一种指纹细节点提取方法.docxVIP

一种指纹细节点提取方法 0 特征点的选取和分类 在指纹系统的设计中，由于图像的采集和处理不可避免地会导致一些纹线断裂和交叉。虽然在预处理过程中会删除这两个噪声，但会出现一些错误和交叉。针对这种情况,提出了一种简化的方法来提取指纹的特征点。本文与目前大多数的指纹处理系统一样,都采用美国联邦调查局提出的两种类型的特征点:末梢点和分支点,只是在提取的过程中,我们所提取的是脊线的分支点和谷线的分支点,所对应的即是脊线的分支点和脊线的末梢点。因为指纹的脊线和谷线是嵌套的,在脊线和谷线中,特征点是对应的,即脊线的分支点对应着谷线的末梢点,谷线的分支点对应着脊线的末梢点。 在指纹图像的采集和处理过程中断裂和叉连的情况会造成许多虚假的特征点,由于断裂的情况比较普遍,在提取出的末梢点中有很多是虚假点,所以我们在提取指纹特征点的时候可以只提取指纹的分支点。这种特征点受噪声的影响比较小,虚假的分支点比较容易去除。因此,在指纹的处理过程中可采取直接提取指纹的分支点。 1 指纹形象有待改进 1.1 平均像素及平均长度 一般的指纹图像都有比较清晰的方向性,点方向图的准确性直接决定了图像增强算法的效果。为估计点方向图,把指纹脊线走向分为8个方向,如图1所示。 对于图像的每一个像素,为了确定在以该像素为中心的9×9窗口内,分别计算8个方向上的灰度平均值,即将图1中标有I(I=0,1,…,7分别代表8个方向)的位置的像素灰度值取平均得到Gmean[I],然后将这8个平均值按两两垂直的方向分成4组,0和4一组,1和5一组,2和6一组,3和7一组,计算每组中两个平均值的差值。 Gdiff[J]=abs(Gmean[J]-Gmean) J=0,1,2,3,为脊线方向 取差值的绝对值最大的两个方向为可能的脊线方向若: iMax=arg(Max(Gdiff(i)) 则方向iMax和iMax+4为像素处可能的脊线方向,若该像素处的灰度值为Gray,则脊线方向为: iDir={iMaxiMax+4ifabs(Gray?Gmean[iMax])abs(Gray?Gmean[iMax+4])otherwiseiDir={iΜaxifabs(Gray-Gmean[iΜax])abs(Gray-Gmean[iΜax+4])iΜax+4otherwise 即取iMax和iMax+4方向中灰度平均值与该像素的灰度值比较接近的方向作为该像素处的脊线方向。 1.2 求方向直方图法 为了减少噪声的影响,保证方向估计的准确性,通用的做法是将图像分成w×w的小块,对每一小块计算其方向直方图,方向直方图的峰值方向即为该块图像纹路走向的方向。这样的做法会造成块与块之间方向的不连贯性。在处理的过程中发现,用通用分块的方法在处理方向图时用求方向直方图的方法所取得的方向作为点的方向,这样处理后对于后期的二值化处理方向时有更强的细节保留能力。其具体过程为: for(int I=0;Ibwidth;I++) { for(int J=0;Jbheight;J++) { 取directdata的值=在I-bsize/2,I+bsize/2,J-bsize/2,J+bsiz/2的块中计算其方向直方图,取方向直方图的峰值作为该点的方向。 } } 注:bwidth和bheight分别为指纹图像数据的宽和高,bsize为w块的大小。 两种处理方法的方向图和二值化后保留细节的具体情况如图2所示。 参照图5(a)所示的原图可以看出,用本文的方法求取的方向图比通用的方法求取块方向图后,在二值化图像中有更强的细节保留能力。 1.3 i/垂直方向一致性的成像 由以上的方法得到每个像素的方向后,再依据所得到的点方向来对图像进行二值化。若该像素处的脊线方向为I,先用估计点方向图时用到的方法计算该像素处在方向I和垂直方向的iVar=(I+4) mod 8的灰度平均值Gmean[I]和Gmean,然后将该像素二值化为: iVal={1ifGmean[I]≥Gmean[iVar]0otherwiseiVal={1ifGmean[Ι]≥Gmean[iVar]0otherwise 其中iVar表示二值图像中该像素处的值,1为二值图像背景和谷线的灰度值,0为二值图像中图像脊线的灰度值。 2 p至p转换编码 本文采用逐层迭代算法进行细化。该算法把一次迭代分作两次扫描,细化过程中由周边向中间逐层细化,使细化结果位于原图的“中轴”。 令Bn为3×3窗口内目标像素的个数:Bn=∑18PiBn=∑18Ρi,两次扫描中需满足的条件为: 1) 2≤Bn≤6(排除p为端点和内部像点的情况); 2) 若已标记pi视为1时,有Nc=1(Nc为p的8-邻域中的连接成分数,则其序列p1p2p3p4p5p6p7p8p1中0到1变化的次数)(保证删除当前像素不会改变原图的