素点灰度值，利用式( 1)对图像进行分割。其中：T为整幅图像的分割阈值。I

3、(i,j)= 前景点；I (i,j) WT 背景点；l(i,j)T由于单一的阈值不能兼顾图像各个像素的实际情况， 当有突 发噪声， 或者背景灰度变化较大时， 整幅图像分割将没有合适的 单一门限。对这种方法的改进是采用动态的、自适应的、局部的 阈值进行分割 3 ，9 。其分割步骤如下：a) 取分块尺寸为NXN个像素，将图像划分为大小相等的若 干块，M(l_c )表示小块图像均值，VAR(l_c )表示小块图像方 差。对每一个分块，根据式( 2)( 3)计算以点 I(i ， j) 为中心 的分块均值和方差。b) 用Ti表示第i个分块的分割阈值，根据门限值Ti对该分 块图像进行分割。分隔阈值 Ti

4、的选取可以参见文献 7， 10 。l_c=背景区域；VAR(l_c) Ti( 4)这种方法以变化的阈值代替传统的固定阈值对指纹图像进 行分割， 在分割的同时考虑了指纹的局部特性， 分割效果比固定 阈值方法好。 但是图像分割后指纹区域边缘和指纹质量较差的部 分均出现锯齿状。 这样在指纹区域与背景区域的交接区容易丢失 指纹信息， 也容易将背景点分割为前景点， 在指纹质量较差的区 域则容易损失过多的指纹信息。2 改进的自适应阈值分割算法采用自适应阈值分割算法对指纹图像进行分割， 在纯粹的背 景区域和纯粹的指纹区域按分块进行分割是比较准确的， 但是在 指纹与背景交接区域，以及指纹内部脊线太淡或脊线粘连

5、的区 域，分割对于分块来说是全局性的。 所以一方面在指纹信息所占 比例比较小的分块内指纹信息被分割为背景； 另一方面在指纹信 息所占比例比较大的分块内背景点被分割为前景， 在指纹识别的 后续处理中既需要处理无用的背景信息， 又损失了有效的指纹信 息，降低了处理的效果。攵陨鲜鑫侍猓?本文在传统自适应阈值分割方法的基础上设计了一种改进的分割方法。该方法针对指纹与背景交接区 域，以及指纹内部脊线太淡或脊线粘连的区域的灰度特点， 在该 分块处采取逐点分割的方法， 对分块以内的每一个像素点根据灰 度值逐点进行分割， 这样避免了该分块内的指纹信息丢失 （指纹 信息在分块内占的比例较小的情况） 和将背景信息

6、误分割为前景 （指纹信息在分块内所占比例较大的情况） 。考虑到逐点分割可 能将该区域内的孤立点误判为指纹信息， 在进行逐点分割时， 同 时把每一个像素点相关邻域的像素灰度信息考虑在内， 该邻域的 大小可以根据实验调整， 一般取大于脊线宽度即可。 为了方便叙 述，在算法中指纹与背景交接区域以及指纹内部脊线太淡或脊线 粘连的区域统称为过渡区域。具体算法如下：a）定义灰度指纹图像I为WH的像素矩阵，I（i , j）表示第i行、第j列的图像元素灰度值，l_c为NXN的像素矩阵， 是图像 I 的一个子块。其中：G(i , j )为归一化后图像点的灰度值；M0 VAR0分别为期望的均值和方差。文献 11

7、中推荐的分别是 10和 100， 但是实际应用中应参照具体的各类图像的总体灰度均值和方差 的平均值，并结合后续处理算法的需要进行选择。c) 取分块尺寸为NXN个像素，将图像划分为大小相等的若 干块， M( I_c )表示分块图像均值， VAR(I_c )表示分块图像 方差。对每一个分块，根据式( 2)( 3)计算以点 I(i ， j) 为中 心的分块均值和方差。d) 判断该分块是背景区、前景区还是背景区和前景区的过渡 区域。当某个分块 I_c 的方差小于阈值 T1 时，可以直接判断该分 块属于背景区域；如果该分块的方差在 T1 ， T2 ，则该分块为孤 立点或污渍所在的分块；如果分块方差在 T

8、2 ， T3 之间，可判断 该分块为过渡区域；除此之外的情形均属于前景区域。l_c=背景区域；0WVAR(l_c) M(l_c)前景像素点；I(i,j )w M(l_c) ( 9)3 实验结果及分析本文算法实现硬件环境： CPU为Pentium IV 2.8 GHz，内存 为512 MB的计算机；软件编程环境：WindowsXP操作系统，Visual C+6.0。实验采用2004美国第三届国际指纹识别大赛指纹数据 库(FVC2004 DB1_B图像进行实验，指纹图像大小为640X 480像素。实验时分别选取质量较好(脊线信息清晰)的指纹和质量 较差(粘连或较淡)的指纹进行效果对比。在本文实现的

9、分割算 法实验中， 主要考虑了指纹与背景交接区域， 以及指纹内部脊线 太淡或脊线粘连区域的局部特性。 在给出实验结果的同时给出了 分割掩码图(MASK，可以更直观地进行比较。图 2 是采用传统的自适应分割算法对图 1 的指纹进行分割， 可以看出在指纹与背景交接区域， 以及指纹内部脊线太淡或脊线 粘连的区域分割后的前景边界有明显的方块效应。 图 3 是其相对 应的掩码图； 图 4是采用本文所提出的算法对图 1 指纹进行分割 的结果； 图 5 是其相对应的掩码图， 可以看出指纹图像非指纹区 与指纹区的边缘更平滑， 指纹质量较差部分的分割也比较平滑细 致，有效指纹区的分割更加精确，分割效果明显优于图 2。从实验结果来看，本文提出的图像分割算法分割效果比 较好，分割得到的掩码图前景区域和有效指纹图像所占的实际区 域非常接近。 与传统的自适应阈值分割算法相比， 本文算法虽然 计算量有所增大，但能正确区分质量中等区域和质量较差的区 域，并将背景区域和质量较差、 后继算法无法恢复的噪声区域分 割掉，保留质量中等区域，使后续算法的处理区域更精确。4 结束语 本文提出了一种改进的基于指纹灰度特性的指纹图像分割 算法，克服了传统自适应阈值分割算法在指纹与背景交接区域， 以及指纹内部脊线太淡或脊线粘连的区域分割不准及分割前景 边界的方块效应问题， 适用于更多类型的指纹图像， 且分割比