低质量指纹图像预处理与增强图像处理课程论文.docx

低质量指纹图像预处理与增强图像处理课程论文.docx

《低质量指纹图像预处理与增强图像处理课程论文.docx》由会员分享，可在线阅读，更多相关《低质量指纹图像预处理与增强图像处理课程论文.docx（14页珍藏版）》请在冰豆网上搜索。

低质量指纹图像预处理与增强图像处理课程论文

低质量指纹图像预处理与增强

摘要

指纹识别是目前研究最热的生物特征识别技术之一，对于提高身份识别的准确性和可靠性具有重要意义。

但是，由于指纹干湿程度、摁压力度等原因，采集的指纹图像存在纹线断裂或模糊，这严重地影响指纹特征提取和识别的准确性。

为此，必须对指纹图像进行增强，改善指纹图像质量。

本文首先对指纹图像处理技术作简要的介绍，然后具体分析了指纹图像预处理以及图像增强的步骤，在MATLAB下对实际的低质量指纹图像进行处理。

接着，对图像处理的结果进行分析，并提出对低质量指纹图像的改进算法，最后，对指纹图像处理技术做一个总结与展望。

一．绪论

1.1指纹识别技术概述

指纹是指手指末端正面凹凸不平的纹路，纹路由相互平行的脊线和谷线组成。

这些纹路的存在有助于增加了手指表面的摩擦力，这样我们抓起重物就比较容易。

尽管指纹只占了人类皮肤中很小的一部分，却蕴含了大量的特征信息，如：

端点、分叉点、中心点、三角点等。

不同的指纹，这些特征是各不相同的，利用指纹特征的唯一性特点，就可以将指纹和个人一一对应起来。

对一个人的指纹特征进行提取并与预先保存的指纹特征进行匹配、比较就可以识别个人身份。

指纹识别技术是生物特征识别技术中的一种。

生物特征识别技术（Biometrics，字面含义为生物测定学）是指通过计算机利用人体所固有的身体特征或行为特征来进行个人身份认证的一种技术。

生物特征可以分为：

身体特征和行为特征。

前者包括：

指纹、掌形、人脸、虹膜、视网膜和人体气味等；后者包括：

步态、签名、语音和敲打键盘的力度等，和其他生物特征识别技术相比，指纹识别是一种更为理想的身份确认技术，原因如下：

（1）每个人的指纹都是独一无二的，任意两个人不具有相同的指纹；

（2）每个人的指纹在胚胎期就已经固定，具有永久不变的特点，指纹不会随着个人年龄的增长或身体健康状况的变化而变化；

（3）指纹样本便于采集，具有很强的实用性，易于系统的开发。

目前已有丰富的指纹样本库可供使用，方便了识别系统软件的开发，另外，指纹采集模块等硬件部分现在也较易获得；

（4）一个人十个手指的指纹各异，可以对多个指纹排序构成多重口令，具有提高系统的安全性的潜能；

（5）存储量小。

由于指纹模板并不直接存储指纹图像而是存储从指纹图像中提取出来的关键特征，因此存储量小。

国外的指纹识别技术发展比较成熟。

美国、英国、法国、日本等在上世纪就已经建立了自己的自动指纹识别系统（AFIS）。

其中美国在指纹识别技术领域占据着绝对领导的地位。

美国拥有世界上占绝对多数的芯片厂商、指纹识别软件提供商和指纹识别市场，这些得天独厚的条件不断推动着美国在指纹识别算法上持续发展。

其技术先进性，应用先进性深刻地影响着世界上其它国家的指纹识别技术的发展。

虽然我国是世界上最早使用指纹作为身份标识的国家，但用现代计算机技术对指纹图像进行处理、识别在我国发展的却较晚。

主要原因是我国当时缺乏大规模集成电路设计和制造技术，不能在指纹传感器上有所突破。

然而，中国的指纹识别算法单纯从学术研究角度来看，并不显得落后。

1.2自动指纹识别系统原理

指纹识别系统是一个典型的模式识别系统，其主要工作流程包括：

指纹图像采集、指纹图像预处理、特征提取、特征比对和匹配。

指纹识别主要工作流程见图1-1所示。

图1-1指纹识别主要工作流程

下面对图1-1指纹识别工作流程各部分进行简单说明：

指纹图像采集

采集指纹图像是自动指纹识别系统的重要组成部分。

历史上限于技术水平，指纹图像都是通过油墨按压在纸上产生的，这种方式称为离线指纹获取方式。

现在这种指纹采集方法仍然应用在犯罪现场潜在指纹的获取上。

随着技术的发展，现在大多数民用和司法上自动指纹识别系统都采用活体指纹采集方式。

活体指纹采集仪中最重要的组成部分是传感器，它是生成指纹图像的器件。

常用的传感器可以分为三类：

光学传感器、固态传感器、超声波传感器。

指纹图像预处理

指纹识别算法是从指纹图像预处理开始的，预处理效果的好坏对指纹识别的准确性有着重要的影响。

在采集指纹图像时，由于指纹表面状况、采集环境以及指纹采集仪特性差异等因数影响，采集到的指纹图像是一幅含有各种噪声干扰的灰度图像。

这将严重影响指纹特征点的提取，进而影响到指纹分类和匹配的准确性。

预处理的目的就是利用数字图像处理技术可靠地计算指纹方向图，去除图像中的各种噪声，恢复指纹图像本来的脊线结构，最终转化成一幅纹路比较清晰地指纹图像或二值指纹图像，达到增强指纹图像的目的。

预处理的容包括有：

指纹图像归一化、指纹图像分割、方向图求取、指纹增强、二值化和细化。

特征提取

指纹图像特征提取是指通过一定的算法从预处理过的指纹图像中提取出细节点的位置信息和方向信息，为指纹匹配做准备。

常用于匹配的细节点包括脊线的端点和分叉点。

由于指纹图像质量参差不齐和预处理算法的局限性，特征提取结果常受到伪特征信息的干扰。

通常在指纹匹配前，对指纹特征信息进行真伪判别。

指纹特征匹配

前面三步的目的是为了进行指纹的匹配。

对两枚指纹提取到的特征点信息进行对比，如果信息相一致的特征点数超过一定的数量，则认为两幅指纹是同一个人的，并输出识别结果。

二．指纹图像预处理

2.1指纹图像归一化和分割

指纹图像归一化是指纹图像预处理的第一步。

它的目的是使所有图像的灰度平均值和方差统一到同一个值上，从而使后续处理具有相同的基准。

但指纹归一化并不改变指纹纹线结构和纹线的清晰程度。

令

表示原始灰度指纹图像，其大小为

，

表示图像中像素点

的灰度值。

用

表示灰度规一化后的指纹图像，

为指纹图像规一化后点

的灰度。

对输入的指纹图像按下式进行归一化处理

式中，

为原图像灰度值均值，

为原图像灰度值方差，

为期望灰度值均值，

为期望灰度值方差。

用MATLAB处理原图像，关键代码如下：

Img=imread（'E:

\demo.jpg'）;%读取图像

Img_gray=rgb2gray（Img）;%转换为灰度图像

gray=im2double（Img_gray）;%图像格式转为MATLAB可以处理的double格式

[Img_nor,PS]=mapstd（gray）;%归一化

subplot（1,2,1）;

imshow（Img_gray）

subplot（1,2,2）;

imshow（Img_nor）

归一化结果如图2-1所示：

图2-1图像归一化

指纹图像背景是指图像中无纹线或纹线非常模糊而在后续处理中很难恢复的图像区域；前景是指图像中清晰的指纹部分。

指纹图像背景分割的目的是把图像的背景和与有效的前景区域分开，使后续处理能够集中于有效区域，减少提取到的伪特征点，提高特征提取的准确度。

指纹图像分割还大大减少了后续处理的时间，是指纹识别中的重要处理步骤。

它不仅要求尽可能地去除无效区域，还要尽可能地保留有效区域。

本文采取的步骤具体如下：

（1）估计图像背景，对原图像像素值取反，然后使用imopen函数和一个半径为4的圆盘形结构元素对输入图像进行形态学开操作。

形态学开操作将会删除那些不完全包括在半径为4的圆盘中的对象，从而实现背景亮度的估计。

（2）从原图像中减去背景图像。

（3）调节图像对比度，用imadjust函数来调节图像对比度。

（4）用阈值操作将图像转换为二进制图像。

用MATLAB处理原图像，关键代码如下：

Img_gray=imread（'E:

\Img_nor.bmp'）;

Img_gray=imcomplement（Img_gray）;%图像取反

background=imopen（Img_gray,strel（'disk',4））;%背景估计

foreground=imsubtract（Img_gray,background）;%减去背景

Img_adjust=imadjust（foreground,stretchlim（foreground）,[0,1]）;%调整图像对比度

level=graythresh（Img_adjust）;%阈值估计

Img_bin=im2bw（Img_adjust,level）;%阈值操作，转为二值图

%%显示图像

subplot（2,2,1）,imshow（Img_gray）

subplot（2,2,2）,imshow（foreground）

subplot（2,2,3）,imshow（Img_adjust）

subplot（2,2,4）,imshow（Img_bin）

MATLAB处理后的结果如图2-2所示：

图2-2前景背景分离

2.2指纹图像滤波

指纹增强还可以用滤波的方法实现，主要分为两类：

基于空间域滤波的方法和基于频率域滤波的方法。

前者使用指纹图像的局部特征如：

脊线方向和脊线频率，而后者主要使用指纹图像的整体特征。

基于空间域滤波的方法实现指纹增强是通过用一个模板对指纹图像进行卷积操作实现的。

LinHong等人使用了具有方向选择性和频率选择性的Gabor滤波器作为卷积模板。

后来，许多学者对基于Gabor滤波器的指纹增强方法进行了改进以提高增强效果或执行速度。

在算法上，使用Gabor滤波器强化指纹图像，这是当前最流行的方法。

本文也是采用此滤波方法。

一个平滑对称的Gabor滤波器在空间域中有以下的一般形式：

其中，

是

方向的脊频率，

和

决定滤波器包络的形状以及调和图像强化与伪造之间的冲突。

如果

，将在脊的方向造成过度的平滑，并在边界产伪造。

Gabor滤波器的空间特性如图2-3所示：

图2-3Gabor滤波器的空间特性

由Gabor滤波器的数学模型可以看出，此种滤波器在x方向上为带通，y方向上为低通。

在对指纹图像进行滤波时，只需对滤波器进行旋转，使其与指纹方向一致，就可以实现沿指纹纹线的信息最大程度地增强，而垂直于指纹方向（指纹的梯度方向）的信息则相对减弱。

用MATLAB处理原图像，处理结果如图2-4所示：

图2-4Gabor滤波

2.3指纹图像细化

指纹图像的细化是指删除指纹纹线的边缘像素，使之只有一个像素宽度，也就是保持原图的骨架。

指细化时应保证纹线的连接性、方向性和特征点不变，还应保持纹线的中心基本不变。

一种好的细化方法应满足下面七个要求：

（1）迭代必须收敛的。

（收敛性）

（2）不破坏纹线的连接性。

（连接性）

（3）不引起纹线的逐步吞食。

（拓扑性）

（4）保护指纹的细节特征。

（保持性）

（5）骨架纹线的宽度为1个像素。

（细化性）

（6）骨架尽可能接近条纹中心线。

（中轴性）

（7）算法简单、速度快。

（快速性）

细化的目的是为提出特征做准备。

用MATLAB处理原图像，关键代码如下：

Img=imread（'E:

\Img_bin.bmp'）;

Img_bone=bwmorph（Img,'skel',inf）;%设置细化参数

subplot（1,2,1）,imshow（Img）,title（'original'）;

subplot（1,2,2）,imshow（Img_bone）,title（'bone'）;

处理结果如图2-5所示：

图2-5二值图像细化

2.4低质量指纹图片分析以及改进思路

参见图2-6，从原指纹图像跟最后处理得到的细化图像的对比中可以看到，由于原图像存在模糊、缺失以及噪声等现象，属于低质量指纹图片，因此对最终处理的结果产生很大的影响。

图2-6原指纹图像跟处理后图像的对比

为了在一定程度上拟补低质量图像存在缺失现象的影响，可以考虑对原图像进行形态学处理后再作以下图像预处理。

用MATLAB处理原图像，关键代码如下：

Img=imread（'E:

\demo.jpg'）;%读取图像

Img=imcomplement（Img）;%图像取反

se=ones（2,2）;%模板

Img1=imerode（Img,se）;%形态学腐蚀

Img2=imdilate（Img1,se）;%形态学膨胀

subplot（1,2,1）;

imshow（Img）

subplot（1,2,2）;

imshow（Img2）

处理结果如图2-7所示：

图2-7形态学处理

参见图2-8，通过两种方法得到的二值细化图的对比，可以看出到，经过形态学处理后的图片处理效果好了很多。

从这里我们也可以得到启发，对于低质量的指纹图片，只要有针对性的采取相应的图像处理方法处理，可以一定程度上拟补处理效果上的不足。

图2-8两种处理方法效果对比

三．总结与展望

随着计算机技术的迅速发展,指纹识别已成为生物特征识别中一个重要的研究课题，指纹作为一种独特的身份特征己经得到了广泛的应用。

但目前指纹识别系统的性能很大程度上取决于获得的指纹图像的质量，而采集的图像不同程度上存在着缺陷，因此需要进行指纹图像增强以达到实用要求。

指纹图像增强是自动指纹识别系统中至关重要的一步，增强结果的好坏直接影响到指纹特征提取和指纹匹配的准确性。

本文首先总结了在指纹图像预处理中涉及到的一些常用算法，如图像规一化，

指纹图像分割、滤波、细化等，然后对实际的低质量指纹图像进行处理，并分析处理的结果，最后提出对低质量指纹图像处理的一种改进思路。

指纹识别以生物技术为基础，以信息技术为手段，将本世纪生物和信息这两大热门技术交汇融合为一体，其发展前景不可估量。

随着科学的不断发展和技术的不断进步，指纹识别系统作为生物识别系统的重要代表，必将会在越来越多的领域里得到更加广泛的应用。

参考文献

[1]佟喜峰，低质量指纹图像处理与特征匹配技术研究，工业大学，2008年

[2]王启亮，指纹图像增强算法研究，科技大学，2013年

[3]汪龙峰，低质量指纹图像增强与形变指纹匹配的研究，中南大学，2009年

[4]圆圆，指纹识别技术相关算法的研究，邮电大学，2012年

[5]朝友，指纹图像增强，天津大学，2010年