指纹图像分割方法研究
2014-03-20汪庆
汪庆
(合肥工业大学 计算机与信息学院,安徽 合肥 230009)
引言
指纹图像分割是指纹预处理的关键步骤,有效的指纹分割方法能够将前景区域从各种背景区域中分割出来。正确提取的前景区域将指纹真实的理纹和特征点保留,使得系统后续处理只需针对真实纹线区域,从而提高整个系统的处理精度和速度。
本文首先给出了指纹图像分割的研究目的,然后对近几年指纹分割领域出现的新方法从指纹结构特征和特定理论两方面进行介绍,并对各类方法进行分析比较,最后探讨了指纹分割方法的方向。
1 指纹图像分割的研究目的
指纹分割的基本目标就是对原始指纹图像进行处理,去除干扰区域,将指纹特征保留下来。由于不同的采集设备和方法的使用,实际获取的指纹图像含有大量的冗余背景,本文选取了几幅有代表性的含干扰区域的指纹图像,如图1:
图1 几幅含干扰区域的指纹图像
真实采集的指纹在外部和内部都有不同的干扰区域,图1a 中矩形区域为不含有任何指纹特征的非指纹图像区域,如果将其误分为前景,则会给指纹特征提取环节增加计算量。由于人体汗液分泌和手指清洁度的原因,在采集器重复使用时会产生残留指纹的干扰,图1b 中的矩形区域为残留指纹,但其可能是清晰的纹路,如果将这一区域划分为前景,则会使得指纹特征提取产生伪特征点,降低整个系统的识别率。图1c 中方框内是指纹内部粘连指纹区域,其内部纹线已经无法辨别,需要将其去除。
2 基于结构特点的分割方法
2.1 基于边缘检测的方法
指纹边缘检测方法利用指纹图像前景和背景在边界处所表现出的差异来检测出边缘,并按一定策略形成指纹闭合曲线,保留目标轮廓完成分割。表1 是利用边缘检测的方法获取指纹轮廓的方法:
表1 边缘检测法
2.2 基于纹线方向的方法
指纹纹线是由不规则的脊谷相间的条纹构成,指纹块方向是由块内指纹脊线上的点方向估算出来。表2 是利用指纹块方向的分割方法:
表2 纹线方向法
2.3 基于新特征的指纹分割
指纹图像的基本特征包括灰度,方差,方向一致性,但几种特征并不能完全描述指纹的全部特性,对指纹的理纹特性也不能很好的表达。指纹特征的好坏能够影响最终分割效果,引入能够描述指纹本质特性的新特征会使指纹分割结果起到事半功倍的效果。表3 是对近几年指纹分割领域中提出的新特征:
表3 新特征的提出及描述
2.4 基于结构特点分割方法分析
边缘检测方法中,通常是基于指纹图像边缘特征将轮廓点锁定到边界附近,对质量较好的指纹图像,该方法具有较高的分割精度,但是该方法是基于像素特征的方法,在实现过程中计算复杂度较高而且容易受噪声影响,通常在处理之前需要进行滤波预处理。
基于纹线方向的方法中,通常是需要将指纹分割为小块,计算块方向,利用块方向的变化程度结合灰度等特征作为块的判定条件。该方法使用指纹块进行判定,对噪声不敏感,计算复杂度较低。但该方法也存在一定的缺陷:在靠近指纹中心区域块方向变化较快,可能出现错误判断;块分割可能会导致边界部分特征点丢失;块分割后边界呈现锯齿状需要使用数学形态学等方法进行后处理。
基于新特征的方法主要是根据现有一般指纹特征的缺陷,更深层次地挖掘指纹图像的内在特征,更能够表现指纹的特殊纹理特征。该类方法中每一种特征都有其适用的场合,文中许多仿真成果是在不同数据库、针对不同图像条件进行的,对不同的特征很难去统一评价其优劣。这种能够反映指纹图像本质的新特性的提出仍将是指纹图像分割研究中的重中之重。
3 基于特定理论的分割方法
3.1 特定理论的分割方法
在计算机中,对指纹图像分割的处理可以看做是一个两类分类问题处理,即把指纹分为指纹区域和非指纹区域。由于指纹图像的特殊性,并非所有其他领域的图像分割方法都适合于指纹图像。表4 是已有分类理论在指纹图像分割的应用:
表4 特定理论的分割方法
3.2 特定理论的分割方法分析
线性分类器法和DAMF 法使用了多个特征融合的方法。线性分类器法的特征权重参数仍需根据经验设定;DAMF 法通过分析特征的类别可分性度量和该特征分类概率,实现指纹特征自适应分割。该类方法直接利用分块判定,时间复杂度较低。
D-S 证据理论和AdaBoost 方法是将分类器融合的判定方法。D-S 证据理论无需先验概率和条件概率,适合于两类分类器融合,但要求每个证据是相互独立的,文中也是根据方向性和对比度相关性较小而假设两类证据结果是相互独立的;AdaBoost方法在训练过程中无需修改样本权重意外的任何参数,也无需弱分类器的先验知识,适合于将多个弱分类器融合成为一个强分类器的情况。该类方法时间复杂度相对线性分类器方法较高,可以应用于实时性要求不高的场合。
BPNN、LVQ 和SVM 方法方法是有监督的学习方法,需要首先对样本进行学习,时间复杂度相对较高。该类方法目前大多处于实验室阶段,随着人工智能等领域的发展,对该类方法的优化有待进一步研究。
4 结束语
本文对近几年指纹图像分割中一些新方法从结构特点和特定理论入手进行了全面的论述,对不同的方法从精度、时间复杂度和算法特点三方面分析。通过对以上各种指纹分割方法的总结和讨论,拟将今后的研究工作在以下几个方面进行:
(1)目前基于传统特征的指纹分割算法很难取得满意结果,而一个好的特征引入将会对分割算法产生质的飞跃,关注于更加能反应指纹本质的特征,新特征的抽取将是研究的重点之一。
(2)单一特征难以全面反映指纹图像特性,往往需要和其他特征结合使用,故融合多个特征最大限度地利用指纹图像信息,更能完整地表达指纹真实区域。
(3)基于学习的方法时间效率不能达到自动分割的要求,学习过程较慢,如何加快收敛速度仍将是研究的重点。
(4)用于快速指纹采集的十指指纹分割和用于现场指纹提取的重叠指纹分割将是指纹分割领域未来的另一个重要研究方向。