專(zhuān)利名稱(chēng)：一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)的指紋圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及指紋識(shí)別技術(shù)中的指紋圖像處理技術(shù)。
背景技術(shù)：
生物特征識(shí)別技術(shù)是為了進(jìn)行身份驗(yàn)證而采用自動(dòng)技術(shù)測(cè)量其身體的特征或是個(gè)人的行為特點(diǎn)，并將這些特征或特點(diǎn)與數(shù)據(jù)庫(kù)的模板數(shù)據(jù)進(jìn)行比較，完成身份認(rèn)證的一種解決方案。作為生物識(shí)別技術(shù)中最為成熟和方便的成員，指紋識(shí)別技術(shù)已成功應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。如門(mén)禁、考勤系統(tǒng)、電子商務(wù)、ATM自動(dòng)提款機(jī)以及罪犯身份鑒定系統(tǒng)等。依賴(lài)指紋識(shí)別技術(shù)建立的指紋自動(dòng)識(shí)別系統(tǒng)作為一種安全可靠的身份識(shí)別方法，隨著光學(xué)掃描技術(shù)和RFID技術(shù)的發(fā)展，個(gè)人的指紋信息能夠潛入到IC中，使得指紋識(shí)別可以在更廣泛的領(lǐng)域中得以發(fā)展。詳見(jiàn)文獻(xiàn)Anil Jain,On-Line Fingerprint Verification, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 19，NO. 4， APRIL 1997 ；禾口文獻(xiàn)=Anil K. Jain, Arun Ross, Salil Prabhakar, "An Introduction to Biometric Recognition，，，IEEE Transaction on Circuits and Systems for Video Technology, Volume 14, No. 1，pp4_20，2004 所述。在指紋自動(dòng)識(shí)別系統(tǒng)中，指紋圖像分割是一個(gè)重要的環(huán)節(jié)，指紋圖像分割能夠去除指紋圖像中的不可恢復(fù)的前景區(qū)域和背景區(qū)域，從而提高計(jì)算效率。同時(shí)，去除低質(zhì)量區(qū)域的指紋能夠減少偽特征點(diǎn)的提取，從而保證識(shí)別的正確率。指紋的低質(zhì)量區(qū)域通常由以下幾種情形造成(1)采集儀上存在污質(zhì)，儀器參數(shù)設(shè)置的不恰當(dāng)；( 手指的過(guò)干， 太濕等。目前，大部分指紋分割方法需要計(jì)算多個(gè)指紋分割特征，然后再使用分類(lèi)器來(lái)判定指紋的前景和背景。要計(jì)算這些指紋分割特征，不但要耗費(fèi)大量的時(shí)間，而且所得到的分類(lèi)結(jié)果也是基于局部信息的。為此，要設(shè)計(jì)一種能夠快速而有效的指紋分割算法對(duì)實(shí)時(shí)性要求很強(qiáng)的指紋識(shí)別系統(tǒng)顯得尤為必要。詳見(jiàn)文獻(xiàn)Mehtre B M. Segmentation of fingerprint images-a composite method. Pattern Recognition,1989,22(4) :381 385 ；Lin Hong, Yifei Wan, and Anil Jain. Fingerprint Image Enhancement :Algorithm and Performance Evaluation. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 20, NO. 8, AUGUST 1998 和文獻(xiàn) WANG Sen, WANG Yang-Shen. New features extraction and Application in Fingerprint Segmentation. ACTAAUTOMATICA SINIC, Vol. 29，No. 4，July 2003 所述。目前常用的使用指紋圖像分割方法有(1)采用灰度均值和灰度方差的線(xiàn)性分類(lèi)器方法。參見(jiàn)文獻(xiàn)BA^N A，GEREZ S. Segmentation of fingerprint images[C]//Proceedings of Workshop on Circuits Systems and Signal Processing(ProRISC’ 01). Washington :IEEE Computer Society, 2001 :276-280.(2)釆用指紋圖像塊方向圖特性的方法。參見(jiàn)文獻(xiàn)MAO Kerning, WANG Guoren, CHANG Yong, et a. IA multi-stage fingerprint image segmentation method[C]//Proceedings of International Conference on Intelligent System and Knowledge Engineering(ISKE’ 08). Washington JEEE Computer Society,2008,1 :1141-1145.(3)基于隱馬爾可夫模型的分割方法。參見(jiàn)文獻(xiàn)KLEIN S,BAZENAM,VELDHUIS R N J. Fingerprint image segmentation based on hidden Markov models[C]//Proceedings of 13th Annual Workshop on Circuits, Systems, and Signal Processing. [S. . 1] [s. n. ],2002 :310-318.(4)基于多尺度小波變換和能量場(chǎng)的分割方法。參見(jiàn)文獻(xiàn)BERNARD S,B0UJEMAAN, VITALED, et al Fingerprint segmentation using the phase of multi scale Gabor wavelets[DB/0L]. [2009-12-06]·上述指紋分割算法是建立在指紋圖像的像素值信息和塊信息之上的，其中方法 (1)和(2)考慮的因素太少，因此對(duì)于低質(zhì)量指紋圖像的分割會(huì)產(chǎn)生很大的錯(cuò)誤分割率； (3)和(4)雖然考慮了各種因素，但是其算法模型的計(jì)算復(fù)雜性過(guò)高。

發(fā)明內(nèi)容
本發(fā)明提供一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)的指紋圖像分割方法，該方法能夠在較短的時(shí)間內(nèi)有效去除指紋圖像的背景區(qū)域和指紋圖像中不可復(fù)原的低質(zhì)量區(qū)域，從而分割出指紋前景區(qū)域圖像。本發(fā)明的指紋分割方法綜合考慮了指紋的各種低質(zhì)量區(qū)域的特征，所采用的形態(tài)學(xué)操作是基于指紋的邊緣圖像，而不是如背景技術(shù)中的對(duì)分割后的“塊”進(jìn)行形態(tài)學(xué)操作， 因此本發(fā)明的指紋分割算法分割出來(lái)的指紋前景區(qū)域的輪廓比較平滑和完整。為了方便地描述本發(fā)明內(nèi)容，首先對(duì)一些術(shù)語(yǔ)進(jìn)行定義。定義1 指紋。手指末端正面皮膚上凹凸不平的紋路。定義2 灰度圖像。圖像中只包含亮度信息而沒(méi)有任何其他顏色信息的圖像。定義3 二值化。把整幅圖像的所有值轉(zhuǎn)化成只有兩種值的過(guò)程，一般這兩種值為 0和1或者0和255。當(dāng)圖像上的值大于等于二值化的閥值的時(shí)候，該點(diǎn)的值二值化為1 (或 255)；當(dāng)圖像上的值小于二值化閥值的時(shí)候，該點(diǎn)的值二值化為0。定義4 分段線(xiàn)性函數(shù)。每一段的圖像都是直線(xiàn)而對(duì)應(yīng)函數(shù)體不同的函數(shù)。定義5 細(xì)胞神經(jīng)網(wǎng)絡(luò)。標(biāo)準(zhǔn)的M*N大小的細(xì)胞神經(jīng)網(wǎng)絡(luò)是由細(xì)胞C(i，j)組成的
權(quán)利要求
1. 一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)的指紋圖像分割方法，包含下述步驟 步驟1 計(jì)算原始指紋圖像I(x，y)的灰度直方圖h(k)，然后從灰度直方圖h(k)的指紋前景峰值和背景峰值之間的曲線(xiàn)波谷中確定一個(gè)初始閾值t ；所述灰度直方圖h(k) =nk，k =0，1，...，L，其中L表示最大灰度等級(jí)，nk表示灰度值為k的像素點(diǎn)個(gè)數(shù)；步驟2:用模糊集理論獲取細(xì)胞神經(jīng)網(wǎng)絡(luò)的閾值A(chǔ)用細(xì)胞神經(jīng)網(wǎng)絡(luò)的閾值ζ*對(duì)原始指紋圖像I(x，y)進(jìn)行分割，得到去除了模糊區(qū)域的大致指紋前景區(qū)域圖像Γ (χ, y)；包括以下具體步驟步驟2-1 計(jì)算原始指紋圖像I (x, y)中每個(gè)像素點(diǎn)的模糊度μ (f (χ，y))； μ (/(;^))=1 + |/(1,/)-/^。(0|匸當(dāng)飾，7)0時(shí);其中μ (f(x,y))表示原始指紋圖像I (x，y)中像素點(diǎn)(x,y)的模糊度，f(x，y)表示像素點(diǎn)(x，y)的像素值，表示背景像素的平均值，P1U)表示前景像素的平均值，t 為步驟1所得初始閾值，C為取值在(0，1)之間的常數(shù)；步驟2-2 用香農(nóng)函數(shù)S(y (f(x,y)))計(jì)算原始指紋圖像I (x，y)中每個(gè)像素點(diǎn)的模糊度的熵E(I)，而當(dāng)E(I)取得最小值時(shí)就可以得到最優(yōu)的模糊閾值t* ；其中:S(y (f(x,y))) = -μ (f(x,y))ln[y (f(x,y))]-[l-y (f(x,y))]ln[l-y (f(x,y))] ;E(I)= —-L-^ ^ [μ (/(χ, y)))h(k).X = min E(I) ；M、N 分別表示原始 MN In 2 ^0 v7指紋圖像I(x，y)的行數(shù)和列數(shù)；步驟2-3 計(jì)算神經(jīng)細(xì)胞網(wǎng)絡(luò)閾值ζ* ；z* = 2X (tV255-0. 5)；步驟2-4 計(jì)算去除了模糊區(qū)域的大致指紋前景區(qū)域圖像Γ (χ, y)；I\x,y) = ^(\f\x,y) + l\-\f\x,y)-l\),其中:f' (χ, y) =-f(x, y)+a+b+z*為中間值，而參數(shù)a的計(jì)算方法是以像素點(diǎn)f(x， y)為中心取與A模板相同大小的區(qū)域像素點(diǎn)與A模板對(duì)應(yīng)點(diǎn)乘后相加得到，b參數(shù)的計(jì)算方法是以像素點(diǎn)f(x，y)為中心取與B模板相同大小的區(qū)域像素點(diǎn)與B模板對(duì)應(yīng)點(diǎn)乘后相加得到，A模板為3X3大小的矩陣，周?chē)≈刀紴?，中心值可取
之間的整數(shù)；B模板是值全相同的3X3大小的矩陣，取值區(qū)間為[1，10]；步驟3 對(duì)步驟2所得去除了模糊區(qū)域的大致指紋前景區(qū)域圖像I' (x,y)進(jìn)行形態(tài)學(xué)操作處理，確定最終的指紋前景區(qū)域圖像；具體形態(tài)學(xué)操作過(guò)程更包括步驟3-1 對(duì)去除了模糊區(qū)域的大致指紋前景區(qū)域圖像Γ (x,y)取反，采用9X9大小的全1矩陣模板對(duì)取反后的去除了模糊區(qū)域的大致指紋前景區(qū)域圖像Γ (x,y)進(jìn)行閉操作，使得指紋的前景區(qū)域連接成一個(gè)連通區(qū)域；步驟3-2 對(duì)閉操作后的結(jié)果進(jìn)行開(kāi)操作，以消除一些刪除一些孤立的小塊或細(xì)小的末梢；步驟3-3 對(duì)經(jīng)步驟3-1和步驟3-2操作后的結(jié)果進(jìn)行標(biāo)號(hào)處理，標(biāo)記出圖像中不同的連通域，然后選擇最大的連通域作為指紋前景區(qū)域；步驟3-4:構(gòu)建一個(gè)與原始指紋圖像I (X，y)相同大小的指紋圖像分割模板，指紋圖像分割模板的前景區(qū)域與步驟3-3所得指紋前景區(qū)域一致、且像素值設(shè)為1，其余像素點(diǎn)為背景像素點(diǎn)、且像素值設(shè)為0 ；采用該指紋圖像分割模板與原始指紋圖像I (X，y)進(jìn)行點(diǎn)乘運(yùn)算，得到最終的指紋前景區(qū)域圖像。
2.根據(jù)權(quán)利要求1所述的基于細(xì)胞神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)的指紋圖像分割方法，其特征在于，步驟2-4中所述A模板的中心值為4 ；所述B模板的取值為1 ；
全文摘要
一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)和形態(tài)學(xué)的指紋圖像分割方法，屬于圖像處理技術(shù)領(lǐng)域。首先在原始指紋圖像的灰度直方圖h(k)的指紋前景峰值和背景峰值之間的曲線(xiàn)波谷中確定一個(gè)初始閾值t，然后計(jì)算原始指紋圖像的模糊度μ(f(x，y))；接著用香農(nóng)函數(shù)S(μ(f(x，y)))計(jì)算出模糊度的熵E(I)，并對(duì)熵取最小值計(jì)算出最優(yōu)模糊閾值t*；然后用最優(yōu)模糊閾值t*計(jì)算出神經(jīng)細(xì)胞網(wǎng)絡(luò)閾值z(mì)*，用兩個(gè)3×3大小的方形神經(jīng)細(xì)胞網(wǎng)絡(luò)模板對(duì)指紋圖像進(jìn)行處理，得到大致指紋前景區(qū)域圖像；最后用9×9的形態(tài)學(xué)模板對(duì)大致指紋前景區(qū)域圖像進(jìn)行形態(tài)學(xué)操作得到最終的指紋前景區(qū)域圖像。本發(fā)明的指紋分割算法計(jì)算量比較小，而且通過(guò)形態(tài)學(xué)操作之后的指紋前景輪廓也較平滑。
文檔編號(hào)G06N3/02GK102254172SQ201110162810
公開(kāi)日2011年11月23日 申請(qǐng)日期2011年6月16日 優(yōu)先權(quán)日2011年6月16日
發(fā)明者胡姣姣, 解梅 申請(qǐng)人:電子科技大學(xué)