CN102254163A - 自适应模板大小的Gabor指纹图像增强方法 - Google Patents

Abstract

本发明公开了一种自适应模板大小的Gabor指纹图像增强方法，包括以下步骤：1)输入指纹图像，将输入图像I(x，y)划分为W×W块互不重叠的分块，提取每个分块的纹线方向和纹线频率；2)获得分块内的纹线曲率；3)确定增强模板大小；4)构造增强模板；5)对指纹图像进行增强，得到增强后的指纹图像。本发明的自适应模板大小的Gabor指纹图像增强方法，根据指纹图像分块中纹线方向变化的程度，自适应地调整Gabor增强模板的大小，获得不同的增强力度，以提高指纹纹线的清晰度，并保持原有纹线结构信息，避免了现有Gabor指纹增强方法对指纹纹线结构的破坏，能更好地提高指纹图像的质量。

Description

自适应模板大小的Gabor指纹图像增强方法

技术领域

本发明涉及自动指纹识别技术领域，具体地说，是一种自适应模板大小的Gabor指纹图像增强方法。

背景技术

指纹图像增强是自动指纹识别系统中一个重要的预处理步骤。指纹增强的目的是为了提高指纹图像的质量，尤其是提高指纹纹线的清晰度。指纹增强可以降低噪声对细节特征(例如细节点)提取的影响，提高自动指纹识别的准确性和可靠性。

迄今为止，已有很多指纹增强方法被提出，这些方法可以分为三大类：基于频率域滤波的方法，基于空间域的方向滤波的方法，以及基于Gabor滤波的方法。

第一类，使用方向傅立叶滤波器在频率域实现了对指纹图像的增强。第二类，设计出了方向滤波器，采用方向滤波模板对指纹图像进行滤波增强。第三类，提出了一种利用局部纹线方向和频率，使用Gabor函数增强指纹图像的方法，并对其性能进行了评价，该方法确立了Gabor指纹增强方法的基本技术体系。在此基础上，对Gabor滤波器进行了重新设计，并提出了更为准确的局部纹线方向和频率的计算方法，以提高Gabor滤波器的增强效果，例如基于Log-Gabor滤波器的指纹增强方法；使用圆形的Gabor滤波器而非方形Gabor滤波器的指纹增强方法，进而对指纹图像进行增强。由于Gabor增强方法良好的增强效果、较好的鲁棒性并能适应实时应用，因此成为目前指纹增强的主流方法。

Gabor指纹增强方法基于这样一种思想：在指纹图像的一个局部区域内(一般为指纹图像中互不重叠的分块)，纹线方向和纹线频率是相对稳定的。对于每个分块，Gabor增强方法需要首先计算局部纹线方向和纹线频率，然后利用这两个参数构建Gabor增强模板，进而对指纹图像滤波以实现指纹增强。但是在某些情况下(例如在模式区中)，一些分块中的纹线方向和纹线频率变化较大，计算出的块纹线方向和块纹线频率不能很好地体现真实情况，而各个分块采用的增强模板的大小是相同的，即增强的力度相同，因此，对于这样的分块，在指纹增强后不但不能得到好的增强效果，而且还会破坏原有的纹线结构信息。而好的指纹增强方法得到的增强后的图像应当保持原有的纹线结构信息，以确保后续提取到的细节点信息是准确的。

发明内容

本发明所要解决的技术问题是：针对上述现状提出一种自适应模板大小的Gabor指纹图像增强方法，根据指纹图像分块中纹线方向变化的程度，自适应地调整Gabor增强模板的大小，获得不同的增强力度，以提高指纹纹线的清晰度，并保持原有纹线结构信息。

为解决上述技术问题，本发明的技术方案是：自适应模板大小的Gabor指纹图像增强方法，包括以下步骤：

1.)输入指纹图像，将输入图像I(x，y)划分为W×W块互不重叠的分块，提取每个分块的纹线方向和纹线频率；

2.)获得分块内的纹线曲率；

3.)确定增强模板大小；

4.)构造增强模板；

5.)对指纹图像进行增强，得到增强后的指纹图像。

作为优选的技术方案，所述步骤1.)中，每个分块的纹线方向和纹线频率提取方法为：

a.每个分块中，计算每个像素点(x，y)的灰度的梯度值和

b.使用式(1)计算每个分块的纹线方向值，

${\mathrm{\θ}}_W(i,j)=\frac{1}{2}{\tan }^{-1}\left(\frac{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}2{\∂}_x(u,v){\∂}_y(u,v)}{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}({{\∂}_x}^2(u,v)-{{\∂}_y}^2(u,v))}\right)---\left(1\right)$

其中，(i，j)为分块中心像素点，W×W的默认值取为8×8；

c.采用低通滤波器对各块的方向进行平滑处理；

d.基于统计窗和基线算法计算纹线频率，并计算整个指纹区域的平均纹线距离。

作为优选的技术方案，所述步骤2.)中，用C(p，q)表示块内纹线曲率，如式(2)所示：

$C(p,q)=\frac{1}{N^2}\underset{u=p-N/2}{\overset{p+N/2}{\mathrm{\Σ}}}\underset{v=q-N/2}{\overset{q+N/2}{\mathrm{\Σ}}}({\mathrm{\φ}}_x(p,q,u,v)+{\mathrm{\φ}}_y(p,q,u,v))---\left(2\right)$

其中

φ_x(p，q，u，v)＝|cos(2θ(p，q))-cos(2θ(u，v))|    (3)

φ_y(p，q，u，v)＝|sin(2θ(p，q))-sin(2θ(u，v))|，  (4)

分块(p，q)所在的局部区域大小为N×N个像素。

作为优选的技术方案，所述步骤3.)中，增强模板大小的确定方法为：设定模板大小M在一个范围[M₁，M₂]内，其中，M取奇数；将计算得到的曲率值σ归一化，使之取值在0～1之间，得到新的曲率值σ′；确定增强模板大小的原则是，当纹线曲率较大时，采用较小的增强模板，否则采用较大的增强模板。

作为优选的技术方案，所述步骤4.)中，构造增强模板的方法，采用偶对称的二维Gabor滤波器函数表示为：

$h(x,y:\mathrm{\π},f)=\exp \{-\frac{1}{2}[\frac{x_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_x^2}+\frac{y_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_y^2}\left]\right\}\cos \left(2\mathrm{\πf}{x}_{\mathrm{\φ}}\right)---\left(5\right)$

x_φ＝xcosφ+ysinφ        (6)

y_φ＝-xsinφ+ycosφ，     (7)

其中，φ是Gabor滤波器的方向，f是正弦波的频率，δ_x和δ_y是沿x轴和y轴的高斯包络常数；其中φ取该分块的纹线方向值，f取平均纹线距离值，为每个分块构造一个增强模板，得到每个分块增强模板的大小。

由于采用了上述技术方案，本发明的有益效果是：利用本发明的自适应模板大小的Gabor指纹图像增强方法度量分块内纹线方向的变化程度，并建立了纹线变化程度与增强模板大小的对应关系，对于纹线方向较为稳定的分块，使用较大的增强模板，获得较大的增强力度，以消除粘连和连接断线；对于纹线方向变化较大的分块，使用较小的增强模板，获得较小的增强力度，以避免对原有纹线结构的破坏。本发明方法避免了现有技术的Gabor指纹图像增强方法对指纹纹线结构的破坏，并能更好地提高指纹图像的质量。

附图说明

下面结合附图和实施例对本发明进一步说明：

图1是本发明实施例中指纹图像增强流程图；

图2是本发明实施例中计算每个分块对应的指纹增强模板大小的流程图。

具体实施方式

如图1所示，自适应模板大小的Gabor指纹图像增强方法，包括以下步骤：

1.)输入指纹图像，将输入图像I(x，y)划分为W×W块互不重叠的分块，W×W的默认值取为8×8；提取每个分块的纹线方向和纹线频率；

2.)获得分块内的纹线曲率；

3.)确定增强模板大小；

4.)构造增强模板；

5.)对指纹图像进行增强，得到增强后的指纹图像。

其中，步骤1.)中，每个分块的纹线方向和纹线频率提取方法为：

a.每个分块中，计算每个像素点(x，y)的灰度的梯度值和

b.使用式(1)计算每个分块的纹线方向值，

${\mathrm{\θ}}_W(i,j)=\frac{1}{2}{\tan }^{-1}\left(\frac{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}2{\∂}_x(u,v){\∂}_y(u,v)}{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}({{\∂}_x}^2(u,v)-{{\∂}_y}^2(u,v))}\right)---\left(1\right)$

其中，(i，j)为分块中心像素点，u是x方向的取值，v是y方向的取值；

c.采用低通滤波器对各块的方向进行平滑处理；

d.基于统计窗和基线算法计算纹线频率，并计算整个指纹区域的平均纹线距离。

其中，步骤2.)中，用C(p，q)表示块内纹线曲率，如式(2)所示：

$C(p,q)=\frac{1}{N^2}\underset{u=p-N/2}{\overset{p+N/2}{\mathrm{\Σ}}}\underset{v=q-N/2}{\overset{q+N/2}{\mathrm{\Σ}}}({\mathrm{\φ}}_x(p,q,u,v)+{\mathrm{\φ}}_y(p,q,u,v))---\left(2\right)$

其中

φ_x(p，q，u，v)＝|cos(2θ(p，q))-cos(2θ(u，v))|    (3)

φ_y(p，q，u，v)＝|sin(2θ(p，q))-sin(2θ(u，v))|，  (4)

分块(p，q)所在的局部区域大小为N×N个像素。

如图2所示，步骤3.)中，增强模板大小的确定方法为：设定模板大小M在一个范围[M₁，M₂]内，其中，M取奇数；将计算得到的曲率值σ归一化，使之取值在0～1之间，得到新的曲率值σ′；确定增强模板大小的原则是，当纹线曲率较大时，采用较小的增强模板，否则采用较大的增强模板。

其中，步骤4.)中，构造增强模板的方法，采用偶对称的二维Gabor滤波器函数表示为：

$h(x,y:\mathrm{\π},f)=\exp \{-\frac{1}{2}[\frac{x_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_x^2}+\frac{y_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_y^2}\left]\right\}\cos \left(2\mathrm{\πf}{x}_{\mathrm{\φ}}\right)---\left(5\right)$

x_φ＝xcosφ+ysinφ    (6)

y_φ＝-xsinφ+ycosφ， (7)

式中各变量的含义：φ是Gabor滤波器的方向，f是正弦波的频率，δ_x和δ_y是沿x轴和y轴的高斯包络常数；式中各变量的取值：其中φ取该分块的纹线方向值，f取平均纹线距离值。为每个分块构造一个增强模板，得到每个分块增强模板的大小。

构造了指纹增强模板后，就可以对指纹图像进行增强了。

本发明的自适应模板大小的Gabor指纹图像增强方法，根据指纹图像分块中纹线方向变化的程度，自适应地调整Gabor增强模板的大小，获得不同的增强力度，以提高指纹纹线的清晰度，并保持原有纹线结构信息，避免了现有Gabor指纹增强方法对指纹纹线结构的破坏，能更好地提高指纹图像的质量。

以上所述为本发明最佳实施方式的举例，其中未详细述及的部分均为本领域普通技术人员的公知常识。本发明的保护范围以权利要求的内容为准，任何基于本发明的技术启示而进行的等效变换，也在本发明的保护范围之内。

Claims (5)

1.自适应模板大小的Gabor指纹图像增强方法，其特征在于，包括以下步骤：

1.)输入指纹图像，将输入图像I(x，y)划分为W×W块互不重叠的分块，提取每个分块的纹线方向和纹线频率；

2.)获得分块内的纹线曲率；

3.)确定增强模板大小；

4.)构造增强模板；

5.)对指纹图像进行增强，得到增强后的指纹图像。

2.如权利要求1所述的自适应模板大小的Gabor指纹图像增强方法，其特征在于：所述步骤1.)中，每个分块的纹线方向和纹线频率的提取方法为：

a.每个分块中，计算每个像素点(x，y)的灰度的梯度值

和

b.每个分块的纹线方向值如式(1)所示，

${\mathrm{\θ}}_W(i,j)=\frac{1}{2}{\tan }^{-1}\left(\frac{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}2{\∂}_x(u,v){\∂}_y(u,v)}{\underset{u=i-\frac{W}{2}}{\overset{i+\frac{W}{2}}{\mathrm{\Σ}}}\underset{v=j-\frac{W}{2}}{\overset{v=j+\frac{W}{2}}{\mathrm{\Σ}}}({{\∂}_x}^2(u,v)-{{\∂}_y}^2(u,v))}\right)---\left(1\right)$

其中，(i，j)为分块中心像素点，W×W的默认值取为8×8；

c.采用低通滤波器对各分块的方向进行平滑处理；

d.基于统计窗和基线算法计算纹线频率，并计算整个指纹区域的平均纹线距离。

3.如权利要求1所述的自适应模板大小的Gabor指纹图像增强方法，其特征在于：所述步骤2.)中，用C(p，q)表示分块内纹线曲率，如式(2)所示：

$C(p,q)=\frac{1}{N^2}\underset{u=p-N/2}{\overset{p+N/2}{\mathrm{\Σ}}}\underset{v=q-N/2}{\overset{q+N/2}{\mathrm{\Σ}}}({\mathrm{\φ}}_x(p,q,u,v)+{\mathrm{\φ}}_y(p,q,u,v))---\left(2\right)$

其中

φ_x(p，q，u，v)＝|cos(2θ(p，q))-cos(2θ(u，v))|    (3)

φ_y(p，q，u，v)＝|sin(2θ(p，q))-sin(2θ(u，v))|，  (4)

分块(p，q)所在的局部区域大小为N×N个像素。

4.如权利要求1所述的自适应模板大小的Gabor指纹图像增强方法，其特征在于：所述步骤3.)中，增强模板大小的确定方法为：设定模板大小M在一个范围[M₁，M₂]内，其中，M取奇数；将计算得到的曲率值σ归一化，使之取值在0～1之间，得到新的曲率值σ′；确定增强模板大小的原则是，当纹线曲率较大时，采用较小的增强模板，否则采用较大的增强模板。

5.如权利要求4所述的自适应模板大小的Gabor指纹图像增强方法，其特征在于，所述步骤4.)中，构造增强模板的方法，采用偶对称的二维Gabor滤波器函数表示为：

$h(x,y:\mathrm{\π},f)=\exp \{-\frac{1}{2}[\frac{x_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_x^2}+\frac{y_{\mathrm{\φ}}^2}{{\mathrm{\δ}}_y^2}\left]\right\}\cos \left(2\mathrm{\πf}{x}_{\mathrm{\φ}}\right)---\left(5\right)$

x_φ＝xcosφ+ysinφ    (6)

y_φ＝-xsinφ+ycosφ， (7)

其中，φ是Gabor滤波器的方向，f是正弦波的频率，δ_x和δ_y是沿x轴和y轴的高斯包络常数；为每个分块构造一个增强模板，得到每个分块增强模板的大小。

Images