CN101770570A - 高效能指纹影像处理方法 - Google Patents

Abstract

本发明为一种高效能指纹影像处理方法，是在取得指纹流向判断后，结合线型滤波及菱形滤波两种复合滤波方式以取代现有技术中利用频域滤波进行影像的增强，而后利用二值化显示其影像强化特征；而本发明中利用的复合滤波器可针对各点不同流向确实地进行影像增强并修补断线以减少误判的情况，且本发明可使用像数相对较低的滤波遮罩来达到节省滤波时间与存储器空间，以降低指纹影像增强所耗费的时间与储存空间。

Description

高效能指纹影像处理方法

技术领域

本发明涉及一种指纹影像处理方法，特别涉及一种根据各点指纹流向，配合使用以具方向性的线型空间滤波器与菱形空间滤波器作为强化影像手段的指纹影像处理方法。

背景技术

人体的手掌及其手指、脚、脚趾的皮肤表面具有凸凹不平的纹路，增加了皮肤表面的摩擦力，而包括指纹在内的这些皮肤纹路在图形、中断点和交叉点的分布上每个人均不相同，具有其唯一性，通过这种唯一性，每个人的指纹可经过预先的采集与保留，而作为一种比较以验证身分的科学技术手段，也即为指纹识别技术。

指纹识别技术的发展得益于现代电子集成制造技术和快速可靠的演算法的研究，尽管指纹只是人体皮肤的一小部分，但用于识别的数据量却相当大，由于指纹数据的比对上并非简单的相等(temple matching)与否，而是通过使用需进行大量运算的演算法，请配合参看图6所示，其中是现有技术中指纹识别技术的步骤，而简要言之，指纹识别技术主要涉及读取指纹、影像处理、提取特征、数据提取及比对。

其中影像处理技术也即为先行通过指纹读取设备读取到人体指纹的图像，在取到指纹图像之后，进一步对原始图像进行影像增强的处理，使之更清晰以得一低噪声的高指纹影像品质，而影像处理后所得的影像品质则直接地影响了辨识率，一般而言，因外在环境要素所造成的指纹影像缺点，往往会在提取特征点时造成端点或分叉点的误判，例如因手指干燥造成纹线中央生成缺孔，可能于特征萃取时被判断为岛形纹路，也因此，取得的原始指纹图像需做影像强化，修复缺孔、断线等及滤除噪声，以降低辨识错误接收率(FAR)及错误拒绝率(FRR)。

现有技术的灰阶指纹影像增强技术主要通过两种方法，一为利用傅利叶转换或小波转换等方式，将影像转由空间域转为频率域，再根据影像频率分布与方向进行遮罩滤波而后再转回空间域，然而此作法通常耗费许多空间域与频率域间的转换时间，且无法针对空间域的各点纹线方向不同而进行个别增强，需在频率域做全部方向的增强后再在空间域根据流向选择正确增强结果，作业上费时且又占据大量的存储器；

另一个常用的灰阶指纹影像增强方式则为直接在空间域增强影像，例如非等向性类伽柏滤波器(Gabor like anisotropic filtering)、类高斯遮罩滤波器(Gaussian like mask for filtering)或纹线平行滤波器(parallel ridgefiltering)，但此些空间滤波遮罩通常需经繁复的过程产生，十分耗时，且通常需要占用较大的遮罩空间，否则增强效果不佳，若其仅使用简单遮罩进行增强影像结果，则所得的断点连接性通常会远低于使用频率域增强结果，而若要使用较大的遮罩空间则随即会造成存储器占据过大等困扰。

发明内容

为解决上述的现有技术不足之处，本发明目的在提供一改良的高效能指纹影像处理方法以改善现有技术中影像处理费时且耗费大量存储器的缺失。

本发明是提供一种高效能指纹影像处理方法，是包含下列步骤：

流向判断，其是在处理器上通过套入演算数值式，进而读取并判断所采集的原始指纹灰阶影像的特征脊的局部方向；

复合滤波的线型滤波，其是在判断出流向后的指纹影像上，根据指纹线的纹向旋转线型空间滤波器并在处理器套入线型遮罩滤波的定义式以进行各点的滤波演算，其遮罩滤波作业，为利用系数9×3的滤波遮罩进行，其中定义式为：

$W=\begin{array}{c}\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 1& 0& 1& 0& 1& 0& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]\end{array}$

$\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

j′＝j+(-(u-(n+1)).sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))$

式中W为线型遮罩的定义，K为W遮罩系数和，θ(i，j)为各点的流向角度，

为该点的滤波结果；

复合滤波的菱形滤波，其为将经过线型滤波后的指纹影像依据纹线方向旋转菱形空间滤波器并在处理器套入菱形遮罩滤波的定义式进行滤波演算，其遮罩滤波作业，为利用系数9×3的滤波遮罩进行，其中定义式为：

$W=\left[\begin{array}{ccccccccc}0& 0& 4& 10& 14& 10& 4& 0& 0\\ 10& 0& 4& 1& 1& 0& 4& 0& 10\\ 0& 0& 4& 10& 14& 10& 4& 0& 0\end{array}\right]$

$K=\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

j′＝j+(-(u-(n+1))·sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))$

式中W为菱形滤波遮罩定义，K为W遮罩系数和，θ(i，j)为各点的流向角度，

为该点的滤波结果；

二值化，其为将经过处理器滤波处理增强后的指纹影像进行二值化演算步骤，以显示影像强化的效果。

而本发明具有下列优点：

1.本发明主要是结合线型滤波器具有高度连接性及菱形滤波器具有可修补缺孔的优点，特别是指纹干燥部分能有效改善影像品质。

2.本发明的复合滤波器可针对各点不同流向进行影像增强，且使用的滤波遮罩像数皆小于9×3大小，通过降低演算像数可显著地节省滤波时间与存储器空间，以降低指纹影像增强所耗费时间与储存空间。

附图说明

图1为本发明影像处理流程图；

图2为本发明的指纹流向演算结果对照图；

图3为本发明遮罩滤波示意图；

图4为本发明影像增强并二值化结果对照图；

图5为本发明的影像增强与现有技术的影像处理；

图6为指纹自动辨识系统程序流程图。

附图标记说明：a-指纹原图；b-频域滤波作业；c-复合滤波作业。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

请配合参看图1所示，本发明的高效能指纹影像处理方法用于自动指纹辨识流程中，通过在处理器上套用影像增强的复合遮罩演算法以处理所采集到的待处理灰阶指纹影像，并进一步将其转换成二值化的影像，其可包含有下述步骤：

1.流向判断

2.复合滤波的线型滤波

3.复合滤波的菱形滤波

4.二值化

前述的流向判断也即为判断原始指纹流向，在处理器执行影像增强的演算前需先评估所采集的指纹的局部走向，以便于取得的指纹流向上套用滤波遮罩进行后续演算，而在指纹各点上取得指纹流向特征的方法已为一熟知的技术，本说明书利用在处理器中套用史塔克及史旺格(Stock and Swonger)所提出的指纹流向判别方法为实施例，其数值式定义如下：

S₀＝M(i，j+4)+M(i，j+2)+M(i，j-2)+M(i，j-4)

S₁＝M(i-2，j+4)+M(i-1，j+2)+M(i+1，j-2)+M(i+2，j-4)

S₂＝M(i-4，j+4)+M(i-2，j+2)+M(i+2，j-2)+M(i+4，j-4)

S₃＝M(i-4，j+2)+M(i-2，j+1)+M(i+2，j-1)+M(i+4，j-2)    (A)

S₄＝M(i-4，j)+M(i-2，j)+M(i+2，j)+M(i+4，j)

S₅＝M(i-4，j-2)+M(i-2，j-1)+M(i+2，j+1)+M(i+4，j+2)

S₆＝M(i-4，j-4)+M(i-2，j-2)+M(i+2，j+2)+M(i+4，j+4)

S₇＝M(i-2，j-4)+M(i-1，j-2)+M(i+1，j+2)+M(i+2，j+4)

(A)式中M(i，j)为指纹图像M在各点处的灰度值，而S₀，S₁，...，S₇是各个方向的灰度值总和，而S_max和S_min分别表示各方向中最大与最小灰度值和，其如(B)式所示：

$S_{\max }=\underset{n=0,...,7}{\max }{S}_n,n=0,...,7---\left(B\right)$

$S_{\min }=\underset{n=0,...,7}{\min }{S}_i,n=0,...,7$

而根据上述的计算结果可判断各点处的指纹流向特征值，再者，令θ(i-，j)为M(i，j)点的流向角度，套用如下列(C)所示，根据(i，j)点的M(i，j)、S_max、S_min判断正确方向S_d，而后可计算出(i，j)点处的角度θ(i，j)：

$S_d=\left\{\begin{array}{cc}{S}_{\max }& \mathrm{if}(4\·M(i,j)+S_{\max }+S_{\min })\≥\frac{3}{8}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}{S}_n\\ S_{\min }& \mathrm{otherwise}\end{array}\right.---\left(C\right)$

θ(i，j)＝S_d·22.5°

而通过在处理器中取得各点的角度后即可得知各局部的指纹流向，如图2所示，为指纹原图取出流向特征的脊的局部方向，然而在处理器中套用以数值式以进行图像数值的演算已为一熟知的影像处理技术，故未就其间转换的细节在说明书中多加赘述，仅就其套用运算的计算式作说明。

前述的复合滤波的线型滤波步骤为：在判断出流向后的指纹影像上，根据纹线纹向旋转线型空间滤波器并在处理器进行滤波演算，其中线型空间滤波器的遮罩滤波如图3所示，在本实施例利用系数为9×3的滤波遮罩于各点进行数值的判读转换，以节省滤波时间及存储器空间，而其中线型遮罩滤波的定义式如下：

$W=\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 1& 0& 1& 0& 1& 0& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]---\left(D\right)$

$K=\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)---\left(E\right)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

                                                            (F)

j′＝j+(-(u-(n+1))·sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))---\left(G\right)$

其中(D)式的W为线型遮罩的定义，(E)式中的K为W遮罩系数和，而通过(F)式、(G)式可根据流向判断中的流向角度θ(i，j)而后运算出滤波结果

而因为线型滤波步骤中使滤波因素加入指纹流向，通过该加入流向因素以达到指纹断线修补并避免平行纹线相接等目的，对于纹线的断裂有良好的修复效果，运算量低且简便。

前述的复合滤波的菱形滤波步骤为：将经过线型滤波后的指纹影像依据纹线方向旋转菱形空间滤波器并在处理器进行滤波演算，其中菱形空间滤波器的遮罩滤波处理时，也为利用像数为9×3的滤波遮罩，而后在各点进行数值的判读转换以在纹线的垂直方向上提高脊线与谷线的对比度，而其中菱形遮罩滤波处理的定义式如下：

$W=\left[\begin{array}{ccccccccc}0& 0& 4& 10& 14& 10& 4& 0& 0\\ 10& 0& 4& 0& 1& 0& 4& 0& 10\\ 0& 0& 4& 10& 14& 10& 4& 0& 0\end{array}\right]---\left(H\right)$

$K=\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)---\left(I\right)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

                                                        (J)

j′＝j+(-(u-(n+1))·sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))---\left(K\right)$

(H)式中W为菱形滤波遮罩定义，(I)式中的K为W遮罩系数和，而通过(J)式、(K)式可根据流向判断中的流向角度θ(i，j)而后运算出滤波结果

而因为菱形滤波步骤中使滤波因素加入指纹流向，而可达到修复破碎且滤除谷线污损，以提升脊线与谷线间区别度的功效，请进一步配合参看图4所示，其中为指纹原图经过复合滤波作业后所得的影像增强实施成果图。

前述的二值化步骤为将经过处理器滤波处理增强后的指纹影像进行二值化演算步骤，即可明显看出影像强化的效果，以便将影像作后续的比对。以下为使用动态阀值的二值化演算法，数值式如下式所示：

$T(i.j)=\left(\underset{x=-r}{\overset{n}{\mathrm{\Σ}}}\underset{y=-n}{\overset{n}{\mathrm{\Σ}}}M(i+x,j+y)\right)\÷{(2n+1)}^2---\left(L\right)$

$\stackrel{\‾}{M}(i,j)=\left\{\begin{array}{ccc}255& ,\mathrm{if}& M(i,j)>T(i,j)\\ 0& ,\mathrm{if}& M(i,j)\≤T(i,j)\end{array}\right.$

因动态阀值二值化不使用单一二值化阀值，故可降低按压不均匀影响，(L)式的T(i，j)为根据(i，j)点及其周围点灰度值分布所订出的阀值，(M)式则根据各点阀值T(i，j)来决定二值化结果而因为二值化步骤为一现有技术中熟知的特征汲取手段，因此也不于说明书中对其细节多加探讨。

本发明的主要特征为将指纹灰阶影像的断线连接与噪声滤除分成两个步骤：线型滤波、菱形滤波来完成，此两种具方向性的复合滤波方式使用滤波器的运算简单，可达到良好的影像增强效果，避免误判特征点，且结合线型滤波器具有高度连接性及菱形滤波器可修补缺孔的优点作为强化影像手段的指纹影像处理方法，可有效地修补非自然原因的纹线断裂与指纹空洞等缺陷，例如按压手指干燥等缺陷指纹，请进一步配合参看图5所示，其为随机选取三个指纹原图a以进行传统的频域滤波作业b以及利用本发明的复合滤波作业c在二值化汲取特征之后的显像差异比较图，自其中可清楚比照出本发明作业所产生的影像优势；

再者，本发明使用的滤波遮罩像数理论值为9×3大小，但实际设计时可使用小于9×3的遮罩，如此可显著地节省滤波时间与存储器空间，以降低指纹影像增强所耗费时间与储存空间。

综观上述，本发明在突破先前的技术下，确实已达到所欲增进的功效，且也是熟悉该项技艺者所不易于考虑的，再者，本发明申请前未曾公开，其所具的进步性、实用性，显已符合发明专利的申请要件，依法提出创作申请。

以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在本发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (6)

1.一种高效能指纹影像处理方法，其特征在于，是包含下列步骤：

流向判断，其是在处理器上通过套入演算数值式，进而读取并判断所采集的原始指纹灰阶影像的特征脊的局部方向；

复合滤波的线型滤波，其是在判断出流向后的指纹影像上，根据指纹线的纹向旋转线型空间滤波器并在所述处理器套入线型遮罩滤波的定义式以进行各点的滤波演算；

复合滤波的菱形滤波，其是将经过所述线型滤波后的指纹影像依据纹线方向旋转菱形空间滤波器并在所述处理器套入菱形遮罩滤波的定义式进行滤波演算；

二值化，其是将经过处理器滤波处理增强后的指纹影像进行二值化演算步骤，以显示影像强化的效果。

2.根据权利要求1所述的高效能指纹影像处理方法，其特征在于，所述线型空间滤波器及所述菱形空间滤波器的遮罩滤波作业，为利用系数9x3的滤波遮罩进行。

3.根据权利要求2所述的高效能指纹影像处理方法，其特征在于，套入所述处理器的线型遮罩滤波定义式为：

$W=\left[\begin{array}{ccccccccc}0& 0& 0& 0& 0& 0& 0& 0& 0\\ 1& 1& 0& 1& 0& 1& 0& 1& 1\\ 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right]$

$K=\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

j′＝j+(-(u-(n+1))·sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))$

式中W为线型遮罩的定义，K为W遮罩系数和，θ(i，j)为各点的流向角度，

为该点的滤波结果。

4.根据权利要求2所述的高效能指纹影像处理方法，其特征在于，套入所述处理器的菱形遮罩滤波处理定义式为：

$W=\left[\begin{array}{ccccccccc}0& 0& 4& 10& 14& 10& 4& 0& 0\\ 10& 0& 4& 0& 1& 0& 4& 0& 10\\ 0& 0& 4& 10& 14& 10& 4& 0& 0\end{array}\right]$

$K=\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}W(u,v)$

i′＝i+((u-(n+1))·cosθ(i，j)+(v-(m+1))sinθ(i，j))

j′＝j+(-(u-(n+1))·sinθ(i，j)+(v-(m+1))cosθ(i，j))

$\stackrel{\‾}{M}(i,j)=\frac{1}{K}\underset{u=0}{\overset{2n+1}{\mathrm{\Σ}}}\underset{v=0}{\overset{2m+1}{\mathrm{\Σ}}}(W(u,v)\×M(i^{\′},j^{\′}))$

式中W为菱形滤波遮罩定义，K为W遮罩系数和，θ(i，j)为各点的流向角度，

为该点的滤波结果。

5.根据权利要求2所述的高效能指纹影像处理方法，其特征在于，在所述流向判断步骤时所述处理器所套入的指纹流向判别数值式定义如下：

S₀＝M(i，j+4)+M(i，j+2)+M(i，j-2)+M(i，j-4)

S₁＝M(i-2，j+4)+M(i-1，j+2)+M(i+1，j-2)+M(i+2，j-4)

S₂＝M(i-4，j+4)+M(i-2，j+2)+M(i+2，j-2)+M(i+4，j-4)

S₃＝M(i-4，j+2)+M(i-2，j+1)+M(i+2，j-1)+M(i+4，j-2)

S₄＝M(i-4，j)+M(i-2，j)+M(i+2，j)+M(i+4，j)

S₅＝M(i-4，j-2)+M(i-2，j-1)+M(i+2，j+1)+M(i+4，j+2)

S₆＝M(i-4，j-4)+M(i-2，j-2)+M(i+2，j+2)+M(i+4，j+4)

S₇＝M(i-2，j-4)+M(i-1，j-2)+M(i+1，j+2)+M(i+2，j+4)

其中M(i，j)为指纹图像M在各点处的灰度值，而S₀，S₁，...，S₇是各个方向的灰度值总和，而S_max和S_min分别表示各方向中最大与最小灰度值和，其如下式

$S_{\max }=\underset{n=0,...,7}{\max }{S}_n,n=0,...,7$

$S_{\min }=\underset{n=0,...,7}{\min }{S}_i,n=0,...,7$

而根据上述结果可判断各点处的指纹流向特征值，再套入下式

$S_d=\left\{\begin{array}{cc}{S}_{\max }& \mathrm{if}(4\·M(i,j)+S_{\max }+S_{\min })\≥\frac{3}{8}\underset{i=0}{\overset{7}{\mathrm{\Σ}}}{S}_n\\ S_{\min }& \mathrm{otherwise}\end{array}\right.$

θ(i，j)＝S_d·22.5°

以计算出该点角度θ(i，j)。

6.根据权利要求2所述的高效能指纹影像处理方法，其特征在于，所述二值化步骤使用动态阀值的二值化演算法，数值式如下：

$T(i,j)=\left(\underset{x=-r}{\overset{n}{\mathrm{\Σ}}}\underset{y=-n}{\overset{n}{\mathrm{\Σ}}}M(i+x,j+y)\right)\÷{(2n+1)}^2$

$\stackrel{\‾}{M}(i,j)=\left\{\begin{array}{ccc}255,& \mathrm{if}& M(i,j)>T(i,j)\\ 0,& \mathrm{if}& M(i,j)\≤T(i,j)\end{array}\right.$

其中T(i，j)为根据(i，j)点及其周围点灰度值分布所订出的阀值，并根据各点阀值T(i，j)来获得二值化结果

Images