数字图像处理在指纹识别中的应用

1数字图像处理在指纹识别中的应用电信071高翔0703091013自动指纹识别是20世纪60年代兴起的，近年来随着计算机和网络技术的飞速发展，指纹识别技术已成为身份验证和生物识别技术中的热点。自动指纹识别系统在过去的3O年里虽然已经取得了很大的发展，但在指纹采集中，由于采集设备本身所带的噪声、指纹本身受污染、手指过湿，手指过干等，往往难以得到清晰的图像，采集的指纹图像不可避免的存在线纹间的粘连和断裂等，严重影响指纹特征值得提取。为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。很多历史资料由于材质和时间的原因，整幅图片色泽偏暗，亮度范围不足或非线性等因素造成对比度不足，影响观看效果，结合人眼对灰度的感觉，如果相邻两个物体目标灰度相差比较小，超过人眼对灰度差的感知能力，人眼就无法区分这不同的两个物体，从而导致无法看清楚图片，这就需要对图片做出一些处理，使图片的灰度差和整体色泽有所改善，以达到人眼观看的效果。图象处理的原始目的就是改善，使看不清的目标能够看得清楚，因此，对数字图象识别分析的全过程，都要求图像得到改善以适应人的肉眼，为了达到这个目的，除了首先需要去除噪声之外，还需要分辨灰度细节，解决灰度的扩展和图像鲜明化问题。指纹图像增强算法，大体上可以分为空域增强算法和频域增强算法。空域增强算法是利用一定的规则直接作用于指纹图像的像素值，达到增强的目的。频域增强则是先进行一个变换域操作，然后利用图像的相位、频率及能量等信息进行图像增强。图像规格化的目的是把图像的平均灰度和对比度调整到一个固定的级别上，以减少不同指纹图像之间的差异。令Iji（，）代表原始图像在点(I，j)的灰度值，I＇ji（，）代表规格化后的图2像在点ji（，）的灰度值，M和VAR分别代表原始指纹图像的均值和方差，0M和0VAR分别代表期望得到的均值和方差。则规格化之后的指纹图像在象素点ji（，）的值I＇ji（，）由下式确定：Iij=，200200((,)),(,)((,)),VARIijMMIIJMVARVARIijMMVAR按上式对输入图像进行点运算即可实现图像的规格化处理，运算结果使得图像的灰度均值和方差与预定值一致。（Ⅰ）分割后的指纹图像（Ⅱ）规格化后的指纹图像通过规格化处理后的图片需要进行再次的处理，主要是图像方向图的计算与平滑。首先对规格化后的图像方向图计算，因为指纹方向图抽象了指纹脊线与纹谷交错平行分布的特点，反映了指纹图像纹理结构的本质而方向场是指纹图像中蕴含的最重要的信息。然后对指纹图像做方向场的平滑计算，求得的平滑方向场。由于脊方向在噪声影响下会产生畸变，需要对所求方向场进行平滑去噪。为了实现平滑，可以使用一个低通滤波器，让方向场需转换成连续向量场，以便再做处理。最后求指纹纹线平均频率，设频谱峰距频谱中心点的距离为k(单位为象素)，则根据离散傅立叶变换性质有：21k=k=N2Nf式中，f为纹线平3均频率，N为图像大小。对于指纹图像，局部区域的纹线分布具有较稳定的方向和频率，根据这些方向和频率数值，设计出相应的带通滤波器就能有效地在局部区域对指纹进行修正和滤波。由于Gabor滤波器可以同时在空域和频域上获得最佳的分辨率，具有良好的带通性和方向选择性，可以采用Gabor滤波器来实现指纹图像的增强。根据需要，将Gabor函数略作修改，得到一个数字滤波器，如下所示：22221hxycos(2)2Xyxyffx（，；）=exp其中：sinycos'cosysinxxyx这里得到的Gabor滤波器hxyf（，；）用于对指纹图像的局部区域进行滤波。其滤波参数与局部图像块的方向、频率，尺寸和位置有关。上式中：表示滤波器的方向；f表示脊线形成的正弦波频率，X和y为沿X轴和Y轴的空间常量。利用上式对图像进行滤波，其滤波公式为：/2/2/2/2ij(,;,)'(,)wgwguwgvwghuvfIiujv（，）=上式中：ij（，）为滤波后的图像，为图像块的方向，f为脊线的频率(本文取固定值)，I＇ji（，）为规格化后的指纹图像，wg为Gabor滤波器的大小，一般为一个脊线宽度。当指纹图像质量较差时较难精确地计算出纹线方向和频率，如果采用与纹线真实方向和频率不同的Gabor滤波器对局部指纹图像进行滤波，那么滤波器的通带将不与纹线频谱图中的峰相重合，不仅阻止指纹纹线信号通过，而且使噪声信号获得增强，从而不仅达不到增强效果，反而会使图像质量更差甚至改变纹线的结构。(4（Ⅰ）规格化后的指纹图像（Ⅱ）Gabor滤波后的指纹图像指纹图像的核心区域方向所取得的处理效果不好。所以针对指纹图像的不同区域采取了单一方向Gabor滤波及多方向Gabor滤波合成的综合增强方法，改进后的算法基于局部与宏观相结合的原则，不但利用了指纹图像的局部特性，而且结合了局部四邻区域的关联特性，对于指纹图像中脊线方向变化较规则的区域，采用方向为最佳且经过参数优化的单一方向Gabor滤波；对于指纹图像中脊线方向存在突变块的区域，则采用组合的多方向Gabor滤波，算法步骤如下：(1)把指纹图像分成大小为16×16的互不重叠的小块；(2)对当前小块，计算其方向值与四个邻域子块的方向值的差值；(3)如果差值都小于45。，则利用当前的方向参数得到Gabor滤波器进行滤波；(4)如果差值有大于45的，则分别取当前子块和四邻域子块的方向参数得到5个Gabor滤波器，用这5个Gabor滤波器分别进行滤波，并相加合成。通过以上4步的改进，对核心指纹区域进行了分割，有效减少了伪特征点出现。这些措施的确提高了低质量指纹识别结果的可靠性。虽然Gabor算法在低质量指纹图像的方向信息提取方面的表现很优秀，即使对质量很差的指纹图像，也能获得大致正确的方向信息，对图像进行有效增强，提高了特征提取结果的准确性。但是Gabor算法仍然存在两个重要问题：(1)对纹线曲率很大的指纹区域，表现出较差的性能，很容易将这些区域当作不可恢复区域而屏蔽掉，这将在一定程度上降低特征提取结果的准确性；(2)算法过于复杂，速度很慢。还应对该算法进一步优化。