浅谈关于指纹图像增强的蚁群算法和改进的指纹图像增强算法

2012-10-25吕翠丽

中国校外教育 2012年3期

关键词：小块图像增强指纹

◆刘霞吕翠丽赵鑫

(衡水学院分院)

浅谈关于指纹图像增强的蚁群算法和改进的指纹图像增强算法

◆刘霞吕翠丽赵鑫

(衡水学院分院)

在指纹识别系统中，图像增强是指纹特征提取与识别的前提。对指纹图像增强算法的研究，有依据蚁群算法的聚类特性，提出了一种基于蚁群算法的指纹增强方法，提高了指纹图像增强效果的，也有根据Gabor滤波和方向滤波算法的优缺点，提出一种改进的指纹图像增强算法的，实验表明，此两种算法对指纹图像增强效果均明显。

指纹图像增强蚁群算法指纹图像增强算法

从原始指纹图像上准确提取特征信息是十分困难的，特征提取的精确性在很大程度上依赖于图像质量。因此，在指纹特征提取和匹配之前有必要对指纹图像进行增强处理。指纹图像增强，就是对指纹图像采用一定的算法进行处理，使其纹理结构清晰化，尽量突出和保留固有的指纹特征信息，并消除噪声，避免产生虚假特征。

二、蚁群算法

蚁群算法(ant colony algorithm)是20世纪90年代初提出的一种仿生进化算法，有效地利用蚁群算法的聚类分析能力，提出了解决指纹增强的方案。

基于蚁群算法的指纹增强方法的实现。为实现蚁群算法的聚类识别，可将数据视为具有不同属性的蚂蚁，聚类中心看作是蚂蚁所要寻找的“食物源”。所以，数据聚类过程就看作是蚂蚁寻找食物的过程。将每个数据看作1个蚂蚁，蚂蚁将分别聚集到j个聚类中心Cj(j=1，2，…，k)，设p为加权因子，可以根据各分量在聚类中的贡献不同而设定，dij表示Xi～Xj的加权欧氏距离，即样本与聚类中心的加权欧氏距离，其值由公式(2)给出:

设R为聚类半径，τij(t)为t时刻蚂蚁i到聚类中心Cj的路径上信息激素浓度，设τij(0)=0，即在初始时刻各条路径上的信息量相等且为0。路径ij上的信息量由公式(3)给出:

Xi是否归并到Xj，由公式(4)给出

式中:S={Xs|dsj≤r，s=1，2，…，j，j+1，…，N}，若 pij(t)≥p0，则 Xi归并到 Xj邻域。令:Cj={Xk|dkj≤r，k=1，2，…，J}，Cj表示所有归并到 Xj邻域的数据集合。随着蚂蚁的移动，各路径上信息量根据公式(5)进行调整:

其中，ρ为信息量随时间的残留系数;Δτij为本次聚类过程中蚂蚁i与聚类中心Ci之间路径上的信息激素的增量;Lj为蚂蚁在本次聚类过程中走过的路径长度;Q为蚂蚁的信息常量。

三、改进的指纹图像增强算法

根据Gabor滤波和方向滤波算法的优缺点，提出了一种改进的指纹图像增强算法，实验表明，该方法增强效果明显，速度和方向滤波算法差不多。

基于方向图的图像分割方法。根据指纹图像局部区域内纹线方向应大致相同，根据这一思想，把指纹图像划分为若干个w×w的小块，w通常取1～1.5个脊线像素宽度(本文取w=7)，因此，w×w小块与指纹脊线和谷线之间有如下三种关系:小块在脊线上、小块在谷线上和小块在脊线和谷线的交界处，如图所示。图中黑线表示脊线，两条黑线之间的部分表示谷线，方框a表示小块在脊线上，b表示小块在谷线上，c表示小块在脊线和谷线的交界处。对于脊线或谷线上的块，块内各像素点的方向应大致相同;对于脊线和谷线交界处的块，其内部各像素点的主要有两个方向，一是与脊线方向一致的方向，二是与谷线方向一致的方向。因此我们要判断指纹图像是否清晰，只需计算每一小块内各像素点的方向直方图，如果方向直方图中有峰值存在，表明该区域中有清晰的纹线。如果方向直方图中无明显峰值，则说明该区域为不清晰区域，需作进一步处理。具体操作步聚如下:

(1)逐个遍历每一个小块，对每一小块分别进行方向直方图统计，找出小块中方向直方图中的最大值和次大值，分别记为Di(max)和Dj(sec)，其中0≤i≤7，0≤i≤7分别表示小块中方向数最大值和次大值的方向;若Di(sec)+Dj(sec)＜T1，则认为该小块为不清晰区域，转(2)进一步处理，否则，标记该块为清晰区域，遍历下一个小块。本文中取T1为25，为小块像素点数的一半。