譚婷婷，劉 倩，2，陳 茂，周學禮

（1. 常熟理工學院 物理與電子工程學院，江蘇 常熟 215500；2. 南京理工大學 電子工程與光電技術學院，江蘇 南京 210094）

一種改進的指紋圖像分割算法

譚婷婷1，劉 倩1，2，陳 茂1，周學禮1

（1. 常熟理工學院 物理與電子工程學院，江蘇 常熟 215500；2. 南京理工大學 電子工程與光電技術學院，江蘇 南京 210094）

基于自適應動態(tài)閾值分割算法，針對采集的指紋圖像灰度值不均特點加以改進，提出了一種改進的指紋圖像分割算法，結合閾值分割與區(qū)域分割，從而使指紋的背景和目標區(qū)分開來，這樣處理出來的指紋圖像效果更好. 實驗證明，本文提出的指紋圖像分割算法能達到很好的指紋圖像處理效果.

指紋圖像；分割；動態(tài)閾值；區(qū)域分割

指紋圖像處理技術是生物特性鑒別技術的一個種類，與傳統(tǒng)識別技術相比，具有無法比擬的方便實用、低成本和高準確率等優(yōu)點，已經成為目前應用最廣泛的身份認證手段之一，是未來身份認證手段的重要組成部分. 國內外研究主要集中在指紋識別系統(tǒng)中的指紋圖像分割處理上，并取得了諸多成果. 文獻［1-3］主要利用梯度或方向場等特點來進行分割；文獻［4-11］著重研究指紋圖像的閾值分割算法，針對指紋圖像的灰度值不均，利用指紋圖像的方差和方向等特點進行分割；區(qū)域分割法［12-14］也是研究指紋分割的經典算法，但是由于指紋采集裝置的限制，一些采集的指紋圖像質量不高，還有某些處理算法過于繁瑣造成操作時間太長且處理效果不佳. 目前，還沒有一種通用的分割算法來處理指紋圖像，指紋圖像分割技術是當今世界性的課題和難點之一.

1 指紋圖像預處理

隨著計算機技術的發(fā)展，指紋圖像處理技術在稅務安全、隱私信息、刑偵勘察等各個領域也越來越受歡迎. 但由于現(xiàn)在科研條件的制約，還有指紋圖像處理過程中的不可控性，指紋圖像處理仍面臨不少嚴峻的問題. 因此進一步研究指紋圖像處理算法是必要的，這不僅對指紋識別技術的研究有很高的理論價值，還對其應用有更加深遠的實用價值和現(xiàn)實意義. 指紋圖像預處理過程如圖1所示，指紋圖像分割是關系到指紋圖像預處理準確性的關鍵.

本文提出的基于自適應動態(tài)閾值的改進指紋圖像分割算法，綜合利用了圖像像素點灰度值信息，針對灰度值不均的特點加以改進，結合圖像分割的典型算法［4-11］，基于Otsu算法［9］，結合區(qū)域分割算法［13］，提出了改進的指紋圖像分割算法，能夠較精確地對指紋圖像進行分割，具有一定的應用價值.

2 指紋圖像分割算法

圖1 指紋圖像預處理過程

2.1 分割基本原理

指紋圖像一般包括前景區(qū)域和背景區(qū)域，但是一般提取的指紋圖像是與其背景區(qū)域相混合的，因此就需要對規(guī)格化后的灰度圖進行背景分離，提取有效的指紋區(qū)域. 圖像分割算法在指紋圖像預處理過程中尤為重要，較好地對指紋圖像進行分割處理，即有效地去除背景區(qū)域和模糊區(qū)域，保留前景區(qū)域，減少算法的計算冗余度，對指紋圖像的后續(xù)處理有著極大的幫助. 利用文獻［4］指紋圖像特有的方向性，提出一種改進的Mean Shift分割算法；文獻［5］提出了結合方差和方向的分割算法；文獻［8］提出了基于有效點聚集度及塊聚集度的分割算法. 這些粗細分割結合的分級分割算法雖準確度較高但十分耗時.

2.2 自適應動態(tài)閾值初分割

由于圖像像素點的灰度值不同，本文針對灰度值不均的特點，先從區(qū)域的角度設計指紋圖像分割算法，采用自適應動態(tài)閾值分割法將其分割，這不僅與像素點的灰度值有關，還與該像素點的鄰域特征值有關，也與該像素點的位置有關，然后根據(jù)指紋圖像各個部分的灰度值自適應選擇適當?shù)拈撝?，以便將不同的目標、背景分離開來.

Otsu法［9］是閾值分割法的一類，其基本原理是使類間方差最大化來自動確認閾值大?。畬τ诓杉玫降某跏贾讣y圖像，其中灰度級為256，分辨率為500 dpi，設待處理指紋圖像為I( x, y)，先將其規(guī)格化，但是指紋圖像的灰度值不均，背景和目標由此區(qū)分，兩者的類間方差越大，即兩者的差別越大，故使類間方差最大基礎上的分割算法就是使背景和目標誤分的概率最小．根據(jù)定義，在I( x, y)中找出若干閾值T1, T2,...,TN，其中N≥1，將灰度圖像轉換為二值圖像時，需要設定一個閾值，基于Otsu找到指紋圖像的一個合適的閾值（threshold），本文采用的算法是：設待處理指紋圖像共有L級灰度，其灰度范疇為［1，L］，灰度級（ii為整數(shù)）的像素點為ni，總像素點為N=n1+n2+...nL，概率為

由于各個像素點之間的灰度值不同，可以用閾值T將其分為C0和C1（背景區(qū)域和目標區(qū)域，反之亦然），灰度范疇在[1，T]間的像素點令其為C0，灰度范疇在[T+1,L]間的像素點令其為C1，根據(jù)灰度值分布的概率公式，待分割指紋圖像的均值為

則C0和C1的均值分別為

C0和C1的出現(xiàn)概率分別為

其中，

類間方差的定義為

自適應動態(tài)閾值初分割基礎上，再根據(jù)相似性判別生長準則，將指紋圖像上具有類似性質的像素點集中起來形成一個區(qū)域．區(qū)域增長算法［12-14］從區(qū)域這一角度著手，全面考慮區(qū)域內部及之間的異同點，盡可能地保證區(qū)域中像素點的一致性．本文算法關鍵是設計一個高效的相似性判別生長準則，用以判別兩個相鄰區(qū)域是否能夠合并，符合準則就將這兩個相鄰區(qū)域合并，直到不能合并為止．

首先確定該區(qū)域的生長點種子像素，接著由上述所確定的閾值T來判定該種子像素與鄰域像素間的灰度差，符合條件則合并，重復判斷、合并過程，最后限定生長、停止條件．設(m, n)為某像素的坐標，f( m, n)為像素點灰度值，f( i, j)為與(m, n)相鄰且不屬于任何區(qū)域的像素點的灰度值，T為灰度差閾值，則灰度差表達式為

當A

3 算法實現(xiàn)與實驗分析

3.1 算法實現(xiàn)

本文設計的指紋圖像分割算法，分為以下4步：

Step1:載入待處理指紋圖像，對圖像進行規(guī)格化處理；

Step2:基于本文2.2內容，利用類間方差確定最佳閾值，完成對圖像初步分割；

Step3:基于本文2.3內容，選定起始生長點，由初步分割確定的閾值進行由小到大的合并分割處理，完成區(qū)域增長的再次分割；

Step4:選擇最佳生長點，不斷對其進行修改，完善改進算法分割．

本文采用的初始指紋圖像，如圖2所示，其中灰度為256級，分辨率為500 dpi，主要分割目的是提取有效的指紋區(qū)域．

為了驗證本文提出的改進算法必要性和優(yōu)越性，先對原始指紋圖像進行邊緣檢測［14］分割、Otsu算法［9］分割、區(qū)域增長算法［13］分割和分裂合并算法［14］分割，結果如圖3、圖4、圖5、圖6所示．

如圖3所示的分割結果圖是利用邊緣檢測算法——Sobel算法分割得到的，圖3（a）是水平和垂直邊緣檢測的結果，圖3（b）是45°邊緣檢測的結果；如圖4所示是基于自適應動態(tài)閾值分割的Otsu算法分割結果圖；區(qū)域增長算法如圖5所示；如圖6所示是利用四叉樹分解法，基于分裂合并算法的分割結果圖，采用了自定義閾值Th=0.2．

圖2 初始指紋圖像

圖3 邊緣檢測算法分割

圖4 Otsu算法分割

圖5 區(qū)域增長算法分割

本文先利用自適應動態(tài)閾值進行初次分割，再利用初次分割算法中所得的閾值T，完成指紋圖像中像素點由小到大的合并，在分割中選定起始像素點，如圖7（b）所示，由初次分割中確定的閾值T來判定該起始像素點與鄰域像素點之間的灰度差，若相似則合并，并使用相同的像素標記來進行分割，處理結果圖如圖7（c）所示．

3.2 實驗分析

本文著重研究了指紋圖像預處理中的關鍵算法——分割算法，利用MATLAB驗證了本文算法，并在Windows 7操作系統(tǒng)和MATLAB R2014b編譯環(huán)境下實現(xiàn)．

本文提出的改進指紋圖像分割算法，創(chuàng)新之處是融合了閾值分割和區(qū)域分割兩種算法的優(yōu)點，與傳統(tǒng)的動態(tài)閾值分割算法和區(qū)域分割算法相比，不僅能較快地處理對比度較高的指紋圖像，對于質量較低的指紋圖像處理效果也很好．

圖6 分裂合并算法分割

圖7 本文改進算法結果圖

第一，從分割的速度來看，由于Otsu算法速度很快，能較好地適應實時性系統(tǒng)諸如指紋識別系統(tǒng)這一對速度要求特別高的系統(tǒng)，但因其處理對比度不高的指紋圖像時處理效果不佳，則需要對這一算法進行改進，保留原Otsu算法速度的優(yōu)越性，利用區(qū)域起始像素點，針對起始點與鄰域像素點的灰度值之差，使用由Otsu算法確定的閾值T，避免了區(qū)域分割時閾值不精確的劣勢，既保證了處理速度，也保證了指紋圖像處理的效果．

第二，從分割的效果來看，如圖3所示的Sobel算法分割結果圖，（a）是水平和垂直邊緣檢測結果圖，（b）是45°邊緣檢測結果圖，如圖4基于Otsu算法直接進行閾值分割，處理后的指紋圖像邊緣不是很理想，指紋的背景區(qū)域與前景區(qū)域交界處有少量“黑影”，這些“黑影”是某些像素點因算法錯誤標記而造成的，這些誤標的像素點導致指紋圖像分割后邊緣稍模糊，分割效果不清晰．與之相對比的是圖5、圖6所示的區(qū)域分割算法，它的分割效果較邊緣和閾值分割算法略好．如圖6所示的分裂合并算法將整個指紋圖像分解成512×512，256×256，128×128...，2×2，1×1，只要圖像是2的正整數(shù)次方，就通過不斷手工改變閾值分解待處理指紋圖像，最終確定自定義閾值Th=0.2，然后返回四叉樹矩陣---稀疏矩陣，直到分解后的每小塊區(qū)域內的最大像素值和最小像素值之差小于0.2，接著將這些小塊合并．從改進的算法處理結果圖可以看出，如圖7所示的分割結果較圖3、圖4、圖5、圖6所示的幾種分割結果圖明顯較好．本文改進的指紋圖像分割算法關鍵之處在于起始像素點的選定，如圖7（b）所示，生長點的選擇關系到分割精度，在衡量算法性能時，應該重點比較指紋圖像分割的范圍和修改生長點后自動修正的準確性．

4 結語

由于初始指紋圖像的指紋區(qū)域和背景區(qū)域相混淆，本文通過分析指紋圖像的特點，對指紋圖像進行分割處理．本文在分析常用指紋圖像分割算法的基礎上，提出了改進的指紋圖像分割算法，使閾值分割與區(qū)域分割相結合，更加有利于閾值選定的準確度．實驗驗證了本文提出的改進分割算法對于指紋圖像分割處理具有較佳效果，為進一步研究指紋圖像預處理中其他步驟奠定基礎，同時也為指紋識別系統(tǒng)中的指紋特征提取和指紋匹配的精確性提供了保障．

［1］馬俊. 指紋圖像分割及參考點檢測算法研究［D］. 北京：北京郵電大學，2011．

［2］李文靜. 指紋識別預處理算法的研究［D］. 哈爾濱：東北林業(yè)大學，2011．

［3］LIN H. Automatic personal identification using fingerprints［D］. East Lansing: Michigan State University， 1998: 5-46.

［4］王科飛，王慧. 一種改進的Mean Shift指紋圖像分割算法［J］. 吉林大學學報（理學版），2012，50（5）： 1011-1014．

［5］蔡秀梅，張永健，梁輝. 結合方差和方向的指紋圖像分割算法［J］. 現(xiàn)代電子技術，2011，34（12）：111-113．

［6］ TIWARI K， MANDAL J， GUPTA P. Segmentation of slap fingerprint images［J］. Communications in Computer and Information Science， 2013， 375: 182-187.

［7］ MENZE B H， JAKAB A， BAUER S， et al. The Multimodal Brain Tumor Image Segmentation Benchmark （BRATS）［J］. IEEE Transactions on Medical Imaging， 2015， 34（10）: 1993-2024.

［8］梅園. 自動指紋識別系統(tǒng)中若干關鍵問題研究［D］. 南京：南京理工大學，2009．

［9］ OTSU N. A threshold selection method from gray-level histograms［J］. IEEE Transactions on Systems Man & cybernetics, 1979, 9（1）: 62-66.

［10］張正言，徐榮青. 指紋圖像分割方法的研究［J］. 微計算機信息（管控一體化）， 2006， 22（10-3）： 284-286．

［11］ LIU J， TANG Y. Adaptive image segmentation with distributed behavior-basedagents［J］. IEEE Transactions on PAMI，1999， 21（6）: 544-551.

［12］宋李江. 指紋圖像分割算法的研究［D］. 鄭州：鄭州大學，2010．

［13］劉軍，齊華，汪振飛. 基于邊緣區(qū)域增長法的飛機圖像目標分割研究［J］. 飛行力學， 2008，26（2）：93-96．

［14］石榮剛，李志遠，江濤. 圖像分割的常用方法及其應用［J］. 現(xiàn)代電子技術，2007，12：111-114．

Abstract:This paper makes a study of fingerprint image segmentation algorithm. Fingerprint image segmentation algorithm is the essence of the whole fingerprint identification system. The paper presents an improved fingerprint segmentation algorithm. Based on adaptive dynamic threshold segmentation algorithm for fingerprint image, the paper has collected uneven gray value characteristics to improve the algorithm. The paper presents an improved fingerprint image segmentation algorithm, and it combines threshold segmentation algorithm and region segmentation algorithm. According to the experiments, these algorithms introduced in the paper can be tested in PC by programming. Through the comparison and analysis of these algorithms, it has been proved that the algorithm described in the paper has a great advantage in fingerprint image processing.

Key words:fingerprint image; segmentation; dynamic threshold; region segmentation

An Improved Fingerprint Image Segmentation Algorithm

TAN Tingting1, LIU Qian1,2, CHEN Mao1, ZHOU Xueli1
(1.School of Physics and Electronic Engineering, Changshu Institute of Technology, Changshu 215500; 2. School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)

TP391.41

A

1008-2794（2017）04-0062-05

2016-05-17

周學禮，副教授，研究方向：計算機圖形學及醫(yī)學圖像處理，嵌入式系統(tǒng)設計，E-mail：zhouxueli008@163.com.