關(guān)鍵詞： 維納濾波； 連續(xù)方向圖； 二值化
隨著社會和經(jīng)濟的發(fā)展,人們對身份鑒別的準確性、安全性與實用性提出了更高的要求。而指紋具有唯一性、不變性、穩(wěn)定性，以及易采集等優(yōu)點，使得指紋識別成為當前生物識別技術(shù)中最受青睞的技術(shù)之一，在電子商務(wù)、犯罪鑒別、信息安全等領(lǐng)域都有廣泛的應(yīng)用。在指紋識別算法中，由于現(xiàn)有指紋采集設(shè)備的不完善性，均需對采集的圖像進行二值化處理，這個過程是相對最難突破的一個不可或缺的重要環(huán)節(jié)。二值化是將含有噪聲的灰度圖像處理成適于特征提取的二值圖像，其處理結(jié)果的好壞直接影響著整個識別系統(tǒng)的性能。
二值化指紋圖像就是將圖像上的點的灰度值置成0或255，即通過閾值使白色的谷線區(qū)域灰度都達到255，黑色的脊線區(qū)域灰度都達到0，由此使指紋紋線對象成為黑白兩色圖像。二值化主要有全局閾值法、局部閾值自適應(yīng)算法和基于方向信息的二值化方法。全局閾值是在整幅圖像內(nèi)采用固定的閾值分割圖像，經(jīng)典的方法是以灰度直方圖為處理對象,但由于單一的閾值會造成特征點的丟失,因此該方法一般不會單獨使用，局部閾值自適應(yīng)算法是將原始圖像分成幾個小的子圖像，再對每個小圖像分別求出最優(yōu)分割閾值，如參考文獻[1]采用的改進的自適應(yīng)指紋圖像二值化方法，雖然對于一些質(zhì)量差的指紋圖像能夠很好地保留重要的特征信息，但是該方法得到的二值化圖像有很多噪聲，不利于后面細節(jié)點的提取，需要進一步處理。上述方法對閾值的選取有很高的依賴性，而且沒有考慮指紋圖像本身的紋理特征，處理結(jié)果不理想。基于方向信息的二值化方法目前使用很廣，它利用指紋方向信息對指紋斷裂和粘連有連接和隔離效果，但是由于有干擾的存在和中心點處方向判斷困難，局部區(qū)域二值化效果出現(xiàn)偏差，還會出現(xiàn)孔洞，為后期處理增加了困難,參考文獻[2]的算法還會在特征點處出現(xiàn)嚴重的干擾,這樣會對特征提取造成一定影響。楚亞蘊[3]等提出了一種結(jié)合指紋方向信息的自適應(yīng)動態(tài)閾值二值化算法,該方法能有效提高二值化精度,并對斷線具有一定的連接效果,但始終沒有解決二值化的孔洞及粘線問題。本文針對上述情況，提出了一套指紋圖像二值化處理方法。該算法充分考慮到指紋圖像是一種紋理性的圖像,先進行維納濾波，防止后期產(chǎn)生孔洞，然后采用連續(xù)塊方向圖計算指紋的方向,最后以方向圖為基礎(chǔ)，采用方向濾波模板對指紋圖像進行濾波增強，實現(xiàn)二值化。實驗結(jié)果表明,此方法對于不同質(zhì)量的指紋圖像都有令人滿意的處理效果,在指紋圖像預(yù)處理中有良好的應(yīng)用前景。
1 指紋圖像二值化處理方法
在指紋圖像進行二值化之前先要對它進行圖像分割，這里采用最大類間方差圖像分割[4]。為了獲得沒有噪聲或者噪聲強度相當?shù)偷膱D像，本文選用維納濾波進行圖像預(yù)處理。
1.1維納濾波
維納濾波器根據(jù)各像素局部領(lǐng)域的統(tǒng)計估計進行自適應(yīng)濾波。它將圖像信號和噪聲都看成隨機信號,在對隨機信號進行分析統(tǒng)計的基礎(chǔ)上設(shè)計出符合最優(yōu)準則的濾波器。假設(shè)圖像信號g(x,y)是由真實圖像f(x,y)和噪聲信號n(x,y)構(gòu)成,設(shè)計圖像濾波器的目的就是使輸出的圖像 I(x,y)盡可能地降低噪聲信號n(x,y),同時恢復(fù)真實圖像 f(x,y)。定義誤差信號為：
然后對濾波之后的指紋圖像利用方向圖進行二值化。
1.2 方向圖的計算
方向圖是描述指紋圖像上各點的紋線走向指示圖。將紋線的走向分為8個方向,基準點位于方向模板的中心, 從水平位置開始, 按逆時針方向,每隔π/8 確定一個方向, 分別用i=1,2, …，8來表示, 此方法計算的方向角范圍是[0,π]。本文選用計算方向圖[6],具體計算步驟如下:
(1)采用7×7窗口，設(shè)其為矩陣A,A44為基準點P(i,j),其中有4個方格是3個方向共用的, 如圖1所示,A33、A55是方向6、7、8共用的方向, A35、A53是方向2、3、4共用的方向。采用此窗口設(shè)置方向充分考慮了基準點附近較近點的灰度值,共用點的權(quán)值比較大。
(2)對指紋圖像中的每一點P(i,j)，分別計算8個方向上的灰度平均值，即對圖1中標有i(i=1,2,…,8；分別代表 8 個方向)的位置上的像素灰度值求算術(shù)平均值，得到Gi；
(3)把這8個平均值按兩兩垂直的方向分成4組：1和5為一組，2和6為一組，3和7為一組，4和8為一組，分別計算每組中兩個平均值的差的絕對值 。
(4)根據(jù)上一步求出的方向組的差值，取絕對值最大的方向組中的兩個方向作為可能的脊線方向。
(5)確定方向組中的兩個方向：將這兩個方向上的像素灰度的平均值與像素P(i,j)的灰度值G進行比較，取灰度平均值與P(i,j)的灰度值G接近的方向作為該像素點P(i,j)的脊線方向，這樣得到的是指紋圖像的點方向圖。
(6)用連續(xù)滑動的 w×w大小的窗口對點方向圖中的每一點P(x,y)進行平滑處理, 分別統(tǒng)計每個窗口內(nèi)方向直方圖,這里w的取值需要考慮,如果取得太大,對紋線方向變化比較快的區(qū)域得到的方向不精確,w取值小時又會引起噪聲誤差,二值化時會產(chǎn)生氣泡,通常w取值要比一個紋線間距略小;
(7)將直方圖的峰值所對應(yīng)的方向作為點 P(x,y)的方向,根據(jù)此方法對點方向圖中的每個點進行平滑處理, 便可得到連續(xù)方向圖O(i,j)。
圖2(b)所示為對圖2(a)分別用8個顏色代表紋線的8個方向的示意圖。
1.3 指紋圖像增強濾波及二值化
利用上面計算出的連續(xù)方向圖, 就能根據(jù)其方向設(shè)計出相應(yīng)的方向自適應(yīng)濾波模板。其設(shè)計思想是使指紋紋線在切線方向平滑, 在法線方向銳化, 以消除指紋圖像中紋線的斷裂和叉連。方向自適應(yīng)濾波器是由多個方向的濾波模板組成的, 本文選用O’Gorman提出的方法構(gòu)造濾波模板[8]。
取水平方向的濾波器為：
其他方向(2～8)的濾波器可由其旋轉(zhuǎn)相應(yīng)的角度得到。Matlab中利用函數(shù)imrotate( )實現(xiàn)。
在指紋圖像上，從上到下、從左至右逐點移動, 根據(jù)每個像素的方向值, 選用相應(yīng)的濾波器模板進行卷積濾波運算。經(jīng)過上述濾波處理后, 消除了一些斷點和叉連現(xiàn)象。在本算法中，對8個方向進行濾波增強，脊線圖像提取之后對它們進行組合、二值化。
圖3所示為8個方向提供的有線圖像、脊線組合后的圖像以及二值化后的圖像。
這時，只需要一個全局閾值就可以將灰度圖像二值化了。直接使用 Matlab中的im2bw函數(shù)對灰度圖像進行二值化圖像的轉(zhuǎn)化。調(diào)用格式如下:
level=graythresh(I);
BW=im2bw(I,level);
2 實驗結(jié)果及性能分析
為了驗證上述算法的有效性,在CPU為Pen-tium 42.66 GHz、內(nèi)存為1 GB的計算機上, 運用 Matlab 7.1 編程工具實現(xiàn)了上述算法，實驗結(jié)果如圖4所示。從處理實例中可以看出，圖4(b)采用局部閾值二值化，受到采集儀器和一些不可抗拒的噪聲的影響，處理的結(jié)果不理想，有斷紋和粘線。參考文獻[2]介紹的方法利用了紋線方向信息，比較某點切線和法線方向上的灰度值，從而判斷該點是在脊線還是在谷線上，雖然這種方法考慮了紋線方向，但是在方向變化劇烈的中心點區(qū)域附近，處理的紋線會出現(xiàn)錯位現(xiàn)象。參考文獻[7]的方法是利用方向模板濾波得到的二值化圖像，可以看到二值化后的圖像比較平滑，但是有很明顯的孔洞現(xiàn)象，還需要進行后期處理。相比于上述算法，本文的方法首先進行維納濾波，較好地保持了原始指紋圖像信息，又最大限度地消除了噪聲影響，避免了二值化處理后期產(chǎn)生孔洞現(xiàn)象。然后，利用指紋方向信息設(shè)計方向濾波模板，對圖像濾波增強，實現(xiàn)二值化。可以看到采用本文方法得到的二值化圖像基本保持了原有指紋圖像的細節(jié)，二值化后的線條平滑,對斷裂的指紋有一定的連接作用，消除了孔洞、連線，細化的結(jié)果令人滿意。
本文詳細介紹了一種指紋圖像的二值化處理方法，對于一般的利用方向信息得到的二值化圖像中產(chǎn)生的如孔洞、在脊線方向變化劇烈的區(qū)域提取信息不準確等問題，進行了解決。兩次濾波后實現(xiàn)的二值化圖像的線條平滑飽滿，消除了孔洞、連線，并且對斷裂的紋線起到一定的連接作用,特征點處的處理圖像也很清晰準確，效果明顯，為后面的準確提取細節(jié)點做準備。本文算法簡單，易于工程實現(xiàn)，通用性和實用性強，能夠直接或者在稍作改造后用于諸如身份辨認、身份識別等場合。基于該指紋識別預(yù)處理方法的指紋識別系統(tǒng)能夠在提高經(jīng)濟效益、降低工作人員勞動強度方面起到較大的作用，具有一定的社會和經(jīng)濟意義。
參考文獻
[1] JOSEF S B, NILSSON M, NORDBERG J, et al. Improved adaptive fingerprint binarization[J]. Congress on image and signal processing,2008:756-760.
[2] 孫以雷,陳紅衛(wèi).指紋圖像二值化方法研究[J].艦船電子工程,2006,151(1):110-112.
[3] 楚亞蘊,詹小四,孫兆才,等.一種結(jié)合方向信息的指紋圖像二值化算法[J].中國圖象圖形學報,2006,11(6):854-860.
[4] 賈則，戴榮濤，張芬，等.基于連續(xù)分布方向圖的指紋圖 像分割算法研究[J].微電子學與計算機,2007,24(12):141-143.
[5] 周光，羅元，張毅，等.基于維納濾波的自適應(yīng)二值化技術(shù)的研究[J].軟件時空, 2008,24(7): 231-233.
[6] 聶桂軍,吳陳.自動指紋識別系統(tǒng)中連續(xù)分布方向圖的研究[J].中國圖象圖形學報,2005,10(3):315-319.
[7] 張正言, 聶桂軍, 徐榮青.基于連續(xù)方向圖的指紋圖像增強算法[J].微電子學與計算機,2007, 24(3):56-58.
[8] O’GORMAN L, LINDEBERG, NICKERSON J V.An approach to fingerprint filter design[J].Pattern Recognition, 1989,22(1):29-38.