CN100573551C - 指纹数字图像处理中的相位移动模糊差分二值化方法 - Google Patents

Abstract

本发明涉及一种指纹数字图像处理中的相位移动模糊差分二值化方法，技术特征在于：对整个图像分别采取左上和右上方向的不同相位移动方法，对原始图像采用平滑处理，用这个平滑图像和具有相位偏移的两幅图像分别进行差分计算，差分计算的结果为两幅具有相位偏差的图像；分别对两幅差分图像取阈值1进行分割，得到两幅二值图像；对其中一幅二值图像向另一幅图像进行相位移动，使两幅二值图像的相位一致，用这个移动相位的二值图像和另一幅二值图像乘积，即可得到增强处理的二值图像。有益效果：用最简单的图像相位移动、平滑、差分、阈值和乘积算法，在最快的时间内，以最大的特征点保持度完成指纹的二值化全过程。对于低质量的指纹图像，一样具有良好的处理效果，对指纹图像中的浅色的低像素区域有明显的增强效果。

Description

指纹数字图像处理中的相位移动模糊差分二值化方法

技术领域

本发明涉及一种指纹数字图像处理中的相位移动模糊差分二值化方法，属于数字图像处理和模式识别领域。

背景技术

在各类指纹自动识别系统(Automated Fingerprint Identification System，AFIS)中，通常都需要对指纹图像进行二值化处理，二值化的目的是为了后期维化图像，从而减少提取特征和比对计算的复杂程度。在自动指纹识别过程中，特征点的变化，是导致问题出现的根本原因，而产生这一问题主要原因，是在指纹的二值化处理方法上。

二值化是数字指纹自动识别过程中最基本的方法，二值化处理的效果，直接影响到算法的性能。在实际指纹库中，指纹图像的直方图普遍具有单峰的特点，使得在二值化处理指纹过程中难以找到理想的阈值，阈值的每一个变化，都会对特征点造成一定的影响，并且会直接影响到指纹整体特征数量的保持度。因此，阈值必然成为了二值化效果的关键。

选取阈值的方法主要有：基于点的全局阈值选取方法，基于区域的全局阈值选取方法，局部阈值法和多阈值法，这些算法都无法解决指纹直方图的单峰特性，无法保证特征点的数量。目前，比较流行的算法有：基于方向图滤波增强方法和基于梯度矢量滤波增强方法。方向图算法对指纹纹线的宽度十分敏感，方向图窗口的大小影响处理的效果。窗口过大，在指纹中心曲率最大处会发生差错，窗口过小会使粗线变为两个平行的方向。因此，方向图方法仅仅适用于纹线分布均匀、质量非常好的图像。基于梯度矢量的滤波增强方法的关键在于采用的梯度算子，指纹图像的边缘符合分形几何学特性，无论在空域滤波还是在频域滤波，各种边缘检测算子都无法解决纹线的断线问题，检测中产生一些错误的方向。

对于原始图像的在空域和频域的滤波增强处理，都有可能极大地改善图像的质量。但是在处理后，在得到近似双峰的指纹直方图过程中，已经造成了指纹的特征的大量丢失。因此，要提高指纹自动识别的性能，就必需要解决好二值化处理过程中的特征点丢失问题。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种指纹数字图像处理中的相位移动模糊差分二值化方法。

技术方案

本发明的思想是：利用指纹纹线的脊谷相间特性，对整个图像分别采取左上和右上方向的不同相位移动方法，产生了和原始指纹图像对应且脊线和谷线位置相反的两幅图像；对原始图像采用平滑处理，得到一幅平滑图像；用这个平滑图像和具有相位偏移的两幅图像分别进行差分计算，差分计算的结果为两幅具有相位偏差的图像；分别对两幅差分图像取阈值1进行分割，得到两幅二值图像；对其中一幅二值图像向另一幅图像进行相位移动，使两幅二值图像的相位一致，用这个移动相位的二值图像和另一幅二值图像乘积，即可得到增强处理的二值图像。

技术特征在于：利用指纹图像中纹线脊谷相间的特性，采用相位差分和图像乘积的算法来完成指纹图像的二值化，具体步骤为：

步骤1、对于大小为M×N的原始指纹图像I(i，j)，分别向左上方和右上方移动，移动后分别得到与I(i，j)具有同样大小的矩阵M×N的左上移动图像J1(i，j)和右上移动图像J2(i，j)；所述的M×N为长为M个像素，宽为N个像素的图像；所述的c等于5；

步骤2、对于原始图像I(i，j)，采用平滑算法，得到平滑后的图像K(i，j)；

步骤3、用平滑后的图像K(i，j)分别和两个移动过的图像J1(i，j)和J2(i，j)进行差分计算，分别得到左上差分图像G1(i，j)和右上差分图像G2(i，j)；

步骤4、分别对两幅差分图像G1(i，j)，G2(i，j)取阈值为1，进行二值化分割，得到左上二值图像B1(i，j)和右上二值图像B2(i，j)；

步骤5、将二值图像B1(i，j)向另一幅二值图像B2(i，j)的方向移动2c个像素，得到与图像B2(i，j)相位一致的图像B1′(i，j)；

步骤6、将相位一致的图像B1′(i，j)和二值图像B2(i，j)进行乘积运算B1′(i，j)*B2(i，j)，即得到完整的二值图像C。

在上述的在步骤5中，将二值图像B2(i，j)向另一幅二值图像B1(i，j)的方向移动2c个像素，得到与图像B1(i，j)的相位一致的图像B2′(i，j)；相应地在步骤6中，将相位一致的图像B2′(i，j)和另一幅二值图像B1(i，j)进行乘积运算B1(i，j)*B2′(i，j)，得到完整的二值图像C。

有益效果

本发明提出的指纹数字图像处理中的相位移动模糊差分二值化方法，解决了纹线中有粗有细，密度不均，难以选取阈值和二值化处理的问题，并保持的指纹原有的特征数。用最简单的图像相位移动、平滑、差分、阈值和乘积算法，在最快的时间内，以最大的特征点保持度完成指纹的二值化全过程。对于低质量的指纹图像，一样具有良好的处理效果，对指纹图像中的浅色的低像素区域有明显的增强效果。

本方法计算速度快，开销小，非常适合小型指纹比对设备使用。

本发明的指纹的快速二值化算法在于

附图说明

图1：指纹图像的相位差分二值化方法流程图

图2：指纹图像的相位差分二值化效果图

a：原始图像；b：左上相位移动图像；c：右上相位移动图像；

d：原始图像的平滑图像；e：左差分二值图像；f：右差分二值图像；

g：左右重合图像；h：右相位还原图像；i：乘积的二值图像；

j：二值后处理图像；k：原始图像特征图；l：后处理图像特征图。

图3：一枚指纹的相位差分图像的近0点阈值直方图

a：原始图像直方图

b：差分后的指纹图像直方图

图4：一枚指纹的浅色低像素区域增强效果图

a：原始图像

b：二值图像

具体实施方式

现结合附图对本发明作进一步描述：

用于实施的硬件环境是：Pentium-2.66G计算机、1.00GB内存、64M显卡，运行的软件环境是：Window XP。我们用VC++及MATLAB 7.1程序设计语言实现了本发明提出的方法。

设I(i，j)为原始指纹图像，大小为M×N。

步骤1、首先我们对原始图像I(i，j)，大小为640×640，进行相位移动处理。

J1(i，j)，J2(i，j)分别为相位移动图像，与I(i，j)具有同样大小的矩阵M×N。对于图像J1(i，j)，J2(i，j)中的任意像素点与I中的对应点关系分别为：

$\left\{\begin{array}{c}J1(i,j)=I(i-c,j-c)\\ J2(i,j)=I(i-c,j+c)\end{array}\right.;$ 其中c为常数。其中c取值为5。

选取两幅图像的原因在于避免图像差分计算丢失指纹原有的信息。如果相位移动方向和纹线流向一致，在差分中，即使有平滑算法辅助，也有丢失指纹信息的可能。

步骤2、对于原始图像I(i，j)，采用平滑算法。对于平滑处理，采用各种平滑算法都可以，图像在被平滑处理的同时，能够在一定程度上保持纹理结构即可。本实施例中采用极值平滑算法，平滑后的图像为K(i，j)。平滑后的图像和原始图像I(i，j)已经失去了点对点的对应关系，但是这个图像的纹理部分仍然具有一定的相对关系。原始图像的像素峰值部分对应着平滑后图像的谷值部分，原始图像的像素谷值部分对应着平滑后图像的峰值部分。

步骤3、用平滑后的图像K(i，j)分别和两个移动过的图像J1(i，j)和J2(i，j)进行差分计算，分别得到左上差分图像G1(i，j)和右上差分图像G2(i，j)。

图像J1(i，j)，J2(i，j)和图像K(i，j)的差分分别为：

$J1(i,j)-K(i,j)=\left\{\begin{array}{ccc}0& \mathrm{if}& J1I(i,j)=K(i,j);\\ 0& \mathrm{if}& J1(i,j)<K(i,j);\\ G1(i,j)& \mathrm{if}& J1(i,j)>K(i,j);\end{array}\right.$

$J2(i,j)-K(i,j)=\left\{\begin{array}{ccc}0& \mathrm{if}& J2I(i,j)=K(i,j);\\ 0& \mathrm{if}& J2(i,j)<K(i,j);\\ G2(i,j)& \mathrm{if}& J2(i,j)>K(i,j);\end{array}\right.$

差分计算后的图像分别为G1(i，j)和G2(i，j)。

通过差分计算，灰度值相同的背景图像差分为0值、灰度值低的黑色指纹脊线和灰度值高的谷线的差分为负，图像显示为0值、灰度值高的谷线和灰度值低的脊线的差分为正，具有一定的灰度级。通过直方图可以看出，指纹的背景区域，包括纹线间的背景区域(即谷线区域)，通过我们的计算，这些区域的值都为0值，剩下的255个灰度级内的值就全都是指纹纹线了。

步骤4、分别对两幅差分图像G1(i，j)，G2(i，j)取阈值为1，进行二值化分割，得到左上二值图像B1(i，j)和右上二值图像B2(i，j)，阈值为T₀，则有：

$B1(i,j)=\left\{\begin{array}{cc}1& G1(i,j)>T_0\\ 0& G1(i,j)\&le;T_0\end{array}\right.$

$B2(i,j)=\left\{\begin{array}{cc}1& G2(i,j)>T_0\\ 0& G2(i,j)\&le;T_0\end{array}\right.$

本实施例中，T₀＝1

由于我们通过差分算法得到的图像的背景都集中在像素的0值，这样就保证了大于0值的像素只有指纹的纹线了。所以，取接近0值的1值为阈值进行分割，即：T₀＝1即为阈值，把指纹线以外的部分均分割为了背景，从而实现了无敏感阈值干扰的二值化处理方法。

步骤5、将二值图像B1(i，j)向另一幅二值图像相位B2(i，j)移动，得到二值图像的相位一致的图像B1′(i，j)；

两幅差分二值化图像中，对指纹的不同纹线有不同的处理效果，但是两幅图像仍然保留着相对应的相位关系：

B1(i，j)＝B2(i，j-2c)；其中c为常数。

本实施例中常数C取5。

步骤6、将相位移动的图像B1′(i，j)(或B2′(i，j))和另一幅二值图像B1(i，j)(或B2(i，j))进行乘积运算B1′(i，j)*B2(i，j)(或B1(i，j)*B2′(i，j))，即得到完整的二值图像C。

对于两幅二值图像B1(i，j)和B2(i，j-2c)，对其中一幅图像相位移动后，采用图像的乘法计算。这样一幅图像中可能丢失的信息，在另一幅图像中被增强处理，输出的二值图像就能够保留原始图像的全部信息了。其乘积的意义在于利用指纹线黑色像素的0值和背景白色像素的1值把差分计算中与相位一致的被削弱的指纹纹线相互得以加强。即：C(i，j)＝B1(i，j)×B2(i，j-2c)；其中c为常数。本实施例中常数C取5。

由此我们实现了无特征损失的二值化图像C(i，j)。

该方法解决了纹线中有粗有细，密度不均，难以选取阈值和二值化处理的问题，并保持的指纹原有的特征数。对于二值化以后的图像处理，可以利用其它的各种滤波算法对指纹纹线边缘平滑，从而得到较好的细化图像，用于指纹的特征比对和分类。

Claims (2)

1.一种指纹数字图像处理中的相位移动模糊差分二值化方法，其特征在于：利用指纹图像中纹线脊谷相间的特性，采用相位差分和图像乘积的算法来完成指纹图像的二值化，具体步骤为：

步骤1、对于大小为M×N的原始指纹图像I(i，j)，分别向左上方和右上方移动常数c个像素，移动后分别得到与I(i，j)具有同样大小的矩阵M×N的左上移动图像J1(i，j)和右上移动图像J2(i，j)；所述的M×N为长为M个像素，宽为N个像素的图像；所述的c等于5；

步骤2、对于原始图像I(i，j)，采用平滑算法，得到平滑后的图像K(i，j)；

步骤3、用平滑后的图像K(i，j)分别和两个移动过的图像J1(i，j)和J2(i，j)进行差分计算，分别得到左上差分图像G1(i，j)和右上差分图像G2(i，j)；

步骤4、分别对两幅差分图像G1(i，j)，G2(i，j)取阈值为1，进行二值化分割，得到左上二值图像B1(i，j)和右上二值图像B2(i，j)；

步骤5、将二值图像B1(i，j)向另一幅二值图像B2(i，j)的方向移动2c个像素，得到与图像B2(i，j)相位一致的图像B1′(i，j)；

步骤6、将相位一致的图像B1′(i，j)和二值图像B2(i，j)进行乘积运算B1′(i，j)*B2(i，j)，即得到完整的二值图像C。

2.根据权利要求1所述的指纹数字图像处理中的相位移动模糊差分二值化方法，其特征在于：在步骤5中，将二值图像B2(i，j)向另一幅二值图像B1(i，j)的方向移动2c个像素，得到与图像B1(i，j)的相位一致的图像B2′(i，j)；相应地在步骤6中，将相位一致的图像B2′(i，j)和另一幅二值图像B1(i，j)进行乘积运算B1(i，j)*B2′(i，j)，得到完整的二值图像C^.。

Images