CN102629316B - 自动指纹识别技术中的图像增强方法 - Google Patents

Abstract

本发明涉及一种指纹识别的方法与系统，涉及一种手指指纹图像增强的方法。公开了一种自动指纹识别技术中的图像增强方法，先构造和指纹纹理相一致的二维正弦滤波器，接着采用二维高斯函数对二维正弦滤波器进行调制，获得高斯调制二维正弦滤波器，然后对高斯调制二维正弦滤波器进行修正，构造符合指纹图像处理实际需要的滤波器，并利用各个指纹图像区域的频率参数和方向参数构造合适的高斯调制二维正弦滤波器增强模板，最后将对应的高斯调制二维正弦滤波器模板和对应的指纹图像区域进行卷积运算，对指纹图像进行增强处理，并对增强结果进行归一化处理，获得最终的增强指纹图像。

Description

自动指纹识别技术中的图像增强方法

技术领域

本发明涉及一种指纹识别的方法与系统，涉及一种手指指纹图像增强的方法。

背景技术

自动指纹识别技术是指利用手指指头表面纹路的脊线、谷线分布模式来确认识别对象的身份的一种生物特征识别技术。指纹作为人体基本特征之一，它具有唯一性、不变性和排列分布规律性的特点。人类很久以来一直使用指纹作为身份识别的重要手段，至今已有很长的历史，使用指纹对对象进行身份鉴定的合法性和有效性也早已得到了广泛的认可。中国古代就有在各类文书、契约上按捺指纹印记代替签名的传统。目前自动指纹识别技术除了应用与法律、公安等领域外，它也被广泛应用于计算机用户的身份认证、银行ATM卡和信用卡使用者的身份认证等，另外，它还可以作为一种访问网络资源的高效、可靠的信息安全技术以及应用于各类智能IC卡、雇员证明、电子门锁等。

现代指纹识别技术的研究是起始于十六世纪。直到1864年，英国植物学家Nehemiah Graw发表了人类对指纹识别技术进行科学研究的第一篇论文，研究了指纹纹线脊、谷和孔状结构的对称性，开启了人类研究指纹的新篇章。1788年，Mayer详细描述了指纹纹线的结构性特征，对纹线的结构特征进行了具体定义，并发表了相关学术论文。1809年，Thomas Bewick将个人指纹作为自己的私章，用以取代传统的私章，实现了指纹识别技术的具体应用，被认为是现代化指纹识别技术研究的里程碑。1823年，Perkinje提出了第一套指纹分类方案，根据纹线的全局结构模式，将指纹大致分为九类。1880年，Heney Fauld第一次比较科学地研究了指纹的唯一性问题。大约在同一时间，Herschel宣称他从事指纹识别技术的研究已有近20年的历史。这些研究奠定了现代指纹识别技术的基石。在十九世纪后期，Francis Galton对指纹进行了较为深入的研究，他于1888年撰文将指纹细节特征引入到指纹识别领域。到了二十世纪早期，指纹的概念已为人们所熟知，逐步归纳并建立了关于指纹的三条基本原则：

1、人类指纹的脊、谷纹线结构具有唯一性特征，即使是孪生兄弟的指纹的脊、谷纹线结构也是不相同的，即每个人的指纹的脊、谷纹线结构与他人是不完全相同的。

2、指纹全局结构模式的种类虽然有限，但却是因人而异的，甚至每个人的不同手指指纹的全局结构模式也是不相同的，对指纹进行分类是可行的。

3、对每个人来讲，指纹的形成在胎儿时期就已经基本成型，因此，指纹的全局结构模式和细节特征是与生俱来和终生不变的，不会随着成长而改变。

第一条和第三条原则是进行唯一性验证，从而完成指纹识别的基础，而第二条原则是对指纹进行分类的基础。

按照各自的实现功能，自动指纹识别技术可以被分解为以下四个主要模块：（1）指纹采集：就是通过相应的指纹采集设备获取人体手指指纹纹线分布结构并进行数字化处理，将其转换为数字指纹图像的过程；（2）指纹特征信息提取：就是综合应用各类图像处理技术对所采集到的指纹图像进行处理，提取出可以表征指纹唯一性的、稳定的细节特征信息或全局特征信息的过程；（3）指纹分类：就是根据指纹纹线客观上所具有的全局结构模式，制定相应的分类标准，将具有相同全局结构模式的指纹归结到同一类别中；（4）指纹匹配：就是根据所提取的具有唯一性的、稳定的指纹细节特征信息来判断两枚指纹是否同源，即是否来自于同一个人的同一个手指。早期的指纹采集都是通过油墨按压在纸上产生的。随着光电技术和计算机技术的发展，二十世纪八十年代开始出现了光学指纹采集设备，通常称为光电指纹采集仪。随着半导体技术的进步，陆续出现了指纹传感器、热敏传感器、超声波传感器等新型传感器。不同的采集方法采集的指纹图像质量存在着不同的差异。但这些采集方式无法解决由于指纹本身的质量不好，对自动指纹识别技术的影响，无法实现对由于手指干燥、脱皮、老化、横纹等所引起的质量很差的指纹所带来的不利影响。

自动指纹识别技术发展到现在已经走向了实际应用。但是到目前为止，自动指纹识别技术中仍然存在一些技术难点未得到有效解决，从而也在一定程序上阻止了自动指纹识别技术的广泛应用。目前，自动指纹识别系统中的指纹图像增强技术的实际增强效果不理想，对噪声的适应能力不强，在噪声严重时无法获取准确的指纹信息，其概况叙述如下：

指纹图像增强处理技术：指纹图像增强的目的就是为了提高指纹图像质量（如分离粘连的纹线、连接断裂的纹线、修复疤痕等），提高指纹纹线的清晰度，以便降低噪声对细节特征信息提取结果的影响，提高自动指纹识别系统的准确率和可靠性。一般可以将这些指纹增强算法归为四类：频域滤波、Gabor滤波、空域方向滤波和其它算法。在现有的指纹图像增强处理方法中，大多数方法都使用了指纹纹线方向作为增强算法的参数，有些方法还同时使用指纹纹线的频率信息。作为典型的纹理图像，指纹纹线方向和纹线频率都是指纹的固有结构信息，充分地利用这两类信息可以有效地对指纹图像进行增强处理。但是，准确地获取受强噪声干扰的低质量指纹图像的纹线方向信息和频率信息是非常困难的事情，对低质量指纹图像的有效增强是具有挑战性的工作。

B.G.Sherlock等人构建了16组方向傅立叶滤波器，并在频域空间中对指纹图像进行增强处理。该方法以离散傅立叶变换为基本手段，首先计算所有像素的纹线方向信息，然后将所求取的连续方向分类为16个区域，接着利用16个方向信息构建了16组方向傅立叶滤波器并采用这些滤波器分别对指纹图像进行滤波增强处理，最后对16组滤波增强图像进行图像合成以获得最终的增强后指纹图像。该算法仅使用了纹线方向信息构建滤波器。L.Hong等人将加博函数引入到指纹增强处理中，提出了一种基于加博的指纹图像增强方法，该方法确立了加博指纹图像增强方法的基本理论体系。在此基础上,尹义龙等人对加博指纹增强方法进行了深入研究，并在此基础上对重新设计了加博滤波器，提出了更为准确的方向信息和频率信息提取算法，以提高加博滤波器指纹图像增强方法的实际效果。王玮等人在此基础上提出了基于Log-Gabor的指纹增强算法。L.Hong等人还利用加博滤波器组将指纹图像分解为一个滤波图像集，并通过图像合成获得最终的增强后指纹图像。对低质量指纹图像，该方法仍能够较为可靠地计算纹线方向，增强效果较好，但仍然无法满足实际应用需要。T.Kamei等人设计了方向滤波器并构建了合适的方向滤波模板，然后通过模板与指纹图像之间的卷积运算实现对指纹图像的滤波增强处理。武妍等人重新设计了方向滤波器模板，提出了一种改进的方向滤波增强方法。但是，方向滤波器模板的选择和构造的随意性很强，没有统一完整的数学模型，直接决定了构造准确、可靠的方向滤波器模板是非常困难的。D.C.Douglas Hung等人专门针对二值图像的增强处理提出了一种指纹增强和特征纯化的方法。L.O’Gorman等人使用的指纹增强方法对纹线方向信息的依赖性强且方法的实际增强效果达不到应用要求。程建刚等人将非线性扩散方程引如到指纹图像增强处理中，给出了一种基于非线性扩散方程的指纹图像增强方法的理论模型。彭章平等人将频谱分析的方法引入到指纹图像增强处理中，提出了基于非平稳信号频谱分析的指纹图像增强方法。詹小四等人在区域水平上采用二维正弦曲面滤波器对指纹图像进行增强处理.首先构造八方向上的二维正弦曲面滤波器,然后采用滤波器对指纹图像进行增强处理,最后采用融合算法将增强后指纹图像融合成一幅完整的增强后指纹图像。但所采用的二维正弦滤波器未经调制，边缘噪声对增强结果的影响较大，且算法是对在八个方向上对指纹图像进行增强处理后再进行融合，时间代价较大。

发明内容

本发明针对现有技术中图像质量对指纹图像增强结果的影响，提供了一种基于高斯调制二维正弦滤波器的指纹图像增强方法。该指纹图像增强方法可以很好地实现对低质量指纹图像的增强处理，修复指纹图像中的断线、疤痕等低质量区域，提高指纹图像的纹线清晰度，很好地适应对不同质量的指纹图像进行增强处理的要求。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

自动指纹识别技术中的图像增强方法，先构造和指纹纹理相一致的二维正弦滤波器，接着采用二维高斯函数对二维正弦滤波器进行调制，获得高斯调制二维正弦滤波器，然后对模型进行修正，构造符合指纹图像处理实际需要的滤波器，并利用各个指纹图像区域的频率参数和方向参数构造合适的高斯调制二维正弦滤波器增强模板，最后将对应的高斯调制二维正弦滤波器模板和对应的指纹图像区域进行卷积运算，对指纹图像进行增强处理，并对增强结果进行归一化处理，获得最终的增强指纹图像，采用二维高斯函数对二维正弦滤波器进行调制，构造高斯调制二维正弦滤波器，针对指纹图像处理，采用二维高斯函数对二维正弦滤波器进行调制，通过数学建模构造二维正弦滤波器，二维高斯函数定义如下：

$f(x,y)=a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2}$

然后采用二维高斯函数对二维正弦滤波器进行调制，构造高斯调制二维正弦滤波器模型，定义如下：

$M(x,y)=(a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2})\·A\·\left\{\sin \left(2\mathrm{\πf}(x\·\cos \left(\mathrm{\θ}\right)+y\·\sin \left(\mathrm{\θ}\right))\right)\right\}$

其中M是对应指纹图像子块的高斯调制二维正弦滤波器模板，有效指纹图像区域所对应的二维正弦曲面由所在图像区域的纹线方向角度θ、纹线频率f和幅度A决定，a、b、c为高斯常数。

作为优选，根据指纹图像所具有的内在特征构造符合指纹图像增强处理要求的高斯调制二维正弦滤波器，定义指纹图像中待增强处理像素坐标为(x',y'),并以该像素为模板中心点，选取图像中w×w邻域为模板区间。则可以(x',y')为模板中心，修正高斯调制二维正弦滤波器，定义如下：

M(x,y)=f(x,y)·A·{sin(2πfL)}

其中：

$f(x,y)=a\·e^{-({(x-x^{\′})}^2+{(y-y^{\′})}^2)/c^2}$

L=(x-x')·cos(θ)+(y-y')·sin(θ)

上式构建了一个由角度θ、频率f、幅值A、中心点(x',y')和高斯常数共同定义的高斯调制二维正弦滤波器。在实际的图像增强处理过程中，需要首先求取指纹图像区域的方向信息和频率信息，然后再将方向信息和频率信息作为输入参数，构造和该指纹图像区域的方向和频率相一致的滤波器。为此，首先要求取各个指纹图像区域的方向信息和频率信息。

作为优选，对指纹图像进行分块处理：这里将一幅指纹图像分成互不重叠、大小为N×N的子块，N=8。

作为优选，分别求取各个指纹图像区域的纹线方向θ和纹线频率f，并利用所求取的纹线方向θ和纹线频率f构造修正后的高斯调制二维正弦滤波器增强模板。

作为优选，对指纹图像进行卷积运算并进行归一化处理，获得增强后指纹图像，定义增强模板与指纹图像之间的卷积运算如下：

$E(i,j)=\underset{k=-w/2}{\overset{w/2}{\mathrm{\Σ}}}\underset{l=-w/2}{\overset{w/2}{\mathrm{\Σ}}}M(k,l)*I(i+k,j+l)$

其中，M是对应指纹图像子块的高斯调制二维正弦滤波器模板，I是原始指纹图像，E是增强模板和指纹图像进行卷积运算后的增强指纹图像，w是增强模板尺寸，M(k，l)表示增强模板对应位置的权值，I(i，j)和E(i，j)分别表示原始指纹图像和增强指纹图像中第(i，j)点像素的灰度值，I(i+k，j+l)表示原始指纹图像中第(i+k，j+l)点像素的灰度值；对每块指纹图像区域，采用所构造的修正后的高斯调制二维正弦滤波器模板，对该块指纹图像区域进行卷积运算，实现对指纹图像的增强处理，然后对增强后图像进行归一化处理，将像素值调整到[0，255]区间，获得最终的增强后指纹图像。

为了解决现有的指纹图像增强方法对低质量指纹图像增强效果不够理想，不能获得具有较高质量的增强后指纹图像，本发明先构造指纹图像灰度分布的二维模型，再将二维正弦模型和高斯函数引入到指纹图像增强技术中，构造和指纹图像灰度分布近似一致的高斯调制二维正弦滤波器，然后根据指纹增强模板的实际需求，选择增强模板的中心点作为滤波器的中心，采用指纹图像的方向信息和频率信息作为主要参数，选择合适的高斯常数，构造有效的高斯调制二维正弦滤波器指纹增强模板，利用该模板实现对指纹图像的增强处理，提高指纹图像的质量。

该方法首先通过数学建模，构造和指纹局部纹理相一致的二维正弦模型,将二维高斯函数和二维正弦模型引入到指纹图像增强处理过程中，构造和指纹纹理规律一致的高斯调制二维正弦滤波器，然后对该滤波器进行修正，构造符合指纹图像处理实际需要的滤波器模型，接着利用各个指纹图像区域的频率参数和方向参数构造合适的滤波器增强模板，最后将对应的滤波器模板和对应的指纹图像区域进行卷积运算，对指纹图像进行增强处理，获得最终的增强指纹图像。本方法能够较好地修复、疤痕等低质量图像区域，对指纹图像质量的适应性强，较好地克服了边际噪声对图像增强结果的影响，能有效提高指纹图像质量，获得纹理清晰度好的高质量指纹图像。

按照本发明的技术方案，自动指纹识别技术中的图像增强方法与现有的指纹图像增强方法相比，具有的优点是：①本方法对指纹图像的增强效果更好，可以有效地连接指纹纹理中的断线，分离指纹纹理中的粘连，修复指纹中的疤痕，改善指纹图像的纹线清晰度，很好地提高了指纹图像质量；②本方法对指纹图像质量具有良好的适应性，针对各种不同质量的指纹图像，该技术都能够获得一个较为理想的增强结果。③本方法构造的高斯调制二维正弦滤波器与指纹纹理的一致性高，符合指纹纹理的实际状态，对指纹增强的整体效果好。

附图说明

图1是高质量指纹图像区域；

图2是高质量指纹图像区域对应的正弦曲面模型（对应于图1）；

图3是低质量指纹图像区域；

图4是低质量指纹图像区域对应的正弦曲面模型（对应于图3）；

图5是构造的规则二维正弦纹理图像；

图6是正弦纹理图像的三维图（对应于图5）；

图7是法线方向上的一个剖面图（对应于图6）；

图8是典型的规则指纹图像区域；

图9是法线方向上的一个剖面图（对应于图8）；

图10是一维高斯函数；

图11是二维高斯函数；

图12是高斯调制二维正弦滤波器的平面图；

图13是高斯调制二维正弦滤波器的三维图（对应于图12）；

图14是构造的规则指纹纹理图像（角度θ=π/4，频率f=1/9）；

图15是在图14上添加强噪声后的加噪图像；

图16是采用高斯调制二维正弦滤波器对加噪图像（图15）进行增强处理之后的结果图（滤波器的角度θ=π/4，频率f=1/9）；

图17是对增强后图像进行二值化处理之后的图像（对应于图16）；

图18是一幅高质量原始指纹图像；

图19是采用高斯调制二维正弦滤波器对高质量指纹图像（图18）进行增强处理后的增强指纹图像；

图20是一幅粘连较为严重、整体灰度值较低的低质量指纹图像；

图21是采用高斯调制二维正弦滤波器对低质量指纹图像（图20）进行增强处理后的增强指纹图像；

图22是一幅存在比较严重的疤痕和断线的低质量指纹图像；

图23是采用高斯调制二维正弦滤波器对低质量指纹图像（图22）进行增强处理后的增强指纹图像；

图24是指纹识别系统构成方框图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

自动指纹识别技术中的图像增强方法，首先，将高斯函数和二维正弦模型引入到指纹图像增强处理过程中，根据指纹图像的内在性质构造和指纹纹理相一致的二维正弦滤波器，并采用二维高斯函数对二维正弦滤波器进行调制，构造高斯调制二维正弦滤波器。然后针对指纹图像增强处理的实际需要，对高斯调制二维正弦滤波器进行修正，构造符合指纹图像处理实际需要的高斯调制二维正弦滤波器，接着利用各个指纹图像区域的频率参数和方向参数构造相应的高斯调制二维正弦滤波器增强模板，最后将对应的高斯调制二维正弦滤波器模板和对应的指纹图像区域进行卷积运算，对指纹图像进行增强处理，获得最终的增强指纹图像。该指纹图像增强技术可以描述为：

①构造二维正弦滤波器模型：

指纹图像本质上是一类较为规则的纹理图像，尤其是考察指纹图像的局部区域时更是如此。从灰度级差角度分析，纹理图像具有较强的规律性。指纹图像作为一种较规则的纹理图像，表现在像素灰度值上为二维正弦波的递增、递减变化，从而形成较为规则的二维正弦曲面模式，如图1、图2所示。但是，由于环境因素、采集仪器干扰、皮肤干燥或暴皮等多方面原因，所获得的指纹图像一般都包含有大量的噪声，这就直接导致了指纹图像不再完全符合二维正弦曲面的基本规律，如图3、图4所示。指纹图像增强的目的就是尽量降低噪声对原始信号的干扰，还原信号本来的规律性，以便恢复噪声区为较为规则的正弦曲面模式。对指纹图像滤波而言，最好的滤波器就是符合二维正弦曲面模型的滤波器。因此，本方法首先通过数学建模构造二维正弦曲面模型，给出了该模型的一般数学表示。一般而言，有效指纹图像区域所对应的二维正弦曲面由所在图像区域的纹线方向角度θ、纹线频率f和幅度A决定，定义为：

M(x,y)=A·{sin(2πf(x·cos(θ)+y·sin(θ)))}

上式定义的是一个严格的正弦纹理图像，其纹理的规律性强，符合二维正弦曲面模型，如图5、图6、图7所示。其中，图5是二维平面图，图6是三维显示结果，图7是图6沿着法线方向上的一个剖面图。由图6、图7可以看出，对应的图形是一个规则的正弦，与规则的指纹图像区域是近似一致的，如图8，图9所示。其中，图8是一个规则的高质量指纹图像区域，图9是图8沿着法线方向上的一个剖面图。但是，上述模型没有经过任何的调制，是严格定义的规律二维正弦滤波器，在边际噪声较大时会对增强处理结果形成不利影响，因此，需要对该滤波器进行调制。

二维高斯函数是一种具有旋转不变性的单值函数，在数字图像处理领域多被用于对图像进行平滑滤波运算。旋转不变性是指二维高斯滤波器在各个方向上的平滑程度是相同的，在后续的图像处理中不会偏向于任何一个方向。单值函数表明，在高斯滤波器用像素邻域的加权平均值代替该像素值时，权值随着该点与中心点之间距离的递增而单调递减的。在对二维正弦滤波器进行调制的过程中，正是需要上述两大性质作为基础，才能保证调制结果满足指纹图像增强的需要。因此，本方法采用高斯函数对二维正弦滤波器进行调制。

②采用二维高斯函数对二维正弦滤波器进行调制，构造适合指纹增强处理需要的高斯调制二维正弦滤波器模型：

标准的一维高斯函数定义如下：

$f\left(x\right)=a\·e^{-{(x-b)}^2/c^2}$

其图形表示形式如图10所示。它可以有效调制一维信号，将信号调制为满足高斯分布的形态，但不能调制二维信号。为此，需要采用二维高斯函数对二维正弦滤波器进行调制。二维高斯函数定义如下：

$f(x,y)=a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2}$

其中，a,b,c为高斯常数，决定了二维高斯函数的形态。二维高斯函数在空间中的表示如图11所示。

因此，定义高斯调制二维正弦滤波器如下：

$M(x,y)=(a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2})\·A\·\left\{\sin \left(2\mathrm{\πf}(x\·\cos \left(\mathrm{\θ}\right)+y\·\sin \left(\mathrm{\θ}\right))\right)\right\}$

③根据指纹图像所具有的内在特征构造符合指纹图像增强处理要求的高斯调制二维正弦滤波器：

由上述分析可知，高斯调制二维正弦滤波器由频率、方向、幅值和高斯常数共同决定，为了能够有效对应实际的指纹区域模式，滤波器的频率和方向应该和对应区域的指纹纹线的实际频率和方向保持一致，高斯常数的确定应保证高斯函数调制后的二维正弦滤波器的曲面不改变二维正弦滤波器的基本形态，这样才能获得最优的增强效果。

上式中，滤波器所选定的中心点为坐标原点(0,0)，显然，这并不符合二维图像滤波器构造的一般要求。由图像处理的基本知识可知，一般应选择待处理像素位置为模板中心点，定义其坐标为(x',y')，选取其一个w×w邻域为模板区间。为了能够更好地理解上述公式的物理意义，定义(x',y')为滤波器的中心，则可以修正高斯调制二维正弦滤波器如下：

M(x,y)=f(x,y)·A·{sin(2πfL)}

其中：

$f(x,y)=a\·e^{-({(x-x^{\′})}^2+{(y-y^{\′})}^2)/c^2}$

L=(x-x')·cos(θ)+(y-y')·sin(θ)

上式所确定的是由角度θ、频率f、幅值A、中心点(x',y')和高斯常数共同构建的高斯调制二维正弦滤波器，如图12、图13所示。图12、13中对应的频率f为1/9，角度θ为π/4、幅值A为100、高斯常数a=2.0、c=8.0，邻域模板的尺寸w为49。其中图12是该滤波器在平面上的形态，图13是该滤波器在三维空间中的形态。其他各个方向上的高斯调制二维正弦滤波器可以通过对该滤波器旋转相应的角度获得。在实际的图像增强处理过程中，需要首先求取指纹图像区域的方向信息和频率信息，然后再将方向信息和频率信息作为输入参数，构造和该指纹图像区域的方向和频率相一致的滤波器。

为了验证高斯调制二维正弦滤波器对图像增强的实际处理效果，本方法首先构造了规则的纹理图像，如图14所示，接着在图像上添加了各类强噪声，形成了强噪声图像，如图15所示，然后采用高斯调制二维正弦滤波器对强噪声图像进行增强处理，获得了增强图像，如图16所示，最后，对增强图像进行二值化处理，将灰度图像变换为黑白二值图像，具体结果如图17所示。由图16、图17可以看出，高斯调制二维正弦滤波器能够有效地实现对强噪声图像的增强处理，消除图像中所存在的各类噪声，提高了图像的质量。

④在对图像增强处理之前，对采取的指纹图像进行分块处理：这里将一幅指纹图像分成互不重叠、大小为N×N的子块，一般取N=8。

⑤利用各个子块的方向信息和频率信息构建相应的高斯调制二维正弦滤波器模板：本方法分别采用基于多级分块尺寸下的指纹方向信息提取方法和基于统计窗的纹线距离提取方法，求取各个指纹图像区域的纹线方向θ和纹线频率f，并利用所求取的纹线方向θ和纹线频率f构造相应的高斯调制二维正弦滤波器增强模板。

⑥利用所构造的高斯调制二维正弦滤波器模板对指纹图像进行卷积运算并进行归一化处理，获得增强后指纹图像。

对每块指纹图像区域，采用上述所构造的高斯调制二维正弦滤波器模板，对该块指纹图像区域进行卷积运算，实现对指纹图像的增强处理，然后对增强后图像进行归一化处理，将像素值调整到[0，255]区间，获得最终的增强后指纹图像。具体的卷积运算公式如下:

$E(i,j)=\underset{k=-w/2}{\overset{w/2}{\mathrm{\Σ}}}\underset{l=-w/2}{\overset{w/2}{\mathrm{\Σ}}}M(k,l)*I(i+k,j+l)$

其中，M是对应指纹图像子块的高斯调制二维正弦滤波器模板，I是原始指纹图像，E是增强模板和指纹图像进行卷积运算后的增强指纹图像，w是增强模板尺寸，M(k,l)表示增强模板对应位置的权值，I(i,j)和E(i,j)分别表示原始指纹图像和增强指纹图像中第(i,j)点像素的灰度值。

为了验证本方法对指纹图像增强的实际处理能力，采用本方法分别对三幅典型指纹图像进行了增强处理。（图18至图23给出了本方法对各类指纹图像的实际增强处理效果。）其中，图18是高质量指纹图像，图19是采用本方法对其进行增强处理后所获得的增强指纹图像，图20是图像粘连较为严重、整体灰度值较低的低质量指纹图像，图21是采用本方法对其进行增强处理后的增强指纹图像，图22是存在比较严重的疤痕和断线的低质量指纹图像，图23是采用本方法对其进行增强处理后的增强指纹图像。

一般而言，自动指纹识别系统如图24所示。其中，指纹图像增强是非常重要的部分，对自动指纹识别系统性能的提升有极大的帮助。本发明所给出的基于高斯调制二维正弦滤波器的指纹图像增强方法可以有效提高指纹图像质量，改善指纹图像中的纹理清晰度，提高自动指纹识别系统的准确率。

总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。

Claims (4)

1.自动指纹识别技术中的图像增强方法，其特征在于：先构造和指纹纹理相一致的二维正弦滤波器，接着采用二维高斯函数对二维正弦滤波器进行调制，获得高斯调制二维正弦滤波器，然后对高斯调制二维正弦滤波器进行修正，构造符合指纹图像处理实际需要的滤波器，并利用各个指纹图像区域的频率参数和方向参数构造高斯调制二维正弦滤波器增强模板，最后将对应的高斯调制二维正弦滤波器模板和对应的指纹图像区域进行卷积运算，对指纹图像进行增强处理，并对增强结果进行归一化处理，获得最终的增强指纹图像；采用二维高斯函数对二维正弦滤波器进行调制，构造高斯调制二维正弦滤波器，针对指纹图像处理，采用二维高斯函数对二维正弦滤波器进行调制，通过数学建模构造二维正弦滤波器，二维高斯函数定义如下：

$f(x,y)=a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2}$

然后采用二维高斯函数对二维正弦滤波器进行调制，构造高斯调制二维正弦滤波器，定义如下：

$M(x,y)=(a\·e^{-({(x-b)}^2+{(y-b)}^2)/c^2})\·A\·\left\{\sin \left(2\mathrm{\πf}(x\·\cos \left(\mathrm{\θ}\right)+y\·\sin \left(\mathrm{\θ}\right))\right)\right\},$

其中M是对应指纹图像子块的高斯调制二维正弦滤波器模板，有效指纹图像区域所对应的二维正弦曲面由所在图像区域的纹线方向角度θ、纹线频率f和幅度A决定，a、b、c为高斯常数；根据指纹图像所具有的内在特征构造符合指纹图像增强处理要求的高斯调制二维正弦滤波器，定义模板中心点坐标为(x′，y′)，选取其一个w×w邻域为模板区间，则以(x′，y′)为模板中心，修正高斯调制二维正弦滤波器，定义如下：

M(x，y)＝f(x，y)·A·{sin(2πfL)}

其中：

$f(x,y)=a\·e^{-({(x-x^{\′})}^2+{(y-y^{\′})}^2)}/c^2$

L=(x-x′)·cos(θ)+(y-y′)·sin(θ)

上式构建了一个由角度θ、频率f、幅值A、中心点(x′，y′)和高斯常数a、高斯常数c共同定义的高斯调制二维正弦滤波器。

2.根据权利要求1所述的自动指纹识别技术中的图像增强方法，其特征在于：对指纹图像进行分块处理，将指纹图像分成互不重叠、大小为N×N的子块，N＝8。

3.根据权利要求1或2所述的自动指纹识别技术中的图像增强方法，其特征在于：分别求取各个指纹图像区域的纹线方向θ和纹线频率f，并利用所求取的纹线方向θ和纹线频率f构造修正后的高斯调制二维正弦滤波器增强模板。

4.根据权利要求1所述的自动指纹识别技术中的图像增强方法，其特征在于：对指纹图像进行卷积运算并进行归一化处理，获得增强后指纹图像，定义模板与指纹图像之间的卷积运算如下：

$E(i,j)\underset{k=-w/2}{\overset{w/2}{\mathrm{\Σ}}}\underset{l=-w/2}{\overset{w/2}{\mathrm{\Σ}}}M(k,l)*I(i+k,j+l)$

其中，M是对应指纹图像子块的高斯调制二维正弦滤波器模板，I是原始指纹图像，E是增强模板和指纹图像进行卷积运算后的增强指纹图像，w是增强模板尺寸，M(k，l)表示增强模板对应位置的权值，I(i，j)和E(i，j)分别表示原始指纹图像和增强指纹图像中第(i，j)点像素的灰度值，I(i+k，j+l)表示原始指纹图像中第(i+k，j+l)点像素的灰度值；对每块指纹图像区域，采用所构造的修正后的高斯调制二维正弦滤波器模板，对该块指纹图像区域进行卷积运算，实现对指纹图像的增强处理，然后对增强后图像进行归一化处理，将像素值调整到[0，255]区间，获得最终的增强指纹图像。

Images