指纹图像质量评估及预处理

指纹图像质量评估及预处理2007.03.10主要内容课题背景指纹图像质量评估指纹图像预处理一、课题背景指纹识别是生物特征识别中出现最早，应用最为广泛而且技术最为成熟的一种身份识别技术。指纹识别技术一直以来是生物识别技术中的研究热点。然而人们更多的是将研究精力投入到指纹识别的关键技术（指纹图像增强、指纹特征信息的提取、指纹匹配和指纹分类等）研究方向上，对指纹图像的质量评价方法的研究涉及较少。本文所述的是指纹识别技术中的指纹图像质量评估和指纹图像预处理方面的一些研究工作。在个体身份认证中指纹是最普遍使用的一种生物特征。实际应用中，自动指纹识别系统的性能在相当大的程度上受所采集的指纹图像质量的影响。由于按在传感器上的手指可能是干的、湿的甚至是脏的，使所采集的图像产生模糊、断纹或粘连；另外，传感器采集的图像存在残留和背景噪声问题，这些原因使得图像质量变差。质量差的指纹图像致使系统拒真，导致系统性能下降。所以自动指纹识别系统需要对采集图像的质量进行评估，以使系统可靠地、高效地工作。自动指纹识别系统指纹取像特征提取指纹识别数据库管理指纹图像质量评估N预处理Y二、指纹图像质量评估指纹图像质量的自动评价，是近年来发展起来的一种基于计算机人工智能的评测方法。其本质就是让计算机来模拟人的视觉特性的客观测度，利用传统的计算机图像处理方法，从图像的信噪比、灰度分布、有效面积大小、前景图像偏移量等经典的图像质量评测指标入手，再结合指纹图像中指纹脊线的纹理特点，对指纹上的折皱、疤痕、有效的细节特征数目等影响指纹图像质量的因素进行分析，由此定量地得出指纹图像质量评测结果。我们分别从空域和频域对指纹图像的质量做客观地评价。二、指纹图像质量评估——空域评价指纹图像质量实际应用中，我们根据专家视觉评测过程给出下面几种不同的测量参数来测度指纹图像的质量，它们是：指纹图像的灰度分布、指纹图像的有效面积、指纹图像中是否存在奇异点。我们先从单个的参数指标对采集到的指纹图像进行测度，然后，对各个参数指标按照测度的不同目的加以不同的权重进而进行综合评价，给出指纹图像的综合质量。二、指纹图像质量评估——空域评价指纹图像质量空域评价的参数指标1.指纹图像的灰度分布：图像的灰度平均值反应了整幅图像的明暗程度；方差反映出图像前景和背景的对比度。2.指纹图像的有效面积：采用方差法预分割出指纹图像前景，计算前景与图像的面积比。3.有无奇异点：奇异点分为核心点和三角点，是描述指纹特征的关键特征点。（采用经典的PoincareIndex算法）11001(,)*MNijMeanIijMN112001(,)*MNijVarIijMeanMN二、指纹图像质量评估——空域评价指纹图像质量空域综合评价指纹图像的质量由于指纹图像所携带信息的复杂性和特殊性，一个参数很难准确评估出图像质量，所以我们需要对量化后的参数指标进行综合评价。根据实际需要对不同的参数设置不同的权值,满足0≤≤1(i=1,2…n)且=1。用Q表示图像总体质量：iwiw1niiw1niiiQwq试验数据abcdef试验结果（一）灰度均值灰度方差有效面积奇异点图a135174882.35%有图b16453845.36%有图c85411585.28%有图d117329380.16%有图e16442520.54%有图f1614035.32%无试验结果（二）质量分数评价结果图a80指纹图像质量较好。图b64指纹图像太亮，请稍稍再用力。图c87指纹图像好。图d75指纹图像良好。图e53手指太干，湿润一下重新采集。图f15手指太干，有效面积太小，湿润一下对准重新采集。小结实验结果表明，我们在空域指纹图像质量评估中采用分步排除和综合评价相结合的方法，能准确的给指纹图像一个较好的客观评价，且对低质量图像排除效果尤其好。二、指纹图像质量评估——频域评价指纹图像质量这是一种从频率域分析评价指纹图像质量的方法：指纹图像块的频谱分布状况反映了原始指纹图像的基本特征，指纹区域和背景区域区别很大，指纹区域中的各指纹图像块又有明显的差别。据此分成五类：1）背景块，对应原指纹图像的非指纹区域，其频谱能量很低；2）噪声块，对应原指纹图像的指纹区域中的杂乱区，其频谱能量较低且不具有能量峰或环状结构，分散无规律；3）模糊块，对应指纹区域中的模糊区，其频谱具有相对明显的两个对称的能量尖峰，但能量较低；4）清晰块，对应指纹区域中的清晰区，频谱具有非常明显的两个对称能量尖峰。且能量较高；5）包含奇异点(核心点和三角点)的块，其频谱为以块中心为圆心的环状结构。1.背景块2.噪声块3.模糊块4.清晰块指纹图像块及其频谱图5.核心点6.三角点指纹图像块及其频谱图整幅指纹图像及其块频谱图算法流程图指纹取像分块FFT计算各块平均能量En5判为背景噪声块判断平均能量5En10判为模糊块10En15判为次清晰块En15判为清晰块评价参数指标指纹区域面积指纹区域有效面积sNumBlurNumNormalNumclearQNumBackgroundNumBlurNumNormalNumclear=/2aNumNormalNumclearQNumBlurNumNormalNumclear=综合评价由于指纹图像所携带信息的复杂性和特殊性，有时一个参数很难准确评估出图像质量，所以我们需要对量化后的参数指标进行综合评价。根据实际需要对不同的参数设置不同的权值,满足0≤≤1且＝1(i=1,2…n)。用Q表示图像总体质量:Q=0.5xQs+0.5xQaiw1niiiQwq1niiw结果及分析把不同质量的指纹块用不同灰度值显示来直观的评价指纹的质量，背景块(0)，模糊块(150)，稍好块(200)，清晰块(255)，指纹图像取自FVC2004，由实验结果可知，该算法客观且直观的反映了指纹图像的质量。指纹图以及质量表示图图1图2图3图4图5图6质量评估结果指纹区域面积有效指纹区域综合质量评分图像质量评价结果图10.7310.96284.7好图20.6570.93079.3较好图30.6850.70369.4中等图40.6020.43151.6稍差图50.4630.56045.1差图60.2600.21423.8很差频域评价指纹图像质量小结对FVC2004标准指纹图像库DB4（共880幅）用此方法进行了测试，我们按百分制输出指纹图像的质量，指纹图像的评价结果集中在30–95之间。实验结果表明，这种算法比基于指纹灰度分布的空域评价方法更稳定，更准确；而且我们也将该算法得出的结果与我们主观评价结果进行了比较，与人的视觉要求接近。三、指纹图像预处理指纹图像预处理流程图：图像二值化图像分割图像增强图像细化指纹图像分割方差分割法基于FFT的分割法基于Canny边缘检测分割法基于DT网格表示图像的分割法方差分割法指纹图像的前景区域是由脊线和谷线组成，一般情况下，前景中的脊线和骨线的灰度差是较大的，因此灰度统计特性中的局部灰度方差是很大的。而指纹图像背景区域一般比较单一，它的方差通常是比较小的。基于这一特性，可以利用图像的局部方差对指纹图像进行分割。将指纹图像无重叠地划分为WXW的小块，这里W取16。计算出每一块的均值和方差，若块方差小于预设的方差，则该块为背景块。实验表明，方差分割法对于质量较好的高对比度图像的分割效果较好，但它不适合低对比对或噪声较大的图像。TV方差法分割结果基于FFT的分割法对原始指纹图像分块做快速傅立叶变换（fastFouriertransform,FFT），所得到的频谱图能够清晰反映出原始指纹图像中的背景区域、模糊区域（可恢复）和前景区域，以及前景区域中的噪声区域（纹线杂乱，不可恢复）。频谱图上标识出背景区域和噪声区域对应于原始指纹图像的背景区及噪声区，从而可以很好地实现指纹图像的前后景分割。设FFT各小块图像的平均能量是，对各小块进行能量检测，由于背景块和噪声块的能量较低，而清晰块和模糊块的能量较高，我们设定一个能量门限，只取的块（取=5）。nEnEEEE基于FFT的分割法结果基于Canny边缘检测分割法Canny算子是最佳的边缘检测算子。应用于指纹图像中发现它可以很好地区分图像的前后景，利用边缘检测后的图像可以完成最终分割。基于Canny边缘检测分割法结果基于DT网格表示图像的分割法利用DT网格自适应表示图像原理，在MD和MV两种准则中，我们采用MV准则描述图像。由于得到的网格在形状上更“均匀”，而且表示出的三角形的边界与图像的边缘特征拟合的很好。MD准则MV准则基于DT网格表示图像的分割法得到MV准则描述下的顶点图，区分指纹图像的前后景区域。进行顶点密度检测，设置一个9x9的窗，在顶点图上滑动，当落在窗内的顶点个数小于给定的门限时，则去除该点；落在窗内的顶点个数大于给定的门限时，设置该点像素值为255。逐行找出第一个顶点的位置和最后一个顶点的位置，对应原图像，只保留两点之间的所有象素值，其它位置象素值设为255，即可达到分割目的。基于DT网格表示图像的分割法结果基于DT网格表示图像的分割法结果指纹图像归一化MeanjiIVarMeanjiIVARMotherwiseVarMeanjiIVARMjiN,,,,,200200,指纹图像方向图2222(,)(,)(,)wwijXxywwuivjVijuvuv222222(,)((,)(,))wwijyxywwuivjVijuvuv1(,)1(,)tan()2(,)yxVijijVij谢谢各位老师！