基于Gabor滤波器的指纹图像增强算法研究.docVIP

基于Gabor滤波器的指纹图像增强算法研究 　　摘 要： 在指纹识别系统中，图像增强效果的好坏对特征提取及指纹鉴别的识别率具有决定性的影响。本文详细介绍了Gabor二维函数、Gabor滤波器的图像增强算法、方向图计算、纹线频率计算的步骤及方法，从而去除了噪声，达到了增强图像的目的。在算法设计上提高了运算速度，节省了运算的时耗。 　　关键词： 图像增强.Gabor滤波器；纹线频率；方向图 　　0 引言 　　指纹识别技术是目前国内外生物识别技术领域研究的一个热点，自动指纹识别系统（AFIS）中的图像滤波增强的效果决定着指纹特征点的提取和指纹识别系统的性能。Gabor函数可以很好地兼顾时域和频域信息，实现对信号的处理，使用Gabor函数实现指纹图像增强是一个合理的选择。 　　1 指纹图像增强的现状 　　目前，指纹图像增强是指纹识别系统中关键技术之一。指纹图像增强又称为指纹图像预处理，常用的处理方法是提取指纹脊线上各点的方向和频率信息，选取适当的滤波器进行滤波增强处理[1]。对指纹图像增强算法主要采用的方法是空域滤波和频域滤波。O’Gorman和Nickerson提出采用方向滤波器进行指纹图像增强。为了获得局部脊线宽度或者脊线频率，通常采用LinHong等提出的Gabor滤波方法，把局部纹线法向的灰度变化当成正弦波形，选取矩形窗口并适当旋转，将窗口内的纹线的方向与y轴对齐，沿x轴方向累加y轴方向上各点的平均灰度值，把这些值当成正弦波的值来估算频率[2]。通过指纹的方向性将二维Gabor滤波器调制到各个方向，再根据频率信息确定滤波器的中心频率，最后采用Gabor滤波器组对图像进行滤波，其增强效果比较显著。在Hong等人的研究基础上，还出现了一些改进的Gabor滤波算法等。文献Sherlock等提出了基于频域方向的滤波算法，该方法对低质量指纹图像增强效果较好。 　　2 Gabor滤波增强 　　目前，针对指纹图像增强的各种算法中，Hong等提出的基于Gabor滤波的方法以其同时具有最优联合空频分辨率的优点被认为是目前最流行的方法，如图1所示为Gabor滤波器的时域及变换频谱。Gabor变换是英国物理学家Gabor提出来的，Gabor变换属于加窗傅立叶变换，用Gabor滤波器对指纹图像进行滤波增强，必须建立以指纹纹线方向场为收敛和增强的Gabor小波模型。Gabor小波函数由高斯函数与三角函数构成，形成周期振荡的函数。基于Gabor小波函数的滤波器具有良好的方向和频率选择[3] 　　2.1 Gabor滤波图像增强算法 　　二维Gabor小波是由复平面波和椭圆形的高斯函数构成，当λ！=1时，Gabor小波函数的立体图示底部表现为椭圆，其滤波不再像高斯函数一样表现为各向同性，而是表现为各向异性。方向为椭圆长轴上的数据，它表现为增强的作用。对于垂直方向上的短轴上的数据，表现为小波振荡的特点。常用的二维Gabor函数表示如公式1所示： 　　V表示Gabor滤波的波长，u表示Gabor函数的方向，k表示总的方向数，σ表示高斯标准差，σ取值大小决定了滤波器平滑噪声的能力，以及错误增强的可能性，通常将其取为经验值。利用Gabor滤波进行指纹图像增强的算法步骤如下：1）将指纹分割后的图像分为大小为W×W的互不重叠的子块；2）分别计算各图像子块的纹线方向和纹线频率；3）为每个图像子块分别构建相应的增强模板；4）利用公式；5）对所有图像子块进行滤波运算，并将其融合成完整的指纹图像。 　　其中：G’是增强后的图像，θ（i，j）为像素点（i，j）处的方向，f（i，j）为指纹分布频率，F（i-u）（i-v）为指纹的原始图像。在指纹图像上对每一点进行Gabor函数运算即可实现图像的增强，为了加快运算速度，将Gabor函数制成模板，用模板来拟合Gabor函数，但Gabor函数模板运算还是很耗时，因此，必须将Gabor函数模板做简化处理，将矩形模板变为两条相交的线段形模板，这样能大大减小运算量。 　　2.2 方向图计算 　　方向图是对原始指纹图像的一种变换，即用纹线像素点的方向来表示该纹线。方向图一般分为点 　　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纹线的方向，而块方向图则表示指纹图 　　像中某点区域所有像素点的平均方向。由于点方向图含有很多噪声，不能够完全反映指纹脊线的真实走向，而块方向图能够很好地去除噪声，所以，在实际应用中一般都使用块方向图。方向图滤波法就是在得到指纹的块方向图后，块方向图可以由点方向图得到，也可以用最小均方估计算法求得。基于像素梯度的方向图计算方法的具体步骤如下： 　　1）将指纹图像分成W×W的块； 　　2）利用Sobel模板计算出点f（i，j）的梯度fx（i，j）和fy（i，j） 　　3