基于中值滤波的指纹增强算法
摘 要:指纹增强对提高细节特征提取的准确率乃至整个自动指纹识别系统的性能实现都具有重要的意义。首次将中值滤波算法运用于指纹图像增强方面,提出了一种更为简单的指纹图像增强算法。该算法的主要过程是:对图像中的每个像素点,沿该点方向上取一个(2R+1)的一维统计窗口,其中R为该统计窗口的半径。对该窗口进行中值滤波,并将中值结果赋予该像素点。通过针对FVC 2002指纹库进行实验表明,该方法是一种简单、有效的指纹图像增强算法。
关键词:自动指纹识别系统;指纹增强;中值滤波;方向场
中图分类号:TP391.4文献标识码:A
文章编号:1004-373X(2009)10-107-03
Fingerprint Image Enhancement Algorithm Based on Median Filter
SUI Xueli1 ,MEI Yuan2
(1.Jincheng College,Nanhang University,Nanjing,211156,China;
2.School of Computer Science & Technology,Nanjing University of Science and Technology,Nanjing,210094,China)
Abstract:Fingerprint enhancement is important for improving the accuracy of minutia extraction,even for the total Automated Fingerprint Identification System (AFIS).In this paper,median filter method is applied to fingerprint image enhancement for the first time,and a more simple fingerprint image enhancement method is proposed.The main processing is: for each current point in fingerprint image,a statistical window of one dimension with(2R+1) in size is gained,here Ris the radius of the window,then the median filter is operated on this window,the current point with the result of the median filter is reset.The experimental result based on FVC2002 shows the proposed method is a simple,effective fingerprint image enhancement algorithm.
Keywords:AFIS;fingerprint enhancement;median filter;orientation field
0 引 言
生物特征识别[1,2]技术是根据每个人独有的可以采样,测量的生物学特征和行为学特征进行身份识别的技术。由于生物特征不像各种证件类持有物那样容易窃取,也不像密码、口令那么容易遗忘或破解,所以在身份识别上体现了独特的优势,近年来在国际上被广泛研究。自动指纹识别系统[3-5] (AFIS)由于其体积小,成本低,易操作,可靠性高等优点越来越受到人们的青睐,成为最重要的生物识别技术之一。
一般的自动指纹识别系统包括:图像采集、图像分割、方向场估计、指纹增强、二值化及细化、特征点提取、特征匹配等部分。可靠提取指纹特征点是指纹准确识别的基础,但由于受噪声和采集环境等因素的影响,采集到的部分指纹图像质量比较差,特征点提取的准确性就会急剧下降。指纹增强作为指纹识别系统中非常重要的一部分,其目的就是通过对低质量指纹图像采取一定的算法处理,使其纹线结构清晰化,以尽可能地提高特征提取的可靠性。
迄今为止,已提出大量的指纹增强算法[6-8]。其中,运用最为广泛的主要有O′Gorman等于1989年提出的方向滤波方法,L.Hong等[9]于1998年提出的基于Gabor滤波器的指纹增强算法。这两者都利用了指纹图像的方向性及脊、谷交替的特性。前者在设计滤波器时,针对量化后的方向,设计不同的方向滤波模版,其设计原则为:
(1) 滤波器的模板尺寸要合适,要求是一个或者一个半的纹线周期;
(2) 模板的尺寸要为奇数,以保证模板通过中心点关于坐标轴对称;
(3) 为了提高脊线和谷线之间的对比度,模板设计在垂直于纹线方向上,中央部分系数为正,两边系数为负;
(4) 滤波结果应和原图的平均灰度无关,因此滤波器模板中所有系数的代数和应为零。该方法速度较快,但是存在难于选择合适模版尺寸的问题。
众所周知,Gabor滤波器是带通滤波器,它以其在空域良好的方向选择性和在频域良好的频率选择性而在计算机视觉领域,尤其是在纹理分析方面得到了广泛的应用。利用Gabor函数进行指纹图像的增强,本质上是沿着纹路方向采用低通滤波器,而沿着垂直于纹路方向采用带通滤波器。这种组合滤波器一方面可以消除纹路方向上的瑕疵,另一方面可以增强脊线和谷线之间的对比度,所以能取得令人满意的结果。然而,该方法的计算量很大,程序设计相当复杂,且在估计局部频率时也存在一定的困难。
相对于已有工作,这里首次将中值滤波算法运用于指纹图像增强问题,提出了一种更为简单的指纹图像增强算法。该算法的主要过程是:对图像中的每个像素点,沿该点方向上取一个(2R+1)的一维统计窗口,其中R为该统计窗口的半径。对该窗口进行中值滤波,并将中值结果赋予该像素点。基于FVC 2002指纹库的实验结果验证了该方法的有效性。
1 方向场计算
在梅园等[10]提出的方向场估计算法基础上,通过引入图1所示的新的窗口模版,形成了本文所采用的方向场计算方法,其大致过程如下:
(1) 对于指纹图像I,根据式(1)分别计算每个像素点沿x,y方向的梯度向量。
[Gx(x,y),Gy(x,y)]T=[I(x,y)/x,I(x,y)/y]T(1)
图1 新的窗口模版
(2) 将整幅图像分割成一系列互不重叠、大小为Win×Win的内层块;为每个内层块分配一个具有共同中心点、大小为Wout×Wout的外层窗口。根据式(2),式(3)分别计算每个内层块的梯度向量及块的一致性,同时统计每个内层窗口所对应外层窗口中所含有效点梯度向量(即非0向量)的个数。
[GINBx,GINBy]T=[∑Woutx=1∑Wouty=1Gsx(x,y),
∑Woutx=1∑Wouty=1Gsy(x,y)]T(2)
CohinB=|∑Woutx=1∑Wouty=1\|∑Woutx=1∑Wouty=1|\|(3)
其中:
Gsx(x,y)
Gsy(x,y)=G2x(x,y)-G2y(x,y)
2Gx(x,y)Gy(x,y)
(3) 确定块一致性阀值φ及有效点个数阀值φ,对每个内层块,若其块一致性或者有效点个数小于相应得规定阀值,则将该块的块梯度向量置为0向量。
(4)对每个块梯度向量为0向量的内层块,采用基于迭代的方法,重新估计其块梯度向量。
(5)依据式(4)将每个内层块的梯度向量转化为块方向。
θ=(1/2)π+1/2
tan-1(GINBy/GINBx), GINBx≥0
tan-1(GINBy/GBx)+π,GINBx<0∩GINBy≥0
tan-1(GINBy/GINBx)-π, GINBx<0∩GINBy<0(4)
图2(a)为原始指纹图像,图2(b)给出了用该方法计算出的方向场结果图(其中Win=3,Wout=21,φ=0.3,φ=(Wout×Wout)/6。可以看出,该方法计算出的结果更加平滑,方向的连续性较好,为后面的指纹增强奠定了良好的基础。
图2 算法的过程结果
2 基于中值滤波的指纹增强算法
中值滤波是对当前像素点的一个M•N统计窗口内所有像素点按照灰度级排序,用处于中间位置的灰度级来代替当前点灰度值的一种排序滤波方法。在具有两类目标的窗口中,其物理意义为:将当前像素点归类于处于多数的类别之中。该方法具有很好的抗噪性能,且不使边缘模糊,因此在很多的图像增强问题中很受欢迎。本文的主要工作就是首次将中值滤波算法运用于指纹图像增强问题,提出了一种基于中值滤波的更为简单的指纹图像增强算法。
在指纹图像的有效区域(即含有脊线、谷线的图像区域),也包含了两个类别——脊线(对应于图像中的灰度级较低的纹线)、谷线(对应于灰度级较高的纹线)。因此,从宏观上讲,中值滤波算法是完全可以运用于指纹图像增强问题的。因而问题的关键就在于如何选择合适、有意义的统计窗口。
对于该统计窗口,这里认为以当前点为中心,沿当前点方向的一维统计窗口是合适、有意义的统计窗口。其解释为:指纹图像是具有明显方向信息的纹理图像,沿当前点方向的一维统计窗口,如图2(c)所示,具有鲜明的物理意义,即若该统计窗口内主要包含脊线上的点,则把当前点划分到脊线中是合理的。同理,若该统计窗口内主要包含谷线上的点,则把当前点划分到谷线中亦是合理的。若统计窗口沿其他方向,极限情况是沿该点方向的垂直方向,则不会有任何意义,滤波后的结果自然无法理解通过实验,也得到了证明,如图3(a),(b)给出对每一点都采用水平方向或垂直方向的一维中值滤波结果。
从结果中可以看出,不沿着当前点方向进行中值滤波,结果明显不正确。采用一维窗口而非二维窗口,其一是因为一维数据量少,运算速度快;其二是当采用二维窗口时,若第二维的数值较大时,其中值滤波的结果亦没有意义,同样,这里亦通过实验得到了证明,如图3(c)给出了沿着当前点方向采用(2R+1)(2R+1)的二维统计窗口进行中值滤波的结果,结果也明显不正确。
图3 一些反例
基于上述分析可以知道,本文算法的主要过程,即对图像中的每个像素点,都沿该点方向上取一个(2R+1)的一维统计窗口,其中R为该统计窗口的半径,对该窗口进行中值滤波,并将中值结果赋予该像素点。为了更为详细地阐述算法的实现细节,以下给出该算法基于Matlab编程语言的实现过程,并给出非常详尽的注释:
function filter_img=median_filter(image,org_img,R)
%image:原始指纹图像;org_img:指纹方向场;R:一维滤波
窗口半径;filter_img:中值滤波后的图像
[row,col]=size(image);
%row:指纹图像的高度;col:指纹图像的宽度
template_X=zeros(1,2*R+1);
% template_X用于保存一维统计窗口中所有像素点的横坐标值
template_Y=zeros(1,2*R+1);
% template_Y用于保存一维统计窗口中所有像素点的纵坐标值
template_img=zeros(1,2*R+1);% template_img用于保存一维统计窗口中所有像素点的灰度值
%以下开始对图像中的每一个像素点进行中值滤波
for rows=2*R:row-2*R
for cols=2*R:col-2*R
cos0=cos(org_img(rows,cols));%计算当前像素点方向的cos值
sin0=sin(org_img(rows,cols));%计算当前像素点方向的sin值
for r=-R:R%计算一维统计窗口中所有像素点的横坐标、纵坐标值
template_X(1,r+R+1)=round(r*cos0+cols);%round为取整函数
template_Y(1,r+R+1)=round(rows-r*sin0);
end
for i=1:2*R+1%得到一维统计窗口中的所有像素点的灰度值
template_img(1,i)=image(template_Y(i),template_X(i));
end
filter_img(rows,cols)=median(template_img);%对一维统计窗口中的所有像素点的灰度值进行中
值滤波,并将结果赋给当前像素点
end
end
图4 本文算法在FVC 2002指纹库上的部分实验结果
3 实验结果
为了充分验证本文算法的有效性,这里在FVC 2002指纹库上做了大量的验证实验,其中窗口半径R=9。鉴于篇幅的限制,图4分别给出该指纹库中DB1,DB2,DB3,DB4中一组实验结果。实验结果表明,本文算法能取得较为满意的增强效果,是一种简单、有效的指纹图像增强算法。
4 结 语
首次将中值滤波算法运用于指纹图像增强方面,提出了一种更为简单的指纹图像增强算法,该算法的主要过程是:对图像中的每个像素点,沿该点方向上取一个(2R+1)的一维统计窗口,其中R为该统计窗口的半径,对该窗口进行中值滤波,并将中值结果赋予该像素点。通过针对FVC2002指纹库进行实验表明,该方法是一种简单、有效的指纹图像增强算法。
参考文献
[1]王波涛,蔡安妮,孙景鳌.生物图像识别技术及其应用[J].计算机工程与设计,2001(4):34-37.
[2]张成海,张铎.现代自动识别技术与应用[M].北京:清华大学出版社,2004.
[3]Jain A K,H Pankanti L S.An Identity-authentication System Using Fingerprints [J].Proc.IEEE,1997,85(9):1 365-1 388.
[4]Jain A,Hong Lin,Bolle R.On-line Fingerprint Verification[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,1997,19(4):302-313.
[5]Lee Chih-Jen.Fingerprint Feature Extraction Using Gabor Filter[J].Electronic Letters,1999,35(4):288-290.
[6]章毓晋.图像工程(上册)图像处理和分析[M].北京:清华大学出版社,1999.
[7]Jain K,Prabhakar S,Chen S.Combining Multiple Matchers for a High Security Fingerprint Verification System[J].Pattern Recognition.1999,20(11):1 371-1 379.
[8]Rafael C.Gonzalez,Richard E Woods.数字图像处理[M].2版.北京:电子工业出版社,2007.
[9]Lin Hong,Wan Yifei,Anil Jain.Fingerprint Image Enhancement Algorithm and Performance Evaluation[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,1998,20(8):777-789.
[10]梅园,孙怀江,夏德深.一种基于梯度的健壮的指纹方向场估计算法[J].计算机研究与发展,2007,44(6):1 022-1 031.
