對(duì)于干、濕、老化和磨損嚴(yán)重的手指，現(xiàn)有的采集器往往難以得到清晰的指紋圖像，提取出的特征點(diǎn)準(zhǔn)確率很低，直接影響后繼算法可靠性和識(shí)別準(zhǔn)確性，故對(duì)指紋進(jìn)行質(zhì)量判別十分必要。

    目前大多數(shù)指紋圖像質(zhì)量圍繞脊、谷清晰度以及特征的可提取性來(lái)評(píng)價(jià)，Shen等[1]用各個(gè)方向Gabor特征的標(biāo)準(zhǔn)差評(píng)估指紋質(zhì)量，Lim等[2]用梯度矩陣的特征值評(píng)估局部紋線方向的確定程度，T.Chen[3]提出計(jì)算脊、谷清晰度的方法，以上工作皆是對(duì)局部圖像塊的分析，缺乏全局性。Bongku Lee等[4]提出基于全局分析的傅里葉譜方法判斷指紋圖像質(zhì)量，但缺乏局部分析。對(duì)于判斷出的低質(zhì)量指紋，由于噪聲過(guò)大，不適宜直接進(jìn)行Gabor濾波處理，因此Wen等[5]提出小波域的Gabor濾波增強(qiáng)方法。
    針對(duì)指紋質(zhì)量的差異性問(wèn)題，本文提出帶有多指標(biāo)質(zhì)量判別的增強(qiáng)預(yù)處理流程，利用Matlab進(jìn)行算法驗(yàn)證，并搭建基于SoPC技術(shù)的嵌入式平臺(tái)實(shí)現(xiàn)。首先對(duì)指紋進(jìn)行空域和小波域上的評(píng)價(jià)，然后對(duì)判斷的低質(zhì)量指紋進(jìn)行基于小波變換的增強(qiáng)預(yù)處理，在小波域利用低頻系數(shù)估計(jì)指紋方向，抑制指紋局部過(guò)干或過(guò)濕的影響，有效修復(fù)低質(zhì)量指紋。
1 指紋質(zhì)量評(píng)測(cè)及增強(qiáng)算法
1.1 質(zhì)量判斷
1.1.1 灰度分布
    利用方差法判斷背景區(qū)域并將其去除，計(jì)算剩余指紋區(qū)域的均值mean(I)和方差Var(I)。為便于量化，對(duì)這兩個(gè)指標(biāo)分別賦予分值Q1和Q2。
 

圖2(b)中分?jǐn)?shù)分布可見(jiàn)該評(píng)測(cè)方法能對(duì)指紋進(jìn)行有效區(qū)分，圖2(a)對(duì)區(qū)分出的劣質(zhì)指紋進(jìn)行干、濕指紋劃分，效果明顯。

1.2 低質(zhì)量指紋增強(qiáng)處理
    對(duì)判斷出的低質(zhì)量指紋進(jìn)行增強(qiáng)，小波多尺度分析能將指紋圖像分解成低頻子圖和高頻子圖。低頻子圖的小波系數(shù)分布能很好地反映原始圖像的紋理分布。
    Gabor函數(shù)具有方向選擇性和頻率選擇性，采用Gabor函數(shù)能將指紋的脊線和谷線結(jié)構(gòu)不失真地保留。利用低頻子圖的方向和頻率，對(duì)分解后的低頻子圖進(jìn)行Gabor濾波。對(duì)保留指紋圖像水平和垂直方向信息的高頻子圖，利用一維Gabor濾波器進(jìn)行濾波；而對(duì)角高頻子圖，只需要進(jìn)行閾值去噪即可。圖3所示為對(duì)幾種濾波算法進(jìn)行比較的效果圖。
    目前圖像增強(qiáng)算法很多，但不同算法對(duì)不同紋理濾波效果不一樣,大部分都是針對(duì)質(zhì)量較好的指紋圖像。由圖3可見(jiàn)，本文方法可使疤痕得到很好的修復(fù)。
2 基于SoPC的系統(tǒng)實(shí)現(xiàn)
2.1 系統(tǒng)構(gòu)架
    本文采用SoPC系統(tǒng)來(lái)實(shí)現(xiàn)指紋的質(zhì)量判別和低質(zhì)量指紋的增強(qiáng)預(yù)處理，系統(tǒng)框圖如圖4所示。

2.2 系統(tǒng)實(shí)現(xiàn)
    輸入指紋通過(guò)不同指標(biāo)判斷的結(jié)果在Nios的控制臺(tái)上進(jìn)行顯示，質(zhì)量分?jǐn)?shù)Q和最后的綜合結(jié)果在LCD上顯示，如圖5所示。設(shè)置閾值判斷該指紋是否為可恢復(fù)的低質(zhì)量指紋，若是則進(jìn)行基于小波變換的Gabor濾波處理并啟動(dòng)VGA進(jìn)行顯示，如圖6所示。

    整個(gè)算法流程在Nios中實(shí)現(xiàn)，并利用SoPC搭建系統(tǒng)在DE2平臺(tái)上實(shí)時(shí)控制并顯示質(zhì)量判斷的結(jié)果以及對(duì)低質(zhì)量指紋增強(qiáng)的效果。本文提出的基于質(zhì)量判別的低質(zhì)量指紋增強(qiáng)預(yù)處理方案能夠提示是否需要重新采集指紋，并對(duì)可恢復(fù)的低質(zhì)量指紋進(jìn)行有效修復(fù)，這對(duì)于指紋的匹配有重要作用，在整個(gè)指紋識(shí)別系統(tǒng)中有一定的應(yīng)用價(jià)值和借鑒意義。
參考文獻(xiàn)
[1] SHEN L L，KOT A，KOO W M．Quality measures of fingerprint images[J]．Third International Conference on Audio  and Video-Based Biometric Person Authentication，2001，2091/2001：266-271．
[2] LIM E，JIANG X，YAU W．Fingerprint quality and validity analysis[J]．IEEE ICIP，2002，1：469-472．
[3] CHEN T，JIANG X，YAU W．Fingerprint image quality analysis[J]．Proc.Int.Conf Image Process，2004，2：1253-1256．
[4] LEE B K，MOON J，KIM H．A novel measure of fingerprint image quality using fourier spectrum[J]．Proceeding of the SPIE，2005，5779：105-112．
[5] Wen Miaoli，Liang Yan，Pang Quan，et al．A gabor filter based fingerprint enhancement algorithm in wavelet domain[J]．Proceedings of ISCJT，2005，2：1468-1471．
[6] Yi Chen，DASS S C，JAIN A K．Localized iris image quality using 2-D wavelets[J]．Proc.of International Conference on Biometrics(ICB)，2006：373-381．
[7] 中國(guó)科學(xué)院自動(dòng)化研究所生物特征識(shí)別研究組.指紋數(shù)據(jù)庫(kù)[DB/OL].[2012-07-10].http：//www.fingerpass.net/download.html.