指纹自动识别中图像分割算法研究
2008-07-17
作者：甘树坤1，吕雪飞1，吕 颖2，
摘 要： 为了可靠、准确地实现指纹的自动识别，提出了一种简便、可行的指纹图像" title="指纹图像">指纹图像的分割算法。通过合理地运用指纹图像的灰度特性，以较低的计算代价有效地解决了指纹图像的分割问题，从而使算法的处理效果好、运行速度快。实验表明，这种分割算法对于指纹图像的预处理十分有效。
关键词： 指纹识别 图像分割" title="图像分割">图像分割 预处理 灰度特性
识别系统" title="识别系统">识别系统" title="自动指纹识别系统" title="自动指纹识别系统">自动指纹识别系统">自动指纹识别系统AFIS(Automated Fingerprint Identification System)，由于其具有安全性、可靠性及高效性，使得它在法律、公安、信息安全及电子商务等领域有着广泛的应用前景。目前，自动指纹识别主要以指纹的细节特征（端点、分叉点等）为基础，而细节特征的提取质量则受采集设备、光照等各种因素的影响，使得所采集输入的指纹图像一般都含有非指纹区域较多的噪声。因此，有必要对指纹图像进行预处理来消除图像中的这些噪声，从而保证提取正确的指纹细节特征[1-3]。
指纹图像的分割是指纹图像预处理过程中关键的第一步。指纹图像分割的主要目的是划分出非指纹的背景区域和有效的指纹区域， 使后续处理能集中于有效区域中进行。对于较好的指纹图像分割算法来讲，应在分割的过程中有效地保护指纹区域的纹理特征，从而提高指纹特征提取的精确度，优化整个识别系统的处理过程和效率，并具有良好的鲁棒性。本文在分析不同识别系统采集的指纹图像以及研究分割算法的基础上，提出一种有效、简捷、通用性强的分割算法，并通过实验给出结论[3-4]。
1 指纹图像分割算法概述
目前，指纹图像分割算法一直是自动指纹识别方面研究的难点之一。指纹图像的分割算法主要可以分为三类[4-5]：基于指纹图像局部灰度方差的分割算法、基于指纹图像方向信息的分割算法以及结合方向信息与灰度方差的复合分割算法等，每种方法都各有利弊。
1.1 基于指纹图像局部灰度方差的分割算法
局部灰度方差法是利用指纹图像的局部方差对指纹图像进行分割的算法。它根据经验设定方差的不同阈值，确定指纹图像的背景区域和前景区域。此方法对于质量较好、对比度较高的指纹图像分割效果较好，但对于低对比度或高噪声的图像，则不能有效地检测出噪声区域，从而影响处理效果。
1.2 基于指纹图像方向信息的分割算法
方向法是基于指纹图像的方向信息对指纹图像进行分割的算法。利用指纹方向图对指纹图像进行分割是一种常用的方法。该方法能够去掉指纹图像中绝大部分背景信息，不仅适合于质量较好的图像，而且也适用于噪声严重的图像。然而，方向法的分割效果依赖于所求方向图的可靠性，对于纹线不连续、单一灰度等方向难以正确估计的区域及中心、三角区域附近方向变化剧烈的区域，方向图分割难以取得满意的结果。而且该算法计算复杂，处理时间较长。
1.3 结合方向信息与灰度方差的复合分割算法
该方法结合指纹图像方向信息与灰度方差进行分割，在一定程度上克服了前两种方法单独使用时所存在的一些问题，但对于纹线不连续区域和强噪声干扰区域，仍然存在一定的局限性。同时，这种算法在处理过程中计算量大、运算时间长，对于需实时处理的自动指纹识别系统来说代价过高。
2 本文分割算法的提出
传统的分割算法效果不佳的主要原因还在于其分割的过程仅对于某一类的指纹图像比较有效，而对于各种不同方式采集和获取的指纹图像，却没有很好的适应性。通过分析不同指纹图像的特点，发现规律进行设计和处理则是一种较好的研究途径。本文算法就是通过对指纹的灰度特性进行统计分析，并应用有效的分割判据完成的，从而获得更好的分割效果，且算法的适应性较强，具有较好的鲁棒性。
2.1 指纹图像的分析
原始指纹图像由于采集图像与输入图像的设备和光线等原因，指纹背景区域的灰度均值有的较高，有的较低，虽然经过灰度规范化处理后，图像可以达到一个较统一的标准，但图像的固有初始特点还是会影响后续处理的结果。图1所示的指纹图像涵盖了各种不同类型的指纹图像。另外，指纹区域的灰度均值与方差之间的关系也有不同的特点，例如在对比度较高的指纹区域，灰度方差较大，而在对比度较低的指纹区域(包括指纹的模糊区域)，灰度方差较小。因此，在指纹分割的过程中，这些因素的影响都应予以考虑。本文结合这一分析对传统的灰度方差分割算法进行改进，取得了明显的效果。
2.2 算法的设计
本文依据指纹图像的灰度统计特性，根据图像块和整体图像的均值与方差的关系，对指纹图像的指纹模式域与背景区域进行分割，以下为具体算法设计。
2.2.1 均值与方差的计算
原始图像的总体均值M_all：
式中，w为图像宽度，h为图像高度，G(i，j)为图像在(i，j)处的灰度值。
2.2.2 图像灰度归一化处理
为了适应不同指纹的统一处理，首先应对指纹图像进行整体灰度归一化。灰度归一化的主要目的是改善指纹沿脊、谷间的灰度变化程度，而不改变脊线和谷线结构的细节特征，使图像具有期望的总体均值与方差。公式如下：
式中，G′(i，j)为归一化后图像点(i，j)的灰度值，M0和V0分别表示期望的均值和方差。M0值和V0值可根据经验以各类图像的总体灰度均值和方差的平均值为参照设定，并以适应后续处理的效果为宜。
2.2.3 基于图像块的统计分析
以M×N大小的图像块模板在图像的水平方向和垂直方向上按一定规则进行移动(块间可重叠)，并按公式(1)和公式(2)求取相应块的均值M(i，j)和方差V(i，j)，然后求取标准偏差" title="标准偏差">标准偏差S(i，j)。
块的标准偏差S(i，j)为：
式中，(i，j)代表第i行和第j列的块。
2.2.4 确定分割判据
本文与传统灰度方差分割的区别是以一种新的分割判据进行分割。首先，通过M_all与V_all判断指纹图像总体特征，根据经验设定一个阈值对指纹图像进行灰度特征分类。其次，对每块进行分割处理，主要是考虑了M(i，j)和V(i，j)的相关性而进行比较判别的。但由于V(i，j)与M(i，j)的平方成正比，在数量级上不利于比较及阈值的确定，因此，可采用块的均值与块的标准偏差的比值作为判据。实验表明，这样既有了可比性，也易于阈值的确定。即以下式作为分割判据：
在块的分类判断中，若(5)式中Th小于某一阈值，则将该块作为前景块，否则为背景块。
为了克服传统灰度方差算法中对于对比度低的指纹图像分割处理的不足，本文结合指纹类型特点提出新的判定方法，即采用M_all、V_all、M(i，j)和Th同时作为判据。这样，在确定了指纹图像的整体背景类型和特征后，再用M(i，j)进行判断，如果块方差很大，则Th值很小，符合指纹区域的特点，则此块可视为前景区域。需要说明的是，用本改进算法分割时所需的M_all、V_all、M(i，j)及Th等的判断阈值，可以根据经验给出，通常只需给定Th的阈值进行判断，就可达到满意的效果，其他阈值可视情况选取。
2.3 分割后处理
通过以上设计的算法进行分割处理，图像的前景和背景区域已基本区分开来。但由于在处理的过程中，可能在前景区域或背景区域出现一些孤立的图像块，从而会影响以后指纹特征点的提取，因此还要对这些孤立的图像块进行后处理。同时，考虑到图像边界位置的特殊性，还需对边界部分进行必要的处理。对于孤立块及边界部分的处理主要采用数学形态学中的开运算和闭运算的基本原理与方法进行，处理方法与参考文献[3-6]中所述基本一致，这里不再赘述。
图2给出了应用本文算法对图1中各指纹图像进行分割的效果图。
3 实验结果分析
在使用PIII500计算机和192MB内存的硬件环境下， 基于Windows2000操作系统的Visual C++6.0进行编程，实现了本文算法。对FVC2000、FVC2002、FVC2004及第一届中国生物特征识别竞赛BVC2004中的各四个标准指纹库以及自建的指纹库中的几千张不同类型的指纹图像分别进行了分割测试。图1和图2中的图像即为上述指纹库中随机抽取的各种指纹图像的原始图像和分割处理后的结果图像。
实验表明，该算法的分割效果很好，不仅能分割出背景区域较好的指纹图像，而且对噪声干扰较大的指纹图像，也能很好地进行分割，且经过分割后的指纹图像纹线清晰、流畅。
另外，对上述部分图库采用不同的分割方法，在时间及效率方面也进行了统计和对比，结果如表1所示。由于目前在图像分割效率方面还没有一个比较标准的判断依据，所以此处以误分割率来做相对比较。误分割率是指平均每幅指纹图像中漏割或误割的像素数与图像总的像素数之比。表1中给出了FVC2004指纹DB1图库的相关数据。从表1中数据可以看出本算法的分割效率较高，并具有较强的准确性和稳定性，其他指纹图像库的实验测试也有类似结果。
由以上实验结果可见，算法对于不同类型的指纹图像都能较好地进行分割，总体效果令人满意。而且该算法分割更加稳定准确，处理速度快，适应不同类型的指纹图像同时处理，能很好的满足和适应自动指纹识别系统的后续处理要求。
本文提出的指纹图像的分割算法，通过实验与应用，可以很好地适应不同的指纹图像识别系统，分割效果比较准确；由于其处理时间短分割效率高，因此对于要求实时性较强的自动指纹识别系统来说是相当适用的。值得提出的是，通过对本研究中的相应算法进行有效的调整和改进，可以对不同的自动指纹识别的图像采集系统采集的图像有针对性地进行更有效的处理。目前该分割算法已经应用到较成熟的指纹识别系统中，实践表明它是一种高效、实用、快捷的指纹图像分割算法。
参考文献
[1] HONG L，WAN Y，JAIN A K.Fingerprint image enhancement：algorithms and performance evaluation[J].IEEE Trans.Pattern Analysis Machine Intelligent，1998，20(8)：77-789.
[2] MEHTRE B M，MURTHY N N，KAPOOR S，et al.Segmentation of fingerprint images using the directional image.Pattern Recognition，1987，20，(4)：429-435.
[3] 尹义龙.自动指纹识别系统研究[D].长春：吉林工业大学机械科学与工程学院，2000：44-46.
[4] 耿茵茵，唐良瑞.指纹图像分级分割算法[J].北方工业大学学报，2000，12(3)：21-26.
[5] 冯星奎，颜祖泉，肖兴明，等.指纹图像合成分割法[J].计算机应用研究，2000，(1)：76-77.
[6] 耿茵茵，蔡安妮，孙景鏊.基于瓦罐模型的多判据判新决及其在图像分割中的应用[J].电子学报，2002，30(7)：1017-1019.