CN101576999B - 一种指纹图像方向增强方法 - Google Patents

Abstract

本发明涉本发明涉及指纹图像处理领域；尤其涉及一种指纹图像方向增强方法。本发明所采取的技术手段是：1)增添了Gabor预滤波步骤，对原始图像进行初步方向性滤波增强后，重新调整滤波参数，进行第二次Gabor精确滤波；2)采取Gabor滤波器通频带自适应措施，计算原始指纹图像、预滤波指纹图像各自的数字特征，动态调整滤波器的通频带宽。本发明所产生的有益效果是：1)改进了现有技术仅一次滤波，且滤波参数为经验固定值，滤波效果过于粗糙的缺陷；2)指纹纹线分离明显，纹线边缘平滑，纹线上噪声点被滤除，同时保存疤痕等本来面貌；3)在指纹纹线的均匀性、清晰度和断纹的修复能力等方面，与现有技术相比，有了显著的提高。

Description

一种指纹图像方向增强方法

技术领域

本发明涉及指纹图像处理领域；尤其涉及一种指纹图像方向增强方法。

背景技术

指纹由脊线和谷线交替构成。在理想指纹图像中，脊线和谷线粗细均匀，除了细节点、奇异点等个别区域外，大部分区域的脊、谷线之间互相平行、间隔匀称，呈现连续、方向平缓变化的曲线形态。在指纹图像摄取时，由于各种原因使得指纹图像达不到上述理想状态，需要通过指纹图像增强技术，消除噪声，对原始采集的指纹图像中的有效信息进行增强，恢复出真实、清晰的指纹纹线结构，达到提高图像质量的效果。

数字图像处理技术中，采用一些通用的图像增强方法，如均值滤波、低通滤波、边缘增强等，滤除图像中的随机噪声。对于结构性噪声造成的指纹图像模糊，则要根据其邻域特征如纹线方向、连续性、纹线走势等进行分析，采用具有方向和频率选择特性的滤波器进行指纹增强处理，使指纹纹线接续流畅、分离清晰、边缘平滑；同时保留疤痕等自然面貌，复出清晰优质的指纹图像，避免因出现虚假细节点而导致的系统性能下降，其中最常用的是Gabor带通滤波器。

Gabor滤波器一般形式为：

其中，

为滤波器的二维旋转角度，即指纹图像的纹线梯度方向与水平方向的夹角；(x，y)为象素点的坐标；f为脊线频率；δ_x，δ_y分别是沿着x和y轴高斯包络的空间常量。对指纹图像进行滤波时，沿x和y轴高斯包络空间常量δ_x，δ_y取值相等，即δ_x＝δ_y＝δ，则有简化的Gabor滤波公式：

该滤波器的方向通频带

为

频率通频带ξ_f为

由于δ_x＝δ_y＝δ，则指纹滤波器的通频带ξ可表示为

但是，现有指纹采用Gabor滤波的方法在方向增强的技术效果方面还存在问题，主要表现在，现有指纹图像预处理仅采用一次性Gabor滤波，滤波效果过于粗糙；而且Gabor滤波器通频带参数ξ的设置(数量上等于滤波器高斯包络空间常量δ的倒数)，是按照指纹图像质量处于理想状态的假设所给出一个固定的经验值。在现实应用中，如果遇到非理想状态指纹图像，譬如过干手指使指纹图像纹路断裂、或者过湿手指使指纹图像纹路粘连的情况，需要动态调整δ的取值，改变滤波通频带ξ的宽窄，以便适应不同指纹图像品质特性的滤波要求时，现有指纹滤波增强技术在适应性、指纹增强效果方面存在明显的不足。

发明内容

为了解决上述问题，本发明的第一个目的是，增添Gabor预滤波步骤，对原始指纹图像进行初步方向性滤波增强后，重新调整滤波参数，进行第二次Gabor精确滤波；本发明的第二个目的是：增添Gabor滤波器通频带自适应能力，根据原始指纹图像、预滤波指纹图像各自的数据特征，动态调整滤波器的通频带宽，使指纹纹线分离明显，纹线边缘平滑，纹线上噪声点被滤除，同时保存疤痕等本来面貌。达到指纹图像在纹线的均匀性、清晰度和断纹的修复能力方面，比现有一次Gabor滤波有显著提高的效果。

为了达到上述目的，本发明所采取的技术措施包括以下步骤：

1)建立手指湿度P_w与最适合Gabor滤波参数δ_p的映射关系，方法是：

1_以P_w为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，计算该类指纹图像的手指湿度P_w，对于每一个值域为P_w(0，1)的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出对于该图像最合适的Gabor滤波参数δ_p；

3_以此建立数值为P_w的指纹图像与其最合适Gabor滤波参数δ_p的映射表；

2)建立指纹纹线频率f与最适合Gabor滤波参数δ_f的映射关系，方法是：

1_以

为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，用不同方法计算该类指纹图像的纹线频率f，对于每一个

值域为[3，25]的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出最合适的Gabor滤波参数δ_f；

3_以此建立数值为

的指纹图像与其最合适Gabor滤波参数δ_f的映射表；

3)根据不同资源配置情况下对运算精度和运算速度的要求，选择恰当的方法计算指纹纹线方向

或

指纹纹线频率f或f′；

4)以原始图像I为处理对象，计算手指湿度P_w、纹线频率f或f′；

5)根据计算值P_w、f或f′，在步骤1)、步骤2)所确定的映射表中，检索最合适Gabor滤波参数δ_p和δ_f；

6)根据最合适Gabor滤波参数δ_p和δ_f，确定最佳滤波参数δ_o；

7)应用最佳滤波参数δ_o设定Gabor滤波参数δ，对原始图像I进行预滤波，获得预滤波图像I′；

8)以预滤波图像I′为处理对象，重复步骤3)～步骤6)，计算第二次最佳滤波参数δ_s；

9)应用第二次最佳滤波参数δ_s取代原先Gabor滤波器中的预滤波参数δ_o，对预滤波图像I′进行二次滤波，获得二次滤波图像I′‘。

本发明在一个较佳实施例中，计算手指湿度P_w的方法是：

1)将指纹图像划分为多个不相重叠大小为N×N的区块；

2)计算区块灰度均值E_N；

3)累加计算灰度值大于C₁E_N的像素个数N_h，其中C₁为湿区域阈值调节系数；

4)累加计算灰度值小于C₂E_N的像素个数N_l，其中C₂为干区域阈值调节系数；

5)计算手指湿度 $P_w=\frac{N_h}{N_l}\×100\%.$

本发明可以根据不同资源配置情况下对运算精度和运算速度的要求，选择恰当的方法计算指纹纹线频率f或f′。当运算资源充裕、运算精度要求较高情况下，可以采用以下计算步骤：

1)将指纹图像划分为多个不相重叠大小为N×N的区块；

2)用梯度算子计算各点的水平梯度和垂直梯度[G_x，G_y]^T，其中G_x表示水平梯度，G_y表示垂直梯度；

3)对梯度[G_x，G_y]^T作平滑运算： ${[\stackrel{\‾}{G_{\mathrm{sx}}},\stackrel{\‾}{G_{\mathrm{sy}}}]}^T={[\underset{W_g\×W_g}{\mathrm{\Σ}}({G_x}^2-{G_y}^2),\underset{W_g\×W_g}{\mathrm{\Σ}}2G_x{G}_y]}^T,$ 其中

和

分别表示对G_x和G_y作平滑计算后的水平梯度和垂直梯度；

4)计算区块梯度： ${[G_{\mathrm{bx}},G_{\mathrm{by}}]}^T={[\underset{N\×N}{\mathrm{\Σ}}\stackrel{\‾}{G_{\mathrm{sx}}},\underset{N\×N}{\mathrm{\Σ}}\stackrel{\‾}{G_{\mathrm{sy}}}]}^T,$ 其中G_bx表示块水平梯度，G_by表示块垂直梯度；

5)计算区块方向 $\mathrm{\θ}=\frac{1}{2}{\mathrm{tg}}^{-1}\left(\frac{G_{\mathrm{by}}}{G_{\mathrm{bx}}}\right);$

6)计算纹线方向

7)对纹线方向

采用中值滤波进行平滑处理后，得到平滑后纹线方向

8)对每个中心在(i，j)的块，开一个W×L的矩形窗口，将短边W指向

以L上各点为起始，计算该点沿W方向各像素的均值 $x\left(k\right)=\frac{1}{W}\underset{d=0}{\overset{W-1}{\mathrm{\Σ}}}F(u,v),$ (k＝0，1，2，……L-1；d＝0，1，2，……W-1)，式中：

9)计算纹线宽度 $D=\frac{1}{M+N}(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{D}_{\mathrm{peank}\left(n\right)}+\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}{D}_{\mathrm{bottom}\left(m\right)}),$ 其中：

1_D_peak(n)为峰峰之间平均距离(以像素个数计算)；

2_D_bottom(m)为谷谷平均距离；

10)计算纹线频率 $f=\frac{1}{D}.$

在系统资源受到限制，又须有较快运算速度要求的应用环境，可以采用以下步骤计算纹线频率f′和方向

1)将指纹图像划分为多个数倍于N的不相重叠大小为M×M的区块；

2)逐一对M区块内的指纹图像行离散傅立叶变换(DFT)获得矩阵

$f(u,v)=\frac{1}{\mathrm{MM}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{M-1}{\mathrm{\Σ}}}f(x,y)\×\exp [-j2\mathrm{\π}(\frac{\mathrm{ux}}{M}+\frac{\mathrm{vy}}{M})];$

3)将矩阵F(u，v)的原点移到矩阵中心位置：

4)在频域中找出两个频谱峰，计算频谱峰之间的距离d_p、以及两个频谱峰连线与水平线的夹角

5)计算纹线频率 $f^{\′}=\frac{d_p}{2M}.$

本发明在一个较佳实施例中，确定最佳滤波参数δ_o的方法，采用对滤波参数δ_p和δ_f进行加权计算获得，具体的计算公式是δ_o＝αδ_p+(1-α)δ_f，其中α取值范围是[0，1]。有益效果

1、本发明增添了Gabor预滤波步骤，对原始图像进行初步方向性滤波增强后，重新调整滤波参数，进行第二次Gabor精确滤波。改进了现有技术仅一次滤波，且滤波参数为经验固定值，滤波效果过于粗糙的缺陷。

2、本发明还采取了Gabor滤波器通频带自适应技术手段，计算原始指纹图像、预滤波指纹图像各自的数字特征，动态调整滤波器的通频带宽，使指纹纹线分离明显，纹线边缘平滑，纹线上噪声点被滤除，同时保存疤痕等本来面貌。与现有一次Gabor滤波技术相比，在指纹纹线的均匀性、清晰度和断纹的修复能力等方面，有了显著的提高。

附图说明

附图1是本发明所提供技术解决办法的分步骤实施图；

附图2是本发明在一个较佳实施例中所建立的手指湿度P_w与最适合Gabor滤波参数δ_p映射关系图；

附图3是在系统资源受到限制，采用频率计算方法时，图像区块的划分示意图；

附图4是指纹片段与它的频谱图，以及取值示意图。

附图5是本发明在另一个较佳实施例中所建立的纹线频率f或f′与最适合Gabor滤波参数δ_f映射关系图；

附图6是本发明在一个较佳实施例中，对于干、湿手指产生的指纹原始图像，分别使用传统固定滤波参数一次性Gabor滤波，与本发明所提供的预滤波技术方案处理效果对比图；

附图7是本发明在同样一个实施例中，对于同样的干、湿手指产生的指纹原始图像，传统固定滤波参数一次性Gabor滤波处理效果，与本发明预滤波、二次滤波的处理效果对比图。

具体实施方式

下面结合附图对本发明所提出的技术方案作进一步的说明。

附图1是本发明所提供技术解决办法的分步骤实施图。共分为3个环节10个步骤。其中：

1)环节A包括1～4步骤，其作用是确立各类指纹图像与最合适Gabor滤波参数δ_p和δ_f的对应关系、以及针对系统资源配置情况选择合适的参数计算方法；

2)环节B包括5～8步骤，其作用是首先对被处理的图像数字特征进行分析，然后根据这些数字特征在环节A所建立的对应(映射)关系中，检索出最合适滤波参数，并计算出最佳滤波参数δ_o，以此调整Gabor滤波参数δ对指纹图像I实施预滤波；

3)环节C包括9～10步骤，其作用是应用环节A、B建立的规则和方法，对预滤波图像I’再次分析计算，二次优化滤波参数后，实行二次滤波。

以下按实施步骤对本发明的技术方案逐步加以说明：

本发明所采取的第一步技术措施是，根据指纹原始图像，计算手指湿度P_w，以便对不同干湿程度手指所产生的指纹图像进行量化，作为与最适合的Gabor滤波参数δ建立对应关系的依据之一。

1)采用的方法是：

1_将指纹图像划分为多个不相重叠大小为N×N的区块；

2_计算区块灰度均值E_N；

3_累加计算灰度值大于C₁E_N的像素个数N_h，其中C₁为湿区域阈值调节系数；

4_累加计算灰度值小于C₂E_N的像素个数N_l，其中C₂为干区域阈值调节系数；

5_计算手指湿度 $P_w=\frac{N_h}{N_l}\×100\%.$

2)在本发明一个较佳实施例中，具体参数设置如下：

1_N一般取8～16个像素；

2_基于增强临界区域数据鲁棒性的考虑，C₁取0.9、C₂取1.1，分别计算出N_h和N_l：

3_按照下列计算公式计算手指湿度 $P_w=\frac{N_h}{N_l}\×100\%.$

计算出手指湿度P_w以后，为了改进指纹图像方向增强的效果，对于不同干湿程度手指形成的指纹图像的处理原则是；比较湿或者粘连模糊程度比较高的图像，应该保留更多的细节以防止更严重的粘连出现；对于比较干的，则应模糊细节，使之具有更好的断裂脊线接续效果。从频率响应上来看比较湿或者粘连模糊程度比较高的图像应当适当选择通频带较宽的滤波器，从而让高频细节信息能落在通频带中；而对于干手指则应选择通频带较窄的滤波器(具有更好的平滑效果)，滤去高频成分达到接续断裂的目的。

由于Gabor滤波参数δ直接决定了Gabor方向滤波函数的通频带宽，即δ越小通频带越宽，δ越大通频带越窄。一般情况下，对于纹线较窄的图像应当选取通频带较宽也就是δ比较小的Gabor滤波器进行滤波，以保证其纹线信息特征。对于粘连模糊比较严重的图像，同样也需要选择选δ比较小的Gabor滤波器，否则有可能在Gabor滤波之后带来更大的粘连或模糊；对于纹线比较宽、比较干的图像，应当选取通频带较窄也就是δ比较大的Gabor滤波器进行滤波。

为此，本发明所采取的第二步技术措施是，利用手指湿润或指纹图像粘连模糊程度，也就是第一步技术措施所量化的手指湿度P_w作为选择最合适Gabor滤波通频带带宽的判据，同样的也可以选择纹线宽度作为滤波通频带带宽的判据。具体的实现方式是：

1)建立手指湿度P_w与最适合Gabor滤波参数δ_p映射关系。具体实现方式如下：

1_以P_w为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，计算该类指纹图像的手指湿度P_w，对于每一个值域为P_w(0，1)的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出对于该图像最合适的Gabor滤波参数δ_p；

3_以此建立数值为P_w的指纹图像与其最合适Gabor滤波参数δ_p的映射表。

2)附图2是本发明在一个较佳实施例中所建立的手指湿度P_w与最适合Gabor滤波参数δ_p映射关系图。根据P_w可以调整滤波参数δ，基本原则是湿度越大δ_p越小，δ_p的取值一般可以在1.5～5之间。根据这个原则，可以在实际应用中可以建立一个索引表，通过查表来索引δ_p。

本发明所采取的第三步技术措施是，根据实际应用中，指纹识别系统附着在不同的系统环境，针对各种资源约束条件，而采用的变通措施。应用Gabor滤波器对指纹图像进行方向增强时，不论滤波参数计算、还是图像滤波自身，都需要消耗大量运算资源。对此根据不同资源配置情况下对运算精度和运算速度的要求，选择恰当的方法计算Gabor滤波器的相关参数，指纹纹线方向

或

指纹纹线频率f或f′。下面分别说明两种资源配置下的运算方案：

第一种资源配置是，算资源充裕、且运算精度要求较高。此时，可以采用以下计算步骤：

1_将指纹图像划分为多个不相重叠大小为N×N的区块(N一般取8～16个像素)；

2_用梯度算子计算各点的水平梯度和垂直梯度将计算得到的梯度记为[G_x，G_y]^T，其中G_x表示水平梯度，G_y表示垂直梯度，并将所有象素点的水平梯度分量调整为正值：[G_x，G_y]^T＝sign(Gx)[G_x，G_y]^T，其中sign为取符号，即 $\mathrm{sign}\left(\mathrm{Gx}\right)=\left\{\begin{array}{cc}-1& \mathrm{Gx}<0\\ 1& \mathrm{Gx}\&GreaterEqual;0\end{array}\right.;$

3_计算加窗平滑角度放大一倍后的点梯度，窗大小取W×W对梯度[G_x，G_y]^T作平滑运算： ${[\stackrel{\&OverBar;}{G_{\mathrm{sx}}},\stackrel{\&OverBar;}{G_{\mathrm{sy}}}]}^T={[\underset{W_g\&times;W_g}{\mathrm{\&Sigma;}}({G_x}^2-{G_y}^2),\underset{W_g\&times;W_g}{\mathrm{\&Sigma;}}2G_x{G}_y]}^T,$ 其中G_sx和G_sy分别表示对G_x和G_y作平滑计算后的水平梯度和垂直梯度；

4_将图像分成N×N(N一般取8或16)大小的块，计算区块梯度：

${[G_{\mathrm{bx}},G_{\mathrm{by}}]}^T={[\underset{N\&times;N}{\mathrm{\&Sigma;}}\stackrel{\&OverBar;}{G_{\mathrm{sx}}},\underset{N\&times;N}{\mathrm{\&Sigma;}}\stackrel{\&OverBar;}{G_{\mathrm{sy}}}]}^T,$ 其中G_bx表示块水平梯度，G_by表示块垂直梯度；

5_根据块梯度计算区块方向 $\mathrm{\&theta;}=\frac{1}{2}{\mathrm{tg}}^{-1}\left(\frac{G_{\mathrm{by}}}{G_{\mathrm{bx}}}\right);$

6_纹线方向

和θ成垂直关系，计算纹线方向

7_对纹线方向

采用中值滤波，窗大小取W_bg×W_bg，进行平滑处理后，得到平滑后纹线方向

8_对每个中心在(i，j)的块，开一个W×L的矩形窗口，一般取16×32个像素，将短边W指向

以L上各点为起始，计算该点沿W方向各像素的均值 $x\left(k\right)=\frac{1}{W}\underset{d=0}{\overset{W-1}{\mathrm{\&Sigma;}}}F(u,v),$ (k＝0，1，2，……L-1；d＝0，1，2，……W-1)，式中：

9_如果在方向窗口中无奇异点，则x(k)形成一个离散正弦波，纹线频率相同，因此从x(k)中可得到局部指纹纹线频率。设D_peak(n)为峰峰之间的平均象素个数称为距离，同理可计算得到谷谷的距离D_bottom(m)，计算所有的峰和谷的平均距离，即为该块的纹线中心距离即纹线宽度计算纹线宽度 $D=\frac{1}{M+N}(\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{D}_{\mathrm{peank}\left(n\right)}+\underset{m=0}{\overset{M-1}{\mathrm{\&Sigma;}}}{D}_{\mathrm{bottom}\left(m\right)})$ )。由此，纹线中心频率可以求得 $f=\frac{1}{D}.$ 如果窗口中存在奇异点，则纹线频率无法得到，可以设置为无效或默认值。根据经验，500dpi的指纹纹线宽度一般在3～25像素，因此需要筛掉无效的指纹频率，对于无效的指纹频率可以设置为无效或默认值f₂。

第二种资源配置是，在系统资源受到限制，又须有较快运算速度要求的应用环境。此时，可以采用频率计算方法，用以下步骤计算纹线频率f′和方向

1_附图3是在系统资源受到限制，采用频率计算方法时，图像区块的划分示意图。图中表示将指纹图像划分为多个数倍于N的不相重叠大小为M×M的区块。对于频率方法，选择合适的窗大小M非常重要，如果窗口选择过小，则纹线的中心距离可能超过窗大小，无法估算出参数；相反的，如果窗口选择过大，则可能出现窗口内的脊线方向不一致，从而无法准确的找到两个能量峰；一般情况下，要求窗口内包含至少1条脊线和1条谷线。由于500dpi指纹纹线宽度在3-25之间，根据式6可以估算到M的最小取值为12.5，此外要求M取N的倍数，考虑到FFT的运算便利要求M为2的次幂，一般取32像素比较合适。

2_逐一对M区块内的指纹图像行离散傅立叶变换(DFT)获得矩阵 $F(u,v)=\frac{1}{\mathrm{MM}}\underset{x=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{M-1}{\mathrm{\&Sigma;}}}f(x,y)\&times;\exp [-j2\mathrm{\&pi;}(\frac{\mathrm{ux}}{M}+\frac{\mathrm{vy}}{M})].$ 由于二维DFT是一种行列可分离的变换，因此为了提高运算速度，可以由在两个方向上先后做一维DFT得到二维DFT结果。具体做法是：

1/对图像每一行(即某个x值)，做一维DFT，得到的结果保存为矩阵F′(x，v)的一行，即 $F^{\&prime;}(x,v)=\frac{1}{N}\underset{y=0}{\overset{N-1}{\mathrm{\&Sigma;}}}f(x,v)\&times;\exp (-\frac{j2\mathrm{\&pi;vy}}{N})$

2/对矩阵F(x，v)的每一列(即某个v值)，做一维DFT，得到结果保存为矩阵F(u，v)的一列，即 $F(u,v)=\frac{1}{M}\underset{x=0}{\overset{M-1}{\mathrm{\&Sigma;}}}{F}^{\&prime;}(x,v)\&times;\exp (-\frac{j2\mathrm{\&pi;ux}}{M})$

3/在实际应用中，由于DFT速度较慢，而采用DFT的快速实现：快速傅立叶变换(FFT)来实现空频变换。

3_将矩阵F(u，v)的原点移到矩阵中心位置：

4_附图4是指纹片段与它的频谱图，以及取值示意图。其中4-A表示一个指纹区块的指纹片段图像F(u，v)，经过上述快速傅立叶变换FFT，并将它的原点移到矩阵中心位置后形成的频谱图4-B。图4-B表示在频域中找出两个频谱峰，计算频谱峰之间的距离d_p(参见图4-B中的斜线)、以及两个频谱峰连线与水平线的夹角

由于两个频谱峰为对称峰，因此在寻找时候可以采取以中心点为原点，以r $(r=\mathrm{1,2},......,\sqrt{2}\&CenterDot;M)$ 为半径，以角度分辨率ρ，进行搜索，其中能量最大的区域即为频谱峰。

5_计算纹线频率 $f^{\&prime;}=\frac{d_p}{2M}.$

本发明所采取的第四步技术措施是，建立纹线频率f与最适合Gabor滤波参数δ_f的映射关系。

1)具体方法如下：

1_以

为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，用不同方法计算该类指纹图像的纹线频率f，对于每一个值域为[3，25]的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出最合适的Gabor滤波参数δ_f；

3_以此建立数值为

指纹图像与其最合适Gabor滤波参数δ_f的映射表。

2)附图5是本发明在另一个较佳实施例中所建立的纹线频率f或f′与最适合Gabor滤波参数δ_f映射关系图。对于纹线较窄(f较大)的图像，应当选取通频带较宽也就是δ_f或δ_f′比较小的Gabor滤波器进行滤波，以保证其纹线信息特征；对于纹线比较宽(f较小)，

可以选取通频带较窄也就是δ_f或δ_f′比较大的Gabor滤波器进行滤波。一般δ_f或δ_f′的取值，可以在1.5～5之间。根据这个原则，建立如附图5的映射关系曲线。在实际应用中可以建立一个索引表，通过查表来索引δ_f或δ_f′的值。

至此，本发明所提供技术解决办法中环节A的作用(建立一套改善指纹图像方向增强的规则和计算方法)和具体实施办法叙述完毕。从以下第五步技术措施开始，则要进入环节B。其作用是：对一幅具体指纹图像进行旨在方向增强的预滤波处理。

1)、第五步技术措施的具体方法是：

1_以原始图像I为处理对象，计算手指湿度P_w、纹线频率f或f′；

2_根据计算值P_w、f或f′，在步骤2、步骤4所确定的映射表中，检索最合适Gabor滤波参数δ_p或δ_f；

3_采用加权方法确定最佳滤波参数δ_o＝αδ_p+(1-α)δ_f，α取值范围[0，1]；

4_应用最佳滤波参数δ_o设定Gabor滤波参数δ，对原始图像I进行预滤波，获得预滤波图像I′。

2)、附图6是在一个较佳实施例中，采用第五步技术措施分别对干、湿手指产生的指纹图像进行预滤波处理所产生的效果。并将这些效果与传统固定滤波参数作一次性Gabor滤波所产生的效果进行对比的展示图。附图6中：6-A是干手指原始指纹图像，6-B是湿手指原始指纹图像；6-A1是传统固定参数、一次性Gabor滤波技术对于干手指原始指纹图像进行方向增强的处理效果，6-B1是上述传统技术对于湿手指原始指纹图像产生的处理效果；6-A2、6B-2是采用本发明提供的预滤波技术方案(即量化原始图像中表征的手指干湿程度，检索此类指纹图像最适合的滤波参数δ_p或δ_f，对Gabor滤波器的通频带加以调整后，进行预滤波处理产生预滤波图像I’)的处理效果。

以下进入本发明的最后环节C。其作用机制是，以图像质量已有明显提高的预滤波图像I’为对象，再作一次分析计算，选择最佳滤波参数，再次调整Gabor滤波的通频带，作第二次滤波。

1)具体做法是：

1_以预滤波图像I′为处理对象，重复前面预滤波处理中的必要处理步骤，具体包括以下步骤：计算I′的P_w、纹线频率f或f′；检索最合适Gabor滤波参数δ_p或δ_f；计算第二次最佳滤波参数δ_s)；

2_应用第二次最佳滤波参数δ_s取代原先Gabor滤波器中的预滤波参数δ_o，对预滤波图像I′进行二次滤波，获得二次滤波图像I′‘。

2)附图7是本发明在同样一个实施例中，对于同样的干、湿手指产生的指纹原始图像(参见7-A和7-B)，传统固定滤波参数一次性Gabor滤波处理效果(参见7-A1和7-B1)，与本发明预滤波(参见7-A2和7-B2)、二次滤波(参见7-A3和7-B3)的处理效果对比图。通过图中的对比可以看出，二次滤波的效果，相对于预滤波来说，又有了显著的提高；与传统技术相对比，本发明处理效果所体现的优势是显而易见的。

Claims (1)

1.一种指纹图像方向增强方法，其特征是包括以下步骤：

1)建立手指湿度P_w与最合适Gabor滤波参数δ_p的映射关系，方法是：

1_以P_w为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，计算指纹图像的手指湿度P_w，对于每一个值域为P_w(0，1)的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出对于该类指纹图像最合适的Gabor滤波参数δ_p；

3_以此建立数值为P_w的指纹图像与其最合适Gabor滤波参数δ_p的映射表；

2)建立指纹纹线频率f与最适合Gabor滤波参数δ_f的映射关系，方法是：

1_以

为横轴、Gabor滤波参数δ为纵轴，建立一个二维表；

2_取各类指纹图像，用不同方法计算该类指纹图像的指纹纹线频率f，对于每一个

值域为[3，25]的指纹图像，以Gabor滤波效果最好为判据，在δ∈(0，6)取值范围内，选出最合适的Gabor滤波参数δ_f；

3_以此建立数值为

的指纹图像与其最合适Gabor滤波参数δ_f的映射表；

3)根据不同资源配置情况下对运算精度和运算速度的要求，计算指纹纹线方向

或指纹纹线频率f或f′

4)以原始图像I为处理对象，计算手指湿度P_w、指纹纹线频率f或f′；

5)根据计算值P_w、f或f′，在步骤1)、步骤2)所确定的映射表中，检索最合适Gabor滤波参数δ_p和δ_f；

6)根据最合适Gabor滤波参数δ_p和δ_f，确定最佳滤波参数δ_o，最佳滤波参数δ_o是对滤波参数δ_p和δ_f进行加权计算获得，即δ_o＝αδ_p+(1-α)δ_f，其中α取值范围是[0，1]；

7)应用最佳滤波参数δ_o设定Gabor滤波参数δ，对原始图像I进行预滤波，获得预滤波图像I′；

8)以预滤波图像I′为处理对象，重复步骤3)～步骤6)，计算第二次最佳滤波参数δ_s；

9)应用第二次最佳滤波参数δ_s取代原先Gabor滤波器中的最佳滤波参数δ_o，对预滤波图像I′进行二次滤波，获得二次滤波图像I″；

所述计算手指湿度P_w具有下列步骤：

10)将指纹图像划分为多个不相重叠大小为N×N的区块；

11)计算区块灰度均值E_N；

12)累加计算灰度值大于C₁E_N的像素个数为N_h，其中C₁为湿区域阈值调节系数；

13)累加计算灰度值小于C₂E_N的像素个数为N_l，式中C₂为干区域阈值调节系数；

14)计算手指湿度

步骤3)所述根据不同资源配置情况下对运算精度和运算速度的要求，计算指纹纹线方向

和指纹纹线频率f，指的是当运算资源充裕、且要求运算精度较高时，采用以下步骤计算指纹纹线方向

和指纹纹线频率f：

15)将指纹图像划分为多个不相重叠大小为N×N的区块；

16)用梯度算子计算各点的水平梯度和垂直梯度[G_x，G_y]^T，其中G_x表示水平梯度，G_y表示垂直梯度；

17)对梯度[G_x，G_y]^T作平滑运算： ${[\stackrel{\&OverBar;}{G_{\mathrm{sx}}},\stackrel{\&OverBar;}{G_{\mathrm{sy}}}]}^T={[\underset{W_g\&times;W_g}{\mathrm{\&Sigma;}}({G_x}^2-{G_y}^2),\underset{W_g\&times;W_g}{\mathrm{\&Sigma;}}2G_x{G}_y]}^T,$ 其中

和

分别表示对G_x和G_y作平滑计算后的水平梯度和垂直梯度；

18)计算区块梯度：

其中G_bx表示块水平梯度，G_by表示块垂直梯度；

19)计算区块方向

20)计算纹线方向

21)对纹线方向

采用中值滤波进行平滑处理后，得到指纹纹线方向

22)对每个中心在(i，j)的块，开一个W×L的矩形窗口，将短边W指向

以L上各点为起始，计算该点沿W方向各像素的均值

k＝0，1，2，……L-1；d＝0，1，2，……W-1，式中：

23)计算纹线宽度 $D=\frac{1}{M^{\&prime;}+N^{\&prime;}}(\underset{n=0}{\overset{N^{\&prime;}-1}{\mathrm{\&Sigma;}}}{D}_{\mathrm{peank}\left(n\right)}+\underset{m=0}{\overset{M^{\&prime;}-1}{\mathrm{\&Sigma;}}}{D}_{\mathrm{bottom}\left(m\right)}),$ 其中：

1_D_peank(n)为峰峰之间平均距离，以像素个数计算；

2_D_bottom(m)为谷谷平均距离；

24)计算指纹纹线频率

如果在方向窗口中无奇异点，则x(k)形成一个离散正弦波，纹线频率相同，因此从x(k)中可得到局部指纹纹线频率，如果窗口中存在奇异点，则纹线频率无法得到，设置为无效或默认值；

步骤3)所述根据不同资源配置情况下对运算精度和运算速度的要求，计算指纹纹线方向和指纹纹线频率f′，指的是当资源配置有限，且对运算速度有一定要求时，采用以下步骤计算指纹纹线方向

和指纹纹线频率f′：

25)将指纹图像划分为多个数倍于N的不相重叠大小为M×M的区块；逐一对区块内的指纹图像行离散傅立叶变换获得矩阵 $F(u,v)=\frac{1}{\mathrm{MM}}\underset{x=0}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{M-1}{\mathrm{\&Sigma;}}}f(x,y)\&times;\exp [-j2\mathrm{\&pi;}(\frac{\mathrm{ux}}{M}+\frac{\mathrm{vy}}{M})];$

27)将矩阵F(u，v)的原点移到矩阵中心位置：

在频域中找出两个频谱峰，计算频谱峰之间的距离d_p、以及两个频谱峰连线与水平线的夹角

28)计算指纹纹线频率

Images