第3章指纹图像增强

第3章指纹图像的增强鲁静重难点为什么要进行指纹图像的增强？指纹图像增强的步骤基于Gabor滤波的指纹图像增强算法基于傅立叶滤波的指纹图像增强算法基于知识的指纹图像增强方法指纹自动识别系统框图预处理特征提取特征匹配输出匹配结果滤波增强、二值化、细化校准、细节点匹配细节点提取指纹图像采集指纹分类数据库指纹自动识别系统框图指纹图像为什么要进行预处理？低质量指纹图像示例指纹图像预处理指纹图像预处理是各种数字图像处理技术的综合应用，通常是指纹识别算法最先需要完成的任务。在目前的技术条件下，不论采用何种采集方式，指纹图像中都有可能出现各种质量缺陷，给计算机自动识别造成困难，指纹图像预处理的任务就是尽可能降低图像噪声或质量缺陷所带来的影响，准确可靠地提取指纹特征，以保证后续处理的可靠性和鲁棒性。可以看出，指纹图像预处理在很大程度上决定了指纹识别的准确程度。一般说来，指纹图像预处理包含了图像质量评价、图像增强、图像二值化和细化等步骤。指纹图像预处理流程指纹图像预处理概述（1）I.图像质量评估：指纹图像经传感器获取后，首先要对其质量进行评估，通过检查其有效面积及图像的清晰程度决定是否对该图像进行下一步处理。若图像质量合格，则将其送入图像分割子模块，否则，要求重新采集，同时给出提示是指纹太干还是太湿，或者是手指放得太偏等等。II.图像分割：把要处理的有效图像部分从整个指纹图像中分离出来，这样一方面减少了后续处理步骤的数据量，另一方面也避免了因为部分图像区域不可靠而导致伪特征的产生。指纹图像预处理概述（2）III.图像增强：包括两个部分：首先是对原始图像上模糊但有可能恢复的部分进行增强，然后再对整幅图像滤波，消除指纹脊线间的断裂和粘连。IV.图像二值化：提取经增强处理的指纹图像的脊线，用“1”表示脊线上的点，“0”表示背景和谷线，从而把原始灰度图像转化为二值图像。V.图像细化：进一步把二值指纹脊线细化为单象素宽度的骨架线，这是为了方便以后的特征提取。图像质量评估指纹图像的质量评估在自动指纹系统中有着重要的实际价值。影响自动指纹识别系统水平的最重要因素之一便是在注册和辨别过程中对那些采集质量差的指纹的判别及处理能力，一个较好的指纹识别系统应要求用户在登记时多次获取指纹，然后，把图像质量最好的作为注册的指纹。同时，为了获得比较好的识别率，在匹配之前要对质量比较差的指纹图像区域先进行特殊的图像预处理，然后再进行识别。为了实现这个目的，需要设计一个合适的有效地指纹图像质量评估方法。刚采集的指纹原始图像一般有很多噪音，图像质量存在着差异。这主要是由受采集者平时的工作和环境所引起的，比如手指褪皮，有刀伤，疤痕，手指被弄脏，干燥，湿润等。同时，也与采集仪器的性能有着密切的联系，例如，光学全反射技术干手指差，且汗多的和稍脏的手指成像模糊；硅晶体电容传感技术干手指好，但汗多的和稍脏的手指不能成像。图像质量评估指纹图像质量通常以人的主观判决作为评价准则，受评测者背景知识、评测动机等等因素的限制和影响。在实际应用中，让计算机模拟人的行为对指纹图像质量自动做出评测是困难的。迄今为止，有关指纹图像质量判断的文献较少，方法多是将一些灰度图像质量判断的方法应用于指纹图像，用图像的信噪比、灰度分布等等手段评测，没有充分考虑指纹脊线的特殊纹理特征；另一类方法是计算指纹细节点的个数，如果提取的细节点过多或过少，都认为是质量差的指纹图像，这种方法从理论分析上比较可信，但是质量判断操作是在增强处理和提取细节点的操作之后，而且判断结果依赖于增强和提取细节点的算法效率，不能完全满足自动指纹识别系统中对指纹图像注册和拒登操作的快速高效的需求。图像质量评估指纹图像质量评价系统所要实现的基本功能有如下几个方面：(1)将指纹图像区域从采集图像的背景区域中分离出来，尽量减少背景区域的噪声对后继处理结果的影响，并减少后继所要处理的图像区域，从而可以提高系统的精度、降低后继处理时间；(2)给出一幅指纹图像的总体区域、图像偏移方向和大小、按压力度大小、手指的干/湿度等指标，从而为现场采集指纹图像时的调整提供一个比较合理的依据；图像质量评估(3)给出一幅指纹图像的总体质量评价，完成对质量低劣的指纹图像的筛选功能，能准确识别出质量很差的指纹图像，从而实现直接拒绝，既降低了由于指纹图像质量本身的问题而出现的错误率，又有效减少了系统的处理时间；(4)完成对指纹图像的局部区域的质量评价，给出一幅指纹图像中每一个小区域的图像质量等级。从而在后继的处理过程中，可以针对这些区域进行有针对性的处理，另外，在后继的特征提取过程中可以有效的避开这些区域，有效的降低了在采集图像的过程中由于局部区域的采集图像质量问题而对整个自动指纹识系统所造成的影响。图像质量评估图像质量不同的指纹指纹图像分割在图像处理中，通常要把感兴趣的区域与其他部分区分开来，这称为前景与背景分割。指纹图像分割通常位于预处理的前端，其目的是把指纹图像中质量很差，在后续处理中很难恢复的图像区域与有效区域区分开来，使后续处理能够集中于有效区域。分割处理不仅能提高特征提取的精确度，而且还能大大减少指纹预处理的时间，因此是指纹图像处理中的重要组成部分。它不仅要求尽可能地去除无效区域，还要尽可能完整地保留有效区域。指纹图像分割这就需要有较精确的分割算法。好的指纹分割算法应该具有如下特点：（1）对输入图像的灰度分布不敏感；（2）能检测出信噪比低的有效区域；（3）能够有效分割残留指纹；指纹图像分割根据指纹图像被噪声干扰的程度及能否正确恢复，可把图像细分为4类区域：背景区域、不可恢复区域、可恢复区域和清晰区域。指纹图像分割的目的就是割除背景区，保留前景区，尽可能保留模糊区中能恢复的部分。指纹图像分割指纹图像的四种区域指纹图像分割（1）背景区：指不包含纹线的白边界区；（2）不可恢复区：包含指纹纹线，但受噪声干扰严重，纹线走向无法辨认，峰谷混杂不清，在后续处理中很难恢复的区域；（3）清晰区：纹线连续，峰谷清晰，几乎没有噪声干扰的区域；（4）可恢复区：受到噪声干扰，纹线断续或者峰谷界限不清晰的区域。指纹分割的目的就是保持后两类区域，而去除前两类区域。3.1引言指纹图像增强用于改善指纹图像的质量，以保证后续指纹特征提取及匹配的准确性和鲁棒性，在自动指纹识别系统中具有十分重要的作用和地位。自动指纹识别系统通过比对指纹嵴线与峪线的结构及有关特征如纹线的端点和分歧点等来实现个人身份认证。然而，要从原始指纹图像上准确提取特征信息是十分困难的，特征提取的精确性在很大程度上依赖于图像质量。因此，在指纹特征提取和匹配之前有必要对指纹图像进行增强处理。3.1引言指纹的嵴线与峪线3.1引言指纹图像增强，就是对指纹图像采用一定的算法进行处理，使其纹理结构清晰化，尽量突出和保留固有的指纹特征信息，并消除噪声，避免产生虚假特征。其目的是保持特征信息提取的准确性和可靠性。从目前的研究情况和各种算法的综合比较来看，空域滤波和频域滤波仍然是指纹图像增强中比较有效且占据主流地位的方法。图象增强§1点处理§2图象平滑§3图象锐化／边缘增强§4图象增强的频域处理图象增强的目的是采用某种技术手段，改善图象的视觉效果，或将图象转换成更适合于人眼观察和机器分析识别的形式，以便从图象中获取更有用的信息。图象增强与感兴趣物体特性、观察者的习惯和处理目的相关，因此，图象增强算法应用是有针对性的，并不存在通用的增强算法。图象增强的基本方法：1、空域处理：点处理（图象灰度变换、直方图均衡、伪彩色处理等）；邻域处理（线性、非线性平滑和锐化等）；2、频域处理：高、低通滤波、同态滤波等。T§1点处理（PointOperation)点处理实际上是一种图象灰度变换，它将输入图象f(x,y)中灰度r，通过映射函数T（·）映射成输出图象g(x,y)中的灰度s，与图象象素位置及被处理象素邻域灰度无关。其映射函数和变换示意图如下：g(x,y)=T[f(x,y)]f(x,y)=rg(x,y)=s1.1.1灰度线性变换对输入图象灰度作线性扩张或压缩，映射函数为一个直线方程，其表达式和演示控件如下：g(x,y)=af(x,y)+b;其中：a相当于变换直线的斜率,b相当于截距；a1----对比度扩张b=0：a1——对比度压缩a=1——相当于复制b≠0:灰度偏置1.1.2分段线性处理与线性变换相类似，都是对输入图象的灰度对比度进行拉伸（Contraststretching），只是对不同灰度范围进行不同的映射处理。当灰度范围分成三段时，其表达式及演示示意如下：r1f(x,y);0ff1g(x,y)=r2[f(x,y)-f1]+a;f1ff2r3[f(x,y)-f2]+b;f2ff3g0f1f2f31.1.3对数变换（Logarithmictransformation）图象灰度的对数变换将扩张数值较小的灰度范围，压缩数值较大的图象灰度范围。这种变换符合人的视觉特性，是一种有用的非线性映射变换函数。其映射函数表达式及演示示意如下：g(x,y)=logf(x,y)g0f1.1.4指数变换(Exponentialtransformation)另一种非线性变换，常与对数变换配合使用构成复合滤波操作。其映射表达式如下g(x,y)=exp[f(x,y)]1.1.5其它灰度变换函数灰度倒置变换门限锯齿形变换原图处理后图处理曲线原图处理后图处理曲线1.2直方图修整法1.2.1直方图均衡化(Histogramequalization)图象直方图描述图象中各灰度级出现的相对频率.基于直方图的灰度变换,是调整图象直方图到一个预定的形状.例如,一些图象由于其灰度分布集中在较窄的区间，对比度很弱,图象细节看不清楚.此时,可采用图像灰度直方图均衡化处理,使得图象的灰度分布趋向均匀,图像所占有的象素灰度间距拉开,加大了图像反差，改善视觉效果,达到增强目的。直方图均衡化处理算法描述：原始图象灰度级r归一化在01之间，即0≦r≦1.pr(r)为原始图象灰度分布的概率密度函数,直方图均衡化处理实际上就是寻找一个灰度变换函数T，使变化后的灰度值S=T(r),其中，归一化为0≦s≦1,即建立r与s之间的映射关系，要求处理后图象灰度分布的概率密度函数ps(s)=1，期望所有灰度级出现概率相同。从下页图中可以看出在灰度变换的dr和ds区间内，象素点个数是不变的，因此有：dsssdrrrjjsjjrdsspdrrp)()(当dr0，ds0，略去下标j有)()(sprpdrdssr)()(rpdrrdTrrdrrrTS0)Pr()(由于s=T(r)ps(s)=1，则最终得到直方图均衡化的灰度变换函数为它是原始图象灰度r的累积分布函数（CDF）。sjdSjSSSjr)(sPssPsrTrPrdrrj对于数字图象离散情况，其直方图均衡化处理的计算步骤如下：1、统计原始图象的直方图rk是归一化的输入图象灰度级；2、计算直方图累积分布曲线3、用累积分布函数作变换函数进行图像灰度变换根据计算得到的累积分布函数，建立输入图象与输出图象灰度级之间的对应关系，并将变换后灰度级恢复成原先数范围。,/)(nnrpkkrkjkjjjrkknnrpTSr00)()(kj0k原象灰级k归一化灰级(rk)第k象素级象素个数nr(rk)Sk=nr(rk)变换后灰级00/7=07900.190.19S111/7=0.142810230.250.44S322/7=0.28568500.210.65S533/7=0.42856560.160.81S644/7=0.57143290.080.89S655/7=0.71422450.060.95S766/7=0.85711220.030.98S777/7=1810.021S7例子64*648级灰度的均衡化Sk0.250.200.150.100.0501/71rk1/73/75/76/71原图直方图处理曲线处理后直方图概述：1）、变换后直方图趋向平坦，灰级减少，灰