设为首页 | 加入收藏夹

八文网 - 汇聚八方文档 - 做最优秀的免费文档下载网站

殷新春等:一种改进的指纹图像预处理算法

文档类型：

Adobe Acrobat PDF 文档文档大小：657.47KB

殷新春等:一种改进的指纹图像预处理算法
基金项目:国家自然科学基金(NSF
作者简介:殷新春,男,1962年.博士、教授,硕士生导师,主要研究领域为网络与信息安全,并行与分布式计算.一种改进的指纹图像预处理算法殷新春王秋平陈春霞(扬州大学计算机科学与工程系,扬州
摘要:本文提出了一种改进后的指纹预处理方法.在计算点方向图时引入了高斯滤波,提高了点方向图的准确性,同时利用计算出的方向信息来实现了指纹的增强、二值化以及不可恢复区域的提取,实验证明效果较好,为可靠,准确地实现指纹自动识别提供了一种可行的方法.
关键词:指纹图像;方向图;二值化;不可恢复区域A Improved Method on Fingerprint ImageYin Xin-chun,Wang Qiu-ping,Chen of Computer Science and
Abstract: This paper preprocessing method of fingerprint. Guass Filter was calculating the direction, and it improved the accuracy of the fingerprint direction. At the same time, thedirection information of the fingerprint image was used to enhance the fingerprint image, binarize , refine thebeyond retrieve area of fingerprint images. The experiment had proved the better result. This could improve the accuracy and the reliability of the AFIS(Automatic Fingerprint Identification System).
Key words: fingerprint image; directional image; binarization; beyond retrieve area
1 引言指纹特征是人终生不变的特征之一、而且不同人的指纹特征相同的可能性几乎为零,所以世界各国都在争先研究和开发实用指纹识别系统.指纹识别系统一般由以下几
个过程组成:指纹采集,预处理,特征提取,分类及匹配.而在指纹采集过程中、不可避免的会引入各种噪声,如图像中的叉连,断点等、这些噪声对指纹特征信息的提取造成一定的影响、甚至会产生许多伪特征点.因此在提取指纹特征之前、需要对指纹图像进行滤波处理,以去除无用信息,增强有用信息.在得到增强的灰度图后,需要将其进一步二值化,便于后续过程的处理.我们对很多传统的灰度图像滤波算法都进行了研究,其中以傅氏变换滤波的效果最好,但它的效果远不如方向图滤波器的滤波效果,且傅氏变换滤波算法的运行时间很长,对一幅512×512的图像需要几分钟的时间,而方向图滤波器只需几秒钟就可完成.至于其它的滤波算法,如中值滤波,均值滤波等效果都远远不如方向图滤波效果.因此,方向图滤波无论从效果还是从速度上看都是一个好的灰度图像滤波算法.在现在许多基于方向图的滤波算法中、
第十二届全国图象图形学学术会议2一种是在计算出指纹图像的方向图后,利用各点的方向使用各种滤波器进行滤波[1,
2,另一种方法则是使用指纹纹线分割来实现指纹的增强、通过利用局部纹线方向,纹线宽度等结构信息,采用了非传统的二值化方法从原始指纹图像中分割出脊线区域和谷线区域,并用二值图像表示[3, 4.本文则通过增加了在计算过程中对各点的高斯滤波,不可恢复区域的提取两个过程,对第二种方法进行了完善和补充、实验结果表明了该方法所取的效果要比传统的第二种方法更为理想,可靠.
2 图像归一化及有效区域提取
2.1 指纹图像归一化处理由于采集仪本身和手指结构的特点、以及指纹采集时用力不均等情况,容易造成图像部分区域信号太弱(颜色太淡)或者太强(颜色太黑),给后续的指纹处理带来了很大的困难,所以必须对指纹进行归一化处理,使图像中纹线灰度均值和方差接近于给定的期望均值M0和期望方差VAR0,M0和VAR0的大小根据图像采集时分辨率的高低确定.在本文方法中M0 和VAR0均为125.灰度图像归一化并不改变指纹纹理的清晰度.设图像I为N×N 大小,令G(i,j)为像素点(i,j)的灰度值,M和VAR分别为图像灰度均值和方差,G(i,j)为像素点(i,j)规格化后的灰度均值,归一化处理如
下公式所示:
其中:
2.2 指纹有效区域的提取由于非指纹区中没有纹线峰和谷的变化,因此它的方差很小,所以我们将图像分成W×W的多个不相重叠的小方块,利用小方块的灰度均值K和方差V,将指纹
有效区域提取出来:其中(i0,j0)为方块内左上角像素点的坐标,对于求出的V,设定一定的阈值T1,如果V>T1,则该方块内为有效的指纹区域.否则,该方块内为非有效区域.经过上面运算后,指纹图像被分为指纹区和非指纹区、考虑到指纹图像中指纹区和非指纹区的连通性,还需要进行进一步处理,即去除大片非指纹区中孤立的指纹块.处理完成后,指纹图像就被标识成连通的指纹区和非指纹区.
3 指纹图像的分割
3.1 指纹图像的滤波及二值化为了消除干扰及增强纹线,我们针对指纹纹线有较强方向性的特点、使用了基于方向图的纹线滤波增强方法.为估计方向场、我们把指纹脊线的走向分为8个方向,如图1所示、各方向之间的夹角为π
8,以0-7表示.在求取各点方向图时, 由于图像在采集时,会受到各种随机噪声的影响、所以我们并不直接使用计算点的灰度值G(i,j),而是利用了高斯低通滤波器的旋转对称性,将该点与其八邻域中的点(C1-C8)所形成的点集Ω与高斯低通滤波器Gu做卷积运算,得到该点的新的灰度值G(i,j).∑∑[σjiejiGu= =,(mnnmGunjmiG
殷新春等:一种改进的指纹图像预处理算法3同时计算该点八个方向上的像素的灰度值之和、得到S0,S7,将8个方向灰度值按两两垂直的方向分为4组(0-4,取两两差值最大的方向p为像素点可能的方向.在两个方向中灰度平均值与该点像素值G(i,j)最接近的方向作为该像素处的脊线方向.图1 在一个像素处的8个指纹脊线方向p4 otherwise在计算各点方向的过程中、可以同时进行纹线的增强及二值化.如果像素点为脊线上的点、那么该点的灰度值一定会大于8个方向上所有点的灰度平均值;如果像素点为脊线上的点、那么它的脊线方向和垂直于脊线方向的所有点的灰度和的平均值一定会大于8个方向上所有点的灰度平均值;将上述两个条件联合起来会取得更好的效果.若当前点C满足上式,C点处于脊线上,将C点的灰度值置为125,否则C点是背景点、将它的灰度值置为0.根据以上方法,还可以设计处13×13,17×17等大小的窗口,窗口越大,对指纹断裂的连接功能越强、但对指纹粘连的隔离功能减弱,计算量也随之增加.利用以上方法,对图像中的所有点均进行同样的运算,运算结束后,图像中的断点和叉连得到了很好的去除,同时也完成了图像的初步分割.
3.2 不可恢复区域的提取在成功的进行了指纹增强和初步分割后,指纹有效区域中仍然可能存在这样一部分区域,即纹线非常模糊的区域,其中纹线严重粘连或呈颗粒装、即使是人眼也看不出其中的纹线结构,无法根据相邻区域中纹线结构判断该区域中纹线结构.我们称这种区域为不可恢复区.我们需要进一步标识出该区域,在后续的特征提取过程中、不从不可恢复区域中提取特征值,从而避免了从中提取大量的虚假细节点、也提高了细节点的提取速度.根据不可恢复区域中各个像素点的方向均匀分布、而正常指纹区域方向有较大一致性的特点、我们利用计算出的各个
像素点的方向值,来提取出不可恢复区域:将点方向图分成互不重叠的16×小的块,计算每一块的方向一致度Ax.
计算过程如下:
①将图1中的八个方向量化为具体的数值.0等于0,1等于-π8,2等于-π4,3等于-3π8,4等于-π2,5等于3π8,6等于π4,7等于π8.
②当每一块内各像素点的方向大致相同时,所有点的方向和的绝对值应该等于所有绝对值的和、此时Ax=1,而当各像素点方向均匀分布时,此时Ax=0.求出各块内的方向一致度,通过设置一定的阈值T2,如果Ax×
第十二届全国图象图形学学术会议4集仪采集了大小为512×512的图像.根据采集图像的特性,实验过程中参数使用如
下:图像增强区域为16×16,M0 和VAR0均为125;提取有效区域中的方块大小16×16,阈值T1为20;在方向图中使用了9×9的邻域大小;在高斯低通滤波器中、使用了3×3的邻域,σ=1;在不可恢复区域中、方向一致度的阈值T2=0.35;图2(a)为原始指纹图像,图2(b)是进行了对比度增强、提取有效区域后的图像,图2(c)是传统的利用指纹纹线分割来实现的指纹图像,图2(d)是利用本文提出的方法实现的指纹增强、分割后的图像,图2(e)是提取不可恢复区域后的指纹图像,图2(f)是图2(d)细化后的指纹图.图2 实验结果
5 结论指纹图像预处理是指纹自动识别过程的第一步,它的好坏直接影响着指纹识别的效果.我们通过对50对指纹进行实验比较发现,在文献3提出的预处理方法中、对指纹纹线的增强效果不太理想,而且存在较多的伪特征点、而在我们的算法中、对指纹图像中各点的方向的计算更加准确,对指纹的纹线间断连接及叉连的分离能力都大为增强、减少了伪特征点的数量,同时通过不可恢复区域的标识,又能够避免大量伪特征点的提取,使得后续的指纹匹配更加准确.对于残留的伪特征点、我们可以利用计算出的各特征点的方向以及各特征点之间的距离等特性,将各类噪声引起的伪特征点分别予以删除保留的特征点集作为真正特征点的集合.参考文献[1] 解梅马争.基于脊向指纹滤波算法[J] .电子学报,[2] 黄贤武王加俊等.指纹识别的预处理组合算法[J] .计算机应用[3] 林国清李见为等.指纹图像的预处理[J] .计算机工程,[4] et al. An identity authentication systemusing fingerprints. Procedings of I[5] 尹义龙宁新宝.改进的指纹细节特征提取算法[J] .中国图象图形学报[6] Xiping Luo Jie Tian.Knowledge Based Enhancement[J] .15th
张铁栋等:基于模糊算法的水声图像增强
基金项目: 微小型无人探测器基础技术研究K
第一作者简介:张铁栋(1978),男,博士生. 潜器的设计与研究,水下目标的识别与探测.
基于模糊算法的水声图像增强张铁栋秦再白朱炜
摘要: 图像增强是图像处理的主要技术之一.对于水声图像来说,由于水下干扰性强、使得图像分辨率低,边缘恶化,因此传统的增强方法对水声图像处理质量不是很好.本文基于模糊数学理论、建立了水声图像的模糊特征矩阵,并采用正弦模糊分布函数对真实的水声图像进行了增强处理.处理结果表明,该算法不仅有效的改善了水声图像主观视觉效果,而且去除了图像噪声,突出了图像的边缘特征.
关键词: 模糊集合;水声图像;图像增强A Sonar Image Enhancement AlgorithmBased on Fuzzy SetZhang Tie-dong, Qin Zai-bai, Zhu Wei(School of Shipbuilding Engineering, Harbin Engineering University, HarbinChina;Email
Abstract: Image Enhancement is one of important technique in Image Processing. Because interference in water is strong, Sonarimage resolution is low and image edge is bad. Qualities of the traditional algorithms of image enhancement are not better for sonarimages. This paper defined the matrix of fuzzy of sonar images based on the theory of fuzzing mathematics, andenhanced the image by using the sine fuzzy function .The result shows that not only the vision brightness of images is improved, butalso the noise is removed and the edge features are shaped.
key words: fuzzy set; sonar image; image enhancement图像增强是图像处理的主要技术之一、它的作用主要是改善图像的视觉效果,使图像更适合于人眼的观察判断或计算机分析处理的一种比较简单有效的技术手段,在图像处理技术中占有重要地位、并在实际中得到广泛应用.但由于图像自身的复杂性,造成在处理过程的各个不同阶段可能出现不确定性和不精确性,即模糊性.因此近年来不少学者将模糊集理论引入图像处理和识别技术的研究中、并取得了显著的成效.水声图像在海底探测中扮演着重要的角色,通过对其分析,水下探测者或潜器可对水下未知环境有所了解.虽然水声图像包含了十分丰富的环境信息,但由于受到水下环境混响噪声的干扰,声纳成像机理的限制等诸多因素的影响、使水声图像存在图像整体分辨率较低,物体边界轮廓模糊不清等现象,从而使直接判读带来很大的困难.本文基于模糊数学原理,采用模糊增强算子,对水声图像作了增强处理,获得了满意的结果.
1 水声图像模糊特征矩阵[1[2]由模糊集合的概念, 一幅NM×的数字图像X可以看成是一个模糊独点集所组成的矩阵,记作
第十二届全国图象图形学学术会议6~mnPLMMMM其中mnP (10≤≤mnP)表示图像中第(m,n)点象素灰度值mnX相对于最大像素灰度值maxX的隶属度.对于模糊特征值mnP,它是通过将空间域中的像素值mnX映射到模糊域获得的,所以选用的映射函数φ应满足如下条件对于]1,0,∈→mnPPXφ,且当mnX单调变化时,mnP也单调变化.
因此,一般我们选用下式的映射函数:eFdmnmnFXP式中maxX为图像X中的最大灰度值,eF表示指数型模糊因子,其选取与模糊迭代次数r有关.在实际应用中、可固定r值,经过eF的选择得到满意的增强效果.dF表示分数型模糊因子,由选定的交界点cX(该点处5.0=mnP)和选定的cF来定.它们的取值直接影响到模糊性的大小.由式(1)可见、当0max→mnXX时,则1→mnP.当mnXX max递增时,则mnP递减.因此mnP表示其像素点(m,n)拥有最大灰度值maxX的程度.在(1)式中、当mnX=0时,令dF故mnP的实际取值范围是[α,1.
2 水声图像的模糊增强算法模糊增强处理是在模糊特征平面上进行的,用于增强的算子称为模糊对比度增强算子(INT).利用模糊对比度增强算子(INT)可以产生另一个模糊集,即A=INT(A).这个增强算子INT定义如下:≤≤

pdf文档的标签：处理图像改进算法新春指纹

更多推荐标签：公文新平面广告教案组合策略绩效体系压力容器总结挤公交不排队铁路站电脑查询系统度量方法窑炉设计电力市场竣工签证表汽车保险行业药品行政审批反聘协议书广州二中李灿佳审计单数码影像论文廉政图片宿州调查报告钢铁实习日志学习兴趣二次指数平滑深圳入户条件保险文献科学的含义审批报告范文论文目录检索电答案