DIY编程器网

标题: 指纹识别中的图像处理研究------指纹图像的预处理 [打印本页]

作者: admin 时间: 2015-4-27 08:10
标题: 指纹识别中的图像处理研究------指纹图像的预处理
3 指纹图像的预处理

无论是指纹匹配还是指纹分类，都需要提取指纹的有效特征，为了保证特征提取的可靠性，必须对获取的指纹图像进行预处理，以减少噪声或其他干扰。本章主要讲述用于指纹匹配的图像预处理。一般说来，指纹匹配过程如图3.1所示。图像预处理的质量决定了后续处理鲁棒性。

3.1概述
对于指纹图像的预处理，到目前为止已有很多学者做了大量的研究，并且对指纹图像的有效区域的提取和指纹图像分割和细化等提出了各种不同的方法。本论文在综合了前人的研究成果的同时，根据活体指纹传感器的特性以及自动指纹识别的系统要求，加入了一个图像质量评估模块。整个指纹图像预处理的流程如图3.2所示。

指纹图像经传感器获取后，首先要对其质量进行评估，通过检查其有效面积的大小来判断指纹图像是否合格，如果质量合格，则进行下一步处理；否则，要求重新采集图像，并给出图像质量不合格的原因，例如：手指过干、过湿，或者是手指放置得太偏。图像分割是把要处理的有效图像区域部分进行二值化处理，使图像仅包含两种象素值，以便于对图像特征的提取。去孔类噪声，主要是因为在图像二值化的过程中会产生一些孔类噪声，这些孔类噪声在图像细化后，就会产生2个伪特征点，给图像的识别造成困难，因此要在图像细化之前去除这些噪声。图像细化是进一步把二值指纹脊线细化为单象素宽度的骨架线，这是为了方便后续的特征提取。图像滤波，主要是针对细化后的指纹图像，因为在前面的处理过程中，有些噪声没有去除干净，在图像细化的时候就产生了短枝噪声，这些噪声也会造成伪特征点，因此要在提取特征点之前去掉这些短枝噪声，以便能够提取更加可靠的指纹图像的特征点。

3.2对指纹图像的假设
为了给图像预处理的效果一个客观的评价标准，作者在本论文中对于一副指纹图像和指纹图像处理的效果提出了以下假设：
（1）、指纹图像应当满足一定的对比度，当对比度太差，或图像太模糊时则认为图像不合格而不予处理。

（2）、对于指纹图像内的任意一点，如果它在有效的指纹区域[所谓有效的指纹区域就是指含有明显的指纹脊线和谷线的区域]，则其n×n邻域（n为一合适的数值，本人在编程序时取n=14）内的所有象素的灰度值的变化量应该较大。
（3）、把一幅指纹图像分割成多个n×n的小方块，统计每个小方块内的象素灰度值的变化量，根据假设（2）可以知道，如果灰度值的变化量f（见下文中定义）小于一定的阈值，则认为该块区域是指纹图像的背景区域，或者是指纹纹理特别模糊的区域，在这种区域不含有效的指纹特征，因此处理时可以把这种n×n的方块内的所有像素都当作是非有效指纹区域部分。

（4）、一幅分割较好的指纹图像应该满足以下条件
①。在一个小的区域内指纹的纹线走向应该大致相同

②。指纹的纹线流畅，不应有太多的中断，相邻纹线无太多粘连
③。指纹纹线间的距离应当大致相同以上假设是在对指纹图像的特性进行充分考虑的情况下提出的，符合绝大多数人手指指纹的情况，手指上有伤疤或者指纹被磨光的情况除外，因此在后续的算法设计中可以认为以上的假设是成立的。
3.3指纹图像质量评估
为了对指纹图像的好坏进行评估，首先要定义什么样的图像是好的图像，什么样的图像是不合格的图像，有了一个统一的标准之后才能够进行图像的评估。在参考了很多文献资料的情况下，我们确定了采用特征点对指纹进行匹配，因此，有效特征点的数量和可靠性就应该成为评价一幅指纹图像的标准，但是在没有进行后续的处理之前，我们又没有办法来获取具体的特征点以及特征点的数量、可靠性等信息，因此应该寻求一个与有效特征点的数量密切相关的量来衡量指纹图像的质量。而且这个量可以不必经过后续的处理和复杂的计算就可以得到，并且对大多数的情况下都能够有准确性。

在经过大量的试验之后，作者提出了一个假设：对一个特定的手指，有效指纹图像的面积越大，指纹图像中所包含的特征点就会越多，因此指纹图像的可靠性就越高，指纹图像的质量就越好；反之，如果有效指纹图像的面积越小，指纹图像中所包含的信息也就越少，该指纹图像也就越不可靠。

由此可以看出，对一个特定的手指，指纹图像中有效区域的面积的大小可以正确的反映出指纹图像的质量，因此，指纹图像的有效区域的信息，可以作为评价指纹图像质量的一个客观的标准。

因为作者在课题中用的是晶体电容式传感器，图像质量易受外界环境影响，为了保证整个系统的可靠性和稳定性，我们需要用质量评估模块把质量不能满足要求的指纹拒之于外，特别是在指纹登记过程中，一定要保证指纹模板的可靠性。图3.3为几种质量较差的指纹图像的示例。

下面对图像质量评估的详细的过程介绍如下：
根据假设（2）对有效指纹区域的定义和限制，以及假设（3）对有效指纹区域的性质的描述，作者设计了用灰度值的变化量来判断有效指纹区域和非有效指纹区域的算法，如下：
首先把一幅指纹图像分成n×n的小方块，n大约为指纹两个脊线（或谷线）之间的宽度，对于分辨率为500dpi的指纹图像其大小可取n=10～18.定义n×n小方块的灰度值的变化量其中

（i0，j0）为小方块的左上角点的坐标，
fi,j，为原始图像第i行j列点的象素灰度值（为了和第二章的二值图像相区别，这里用fi,j，来表示指纹图像，而不用B[i，j]）

M为该小方块内所有点的均值。

对于求出的△f，设定一定的阈值T，如果△f >T，则该方块内所有点都是有效指纹区域内的点。否则，如果△f＜ T，则该方块内所有点都是非有效的指纹区域内的点。为了进一步判断指纹图像的质量，对于非有效指纹区域还要对其性质进行进一步的判断，设定另一个一定的阈值T1，如果该小方块内所有点的均值Mi0,j0＜T1，则可以判定该小方块内的图像是由于图像粘连所引起的，是手指太湿的原因造成的；否则，如果该小方块内所有点的均值Mi0,j0＞T1,且T2＜△f＜T(T2为一个阀值)，则说明该小方块内的指纹图像是比较淡，这是由于采集指纹图像的时候，手指过于干燥引起的；如果小方块内的非有效指纹区域不属于以上两种情况，则小方块内的指纹图像属于指纹图像的背景。
为了对整幅指纹图像的性质作出判断，需要对所有已经分出性质的小方块进行统计，并且对统计量进行概率分析，分析出指纹图像的质量是否合格，如果质量不合格，则要判断出不合格的原因，给出下次采集指纹图像的指导性意见。

设整幅指纹图像是由N个n×n的小方块，经过统计后，△f >T的所有小方块的个数为N1个，△f ＜T时，Mi0,j0＜T1 的所有小方块的个数为N2个，T2<△f<T 时，Mi0,j0>T1 的所有小方块的个数为N3个，其他性质的小方块的个数为4 N个。

在统计了上述信息后，计算每种性质小方块的数量与整幅指纹图像的小方块的数量N的关系，由此来确定一幅指纹图像的质量

如果P1>TH1（TH1为一个阈值），则认为图像质量合格，P1的值越大，指纹图像的质量就越好，否则，指纹图像的质量不合格。

如果P1≤TH1，P2＞TH2（TH2为一个阈值），则认为图像的粘连太多，主要是由于采集指纹图像时，手指太湿引起的。

如果P1≤TH1，P2≤TH2，P3＞TH3（TH3为一个阈值），则认为指纹图像纹理太淡，不清晰，是由于采集指纹图像时，手指太干燥引起的。

如果P1≤TH1，P4＞TH4（TH4是一个阈值），则认为指纹图像中背景图像过多，这是由于采集指纹图像时，手指放置的太位置偏引起，如果要判断到底是手指偏向左边、偏向右边、偏向上边还是偏向下边，则还要统计一个信息，就是所有△f >T的所有小方块的所包含的图像区域（即有效指纹图像区域）的中心点的位置（ x ，y），这个位置的具体的求法，参见第二章的公式2.1、公式2.2、公式2.3这三个公式，由（ x ，y）的信息即可判断出指纹图像偏离的具体的性质，比如说，如果，x取值过大，说明位置偏上，x取值过小，说明位置偏下。左右的情况可以由y来确定。

通过上面对指纹图像质量评估的算法的介绍，可以得出指纹图像质量评估模块的算法流程图，如图3.4所示。图3.5是用上面介绍的方法对指纹图像进行评估时，产生的指纹图像的有效区域。因为，指纹图像的特征信息都包含在指纹图像的有效区域，所以在后续的处理中，就可以只处理指纹图像的有效区域部分，对其它的部分可以不予处理。

欢迎光临 DIY编程器网 (http://diybcq.com/)