一種新的指紋圖像分割方法

一種新的指紋圖像分割方法

1指紋圖像分割算法指狀圖的分割是指狀圖像預處理的重要組成部分。它位于預處理過程前端,其目的是從指紋圖像中分離出清晰的指紋區(qū)域和有噪聲但可以恢復的指紋區(qū)域,使后續(xù)處理能夠集中于這些有效區(qū)域進行。好的分割算法能夠顯著減少指紋圖像預處理時間,提高特征提取的可靠性,在自動指紋識別算法中具有重要地位。一個好的指紋圖像分割算法具有以下特點:1)能識別圖像中清晰的指紋區(qū)域、有噪聲但可以恢復的指紋區(qū)域和不可恢復指紋區(qū)域;2)能處理原始指紋圖像和增強圖像;3)能處理不同類型的指紋圖像。圖1中,(a)為清晰的指紋區(qū)域,(b)為受噪聲干擾但仍然可以恢復的指紋區(qū)域,(c)為不可恢復的指紋區(qū)域。目前,主要的指紋圖像分割算法包括:基于指紋方向圖的分割,結(jié)合方向圖和圖像局部灰度方差的分割,基于指紋脊線谷線對比度的分割。這些算法在特定的實驗環(huán)境中有著各自的優(yōu)勢,但在實際應用中發(fā)現(xiàn):1)單獨使用某種分割算法,只能較為有效的處理某一類型的指紋圖像;2)單獨使用某一種圖像特征進行分割,無法準確地區(qū)分圖像背景、清晰指紋區(qū)域、可恢復指紋區(qū)域和不可恢復指紋區(qū)域。因此,需要綜合使用多種特征進行多次分割;3)許多文獻中的分割閾值選擇來自于經(jīng)驗,通過硬編碼或人工設(shè)定實現(xiàn),這在實際應用中是不夠的,分割閾值應該根據(jù)不同的圖像動態(tài)地計算得到;2圖像分級分割指紋圖像分級分割的基本思想是:對于某種圖像特征,只用它分割“它最擅長分割的區(qū)域”,通過使用多種圖像特征依次進行分割,最后得到感興趣的區(qū)域。分級分割算法包括兩個部分:1)使用指紋圖像的局部灰度特征,從圖像背景中分割出完整的指紋區(qū)域——包括清晰的指紋區(qū)域、有噪聲但可恢復的指紋區(qū)域和不可恢復的指紋區(qū)域;2)使用指紋圖像的局部脊線谷線對比度,從完整的指紋區(qū)域中提取出清晰指紋區(qū)域和有噪聲但可恢復指紋區(qū)域;2.1指紋區(qū)域的分割分級分割算法以“圖像塊”為單位進行。假設(shè)采用W×W象素大小的分塊(一般地取W=λ,λ為脊線間距平均值),將整幅圖像劃分為M×N個子塊。假設(shè)子塊B(m,n)的灰度均值為GB(m,n),灰度方差為DB(m,n),其中0≤m<M,0≤n<N。定義以下灰度特征量對指紋區(qū)域與背景區(qū)域進行評價:定義1所有子塊的灰度均值GMean:GMean=1M×N∑n=0N?1∑m=0M?1GB(m,n)(1)GΜean=1Μ×Ν∑n=0Ν-1∑m=0Μ-1GB(m,n)(1)定義2所有子塊的方差均值DMean:DMean=1M×N∑n=0N?1∑m=0M?1DB(m,n)(2)DΜean=1Μ×Ν∑n=0Ν-1∑m=0Μ-1DB(m,n)(2)定義3指紋區(qū)域的方差估計值DFrg:DFrg=SFrgNFrg(3)DFrg=SFrgΝFrg(3)式3中,SFrg是滿足條件0≤DB(m,n)≤DMean的子塊的方差之和,NFrg為子塊數(shù)量。定義4背景區(qū)域的方差估計值DBkg:DBkg=SBkgNBkg(4)DBkg=SBkgΝBkg(4)式4中,SBkg是滿足條件0≤DB(m,n)≤DFrg的子塊的方差之和,NBkg為子塊數(shù)量。定義5過渡區(qū)域的方差估計值DThd:DThd=SThdNThd(5)DΤhd=SΤhdΝΤhd(5)式5中,SThd為滿足條件DBkg<DB(m,n)<DFrg的子塊方差之和,NThd為子塊數(shù)量。為使分割算法能夠有效地處理不同類型的指紋圖像,將區(qū)域生長引入到第一級分割中來。區(qū)域生長的基本思想是:首先找出一定屬于指紋區(qū)域的子塊,稱為種子塊,種子塊所在區(qū)域稱為種子區(qū)域。對每一個和種子塊相鄰(八連通相鄰)的子塊,判斷它是否滿足生長條件,如果滿足則把它也歸為種子塊,此過程稱為為生長。如此反復,直到種子區(qū)域不再生長。本文定義最初的種子塊為:若DB(m,n)>DMean,則子塊B(m,n)是初始種子塊。由于不同類型指紋圖像對圖像邊界的處理方式各異,為防止不同類型邊界對生長過程的干擾,可以將初始的種子塊限定在特定的圖像的區(qū)域內(nèi),使其不出現(xiàn)在邊界附近。生長條件決定了第一級分割的結(jié)果。本文定義了3種生長條件,對于非種子塊B(m,n),設(shè)它的八鄰域中有NSeed(m,n)個子塊也是種子塊,那么生長條件為:1)若NSeed(m,n)≥2且DB(m,n)≥DThd,則將B(m,n)歸為種子塊。2)若NSeed(m,n)≥4且GB(m,n)≤GMean?DMean√4GB(m,n)≤GΜean-DΜean4,則將B(m,n)歸為種子塊。3)若NSeed(m,n)≥5且GB(m,n)≤GMean,則將B(m,n)歸為種子塊。第一級分割的結(jié)果如圖2所示。由圖2可以看到,第一級分割算法將整個指紋區(qū)域從具有較大噪聲的圖像背景中分割出來。分割算法保留了指紋區(qū)域中具有嚴重粘連的不可恢復部分,分割它們的任務將由第二級分割算法完成。2.2u3000脊線谷線剛度在第一級分割的基礎(chǔ)上,第二級分割使用指紋圖像的局部脊線谷線對比度來識別和分割不可恢復的指紋區(qū)域。在進行第二級分割之前,需要對圖像進行分塊規(guī)格化使各子塊的對比度保持在較一致的水平。大量的統(tǒng)計研究表明,在清晰的指紋區(qū)域和可恢復的指紋區(qū)域,脊線和谷線的灰度沿區(qū)域方向在X軸上的投影近似于正旋分布,如圖3所示。其中,(i,j)為某子塊B(m,n)的中心點象素坐標。設(shè)子塊大小為W×W,方向窗口長為l,寬為W。一般地,取l=2W,W=λ(λ為脊線間距均值)。對某圖像塊B(m,n),設(shè)在方向窗口內(nèi)脊線、谷線象素沿局部域方向在X軸上的投影為Xmn[k],k=0,…,l-1,則有:Xmn[k]=1W∑d=0W?1G(u,v)(6)Xmn[k]=1W∑d=0W-1G(u,v)(6)u=i+(d?W2)cosθ+(k?l2)sinθv=j+(d?W2)sinθ+(l2?k)cosθ(7)u=i+(d-W2)cosθ+(k-l2)sinθv=j+(d-W2)sinθ+(l2-k)cosθ(7)其中,G(u,v)為(u,v)處象素點的灰度值,d=0,…,W-1,θ為該子塊的局部域方向值。對于清晰指紋區(qū)域或可恢復指紋區(qū)域的子塊,X[k](k=0,…,l-1)的分布近似于正弦曲線。利用這個特性可以對指紋區(qū)域中的不可恢復區(qū)進行識別。定義脊線谷線對比度對指紋區(qū)域子塊的質(zhì)量進行評價。定義6子塊B(m,n)的脊線谷線對比度CB(m,n)為Xmn[k](k=0,…,l-1)中峰值與谷值之差的平均值。根據(jù)定義6,第二級分割的條件可表述為:CB(m,n)≤CThd(8)即指紋區(qū)域的子塊B(m,n)的脊線谷線對比度若滿足(8)式,則該子塊被認為是不可恢復區(qū)域,將會被分割掉。其中CThd是計算得到的閾值。CThd=SCNC(9)CΤhd=SCΝC(9)式9中,SC是指紋區(qū)域滿足條件0≤CB(m,n)≤CMean的子塊的脊線谷線對比度之和,NC為滿足該條件的子塊數(shù)量。CMean為指紋區(qū)域脊線谷線對比度的平均值。3c.加工前后圖像區(qū)域的變化使用了大量不同類型的指紋圖像(約600幅)對本文算法以及文獻、中的算法進行了測試和比較。圖4是幾幅典型的圖像。圖4中,(a)是光學指紋儀獲取的圖像,其對比度較小,指紋區(qū)域與背景區(qū)域分界不明顯;(b)是另一種光學指紋儀獲取的圖像,圖像各個部分的對比度差異較大(指紋區(qū)域上部顏色很淺而下面部分很深),同時圖像邊界有明顯的黑框;(c)是CMOS指紋儀獲取的圖像,圖像中具有明顯的粘連?？梢钥吹?分級分割算法對于不同類型的指紋圖像都能精確地進行分割,分割結(jié)果受圖像邊界的影響很小,總的效果是令人滿意的。而后兩種分割算法則存在分割過度(見圖4(i))和分割不足(見如圖4(k))的情況。在PIII550M的PC機上,對300×300象素的指紋圖像,完整的分割過程耗時約185毫秒。分級分割算法要求圖