指紋圖像自動識別系統(tǒng)預處理算法的研究

摘要：系統(tǒng)地闡述了指紋圖像自動識別系統(tǒng)預處理的政府、算法，并對指紋圖像預處理中的各種技術進行了分析及實驗。在比較了各種預處理方法之后，提出了一種比較好的指紋圖像預處理算法，并在實驗中得到了驗證。
關鍵詞：指紋識別 預處理 圖像增強 二值化 細化

由于指紋具有終身的穩(wěn)定笥和驚人的特殊性，很早以來在身份鑒別方面就得到了應用，且被尊為“物證之首”。但人工對比指紋，效率低、速率慢，已愈來愈不能滿足現(xiàn)代社會的需要。70年代在美國已開始用圖像處理和模式識別方法進行計算機指紋分析以代替人工對比，并在70年代末80年代初研制成有關設備，投入運行。

我國在近10年來已陸續(xù)開展這方面的工作，現(xiàn)已進入實用階段。本學科的技術用于指紋分析，有兩方面的工作：

（1）指紋特征提取與識別。這是比較成熟的工作，因為每個人都有固定的指紋類型，而指經紋紋線總的類型有限。因此，有可能把指紋經過預處理以后，提取特征，再用類聚分析方法進行判決分類。

（2）指紋存儲與歸檔。這是大容量存儲的問題，試想每人有10個指紋，而全國十幾億人要存儲上百億個指紋，這需要多么巨大的存儲容量。除了用激光存儲等高密度的記錄和存儲手段外，還爭切需要開展指紋的無失真、可恢復的壓縮工作。

近幾年來，國外發(fā)展了用計算機進行指紋對比的自動識別系統(tǒng)。指紋圖像信息量大，處理及時，這些系統(tǒng)是基于中、小型計算機，甚至是專用高速并行處理機。

為了迅速展開指紋自動識別的研究，我們在微型機上進行了微型機指紋自動識別系統(tǒng)的嘗試。該系統(tǒng)的輸入部分把實際捺印指紋或現(xiàn)場指紋轉換成數(shù)字化圖像，經總線存入圖像存儲器，微機對輸入的圖像進行各種必要的處理和分類，其處理效果可由彩色顯示器立即評價，或由打印機輸出判別結果。

一般指紋圖像自動識別系統(tǒng)的原理如圖1所示。

指紋圖像預處理的目的在于使指紋圖像畫面清晰，邊緣明顯，以便提取特征進行識別。預處理技術的主要目的是對一個給定的指紋，突出指紋圖像中的某些信息，消弱或除去某些不需要的信息，使它的結果對后面的識別來說比原始指經緯度圖像更合適。某預處理流程圖如圖2所示。

只有經過預處理后的指紋圖像，才能進入到下一步（指紋的識別預分類）去處理。預處理結果的好環(huán)直接關系到指紋識別率的高低。

1 圖像增強

從處理手段來講，圖像增強處理可分為空域法和頻率域法兩種?？沼蚍ㄖ冈趫D像所在的空間域中直接處理；而頻域法指先把圖像作傅立葉變換，在頻率域中處理后，作傅立葉反變換。
我們采用了先平滑化，然后進行尖銳化兩部處理。該方法可以進行自動處理指紋圖像，且效較好。

1.1 平滑處理

指紋圖像是通過掃描儀獲得模擬信號，并經采樣、量化后，以矩陣的形式存入計算機。由于圖像的采集為縱列式方式，量化后的指紋圖像有許多噪聲。它們因其時間的不相干性，含有較高的空間頻譜，且多呈點結構。

平滑處理的任務就是去除這些干擾噪聲，而又不使圖像失真。圖像平滑包括空域法和頻域法兩大類。由空域處理公式知，輸出函數(shù)為：

其中m=1,2…,H'；n=1,2,…N';M'=M-L；N'=N-L。若令輸入圖像陣F為N×N，卷積陣H為L×L，輸出陣G為M×M，則關系式：

為了平滑噪聲，卷積陣H需呈低通型。當H為3×3陣列時，選用：

其中X為要處理的像素值，ai(i=1,2…,8)為其八鄰域的數(shù)值。

采用多圖像平均法（即多遍輸入疊加取均值的方法），可去除時間噪聲。它以噪聲干擾的統(tǒng)計學特征為基礎。即如果一幅圖像包含有噪聲，可以假定這引起噪聲相對于每一坐標點（x,y）是不相關的。其數(shù)字期望為零。設g(x，y)是有噪聲η(x,y)和原始圖像f(x,y)疊加而成的。即：

g(x,y)=f(x,y)+η(x,y) (4)

若噪音η（x,y）滿足上述的假定，則可以通過將給定的一系列噪聲圖像{gi(x,y)疊加后取其平均值，以達到平滑圖像的目的。

因此，在獲得一幅圖像時，可用采集M次的方法去取平均值，即可達到要求。

g(x,y)=1/M∑gi(x,y) (5)

因為：

E{g(x,y)}=f(x,y) (6)

一般情況下，當n=4時，圖像趨于穩(wěn)定。

實踐表明，用這些方法去除噪聲，可獲得滿意的效果。圖3為去噪聲后的指紋圖像。

1.2 銳化處理

為強化指紋紋線間的界線，突出邊緣信息，以利于二值化，銳化處理是必要的。銳化處理對于增強反差和檢測邊緣是很有用的。圖像銳化的作用就是的補償圖像的輪廓，使圖像較清晰。圖像銳化可分為空間域圖像銳化法和空間頻率域圖像銳化法兩大類型。

圖像的模糊，是由于高的空間頻率成分比低的空間頻成分弱這一原因造成的。這一影響表現(xiàn)在均勻灰度區(qū)域間的邊界部分（邊緣）。因此，為了消除模糊，可以增強高的空間頻率成分。

作為在圖像空間簡單的高頻增強濾波有：

g(i,j)=f(i,j)-f(i,j)=5f(i,j)-[f(i+1,j)+f(i-1,j)+f(i,f+1)+f(i,j-1)]

這里f(i,j)表示輸入圖像f(i,j)的二次微分的數(shù)字拉普接斯算子，被公平義為：

f(i,f)=f(I+1,f)+f(i-1,j)+f(i,j+1)+f(i,j-1)-4f(i,j) （8）

由于模糊的圖像是感光過程中的擴散現(xiàn)象所致，因此，它必然滿足線形擴散議程：

аf(x,y,t)/аt=kf(x,y,t)=k(аf/аx2+аf/аy2) (9)

其中f(x,y,t)是時間與空間的函數(shù)，k是擴散系數(shù)；f是f的拉普拉斯算子。如令t=0，且忽略其展開的泰勒級數(shù)的高次項，則輸出函數(shù)：

g(x,y)=f(x,y,t)-τkf(x,y,t) (10)

其中τ為擴散時間間隔的長度。選取不同的τk值，可得到不同的拉普拉斯算子的沒加權系數(shù)。經過多次實驗知，7×7方陣的加權系數(shù)p為：

p=8f(x,y)-f(x-3,y)-f(x-2,y+2)-f(x,y+3)-f(x,y-3)-f(x+2,y+2)-f(x+3,y)-f(x+2,y-2)-f(x-2,y-2) (11)

時能更好地反映出泰勒級數(shù)展開時函數(shù)的連續(xù)性，用于指紋圖像的銳化處理是適宜的。圖4是銳化后的指紋圖像。

2 二值化處理

二值圖像是指整幅圖像畫面內僅黑（灰度值為0）白（灰度值為1）二值的圖像，在它們上面不呈現(xiàn)出灰度的變化。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。這是因為在實用的圖像處理系統(tǒng)中，要求處理的速度高、成本低，信息量大的濃淡圖像處理花銷太大，不是上策。而且二值化后的圖像能夠用幾何學中的概念進行分析和特征描述，比起灰度圖像來說方便得多。因而二值圖像處理目前已成為圖像處理中的一個獨立的、重要分支而獲得廣泛的應用。對于指紋的識別來說，有有的信息得包含有脊線和谷線的二值描述中。因而必須根據(jù)原始的灰度圖像來確定圖像上的每一點應屬于客體區(qū)域還是背景區(qū)域，從而產生對應的二值圖像。它不僅可以大大減少儲存量，而且對使得后面的判別過程少受干擾，大大簡化其后的處理方法。二值化后的圖像是以后處理的基礎，它的算法對后面的處理有直接的影響。一個好的算法可以得到一個高質量的二值圖像。反之，如果該階段引入噪聲，就會直接降低圖像質量，影響識別精度。

位于（x,y）處的像素f(x,y)閾值V（x,y）是由以（x,y）為中心的指紋圖像窗口（2m+1）×(2m+1)中諸點的灰度值來確定的。即：

當（2m+1）×(2m+1)窗口落在兩種不同區(qū)域將會引起誤判：

（1）當窗口較多地在谷線區(qū)時，將會使得一部分乃至大部分的像素點被判為脊線；

（2）當窗口較多地落在脊線區(qū)時，將會使得一部分乃至大部分的像素點被判為谷線。

借助于參數(shù)β和固定閾值可以解決這個問題。

令ε為一個通過試驗獲得的正整數(shù)，即ε>0，故有：

其中Vt，為參考閾值。

令二值化后的圖像為g(x,y)，則：

以上過程可用流程圖5來表示。

3 修飾處理

指紋圖像經過二值化后，由于量化等原因，紋線邊緣凹凸不齊，受銳化的影響，畫面出現(xiàn)離散點，為使圖像整潔，邊緣圓滑，需要進行修飾處理。

用適宜的模板可去除紋溝中的離散黑點和填補紋線中的空缺白點。如令3×3模板中待處理的像素為x，其鄰域ai∈白（i=1,2,…,8）,則x=白；ai∈黑（i=2,4,6,8），則x=黑。

修飾處理包括去除孤立點及填補空白點等操作它們各自的模板表征如下：

4 細化處理

由于我們所關心的不是紋線的粗細，而是紋線的有無。因此，在破壞圖像連通性的情況下必須去掉多余的信息。在二值圖像處理領域，細化是很重要的一個處理環(huán)節(jié)。如干涉條紋圖像，由于條紋粗、寬二邊緣彌散，不細化成線狀就沒有辦法去精確地取數(shù)計算它。另一方面，一個連接成分如果能用線狀結構去值圖像的細化問題成為圖像處理的一大熱門，有不少人紋脊線的輪廓和有關的端點和交叉點。但是，二值化后的脊線有一定的寬度，這種表征它的特性，無論在圖像識別還是在數(shù)據(jù)壓縮方面都有重要意義。所以二寬度會給后面的識別增添很多麻煩。因而應先將指紋脊線的寬度采用逐漸剝離的方法，使得脊線成為只有一個象素寬的細線，這將非常有利于下一步的分析，這個過程叫細化。其目的是用一組細線來刻畫一個連接成分，這不僅能達到壓縮數(shù)據(jù)量的目的，而且易于對連接成分的特征提取。因而，這一操作過程必然需要刪除某些象素。

利用兩種類型的模板進行細化處理的算法如下：

圖6即為通過算法（19）處理后得到的三種不同類型的指紋。

指紋圖像細化后，還可以根據(jù)指紋得到一般處理規(guī)律。進行后加工處理，如去掉無效的紋線搭橋及連接豁口等。還可以采用人機交互方式，對殘缺指紋進行人工修補。

本文給出了一套完整的指紋圖像預處理算法，并在實驗中獲得了比較滿意的結果。