指纹图像二值化算法研究

指纹图像二值化算法研究

0值指纹图像特征提取指纹技术是目前生物识别技术中应用最广泛的一种。自动指纹识别的关键技术包含指纹预处理,指纹特征提取,指纹特征匹配几方面。实际得到广泛应用的指纹特征匹配多是基于指纹细节点特征。指纹细节点特征的提取通常在细化二值指纹图像上进行。图像二值化就是根据一定的规则,将一幅图像变为只用两阶灰度表示的黑白图像。二值化指纹图像中通常黑像素表示指纹的脊线,而白像素表示指纹的谷线和背景区。1和邻域分析法指纹图像二值化方法主要有两种:灰度阈值分割法和邻域分析法。目前,自动指纹识别系统中应用的灰度阈值分割二值化算法根据阈值选取方式的不同可以分为全局固定阈值法和局部自适应动态阈值法。1.1值化阈值选择全局固定阈值法一般根据整幅指纹图像前景区的灰度直方图分布选择一个合适的判断阈值,对整幅指纹图像进行二值化处理。该算法在指纹图像对比度较好的情况下,统计直方图的两个峰值比较明显,能够选择合适的阈值对指纹图像进行二值化处理。但该判定阈值的选择完全依赖于统计直方图,抵抗噪声干扰的能力较弱。另外,采集到的指纹图像中心区域和边缘区域的灰度分布一般难以达到一致,故全局固定阈值二值化算法并不能很好地适应实际处理的要求。1.2局部阈值选取局部自适应动态阈值法是将整幅指纹图像分块,结合各块图像的自身特点,为每块图像分别选取不同的阈值,对各块指纹图像区域进行二值化处理。分块大小的设定和局部判决阈值的选取对指纹图像二值化效果起着关键作用。最佳的分块大小应该选取指纹图像纹线的整数倍距离,实际应用中很难精确地确定出指纹纹线距离,而且同一指纹图像的各区域纹线距离并不总是一致的。局部自适应动态阈值选取的一般依据是:对每块图像选取的阈值应尽量使该块图像内大于该阈值的像素点数和小于该阈值的像素点数大致相等。该类算法实现的一般步骤为:首先对整幅指纹图像进行分块;然后根据某一规则确定局部灰度阈值T;最后将方块中每个像素的灰度值与T值比较。如果低于灰度阈值T则视为脊线点,置为0;反之则视为谷线点,置为255。通常阈值T取块内灰度均值较为简单,但抗噪能力较差。下面对现有的局部阈值选取方法进行分析。文献将指纹的方向信息引入到二值化处理过程中,综合考虑指纹的方向信息和自适应选择局部阈值,提出了一种结合方向信息的自适应局部阈值二值化算法。局部阈值确定采用迭代法,首先将指纹图像分成W×W的块,计算每块的平均灰度值;然后分别计算该区域内大于等于阈值T的像素点个数NH和小于阈值T的像素点个数NL;当|Nh-Nl|≤α(α=W×W×10%)时,则T为阈值,否则循环调整T值,直到得到满足上述不等式条件的阈值T。根据沿指纹脊线方向上的像素灰度阶近似一致的特点,制定二值化规则。具体参见文献。文献在文献的基础上有所改进,计算局部阈值时综合考虑周边邻域像素的影响,采用块重叠的方式求取阈值T,并对块内像素进行分类二值化。对二值化图像根据指纹纹理特点和方向信息进行去除粘线,消除孔洞的处理,在一定程度上提高了算法的鲁棒性和抗噪能力,但同时也增加了算法复杂度,降低了处理效率。文献指出对于一幅指纹图像,由于在脊线和谷线的分界处灰度的变化最大,不确定性最高,以脊线和谷线分界处灰度阶作为分割阈值得到的信息熵最大。文献利用此结论将信息熵引入到指纹图像二值化算法中,先对指纹图像进行分块处理,提取指纹图像有效区域,然后求取使局部信息熵最大的灰度值作为判决阈值进行二值化处理。该算法对噪声具有鲁棒性,能够有效实现对指纹图像的二值化,提高了细节特征提取结果的准确率,但灰度阈值的计算复杂度较大。1.3点像素二值化邻域分析法充分利用指纹图像纹线的连续性和脊线谷线相间隔的特点。若指纹图像的某一点在脊线上,则与该点相邻的切线方向上的像素点也应位于脊线上,而该点纹线方向的垂直方向上的点应位于谷线上。因此,对于脊线上的点来说,沿纹线方向的灰度均值较小,沿纹线方向的垂直方向上灰度均值较大。文献基于指纹图像的这一特点给出一种基于方向信息的指纹图像自适应二值化算法。具体算法为:对于前景区域每一像素点g(x,y),以其为中心分别计算纹线方向上的m个邻域点的加权灰度均值Gh(x,y)和纹线垂直方向上m个点的加权灰度均值Gv(x,y);若Gh(x,y)<Gv(x,y),则该点在脊线上,否则,该点在谷线上。该二值化算法有效利用了指纹图像的方向信息,能够有效抵抗噪声影响,在一定程度上去除噪声、毛刺、断裂等现象。使得二值化图像沿纹线方向保持较好的一致性。文献中算法具体的实现时考虑误差因素,在求灰度和时,对每一点都设置了权值,采用加权平均的方法降低误差。纹线方向上七点权值模板为Hw=[2,2,3,4,3,2,2];纹线方向的垂直方向上七点权值模板为Vw=[1,1,1,1,1,1,1]。文献对图像中的每一像素P,以其为中心设置一个W×W的窗口,并在该窗口内沿8个量化方向计算出灰度均值Si(i=1,2,…,8),中心像素P不参与计算。设8个灰度均值中的最大值和最小值为Smax和Smin,计算(S1+…+S8-2Smax-2Smin)/4作为点像素二值化判决阈值T。当P<T时,认为是脊线点,否则认为是谷线点。该算法由于是对每一点都要进行阈值计算,故二值化的运算效率低。2断纹连接能力、复杂度和运算效率本文在Matlab7.0环境下对同一指纹图像进行增强处理后分别采用文献算法1,文献算法2,文献算法3,文献算法4进行二值化处理,处理结果见图1。算法3的断纹连接能力比其他三种算法都好,但同时会出现将纹线端点连接到邻近纹线的情况,易造成细节特征点类型的错误提取。在算法复杂度和运算效率方面,由于算法4对图像每一点均要计算8个方向的灰度均值