一种新的指纹图像分割方法.docxVIP

一种新的指纹图像分割方法 1 指纹图像分割算法 指状图的分割是指状图像预处理的重要组成部分。它位于预处理过程前端,其目的是从指纹图像中分离出清晰的指纹区域和有噪声但可以恢复的指纹区域,使后续处理能够集中于这些有效区域进行。好的分割算法能够显著减少指纹图像预处理时间,提高特征提取的可靠性,在自动指纹识别算法中具有重要地位。 一个好的指纹图像分割算法具有以下特点: 1) 能识别图像中清晰的指纹区域、有噪声但可以恢复的指纹区域和不可恢复指纹区域; 2) 能处理原始指纹图像和增强图像; 3) 能处理不同类型的指纹图像。 图1中,(a)为清晰的指纹区域,(b)为受噪声干扰但仍然可以恢复的指纹区域,(c)为不可恢复的指纹区域。 目前,主要的指纹图像分割算法包括:基于指纹方向图的分割,结合方向图和图像局部灰度方差的分割,基于指纹脊线谷线对比度的分割。这些算法在特定的实验环境中有着各自的优势,但在实际应用中发现: 1) 单独使用某种分割算法,只能较为有效的处理某一类型的指纹图像; 2) 单独使用某一种图像特征进行分割,无法准确地区分图像背景、清晰指纹区域、可恢复指纹区域和不可恢复指纹区域。因此,需要综合使用多种特征进行多次分割; 3) 许多文献中的分割阈值选择来自于经验,通过硬编码或人工设定实现,这在实际应用中是不够的,分割阈值应该根据不同的图像动态地计算得到; 2 图像分级分割 指纹图像分级分割的基本思想是:对于某种图像特征,只用它分割“它最擅长分割的区域”,通过使用多种图像特征依次进行分割,最后得到感兴趣的区域。分级分割算法包括两个部分: 1) 使用指纹图像的局部灰度特征,从图像背景中分割出完整的指纹区域——包括清晰的指纹区域、有噪声但可恢复的指纹区域和不可恢复的指纹区域; 2) 使用指纹图像的局部脊线谷线对比度,从完整的指纹区域中提取出清晰指纹区域和有噪声但可恢复指纹区域; 2.1 指纹区域的分割 分级分割算法以“图像块”为单位进行。假设采用W×W象素大小的分块(一般地取W=λ,λ为脊线间距平均值),将整幅图像划分为M×N个子块。假设子块B(m,n)的灰度均值为GB(m,n),灰度方差为DB(m,n),其中0≤mM,0≤nN。定义以下灰度特征量对指纹区域与背景区域进行评价: 定义1 所有子块的灰度均值GMean: GMean=1M×N∑n=0N?1∑m=0M?1GB(m,n)(1)GΜean=1Μ×Ν∑n=0Ν-1∑m=0Μ-1GB(m,n)(1) 定义2 所有子块的方差均值DMean: DMean=1M×N∑n=0N?1∑m=0M?1DB(m,n)(2)DΜean=1Μ×Ν∑n=0Ν-1∑m=0Μ-1DB(m,n)(2) 定义3 指纹区域的方差估计值DFrg: DFrg=SFrgNFrg(3)DFrg=SFrgΝFrg(3) 式3中,SFrg是满足条件0≤DB(m,n)≤DMean的子块的方差之和,NFrg为子块数量。 定义4 背景区域的方差估计值DBkg: DBkg=SBkgNBkg(4)DBkg=SBkgΝBkg(4) 式4中,SBkg是满足条件0≤DB(m,n)≤DFrg的子块的方差之和,NBkg为子块数量。 定义5 过渡区域的方差估计值DThd: DThd=SThdNThd(5)DΤhd=SΤhdΝΤhd(5) 式5中,SThd为满足条件DBkgDB(m,n)DFrg的子块方差之和,NThd为子块数量。 为使分割算法能够有效地处理不同类型的指纹图像,将区域生长引入到第一级分割中来。区域生长的基本思想是:首先找出一定属于指纹区域的子块,称为种子块,种子块所在区域称为种子区域。对每一个和种子块相邻(八连通相邻)的子块,判断它是否满足生长条件,如果满足则把它也归为种子块,此过程称为为生长。如此反复,直到种子区域不再生长。本文定义最初的种子块为:若DB(m,n)DMean,则子块B(m,n)是初始种子块。由于不同类型指纹图像对图像边界的处理方式各异,为防止不同类型边界对生长过程的干扰,可以将初始的种子块限定在特定的图像的区域内,使其不出现在边界附近。 生长条件决定了第一级分割的结果。本文定义了3种生长条件,对于非种子块B(m,n),设它的八邻域中有NSeed(m,n)个子块也是种子块,那么生长条件为: 1) 若NSeed(m,n)≥2且DB(m,n)≥DThd,则将B(m,n)归为种子块。 2) 若NSeed(m,n)≥4且GB(m,n)≤GMean?DMean√4GB(m,n)≤GΜean-DΜean4,则将B(m,n)归为种子块。 3) 若NSeed(m,n)≥5且GB(m,n)≤GMean,则将B(m,n)归为种子块。 第一级分割的结果如图2所示。由图2可以看到,第一级分割算法将整个指纹区域从具有较大噪声的图像背景中分割出来。