CN103136518A - 指纹图像自动识别系统预处理算法 - Google Patents

Abstract

本发明涉及指纹图像自动识别系统预处理算法，将捺印指纹或现场指纹转换成指纹图像，对指纹图像进行预处理以产生更清晰的画面图像，对预处理后的画面图像进行特征提取，对特征提取后的图像进行匹配和分类后进行输出判别，对图像平滑处理后的图像进行图像锐化处理，图像锐化处理后进行二值化处理，经过二值化处理的进行修饰处理，修饰处理过后的图像进行细化处理，经过细化处理的指纹图像根据指纹得到一般处理规律后进行加工处理，去掉无效的纹线搭桥和连接豁口。本发明的指纹图像自动识别系统预处理算法，采用此种算法，能够有效地提高效率，在指纹图像预处理中能够对图像进行处理和分类，从而能够提高指纹的识别率。

Description

指纹图像自动识别系统预处理算法

技术领域

本发明涉及指纹图像识别的领域，尤其是一种指纹图像自动识别系统预处理算法。

背景技术

由于指纹具有终身的稳定笥和惊人的特殊性，很早以来在身份鉴别方面就得到了应用，且被尊为“物证之首”。但人工对比指纹，效率低、速率慢，已愈来愈不能满足现代社会的需要。70年代在美国已开始用图像处理和模式识别方法进行计算机指纹分析以代替人工对比，并在70年代末80年代初研制成有关设备，投入运行。

我国在近10年来已陆续开展这方面的工作，现已进入实用阶段。本学科的技术用于指纹分析，有两方面的工作：（1）指纹特征提取与识别。这是比较成熟的工作，因为每个人都有固定的指纹类型，而指经纹纹线总的类型有限。因此，有可能把指纹经过预处理以后，提取特征，再用类聚分析方法进行判决分类；（2）指纹存储与归档。这是大容量存储的问题，试想每人有10个指纹，而全国十几亿人要存储上百亿个指纹，这需要多么巨大的存储容量。除了用激光存储等高密度的记录和存储手段外，还争切需要开展指纹的无失真、可恢复的压缩工作。

近几年来，国外发展了用计算机进行指纹对比的自动识别系统。指纹图像信息量大，处理及时，这些系统是基于中、小型计算机，甚至是专用高速并行处理机。

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种指纹图像自动识别系统预处理算法，其算法合理简单并且指纹识别率高。

本发明解决其技术问题所采用的技术方案是：一种指纹图像自动识别系统预处理算法，将捺印指纹或现场指纹转换成指纹图像，对指纹图像进行预处理以产生更清晰的画面图像，对预处理后的画面图像进行特征提取，对特征提取后的图像进行匹配和分类后进行输出判别，所述的预处理包括依次对量化后的指纹图像进行图像平滑处理，对图像平滑处理后的图像进行图像锐化处理，图像锐化处理后进行二值化处理，经过二值化处理的进行修饰处理，修饰处理过后的图像进行细化处理，经过细化处理的指纹图像根据指纹得到一般处理规律后进行加工处理，去掉无效的纹线搭桥和连接豁口。

所述的图像平滑处理包括空域法和频域法，空域法的输出函数为： $g(m,n)=$ $\underset{i=m}{\overset{m+L-l}{\mathrm{\Σ}}}\underset{j=m}{\overset{m+L-l}{\mathrm{\Σ}}}f(i,j)h(m-i+L,n-j+L),$ 其中m=1,2…,H'；n=1,2,…N'；M'=M-L；N'=N-L，若令输入图像阵F为N×N，卷积阵H为L×L，输出阵G为M×M，则关系式： $G(m1,m2)=\underset{m1}{\mathrm{\Σ}}\underset{n1}{\mathrm{\Σ}}F(n1,n2)H(m1-n1+1,m2-n2+1),$ 当H为3×3阵列时，选用：其中X为要处理的像素值，ai(i=1,2…,8)为其八邻域的数值。

所述的图像锐化处理由空间域图像锐化法和空间频率域图像锐化法组成。

所述的二值化处理将来自主程序进行按照最优偶值法求出参考偶值Vt后进入初始化，从而求出点（x,y）所在区域中值

其中Vt为参考阈值，当Vy＜Vn时，V(x,y)=V(x,y)+β，V(x,y)=V(x,y)-β，f(x,y)<V(x,y)，f(x,y)<V(x,y)，其中g(x,y)=0,g(x,y)=1，点（x,y）是最后一个象素点后一方面指针指向下一个象素点，另一方面返回主程序。

本发明的有益效果是，本发明的指纹图像自动识别系统预处理算法，采用此种算法，能够有效地提高效率，在指纹图像预处理中能够对图像进行处理和分类，从而能够提高指纹的识别率。

具体实施方式

现在对本发明作进一步详细的说明。

指纹图像自动识别系统预处理算法，将捺印指纹或现场指纹转换成指纹图像，对指纹图像进行预处理以产生更清晰的画面图像，对预处理后的画面图像进行特征提取，对特征提取后的图像进行匹配和分类后进行输出判别，预处理包括依次对量化后的指纹图像进行图像平滑处理，平滑处理的任务就是去除这些干扰噪声，而又不使图像失真，图像平滑处理包括空域法和频域法，空域法的输出函数为： $g(m,n)=\underset{i=m}{\overset{m+L-l}{\mathrm{\&Sigma;}}}\underset{j=m}{\overset{m+L-l}{\mathrm{\&Sigma;}}}f(i,j)h(m-i+L,n-j+L),$ 其中m=1,2…,H'；n=1,2,…N'；M'=M-L；N'=N-L，若令输入图像阵F为N×N，卷积阵H为L×L，输出阵G为M×M，则关系式： $G(m1,m2)=\underset{m1}{\mathrm{\&Sigma;}}\underset{n1}{\mathrm{\&Sigma;}}F(n1,n2)H(m1-n1+1,m2-n2+1),$ 当H为3×3阵列时，选用：

其中X为要处理的像素值，ai(i=1,2…,8)为其八邻域的数值，对图像平滑处理后的图像进行图像锐化处理，图像锐化的作用就是的补偿图像的轮廓，使图像较清晰。图像锐化可分为空间域图像锐化法和空间频率域图像锐化法两大类型，图像的模糊，是由于高的空间频率成分比低的空间频成分弱这一原因造成的。这一影响表现在均匀灰度区域间的边界部分（边缘）。因此，为了消除模糊，可以增强高的空间频率

成分，作为在图像空间简单的高频增强滤波有：

g(i,j)=f(i,j)-f(i,j)=5f(i,j)-[f(i+1,j)+f(i-1,j)+f(i,f+1)+f(i,j-1)]

这里f(i,j)表示输入图像f(i,j)的二次微分的数字拉普接斯算子，被公平义为：

f(i,f)=f(I+1,f)+f(i-1,j)+f(i,j+1)+f(i,j-1)-4f(i,j)

由于模糊的图像是感光过程中的扩散现象所致，因此，它必然满足线形扩散议程：

аf(x,y,t)/аt=kf(x,y,t)=k(аf/аx2+аf/аy2)

其中f(x,y,t)是时间与空间的函数，k是扩散系数；f是f的拉普拉斯算子。如令t=0，且忽略其展开的泰勒级数的高次项，则输出函数：

g(x,y)=f(x,y,t)-τkf(x,y,t)

其中τ为扩散时间间隔的长度。选取不同的τk值，可得到不同的拉普拉斯算子的没加权系数。经过多次实验知，7×7方阵的加权系数p为：

p=8f(x,y)-f(x-3,y)-f(x-2,y+2)-f(x,y+3)-f(x,y-3)

-f(x+2,y+2)-f(x+3,y)-f(x+2,y-2)-f(x-2,y-2)

时能更好地反映出泰勒级数展开时函数的连续性，用于指纹图像的锐化处理是适宜的图像锐化处理后进行二值化处理，二值图像是指整幅图像画面内仅黑（灰度值为0）白（灰度值为1）二值的图像，在它们上面不呈现出灰度的变化。在数字图像处理中，二值图像占有非常重要的地位。这是因为在实用的图像处理系统中，要求处理的速度高、成本低，信息量大的浓淡图像处理花销太大，不是上策。而且二值化后的图像能够用几何学中的概念进行分析和特征描述，比起灰度图像来说方便得多。因而二值图像处理目前已成为图像处理中的一个独立的、重要分支而获得广泛的应用。对于指纹的识别来说，有有的信息得包含有脊线和谷线的二值描述中。因而必须根据原始的灰度图像来确定图像上的每一点应属于客体区域还是背景区域，从而产生对应的二值图像。它不仅可以大大减少储存量，而且对使得后面的判别过程少受干扰，大大简化其后的处理方法。二值化后的图像是以后处理的基础，它的算法对后面的处理有直接的影响。一个好的算法可以得到一个高质量的二值图像。反之，如果该阶段引入噪声，就会直接降低图像质量，影响识别精度，位于（x,y）处的像素f(x,y)阈值V（x,y）是由以（x,y）为中心的指纹图像窗口（2m+1）×(2m+1)中诸点的灰度值来确定的，即

当（2m+1）×(2m+1)窗口落在两种不同区域将会引起误判，(1)当窗口较多地在谷线区时，将会使得一部分乃至大部分的像素点被判为脊线；(2)当窗口较多地落在脊线区时，将会使得一部分乃至大部分的像素点被判为谷线，令ε为一个通过试验获得的正整数，即ε>0，故有：

当Vy＜Vn时，V(x,y)=V(x,y)+β，V(x,y)=V(x,y)-β，其中Vt，为参考阈值，令二值化后的图像为g(x,y)，则：f(x,y)<V(x,y)，f(x,y)<V(x,y)，其中g(x,y)=0,g(x,y)=1，经过二值化处理的进行修饰处理，用适宜的模板可去除纹沟中的离散黑点和填补纹线中的空缺白点，如令3×3模板中待处理的像素为x，其邻域ai∈白（i=1,2,…,8）,则x=白；ai∈黑（i=2,4,6,8），则x=黑，修饰处理过后的图像进行细化处理，在二值图像处理领域，细化是很重要的一个处理环节。如干涉条纹图像，由于条纹粗、宽二边缘弥散，不细化成线状就没有办法去精确地取数计算它。另一方面，一个连接成分如果能用线状结构去值图像的细化问题成为图像处理的一大热门，有不少人纹脊线的轮廓和有关的端点和交叉点。但是，二值化后的脊线有一定的宽度，这种表征它的特性，无论在图像识别还是在数据压缩方面都有重要意义。所以二宽度会给后面的识别增添很多麻烦。因而应先将指纹脊线的宽度采用逐渐剥离的方法，使得脊线成为只有一个象素宽的细线，这将非常有利于下一步的分析，经过细化处理的指纹图像根据指纹得到一般处理规律后进行加工处理，去掉无效的纹线搭桥和连接豁口。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (4)

1.一种指纹图像自动识别系统预处理算法，将捺印指纹或现场指纹转换成指纹图像，对指纹图像进行预处理以产生更清晰的画面图像，对预处理后的画面图像进行特征提取，对特征提取后的图像进行匹配和分类后进行输出判别，其特征是：所述的预处理包括依次对量化后的指纹图像进行图像平滑处理，对图像平滑处理后的图像进行图像锐化处理，图像锐化处理后进行二值化处理，经过二值化处理的进行修饰处理，修饰处理过后的图像进行细化处理，经过细化处理的指纹图像根据指纹得到一般处理规律后进行加工处理，去掉无效的纹线搭桥和连接豁口。

2.根据权利要求1所述的指纹图像自动识别系统预处理算法，其特征是：所述的图像平滑处理包括空域法和频域法，空域法的输出函数为： $g(m,n)=$ $\underset{i=m}{\overset{m+L-l}{\mathrm{\&Sigma;}}}\underset{j=m}{\overset{m+L-l}{\mathrm{\&Sigma;}}}f(i,j)h(m-i+L,n-j+L),$ 其中m=1,2…,H'；n=1,2,…N'；M'=M-L；N'=N-L，若令输入图像阵F为N×N，卷积阵H为L×L，输出阵G为M×M，则关系式： $G(m1,m2)=\underset{m1}{\mathrm{\&Sigma;}}\underset{n1}{\mathrm{\&Sigma;}}F(n1,n2)H(m1-n1+1,m2-n2+1),$ 当H为3×3阵列时，选用：

其中X为要处理的像素值，ai(i=1,2…,8)为其八邻域的数值。

3.根据权利要求1所述的指纹图像自动识别系统预处理算法，其特征是：所述的图像锐化处理由空间域图像锐化法和空间频率域图像锐化法组成。

4.根据权利要求1所述的指纹图像自动识别系统预处理算法，其特征是：所述的二值化处理将来自主程序进行按照最优偶值法求出参考偶值Vt后进入初始化，从而求出点（x,y）所在区域中值

其中Vt为参考阈值，当Vy＜Vn时，V(x,y)=V(x,y)+β，V(x,y)=V(x,y)-β，f(x,y)<V(x,y)，f(x,y)<V(x,y)，其中g(x,y)=0,g(x,y)=1，点（x,y）是最后一个象素点后一方面指针指向下一个象素点，另一方面返回主程序。