摘  要： 为了提高指纹图像预处理算法的抗噪能力,给出了一种基于梯度的指纹方向图获取方法，并利用指纹图像的方向信息进行指纹图像的预处理，得到了更为精确的指纹细节点图。在指纹预处理过程中引入该方法，能有效地改善指纹纹线的质量。实验分析表明，该方法具有很好的使用价值。
关键词： 预处理； 方向图； 二值化； 细化

    随着网络与通信技术的飞速发展和人类活动空间的不断扩大,人类对自身身份识别的准确性、安全性与实用性提出了更高要求。由于指纹具有唯一性、稳定性(终生不变性)等突出优点，因此,自动指纹识别成为一个重要的研究热点。
　自动指纹识别系统主要由以下三部分构成：指纹图像预处理、特征提取和特征匹配。实践中受多种因素的影响，输入的指纹图像存在各种噪声,这些噪声对指纹细节特征的提取造成一定的影响，因此，在提取指纹特征之前需要对指纹图像进行预处理。
　由于指纹方向图能够反映指纹图像纹理结构的本质，被广泛应用于指纹图像处理中。针对输入指纹图像的特点和系统要求,通过当前比较流行的预处理算法，从方向信息着手，结合指纹图像的预处理过程，重点研究了基于梯度的方向图获取方法。
1 方向图的基本概念
　方向图是描述指纹图像中纹理方向及对应位置的一个二维平面场，它可看作是原始灰度指纹图像的一种变换表示法。图1所示为局部放大的指纹图，从图可知，在局部范围内指纹具有如下特点[1]:(1)纹线具有一致的方向性；(2)纹线的宽度基本相同；(3)纹线间的距离基本相同。方向图算法正是基于上述特点,将原始指纹图像进行变换,用纹线上某点的方向来表示该纹线的方向。

　另外，在指纹图像处理过程中涉及一些术语，它们名称相近,联系紧密,而意义却相去甚远，需要加以明确和区别。
   (1)方向场与方向图:方向场是根据指纹图像所具有的方向流特性,将图像看成一个流场,利用梯度或者其他计算方法得出,值域为[0,2π)；而方向图指的是指纹纹理的方向,值域为[0,π),可以通过方向场得到方向图。
   (2)点方向与块方向:点方向是指纹图像中每一个像素点的方向；而块方向则是把指纹图像划分成许多不重叠的块,用块的平均方向代替块中每一像素点的方向。一般来说，点方向对噪声敏感，而块方向对噪声的抑制能力较强,效率较高，效果更好。
2 指纹图像预处理
2.1 指纹图像归一化
　指纹图像的归一化[2]是对原始灰度图像上每一个像素点的一种操作,其目的是将指纹图像的灰度均值和方差规范到固定的范围,为后续图像的处理提供一个规格的图像。

2.2 指纹图像分割
　根据指纹图像被噪声干扰的程度及能否正确恢复，可把图像细分为四类区域[3]:白背景区、前景区、不可恢复区和模糊区。指纹图像分割的目的是割除白背景区和不可恢复区，保留前景区，尽可能保留模糊区中能恢复的部分。这里采用一种比较简单的分割方法[4]来割除白背景区，就可以达到预期的效果。
　

2.3 基于梯度的指纹方向图提取
　利用指纹进行身份识别主要是对指纹图像进行处理，分析其纹理结构特征，抽取指纹的特征点。计算方向图的基本思想是:在灰度图像中计算每一点(或每一块)在各个方向上的某个统计量(如灰度差、梯度等)，根据这些统计量在各个方向上的差异，确定该点(该块)的方向。
    这里给出一种基于梯度的改进的指纹方向图方法[5-7]。其思想是:在计算方向图时采用块重叠的方式，即在求某一小块的方向时，先以此小块为中心扩大块的范围并计算该大块的方向，然后将此大子块方向作为小子块方向，所得的块方向图更连续、更准确。

                     
2.4 二值化
    指纹图像二值化是将灰度图像转化成0、1两个灰度级的图像,前景点(指纹脊线)取作1,背景点(谷线)取作0，其目的是把指纹脊线提取出来。二值化[8-9]的方法很多,阈值的选择是图像二值化的关键。本文采用区域自适应阈值法[10-11]对指纹图像进行二值化。二值化算法的步骤为：
    (1)将指纹图像划分为互不重叠的W×W子块;
    (2)计算出每个子块的灰度均值;
　 (3)将每个子块计算所得的灰度均值作为动态阈值T, p(i,j)为子块内像素点(i,j)的灰度值。根据阈值T对该区域内的像素点进行二值化处理。若某一点的灰度值p(i,j)>AV,则p(i,j)=1；若p(i,j)≤AV,则p(i,j)=0。
    (4)根据上述第(3)步，依次对每一子块进行二值化处理。
2.5 细化
　细化[12]是图像分析、信息压缩、特征提取和模式识别常用的基本技术,细化的目的是为了方便后续特征提取的操作。细化算法[13-14]的种类很多，常用的细化方法有OPTA方法、Hilditch方法、E.S.Deutsch方法和Sherman方法,基于不同的情况，需进行具体的选择。本文采用一种常用的细化算法——查表法。其原理为：某一黑点，如果它在图形边缘，要去掉它以实现细化，这样它周围的八点必定表现为一定的色彩顺序，如图2所示。

    细化算法如下:
    (1)按顺序对八邻域组合进行编码；
　(2)根据上述原理制作一张消除表，实际上是一个容量为256的数组，下标分别与八邻域组合的编码一一对应；
　(3)对二值图像进行从上到下、从左到右的扫描，对每一个黑点做相应处理;
　(4)对二值图像进行从左到右、从上到下的二次扫描，对每一个黑点做类似处理；
　(5)如果本次循环有黑点被删除，则跳到第(3)步循环执行；否则，终止循环，细化结束。
3 实验结果与分析
　采用Visual C++.NET编程实现上述预处理过程，通过对100余幅指纹图像进行预处理实验。实验参数如下: M0和VAR0均为125,大块尺寸为11×11，小块尺寸为7×7。图3为实验得到的典型结果，图3(a)是利用Solid4000B指纹采集仪采集到的原始指纹灰度图片,图3(b)为分割后的效果，图3(c)为方向图，图3(d)为经过平滑后的效果，图3(e)是二值化输出结果，图3(f)是细化后的结果。将细化后的指纹图像与原指纹图像比较,可以发现减少了指纹图像中的伪结构，有利于后续工作的进行。

    本文对现有求取方向图方法进行分析，给出了一种改进的获取指纹图像方向信息的方法。实验结果表明, 该方法具有实现简单、速度快、鲁棒性好等特点。指纹图像经过上述预处理，能够获得较好的效果，为后续指纹图像的处理提供了有力保障，具有较好的应用价值。
参考文献
[1]  RATHA N K, CHEN S Y, JAIN A K. Adaptive flow orientation-based feature extraction in fingerprint images[J]. Patter Recognition, 1995, 28(11):1657-1672.
[2]  WANG Feng，LI Ji Gui. Fingerprint image enhancement algorithm research[J].Modern Computer，2003(2):157.
[3]  FENG Jian Jiang. Combining minutiae descriptors for fingerprint matching [J] .Pattern Recognition, 2008,41(1): 342-352.
[4]  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,2000,17(1):76-77.
[5]  翟波，纪工波，聂谈.基于方向信息的指纹图像预处理计算机工程与科学,2005(27):60-63[14].
[6]  黄贤武，苏鹏程，柏培权.基于方向滤波分割的指纹自动识别系统算法[J].中国图象图形学报，2002，7(8):829-834.
[7]  CHEN X J, TIAN J, YANG X. A new algorithm for distorted fingerprints matching based on normalized fuzzy  similarity measure[J]. IEEE Trans. Image Processing,  2006, 15(3):767-776.
[8]  BENHAMMADI F,AMIROUCHE M N, HENTOUS H,et al. Fingerprint matching from minutiae texture maps[J].Pattern    Recognition, 2007,40(1):189-197.
[9]  MALTONI D，MAIO D，JAIN A K，et al. Handbook of  fingerprint recognition[M]. Springer-Verlag New York，Inc.，2003.
[10]  BAZEN A M. Systematic methods for the computation of the directional fields and singular Points of fingerprints[J]. IEEE Transactions on Pattern Analysis and Machine Inteligence，2002，24(7):905-919.
[11]  李建华,马小妹,郭成安.基于方向图的动态阈值指纹图像二值化方法.大连理工大学学报[J]. 2002,42(5):626-628.
[12]  王业琳,宁新宝,尹义龙.指纹图像细化算法的研究[J]. 南京大学学报(自然科学), 2003,39(4):469-475.
[13]  冯星奎，李林艳，颜祖泉.一种新的指纹图像细化算法. 中国图象图形学报，1999，4(10):835-838.
[14]  AREEKUL V, WATCHAREERUETAI U, SUPPASRIWA-SUSETH K, et al. Separable gabor filter realization for  fast fingerprint enhancement[C]. IEEE International Conference on Image Processing. 2005,3:253-256.