邱麗萍

(武漢數(shù)字工程研究所 武漢 430205)

指紋圖像識(shí)別技術(shù)新思路與實(shí)驗(yàn)研究*

邱麗萍

(武漢數(shù)字工程研究所 武漢 430205)

指紋識(shí)別技術(shù)被廣泛應(yīng)用于身份識(shí)別等領(lǐng)域,指紋圖像增強(qiáng)是指紋預(yù)處理過(guò)程所要解決的核心問(wèn)題。論文提出基于雙濾波器的動(dòng)態(tài)指紋圖像增強(qiáng)算法。利用動(dòng)態(tài)2維Gabor濾波器分離粘連脊線的能力很強(qiáng),方向?yàn)V波器具有較強(qiáng)連接斷裂脊線的能力,而且輸出結(jié)構(gòu)為二值圖像的特點(diǎn),使用Gabor濾波器與方向?yàn)V波器互補(bǔ)濾波。通過(guò)對(duì)圖像進(jìn)行第二次增強(qiáng),從而達(dá)到較為理想的增強(qiáng)效果。大量實(shí)驗(yàn)結(jié)果顯示,此算法對(duì)指紋圖像的平移與旋轉(zhuǎn)變化反應(yīng)不明顯、有利于細(xì)節(jié)點(diǎn)提取而且易于實(shí)現(xiàn)。

Gabor濾波器; 方向?yàn)V波器; 指紋圖像增強(qiáng)

Class Number TP391.41

1 引言

指紋識(shí)別技術(shù)被廣泛應(yīng)用于身份識(shí)別等領(lǐng)域,指紋圖像增強(qiáng)是指紋預(yù)處理過(guò)程所要解決的核心問(wèn)題?，F(xiàn)有的指紋增強(qiáng)算法對(duì)質(zhì)量較好的指紋圖像增強(qiáng)效果明顯,但對(duì)低質(zhì)量指紋圖像的處理效果較差或速度不理想。

目前已有多種指紋增強(qiáng)算法。LinHong等[1]將Gabor濾波器應(yīng)用于指紋增強(qiáng)同時(shí)使用了指紋模式的方向信息和脊線的空間頻率信息,可以獲得較好的增強(qiáng)效果,但速度較慢。Greenberg[4]對(duì)文獻(xiàn)[1]中的算法進(jìn)行了改進(jìn),但由于只使用了方向信息而損失了準(zhǔn)確性,Gorman等[2]使用的指紋增強(qiáng)方法則高度依賴紋線方向信息。Douglas Hung[5]專門針對(duì)二值圖像提出了一種指紋增強(qiáng)和特征純化的方法。在分析前文算法優(yōu)劣的基礎(chǔ)上,基于動(dòng)態(tài)2維Gabor濾波器和方向?yàn)V波器提出了一種新的動(dòng)態(tài)濾波算法。模型見圖1,可以達(dá)到較為理想的效果。

2 動(dòng)態(tài)2-D Gabor濾波

從圖像中提取相關(guān)或非相關(guān)紋理(例如指紋紋理)信息的一個(gè)有效方法是使用2維Gabor濾波器。2維Gabor濾波器1980年由Daugman首先提出,作為一個(gè)框架來(lái)模擬人腦視覺神經(jīng)中樞細(xì)胞所具有的方向選擇性和空間頻率選擇性特性。Daugman證明2維Gabor濾波器是能夠?qū)D像局部結(jié)構(gòu)的方向和空域頻率進(jìn)行解析的最優(yōu)濾波器[1～2]。

2維Gabor濾波器的一般形式為

×exp(i2πfxθ)

設(shè)GN(i,j)是規(guī)格化后的圖像灰度,GE(i,j)是Gabor濾波后的圖像灰度,那么對(duì)于子塊B(m,n)內(nèi)的一點(diǎn)(i,j),Gabor濾波后的灰度為

上式中,Wg為濾波器模板大小,S為模板系數(shù)和,D(m,n)為子塊B(m,n)的域方向值。需要注意的是Gabor濾波器方向與指紋紋理方向垂直。一般地,取Wg=2λB(m,n)+1。對(duì)σx和σy的取值需要進(jìn)行折衷。取值越大,則濾波器的抗噪聲性能越好,但越容易生成假的脊線。令σx=αλB(m,n),σy=βλB(m,n),取值為α=0.3,β=0.3。

與文獻(xiàn)[2]中使用固定大小的濾波器模板不同,使用Gabor濾波器進(jìn)行動(dòng)態(tài)增強(qiáng)時(shí)濾波器模板的大小隨局部脊線間距λB(m,n)的變化而變化。

圖2顯示了對(duì)指紋圖像進(jìn)行Gabor濾波的結(jié)果。

Gabor濾波器分離粘連脊線的能力很強(qiáng),但它不能很好地連接斷裂的脊線,并且經(jīng)過(guò)Gabor濾波后得到的仍然是灰度圖像。因此,需要引入另一種濾波器,它應(yīng)該具有與Gabor濾波器互補(bǔ)的濾波效果,即具有較強(qiáng)的連接斷裂脊線的能力,而對(duì)其分離粘連脊線的能力并不做太高要求。通過(guò)沿脊線方向?qū)D像進(jìn)行第二次增強(qiáng),從而達(dá)到較為理想的效果。

3 方向?yàn)V波

該濾波器的設(shè)計(jì)目標(biāo)是使指紋紋線在沿其方向上得到平滑[2],而在該方向的垂直方向上得到分離?？紤]到紋線的周期性及寬度,本文設(shè)計(jì)了一個(gè)7×7大小的濾波器。

圖2 動(dòng)態(tài)2D Gabor濾波效果示例

方向?yàn)V波器是一種具有方向選擇性和(間接)空域頻率選擇性的濾波器,可以表示為:hd(x,y,r1,r2,v1,v2,θ);其中,r1,r2,v1,v2分別是最大脊線寬度、最小脊線寬度、最大谷線寬度和最小谷線寬度,θ為濾波器方向,且須滿足條件r1+v2=r2+v1。方向?yàn)V波器具有較好的連接斷裂脊線的能力。它的一個(gè)主要特點(diǎn)是濾波器模板系數(shù)之和為0,因此可以在增強(qiáng)圖像的同時(shí)實(shí)現(xiàn)二值化[3]。

首先介紹水平方向的濾波器。該濾波器模板的行系數(shù)平行于脊線,列系數(shù)垂直于脊線。要計(jì)算濾波器模板系數(shù)f(i,j),必須首先確定模板中間一列的系數(shù)f(0,j)。設(shè)中心系數(shù)f(0,0)為a0。為減少濾波后脊線中的孔洞,對(duì)中心帶的橫截面(沿j方向)以余弦包絡(luò)進(jìn)行加權(quán);過(guò)渡帶系數(shù)為0;設(shè)邊帶的極值為b0,對(duì)邊帶的橫截面(沿j方向)也以余弦包絡(luò)進(jìn)行加權(quán)。

f(0,j)系數(shù)計(jì)算過(guò)程如下,令:

設(shè)每一列的系數(shù)和為0,可由此確定b0。

每一行的系數(shù)通過(guò)對(duì)該行的中心點(diǎn)進(jìn)行余弦包絡(luò)加權(quán)得到。我們更強(qiáng)調(diào)垂直于方向軸而不是平行于方向軸的系數(shù),其目的是減少高曲率脊線對(duì)濾波的影響。行系數(shù)計(jì)算公式如下

f(i,j) =f(-i,j)=f(i,-j)=f(-i,-j)

0<|i|≤hf

對(duì)于某些(i,j)不是整數(shù)的情況,使用4階Lagrange插值計(jì)算(i′,j′)。f(0,j) =f(0,-f)

由此得到兩個(gè)水平模板系數(shù)如下所示:

其它方向的模板可以通過(guò)旋轉(zhuǎn)水平方向的模板獲得[2]。

·GE(i+x,j+y)

4 實(shí)驗(yàn)結(jié)果與性能分析

我們對(duì)該預(yù)處理算法進(jìn)行了大量測(cè)試,測(cè)試圖像有來(lái)自不同類型的指紋儀的圖像和人工合成的指紋圖像。下面是圖像增強(qiáng)與指紋細(xì)節(jié)點(diǎn)提取的示意圖。

圖3中,(a)是人工合成的指紋圖像,受到大量噪聲的污染,圖像大小為240×320;(b)是CMOS指紋儀采集的指紋圖像,指紋上有明顯的斷痕,圖像大小為256×364;(c)是光學(xué)指紋儀采集的指紋圖像,其特點(diǎn)是某些區(qū)域的脊線很密集,而另一些區(qū)域的脊線又較為稀疏,圖像大小為360×364;圖(d)、(e)、(f)是經(jīng)過(guò)增強(qiáng)后得到的二值指紋圖像。

圖3 指紋圖像增強(qiáng)

可以看到,該算法具有很強(qiáng)的抗噪聲性能,可以比較精確地對(duì)指紋圖像進(jìn)行分割和增強(qiáng)。通過(guò)預(yù)處理直接得到二值圖像,避免了再使用專門的二值化算法。算法的計(jì)算量主要集中在圖像增強(qiáng)階段,而圖像增強(qiáng)算法的計(jì)算量與清晰指紋區(qū)域和受噪聲污染但可以恢復(fù)的指紋區(qū)域在整幅圖像中所占比例成正比。在PIV2.0MHz的PC機(jī)上,對(duì)上面三幅圖像的預(yù)處理時(shí)間為103ms、143ms、157ms,所以時(shí)間效率是很高的。

圖4 指紋細(xì)節(jié)點(diǎn)提取示例

本文算法應(yīng)用于特征點(diǎn)提取的實(shí)例見圖4,效果對(duì)比見表1,其中A-E是文獻(xiàn)[3]中的算法,P代表本文提出的算法。表中的指紋圖像來(lái)源見文獻(xiàn)[3]。FN/M表示丟失特征點(diǎn)比例;FP/D表示錯(cuò)誤的特征點(diǎn)比例;FC/D表示錯(cuò)誤分類的特征點(diǎn)比例;CC/D表示可用于匹配的特征點(diǎn)比例。需要說(shuō)明,在不同的測(cè)試環(huán)境下,各參數(shù)的具體數(shù)值會(huì)有所不同。

表1 特征點(diǎn)提取性能分析對(duì)比

5 結(jié)語(yǔ)

本文提出了一種使用功能互補(bǔ)的濾波器組對(duì)指紋圖像進(jìn)行動(dòng)態(tài)增強(qiáng)的思想,并深入討論了Gabor濾波器、方向?yàn)V波器的算法及實(shí)現(xiàn),對(duì)具體實(shí)現(xiàn)細(xì)節(jié)由于篇幅所限未加詳細(xì)說(shuō)明。具體參數(shù)的確定經(jīng)過(guò)大量實(shí)驗(yàn)選擇。與其它方法相比,該方法能夠在盡量保有原始圖像信息的情況下增強(qiáng)圖像,同時(shí)還能對(duì)圖像進(jìn)行二值化處理而無(wú)需再使用專門的二值化算法,而且該方法處理的結(jié)果具有圖像位移不變性和旋轉(zhuǎn)不變性,方便下一步的研究。

[1] Lin Hong, WANG Yifei, Anil J. Fingerprint image enhancement: algorithm and performance valuation[J]. IEEE Transactions on Patten Analysis and Machine Intelligence,1998,20(8):777-789.

[2] Lawrence O’Gorman, Jeffrey V Nickerson. An Approach to Fingerprint Filter Design[J]. Pattern Recognition,1989,22(1):29-38.

[3] D. Maio, D. Maltoni. Direct gray-scale minutiae detection in fingerprints[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19:27-40.

[4] S. Greenberg, M. Aladjem, D. Kogan. Fingerprint image enhancement using filtering techniques[J]. Real Time Imaging,2002,8:227-236.

[5] Douglas Hung DC. Enhancement feature purification of fingerprint images[J]. Pattern Recognition,1993,26(11):1661-1671.

[6] Nilsson K, Bigun J. Localization of corresponding points in fingerprints by complex filtering[J]. Pattern Recognition Letters,2003,24:2135-2144.

[7] Jain A K, Prabhakar S, Hong L. Filterbank-based fingerprint matching[J]. IEEE Transactions on Image Processing,2000,9(5):846-859.

[8] Jain A K, Prabhakar S, Hong L. A multichannel approach to fingerprint classification[J]. IEEE Trasaction on Pattern Analysis and Machine Intelligence,1999,21(4):318-359.

[9] Jain A, Hong L, Bolle R. On-line fingerprint verification[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19(4):302-313.

[10] Cappelli R, Maio D, Maltoni D, et al. Perfarmance evaluation of Fingerprint verification systems[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2006,28(1):3-18.

New Idea and Experimental Study of Fingerprint Identification Technology

QIU Liping

(Wuhan Digital Engineering Institute, Wuhan 430205)

Fingerprint identification technology is widely used in areas such as identification. The key of preprocess of fingerprint is fingerprint image enhancement. This paper proposes a dynamic fingerprint image enhancement algorithm based on double filter. It has strong ablity to separate the adhesion ridge line by the dynamic 2 demission Gabor filter and to connect fracture ridges with directional filter. The advantages of these two filters are output which is binary image. Gabor filter and directional filter can be used to enhance the image for a second time to achieve better effect. Plenty of experiments show that this algorithm has lower reaction of translation and rotation of fingerprint images. It is advantageous to extract details and easy to implement.

Gabor filter, direction filter, fingerprint image enhancement

2016年9月12日,

2016年10月29日

邱麗萍,女,助理工程師,研究方向:信息系統(tǒng)。

TP391.41

10.3969/j.issn.1672-9722.2017.03.028