基于区域能量加权的图像融合算法在指纹图像提取中的应用

祝念 高思莉 蔡能斌

摘要：在拍摄光滑客体表面的无色指纹时，一般采用定向反射光照相的方法，但是对于光滑纸板等表面，潜在指纹与背景之间的反射亮度差很小，传统方法难以进行拍摄提取。使用不同方向的光源配光，每一方向光源采集一幅图像，然后使用小波变换，将图像分解为不同尺度空间上的一系列子图像。对于低频子图像，采用取平均的融合规则；对于高频子图像，采用基于窗口的区域能量决策进行系数融合。最后对融合后的图像进行基于自适应引导滤波的多尺度Retinex图像增强，以增加指纹图像对比度。实验结果证明，该算法可以解决光滑物面指纹图像难以提取的问题，从而得到较为清晰的指纹图像。

关键词：指纹；图像融合；小波变换；区域能量；引导滤波；多尺度Retinex

DOIDOI：10.11907/rjdk.181307

中图分类号：TP319

文献标识码：A 文章编号：1672-7800（2018）010-0157-04

英文摘要Abstract：When taking a colorless fingerprint on the surface of a smooth object，we usually adopt the method of directional reflected light photography. However， for glossy cardboard， the difference in reflection brightness between the potential fingerprint and the background is small， and the traditional method is difficult to extract. We use different directions of the light distribution， to capture an image at each direction of the light source. Then by using wavelet transform， the image is decomposed into a series of sub-images in different scales. For low-frequency sub-images， the average fusion rule is adopted. For the high-frequency sub-images， window-based regional energy weighting is used to perform coefficient fusion. Finally， the multi-scale Retinex image enhancement with adaptive guided filtering of the fused image is used to increase the contrast of the fingerprint image. Experimental results show that this algorithm can solve the problem of that it is difficult to extract the smooth object surface fingerprint image so that a clear fingerprint image can be ottained.

英文关键词Key Words：fingerprint；image fusion；wavelet transform；regional energy；guided filter；multi-scale Retinex

0 引言

在指印检验照相中，配光检验技術方法显现与加强指印的作用主要体现在两个方面：一是显著增强指印纹线与客体背景之间的亮度反差，使指印纹线得到显示，包括潜在的汗液指印；二是减弱或消除客体背景图案的干扰，使指印纹线细节更加清楚。对于光滑客体表面的无色指纹，通常采用定向反射光照相的方法[1]，即在与照明光线入射角度相等的反射角方向上记录被检物体的反射光亮度分布。光滑客体定向反射光与指印纹线物质的非定向反射光形成强烈的亮度反差，使指印纹线以深褐色呈现在浅色背景上，在显现光泽度很高的白色瓷砖等表面上的无色汗液指印时灵敏度较高。

但是对于光滑纸板等表面，潜在指印与背景之间的反射亮度差很小，在普通光线下很难形成足够的亮度反差，另外对于拍摄面积较大的区域，强反光光斑并未完全消除。因此，在一般光照条件下，很难拍摄到清晰指纹，将影响后期指纹提取比对工作。

图像融合是信息融合范畴内主要以图像为对象的研究领域，是指将两个或两个以上传感器在同一时间或不同时间获取的关于某个具体场景的图像或图像序列信息加以综合，以生成新的有关此场景解释的信息处理过程[2-3]。来自多个传感器的信号所提供的信息具有冗余性与互补性，图像融合可以最大限度地获取对目标或场景的完整信息描述[4-6]。基于空间域的融合方法直接对图像灰度值进行处理[7]，往往不能获得理想的融合效果；基于变换域的融合方法主要由基于金字塔变换[8]、小波变换[9]和其它多尺度变换[10]的融合方法组成，融合效果较好。

本文首先使用小波变换，将图像分解为不同尺度空间上的一系列子图像，研究其不同尺度上的变化特性。对于低频子图像，采用取平均的融合规则；对于高频子图像，采用基于窗口的区域能量决策进行系数融合。最后对融合后的图像进行基于自适应引导滤波的多尺度Retinex图像增强，增加指纹图像对比度。实验结果证明，该算法可解决光滑物面指纹图像难以提取的问题，得到较为清晰的指纹图像。

1 指纹图像拍摄方法

对于指纹的拍摄提取问题，目前主要使用的方法是客体不动，相机围绕客体进行小角度旋转拍照，将拍摄所得的多幅图像进行图像融合处理，拼接得到完整指纹图像；或者相机不动，客体作小角度转动，同样将拍摄所得的多幅图像进行图像融合处理，拼接得到完整的指纹图像。但是该方法在拍摄前需要对客体进行定标处理，在现场勘察中不易实现，且配准技术计算复杂度高，同时会丢掉一些指纹细节信息，不利于之后的融合。

针对以上问题，提出将客体与相机均固定不动，利用小偏角定向反射照明的方法，移动面光源对指纹进行逐张拍摄，对于所得的多幅连续图像进行图像融合处理，提取有用信息，得到完整的指纹图像，从而提高光滑物面指纹清晰度，减少客体上反射光斑对指纹纹线特征的影响[11]，该方法在现场勘查中易于实现。

2 小波变换多尺度分解与图像重建

图像的小波变换是将待分析的图像在小波基下展开，小波基由小波基函数通过平移与不同尺度的伸缩构成。其中小波基函数在频域和空域都具有有限（或近似有限）定义域。

Mallat在Burt的塔形图像分解与重构算法的启发下，将此前所有正交小波基的构造方法统一起来，并给出正交小波的构造方法及快速算法，称为Mallat算法，是一种广义的金字塔方法[12]。

5 实验结果与分析

本文针对4个不同方向打光拍摄的指纹图像，首先使用基于小波变换的多尺度图像分解与重建，采用基于窗口的区域能量融合决策进行图像融合处理，然后使用基于自适应引导滤波的Retinex 图像增强，得到对比度增强、纹路较为清晰的指纹图像。

如图2（a）～（d）分别为对光滑纸板进行4个方向打光拍摄得到的4张图像。每张图像中有一部分因为打光的原因显得比较清晰，有一部分比较暗。纸板背景复杂，指纹对比度不是很高；图2（e）为使用本文算法进行图像融合后得到的图像，经过尝试，发现进行6层小波变换分解得到的融合结果最好。可以看出，图2（e）同时包含了图2（a）～（d）中的清晰部分；图2（f）为对融合图像进行基于自适应引导滤波的Retinex 图像增强后得到的结果，可以看出，指纹图像的对比度得到了加强。

按照手印检验理论[16]，手印检验所利用的特征为纹型特征、纹线特征点、汗孔与纹线形状特征。图2（e）的融合图像纹线特征点及纹线形状较为清晰，集成了具有鉴定价值的手印特征，可便于后续的指纹提取比对。

6 结语

本文使用不同方向的光源配光，每个方向光源采集一幅图像，然后使用小波变换，将图像分解为不同尺度空间上的一系列子图像，研究其不同尺度上的变化特性。对于低频子图像，采用取平均的融合规则；对于高频子图像，采用基于窗口的区域能量决策进行系数融合。最后对融合后的图像进行自适应引导滤波的多尺度Retinex图像增强，以增强指纹图像对比度。实验结果证明，该算法可以解决光滑物面指纹图像难以提取的问题，得到较为清晰的指纹图像，效果优于传统方法。

参考文献：

[1] 王桂强.指印的光学显现和照相技术[M].北京：群众出版社，2001.

[2] 孙岩.基于多分辨率分析的多传感器图像融合算法研究[D].哈尔滨：哈尔滨工程大学，2012.

[3] 杨航，吴笑天，贺柏根，等.基于多尺度导引滤波的图像融合方法[J].光电子·激光，2015，26（1）：170-176.

[4] 敬忠良，肖刚，李振华.图像融合理论与实践[M].北京：高等教育出版社，2007.

[5] 吴冬鹏，毕笃彦，何林远，等.基于NSSCT的红外与可见光图像融合[J].光学学报，2017，37（7）：106-114.

[6] 杨艳春，李娇，党建武，等.基于引导滤波与改进PCNN的多聚焦图像融合算法[J].光学学报，2018（5）：1-16.

[7] 郭明，王书满.基于区域和方向方差加权信息熵的图像融合[J].系统工程与电子技术，2013，35（4）：720-724.

[8] 牛颖超，周忠发，谢雅婷，等.基于金字塔变换算法优化的遥感图像融合[J].激光与光电子学进展，2017，54（1）：276-283.

[9] 陳琛，霍兵强，李海军，等.基于小波变换与区域的PET/CT医学图像像素级融合[J].软件导刊，2017，16（10）：202-204，208.

[10] 蔺素珍，朱小红，王栋娟，等.基于嵌入式多尺度变换的多波段图像融合[J].计算机研究与发展，2015，52（4）：952-959.

[11] 郝新华，邱树玲.信息融合法拍摄强反光客体表面潜在指印[J].警察技术，2009（5）：29-31.

[12] MALLATS G. A theory for multiresolution signal decomposition： the wavelet representation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 1989， 11（7）：674-693.

[13] 王坤臣，孙权森.基于区域特性的Curvelet变换图像融合算法[J].现代电子技术，2015，38（2）：77-82.

[14] 温海滨，毕笃彦，马时平，等.消除光晕和细节增强的多尺度Retinex红外图像增强[J].红外技术，2016，38（2）：149-156.

[15] 谢伟，周玉钦，游敏.融合梯度信息的改进引导滤波[J].中国图象图形学报，2016，21（9）：1119-1126.

[16] JAIN A K， CHEN Y， DEMIRKUS M. Pores and ridges： high-resolution fingerprint matching using level 3 features [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2007， 29（1）：15.

（责任编辑：黄 健）