手指折痕圖像的預(yù)處理算法研究*

徐娟，羅榮芳（.廣東環(huán)境保護(hù)工程職業(yè)學(xué)院機(jī)電工程系，廣東佛山586；.廣東工業(yè)大學(xué)物理與光電工程學(xué)院，廣東廣州50006）

手指折痕圖像的預(yù)處理算法研究*

徐娟1，羅榮芳2
（1.廣東環(huán)境保護(hù)工程職業(yè)學(xué)院機(jī)電工程系，廣東佛山528216；2.廣東工業(yè)大學(xué)物理與光電工程學(xué)院，廣東廣州510006）

研究了從手指折痕源圖像到獲取感興趣區(qū)域子圖像過程的預(yù)處理算法，主要包括圖像的前期處理算法及感興趣區(qū)域子圖像的獲取方法。應(yīng)用所研究算法對手指折痕源圖像進(jìn)行預(yù)處理并得到目標(biāo)圖像，效果良好。該方法可為類似生物特征識別技術(shù)研究提供有益的參考。

生物特征識別；手指折痕圖像；預(yù)處理算法；前期處理；拐點檢測；感興趣區(qū)域子圖像

隨著網(wǎng)絡(luò)與通信技術(shù)的飛速發(fā)展，信息安全已成為一個日益受到重視的問題。保證系統(tǒng)安全的必要前提是身份鑒定，證件、各種卡、密碼等傳統(tǒng)的身份識別方法由于其自身固有的缺陷及不足已難以滿足安全需求，近年來迅速發(fā)展的生物特征識別技術(shù)，即利用人體固有的生理特征或行為特征來進(jìn)行個人身份鑒定的技術(shù)，則為個人身份鑒定提供了一種更為安全可靠、使用更方便的技術(shù)。該技術(shù)在國家安全、司法、金融、電子商務(wù)和電子政務(wù)等領(lǐng)域具有非常廣闊的應(yīng)用前景。目前應(yīng)用于個人身份識別的生理特征主要包括人臉、指紋、掌形、掌紋、虹膜、視網(wǎng)膜和人耳等，這些特征都已受到廣泛關(guān)注和深入的研究，部分成果已經(jīng)應(yīng)用于一些重要領(lǐng)域[1-3]。同指紋和掌紋一樣，手指折痕具有唯一性、穩(wěn)定性及可區(qū)分性的特點，完全可以用來確定一個人的身份，即可作為一種用于人體身份識別的生物特征，因此基于指節(jié)折痕的生物特征識別方法研究也受到了更多的重視，并取得了一定的研究成果[2-6]。

本文對從手指折痕源圖像得到感興趣區(qū)域圖像的預(yù)處理算法進(jìn)行研究，主要包括圖像的前期處理，手指折痕圖像拐點檢測方法、感興趣的區(qū)域子圖像的獲取方法。

1　手指折痕圖像的前期處理

對于任何一幅原始圖像，在獲取和傳輸?shù)倪^程中都會因為受到各種噪聲的干擾而使圖像退化及質(zhì)量下降。對于從掃描儀獲取的手指源圖像，既要消除圖像中的各種隨機(jī)噪聲，又要盡可能的不使手指紋理等細(xì)節(jié)變得模糊，因此首先需要對源圖像進(jìn)行平滑化處理，此外，由于后期邊界跟蹤和提取手指特征值的需要，還需要對圖像進(jìn)行背景分離。圖1（a）為一手指折痕源圖像。

圖1　手指折痕圖像的平滑化處理

1.1圖像平滑化處理

圖像平滑化處理，即為了抑制噪聲改善圖像質(zhì)量而進(jìn)行的處理，是對圖像作低通濾波，可在空間域或頻率域?qū)崿F(xiàn)?？臻g域圖像平滑方法可直接在圖像所在的二維空間進(jìn)行處理，即直接對每一像素的灰度值進(jìn)行處理，常用的有鄰域平均法和中值濾波法，前者是線性的，后者是非線性的，下面將分別討論兩種濾波器的算法原理及性質(zhì)[7-9]。

（1）鄰域平均法

鄰域平均濾波法是一種直接在空間域上進(jìn)行圖像平滑的技術(shù)，又稱為均值濾波或局部平均法。對于一幅M×N的圖像，經(jīng)過m×n（m和n是奇數(shù)）的加權(quán)均值濾波過程后，可用下式給出：

（2）中值濾波法

均值濾波方法可以對圖像進(jìn)行平滑化處理，但在消除圖像噪聲的同時，會使圖像中的一些細(xì)節(jié)變得很模糊。中值濾波則在消除噪聲的同時還能保持圖像的細(xì)節(jié)部分，防止邊緣模糊。與均值濾波不同的是，中值濾波是一種非線性濾波，首先需確定一個奇數(shù)像素窗口W，窗口內(nèi)某個像素值為，平滑像在對應(yīng)位置的灰度值為，則有：

圖1（c）是一幅采用中值濾波法處理后的手指折痕圖像。

由圖1可見，中值濾波的效果要優(yōu)于均值濾波，圖像的邊緣輪廓相對比較清晰。

1.2圖像與背景分離

由于采集的源圖像的背景像素并不是全為零，而是或大或小有一定的灰度值，為了便于進(jìn)行圖像邊界跟蹤和特征值提取，需要圖像與背景進(jìn)行分離，這里主要討論閥值化的分割算法[7-9]。

閥值化分割算法需要以一定的圖像模型為依托，最常用的圖像模型是假設(shè)圖像具有單峰灰度分布的目標(biāo)和背景組成，如圖2（a）所示。目標(biāo)或背景內(nèi)部像素的灰度分布是高度相關(guān)的，而目標(biāo)與背景之間灰度值則存在較大的差距。經(jīng)閥值處理后的圖像定義為：

小于閥值的像素，對應(yīng)于背景，從而標(biāo)記為0，而大于閥值的則保留其像素值，如圖2（b）所示。

2　感興趣區(qū)域子圖像的獲取

獲取感興趣區(qū)域（Region of Interest，ROI）子圖像，也就是要得到所采集的手指折痕圖像的ROI，以利于進(jìn)行特征提取[9-12]。首先要做的是進(jìn)行圖像端點定位，其次是通過端點坐標(biāo)得到圖像的傾角和旋轉(zhuǎn)中心點，從而進(jìn)一步對圖像進(jìn)行幾何調(diào)整，最后按要求截取調(diào)整后的圖像，本文要截取的是大小為80×320的子圖像。

2.1手指圖像端點的定位

手指折痕圖像端點的定位，實際上就是要檢測圖像合乎定位ROI要求的拐點，即手指指尖和谷底。根據(jù)算法所處理的像素集的不同，拐點檢測算法可分為兩類：第一類方法是，先利用一個掩模算子來處理圖像中的每一像素及其鄰域像素，然后根據(jù)處理結(jié)果選擇出拐點；第二類方法是，先處理圖像中物體的邊界像素，然后通過尋找邊界上曲率的局部最大值來進(jìn)行拐點定位。實際應(yīng)用證明，相對于第一類算法，第二類算法具有的優(yōu)點有：(1)由于第二類算法僅僅對物體邊界上的像素進(jìn)行計算，因此計算復(fù)雜度較低，具有實時性較高、算法簡單且易于實現(xiàn)的特點；（2）由于在實施第二類算法之前，通常先要進(jìn)行邊界跟蹤，因而在最終檢測出的拐點中包含了拐點順序信息[13]。

圖2　閥值化的背景分離過程

以下分析研究的基于絕對值距離的拐點檢測方法，屬于第二類算法，即應(yīng)用關(guān)于曲率的方法來實現(xiàn)端點定位。

連續(xù)空間中某一邊界點的曲率e定義為：

其中，Δθ為該點處切線傾角的變化，Δr為該點處弧長的變化。圖3為曲線曲率的示意圖。

首先設(shè)定圖像邊界坐標(biāo)序列（pi(i=0,1,2,…L-1)），其長度為L。如圖3所示，可以用θ表征pi點的曲率，也可以用pi-j和pi+j之間的距離表征pi點的曲率，圖中黑實線為pi-j和pi+j之間的歐式距離。下面采用絕對值距離來定義pi-j和pi+j之間的距離：

其中，pxi-j表示邊界序列中第i-j個點的列數(shù)，y表示行數(shù)，其他依此類推。

基于絕對值距離的拐點檢測算法的具體過程如下：

（1）首先選取一個j值，按式（5）進(jìn)行距離計算。這里j可根據(jù)圖像拐點的平滑程度及分辨率來選取，一般來說，拐點較為平滑的，j相對可取大一些。

（2）完成距離計算后，選取一個pi-j和pi+j之間絕對值距離的閥值，選擇小于閥值的點，那么在pi點附近，將有n個小于閥值的邊界點，即在pi附近可能有從pi-t1到pi+t2都滿足閥值要求。將這些點記為最小距離點集合，通過搜索可確定t1和t2的值，那么pi+(t2-t1)/2即為合乎要求的拐點。

圖3　曲線曲率示意圖

這一算法并不涉及浮點運算，運行速度快，實時性較高，算法簡單且較易實現(xiàn)。

2.2圖像幾何調(diào)整

采集到的手指折痕圖像，一般都不是水平的，或多或少有些旋轉(zhuǎn)，需要先調(diào)整成水平圖像后，才能更好的獲取ROI圖像[14-15]。首先需要要得到旋轉(zhuǎn)坐標(biāo)及旋轉(zhuǎn)角度。

利用2.1的方法，可以確定圖4中V1，V2及T1的坐標(biāo)。

圖4　中指標(biāo)定示意圖

V1與V2的中點V與T1的連線與水平線的傾角可確定旋轉(zhuǎn)角度θ，V與T1的中點M1即是旋轉(zhuǎn)點坐標(biāo)，旋轉(zhuǎn)算法的具體過程這里不做詳述。

值得注意的是，上述旋轉(zhuǎn)是繞坐標(biāo)原點進(jìn)行的，如果繞某定點（a，b）旋轉(zhuǎn)，則首先將坐標(biāo)系平移到該點，再進(jìn)行旋轉(zhuǎn)，然后平移回到新的坐標(biāo)原點。

在旋轉(zhuǎn)處理中，旋轉(zhuǎn)的中心是目標(biāo)手指圖像（中指）的旋轉(zhuǎn)前圖像大小是640×480，旋轉(zhuǎn)之后還是640×480，所以旋轉(zhuǎn)時超出大小的像素將被截去，空白的以背景像素填充。

2.3ROI子圖像截取

在將目標(biāo)手指折痕圖像（這里指中指）調(diào)整成水平圖像后，旋轉(zhuǎn)點坐標(biāo)M1（如圖4所示）不變，秩序在水平方向上，以點M1為中心，向左向右各取160像素，向上向下各取40像素，即可得到320×80的ROI子圖像。子圖像截取后，由文獻(xiàn)[2]可知并不需要再進(jìn)行亮度歸一化。

圖5是從手指折痕源圖像中用以上預(yù)處理方法分割出的幾幅子圖像。

圖5　從同的手指折痕源中分割出的幾幅子圖像

3　結(jié)論

本文針對手指折痕圖像識別系統(tǒng)的預(yù)處理部分，分析討論了手指折痕圖像的平滑化算法以及背景分離的閥值化分割算法，可知中值濾波的效果要優(yōu)于均值濾波，得到的圖像的邊緣輪廓比較清晰；分析研究了感興趣區(qū)域子圖像的獲取方法，提出了一種新的快速拐點檢測算法，即基于絕對值距離的拐點檢測方法，該一算法不涉及浮點運算，運行速度快，實時性較高，算法簡單且較易實現(xiàn)。應(yīng)用所研究算法對手指折痕源圖像進(jìn)行預(yù)處理并得到目標(biāo)圖像，試驗效果良好。本文方法可為類似生物特征識別技術(shù)研究提供有益的參考。

［1］Wang Y，Wu Y.Face recognition using intrinsic faces［J］.Pattern Recognition，2010，43（1）：3580-3590.

［2］羅榮芳，林土勝.基于離散余弦變換的手指指節(jié)折痕識別［J］.數(shù)據(jù)采集與處理，2008，23（2）：129-134.

［3］LUO Rong-fang，LIN Tu-sheng，WU Ting.Personal recognition with finger crease pattern［J］.Opto-Elec?tronic Engineering，2007，34（6）：116-121.

［4］羅榮芳，周展懷，潘永雄，等.指節(jié)折痕線特征提取與識別算法［J］.科學(xué)技術(shù)與工程，2008，8（11）：2839-2842，2853.

［5］羅榮芳，林土勝.基于投影和小波分析的手指指節(jié)折痕識別算法［J］.計算機(jī)工程，2008，34（5）：216-218.

［6］S.Ribaric，I.Fratric.A biometric identification system based on eigenpalm and eigenfinger features［J］.IEEE Transactions on Pattern Analysis and Machine Intelli?gence，2005，27（11）：1698-1709.

［7］黃穎為，龔小超，王沁.PDF417條碼圖像的預(yù)處理方法［J］.計算機(jī)應(yīng)用，2009，29（6）240-241.

［8］劉純平，王強(qiáng).數(shù)字圖像處理與分析［M］.北京：清華大學(xué)出版社，2006.

［9］楊金鋒，張海金.手指靜脈圖像感興趣區(qū)域提取方法研究［J］.山東大學(xué)學(xué)報：工學(xué)版，2012，42（3）：6-12.

［10］LIU Zhi，YIN Yi long，WANG Hong jun.Finger vein recognition withmanifold learning［J］.Journal of Net?work and Computer Applications，2010（33）：275-282.

［11］Jelsovka D，Hudec R，Breznan M.Face recognition on FERET face database using LDA and CCA methods［J］.IEEE Conference publications，2011，34：570-574.

［12］戴金波，肖宵，趙宏偉.基于低分辨率局部二值模式的人臉識別［J］.吉林大學(xué)學(xué)報：工學(xué)版，2013，43（2）：435-438.

［13］尚振宏，劉明業(yè).二值圖像中拐點的實時檢測算法［J］.中國圖象圖形學(xué)報，2005，10（3）：295-300.

［14］王思國，王琰.一種改進(jìn)的圖像旋轉(zhuǎn)算法［J］.沈陽理工大學(xué)學(xué)報，2009，28（5）：22-25.

［15］康牧，凌鳳彩.一種基于新插值方法的圖像旋轉(zhuǎn)算法［J］.計算機(jī)科學(xué)，2013，40（5）：303-306.

(編輯：向飛)

Study of Preprocessing Algorithms for Finger Crease Image

XU Juan1，LUO Rong-fang2
（1.DepartmentofMechanicaland Electrical Engineering，Guangdong VocationalCollegeof Environmental Protection Engineering，F(xiàn)oshan 528216，China；2.Faculty ofPhysicsand Optoelectronic Engineering，Guangdong University of Technology，Guangzhou 510006，China）

Preprocessing algorithms for finger crease image from source image to sub image in the region of interest are studied，mainly including the early processing algorithms for image and themethods for the extraction of sub image in the region of interest.Using the algorithms studied，finger crease images are processed and the good target images are obtained.Some useful references can be provided for similar study ofbiometrics.

biometrics；finger crease image；preprocessing algorithms；the early process;corner detection；sub image in the region of interest

TP391

A

1009－9492(2015)06－0064－04

10.3969/j.issn.1009-9492.2015.06.016

*國家自然科學(xué)基金資助項目（編號：61305069）

2015－04－08

徐娟，女，1970年生，湖北天門人，碩士，講師。研究領(lǐng)域：電子信息工程與模式識別技術(shù)。