1、 一種新的指紋圖像增強算法 Byung-Gyu Kim, Han-Ju Kim and Dong-Jo Park 電機工程系及計算機科學(xué)系 韓國科學(xué)技術(shù)院（KAIST） 373-1 Guseong-dong, Yuseong-gu, 大田市,大韓民國（南韓）305-701 Tel)+82428693438 Fax) +82428693410 Email ) chitosmail.kaist.ac.kr, djparkee.kaist.ac.kr 摘要 在本文中，提出了一種基于圖像規(guī)范化及枷帕濾波的新的指紋圖像增強算法。首先,對基于分塊自適應(yīng)標(biāo)準(zhǔn)化處理的指紋圖像提出了改進。一個輸入的圖像按照K*

2、L面積范圍被分解為幾個子塊，并對感興趣的區(qū)域（ROL）于指紋圖像中獲取。圖像規(guī)范化的參數(shù)根據(jù)子塊的統(tǒng)計數(shù)據(jù)被自適應(yīng)地決定。通過利用這些參數(shù)，分塊子圖像被標(biāo)準(zhǔn)化從而進行下一個步驟。其次，一種新的選取2種重要枷帕濾波系數(shù)的技術(shù)被發(fā)明。這些參數(shù)呈波峰方向和波峰頻率。在此學(xué)術(shù)中，子塊圖像的峰向是由概率性的方法被決定的而不像其他方法。通過這個波峰方向，頻率也由利用方向性的投射而被選擇出來。所提出的算法性能被進行了NIST指紋圖像測試并且在實驗中展示了顯著的改進效果。 1 簡介 當(dāng)今指紋技術(shù)被廣泛應(yīng)用于個人驗證中的生物特征，大多數(shù)自動檢定系統(tǒng)是基于指紋細節(jié)點模式匹配1-6。微小的細節(jié)處即是指紋圖像中局部間

3、斷點所表示的終端和分叉。為了獲取一個給定指紋圖像通過直接掃描器或是一個凸起的數(shù)位化指紋中的細節(jié)，首先要做的便是提取波峰結(jié)構(gòu)圖。高品質(zhì)的已獲得的圖像,波峰指紋圖像結(jié)構(gòu)并不總是很好定義的。因此,一些增強預(yù)處理過程是很有必要的,可以得到更為可靠的特征提取。 許多種類的指紋圖像增強方法已在文獻中被提出。大部分方法都是基于圖像二值化,而另一些則卻是直接提高圖像灰度圖像。在灰度圖像的處理方法中,增強算法的主要步驟包括如下：1）標(biāo)準(zhǔn)化。2）局部方向估計。3）局部頻率估計。4）通過過濾器進行過濾處理。 在規(guī)范化的第一步,一個輸入指紋圖像進行歸一化處理,降低灰度動態(tài)范圍的波峰波谷的形象,以便于處理下列步驟。并且

4、估計出定向圖像，通過利用梯度信息得出的規(guī)范化指紋圖像。在下一步驟中，通過規(guī)范化的指紋圖像及定向圖像，可以計算出頻域圖像。一個濾波器應(yīng)用于pre-tuned峰與谷的指紋圖像像素規(guī)范能夠獲得一個增強型指紋圖像的最后一步。一般來說，枷帕濾波是最常用于指紋圖像的增強算法。 標(biāo)準(zhǔn)化 歸一化圖像定像局部頻率估計圖像過濾輸入圖像圖像增強 圖1 塊的指紋圖像增強 在本文中,我們建議一種新的方法,選擇了兩個重要的枷帕濾波參數(shù)于指紋圖像的增強算法。為了得到增強型指紋圖像,原始輸入圖像分解為該面積K *L和規(guī)范與局部特征，從而進行接下來的過程。不像其他方法,諸如利用平均法的梯度圖像,我們設(shè)計一個概率的方法來測定波峰

5、的方向。同時,頻率的表達式是利用方向投影而獲得方向。 本文按如下順序排列，在第二步驟中，基于子快處理的自適應(yīng)圖像歸一化被簡要說明。同時,在第二步驟中，新方法的兩個重要枷帕參數(shù)的選擇被提出。第三步驟，為驗證算法的性能,該算法進行了NIST測試。最后,我們將為這個工作做結(jié)論作為第四步。 2 該指紋圖像增強的算法提出 2.1 基于局部特征的規(guī)范化自適應(yīng)圖像 由于使用者造成的傳感器信號不連續(xù)或是墨印強度不均的原因，從傳感器中獲取的輸入指紋圖像可能存在不合格的畫質(zhì)問題。為了應(yīng)對這一問題，一種基于指紋圖像局部特征的自適應(yīng)歸一化算法被提出。對于一個給定的指紋圖像，其中我們定義一個M*N的矩陣及一組數(shù)據(jù)（i,

6、j），其中i代表亮度而j代表像素。Hong和jian采用了如下的處理過程： 其中M0與 V AR0 是理想均值及均方差，而 M 與V AR為由圖像給出的計算出來的均值和均方差。 為了估計最初的和，這2項數(shù)據(jù)要求多樣以適應(yīng)當(dāng)前模塊下的局部特征。令和 這2個值成為理想化參數(shù)，這是在指紋圖像中第i塊的規(guī)范化區(qū)域，其中的更新方程式如下所示： 其中1 和2是加權(quán)因數(shù)，代表期限內(nèi)變化做出貢獻率的程度大小。Mi and V Ari則分別代表計算平均值以及均方差。 上述方程中的第二個關(guān)系式右邊的變化量則被定義為第i塊區(qū)域上的局部特征。當(dāng)這些數(shù)據(jù)為理想的參數(shù),根據(jù)所需的參數(shù)變化局部特性在當(dāng)前的區(qū)域中。 圖2顯示

7、了利用基于分塊處理的自適應(yīng)圖像歸一化的結(jié)果。圖2所給出的結(jié)果是當(dāng)如圖2(a),我們可以看出,由于一些因素，指紋圖像很不均勻。結(jié)果表明,本文提出的算法,利用基于塊的處理,可以提高原始圖像利用設(shè)計自適應(yīng)的歸一化法。這是由于將局部特征信息納入考量之中了。 圖2由美國國家標(biāo)準(zhǔn)技術(shù)研究所經(jīng)過指紋圖像歸一化的實驗結(jié)果：(a)原始圖像,(b)基于分塊自適應(yīng)歸一化處理結(jié)果。 2.2 枷帕過濾器參數(shù)的自動選取 在指紋圖像的歸一化處理之后，通過利用濾波器，濾波處理生效。枷帕濾波器常用來增強規(guī)范化的圖像，其指紋圖像增強方程可寫成如下： 其中表示枷帕濾波的方向，f代表頻率，x and y則是分別表示沿x軸和y軸的高斯

8、包絡(luò)。 為了利用枷帕過濾器,兩個重要參數(shù)必須調(diào)整。它們是 和 f均很器。本章節(jié)則提出了一種自動選取枷帕濾波中 和 f 這2 個參數(shù)的技術(shù)方法。 2.2.1 波峰方向的選取 大多數(shù)的方法,是通過利用方向設(shè)計一個過濾器,使用最小二乘平差或摘要現(xiàn)有基于梯度算法的平均算法1,2來實現(xiàn),是很容易的。但是,這些算法對噪聲很敏感。因此,我們試圖在本研究中加入一個概率性的算法。首先,生成一個梯度圖像，計算其中每一個像素波峰中的角度。這種概率方法,得到波峰方向,這個角度的范圍值是-90度 + 90度。在這個范圍內(nèi),通過一個等距離值q來計算角度于波峰中的分布，從而使得其量化。然后，波峰方向的分布通過如下的最近領(lǐng)域

9、水平概念被得到： 其中i是計算出的像素中的角度值。 比如，i的值接近-90o + n qo,則角度的頻率值便增加了-90o + n qo個單位。在本研究中，量化水平被設(shè)定為q=2o通過建立角度的分布函數(shù)p(i), 波分方向的最佳選取能通過最大似然準(zhǔn)則實現(xiàn)，如下所示： 在前期的工作中，受到損壞的角度值能夠影響最終的方向估計。然而，所提出的估計波峰方向的方法選擇了角度分布中的顯性突出部分。因此,那些受損的部分則不再會影響到最終的方向估計。 2.2.2 波峰頻率f的選取 為了估計頻率值，要先估計出方向值。因為圖像波峰方向是優(yōu)先算出的，而波峰圖像是通過這個方向再投射到垂直軸上的。在當(dāng)前模塊下被投射的數(shù)

10、據(jù)則能提供中線部分的頻率值。圖3顯示了方向性投射所估計出的頻率值。可以看出，投射數(shù)據(jù)中反應(yīng)的波形可以提供頻率值的相關(guān)信息。通過利用這個波形，圖像中各子塊的頻率值被自適應(yīng)地確定下來。 圖3 計劃中的方向性投射 3 模擬實驗結(jié)果 為了驗證該算法,我們采用了指紋圖像的數(shù)據(jù)庫NIST指紋圖像組。NIST的圖像來自數(shù)字化墨印指紋,每個圖像包含512X480個像素,8-bits灰度階。為了處理這些塊單元，在處理中它們的大小被選定為24X24. 圖4顯示了在NIST指紋圖像中的估算結(jié)果。 圖4 估算的結(jié)果 左圖-之前的算法 右圖-本文所提及的算法 盡管正確的方向會附帶嘈雜的噪聲，我們?nèi)阅芸吹剿岬降姆椒ńo出

11、了更好的實驗結(jié)果，也比之前的算法更主觀了。 在圖5中，方向性的投射結(jié)果圖釋決定了頻率值。從結(jié)果中可知，頻率線能被很輕易的選取出來。 圖5 樣本圖樣結(jié)果 a)流動圖 b)投影數(shù)據(jù)分布 最后，增強型指紋圖像如圖6所示，該結(jié)果表明，本文所提出的算法用來增強指紋圖像效果是非常可靠的。 圖6 NIST指紋圖像實驗結(jié)果 左圖-原始圖像 右圖-增強圖像 4 結(jié)論 在這項研究中,提出了一種新的指紋圖像增強算法,提出了利用適應(yīng)局部區(qū)域的特性和枷帕參數(shù)的自動選擇。 通過將局部特征考慮在內(nèi)，自適應(yīng)歸一化處理能夠確保可靠的給出原始指紋圖像的指紋紋理區(qū)域，雖然圖像的質(zhì)量較不理想。 為了通過枷帕過濾獲取增強的指紋圖像，2

12、種濾波參數(shù)的自動選取技術(shù)被提出。實驗表明，該算法用于增強指紋圖像是非常有效的。 參考文獻 1 D. Simon-Zorita, J. Ortega-Garcia, S. Cruz-Llanas, J. L. Sanchez-Bote, and J. Glez-Rodriguez “一種關(guān)于生物計量特征鑒別方面的指紋細節(jié)提取的改進圖像增強方案。”摘自第三次國際會議論文集,2001 AVBPA,Halmstad、瑞典、217 - 222頁,2001年6月。2 L. Hong, Y. Wan and A. Jain “指紋圖像增強算法和績效評估” 電子與電氣協(xié)會，摘自圖樣分析與計算機智能，20卷,第8號,第789 - 777頁,1998。3 S. Greenberg, M. Alsdjem, D. Kogan and I. Dimitrov “利用濾波技術(shù)的指紋圖像增強”摘自第十五次國際論文會議集，模式識別，3卷,第325 - 322頁,2000。4 S.-I. Park, M. J. T. Smith and J.-J. Lee “基于指紋方向濾波組的圖像增強”摘自國際研討會論文集,圖像處理,3卷,第796 - 793頁,2000。5 A. K. Jain, R. Bolle and S. Pankanti，