指纹特征点的提取-Read.PDFVIP

电子科技大学硕士学位论文 第三章 指纹特征点的提取 通过第二章的指纹增强方法，可以得到一幅清晰的二值化指纹图像，其脊 线和谷线黑白相间且紧致地排列在一起。接下来的任务就是从二值指纹图像中 提取出所需要的指纹特征信息，即提取出指纹特征点。指纹图像的特征点主要 是由指纹图像中的指纹脊线的端点 (ending)和分叉点(bifurcation)构成，端点 是指脊线的末梢，而分叉点则是指三条脊线的交叉点。指纹特征点信息是指这 些端点和分叉点的位置 (图像坐标)、类型和方向等信息。通常可以对二值化指 纹图像的脊线进行细化，再在细化了的单像素宽脊线上方便地提取出特征点的 信息，细化方法对于寻找指纹特征点有独特的好处，它可以去除不必要的纹线 粗细信息，进一步压缩指纹图像的数据，再根据指纹特征点的特点，通过检测 细化了的脊线很方便地定位出特征点，另外细化图在去除伪特征点上也起到了 重要作用43〔51]。但是通过对各种细化方法的实验，发现细化首先是一种全局的 方法，即对每条指纹脊线上的每个像素都进行同样的判断，这样必然会耗时在 细化一些不必要的部位。那么，能否在二值化图上直接提取特征点的信息，从 而节省处理时间。下面介绍一种常规的细化方法，再来给出一种直接提取与细 化方法相结合的特征点提取方法。 3.1指纹图像的细化 经过二值化处理后的图像，由于原始图像的质量受图像采集时手指压力大 小的影响和增强处理的影响，其指纹纹线的宽度会不均匀，一般在9-11个像素 之间 (这取决于采集指纹时按手指力度的大小和所采用的指纹传感器的分辨 率)，所要的信息是指纹端点或交叉点本身的信息如其准确位置、方向和类型等 等，而脊线的不均匀会影响质问特征信息的提取，所以传统上[44,45]认为应该对 指纹二值图像先进行细化，删除指纹脊线的边缘像素，得到只有一个像素宽的 指纹脊线，也即得到一幅指纹图像的骨架，从而去除掉脊线的粗细信息，便于 得到所要的信息。细化后的骨架应该是处于原始脊线的中间位置，并且在细化 时应保证纹线的连接性、方向性和特征点的拓扑结构不变。虽然对细化没有统 一的定义，但一种好的细化算法应该满足下列条件48【] 1迭代细化必须收敛到指纹的骨架: 第三章 指纹特征点的提取 z.骨架必须保持原图像的连通性; 3.不引起纹线的逐步吞食; 4.保持指纹的细节特征; 5.细化后的脊线应是一个像素点宽度; 6.骨架应尽可能地靠近原脊线的中心线; 7.使用迭代次数少，速度快; 细化算法有很多 “〔“创，基本上可以分为两类:逐层剥离法和距离变换法 4[1]。前者的基本思想就是反复将图像边缘层的点剥去，直至得到中心骨架，其 特点是简单、实用、容易理解，所以较为常用，但该方法依赖于像素的执行顺 序，因而容易受毛刺或孔洞噪声的影响，且一般需要多次迭代，速度较慢。后 者利用中心骨架到脊线边缘距离相等，所以如果把到脊线两边边缘距离相等的 点连接起来，也可以得到中心骨架，这种方法更符合人类提取骨架的认知过程， 受局部噪声干扰小，但其算法设计不直观，且对许多应用并不具有鲁棒性 (robust)，尤其是应用于处理那些粗细不均匀的纹理，逐层剥离法按照细化顺 序分又主要分为两类:串行细化和并行细化。串行细化算法一次只能对一个像 素进行处理，每次处理不仅与上一次处理的结果有关，而且还和本次己处理过 的像素有关;并行细化算法则每次同时对所有的像素或它的一个子集进行处理。 现有的有关细化的文献中，大都是采用模板匹配的方法，这种方法是根据 某个像素的局部邻域 (如3x3或4x4大小)的特征图像与模板进行比较，以决 定当前处理像素的保留或删除。 Virginia0.1提出了基于数学形态学的细化就是构造两组结构模板A和B, 如果当前像素满足结构模板A和B，就删除改当前点，迭代此过程直至纹线收 敛到骨架。 LeiHuang等46〔1提出了对于当前点，先根据它的一个3x3邻域内的各像素 取值情况，决定该像素是否保留或删除，再对预保留的当前点，分别取其3x4和 4x3令仔域，根据当前点诸邻域内像素值的分布，决定该当前点最终是保留还是 删除，重复此过程直至没有点可以删除为止。 卢的等4[61采用一种称为扫描的方法，分四个方向扫描指纹的脊线，