数字图像处理的应用Word文件下载.docx

数字图像处理的应用Word文件下载.docx

《数字图像处理的应用Word文件下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理的应用Word文件下载.docx（14页珍藏版）》请在冰豆网上搜索。

辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比，从中找出与现场指纹相匹配的指纹。

这也叫做“一对多匹配（onetomanymatching）”。

指纹辨识过程如图2所示。

图1指纹验证过程

图2指纹辨识过程

三、指纹识别系统工作原理

3.1概述

一般来讲，自动指纹识别算法体系大致由指纹图像采集、指纹图像预处理、特征提取、指纹分类和指纹比对几个部分组成。

如图所示。

图3指纹识别工作原理

3.2指纹图像采集

较早出现的活体指纹采集设备是光电式的。

后来出现的电容式和电感式的采集设备。

到目前为止，光学采集头提供了更加可靠的解决方案。

通过改进原来的光学取像技术，新一代的光学指纹采集器更是以无可挑剔的性能与非常低的价格使电容方案相形见绌。

光学技术需要一个光源从棱镜反射到按在取像采集头上的手指，光线照亮指纹从而采集到指纹。

光学取像设备依据的是光的全反射原理（FTIR）。

3.3预处理

通常，指纹采集器采集到的指纹是低质量的，存在的噪声较多。

通过预处理，将采集到的指纹灰度图像通过预滤波、方向图计算、基于方向图的滤波、二值化、细化等操作转化为单像素宽的脊线线条二值图像，基于此二值图像对指纹的中心参考点，以及细节特征点特征等进行提取。

指纹预处理的一般过程如图所示。

图4预处理的一般过程

3.4特征提取

指纹的特征点分为全局特征（如奇异点、中心点）和局部特征（指纹细节点）。

在考虑局部特征的情况下，英国的E.R.Herry认为，在比对时只要13个特征点重合，就可以确认是同一个指纹。

指纹的细节特征可以有150种之多，但这些特征出现的概率并不相等，很多特征是极其罕见的。

一般在自动指纹识别技术中只使用两种细节特征：

纹线端点与分叉点。

纹线端点指的是纹线突然结束的位置，而纹线分叉点则是纹线突然一分为二的位置。

大量统计结果和实际应用证明，这两类特征点在指纹中出现的机会最多、最稳定，而且比较容易获取。

3.5指纹分类

指纹分类的主要目的是方便大容量指纹库的管理，减小搜索空间，加速指纹匹配过程。

指纹分类技术越完善，能够划分的类型越细，样本数据库每个类别中所包含的样本数量就会越少，对一次识别任务来讲，需要比对的次数和时间开销就会越少。

在大部分研究中，指纹一般分为漩涡型（whorl）、左环型（leftloop）、右环型（rightloop）、拱型（arch）、尖拱型（tentedarch）5类。

对于要求严格的指纹识别系统，仅按此分类是不够的，还需要进一步更加细致地分类。

3.6指纹比对

指纹比对是通过对2枚指纹的比较确定它们是否同源的过程，即2枚指纹是否来源于同一手指。

指纹比对主要是依靠比较2枚指纹的局部纹线特征和相互关系决定指纹的唯一性。

细节特征的集合形成一个拓扑结构，指纹比对的过程实际就是2个拓扑结构的匹配问题。

由于采集过程中的变形、特征点定位的偏差、真正特征点的缺失和伪特征点的存在等问题，即使是2枚同源的指纹，所获得的特征信息也不可能完全一样，指纹比对的过程必然是一个模糊匹配问题。

3.7可靠性问题

计算机处理指纹图像时，只是涉及了指纹有限的信息，而且比对算法不是精确的匹配，因此其结果不能保证100%准确。

指纹识别系统的重要衡量标志是识别率，它主要由2部分组成：

拒判率（FRR，falserejectrate）和误判率（FAR，falseacceptrate）。

右图的ROC（ReceiverOperatingCurve）曲线给出FAR和FRR之间的关系

图5FAR和FRR之间的关系

四、指纹识别模块算法

4.1预处理

指纹的特征是指指纹脊线的某种构型，如端点、分叉等。

为了提取这些特征，必须先把灰度的指纹图处理为二值线型图，此过程即指纹图像预处理。

图像预处理是指纹自动识别过程的第一步,它的好坏直接影响指纹识别的效果。

图像预处理通常包括增强、分割、细化等几个步骤。

增强是通过平滑、锐化、灰度修正等手段，改善图像的视觉效果；

分割则是把图像划分为若干个区域，分别对应不同的物理实体；

细化则是把分割后的图像转为只有一个像素点宽度的线型图，以便提取特征。

在预处理过程中，必须保证尽可能不出现伪特征，并尽量保持其真实特征不受损失。

4.2方向滤波算法

指纹图像获取时，由于噪音及压力等的不同影响，将会导致2种破坏纹线的情况：

断裂及叉连。

这2种干扰必须清除，否则会造成假的特征点，影响指纹的识别。

为了消除干扰及增强纹线，针对指纹纹线具有较强方向性的特点，可以采用方向滤波算法对其进行增强，为此必须利用指纹图上各个像素点上的局部方向性

4.2.1方向图的获取

方向图是用每个像素点的方向来表示指纹图像。

像素点的方向是指其灰度值保持连续性的方向，可以根据像素点邻域中的灰度分

图6指纹方向表示

布判断，反映了指纹图上纹线的方向。

如图所示设定8个方向，各方

向之间夹角为π/8，以1～8表示。

每个像素点上方向值的判定是在其N×

N邻域窗口中得到的。

邻域窗口的尺寸并无严格限定，但其取值与图像的分辨率直接有关。

如果邻域取得过小，则难以从其中的灰度分布得出正确的方向性；

若取得过大，则在纹线曲率较大的区域窗口纹线方向不一致，会对以后的滤波操作造成不良影响。

一般可取N为1～2个纹线周期。

实验中取N=9，该9×

9邻域窗口如图所示。

分别求出沿各个方向的灰度变化：

式中,d代表与d垂直的方向，即d=（d+4）mod8;

f（i,j）是点p（i,j）的灰度值；

ik是d方向上的第k点；

fdk（ik,jk），fdk（ik,jk）分别是点pdk与Pdk的灰度值。

点P（i,j）的方向应该是Sd取值最小、S取值最大的方向。

4.2.2方向图的平滑算法

方向图求出后,由于纹线中的毛刺、背景中的细小污点等影响,会存在一定的噪音,需要对其进行平滑。

方向图平滑的基本思想是，指纹纹线的走向是连续变化的,邻近像点上的方向不应该有突然的大角度转折。

平滑也是在窗口中进行的,窗口中心像点上的平滑结果由窗口中各像素点方向值及其分布确定。

4.2.3方向滤波器的设计

在得到指纹的方向图后,可以根据每个像素点的方向值利用方向滤波器对指纹进行滤波,以消除噪音,增强纹线,提高脊和谷之间的反差。

滤波器设计原则如下所述。

①滤波器模板的尺寸要合适。

模板过小难以达到良好的去噪音、清晰化效果;

模板过大则可能在纹线曲率较大处破坏纹线构型。

一般取模板边长为1～1.5个纹线周期。

②模板边长为奇数,模板关于其朝向轴及朝向垂直方向轴均为对称

③为提高脊、谷之间的灰度反差,达到边缘锐化的效果,模板应设计为在垂直于朝向方向上,中央部分系数为正,两边系数为负。

④滤波结果应与原图的平均灰度无关,因此模板中所有系数的代数和应为0

4.3局域自适应二值化算法

以上所得的是增强后的256级灰度图像,需要将其进一步二值化。

二值化指纹图像是将灰度图像变成0、1两个灰度级的图像,前景点（指纹脊线）取作1,背景点取作0,以把指纹脊线提取出来,便于后续处理。

根据指纹图中脊线与谷线宽度大致相等的特点,即二值化后黑白像素的个数应大致相同,采用局部域值自适应算法。

把指纹图分成w×

w（w为一个纹线周期）的子块,在每一子块计算灰度均值

f（i,j）为子块（i,j）的灰度值。

在该块若某一点的灰度值f（i，j）>

Av,则f（i,j）=1;

若f（i,j）≤Av,则f（i,j）=0。

对每一块都进行这样的处理,可得到指纹的二值图像。

4.4二值化后的去噪

由于灰度去噪的不完全及二值化过程又可能引入噪音,所以对二值化后的指纹图像还需要进行一次二值滤波去噪,目的是去除或减弱图像中的噪音,增强图像中有意义的部分。

这一过程可以填补二值化后纹线上的孔洞，或者删除模式上的“毛刺”和孤立的值为1的像素,即包括填充和删除2个算法。

4.4.1填充

填充算法把同时满足以下条件的像素p值取为1。

①p为0像素;

②p的4邻域中有3个以上的邻点为1像素。

下图示出了填充算法的一个实例。

4.4.2删除

删除算法把同时满足以下条件的像素p值取为0。

①p为1像素;

②（p1+p2+p3）（p5+p6+p7）+（p3+p4+p5）（p7+p8+p1）=0;

③p不是端点。

左图示出了删除过程的一个实例。

图中p1～p8（值为0或1）定义如右图所示。

经过去噪后，有效地清除了原二值图中的大部分孔洞和“毛刺”

4.5细化及细化后的去噪处理

细化是图像分析、信息压缩、特征提取和模式识别常用的基本技术,它使图像的每条纹线都变为单像素宽的“点线”,且细化后的纹线近似处于原图的“中轴”。

细化过程中,在判断是否删除一个前景像素点时,需要考虑其3×

3邻域中除其自身外的8个像素点中的连接成分数。

如果此连接成分数为1,则说明删除当前像素点不会改变原图的连通性;

若大于1,则改变了原图的连通性。

令Nc为p的8邻域中的连接成分数,则其由序列p1p2p3p4p5p6p7p8p1中0→1变化的次数可以得到。

这里采用逐层迭代算法。

本算法把一次迭代分作两次扫描,细化过程中由周边向中间逐层细化,使细化结果位于原图的“中轴”。

令BN为3×

3窗口目标像素的个数，BN=∑Pi，2次扫描中需满足下面条件：

①2≤BN≤6（排除p为端点和部像点的情况）;

②若已标记pi视为1时,有Nc=1（保证删除当前像素不会改变原图的连通性）；

③p的值是1（保证p为前景点）;

④当p3或p5已标记时,若视p3、p5为0,依然有Nc=1（保证宽度为2的线条只删除一层像点,避免其断开）。

本细化算法重复执行2个步骤：

①从左到右,从上到下顺序扫描图像,对同时满足以上条件的像素,如果p1p3p7=0且p1p5p7=0,则将其作上标记;

②从左到右,从上到下顺序扫描图像,对同时满足以上条件的像素,如果p1p3p5=0且p3p5p7=0,则将其作上标记。

当扫描完整幅图像后,去掉作了标记的像素。

重复步骤1、2操作，直至得到单位宽度的线条为止。

经过此细化算法处理后,得到单像素宽的8连通的指纹图像。

经上述处理后的图像有利于特征提取。

五、指纹特征提取和比对

5.1指纹的特征提取和剪枝

由细化所得的指纹点线图,很容易找到指纹的细节特征:

端点和分叉点,记录这些特征的位置、类型和方向。

因为指纹预处理的不完善性,在细化后的纹线图中总存在或多或少的伪特征点。

因此有必要对这些粗筛选出的特征进行剪枝,以达到去伪存真的目的。

细节特征剪枝的标准主要依赖于以下3个条件。

①特征点到边缘的距离;

②细节特征间的距离和角度关系;

③指纹脊线和细节特征的空间分布。

根据以上3个条件组合各种特征剪枝的标准,凡符合标准的特征点删除,其余的给予保留。

5.2指纹的比对

在进行指纹比对之前,一定要存在指纹数据库。

建立指纹数据库,一般要采集同一枚指纹的3～5个样本。

对于待匹配的指纹图像,经预处理和特征提取后,形成一个坐标链码记录,根据这些特征的相互位置关系与指纹数据库中的样本做图形匹配,得到最终的识别结果。

右图展示了指纹原始图像经增强、分割和细化后的效果。

六、指纹增强

6.1图像增强的背景

很多历史资料由于材质和时间的原因，整幅图片色泽偏暗，亮度围不足或非线性等因素造成对比度不足，影响观看效果，结合人眼对灰度的感觉，如果相邻两个物体目标灰度相差比较小，超过人眼对灰度差的感知能力，人眼就无法区分这不同的两个物体，从而导致无法看清楚图片，这就需要对图片做出一些处理，使图片的灰度差和整体色泽有所改善，以达到人眼观看的效果。

图象处理的原始目的就是改善，使看不清的目标能够看得清楚，因此，对数字图象识别分析的全过程，都要求图像得到改善以适应人的肉眼，为了达到这个目的，除了首先需要去除噪声之外，还需要分辨灰度细节，解决灰度的扩展和图像鲜明化问题。

6.2指纹图像增强算法分类介绍

指纹图像增强算法，大体上可以分为空域增强算法和频域增强算法。

空域增强算法是利用一定的规则直接作用于指纹图像的像素值，达到增强的目的。

频域增强则是先进行一个变换域操作，然后利用图像的相位、频率及能量等信息进行图像增强。

6.3指纹图像的规格化（频域增强）

图像规格化的目的是把图像的平均灰度和对比度调整到一个固定的级别上，以减少不同指纹图像之间的差异。

令I

代表原始图像在点（I，j）的灰度值，I＇

代表规格化后的图像在点

的灰度值，M和VAR分别代表原始指纹图像的均值和方差，

和

分别代表期望得到的均值和方差。

则规格化之后的指纹图像在象素点

的值I＇

由下式确定：

按上式对输入图像进行点运算即可实现图像的规格化处理，运算结果使得图像的灰度均值和方差与预定值一致。

（Ⅰ）分割后的指纹图像（Ⅱ）规格化后的指纹图像

6.4图像规格化后的再处理

通过规格化处理后的图片需要进行再次的处理，主要是图像方向图的计算与平滑。

首先对规格化后的图像方向图计算，因为指纹方向图抽象了指纹脊线与纹谷交错平行分布的特点，反映了指纹图像纹理结构的本质而方向场是指纹图像中蕴含的最重要的信息。

然后对指纹图像做方向场的平滑计算，求得的平滑方向场。

由于脊方向在噪声影响下会产生畸变，需要对所求方向场进行平滑去噪。

为了实现平滑，可以使用一个低通滤波器，让方向场需转换成连续向量场，以便再做处理。

最后求指纹纹线平均频率，设频谱峰距频谱中心点的距离为k（单位为象素），则根据离散傅立叶变换性质有：

式中，f为纹线平均频率，N为图像大小。

6.5指纹图像的Gabor滤波增强

对于指纹图像，局部区域的纹线分布具有较稳定的方向和频率，根据这些方向和频率数值，设计出相应的带通滤波器就能有效地在局部区域对指纹进行修正和滤波。

由于Gabor滤波器可以同时在空域和频域上获得最佳的分辨率，具有良好的带通性和方向选择性，可以采用Gabor滤波器来实现指纹图像的增强。

根据需要，将Gabor函数略作修改，得到一个数字滤波器，如下所示：

其中：

这里得到的Gabor滤波器

用于对指纹图像的局部区域进行滤波。

其滤波参数与局部图像块的方向、频率，尺寸和位置有关。

上式中：

表示滤波器的方向；

表示脊线形成的正弦波频率，

为沿X轴和Y轴的空间常量。

利用上式对图像进行滤波，其滤波公式为：

为滤波后的图像，

为图像块的方向，

为脊线的频率（本文取固定值），I＇

为规格化后的指纹图像，

为Gabor滤波器的大小，一般为一个脊线宽度。

当指纹图像质量较差时较难精确地计算出纹线方向和频率，如果采用与纹线真实方向和频率不同的Gabor滤波器对局部指纹图像进行滤波，那么滤波器的通带将不与纹线频谱图中的峰相重合，不仅阻止指纹纹线信号通过，而且使噪声信号获得增强，从而不仅达不到增强效果，反而会使图像质量更差甚至改变纹线的结构。

（Ⅰ）规格化后的指纹图像（Ⅱ）Gabor滤波后的指纹图像

6.6对指纹图像的Gabor算法改进

指纹图像的核心区域方向所取得的处理效果不好。

所以针对指纹图像的不同区域采取了单一方向Gabor滤波及多方向Gabor滤波合成的综合增强方法，改进后的算法基于局部与宏观相结合的原则，不但利用了指纹图像的局部特性，而且结合了局部四邻区域的关联特性，对于指纹图像中脊线方向变化较规则的区域，采用方向为最佳且经过参数优化的单一方向Gabor滤波；

对于指纹图像中脊线方向存在突变块的区域，则采用组合的多方向Gabor滤波，算法步骤如下：

（1）把指纹图像分成大小为16×

16的互不重叠的小块；

（2）对当前小块，计算其方向值与四个邻域子块的方向值的差值；

（3）如果差值都小于45。

，则利用当前的方向参数得到Gabor滤波器进行滤波；

（4）如果差值有大于45的，则分别取当前子块和四邻域子块的方向参数得到5个Gabor滤波器，用这5个Gabor滤波器分别进行滤波，并相加合成。

通过以上4步的改进，对核心指纹区域进行了分割，有效减少了伪特征点的出现。

这些措施的确提高了低质量指纹识别结果的可靠性。

6.7指纹图像增强Gabor算法弊端

虽然Gabor算法在低质量指纹图像的方向信息提取方面的表现很优秀，即使对质量很差的指纹图像，也能获得大致正确的方向信息，对图像进行有效增强，提高了特征提取结果的准确性。

但是Gabor算法仍然存在两个重要问题：

（1）对纹线曲率很大的指纹区域，表现出较差的性能，很容易将这些区域当作不可恢复区域而屏蔽掉，这将在一定程度上降低特征提取结果的准确性；

（2）算法过于复杂，速度很慢。

还应对该算法进一步优化。

七、总结

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

近年来，图像处理技术得到了快速发展，呈现出较为明显的发展趋势，了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。

而指纹识别正随着数字图像处理和模式识别等学科的发展而逐步形成一门新兴身份认证技术。

在未来社会中扮演越来越重要的位置。

八、参考文献

[1]王锋，吉桂．指纹图像增强算法研究。

现代计算机

[2]何孝富，施腾飞．低质量指纹图像的增强方法。

数据采集与处理

[3]洪久，温玉娟，高俊。

基于Gabor滤波的指纹图像增强处理技术

[4]田捷，鑫编著．生物特征识别技术理论与应用[M]。

：

电子工业2005，9：

40～7O．

[5]乔治宏，吴晴，乔雨峰．基于方向滤波的指纹图像增强算法研究。

计算机工程与应用，2004，40（35）：

87—89．

[6]徐周，于飞．有效的指纹纹线细化方法。

计算机工程与设计，

2006，27（24）：

625—628．

[7]玉明.王紫婷基于matlab的指纹识别系统的研究与实现[期刊论文]-电脑知识与技术

[8]王业琳，宁新宝，义龙，指纹图像细化算法的研究，大学学报（自然科学），2003，39（4）：

468．475

[9]温苗利,梁彦,等.基于Gabor函数的小波域指纹图像增强算法[J].计算机应用,2006,26（3）:

589-594.

[10]马军波，马利庄，聂栋栋，改进的基于Gabor滤波器的指纹增强算法[J]。

计算机工程，2005，31（15）；

146-147，164