指纹识别算法的matlab实现 - 图文

第2章 指纹图像预处理

图像预处理是对原始图像进行的一种前期处理，方便后续的模块识别。无论采用何种方式获取的指纹图像, 都有一部分由于质量原因, 不能被系统直接识别，因此图像的预处理就显得非常有必要。

指纹图像的预处理目的就是将自己感兴趣的目标区域保留下来，去除背景区域和没有用的部分，同时根据指纹目标区域中脊线的结构特征，采取较好的滤波方法，提高指纹脊线清晰度，平滑脊线边缘的毛刺和空洞，抑制图像噪声，保证指纹特征的可靠提取，并使灰度图像转化成黑白的二值图像，最终得到脊线结构清晰的单像素宽的二值图像。本文预处理的主要流程如图2-1所示。

指纹分割二值化滤波增强细化 图2-1 预处理流程

2.1图像的分割

图像分割是从一幅图像中按一定规则将一些物体或区域加以分离，划分出我们感兴趣的部分或区域。经过分割后的图像更容易进行进一步的分类、分析和识别处理。图像分割要在指纹二值化和滤波及细化之前进行，如此可以减少计算的冗余量，提高指纹检测速度。

采集到的指纹内容分为目标区域和背景区域。在指纹图像中，由脊线和谷线组成的较清晰的部分，称之为目标区域；没有用的部分我们称之为背景

9

区域。指纹识别中的分割就是将有用的目标区域分割出来，去掉没用的背景区域，以避免背景区域的各种干扰。指纹图像可分为四类区域：背景区、不可恢复区、可恢复区、清晰区，如下图2.2所示。

背景区清晰目标区不可恢复区可恢复区

图2-2 指纹图像的四种区域

2.1.1 图像归一化

对指纹图像进行分割处理，消除剩下的背景区域前，首先要进行图像归一化。

对采集好的指纹图像进行归一化处理，是对指纹灰度图的灰度均值和方差做一次调整，使得不论用什么设备采集的指纹图像都可以有预期的方差和均值，从而屏蔽不必要的噪声。指纹归一化不改变指纹质量，只是方便指纹的后续处理并保证程序运行时收敛加快。

由于不同指纹区域的手指压力和强度不同，所以将指纹分为W*H小块，设图像中像素点的灰度值为I(i,j)，归一化后的图像G(i,j)来表示，灰度平均值和方差分别用Mi和Vi来表示，则归一化算法如下[4]：

（1）先计算出图像灰度的平均值和方差：

1 Mi?WH ??I(i,j) （2-1）

i?0j?0H?1W?1 10

1 Vi?WH??(I(i,j)?M)ii?0j?0H?1W?12 （2-2）

（2）指定期望的图像方差和平均值后，算出归一化后的图像G(i,j)：

?V0(I(i,j)?Mi)2 I(i,j)?Mi?M0?V?i G(i,j)?? （2-3）

2V0(I(i,j)?Mi)?M? I(i,j)?Mi?0Vi?其中M0，V0为期望的平均值和方差（一般M0=150，V0=2000）。 Matlab程序见附录A。

图 2-3 归一化图像

2.1.2 图像分割的方向法

这一方法是基于指纹方向信息的分割方法，它是利用了指纹的脊线和谷线所蕴藏的平行方向信息来分割的，该方法的优点是：适合有污渍的指纹，但缺点是因为依赖脊线的方向，所以脊线不连续时将被识别为背景区域，难以取得满意效果。且计算复杂，处理时间很长，不适宜实际使用。

11

2.1.3 图像分割的方差法

方差法[5]：传统的分割算法都是基于图像局部灰度方差的分割方法(即方差法)，一般地，目标区域中指纹脊和谷的灰度差是较大的，因而其局部灰度方差也较大；对于图像背景区域，方差值则是较小的。基于这一基本特性，可利用图像的局部方差对指纹图像进行分割。该方法的优点：算法简单，计算速度快，如果采集到的指纹质量好，则分割效果不错；缺点：对质量较差的指纹，该方法分割效果不是很理想，如当指纹背景区域有污渍时, 这些区域的方差也比较大，用方差法分割时就不能被有效地分割出去。

改进后的方差法：为了解决上述问题，可以在方差法分割的基础上进行开运算和闭运算操作，该算法继承了方差法的优点且又克服了易受噪声影响的缺陷。

把指纹的图像分成3*3块，将归一化处理后的图像进行分割的具体算法步骤如下：

（1）利用式（2-1）和式（2-2）对指纹的小块求灰度平均值和方差，设定一阈值T，因为是3*3模块，所以是在8邻域中，即T=4，若Vi>4，则该小块作为目标留下，并把该块标示为1，存放于矩阵A中；若Vi<4，则该块作为背景去掉，并把该块标示为0，同样存在矩阵A中； （2）以X?B；

（3） 以X?10111011作为结构元素对已知的二值矩阵A做开运算，可得到矩阵

为结构元素对二值矩阵B做闭运算，得到矩阵C，矩阵C

为一个二值矩阵（只包含1和0），对应元素为1的作为目标留下，对应元素为0的作为背景去除。

12