RU2336655C1 - Способ выделения областей объекта и фона на цифровых изображениях - Google Patents

Способ выделения областей объекта и фона на цифровых изображениях Download PDF

Info

Publication number
RU2336655C1
RU2336655C1 RU2006143529/09A RU2006143529A RU2336655C1 RU 2336655 C1 RU2336655 C1 RU 2336655C1 RU 2006143529/09 A RU2006143529/09 A RU 2006143529/09A RU 2006143529 A RU2006143529 A RU 2006143529A RU 2336655 C1 RU2336655 C1 RU 2336655C1
Authority
RU
Russia
Prior art keywords
areas
background
image
pixel
sizes
Prior art date
Application number
RU2006143529/09A
Other languages
English (en)
Other versions
RU2006143529A (ru
Inventor
Андрей Борисович Баринов (RU)
Андрей Борисович Баринов
Игорь Мирович Ковлига (RU)
Игорь Мирович Ковлига
Владимир Николаевич Перминов (RU)
Владимир Николаевич Перминов
Юрий Иванович Тишин (RU)
Юрий Иванович Тишин
Алексей Михайлович Фартуков (RU)
Алексей Михайлович Фартуков
Original Assignee
Общество с ограниченной ответственностью ООО "Юник Ай Сиз"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Общество с ограниченной ответственностью ООО "Юник Ай Сиз" filed Critical Общество с ограниченной ответственностью ООО "Юник Ай Сиз"
Priority to RU2006143529/09A priority Critical patent/RU2336655C1/ru
Publication of RU2006143529A publication Critical patent/RU2006143529A/ru
Application granted granted Critical
Publication of RU2336655C1 publication Critical patent/RU2336655C1/ru

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

Изобретение относится к цифровой обработке изображений и может быть использовано к устройствах, осуществляющих автоматическую аутентификацию или идентификацию личности с использованием отпечатков пальцев. Технический результат заключается в улучшении качества выделения областей объекта. Способ включает в себя вычисление оценки градиента интенсивности для каждого пикселя изображения, которая включает для каждого пикселя вычисление среднего значения модулей градиентов интенсивности по произвольной формы локальным областям изображения, размеры которых определяются заранее заданным параметром, вычисление среднего значения модуля градиента для обрабатываемого изображения, разделение всех пикселей на две группы (фона и изображения), пометку областей объекта и фона, а также определение их размеров, формирование связной области путем объединения помеченных областей, и определение их размеров, определение порогового значения размера для связных областей объекта, определение порогового значения размера для связных областей фона, проведение перевода областей объекта и фона с размерами, меньшими произведения полученных пороговых значений на соответствующие заранее заданные весовые коэффициенты, в области фона и объекта соответственно. 4 ил.

Description

Настоящее изобретение относится к цифровой обработке изображений и может быть использовано в устройствах, осуществляющих автоматическую аутентификацию или идентификацию личности с использованием отпечатков пальцев.
В настоящее время существуют способы распознавания личности по отпечаткам пальцев, основанные на использовании характерных деталей папиллярного узора (окончаний и ветвлений папиллярных линий отпечатков пальцев) [1, 2]. Эффективность указанных способов распознавания личности зависит от точности выделения характерных деталей на цифровом изображении отпечатка пальца.
Существуют способы, реализующие выделение областей объекта (рисунка папиллярных линий отпечатка пальца) и фона [3, 4]. Эти способы призваны уменьшить число ложно выделенных характерных деталей за счет устранения из последующей обработки областей, принадлежащих фону, который, как правило, содержит шумы.
Однако указанные способы потребовали дальнейшего усовершенствования, выполненного в последующих способах.
Известен способ выделения областей объекта и фона на цифровых изображениях, который описан в патенте [5]. Указанный способ включает в себя следующие этапы:
- разбиение обрабатываемого цифрового изображения на неперекрывающиеся блоки;
- вычисление оценки градиента интенсивности для каждого пикселя в каждом блоке;
- определение направления и модуля суммарного градиента интенсивности на основании полученных оценок градиентов интенсивностей для пикселей рассматриваемого блока;
- вычисление модуля векторного компонента суммарного градиента интенсивности для рассматриваемого блока;
- сравнение модуля суммарного градиента интенсивности с модулем векторного компонента суммарного градиента интенсивности с целью отнесения рассматриваемого блока к области объекта или фона.
Однако в указанном способе результат обработки существенно зависит от параметров разбиения изображения на блоки, размеры которых задаются перед началом процедуры разделения изображения на области объекта и фона. Это может приводить к потере областей, содержащих характерные детали папиллярного рисунка, что негативно сказывается на точности последующего сравнения отпечатков.
Задачей настоящего изобретения является получение технического результата, заключающегося в улучшении качества выделения областей объекта и фона за счет совмещения процедуры порогового разделения для каждого пикселя обрабатываемого изображения и логической фильтрации выделяемых областей, а также последующего применения механизма адаптивного перевода ложно выделенных небольших областей объекта или фона в области фона или объекта соответственно.
Для достижения указанного результата в способе выделения областей объекта и фона на цифровых изображениях [5], включающем:
- вычисление оценки градиента интенсивности для каждого пикселя изображения,
предложены следующие операции, являющиеся отличительными признаками предлагаемого способа:
- при вычислении оценки градиента интенсивности для каждого пикселя вычисляют средние значения модулей градиентов интенсивности по локальным областям изображения,
- вычисляют среднее значение модуля градиента для обрабатываемого изображения, используя вычисленные на предыдущем этапе средние значения модулей градиентов интенсивности для локальных областей;
- относят при последовательном просмотре изображения рассматриваемый пиксель к группе 1, если среднее значение модуля градиента локальной области, к которой принадлежит рассматриваемый пиксель, больше либо равно произведению среднего значения модуля градиента интенсивности для обрабатываемого изображения и весового коэффициента, или относят рассматриваемый пиксель к группе 2, если указанное условие не выполняется;
- относят при последовательном просмотре изображения рассматриваемый пиксель к области объекта, если он входит в группу 1, и если количество пикселей, принадлежащих локальной области и входящих в группу 1, больше либо равно пороговой величине, в противном случае относят рассматриваемый пиксель к области фона;
- проводят в процессе построчной обработки изображения пометку областей объекта и фона, а также определяют их размеры (число пикселей изображения, отнесенных к помеченным областям);
- формируют связные области путем объединения помеченных областей и определяют их размеры как сумму размеров объединяемых областей;
- определяют пороговое значение размера для связных областей объекта как среднее значение числа пикселей, вычисленное по всем связным областям объекта; определяют пороговое значение размера для связных областей фона как среднее значение числа пикселей, вычисленное по всем связным областям фона;
- проводят перевод областей объекта и фона с размерами, меньшими произведения полученных пороговых значений на соответствующие заранее заданные весовые коэффициенты, в области фона и объекта соответственно.
Проведенные патентные исследования показали, что совокупность отличительных признаков предлагаемого изобретения является новой, что доказывает новизну заявляемого способа. Кроме того, патентные исследования показали, что в литературе отсутствуют данные, показывающие влияние отличительных признаков заявляемого изобретения на достижение технического результата, что подтверждает изобретательский уровень предлагаемого способа.
На фиг.1 изображена схема алгоритма, реализующего предлагаемый способ.
На фиг.2 представлен пример входного цифрового изображения отпечатка пальца.
На фиг.3 приведено цифровое изображение, полученное из входного изображения (Фиг.2) путем применения первых пяти шагов предлагаемого способа.
На фиг.4 представлено результирующее изображение, полученное из входного изображения (Фиг.2) путем применения предлагаемого способа.
В качестве входных данных для предлагаемого способа выступает полутоновое (в градациях серого) цифровое изображение Р, которое имеет размеры Н×W.
На первом этапе (Фиг.1, блок 1.1) производится вычисление оценки модуля градиента интенсивности gradienti,j для каждого пикселя обрабатываемого изображения pi,j∈P, i=1, ..., H, j=1, ..., W. Указанная оценка может быть получена следующим образом:
Figure 00000002
, i=1, ..., H; j=1, ..., W.
Здесь
Figure 00000003
- оценки модулей градиентов интенсивности, которые могут быть вычислены, например, с использованием операторов Собеля [6]:
Figure 00000004
.
Второй этап предлагаемого способа (Фиг.1, блок 1.2) заключается в вычислении среднего значения модуля градиента интенсивности
Figure 00000005
для каждого пикселя изображения pi,j∈P, i=1, ..., H, j=1, ..., W по заданной локальной области, к которой принадлежит рассматриваемый пиксель pi,j:
Figure 00000006
, i=1, ..., H; j=1, ..., W,
где L - множество пикселей, принадлежащих локальной области обрабатываемого пикселя pi,j.
На третьем этапе предлагаемого способа (Фиг.1, блок 1.3) производится вычисление среднего значения модуля градиента интенсивности imgmean для обрабатываемого изображения Р:
Figure 00000007
, i=1, ..., H; j=1, ..., W.
Четвертый этап предлагаемого способа (Фиг.1, блок 1.4) состоит в разделении пикселей при последовательной обработке элементов изображения на два непересекающихся множества G1 и G2 в соответствии со следующим правилом:
Figure 00000008
где К - весовой коэффициент.
Пятый этап предлагаемого способа (Фиг.1, блок 1.5) заключается в формировании сегментированного бинарного изображения R. Значение каждого пикселя указанного бинарного изображения задается следующим выражением:
Figure 00000009
Здесь b0 - значение, определяющее принадлежность к области объекта; b1 - значение, определяющее принадлежность к области фона; count - количество пикселей, которые принадлежат локальной области рассматриваемого пикселя и входят в группу 1; T - задаваемая пороговая величина.
Шестой этап предлагаемого способа (Фиг.1, блок 1.6) заключается в пометке областей объекта и фона и определение размеров выделяемых областей в процессе построчного обхода изображения R.
При этом происходит формирование множества А, состоящего из непересекающихся подмножеств, каждому из которых ставится в соответствие порядковый номер. Перед началом построчного обхода изображения R множество А является пустым А=
Figure 00000010
. При обработке очередного пикселя ri,j∈R, i=1, ..., Н, j=1, ..., W производится анализ пикселей, входящих в локальную область. Если пиксели, входящие в локальную область, не принадлежат А, то очередной пиксель включается в состав нового формируемого подмножества, которому присваивается очередной порядковый номер. В противном случае очередной пиксель включается в состав подмножества с минимальным порядковым номером для тех подмножеств, элементы которых принадлежат локальной окрестности рассматриваемого пикселя. Сформированные указанным способом подмножества соответствуют выделенным областям, а мощности этих подмножеств - размерам выделенных областей.
На седьмом этапе предлагаемого способа (Фиг.1, блок 1.7) производится определение связных областей и определение размеров связных областей. С этой целью выполняется поиск среди выделенных на предыдущем этапе областей, элементы которых одновременно принадлежат одному типу (объекту или фону), и, если существуют такие элементы в этих областях, которые являются соседними по отношению друг к другу, то найденные области объединяются друг с другом. Результатом объединения является область, которой присваивается номер, наименьший из номеров объединяемых областей. Размер сформированной области равен сумме размеров объединенных областей.
Восьмой этап предлагаемого способа (Фиг.1, блок 1.8) состоит в определении пороговых значений, используемых при последующем переводе областей объекта и фона в области фона и объекта соответственно. Указанные пороговые значения задают максимальные размеры переводимых областей объекта и фона. Размер области определяется вычисленным на предыдущем этапе количеством пикселей, входящих в указанную область. Для этого производится вычисление среднего значения размера области объекта Fmean и фона Вmean:
Figure 00000011
,
где Fi - количество пикселей, входящих в i-ую область объекта (размер i-ой области объекта); N - количество выделенных на изображении областей объекта; Вj - количество пикселей, входящих в j-ую область фона (размер j-ой области фона); М - количество выделенных на изображении областей фона.
На девятом этапе предлагаемого способа (Фиг.1, блок 1.9) для каждого пикселя обрабатываемого изображения определяется его принадлежность к области объекта или фона. Если обрабатываемый пиксель принадлежит области объекта и размер этой области меньше произведения порогового значения размера области объекта на весовой коэффициент, то пиксель переводится из рассматриваемой области объекта в любую из областей фона:
Fi<KF·Fmean, i=1, ..., N.
Здесь Fi - размер области объекта, которой принадлежит обрабатываемый пиксель; Fmean - пороговое значение размеров областей объекта; КF - весовой коэффициент, используемый при переводе области объекта в область фона.
Если обрабатываемый пиксель принадлежит области фона и размер этой области меньше произведения порогового значения размера области фона на весовой коэффициент, то пиксель переводится из рассматриваемой области фона в любую из областей объекта:
Bj<KB·Bmean, j=1, ..., M.
Здесь Bj - размер области фона, которой принадлежит обрабатываемый пиксель; Bmean - пороговое значение размеров областей фона; KB - весовой коэффициент, используемый при переводе области фона в область объекта.
Результат указанной обработки - сегментированное бинарное изображение, которое может выступать в качестве маски при обработке исходных полутоновых изображений, выполняемой для выделения характерных деталей папиллярного рисунка отпечатка пальца.
Указанный способ выделения областей объекта и фона на цифровых изображениях был реализован в виде программы для ПЭВМ типа IBM PC.
В качестве входного цифрового изображения использовалось полутоновое (256 градаций серого) цифровое изображение отпечатка пальца с разрешением 569 точек на дюйм, которое имеет размеры 560×296 точек.
Вычисление оценки модуля градиента интенсивности gradienti,j производилось с использованием операторов Собеля.
При вычислении среднего значения модуля градиента интенсивности
Figure 00000005
в качестве локальной области использовалась прямоугольная область с центром в рассматриваемом пикселе и размерами (2·h+1)·(2·h+1). Здесь параметр h выбирается исходя из среднего расстояния между папиллярными линиями изображения отпечатка пальца. Для рассматриваемых изображений отпечатков пальцев h=8 пикселей.
При разделении пикселей при последовательной обработке элементов изображения на два непересекающихся множества G1 и G2 использовался весовой коэффициент K=0,5.
При формировании сегментированного бинарного изображения значения b0=0 и b1=255. Пороговая величина Т=3.
Для пометки областей объекта и фона в качестве анализируемой локальной области при определении порядкового номера рассматривалась прямоугольная область с размерами 3×3 пикселя.
Для адаптивного перевода ложно выделенных областей объекта и фона в области фона и объекта соответственно использовались весовые коэффициенты КFB=0,25.
Пример входного цифрового изображения отпечатка пальца представлен на фиг.2. Промежуточный результат обработки входного изображения после применения первых пяти шагов предлагаемого способа изображен на фиг.3. Результирующее изображение, полученное в результате применения предлагаемого способа, представлено на фиг.4.
Литература
1. Ratha N.K., Karu К., Chen S., Jain A.K. A Real-Time Matching System for Large Fingerprint Databases // IEEE Trans. on Pattern Analysis and Machine Intelligence, 1996, vol.18, no.8, pp.799-813.
2. Jain A.K., Hong L., Bolle R., On-line Fingerprint Verification // IEEE Trans. on Pattern Analysis and Machine Intelligence, 1997, vol.19, no.4, pp.302-313.
3. Mehtre B.M., Chatterjee B. Segmentation of fingerprint images a composite method//Pattem Recognition, 1989, vol.22, no.4, pp.381-385.
4. Ratha N., Chen S., Jain A.K. Adaptive flow orientation based feature extraction in fingerprint images // Pattem Recognition, 1995, vol.28, no.11, pp.1657-1672.
5. Патент 6263091 В1, США, МКП G06K 9/00. System and method for identifying foreground and background portions of digitized images.
6. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. - с.825-836.

Claims (1)

  1. Способ выделения областей объекта и фона на цифровых изображениях, включающий вычисление оценки градиента интенсивности для каждого пикселя изображения, отличающийся тем, что при вычислении оценки градиента интенсивности для каждого пикселя вычисляют средние значения модулей градиентов интенсивности по произвольной формы локальным областям изображения, размеры которых определяются заранее заданным параметром, вычисляют среднее значение модуля градиента для обрабатываемого изображения, используя вычисленные на предыдущем этапе средние значения модулей градиентов интенсивности для локальных областей, относят при последовательном просмотре изображения рассматриваемый пиксель к группе 1, если среднее значение модуля градиента локальной области, к которой принадлежит рассматриваемый пиксель, больше либо равно произведению среднего значения модуля градиента интенсивности для обрабатываемого изображения и заранее заданного весового коэффициента, или относят рассматриваемый пиксель к группе 2, если указанное условие не выполняется, относят при последовательном просмотре изображения рассматриваемый пиксель к области объекта, если он входит в группу 1, и если количество пикселей, принадлежащих локальной области и входящих в группу 1, больше либо равно пороговой величине, в противном случае относят рассматриваемый пиксель к области фона, проводят в процессе построчной обработки изображения пометку областей объекта и фона, а также определяют их размеры, формируют связные области путем объединения помеченных областей, и определяют их размеры как сумму размеров объединяемых областей, определяют пороговое значение размера для связных областей объекта как среднее значение числа пикселей, вычисленное по всем связным областям объекта, определяют пороговое значение размера для связных областей фона как среднее значение числа пикселей, вычисленное по всем связным областям фона, проводят перевод областей объекта и фона с размерами, меньшими произведения полученных пороговых значений на соответствующие заранее заданные весовые коэффициенты, в области фона и объекта, соответственно.
RU2006143529/09A 2006-12-08 2006-12-08 Способ выделения областей объекта и фона на цифровых изображениях RU2336655C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2006143529/09A RU2336655C1 (ru) 2006-12-08 2006-12-08 Способ выделения областей объекта и фона на цифровых изображениях

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2006143529/09A RU2336655C1 (ru) 2006-12-08 2006-12-08 Способ выделения областей объекта и фона на цифровых изображениях

Publications (2)

Publication Number Publication Date
RU2006143529A RU2006143529A (ru) 2008-06-20
RU2336655C1 true RU2336655C1 (ru) 2008-10-20

Family

ID=40041383

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2006143529/09A RU2336655C1 (ru) 2006-12-08 2006-12-08 Способ выделения областей объекта и фона на цифровых изображениях

Country Status (1)

Country Link
RU (1) RU2336655C1 (ru)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2466456C2 (ru) * 2010-12-16 2012-11-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗГУ) Способ выделения контуров движущихся объектов
RU2496142C2 (ru) * 2010-07-05 2013-10-20 Кэнон Кабусики Кайся Устройство обработки изображений, система формирования изображений с помощью излучения, способ обработки изображений и носитель хранения, хранящий программу
RU2524677C2 (ru) * 2009-03-10 2014-08-10 Сони Корпорейшн Устройство и способ обработки информации и система обработки информации

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2524677C2 (ru) * 2009-03-10 2014-08-10 Сони Корпорейшн Устройство и способ обработки информации и система обработки информации
RU2496142C2 (ru) * 2010-07-05 2013-10-20 Кэнон Кабусики Кайся Устройство обработки изображений, система формирования изображений с помощью излучения, способ обработки изображений и носитель хранения, хранящий программу
RU2466456C2 (ru) * 2010-12-16 2012-11-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗГУ) Способ выделения контуров движущихся объектов

Also Published As

Publication number Publication date
RU2006143529A (ru) 2008-06-20

Similar Documents

Publication Publication Date Title
US7072523B2 (en) System and method for fingerprint image enhancement using partitioned least-squared filters
CN108510499B (zh) 一种基于模糊集和Otsu的图像阈值分割方法及装置
CN109978848B (zh) 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法
CN109241973B (zh) 一种纹理背景下的字符全自动软分割方法
CN106557740B (zh) 一种遥感图像中油库目标的识别方法
CN108009986B (zh) 基于边缘信息的碎片拼接方法和装置
Jaberi et al. Improving the detection and localization of duplicated regions in copy-move image forgery
CN110728302A (zh) 一种基于HSV和Lab颜色空间的色纺织物组织识别的方法
Dixit et al. Image texture analysis-survey
CN109064419A (zh) 一种基于wls滤波和多尺度稀疏表达的单幅图像去雨方法
CN113376182A (zh) 增强眼科透镜边缘缺陷检测和其他缺陷的计算机实现方法
Zafar et al. Minutiae based fingerprint matching techniques
US20040218790A1 (en) Print segmentation system and method
CN104637060B (zh) 一种基于邻域主成分分析-拉普拉斯的图像分割方法
JP2008251029A (ja) 文字認識装置、ナンバープレート認識システム
RU2336655C1 (ru) Способ выделения областей объекта и фона на цифровых изображениях
CN112070116B (zh) 一种基于支持向量机的艺术画作自动分类系统及方法
CN106295478A (zh) 一种图像特征提取方法和装置
Shaikh et al. Image binarization using iterative partitioning: A global thresholding approach
Singh et al. Fingerprint feature extraction using morphological operations
CN114445814B (zh) 一种字符区域提取方法、计算机可读存储介质
Walhazi et al. Preprocessing latent-fingerprint images for improving segmentation using morphological snakes
Wyzykowski et al. A Universal Latent Fingerprint Enhancer Using Transformers
Raskar et al. VFDHSOG: copy-move video forgery detection using histogram of second order gradients
JP4264332B2 (ja) 文字認識装置、ナンバープレート認識システム

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20101209