王建英

(天津開發(fā)區(qū)職業(yè)技術(shù)學(xué)院電子信息系 300457)

1 引言

在提取指紋圖像的細(xì)節(jié)特征時，由于圖像質(zhì)量和噪聲的干擾，存在著大量的偽特征點，一幅質(zhì)量較差的圖像在經(jīng)過預(yù)處理，細(xì)節(jié)特征提取后可能產(chǎn)生多達(dá)一、兩萬個細(xì)節(jié)特征點，其中包含了大量的偽特征點，這些偽特征點的存在，會使指紋識別性能急劇下降，造成識別系統(tǒng)的拒真率和誤識率的上升，因此在進(jìn)行指紋匹配之前，應(yīng)對細(xì)節(jié)特征進(jìn)行驗證，盡可能將偽特征點去除，同時保留真特征點。

指紋特征去偽操作主要是將不符合指紋特征的特征點濾除掉。一般情況下偽特征具有以下特點:大部分處于圖像邊緣;在圖像內(nèi)部的偽特征點距離較近,兩個或多個偽特征同時存在于很小的區(qū)域內(nèi)。

2 指紋圖像特征點提取

2.1 指紋特征描述

為了比較兩個指紋是否相同，需要從指紋圖像中提取某些點出能表示指紋唯一性的特征。Galton提出的指紋細(xì)節(jié)點是人工指紋匹配中最常用的特征。指紋由脊線和谷線交替構(gòu)成，在大多數(shù)地方紋線連續(xù)且相互平行，而某些局部不連續(xù)的地方構(gòu)成了細(xì)節(jié)點。Galton定義了4種細(xì)節(jié)點類型:分叉點，端點，環(huán)、島，并指出細(xì)節(jié)點具有唯一性，可以用于指紋匹配。后來州門又不斷對細(xì)節(jié)點類型進(jìn)行細(xì)分，提出了多達(dá)150種不同的細(xì)節(jié)點類型。一些典型的類型如表1所示。

表1 六種典型的細(xì)節(jié)點模型

目前已定義的特征類型己達(dá)150多種，但是這些擴(kuò)展的特征往往不易提取相互區(qū)分，并且它們都可以由端點和分叉點的組合進(jìn)行描述，這使得端點和分叉點成為最常用的結(jié)構(gòu)特征，也稱為細(xì)節(jié)特征(minutiae)，它被認(rèn)為是最穩(wěn)定、最容易檢查的，而且占全部特征點的80%以上。對于細(xì)節(jié)點提取問題，目前文獻(xiàn)中主要有三種方法: (1)基于細(xì)化圖像分析的細(xì)節(jié)特征點提取方法。一種是脊線跟蹤法；另一種是基于場結(jié)構(gòu)的指紋圖像細(xì)節(jié)特征提取算法。該算法依據(jù)局部與宏觀相結(jié)合的原則，一方面利用指紋圖像的局部特性，而且結(jié)合了局部四鄰區(qū)域的關(guān)聯(lián)特性，對于脊線方向變化較小的局部區(qū)域，采取單一方向Gabor濾波的方法；對于脊線方向變化較大的局部奇異區(qū)域，采取多方向Gabor濾波合成的綜合方法，從而保證了提取指紋細(xì)節(jié)特征的準(zhǔn)確性；(2)直接從原始灰度圖像提取細(xì)節(jié)點的方法； (3)從二值指紋圖像上提取細(xì)節(jié)特征點。

2.2 特征點的提取

本文細(xì)節(jié)特征點的提取采用基于二值圖像細(xì)化后的指紋細(xì)節(jié)點提取方法。首先運用脊線跟蹤的方法提取出細(xì)化處理后圖像中的端點，接著運用八鄰域方向變化次數(shù)的方法提取出分叉點。設(shè)計中使用紋線端點和分叉點作為指紋特征點，不僅是因為這兩類特征點出現(xiàn)的幾率最高且容易檢測，更重要的是它們足以描述指紋的唯一性。程序中使用八鄰域法提取特征點，其中紋線端點的屬性由橫縱坐標(biāo)和紋線角度來表示；分叉點的屬性由橫縱坐標(biāo)，紋線角度和三個分支間的夾角（從大到?。﹣肀硎?。在提取出指紋特征點后，便會得到一組矢量點，同樣在指紋模板庫中保存的指紋模板也是一組矢量點，要判斷兩個指紋是否相同的問題也就轉(zhuǎn)化成判斷兩組矢量點是否相同的點模式匹配問題。

細(xì)節(jié)特征提取是在細(xì)化后經(jīng)濾波去除偽特征的二值圖中進(jìn)行的，采用8鄰域方法提取指紋紋線中的末梢點和分支點這兩種細(xì)節(jié)特征，為了有效地利用紋線的局部結(jié)構(gòu)信息來進(jìn)行指紋的匹配，本文在提取指紋細(xì)節(jié)點詳細(xì)信息時提取了細(xì)節(jié)點的位置、方向還有結(jié)構(gòu)信息。

利用8鄰域法計算末梢點和分支點，如圖5.2所示，設(shè)P點為目標(biāo)像素點(待處理的像素點)，則其周圍的相鄰的8點P1, P2… P8被稱為P點的8鄰點。8鄰域指紋特征提取算法是建立在對8鄰域的統(tǒng)計分析基礎(chǔ)之上的。

對于完全細(xì)化的二值圖像，像素點的灰度值只有2種情況:0表示背景點灰度；1表示紋線點灰度。對任意點P，設(shè)P1, P2… P8是其8鄰點的灰度值，如果P是末梢點，則它的8鄰域點滿足:

其中，P9=P1

圖1 端點和分叉點

圖2 8鄰域示例

這樣我們就可以在細(xì)化后的圖像中找到細(xì)節(jié)點(端點和分叉點)，并記錄它們在圖中的相對位置。提取特征點后的指紋圖像如圖3所示。

圖3 指紋圖像特征提取

3 指紋特征偽特征點的去除

提取出的特征點還必須經(jīng)過偽特征點的去除，盡可能地去除掉由于二值化、細(xì)化處理等過程引入的偽特征點。最后確定出特征點的類型、位置、方向。

指紋特征去偽操作主要是將不符合指紋特征的特征點濾除掉。一般情況下偽特征具有以下特點:大部分處于圖像邊緣;在圖像內(nèi)部的偽特征點距離較近,兩個或多個偽特征同時存在于很小的區(qū)域內(nèi)。

根據(jù)偽特征點的這些特點，本文提出了一種去偽特征點的方法:首先對于圖像邊緣的點,采用指紋圖像切割的方法,即對邊緣的點直接切除掉；然后利用距離閾值法去除距離較近的特征點。

實現(xiàn)步驟為：

1．用圖像切割的方法去除圖像邊緣的偽特征點；

2．圖像內(nèi)部較近距離偽特征點的消除，主要是通過計算特征點之間的歐式距離來實現(xiàn)，選擇合適的距離閾值，那么小于閾值的點我們視為偽特征點，進(jìn)行消除。具體算法為：

（1）對我們提取到的特征點（分叉點和端點）進(jìn)行掃描，掃描到的每一個特征點對于后面的特征點繼續(xù)掃描，并計算與后面每個特征點的歐式距離；

（2）其中歐氏距離的計算公式為：

（3）經(jīng)反復(fù)實驗選取合適的距離閾值；

（4）將上面計算的得到的距離與距離閾值進(jìn)行比較，小于距離閾值的就可以視為

偽特征點，將其刪除，否則保留。

圖4為去偽前指紋圖像特征點的提取結(jié)果，圖5為去偽后的指紋特征點的提取結(jié)果。兩圖比較，圖5保留了所有有用的特征點，并且去除了大量的為特征點。

圖4 去偽前的指紋圖像特征點

圖5 去偽后的指紋圖像征點

4 實驗結(jié)論

實驗基于Intel p4 3.0GHz的PC機(jī)，Window XP操作系統(tǒng)，MATLAB6.5的仿真軟件環(huán)境下。指紋庫采集分辨率為500dpi，指紋采集設(shè)備為PIS2004光學(xué)指紋采集儀，圖像尺寸大小為640× 4 80。圖6給出了部分指紋圖像的處理結(jié)果，其中(a)圖為采集的原始圖象,(b)圖和(c)圖分別為端點和分叉點提取的結(jié)果。仿真結(jié)果表明這種改進(jìn)算法對于去除指紋圖像的偽特征點是很有效的，為指紋圖像的中心定位及指紋匹配節(jié)省了大量的時間，也提高了指紋匹配的真確率。

圖6 指紋特征提取結(jié)果

[1] 張雄，賀貴明，一種指紋宏觀曲率特征提取算法.武漢大學(xué)軟件工程國家重點實驗室，2002,11.

[2] A.Farina,Z.Vajna and A.Leone.Fingerprint minutiae extraction from skeletonized binary images.Tattern Recognition, 1999, 32(10):877-889.

[3] X.Sun and Z.Ai-Automatic feature extraction and recognition of fingerprint image. Proceed ofICSP96,1996, 1086-1089.

[4] Jiang, W.Y.Yau and W.Ser.Detecting fingerprint minutiae adaptive tracing the gray level ridge.Pattern Recognition, 2001,34(11):999—1013.

[5] 古雪豐. 指紋特征提取及匹配算法研究[M].上海交通大學(xué)碩士學(xué)位論文，2003.1.

[6] 刀黎X. 指紋圖像局部紋線周期的準(zhǔn)確提取閉. 重慶大學(xué)自動化學(xué)院，40044, 2001年9月，第24卷，第5期.