一种带阻滤波二值化处理方法.docxVIP

一种带阻滤波二值化处理方法 0 分类增强方法 计算机指纹自动识别系统（afis）具有广阔的应用前景。在各类AFIS中,通常均需要对指纹图像进行二值化处理,二值化之后可以对指纹图像进行细化和特征提取等工作。数字指纹的二值化处理过程是相对最难突破的一个不可或缺的重要环节。它是将含有噪声的灰度图像处理成适于特征提取的二值图像。其好坏直接影响着整个识别系统的性能。二值化的目的是为了后期细化图像,从而减少提取特征和比对计算的复杂程度。在各类文献中,关于指纹增强的文章层出不穷,但是均没有从根本上解决指纹的二值化保持特征不损失的问题。指纹增强的目的是为了得到理想的二值化指纹图像。增强的方法可以粗略地分为灰度变换增强、空域滤波增强和频域滤波增强三大类。目前,比较流行的算法有基于方向图滤波增强方法和基于梯度矢量滤波增强方法。基于方向图的滤波增强方法分为点方向图和块方向图。点方向图表示原始指纹图像中每一像素点的局部纹理走向;块方向图是在点方向图的基础上矫正每条纹线的大致走向。方向图算法对指纹纹线的宽度十分敏感。方向图窗口的大小影响处理的效果:窗口过大,在指纹中心曲率最大处会发生差错;窗口过小会使粗线变为两个平行的方向。由于指纹图像受压力的变化影响较大,稀松区域的纹线可能是密集区域纹线的2～3倍。方向图方法无论采用哪类滤波器,均不能解决对纹线宽度的敏感问题,仅能适用于纹线分布均匀、质量非常好的图像。基于梯度矢量的滤波增强方法的关键在于采用的梯度算子。无论在空域滤波还是在频域滤波,边缘检测算子均无法解决纹线的断线问题。检测中一些连续的纹线受灰度变化的影响而被算子截断。如果采用滤波器连接断线,会造成许多错误的连接,最终导致出现错误的特征点。Lin Hong等人将Gabor滤波器用于指纹图像增强,确立了使用Gabor函数实现指纹增强的基本技术体系。Gabor滤波器存在经验参数的问题和不同方向滤波图像的叠加问题,容易造成纹线的变形和错误的特征点。另外,A.J.Willis等人提出的低质量指纹增强算法,将图像分成32×32的小块,然后再作傅里叶滤波从而使指纹图像得到增强;Su Fei等人提出了一种新的基于模糊逻辑技术的指纹图像增强滤波器,通过模糊边缘判别器在对任一像素点属于边缘的程度进行模糊软判决的同时完成边缘检测,并针对指纹图像的平滑区域和边缘区域分别采用不同的模糊规则进行增强滤波。但是这些方法均没有从根本上解决二值化处理过程中指纹的特征点保持度问题。 本文以观察特征点变化为核心,提出了带阻滤波的新方法。首先,利用傅里叶变换进行带阻滤波处理原始图像;然后,采用高斯低通滤波方法,得到了整个指纹灰度图像所在的区域,并通过区域增长的方法得到了整个指纹灰度图像的轮廓线;最后,把得到的轮廓线应用于带阻滤波图像,使得带阻滤波图像,可以在轮廓线内进行二值化处理并实现图像与背景区域的分割。 利用傅里叶变换在频率域实现指纹图像的带阻滤波,消除了由于压力、噪声等外在条件造成的指纹图像难以二值化并保留特征点的问题。通过背景变换实现了无特征点损失的指纹二值化处理过程,并且该方法适用于各类低质量的指纹图像。 1 图像的二值处理方法 1.1 值化方法 指纹图像不仅仅是简单的灰度纹理图像,它的确具有一定的复杂性。首先,指纹图像具有纹理走向,接近指节的部位纹线粗大,中心部位纹线结构复杂,纹线曲率变化大,纹线中可能还存在褶皱纹或伤疤。其次,指纹的纹线并不是光滑的弧线。每一条脊线中包含有若干个汗孔,大的汗孔会使得采集的指纹纹线发生断裂;每一条谷线中含有细点线,这些细点线的增长会使脊线发生偏移。再次,采集指纹过程中,手指的压力分布在采集物体表面并不是均匀的,这样就造成了纹线密度和纹线粗细的变化。由于上述原因,使得各类AFIS中,机器识别算法始终与专家识别存在着很大差距,而二值化方法又是自动识别中最基本、最难解决的问题。本文提出的方法,可以有效地解决这一技术难题。该算法的流程图如图1所示。 算法可以分为两个主要的部分:a)提取指纹轮廓,即灰度图像—门限分割—高斯模糊—区域增长部分。在该过程中,首先把灰度指纹图像以任意阈值分割的方法变为高对比度的图像,这样可以保障高斯模糊能够给分割后的指纹谷线区域赋予一定的灰度值,从而保证在计算区域增长的过程中,不至于使得种子点落入指纹的谷线区域,以达到准确地进行图像指纹前景区域提取的目的。b)指纹前景区域二值化处理,即灰度图像—带阻滤波—背景填充—前景二值化部分。该过程中,带阻滤波处理是主要的处理方法。把前面得到的指纹轮廓线应用于带阻滤波图像的主要原因是为了在直方图中让带阻滤波处理的指纹图像的峰值恰好落在0点附近,从而减少选取阈值的复杂程度和计算量。有了这个阈值也就实现了前景和背景的分割。具体的实现步骤如下。 1.2 提取指纹结构方法 1.2.1 指纹的门限分