指紋圖像識別技術新思路與實驗研究*

邱麗萍

(武漢數(shù)字工程研究所 武漢 430205)

指紋圖像識別技術新思路與實驗研究*

邱麗萍

(武漢數(shù)字工程研究所 武漢 430205)

指紋識別技術被廣泛應用于身份識別等領域,指紋圖像增強是指紋預處理過程所要解決的核心問題。論文提出基于雙濾波器的動態(tài)指紋圖像增強算法。利用動態(tài)2維Gabor濾波器分離粘連脊線的能力很強,方向濾波器具有較強連接斷裂脊線的能力,而且輸出結構為二值圖像的特點,使用Gabor濾波器與方向濾波器互補濾波。通過對圖像進行第二次增強,從而達到較為理想的增強效果。大量實驗結果顯示,此算法對指紋圖像的平移與旋轉變化反應不明顯、有利于細節(jié)點提取而且易于實現(xiàn)。

Gabor濾波器; 方向濾波器; 指紋圖像增強

Class Number TP391.41

1 引言

指紋識別技術被廣泛應用于身份識別等領域,指紋圖像增強是指紋預處理過程所要解決的核心問題?，F(xiàn)有的指紋增強算法對質(zhì)量較好的指紋圖像增強效果明顯,但對低質(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算法。LinHong等[1]將Gabor濾波器應用于指紋增強同時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效果,但速度較慢。Greenberg[4]對文獻[1]中的算法進行了改進,但由于只使用了方向信息而損失了準確性,Gorman等[2]使用的指紋增強方法則高度依賴紋線方向信息。Douglas Hung[5]專門針對二值圖像提出了一種指紋增強和特征純化的方法。在分析前文算法優(yōu)劣的基礎上,基于動態(tài)2維Gabor濾波器和方向濾波器提出了一種新的動態(tài)濾波算法。模型見圖1,可以達到較為理想的效果。

2 動態(tài)2-D Gabor濾波

從圖像中提取相關或非相關紋理(例如指紋紋理)信息的一個有效方法是使用2維Gabor濾波器。2維Gabor濾波器1980年由Daugman首先提出,作為一個框架來模擬人腦視覺神經(jīng)中樞細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濾波器是能夠對圖像局部結構的方向和空域頻率進行解析的最優(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,那么對于子塊B(m,n)內(nèi)的一點(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σx和σy的取值需要進行折衷。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[2]中使用固定大小的濾波器模板不同,使用Gabor濾波器進行動態(tài)增強時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顯示了對指紋圖像進行Gabor濾波的結果。

Gabor濾波器分離粘連脊線的能力很強,但它不能很好地連接斷裂的脊線,并且經(jīng)過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,它應該具有與Gabor濾波器互補的濾波效果,即具有較強的連接斷裂脊線的能力,而對其分離粘連脊線的能力并不做太高要求。通過沿脊線方向對圖像進行第二次增強,從而達到較為理想的效果。

3 方向濾波

該濾波器的設計目標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,本文設計了一個7×7大小的濾波器。

圖2 動態(tài)2D Gabor濾波效果示例

方向濾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。方向濾波器具有較好的連接斷裂脊線的能力。它的一個主要特點是濾波器模板系數(shù)之和為0,因此可以在增強圖像的同時實現(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)。設中心系數(shù)f(0,0)為a0。為減少濾波后脊線中的孔洞,對中心帶的橫截面(沿j方向)以余弦包絡進行加權;過渡帶系數(shù)為0;設邊帶的極值為b0,對邊帶的橫截面(沿j方向)也以余弦包絡進行加權。

f(0,j)系數(shù)計算過程如下,令:

設每一列的系數(shù)和為0,可由此確定b0。

每一行的系數(shù)通過對該行的中心點進行余弦包絡加權得到。我們更強調(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濾波的影響。行系數(shù)計算公式如下

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

0<|i|≤hf

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

由此得到兩個水平模板系數(shù)如下所示:

其它方向的模板可以通過旋轉水平方向的模板獲得[2]。

·GE(i+x,j+y)

4 實驗結果與性能分析

我們對該預處理算法進行了大量測試,測試圖像有來自不同類型的指紋儀的圖像和人工合成的指紋圖像。下面是圖像增強與指紋細節(jié)點提取的示意圖。

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)是光學指紋儀采集的指紋圖像,其特點是某些區(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)過增強后得到的二值指紋圖像。

圖3 指紋圖像增強

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

圖4 指紋細節(jié)點提取示例

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

表1 特征點提取性能分析對比

5 結語

本文提出了一種使用功能互補的濾波器組對指紋圖像進行動態(tài)增強的思想,并深入討論了Gabor濾波器、方向濾波器的算法及實現(xiàn),對具體實現(xiàn)細節(jié)由于篇幅所限未加詳細說明。具體參數(shù)的確定經(jīng)過大量實驗選擇。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圖像,同時還能對圖像進行二值化處理而無需再使用專門的二值化算法,而且該方法處理的結果具有圖像位移不變性和旋轉不變性,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