2012年1月
内蒙古科技与经济
Januar y 2012 第1期总第251期
Inner M o ngo lia Science T echnolo gy &Economy N o .1T o tal N o .251
指纹图像预处理及特征提取算法的研究与实现
X
张松宇1,杨文斌2
(1.内蒙古机电职业技术学院;2.内蒙古灵奕信息技术有限责任公司,内蒙古呼和浩特 010070)
摘 要:提出了一套完整的基于方向特性的指纹预处理算法,包括前景/背景分割、方向滤波、二值化、细化4部分。
特征提取采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。
实验结果表明,指纹图像经过预处理算法后提取出了纹线,并且很好地保留了纹线的关键信息,对特征提取奠定了良好的基础。
指纹图像经过特征提取后,准确有效地定位了两类特征点。
关键词:指纹;预处理;特征提取
中图分类号:T P391.41 文献标识码:A 文章编号:1007—6921(2012)01—0083—02 自动指纹识别技术大多是依靠指纹的细节特征提取实现指纹的匹配的。
准确地提取细节特征是自动指纹识别系统获得高识别率的前提和基础。
指纹的细节特征主要指脊线端点和分叉点。
在实践中,由于手指本身的因素和采集条件的限制,采集到的指纹图像会不同程度地受到各种噪声的干扰。
这种干扰最终会影响系统的识别率。
因此,在提取指纹特征前必须对输入的指纹图进行预处理。
预处理的目的是:去除原图像中的噪声,把它变成一幅清晰的二值点线细化图,以便于提取正确的细节特征。
笔者提出了一套较完善的指纹预处理算法,包括图像分割、方向滤波增强、二值化、细化等步骤,并准确有效地提取出了指纹的细节特征点。
1 预处理算法
1.1 规格化和图像分割
规格化的主要目的在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将不同的指纹图像的对比度和灰度调整到一个固定的级别上。
图像分割是把指纹前景区与背景区分开。
前景区域中指纹脊和谷的灰度差是比较大的,因而其灰度统计特性中局部灰度方差是很大的,而对于图像背景区域,这一值是很小的。
基于这一特性,我们可以利用图像的局部方差对指纹图像进行分割。
规格化与图像分割后的指纹图像见图1。
1.2 方向图滤波
方向图是指纹图像的一种变换表示方式,即用纹线的方向来表示该纹线。
方向图有点方向图和块方向图两种,点方向图表示指纹图像中每一像素点脊线的方向,而块方向图则表示指纹图像中每一块
脊线的大致方向。
图1 原始图像的规格化与分割
方向滤波器是一系列与像素点方向有关的滤波器模板,使用时根据方向特性,从中选择一个对应的滤波器进行滤波。
笔者使用的方向滤波器有8个滤波器模板组成,滤波时,指纹图中每一点的灰度值由其周围48个点的灰度值及相应的模板系数共同决定(即灰度值与相应的模板系数相乘并把结果相加,然后赋给中心像素点,作为其灰度值)。
方向滤波增强后的指纹图像见图2。
图2 方向滤波后指纹图像
1.3 二值化和细化
二值化的目的是把灰度指纹图像变成0和1的二值图像。
笔者采用局部自适应阈值法中的动态阈值法对图像二值化,它可以根据局部灰度值的变化情况调整阈值大小,实验证明该方法效果较好。
二值化后的图像脊线仍具有一定的宽度,为了提高获取特征点精度,需要把脊线细化成为一个像
・
83・X
收稿日期:2011-11-28
总第251期
内蒙古科技与经济
素的骨架。
细化可以大大减少冗余的信息,突出纹线的主要特征,从而便于后续处理。
细化结果见图4。
2 特征提取和去伪特征算法2.1 特征提取算法
笔者采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。
8邻域方法采用3×3的模板提取端点和分叉点,见图5。
P 1P 2P 3P 8P P 4P 7
P 6
P 5
图5 特征提取模板
设P 点为目标点(待处理的像素点),P 1,P 2,…,P 8,是点的8个邻域点,沿顺时针方向排列,R 1,R 2,…,R 8,分别是点P 1,P 2,…,P 8的灰度值。
如果P 点是端点,则它的8邻域点满足:
C N =
∑8
i =1
ûR
i +1
-R i û=2 R 9=R 1
(1)
如果P 点是分叉点,则它的8邻域点满足:C N =
∑8
i =1
ûR
i +1
-R i û=6 R
9=R 1
(2)
特征提取结果见图6。
图6 特征提取结果
2.2 伪特征特点及分析
通过对多幅指纹图像进行特征提取后,发现在细化后的指纹图像中,主要存在以下几类噪声产生较多的伪特征点,见图7。
(纹线间断)(纹线叉连)
(孔洞) (毛刺)
图7 典型伪特征
2.3 去伪特征算法
根据伪特征的特点,我们就可以设计算法去除它们了,为了能清晰地看出后处理的效果,使用一幅纹线较清晰,预处理效果较好的指纹图像来做比较。
去除伪特征前后对比效果见图8。
(a )后处理前 (b )后处理后图8 特征点后处理前后特征分布
3 结论
笔者提出了一套完整的指纹图像预处理和特征提取算法。
它利用了指纹的固有规律,实现了一种基于指纹图像方向信息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,消除了纹线粘连叉断等噪声。
还根据伪特征点的分析进行了特征提取算法后处理,去除了指纹图像特征提取后存在的大部分伪特征点,为下一步的匹配工作奠定了良好的基础。
从实验结果来看,整套算法比较令人满意。
[参考文献]
[1] 杨菊.指纹图像预处理及特征提取算法的研究
与实现[D ].武汉:武汉理工大学,2006.
[2] 王娜,杜世培.基于数学形态学的细化算法[J].贵州工业大学学报(自然科学版),2007,36(2):60~64.
[3] J.P.P ascual St arink,Eric Backer.Finding point corr espondences using sim ulat ed annealing [J ].Pat t er n Recognit io n .1995,28(2):231~240.
[4] 王玮,李见为,张腾.指纹图像的预处理算法
[J].计算机应用,2004,24(5):72~75.
[5] 张正言,聂桂军,徐荣青.基于连续方向图的指
纹图像预处理算法[J ].计算机测量与控制,
2006,14(12):1707~1710.
・
84・。