指纹图像预处理算法的研究与实现

沈朝平，张亚君，陈 龙

(杭州电子科技大学电子信息学院，浙江杭州310018)

0 引言

指纹识别是一种利用人体固有的生物特征进行身份识别的技术。近年来，国内外不少研究指纹识别的学者已取得了不少成果。国外，研究成果有:利用方向傅里叶滤波器、Gabor滤波器等对指纹图像进行滤波增强算法［1、2］;基于方向滤波并采用阈值的二值化算法;基于纹理结构、能量自适应混合、人工神经网络、遗传算法等匹配算法［3、4］。国内，研究成果有:利用Log-Gabor滤波器、圆形Gabor滤波器等对指纹图像进行滤波增强算法［5］;结合方向信息的指纹图像的二值化算法［6］;基于相似度直方图的指纹混合匹配算法。指纹识别技术主要包括指纹预处理、特征提取和匹配。在实际应用中，因众多因素的干扰，使得采集到的图像质量较差。因此，指纹图像预处理的效果直接关系到指纹识别系统性能的好坏。本文结合了指纹图像的特点，采用MFC编程技术开发了一套实用性很强的指纹图像预处理方法。

1 指纹图像预处理算法

1.1 指纹图像的分割

指纹图像分为前景和背景两部分，从指纹图像中分离出指纹对象的目的就是针对性地进行处理，从而节约处理时间。分割的方法是，将整幅图像分块，求取每个分块图像内各点的最大、最小灰度值、灰度的中值以及各块的灰度值方差。选定一个分割阈值T，若该块的灰度值方差大于T则设置该块为前景，否则设置该块为背景。

1.2 指纹图像的均衡

失衡的图像在某一段灰度范围内对比度差，不利于分辨。对图像进行均衡处理，加大图像的反差，增强图像的对比度，有利于分辨。

对于均衡算法，灰度拉伸和直方图修正两种模型比较常用，本文采用灰度直方图修正的模型算法。其统计了图像的灰度分布，根据灰度分布统计某灰度级，计算该灰度级上的象素数量，再除以面积，重新转换该灰度级获得新的灰度分布统计。

1.3 指纹图像的收敛

反映失真的指纹图像，某点的象素都呈现一定范围的正态随机分布，那么这些象素可用正态分布收敛方法得到一定程度的收敛。无论随机变量的分布如何，若干个独立随机变量抽样值之和总是满足高斯分布的，因此可用采用高斯函数对指纹图像进行正态收敛。

指纹图像收敛算法描述如下。

(1)二维高斯函数描述的指纹图像x和y轴上发散点的收敛函数为:

(2)高斯模板算子

设m是高斯模板的矩阵维度，矩阵维度的计算公式为:m=2×2δ2+1。Gm高斯模板算子的计算公式为:

1.4 指纹图像的平滑

在指纹图像采集过程中，传感器表面污渍等采集进来形成污染点。为了去除指纹图像上的噪声点，必须参考周围象素，用指纹对象周围相关象素平均模板对它进行平滑处理。

指纹图像平滑算法描述如下。

(2)卷积运算定义为:

(3)平滑模板算子是表示卷积过程中权重的矩阵，常用的模板如平滑模板、变异检测模板等都是对称的，因而这种邻域运算就是卷积运算，其对应于指纹图像就是平滑。

1.5 指纹图像的增强

在指纹图像采集过程中，可能会受到噪声干扰等多种因素的影响，因此需要进行指纹增强，从而可以保证信息提取的准确度和可靠性。二维Gabor滤波器函数表示为:

式中，x'=xsinθ+ycosθ，y'=xcosθ－ysinθ，θ代表滤波器的方向因子，f为指纹纹线在θ角度上频率度的参数，即为(λ为平均脊线宽度)，δx'和δy'分别表示高斯函数在x'和y'轴上的标准差，通常两者均取值为4。

对图像的滤波采用如下公式:

式中，R=16，为Gabor滤波器模板的大小。

Gabor滤波器是二维卷积运算，当滤波窗口比较大时，运算的时间是较长的。所以本文对滤波算法进行了改进，改进后的公式如下:

当Gauss窗口为M×M时，如果采用式5对每个象素做运算时，运算量为M×M次乘法和M×M－1次加法，而使用式6运算时，运算量为4M次乘法和4M－2次加法。由此可以看出对于较大的窗口式6能够有效地减小运算量，从而提高了效率。

1.6 指纹图像的二值化

二值化的目的是把灰度指纹图像变成0和1取值的二值图像。对一幅图像进行二值化，首先必须选取阈值，把高于阈值的象素点判为1，低于阈值的象素点判为0。对于指纹图像的象素点，如果一个象素点切向灰度和小于法向灰度和，则可以判定该点在脊线上，反之则该点在谷线上。为了提高精度，在求灰度和时，对每个点都设置权值，采用加权平均的方法。

1.7 指纹图像的细化

细化是将二值化后的图像中去掉一些象素点，但保持指纹图像中纹线的中轴线不变。那么怎样判断一个点是否去掉呢?根据它的8个相邻点的情况来判断，几个例子如图1所示:

图1 根据某点的8个相邻点的情况来判断该点是否删除

2 实验结果

本文以VC++6.0为平台实现的指纹图像预处理算法，实验结果如图2、3所示。本文结合指纹纹理特点和图像处理技术实现了一套指纹预处理方法，并改进了部分算法。从图2、3可以看出，该算法对指纹图像的处理取得了良好的效果，并且具有很强的实用性。

图2 分割、均衡和收敛算法的测试结果

图3 平滑、增强、二值化和细化算法测试结果

3 结束语

为了验证预处理算法的有效性，本文对预处理后的指纹图像设计了特征点提取和基于中心点、端点以及三角点特征匹配算法。最后采用自制的MBF200指纹图像传感器模块采集了30个人的指纹样本进行实验。其中1人的指纹特征点与匹配结果如图4所示，图4可以看出该算法可以精确的匹配，从而验证了算法的有效性。另外通过软件定时器等实验测试，实验结果表明实现的预处理的算法具有速度快等特点。综上所述，本文开发的指纹图像预处理算法具有实用性强、速度快、处理效果好等一系列优点。

图4 特征点标记与匹配测试结果

［1］Sherlock B G，Munro D M，Millard K.Fingerprint enhancement by directional Fourier filter［J］.IEEE Proceeding of Vision Image and Signal Processing，1994，141(2):87 －94.

［2］Hong L，Wan Y，Jain A K.Fingerprint image enhancement:Algorithms and performance evaluation［J］.IEEE Transactions on Pattern Analysis Machine Intelligence，1998，(20):777 －789.

［3］Jain A K，Lin Hong，Bolle R.On-line fingerprint verification［J］.IEEE Transactions on Pattern Analysis Machine Intelligence，1997，19(4):302 －314.

［4］Jain A K，Prabhakar S，Hong L，etal.Filterbank-based fingerprint matching［J］.IEEE Transaction on Image Processing，2000，9(5):846 －859.

［5］Wang W，Li J，Huang F.Design and implementation of Log-Gabor filter in fingerprint image enhancement［J］.Pattern Recognition Letters，2008，29(3):301 －308.

［6］楚亚蕴，詹小四，孙兆才，等.一种结合方向信息的指纹图像二值化算法［J］.中国图像图形学报，2006，11(6):855－859.