基于灰度均衡的指纹图像分割算法胡涛文档格式.docx
《基于灰度均衡的指纹图像分割算法胡涛文档格式.docx》由会员分享,可在线阅读,更多相关《基于灰度均衡的指纹图像分割算法胡涛文档格式.docx(9页珍藏版)》请在冰豆网上搜索。
利用指纹方向图对指纹图像进行分割是一种常用的方法[6]。
该方法能够去掉指纹图像中绝大部分背景信息,不仅适合
基于灰度均衡的指纹图像分割算法
胡涛,林家骐
HUTao,LINJia-qi
西安理工大学信息科学系,西安710048
InformationScienceDepartmentofXi’anUniversityofTechnology,Xi’an710048,China
E-mail:
lin_jacket@
HUTao,LINJia-qi.Fingerprintimagesegmentationalgorithmbasedongraybalance.ComputerEngineeringandApplications,2007,43(24:
205-207.
Abstract:
ThispaperinviewofthecharacteristicoffingerprintimagesbyMBF200chipfingerprintgathering,proposesanewmethodoffingerprintimagesegmentation.Themethod,whichcansegmentfingerprintimages,issimple,rapidandeffective,andmeetsthereal-timerequirementsoffingerprintidentificationsystem.First,thegraybalanceprocessingforfingerprintimagescanbedonebythismethod.Andthen,thismethodsubdividesthefingerprintimagesaccordingtothecharacteristicsofthegray-scaleimages.Finally,fingerprintmarginalprospectsareamendedusingthewayofmathematicalmorphology.ThemethodisusedtocarryonthemassivetestswithfingerprintimagesbyMBF200semiconductorfingerprintgathering,whichisdesignedbythislaboratoryindependently.Theexperimentalresultsshowthatthemethodforthistypeoffingerprintimagesegmentationiseffective.
KeyWords:
MBF200;
fingerprintsegmentation;
graybalance;
graycharacteristic;
mathematicsmorphology
摘要:
针对MBF200芯片指纹采集器采集的指纹图像的特点,提出了一种新的指纹图像分割方法。
该方法简单实用,能快速而有效的分割指纹图像,符合指纹识别系统的实时性要求。
首先对指纹图像进行灰度均衡处理,然后根据图像的灰度特征对指纹图像进行分块分割,最后应用数学形态学修复指纹图像的前景边缘。
使用该方法对研究室自行设计的MBF200半导体指纹采集器采集到的指纹图像,进行大量的测试。
实验结果表明,该方法对这种类型的指纹图像分割是有效的。
关键词:
指纹分割;
灰度均衡;
灰度特征;
数学形态学
文章编号:
1002-8331(200724-0205-03文献标识码:
A中图分类号:
TP391.4
:
(,;
模式识别方面的研究。
ComputerEngineeringandApplications计算机工程与应用205
2007,43(24ComputerEngineeringandApplications计算机工程与应用
于质量较好的图像,且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效果,而且该算法计算复杂,处理时间较长。
2.3方向和灰度方差结合的方法
该方法结合了方向与灰度方差进行分割[7]
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是明显的。
3基于灰度均衡的指纹图像分割方法3.1MBF200指纹图像的特点
MBF200是富士通公司推出的一款触摸式CMOS指纹传
感器芯片[8],其传感区域为1.28cm×
1.50cm,256×
300传感阵列,分辩率为500dpi。
MBF200基于电容充放电原理,传感阵列的每一点是一个金属电极,相当于电容器的一极,与传感区接触的手指充当电容器的另一极,而两者间的传感面形成电容两极的介电层,由于指纹的脊和谷导致传感阵列各电容值的不同,传感器将电容值数字化之后输出,这样就获得了指纹图像(如图1所示。
由MBF200获取的指纹图像具有以下特点:
(1图像整体的灰度均值偏大,大约在210左右(灰度值0为黑色,255为白色,其色阶范围均在135~255之间。
(2不同图像间的局部方差值变化范围较大。
这种类型的指纹图像,同一幅图像的灰度差别范围较小,而不同图像间的灰度特征差别较大,不利于阈值的确定,即很难用灰度特征值去区分前景区域和背景区域。
这样,须将图像的灰度特征一致化,以消除不同图像的灰度差异性,又能扩大同一幅图像的灰度差别范围。
灰度均衡法能很好的满足这种要求。
3.2灰度均衡的理论基础
灰度均衡也称直方图均衡,目的是通过点运算使输入图像
转换为在每一灰度级上都有相同的像素点数的输出图像。
这对于在进行图像比较或分割之前将图像转化为一致的格式是十分有益的[9]。
假设输入图像DA,经灰度均衡转换后为DB,则灰度均衡的转换公式为:
DB=f
(DADMax
A0
DA
!
H(!
d!
式中H(!
为直方图,A0为图像的面积,DMax为图像的最大灰度
对于离散图像,其转换公式为:
(DA=D
MaxA0
i=0
"
H
i
式中Hi为第i级灰度的像素个数。
经过灰度均衡转换后的图像,不同指纹图像的直方图大体趋于一致,有利于不同图像间的一致性分析,提高算法的鲁棒性。
并且,指纹图像的对比度得到增强,有利于指纹纹路的检测
(如图2所示。
3.3基于灰度均衡的分割算法
通过对MBF200指纹图像的分析,结合数字图像处理理
论,本文提出了一种新的快速指纹分割算法。
首先,对输入的指纹图像用高斯模板进行处理,高斯模板可以去除图像的局部噪声。
本文使用的高斯模板为:
112124
2
1
2#
$$$$$$$%
&
’’’’’’’(
然后,将高斯去噪后的图像按3.2小节所述的灰度均衡理论进行处理。
通过灰度均衡后的指纹图像,被分成M×
N大小的小分块,实际应用中取M=N。
计算每小块的均值和方差。
块的均值为:
M
(I,J=1
M×
NM-1i=0
N-1
j=0
G
(i,j块的方差为:
V
N
M-1i=0
(G
(i,j-M(I,J2为了克服传统方差法判别的局限性,根据灰度均衡化后的图像灰度特征,对于每块的判别标准是以块的均值和方差之间的关系来判别的。
但由于方差与均值平方成正比的关系,在数量级上不利于比较和阈值的确定。
因此,采用块的均值与图像块的标准偏差的比值作为判断标准,既解决均值与方差在数量级上的差异,有一定的可比性,又使阈值确定范围缩小,有利于阈值的选取。
块的标准偏差为:
S(I,J=判别标准:
Th=
(I,JS
(I,J根据对大量的MBF200指纹图像处理分析结果,选取一定的阈值,大于分割阈值的块,属于背景块,否则,属于前景块。
块窗口的大小,可以先使用大窗口的检测,然后再对已划分的背景块进行小窗口检测,这样由粗到细的检测方法,使得指纹边缘精度更高。
3.4分割的后处理
通过上述设计的算法进行指纹分割处理后,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(3(示,从而会影响后续的指纹特征点提取,因此还要对这些孤立的图
206
2007,43(24tion98.[S.l.]:
ComputerSocietyPress,1998:
35-42.
[3]RenatoPajarola.Fastmesh:
Efficientview-dependentmeshing[C]//
ProceedingsPacificGraphics2001.[S.l.]:
IEEE,ComputerSocietyPress,2001:
22-30.
[4]RenatoPajarola.Overviewofquadtree-basedterraintriangulation
andvisualization[J].Information&
ComputerScience,UniversityofCaliforniaIrvinePress,2002:
15-18.
[5]PajarolaR.Largescaleterrainvisualizationusingtherestricted
quadtreetriangulation[C]//ProceedingsofIEEEVisualization’98,l998,8
(17:
19-26.(上接109页
[3]《运筹学》
教材编写组.运筹学[M].北京:
清华大学出版社,1990-01.[4]BarfordP,CrovellaM.GeneratingrepresentativeWebworkloadsfor
networkandserverperformanceevaluation[J].MeasurementandMod-elingofComputerSystems,1998:
151-160.
[6]盛友招.排队论及其在计算机通信中的应用[M].北京:
北京邮电大
学出版社,1998-09.
[7]KonstantinosPsounis,PabloMolinero-Fern’andez,BalajiPrabhakar,
etal.SystemswithMultipleServersunderHeavy-tailedWorkloads[J].PerformanceEvaluation,2005,62:
456-474.
[8]WardWhitt.Theimpactofaheavy-tailedservice-timedistribution
TheoryandApplications,2000,36:
71-87.
(上接116页
像块进行后处理。
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和方法来进行(效果如图3(b所示,处理方法与其它文献所述基本一致[10],这里不再赘述。
3.5分割结果比较
通过上述设计的方法分割的指纹图像,与使用归一化后应
用方差法阈值分割的图像进行比较(如图4所示,从图中可知,基于归一化后的图像,有些指纹的脊线未能有很好的对比度,使用方差法阈值分割处理,将不能很好的分割指纹图像。
4实验结果分析
本文所提出的算法,在MicrosoftVisualC++6.0开发平
台上进行仿真实验,对MBF200指纹采集器所获取的几百张指纹图片进行测试。
图1是从指纹库中随机获取的图像,其基本涵盖各种类型的指纹图像。
使用本文所提出的算法,其分割结果如图5所示。
对比图1和图5,可知基于灰度均衡的指纹分割效果是令人满意的。
5总结
本文提出的基于灰度均衡的指纹分割算法,通过实验与应
用,能够很好的分割不同的指纹图像,分割效果比较准确;
由于其处理时间短和分割的有效性,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。
实践表明它是一种高效、实用、快捷的指纹图像分割算法。
(收稿日期:
2007年1月参考文献:
[1]JainAK,RossA,PrabhakarS.AnIntroductiontobiometricrecog-
nition[J].CircuitsandSystemsforVideoTechnology,IEEETransac-tionson,2004,14
(1:
4-20.[2]TabassiE,WilsonCL.ANovelapproachtofingerprintimage
quality[C]//IEEEInternationalConferenceon,ImageProcessing,2005,2:
37-40.
[3]ChaoGwo-cheng,LeeShung-shing,LaiHung-chuan,etal.Embed-
dedfingerprintverificationsystem[C]//Proceedingsof11thInterna-tionalConferenceon,ParallelandDistributedSystems,2005,2:
52-57.[4]HaoGuo.AHiddenMarkovModelfingerprintmatchingapproach
[C]//Proceedingsof2005InternationalConferenceon,MachineLearningandCybernetics,2005,8:
5055-5059.
[5]田捷,杨鑫.生物特征识别技术理论与应用[M].北京:
电子工业出版
社,2005.
[6]MehtreBM,MuthyNN,KapoorS,etal.Segmentationoffinger-
printimageusingthedirectionimage[J].PatternRecognition,1987,20(4:
429-435.
[7]刘灵丽.指纹图像的分割算法[J].湘南学院学报,2004,25
(5:
72-75.[8]MBF200DataSheet[EB/OL].[2002].http:
//.[9]张毓晋.图像处理和分析[M].北京:
清华大学出版社,1999.[10]何斌,马天予,王运坚,等.VisualC++数字图像处理[M].2版.北京:
人民邮电出版社,2002.
胡涛,林家骐:
基于灰度均衡的指纹图像分割算法207