CN102999750B - 一种去除背景干扰的现场指纹增强方法 - Google Patents

Abstract

本发明提出一种去除背景干扰的现场指纹增强方法，其特征在于，包括：采集现场指纹并显像，并对显像前图像和显像后图像进行图像对应点和指纹区域的标定；对现场指纹的图像进行分割，得到背景子图集和对应的指纹子图集；对背景子图集中的低频背景分区对应的指纹子图进行自适应指纹增强；以及对背景子图集中的边缘分区对应的指纹子图进行增强；低频分区增强结果与边缘分区增强结果合并，得到最终的指纹增强图像。本发明利用指纹显像前的背景图像和显像后的含有背景的指纹图像进行指纹图像的背景去除，得到高质量的现场指纹图像，从而使得指纹特征更易于提取。

Description

一种去除背景干扰的现场指纹增强方法

技术领域

本发明涉及自动指纹识别领域，尤其涉及一种去除背景干扰的现场指纹增强方法

背景技术

在当今社会中，身份认证成为了生产生活中的一项重要任务，生物特征识别凭借其安全可靠，并且不易改变的特性受到重视，成为重要的身份认证手段。多种有效的生物特征识别技术中，指纹识别技术被应用的最为广泛，并在司法领域起到了重要的作用。同时现场指纹作为重要的物证成为司法部门重点关注的现场物证，很多时候现场指纹能够给警方提供关键的线索，从而帮助警方破案。不同于通过油墨按捺或者指纹采集仪获取的指纹图像，现场指纹常常存在复杂的背景干扰。这是因为许多现场指纹遗留在带有复杂图案的物品上，如书籍、杂志的表面。传统的指纹特征提取算法在处理这种带有复杂背景的指纹时特别容易出错。因此，公安部门迫切需要一种去除现场指纹中背景干扰的技术。

在各类民事、刑事案件中，文件、书籍、书信、报纸、支票是现场指纹的常见载体。这些纸张上的文字和图形如果和指纹叠加在一起，就会对指纹特征的提取造成困难。

已有的指纹背景噪声去除方法都是在单幅指纹图像上进行的，由于背景中灰度突变的地方与指纹纹线非常相似，这些方法难以将背景去除得很干净。而遗留的背景仍然会影响指纹的特征提取结果，从而影响最终的指纹识别正确率。

发明内容

本发明旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。本发明的目的是去除现场指纹中的背景文字和图形的干扰，以提高指纹的质量，从而提高识别率。

根据本发明实施例的去除背景干扰的现场指纹增强方法，包括：A.采集现场指纹并显像，并对显像前图像和显像后图像进行图像对应点和指纹区域的标定和校正；B.对所述现场指纹的背景图像进行分割，得到背景子图集、指纹子图集和边缘指纹子图；C.对所述指纹子图集中的低频分区的每幅图进行自适应指纹增强；D.对所述边缘指纹子图进行增强；以及E.将步骤C得到的低频分区增强结果与步骤D得到的边缘分区增强结果合并，得到最终的指纹增强图像。

进一步地，所述步骤B进一步包括：B1.计算所述显像前图像的灰度直方图；B2.去除所述灰度直方图中的伪峰值点；B3.根据去伪后的所述灰度直方图中的峰值点确定低频背景分区的个数，并根据相邻峰值点的中点作为阈值，对背景图像进行分区，并对每个分区进行适当收缩，得到背景子图集和指纹子图集；以及B4.将各个背景子图集都未覆盖的区域提取为边缘区域，并得到边缘指纹子图。

进一步地，所述步骤C包括：对所述指纹子图集中的低频分区的每幅图分别增强图像对比度，其中增强图像对比度的方法为灰度拉伸方法，直方图均衡化方法，局部的灰度拉伸方法或者局部直方图均衡化方法。

进一步地，所述步骤D进一步包括：D1.根据所述低频分区的指纹增强结果，使用改进梯度法获得指纹的方向场。改进梯度法仅使用低频分区增强结果对应的像素计算方向场，并利用指纹方向场连续性估计边缘区域的方向场，最终得到完整方向场；以及D2.根据所述低频指纹分区的指纹增强结果，使用Gabor滤波方法，得到边缘背景区域的指纹增强结果。

进一步地，所述步骤E进一步包括：E1.通过灰度拉伸方法使得所述低频分区增强结果与所述边缘分区增强结果在接近的区域有相同的灰度极值；以及E2.将灰度拉伸后的所述低频分区增强结果与边缘分区增强结果合并之后，进行平滑处理，得到最终的指纹增强图像。

本发明利用指纹显像前的背景图像和显像后的含有背景的指纹图像进行指纹图像的背景去除，得到高质量的现场指纹图像，从而使得指纹特征更易于提取。本发明同样适用于受到文字和图形干扰的现场掌纹和脚纹。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明的去除背景干扰的现场指纹增强方法的流程图

图2为显像前后图像示例（BG0和GI0）

图3为配准后的背景图像与指纹图像（BG与GI)

图4为第一图像分区掩膜、及其指纹子图和增强指纹子图（portions0、G0和GH0）

图5为第二图像分区掩膜、及其指纹子图和增强指纹子图（portions1、G1和GH1）

图6为背景边缘图像掩膜和边缘指纹子图（BE和GE）

图7为低频背景区域指纹增强结果与方向场提取结果（GR和D）

图8为边缘区增强指纹子图（GHE）

图9为全局指纹增强的结果图（GO）

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

为使本领域技术人员更好地理解本发明，现对符号解释说明如下：

BG0：显像前背景图像

GI0：显像后指纹图像

RECT：BG0中的指纹区域矩形框

BG：RECT范围内BG0的图像

GI：RECT范围内GI0的图像

BE：背景边缘图像掩膜

portions：图像分区掩膜集，portions={portions0，portions1，…}

B：BG的背景子图集，B={B0，B1，…}

G：GI的指纹子图集，G={G0，G1，…}

GE：边缘指纹子图

GH：GI增强指纹子图集，GH={GH0，GH1，…}

GHE：边缘区增强指纹子图

GR：低频背景区域的指纹增强结果

DR：使用低频背景区域图像估计的指纹方向场

D：整体指纹方向场

本发明的现场指纹提取方法特征在于显像前后对指纹区域的拍照采样，并根据显像前图像估计显像后图像背景特征，最后分别对指纹图像进行增强的过程。系统流程图如图1所示。它依次包含以下阶段：

步骤1图像采样与标定

步骤1.1图像采集

步骤1.1.1显像前图像的采集。具体地，首先将认为可能存在指纹的物品摊平，用相机正对拍照，作为显像前图像，此时由于不确定指纹的位置，拍照时应尽量使图像完全覆盖物品表面。并且为了减少对焦不准导致图片变虚的问题，如果是很大的物品表面，需要拍多张照片，分别对焦到不同位置。拍照采样时，不要过远拍摄，否则会使得物品表面的分辨率变低，影响标定、配准以及背景分析的精度。同时也不要拍摄距离过近，因为每个相机有各自的内部畸变，通常在图像中部的畸变较小，可以忽略。因此，最佳拍摄状态为物品对焦到图像的正中央，并且整个物品都不靠近图片边缘，这时图像的分辨率较高，并且畸变可以忽略。另一种应对相机内部畸变的方法是通过相机标定的手段获得相机的内参数，采集到的图像经过相机内参的校正后，将不受畸变的影响，但是这种方法需要把相机焦距固定，操作比较麻烦。这样采集到的照片，就是我们需要的显像前图像BG0。

步骤1.1.2显像后图像的采集。具体地，显像后图像的采集过程比较简单，只需要对焦到指纹部分，完整拍下指纹图像即可。为了能够有更高分辨率的指纹图像，应尽量放大照片中指纹，同时也需要避免指纹图像以及待标定点远离照片边界，原因同上。这样就得到了显像后图像GI0。由于BG0要覆盖尽可能多的表面，因此BG0的覆盖范围通常会比GI0大一些，其效果如图2。

步骤1.2图像标定

步骤1.2.1图像对应点标注。具体地，这里首先需要在BG0和GI0两幅图片中分别标定四个点的坐标，并利用标定点信息通过透视变换将BG0变换到GI0的视角下，得到BG1，此时的BG1与GI0的背景相同或相差几个像素。由于拍照时的对焦，角度与距离的差异，BG0和GI0这两幅图像之间存在视角的差异和位置的差异，因此需要通过标定点，对这些差异进行校正。在拍照的过程中，虽然物品会在显像的过程中被移动，但是就指纹区域来说，相对位置几乎没有移动，这种情况下，可以认为显像前后的图像是对同样的区域进行了两次拍照，这等同于固定照相机的情况下移动物品得到的两张照片。并且由于物品为书籍报纸等平面物品，因此两帧图像校正后不存在局部像素差（局部像素差与相对深度有关），因此可以用透视变换法校正两张图片之间的差异。标定的过程共需要4个点，并且这4个点中任意3个点不能共线，否则无法确定透视变换。同理，也尽量不要让3个点接近共线，否则会带来很大的标定误差，有时候会使得透视变换后的结果与真实结果差距很大。

步骤1.2.2指纹区域的标定。具体地，在GI0上标定一个矩形RECT，这个矩形包含一个完整的指纹图像。分别截取GI0和BG1中RECT对应的区域，通过图像比例放缩分别将截取出来的图像调整到500dpi下的图像，并存储为GI和BG。

图3中，两幅图像分别为显像前图像BG和显像后图像GI，BG与GI的背景特征是相同的，但是这里并不能采用背景差减法获取指纹图像，其原因有以下两点：首先，配准并不能保证像素级完全匹配。使用背景差减法不能去除掉背景，反而会在背景边缘处留下很强的响应；其次，由于相机采集的图像包含光照等因素的影响，同一物体不同次拍照的结果不相同。并且采集过程中存在噪声，那么背景差减后的结果会放大这部分的噪声，这些误差会导致差减法得到结果的信噪比很低。

步骤2背景图像分割

步骤2.1利用灰度直方图寻找划分灰度值。具体地，首先计算出BG的灰度直方图HBG，寻找出HBG的峰值。HBG的峰值应该是半径为k范围内HBG的频数最大值，这里k的值不宜过小，如果k过小，频数峰值的位置容易受到噪声的影响而出现很多。同时，由于灰度是从0到255的，因此当然也不能过大，这里选择k的值为10，这种情况下的频数峰值点通常不会受到噪声的影响。

步骤2.2去除伪峰值点。具体地，对于上面检测出来的所有峰值点，分别判断他们与threshold之间的大小关系，保留大于threshold的峰值点，将其他点舍去。在检测出所有峰值点后，需要去掉一些伪峰值点，这些点虽然是局部的最大值点，但是这些点的出现是由于该灰度区域的出现频率都很小，个别灰度值的点稍多一些就可能会被检测为灰度直方图的峰值点。这种点虽然是局部频率极值点，但是这种点明显并不代表BG中的某一个背景区域，我们称这种点为伪峰值点。为了去除伪峰值点，需要提取所有极值点处的频数值HBG，如果这个值小于threshold=number_of_element/256，那么可以肯定这个点一定是一个伪峰值点。其中number_of_element表示BG的总像素点数目，该表达式的含义是对于一幅同样大小的随机图像来说，某一个灰度值出现次数的期望应该是E(fn)=number_of_element/256=threshold次，如果某一个灰度值在BG的像素点中出现次数还不如该灰度值在一幅随机图像中出现的次数多，那么该点并不能被认作是BG中多次出现的灰度值点，即为伪峰值点。

步骤2.3背景图像分区。具体地，HBG的峰值点数目就是待划分区域的数目，不同峰值点之间的中值点就可以作为划分点。这样每个分区就对应于一个灰度值范围，通过判断BG中处在该灰度值范围内的点的位置，就能得到不同分区对应的图像掩膜portions（portions的每一个数据表示一个分区的图像掩膜）。由于portions将用作GI的背景区域划分，而BG与GI虽然已经配准，但是并没有达到像素级的完全匹配，因此我们需要分别腐蚀portions中的图像掩膜，以确保每一个图像掩膜在GI中的对应图像的灰度值接近，具有该图像掩膜在BG中对应图像的性质。这时的腐蚀半径不需要很大，因为对于经过手工标定的BG和GI来说，标定结果通常很准确，两幅图像的像素差异不大。由于在图像中很明显的脊线宽度约为10个像素，而手工标定的误差不会很明显，因此我们在这里认为标定结果的误差不会超过3个像素。因此这里选择portions的腐蚀半径为3，腐蚀之后得到的portions分别对应于GI中的不同区域，这些区域不再相连，并且每个分区内灰度值接近，便于指纹提取，并且灰度拉伸后指纹很明显，定义这些分区为低频背景区域，在低频背景区域通过简单的指纹对比度增强手段就能够得到指纹图像。使用portions中的图像掩膜分别从BG中获得图像，就分别是B0，B1，……，于是得到了背景子图集B={B0，B1，……}。而使用portions中的图像掩膜分别从GI中获得图像，就分别是G0，G1，……，于是得到了指纹子图集G={G0，G1，……}。

步骤2.4提取边缘与高频区域。具体地，上面得到portions是对于均一背景分区的估计，因此BE实际上就是portions中所有图像掩膜都不包含的区域，获得BE的方法为portions数组中的所有元素位或的结果取反。BE对应于BG图像中大块均一背景的边缘、复杂的细线背景或高频率分量存在的区域。在这种区域，背景图像的灰度分布比较复杂，因此使用对比度拉伸等手段难以提高指纹的对比度。本方法使用Gabor滤波的方法增强这部分图像的指纹脊线。在滤波之前需要估算指纹的方向场，这部分内容将在第四部分介绍。

步骤3区域自适应指纹增强

具体地，由于已经有了对图像的分区，因此这里仅需要分别对指纹子图集G中的每幅图像，分别增强图像对比度就能够得到分区内的指纹增强结果。这里可以使用的方法有四种，灰度拉伸，直方图均衡化，局部的灰度拉伸和局部直方图均衡化。使用局部灰度拉伸或局部直方图均衡化能够得到更高的对比度，但是也会大幅增强非指纹区的噪声，并且效率偏低。由于区域划分依据是像素的灰度值，因此在这一步中如果分别对每一个区域进行操作的话，同一区域内的像素值并不会很分散，因此使用全区域的直方图均衡化也能得到很好的效果。众所周知，直方图均衡化和线性灰度拉伸都是提高图像的对比度的方法。其中直方图均衡化的目的是使变换后图像的直方图尽量平均，而线性灰度拉伸的目的是建立一个线性的灰度映射，使得变换后的最大最小灰度值差变得更大。在指纹脊线增强中，通常直方图均衡化能够得到更高的对比度。两种方法的具体细节可以参考图像处理方面的教程。通过四种方法中的一种分别得到各分区的指纹图像之后，利用各分区的指纹增强结果GH，合成低频背景区域的指纹图像GR。合成方法为：初始化GR为全0图像，依次提取GH中的一个子图GHX，将GHX与GR相加，并将结果储存在GR中。在遍历了GH中的每一幅子图后，GR就是待求的合成图像。GR中包含两部分，BE对应的区域和有增强指纹的区域，且BE对应区域的灰度值均为0。

图4图5分别为局部增强的过程，首先用子图图像掩膜提取对应背景区域的图像，之后对该背景区域图像进行对比度增强，从而得到该区域的指纹图像。这两幅增强结果图仅有图像掩膜对应的区域存在增强图像，其他区域的像素值均为0。而图6为BE对应的区域，该区域是小文字区和大文字的边缘区。这些部分的灰度分布复杂，背景难以去除，因此这部分的图像不能使用对比度增强的方法得到指纹增强的结果，需要进一步处理。

步骤4边缘部分指纹增强

步骤4.1估计指纹方向场。具体地，传统的指纹方向场估计方法（如梯度法）估计指纹方向时，使用全部指纹图像进行方向场估计，但现在我们通过区域自适应指纹增强获得了低频背景指纹区域的脊线图像GR，但是该图像不包含边缘背景区域（BE）的脊线图像。因此使用传统的方法不能准确的估计出全局的指纹方向场，如果在没有这部分信息的情况下使用传统方向场估计方法计算，会导致计算得到的指纹方向场受到BE区域的影响，甚至方向场会变成沿着BE区域的边界。这里我们对传统的方向场估计方法做一些修改，使其能够在缺失部分图像信息时估计指纹图像中指纹较完整区域的方向场。这种改进的根本思想在于不使用缺失图像部分及其附近的图像信息进行方向场计算，同时为了避免参与方向场计算的像素过少，导致方向场计算结果不可靠，去掉有效像素比重很少的像素块计算出的方向场。下面以梯度法为例，介绍改进策略。传统的梯度法求取指纹方向场时，首先像素梯度图GD，将所有梯度长度都化为单位长度，同时将梯度角度变为原角度的2倍，得到梯度图GDN。在计算像素块block的方向时，取出block中像素点的GDN值，计算梯度和，并将梯度和的方向的半角作为block的方向场。改进的策略为对于无像素信息的区域BE进行膨胀，得到无信息部分及其邻域的图像掩膜BEN。在计算块block的方向场时，不使用BEN范围内的GDN值，同时统计block与BEN的公共像素个数，如果这个比例过高，计算结果将不被记录，对应位置无方向场，否则方向场将被记录下来，最终得到低频区域方向场DR。DR中有一些块没有方向场，这时利用其临近块的方向场推算出该块的方向场。对于DR中一个无方向场块b来说，提出b周围8个块的方向场，如果这8个块中不及4个块有方向场，那么不计算b的方向场。如果这8个块中有超过4个块（含4个）有方向场，那么计算这些方向场的二倍角方向向量（即二倍角余弦和正弦组成的二维向量），求这些方向向量的和作为b方向场的二倍角方向向量，进而计算出b的方向场。遍历了DR中所有块后得到了完整的指纹方向场D。最终得到的示意结果如图7，图中“元”字附近方向场显然没有受到BE区域的干扰，上部的方向场由于指纹质量较差，计算出的方向场有一些偏差，但是大致方向符合指纹的方向场规律。

步骤4.2边缘背景区域指纹增强。具体地，边缘背景区域灰度变化复杂，且对比度很大，通过对比度增强的手段是无法获取这部分的指纹信息的。需要使用滤波的手段去除掉背景图像，这里我们使用Gabor滤波器并利用估计的方向场进行指纹增强，得到背景边缘指纹增强图像GHE，如图8。

步骤E.图像合并

具体地，最后需要将上面得到的低频分区与边缘分区的增强结果合并，最终得到增强的指纹图像。在合并时为了避免两部分的图像边缘对比度过大，下面进行两部分操作。首先使用灰度拉伸的方法使得两部分图像在接近的区域有相同的灰度极值。将两幅部分图像合并之后，对结果图像进行平滑处理，最终得到完整的指纹增强图像GO，示例结果如图9所示。

综上所述，本发明利用指纹显像前的背景图像和显像后的含有背景的指纹图像进行指纹图像的背景去除，得到高质量的现场指纹图像，从而使得指纹特征更易于提取。本发明同样适用于受到文字和图形干扰的现场掌纹和脚纹。

需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (5)

1.一种去除背景干扰的现场指纹增强方法，其特征在于，包括：

A.采集现场指纹并显像，并对显像前图像和显像后图像进行图像对应点和指纹区域的标定和校正；

B.对所述现场指纹的所述显像后图像进行分割，得到背景子图集、指纹子图集和边缘指纹子图，其中，本步骤具体过程为：分割PECT范围内显像前背景图像，使用portions中的图像掩膜分别从RECT范围内显像前背景图像得到背景子图集；使用portions中的图像掩膜分别从RECT范围内显像后指纹图像得到指纹子图集；将各个背景子图都未覆盖的区域提取为边缘区域，并得到边缘指纹子图；

C.对所述指纹子图集中的低频分区的每幅图进行自适应指纹增强；

D.对所述边缘指纹子图进行增强；以及

E.将步骤C得到的低频分区增强结果与步骤D得到的边缘分区增强结果合并，得到最终的指纹增强图像。

2.如权利要求1所述的方法，其特征在于，所述步骤B进一步包括：

B1.计算所述显像前图像的灰度直方图；

B2.去除所述灰度直方图中的伪峰值点；

B3.根据去伪后的所述灰度直方图中的峰值点确定低频背景分区的个数，并根据相邻峰值点的中点作为阈值，对背景图像进行分区，并对每个分区进行适当收缩，得到背景子图集和指纹子图集；以及

B4.将各个背景子图集都未覆盖的区域提取为边缘区域，并得到边缘指纹子图。

3.如权利要求1所述的方法，其特征在于，所述步骤C包括：对所述指纹子图集中的低频分区的每幅图分别增强图像对比度，其中增强图像对比度的方法为灰度拉伸方法，直方图均衡化方法，局部的灰度拉伸方法或者局部直方图均衡化方法。

4.如权利要求1所述的方法，其特征在于，所述步骤D进一步包括：

D1.根据所述低频分区的指纹增强结果，使用改进梯度法获得指纹的方向场，改进梯度法仅使用低频分区增强结果对应的像素计算方向场，并利用指纹方向场连续性估计边缘区域的方向场，最终得到完整方向场；以及

D2.根据所述低频指纹分区的指纹增强结果，使用Gabor滤波方法，得到边缘背景区域的指纹增强结果。

5.如权利要求1所述的方法，其特征在于，所述步骤E进一步包括：

E1.通过灰度拉伸方法使得所述低频分区增强结果与所述边缘分区增强结果在接近的区域有相同的灰度极值；以及

E2.将灰度拉伸后的所述低频分区增强结果与边缘分区增强结果合并之后，进行平滑处理，得到最终的指纹增强图像。