指紋圖像二值化算法研究

指紋圖像二值化算法研究

0值指紋圖像特征提取指紋技術是目前生物識別技術中應用最廣泛的一種。自動指紋識別的關鍵技術包含指紋預處理,指紋特征提取,指紋特征匹配幾方面。實際得到廣泛應用的指紋特征匹配多是基于指紋細節(jié)點特征。指紋細節(jié)點特征的提取通常在細化二值指紋圖像上進行。圖像二值化就是根據一定的規(guī)則,將一幅圖像變?yōu)橹挥脙呻A灰度表示的黑白圖像。二值化指紋圖像中通常黑像素表示指紋的脊線,而白像素表示指紋的谷線和背景區(qū)。1和鄰域分析法指紋圖像二值化方法主要有兩種:灰度閾值分割法和鄰域分析法。目前,自動指紋識別系統中應用的灰度閾值分割二值化算法根據閾值選取方式的不同可以分為全局固定閾值法和局部自適應動態(tài)閾值法。1.1值化閾值選擇全局固定閾值法一般根據整幅指紋圖像前景區(qū)的灰度直方圖分布選擇一個合適的判斷閾值,對整幅指紋圖像進行二值化處理。該算法在指紋圖像對比度較好的情況下,統計直方圖的兩個峰值比較明顯,能夠選擇合適的閾值對指紋圖像進行二值化處理。但該判定閾值的選擇完全依賴于統計直方圖,抵抗噪聲干擾的能力較弱。另外,采集到的指紋圖像中心區(qū)域和邊緣區(qū)域的灰度分布一般難以達到一致,故全局固定閾值二值化算法并不能很好地適應實際處理的要求。1.2局部閾值選取局部自適應動態(tài)閾值法是將整幅指紋圖像分塊,結合各塊圖像的自身特點,為每塊圖像分別選取不同的閾值,對各塊指紋圖像區(qū)域進行二值化處理。分塊大小的設定和局部判決閾值的選取對指紋圖像二值化效果起著關鍵作用。最佳的分塊大小應該選取指紋圖像紋線的整數倍距離,實際應用中很難精確地確定出指紋紋線距離,而且同一指紋圖像的各區(qū)域紋線距離并不總是一致的。局部自適應動態(tài)閾值選取的一般依據是:對每塊圖像選取的閾值應盡量使該塊圖像內大于該閾值的像素點數和小于該閾值的像素點數大致相等。該類算法實現的一般步驟為:首先對整幅指紋圖像進行分塊;然后根據某一規(guī)則確定局部灰度閾值T;最后將方塊中每個像素的灰度值與T值比較。如果低于灰度閾值T則視為脊線點,置為0;反之則視為谷線點,置為255。通常閾值T取塊內灰度均值較為簡單,但抗噪能力較差。下面對現有的局部閾值選取方法進行分析。文獻將指紋的方向信息引入到二值化處理過程中,綜合考慮指紋的方向信息和自適應選擇局部閾值,提出了一種結合方向信息的自適應局部閾值二值化算法。局部閾值確定采用迭代法,首先將指紋圖像分成W×W的塊,計算每塊的平均灰度值;然后分別計算該區(qū)域內大于等于閾值T的像素點個數NH和小于閾值T的像素點個數NL;當|Nh-Nl|≤α(α=W×W×10%)時,則T為閾值,否則循環(huán)調整T值,直到得到滿足上述不等式條件的閾值T。根據沿指紋脊線方向上的像素灰度階近似一致的特點,制定二值化規(guī)則。具體參見文獻。文獻在文獻的基礎上有所改進,計算局部閾值時綜合考慮周邊鄰域像素的影響,采用塊重疊的方式求取閾值T,并對塊內像素進行分類二值化。對二值化圖像根據指紋紋理特點和方向信息進行去除粘線,消除孔洞的處理,在一定程度上提高了算法的魯棒性和抗噪能力,但同時也增加了算法復雜度,降低了處理效率。文獻指出對于一幅指紋圖像,由于在脊線和谷線的分界處灰度的變化最大,不確定性最高,以脊線和谷線分界處灰度階作為分割閾值得到的信息熵最大。文獻利用此結論將信息熵引入到指紋圖像二值化算法中,先對指紋圖像進行分塊處理,提取指紋圖像有效區(qū)域,然后求取使局部信息熵最大的灰度值作為判決閾值進行二值化處理。該算法對噪聲具有魯棒性,能夠有效實現對指紋圖像的二值化,提高了細節(jié)特征提取結果的準確率,但灰度閾值的計算復雜度較大。1.3點像素二值化鄰域分析法充分利用指紋圖像紋線的連續(xù)性和脊線谷線相間隔的特點。若指紋圖像的某一點在脊線上,則與該點相鄰的切線方向上的像素點也應位于脊線上,而該點紋線方向的垂直方向上的點應位于谷線上。因此,對于脊線上的點來說,沿紋線方向的灰度均值較小,沿紋線方向的垂直方向上灰度均值較大。文獻基于指紋圖像的這一特點給出一種基于方向信息的指紋圖像自適應二值化算法。具體算法為:對于前景區(qū)域每一像素點g(x,y),以其為中心分別計算紋線方向上的m個鄰域點的加權灰度均值Gh(x,y)和紋線垂直方向上m個點的加權灰度均值Gv(x,y);若Gh(x,y)<Gv(x,y),則該點在脊線上,否則,該點在谷線上。該二值化算法有效利用了指紋圖像的方向信息,能夠有效抵抗噪聲影響,在一定程度上去除噪聲、毛刺、斷裂等現象。使得二值化圖像沿紋線方向保持較好的一致性。文獻中算法具體的實現時考慮誤差因素,在求灰度和時,對每一點都設置了權值,采用加權平均的方法降低誤差。紋線方向上七點權值模板為Hw=[2,2,3,4,3,2,2];紋線方向的垂直方向上七點權值模板為Vw=[1,1,1,1,1,1,1]。文獻對圖像中的每一像素P,以其為中心設置一個W×W的窗口,并在該窗口內沿8個量化方向計算出灰度均值Si(i=1,2,…,8),中心像素P不參與計算。設8個灰度均值中的最大值和最小值為Smax和Smin,計算(S1+…+S8-2Smax-2Smin)/4作為點像素二值化判決閾值T。當P<T時,認為是脊線點,否則認為是谷線點。該算法由于是對每一點都要進行閾值計算,故二值化的運算效率低。2斷紋連接能力、復雜度和運算效率本文在Matlab7.0環(huán)境下對同一指紋圖像進行增強處理后分別采用文獻算法1,文獻算法2,文獻算法3,文獻算法4進行二值化處理,處理結果見圖1。算法3的斷紋連接能力比其他三種算法都好,但同時會出現將紋線端點連接到鄰近紋線的情況,易造成細節(jié)特征點類型的錯誤提取。在算法復雜度和運算效率方面,由于算法4對圖像每一點均要計算8個方向的灰度均值