基于多尺度滤波及复数滤波的指纹奇异特征提取算法研究

陈 婧，张 苏

（大理学院工程学院，云南大理 671003）

基于多尺度滤波及复数滤波的指纹奇异特征提取算法研究

陈 婧，张 苏

（大理学院工程学院，云南大理 671003）

根据指纹特征及指纹奇异点的特点，利用多尺度滤波及复数滤波方法，分析改进了指纹奇异特征提取算法，提高了自动指纹识别的效率。

指纹特征；奇异点；算法

自动指纹识别系统识别的依据就是指纹图像的特征，指纹图像的特征主要有全局特征和局部特征。全局特征反映了指纹图像脊线的整体构成和方向走向，通过人眼可直接分辨，是指纹分类的主要依据〔1〕；局部特征反映了指纹图像脊线的突变情况，即指纹图像的细节点，是指纹图像匹配的主要依据。指纹特征提取就是把指纹特征点用机器能识别的代码标识出来，这些标识就是对不同指纹进行区分的唯一依据。特征点主要是指全局特征中存在的奇异点和局部特征中存在的细节点。

奇异点是指纹全局特征中的奇异区内纹线方向变化最大的点，主要有中心点和三角点。奇异点的稳定性优于细节点〔2〕，用奇异点作为将指纹细节特征对齐的参考点，可化简匹配算法的复杂度。

1 算法原理及过程

1.1多尺度平滑滤波由Sobel operator计算出指纹灰度图像的梯度矢量场Gχ(u,v)、Gy(u,v)，其中A为原始图像，如式（1）。

则其复数点平方场z( )χ,y为：

通过高斯低通滤波器对复数点平方场z(u ,v)进行多尺度的平滑滤波，即在指纹奇异区用小尺度平滑处理，以保留方向场中的细节信息；在其它区域用大尺度平滑处理，提高抗噪性，增强提取奇异点的可靠性。最后得到可靠的复数平方点方向场估计z(u ,v)'。

1.2复数滤波为了更准确的提取到指纹的奇异点，下面将采用圆对称滤波器hc、三角对称滤波器hd和平行滤波器hp进行复数滤波；因这3种滤波器的方向图和指纹图像的方向场很相近，如图1所示，所以可以很好地增强指纹图像的奇异点。

图1 复数滤波器方向图

其表达式如下（g为高斯函数）：

先对3个滤波器hc、hd、hp的矩阵进行幅度归一化处理，再对分别进行复数滤波，其响应为：

其中：μc、μd为响应幅度，反映该点位置对称性的大小；αc、αd为响应相位，反映滤波器对应模式的对称方向。

2 提取奇异点

由上可知，根据幅度响应可以检测指纹奇异点的位置〔3〕。其检测原理及过程为：

1）确定奇异点所在的范围，其中Tp为设定的阈值；

2）在奇异点所在的位置范围内，确定中心点位置，对于双螺旋型指纹还要再确定次中心点的位置，其中Tcp、Tcs为设定的阈值；

若在某位置(χcp,ycp) 处，μc(χcp,ycp)>Tcp且，则此处为中心点的位置；

设次中心点的位置为(χcs,ycs)，则 μc(χcs,ycs)>Tcs且仅次于主中心点响应幅度的次极大值。

3）用相同的原理，可以确定出三角点及次三角点的位置。

在具体应用时会发现由于噪声的干扰，如果直接对响应幅度进行分析会出现错误地提取奇异点〔4〕，所以在提取前应对μc和 μp进行增强。

由于具有较大圆对称性的点的三角对称性较小，故采用下式增强主中心点μc(χ ,y)的相对值〔5〕：

根据次中心点的位置与主中心点的位置通常是相对的，即圆对称方向相反，用以下方法对次中心点增强：

同理，由于具有较大三角对称性的点的圆对称性较小，故采用下式对μd(χ ,y)进行增强：

如果指纹图像上有两个三角点〔7〕，通常分布于中心点两侧且方向相同，用以下方法进行增强〔8〕，设为主三角点的位置：

3 基于Matlab的仿真实验

主程序函数为：function fpextractdemo（action，varargin）。通过调用以下函数来完成整个基于Ga⁃bor的结构的指纹识别过程：

运行步骤的界面如图2所示。

图2 运行过程界面

指纹识别演示运行界面图，如图3所示。

图3 指纹识别演示程序界面

4 结论

本文在指纹库FVC2004中选取了4种不同类型的指纹进行奇异点的提取，提取结果如图4所示，方形标注为中心点，三角形标注为三角点。

图4 指纹奇异点提取结果

从以上结果可以看出，此算法提取出指纹的中心点和三角点的位置和方向偏差较小，算法效果好，进而也提高了自动指纹识别的效率。

〔1〕胡珞华，刘国平，余冰.模糊指纹图像的特征提取〔J〕.南昌大学学报：工科版，2002，24（4）：38-41．

〔2〕张志禹，侣薇.一种基于混合匹配的指纹识别方法〔J〕.微型机与应用，2011，30（2）：42-44.

〔3〕张新淼.基于改进的Gabor滤波器组指纹图像识别的研究与实现〔D〕.天津：天津师范大学,2009．

〔4〕吴健辉,许朝侠,杨坤涛,等.指纹图像预处理中的关键技术研究〔J〕.计算机工程与应用，2008，4（33）:223-225.

〔5〕YOON S W,FENG J J,JIAN A K.Latent fingerprint en⁃bancement via robuust field estimation〔C〕∕∕2011 Internna⁃tional Joint Conference On Biometrics.2011:1-8

〔6〕JAIN A K,PRABHAKA R S,HONG L,et a1．Filterbank-Based Fingerprint Matching〔J〕．IEEE Transactions on Im⁃age Processing，2000，9(5)：846-859．

〔7〕张洁，景晓辉.一种基于模式熵的残缺指纹识别算法〔J〕.电子与信息学报,2012,34(12):3041-3042.

〔8〕CHIKKERUR S,GOVINDARAJU V，CARTWRIGHT A N.Fingerprint image enhancement using STFT analy⁃sis〔C〕∕∕In：Proc.of 3rd International Conference on Ad⁃vances in Pattern Recognition，Bath，UK.2005：20-29．

〔9〕毛元，冯桂，汤继生.采用八方向Gabor滤波的指纹识别算法研究〔J〕.华侨大学学报:自然科学版，2013，34（2）：152-153.

〔10〕贺颖，蒲晓蓉.应用Gabor滤波的指纹识别算法的研究与实现〔J〕.计算机工程与应用，2010，46（12）：172-175.

（责任编辑 袁 霞）

Based on Multi-scale Filtering and Fingerprint Singular Plural Filtering Feature Extraction Algorithm

CHEN Jing,ZHANG Su
（College of Engineering,Dali University,Dali,Yunnan 671003,China）

According to fingerprint characteristics and the characteristics of the fingerprint singular points,the methods of multiscale filtering and complex filtering are used to analyze fingerprint singularity feature extraction algorithm in order to improve the effi⁃ciency of automatic fingerprint identification.

fingerprint characteristics;singular point;algorithm

TP3

A

1672-2345（2014）06-0042-03

10.3969∕j.issn.1672-2345.2014.06.011

大理学院青年教师科研基金资助项目（KYQN201102）

2013-11-27

2013-12-27

陈婧，讲师，主要从事数字图像处理技术研究.