基于纹理特征指纹图像处理方法研究.docVIP

基于纹理特征指纹图像处理方法研究 　　[摘 要] 原始指纹图像含有一定的噪声，影响指纹识别的准确性。文章提出了过虑图像噪声的方法，通过指纹的规格化方法将指纹像素进行调整，分割图像得到有效的指纹区域，再通过指纹增强技术加强指?y的质量，使得脊线和谷线的纹理更加清晰，将断裂纹理连接上，去掉指纹的毛边，经过二值化处理，得到黑白分明的图像，再细化图像使指纹变成清晰的线条图像，得到准确、清晰的指纹图像。极大地增强了指纹图像识别率。 　　[关键词] 指纹图像；图像增强；图像分割；二值化 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 03. 077 　　[中图分类号] TN911 [文献标识码] A [文章编号] 1673 - 0194（2018）03- 0186- 02 　　1 引 言 　　每个人指纹具有唯一的纹理结构，指纹上的特征信息给认证提供了依据。由指纹采集器得到的指纹图像有很多的噪声，例如指纹不洁、干、湿、扭曲等原因都产生噪声。在进行识别之前对指纹图像进行一系列处理，把它变成一幅清晰的点线图，以便于提取正确的指纹特征，增强图像的可识别性。 　　2 指纹图像特征及预处理 　　指纹由脊线和谷线组成的，指纹上突起的线条通常叫做脊线，凹下去的线叫做谷线。指纹的局部特征是特征点，包括指纹的中心点、三角点、端点、分叉点。指纹图像的预处理过程一般包括图像规格化、图像增强、图像分割、二值化、图像细化和细节点提取等过程[1]。 　　3 指纹图像规格化 　　指纹图像的噪声造成灰度差异，所以要对图像的对比度和灰度进行调整。规格化处理是针对于像素进行的，图像脊线和谷线的结构特征并不会改变。设I（i，j）为图像上的像素点，G（i，j）为规格化后的指纹图像，图像为W×H矩阵，定义M为均值，V为方差，根据公式（1）可得规格化后的图像G（i，j）[2]。 　　4 利用直方图增强指纹图像 　　图像规格化之后需要进行指纹图像增强，即增强指纹纹理的清晰度，增加指纹脊线和谷线的对比度，使线与线之间更加清晰，突出指纹的纹理特征，例如分叉点、端点等。 　　空域处理直方图修正法，可以近似认为是图像灰度分布的概率，通过图像直方图反映图像的统计特征。设图像在点（x，y）的灰度分布密度函数为p（z；x，y），那么图像的灰度密度函数[3]见公式（2）。 　　其中D定义图像的区域，S代表区域D的面积。在通常情况下，要精确得到图像的灰度分布函数比较困难，通常用图像的直方图来代替。设N为一幅数字图像的总像素个数，灰度级设有L个，nk为第k个灰度级中所具有灰度rk的像素总数。则第k个灰度级在图像中出现的概率公式（3）如下： 　　然后对图像进行直方图均衡化处理。它是一种经过数学变换，使输出图像变成具有均匀概率密度分布的新图像变换算法[4]，也就是灰度级分布比较均匀的图像，变换过程为： 　　（1）计算原始图像直方图各灰度级出现的频度（其中n为原始图像中总的像素数目，nj各灰度级的像素数目）： 　　（2）计算累计分布函数： （其中fj为初始图像的灰度级） 　　（3）计算变换后输出图像的灰度级gi，（其中，INT代表队灰度级取整） 　　（4）对映射后所计算出的各个灰度级的像素数目进行统计ni，i=0.1，…，k，L-1 　　（5）计算输出图像直方图：（用P表示输出图像具有灰度级的个数） 　　（6）通过fj和gi反映出来的映射关系对初始图像的灰度级进行修改，从而得到概率密度均匀分布的输出图像。通过以上算法对指纹图像进行直方图均衡化处理，效果如图1所示。 　　可以看到图像效果明显改善，细节部分清晰了很多，而且可以看到处理后直方图呈现均匀分布。 　　5 图像区域分割 　　在增强指纹图像基础上对指纹图像的分割，它是将脊线与谷线基于灰度阈值的分割；将指纹区域与无图像区域分割是利用方差法分割[5]。 　　方差法是根据前景区域和背景区域的灰度方差值的不同进行分割的。把指纹分成若干个小的区域，分别计算方差值，再根据指纹纹理需要的清晰程度设定某个阈值，方差大于阈值的设定为前景区，方差小于阈值的认为是背景区。经过计算确定阈值为90的指纹分割为最佳效果，如图2所示。 　　6 图像二值化 　　图像分割之后进行图像二值化，将一幅图像转化为二值图像，目的是为了提高脊线和谷线的对比度，使指纹图像更加清晰。算法的实现过程如下： 　　（1）将指纹图像分成大小为16×16的小块区域； 　　（2）分别计算每个区域的平均灰度值，取值作为该区域的阈值。 　　计算每个小区域像素点的灰度值，大于阈值的，灰度值设置为白色255，反之，小于阈值的设置为背景色，取值为0。 　　7 图像细化 　　在图像二值化基础上进行图像的细化，采