基于傅里叶变换指纹带阻滤波方法.docVIP

基于傅里叶变换指纹带阻滤波方法 　　摘要：提出了一种新的基于傅里叶变换的带阻滤波方式，既提高了运算速度，又满足了图像增强的要求，使得指纹图像二值化能够不丢失特征信息。 　　关键词：傅里叶变换；预处理；带阻滤波 　　中图分类号：TP334文献标志码：A 　　文章编号：1001―3695(2007)03―0300―02 　　 　　0引言 　　自动指纹识别系统(AutomatedFingerprintIdentificationSystem，AFIS)以其安全性、可靠性及高效性，在公安、信息安全及电子商务等领域具有广泛的应用前景。AFIS是以指纹细节特征(端点、分叉等)为基础的，因此提取细节特征的可靠性是影响识别系统性能的最重要因素之一。在指纹的自动识别过程中，由于受各种因素的影响，输入的指纹图像是一幅含噪声较多的灰度图像,指纹图像预处理的目的就是去除图像中的噪声，将它变成一幅清晰的点线图，以便于提取正确的指纹特征[1]。?? 　　（1）目前指纹预处理的主要方法?? 　　指纹图像预处理是一种以指纹图像为对象，从图像中提取出去噪的、清晰的单像素宽脊线的高等图像处理算法，主要包括增强、二值化、细化等步骤。指纹图像增强是指纹预处理的第一步也是至关重要的一步，它的好坏直接影响到指纹预处理的后续步骤乃至整个指纹识别过程，因此大量的研究集中在这个环节。基于方向图滤波增强方法[2]、基于Gabor滤波增强算法[3]、基于边缘检测增强算法[4]和基于梯度矢量滤波增强方法[5，6]都不能很好地适用于不同的指纹图像。方向图算法对纹线的宽度较为敏感，利用梯度的边缘检测算法对纹线的断线部分十分敏感。另外，随着统计学理论[7]、模糊集理论[8]、形态学理论[9]、小波理论[10]等在图像增强中的应用日渐广泛，尺度空间[11]、非线性扩散方程[12]等新方法也在指纹图像预处理中不断地被使用，但是这些方法都只能适用于质量好的指纹图像。?? 　　指纹图像增强技术主要包括空域滤波处理和频域滤波处理两个方面。以往的试验研究中将多种传统增强算法或其改进算法应用于预处理，如拉普拉斯法、Wallis滤波法和中值滤波法等，实验结果表明它们的效果均不理想。经过多方面的比较和分析，笔者 　　认为传统算法存在以下不足：①不能很好地处理指纹图像的背景部分。传统算法往往要么在增强指纹纹线的同时也带来背景声音的增强，要么在消减背景声音的同时却使指纹纹线边缘变得模糊。②不能为后续的特征抽取等环节提供有用信息。指纹图像增强后还需完成二值化、细化等处理，之后进行特征抽取，而特征抽取时不仅要获取特征点的坐标，还可能需要该点处的纹线方向等信息，以利于指纹匹配。③不能针对质量差的图块进行特殊处理。传统的图像质量描述参量如平均灰度、灰度方差等运用在指纹图像上时效果并不理想。?? 　　通过研究发现：在频域滤波的方法中傅里叶变换能够将复杂的函数由简单的正弦和余弦函数之和来表示，这一点恰恰符合指纹纹理峰谷变化的特性。低通滤波器能够减弱或消除傅里叶空间的高频分量，且低频分量不受影响。高频分量对应图像中的区域边缘和噪声等灰度值具有较大变化的部分，滤波器将这些分量滤除使图像变得平滑。高通滤波器能够消弱或消除傅里叶空间的低频分量，但不影响高频分量。因为低频分量对应图像中灰度值缓慢变化的区域，所以与图像的整体特性，如整体对比度和平均灰度值等有关，将这些分量滤除可以使图像锐化。高通、低通滤波器应用于指纹图像的处理过程中都有各自的优缺点，通过大量的试验选择了带阻滤波的方法，既能保留图像中高频部分的有用信息，又能滤除图像中的噪声，同时使整个图像变得平滑，大大提高了指纹预处理的速度和效果。?? 　　（2）指纹图像二值化?? 　　原始指纹图像大多是利用采集器提取或是扫描捺印卡片的灰度图像。指纹识别只对前景的脊线的特征点感兴趣，提取这些特征点的计算过程离不开二值化的处理，二值化的目的就是减少提取特征的计算量和提高提取特征的准确率。无论质量好的还是质量差的图像，如采用一般的二值化方法，二值化后都会产生信息丢失。对于质量好的图像可能会发生特征点退化并出现一些伪特征，给识别带来很大的困难；对于质量差的图像则可能会产生大面积的纹线丢失，而无法识别。所以二值化的结果直接影响着指纹图像识别的效果。在二值化的过程中，关键的技术难点就是选取阈值[13]。通过研究数字指纹库的实际特点可知，指纹图像的直方图普遍具有单峰的特性，并且在峰值附近，每一个灰度级的变化都对指纹的特征点造成重大的影响。因此，找到合适的阈值使得指纹图像的二值化变得非常困难，保障二值化过程不丢失特征更是难上加难。 　　 　　1基于傅里叶变换的带阻滤波器设计[14，15]?? 　　通过上面对各种指纹图像增强算法的研究可以看出，各类算法在对指纹图像