CN101329726A - 一种基于一维滤波的指纹图像增强方法 - Google Patents

Abstract

本发明提供一种基于一维滤波的指纹图像增强方法，属于图像处理技术领域。首先对灰度图像进行灰度截剪和灰度拉伸，使指纹图像的前景和背景的对比度得到增强；然后采用结构张量的性质对指纹的方向场进行精确估计；接着，采用一维高斯滤波器在脊线方向上对指纹图像进行平滑，采用一维Gabor滤波器在梯度方向(即垂直于脊线方向的方向)上对指纹图像进行增强。对增强后的指纹图像再次进行方向场估计和增强，这样迭代多次后的指纹图像能够达到比较好的效果。采用本发明的基于一维滤波的快速指纹增强算法能够大大在较少的时间内达到较好的增强效果，而且该算法对低质量指纹图像的增强特别有效。

Description

一种基于一维滤波的指纹图像增强方法

技术领域

本发明属于图像处理技术领域，特别涉及指纹识别技术中的指纹图像处理技术。

背景技术

生物特征识别技术是为了进行身份验证而采用自动技术测量其身体的特征或是个人的行为特点，并将这些特征或特点与数据库的模板数据进行比较，完成认证的一种解决方案。作为生物识别技术中最为成熟和方便的成员，指纹识别技术已成功应用于社会的各个领域。如：门禁、考勤系统、电子商务、ATM自动提款机以及罪犯身份鉴定系统等。依赖指纹识别技术建立的指纹自动识别系统作为一种安全可靠的身份识别方法，随着光学扫描技术和RFID技术的发展，个人的指纹信息能够潜入到IC中，使得指纹识别可以在更广泛的领域中得以发展。详见文献Anil Jain，On-Line Fingerprint Verification，IEEE TRANSACTIONS ON PATTERNANALYSIS AND MACHINE INTELLIGENCE，VOL.19，NO.4，APRIL 1997；和文献：Anil K.Jain，Arun Ross，Salil Prabhakar，“An Introduction to Biometric Recognition”，IEEE Transaction onCircuits and Systems for Video Technology，Volume 14，No.1，pp4-20，2004所述。

在指纹自动识别系统中，指纹图像增强是一项关键的技术，指纹图像增强的目的有：(1)平滑噪声，(2)提高指纹中脊线和谷线的对比度，(3)连接断裂的脊线和谷线。然而，指纹采集过程中通常伴随着各种各样的噪声，一部分是由于采集仪器造成的，如采集仪上的污质，仪器参数设置的不巧当等。另外一部分是由于手指的状态造成的，如手指的过干，太湿，伤疤，脱皮等。这些噪声的存在，往往会导致指纹特征的提取与原来指纹的特征会产生很大的偏差。目前已有的算法中，虽然有比较好的指纹增强算法，但是要消耗大量的时间，因此我们旨在设计一种既能得到较好增强效果，又能节省时间的指纹增强算法。详见文献JoachimWeickert.Coherence-Enhancing Diffusion Filtering.International Journal of Computer Vision，Vol.31，No.2/3，pp.111-127，April 1999；Lin Hong，Yifei Wan，and Anil Jain.Fingerprint ImageEnhancement：Algorithm and Performance Evaluation.IEEE TRANSACTIONS ON PATTERNANALYSIS AND MACHINE INTELLIGENCE，VOL.20，NO.8，AUGUST 1998和文献JianxinChen，Jie Tian.Low quality fingerprint enhancement based on frequency filtering.Symposium of4^th biometric recognition.Dec.2003所述。

目前常用的指纹图像增强算法有：

(1)Gabor滤波增强。Lin Hong，Yifei Wan，and Anil Jain.Fingerprint Image Enhancement：Algorithm and Performance Evaluation.IEEE TRANSACTIONS ON PATTERN ANALYSIS ANDMACHINE INTELLIGENCE，VOL.20，NO.8，AUGUST 1998

(2)基于FFT的频率增强算法。Jianxin Chen，Jie Tian.Low quality fingerprint enhancementbased on frequency filtering.Symposium of 4^th biometric recognition.Dec.2003

(3)基于知识的指纹增强算法。Luo X.，Tian J.Knowledge based fingerprint imageenhancement.Proceedings of International Conference on Pattern Recognition，2000，IV：783～786

(4)基于非线性扩散模型的增强算法。Joachim Weickert.Coherence-Enhancing DiffusionFiltering.International Journal of Computer Vision，Vol.31，No.2/3，pp.111-127，April 1999

上述指纹增强算法都在一定程度上存在问题，计算量过大、抗噪声能力弱、通用性不强等等。而本发明的指纹增强算法同样是对图像在其脊线方向上进行平滑处理，在垂直脊线上进行带通滤波处理。但是本发明采用的是一维滤波方法而且是基于点的滤波(有别于算法1的块滤波和2维的滤波方法)。同时本算法采用了算法4的通过反复进行增强的算法来提高方向场的准确性和增强效果，但是算法4的计算速度慢，而且只在脊线方向上进行增强。因此本发明采用的增强算法具有增强效果好，计算量适中的特点。

发明内容

本发明提供一种基于一维滤波的指纹图像增强方法，能够有效的去除噪声，提高指纹脊线和谷线的对比度，同时连接断裂的指纹纹路，并且本发明具有运算量较小、耗时较短的特点，能妈祖实时指纹识别的要求。

为了方便地描述本发明内容，首先对一些术语进行定义。

定义1：指纹。手指末端正面皮肤上凹凸不平的纹路。

定义2：灰度图像。图像中只包含亮度信息而没有任何其他颜色信息的图像。

定义3：灰度截剪。将某一较大范围内的灰度值映射到另一更小范围内的灰度值。灰度截剪能够降低尖锐噪声对图像的影响。

定义4：灰度拉伸。将某一较小范围内的灰度值映射到另一更大范围内的灰度值。灰度拉伸能够提高灰度图像的对比度，使图像的细节更加明显。

定义5：一阶灰度差分。在灰度图像中，在某一方向上的相邻像素的灰度差作为该处的一阶差分值。一阶差分能够突出图像的垂直边缘信息，便于边缘提取。

定义6：指纹方向场。指纹图像上对应点的局部脊线方向。

定义7：结构张量。对称正定的二维矩阵，其特征值小的特征向量对应于指纹脊线的方向。

定义8：图像滤波。用模板算子对图像进行卷积运算。

定义9：1D高斯滤波器。由高斯函数得到滤波器的系数，其通常表现为低通滤波器，有着平滑图像的作用。

定义10：1D Gabor滤波器。用特定频率的三角函数对高斯滤波器进行调制所得到的带通滤波器，其通常起着增强特定频率的图像纹路的作用。

定义11：灰度投影。在某一方向上对所有像素灰度进行累加。

本发明提供的一种基于一维滤波的指纹图像增强方法，包含下述步骤：

步骤1、对指纹前景区域图像gray0进行灰度截剪和灰度拉伸以提高指纹脊线和谷线的对比度。

步骤1-1、计算指纹前景区域图像gray0的灰度平均值Mean，上均值Upper_mean，下均值Under_mean，上标准差Upper_var和下标准差Under_var。

$\mathrm{Mean}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$

$\mathrm{Under}\_\mathrm{mean}=\frac{1}{N_0}\underset{k=1}{\overset{N_0}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$ 若gray0(i，j)＜Mean

$\mathrm{Upper}\_\mathrm{mean}=\frac{1}{M_0}\underset{k=1}{\overset{M_0}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$ 若gray0(i，j)＞Mean

$\mathrm{Under}\_\mathrm{var}=\sqrt{\frac{1}{N_0}\underset{k=1}{\overset{N_0}{\mathrm{\Σ}}}{(\mathrm{gray}0(i,j)-\mathrm{Under}\_\mathrm{mean})}^2}$ 若gray0(i，j)＜Mean

$\mathrm{Upper}\_\mathrm{var}=\sqrt{\frac{1}{M_0}\underset{k=1}{\overset{M_0}{\mathrm{\Σ}}}{(\mathrm{gray}0(i,j)-\mathrm{Upper}\_\mathrm{mean})}^2}$ 若gray0(i，j)＞Mean

上述公式中，gray0(i，j)表示指纹前景区域图像gray0中像素点(i，j)的灰度值，M为指纹前景区域图像gray0在一唯横向上的像素点个数，N为指纹前景区域图像gray0在一唯纵向上的像素点个数，MN为指纹前景区域图像gray0总的像素点个数，N₀为灰度值小于平均灰度值Mean的像素点个数，M₀为灰度值大于平均灰度值Mean的像素点个数。

步骤1-2、对指纹前景区域图像gray0进行如下方式的灰度截剪，得到灰度截剪的指纹前景区域图像gray1，以消除尖锐噪声。

步骤1-3、对经步骤1-2所得的灰度截剪后的指纹前景区域图像gray1按下述公式进行灰度拉伸，使灰度范围为[0，255]，得到灰度拉伸的指纹前景区域图像gray2。

$\mathrm{gray}2(i,j)=\frac{\mathrm{gray}1(i,j)-\mathrm{low}\_\mathrm{bound}}{\mathrm{high}\_\mathrm{bound}-\mathrm{low}\_\mathrm{bound}}\×255$

其中，high_bound为步骤1-2灰度截剪后的指纹前景图像gray1的灰度最大值，low_bound为步骤1-2灰度截剪后的指纹前景图像gray1的灰度最小值。

步骤2、计算经步骤1所得的灰度拉伸的指纹前景图像gray2的点方向场。

步骤2-1、用下式的高斯滤波器g_σ对步骤1所得的灰度拉伸的指纹前景区域图像gray2进行平滑，得到平滑图像v。

v＝gray *g_σ

$g_{\mathrm{\σ}}(i,j)\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{i^2+j^2}{2{\mathrm{\σ}}^2})$

其中，σ为高斯滤波器g_σ的标准差，*代表卷积运算。

步骤2-2、计算图像v的横向一阶差分图像v_x和纵向一阶差分图像v_y。

步骤2-3、计算图像v的每一像素的结构张量S，其中g_ρ是标准差为ρ的高斯滤波器，

$S=\left[\begin{array}{cc}a& b\\ b& c\end{array}\right]=g_{\mathrm{\ρ}}*\left[\begin{array}{cc}{v}_x^2& v_x{v}_y\\ v_x{v}_y& v_y^2\end{array}\right]$

其中， $a=g_{\mathrm{\ρ}}*v_x^2,$ b＝g_ρ*v_xv_y， $c=g_{\mathrm{\ρ}}*v_y^2.$

步骤2-4、计算结构张量的小特征值所对应的特征向量(该特征向量所对应的方向为指纹的脊线方向)，并通过下式计算其对应的指纹的脊线方向O(i，j)

$O(i,j)=\arctan \frac{2b}{c-a-\sqrt{{(c-a)}^2+4b^2}}$

步骤3、对灰度拉伸的灰度图像gray2的每一像素点(i，j)，在脊线方向上用一维高斯滤波器h(k)，k∈[1，N]进行平滑，并得到平滑图像enhance_gray。

$\mathrm{enhance}\_\mathrm{gray}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}h\left(k\right)\×\mathrm{gray}(x_i,y_j)$

$\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]=\left[\begin{array}{c}i\\ j\end{array}\right]+k\left[\begin{array}{c}\cos O(i,j)\\ \sin O(i,j)\end{array}\right]$

步骤4、对平滑图像enhance_gray的每一像素点(i，j)，在梯度方向上，即垂直于脊线的方向上用一维Gabor滤波器g(k)，k∈[1，N]进行增强，得到增强图像result_gray；

$\mathrm{result}\_\mathrm{gray}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}g\left(k\right)\×\mathrm{enhance}\_\mathrm{gray}(x_i,y_j)$

$\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]=\left[\begin{array}{c}i\\ j\end{array}\right]+k\left[\begin{array}{c}\cos \mathrm{\θ}(i,j)\\ \sin \mathrm{\θ}(i,j)\end{array}\right]$

$g(k,f)=\exp (-\frac{k^2}{2{\mathrm{\σ}}^2})\×\cos \left(2\mathrm{\πf}\right)$

其中，θ(i，j)为垂直于O(i，j)的梯度方向；f为采用投影法估计的指纹脊线的频率

步骤5、将增强图像result_gray代替灰度拉伸的指纹前景区域图像gray2，重复执行步骤2步骤4。重复执行3-4次后得到的增强图像result_gray即是最终的指纹增强图像。这里进行重复执行的目的既为了提高方向场的准确度，又为了能够连接脊线或谷线中的较宽裂痕。

通过以上步骤，我们就能效果较好地的指纹增强图像。

需要说明的是：

步骤1中的灰度截剪的作用是为了消除尖锐噪声的影响，使噪声幅度限制在一定的范围之内。同时也使得整个指纹图像的灰度值分布在一个比较集中的区域，以便后面的灰度拉伸更有效。而灰度拉伸的主要目的是为了增加指纹图像的前景区域和背景区域的对比度。

步骤2采用了结构张量的性质来计算指纹的方向场，其中指纹图像中的每一像素有一个对应的结构张量。其中的高斯滤波器g_σ用来平滑灰度图像的，因此其标准差取值不宜过大，一般σ∈[0，1]，而高斯滤波器g_ρ用来平滑指纹方向图的，因此其标准差不宜过小，一般ρ∈[5，10]。

步骤3中，在脊线方向上用低通滤波器平滑的方法，类似于非线性扩散模型的增强算法，能够得到比较好地增强效果。其中，高斯滤波器的标准差一般取值较大，一般取值范围为[5，10]。

步骤4中，在梯度方向上用带通滤波器增强的算法，类似于Gabor滤波器的增强算法，能够较好的提高脊线和谷线的对比度。因为一个指纹中的脊线频率大致相等，所以我们对所有的像素进行增强时采用固定的频率，从而减少计算量。其中的Gabor滤波器g(k)中的标准差大于两条相邻脊线间的宽度，取值范围通常为[8，15]。

步骤5中，采用迭代方式进行增强，因为增强后的图像的方向场计算会更加精确，而且能够使得有较宽裂痕的脊线或谷线能够接上。

在实际计算中，为了减少计算量，我们需要首先创建各平滑函数的查找表和各方向上不同位置的查找表，这样就能够在增加存储量的条件下提高算法的速度。同时，用高斯模板对灰度图像平滑消耗大量的时间，为此我们间隔行和列的方法对一些像素进行卷积操作，然后再对未卷积过的像素进行插值，这样我们能够节省大约1/3的时间。

本发明的创新之处在于：

1、采用结构张量来得到比较准确地指纹方向场；

2、采用指纹脊线方向上的一维低通滤波和梯度方向上的一维带通滤波对指纹图像进行快速的增强；

3、采用间隔行和列的方法对指纹图像进行卷积，然后再进行插值。这样能够大大减少计算时间；

4、采用迭代的增强方法，使得方向场的估计更加精确，图像的增强更加有效。

具体实施方式

采用本发明的方法在VC6.0软件中实现，而指纹图像则由CMOS压感传感器获得。用VC6.0在PC Intel Celeron 1.0GHZ中完成一幅指纹图像增强的平均时间为0.6s。

下面以给出一个具体的本发明的实现例。

需要说明的是：下例中的参数并不影响本专利的一般性。

1、采集指纹图像，并采用步骤1-步骤3的方法对图像进行截剪和拉伸。

2、用高斯滤波器对指纹图像进行平滑，这里的高斯模板大小为3×3，标准差为0.5。

3、计算指纹图像的横向和纵向的一阶差分图像。

4、对指纹图像的每一像素计算其结构张量，这里的高斯模板的大小为5×5，标准差为5。

5、计算每个像素点处的脊线方向，这里将方向划分成180等分，这样其精度就可以达到1度。

6、用一维高斯滤波器在脊线方向上对指纹图像进行平滑，这里的高斯模板大小为1×5，标准差为5。

7、用一维Gabor滤波器在梯度方向上对指纹图像进行增强，这里的Gabor滤波器的大小为1×7，脊线的频率为1/9。

重复步骤2——步骤7，迭代3次后得到最终的指纹增强图像。

Claims (5)

1、一种基于一维滤波的指纹图像增强方法，包含下述步骤：

步骤1、对指纹前景区域图像gray0进行灰度截剪和灰度拉伸以提高指纹脊线和谷线的对比度，具体包括以下步骤：

步骤1-1、计算指纹前景区域图像gray0的灰度平均值Mean，上均值Upper_mean，下均值Under_mean，上标准差Upper_var和下标准差Under_var：

$\mathrm{Mean}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$

$\mathrm{Under}\_\mathrm{mean}=\frac{1}{N_0}\underset{k=1}{\overset{N_0}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$ 若gray0(i，j)＜Mean

$\mathrm{Upper}\_\mathrm{mean}=\frac{1}{M_0}\underset{k=1}{\overset{M_0}{\mathrm{\Σ}}}\mathrm{gray}0(i,j)$ 若gray0(i，j)＞Mean

$\mathrm{Under}\_\mathrm{var}=\sqrt{\frac{1}{N_0}\underset{k=1}{\overset{N_0}{\mathrm{\Σ}}}{(\mathrm{gray}0(i,j)-\mathrm{Under}\_\mathrm{mean})}^2}$ 若gray0(i，j)＜Mean

$\mathrm{Upper}\_\mathrm{var}=\sqrt{\frac{1}{M_0}\underset{k=1}{\overset{M_0}{\mathrm{\Σ}}}{(\mathrm{gray}0(i,j)-\mathrm{Upper}\_\mathrm{mean})}^2}$ 若gray0(i，j)＞Mean

上述公式中，gray0(i，j)表示指纹前景区域图像gray0中像素点(i，j)的灰度值，M为指纹前景区域图像gray0在一维横向上的像素点个数，N为指纹前景区域图像gray0在一维纵向上的像素点个数，MN为指纹前景区域图像gray0总的像素点个数，N₀为灰度值小于平均灰度值Mean的像素点个数，M₀为灰度值大于平均灰度值Mean的像素点个数；

步骤1-2、对指纹前景区域图像gray0进行如下方式的灰度截剪，得到灰度截剪的指纹前景区域图像gray1，以消除尖锐噪声，具体包括以下步骤：

步骤1-3、对经步骤1-2所得的灰度截剪后的指纹前景区域图像gray1按下述公式进行灰度拉伸，使灰度范围为[0，255]，得到灰度拉伸的指纹前景区域图像gray2；

$\mathrm{gray}2(i,j)=\frac{\mathrm{gray}1(i,j)-\mathrm{low}\_\mathrm{bound}}{\mathrm{high}\_\mathrm{bound}-\mathrm{low}\_\mathrm{bound}}\×255$

其中，high_bound为步骤1-2灰度截剪后的指纹前景图像gray1的灰度最大值，low_bound为步骤1-2灰度截剪后的指纹前景图像gray1的灰度最小值；

步骤2、计算经步骤1所得的灰度拉伸的指纹前景图像gray2的点方向场，具体包括以下步骤：

步骤2-1、用高斯滤波器g_σ对步骤1所得的灰度拉伸的指纹前景区域图像gray2进行平滑，得到平滑图像v。

v＝gray*g_σ

$g_{\mathrm{\σ}}(i,j)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{i^2+j^2}{2{\mathrm{\σ}}^2})$

其中，σ为高斯滤波器g_σ的标准差，*代表卷积运算；

步骤2-2、计算图像v的横向一阶差分图像v_x和纵向一阶差分图像v_y；

步骤2-3、计算图像v的每一像素的结构张量S，其中g_ρ是标准差为ρ的高斯滤波器，

$S=\left[\begin{array}{cc}a& b\\ b& c\end{array}\right]=g_{\mathrm{\ρ}}*\left[\begin{array}{cc}{v}_x^2& v_x{v}_y\\ v_x{v}_y& v_y^2\end{array}\right]$

其中， $a=g_{\mathrm{\ρ}}*v_x^2,$ b＝g_ρ*v_xv_y， $c=g_{\mathrm{\ρ}}*v_y^2;$

步骤2-4、计算结构张量的小特征值所对应的特征向量，并通过下式计算其对应的指纹的脊线方向O(i，j)：

$O(i,j)\text{=arctan}\frac{2b}{c-a-\sqrt{{(c-a)}^2+4b^2}}$

步骤3、对灰度拉伸的灰度图像gray2的每一像素点(i，j)，在脊线方向上用一维高斯滤波器h(k)，k∈[1，N]进行平滑，并得到平滑图像enhance_gray；

$\mathrm{enhance}\_\mathrm{gray}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}h\left(k\right)\×\mathrm{gray}(x_i,y_j)$

$\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]=\left[\begin{array}{c}i\\ j\end{array}\right]+k\left[\begin{array}{c}\cos O(i,j)\\ \sin O(i,j)\end{array}\right]$

步骤4、对平滑图像enhance_gray的每一像素点(i，j)，在梯度方向上，即垂直于脊线的方向上用一维Gabor滤波器g(k)，k∈[1，N]进行增强，得到增强图像result_gray；

$\mathrm{result}\_\mathrm{gray}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}g\left(k\right)\×\mathrm{enhance}\_\mathrm{gray}(x_i,y_i)$

$\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right]=\left[\begin{array}{c}i\\ j\end{array}\right]+k\left[\begin{array}{c}\cos \mathrm{\θ}(i,j)\\ \sin \mathrm{\θ}(i,j)\end{array}\right]$

$g(k,f)=\exp (-\frac{k^2}{2{\mathrm{\σ}}^2})\×\cos \left(2\mathrm{\πf}\right)$

其中，θ(i，j)为垂直于O(i，j)的梯度方向；f为采用投影法估计的指纹脊线的频率；

步骤5、将增强图像result_gray代替灰度拉伸的指纹前景区域图像gray2，重复执行步骤2-步骤4，重复执行3-4次后得到的增强图像result_gray即是最终的指纹增强图像。

2、根据权利要求1所述的基于一维滤波的指纹图像增强方法，其特征在于，步骤2-1中所述高斯滤波器g_σ的标准差σ∈[0，1]。

3、根据权利要求1所述的基于一维滤波的指纹图像增强方法，其特征在于，步骤2-3中所述高斯滤波器g_ρ的标准差ρ∈[5，10]。

4、根据权利要求1所述的基于一维滤波的指纹图像增强方法，其特征在于，步骤3中所述一维高斯滤波器h(k)的标准差取值范围为[5，10]。

5、根据权利要求1所述的基于一维滤波的指纹图像增强方法，其特征在于，步骤4中所述Gabor滤波器g(k)中的标准差大于两条相邻脊线间的宽度，取值范围为[8，15]。