專利名稱：一種指紋圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)科學(xué)中指紋識別領(lǐng)域的指紋圖像分割方法。
背景技術(shù)：
指紋識別作為一種基于生物特征的身份認(rèn)證技術(shù)得到越來越廣泛的應(yīng)用。高性能的指紋識別系統(tǒng)需要高正確率而且快速的特征提取與匹配算法。特征提取通常經(jīng)過圖像分割、方向計算、圖像增強(qiáng)、紋路提取與細(xì)化、細(xì)節(jié)點(diǎn)特征提取與篩選的過程。為了提高特征提取的速度和正確率，通常先對指紋圖像進(jìn)行分割，以去掉不含真實(shí)紋路的區(qū)域，從而特征提取階段只需分析紋路區(qū)域以提取特征，同時也避免從非紋路區(qū)域提取錯誤特征。指紋分割方法一般將圖像分割，提取每一塊的局部特征，根據(jù)局部特征將每一塊分類為前景塊(紋路塊)或背景塊。指紋分割目前的主要問題主要是對于低質(zhì)量圖像，難以準(zhǔn)確地進(jìn)行分割，比如殘留紋路區(qū)域(即殘留在指紋采集儀掃描窗口的指紋痕跡在采集當(dāng)前指紋時形成的圖像區(qū)域)容易被錯誤地分類為前景；真實(shí)紋路區(qū)域(即當(dāng)前采集的指紋形成的圖像區(qū)域)可能由于紋路與紋谷對比太小而容易被分類為背景，而對比小的區(qū)域事實(shí)上可以通過增強(qiáng)算法恢復(fù)出清晰的紋路結(jié)構(gòu)；灰度規(guī)范化可以加強(qiáng)圖像對比，但同時也加強(qiáng)了背景區(qū)域的灰度對比，從而背景區(qū)域，特別是背景區(qū)域的殘留紋路區(qū)域很容易被錯誤地分類為前景；分割算法難以適應(yīng)不同傳感器采集的圖像，分割算法需要提取每個局部區(qū)域的分割特征，并對不同類型的圖像設(shè)置不同的分割閾值(分割閾值是區(qū)分前景與背景的分割特征的一個分割點(diǎn)，根據(jù)經(jīng)驗(yàn)設(shè)定)，而同一類型的圖像設(shè)置一個相同的分割閾值，使得針對某一類型的圖像設(shè)置的分割閾值難以對另一類型的圖像進(jìn)行有效分割，從而通用性不強(qiáng)。Bazen 和 Gerez (Asker M. Bazen and Sabih H. Gerez, Segmentation of Fingerprint Images, Proc. ProRisc 2001 Workshop on Circuits, Systems and Signal Processing, pages276-280, November 2001)提出了基于梯度一致性的方法分割指紋圖像， 該方法首先計算每個像素的梯度，然后根據(jù)梯度計算每個區(qū)域的梯度一致性并設(shè)置一個分割閾值，而后將梯度一致性大于分割閾值的局部區(qū)域分割為前景，將小于分割閾值的局部區(qū)域分割為背景。該方法容易受噪音影響，不能準(zhǔn)確分離出殘留紋路區(qū)域和由于手指在傳感器表面的摩擦移動而形成的噪音區(qū)域。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種新的指紋圖像分割方法，解決殘留紋路區(qū)域的分割問題，既能將殘留紋路區(qū)域正確地分類為背景，又能分離由于手指在傳感器表面刮插移動而形成的噪音區(qū)域，且自適應(yīng)地計算分割閾值，能提高通用性，適用于不同傳感器采集的圖像。為了解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案為對圖像進(jìn)行兩輪分割，第一輪分割采用灰度統(tǒng)計特征，分割閾值通過直方圖確定；第二輪分割對紋路像素的分布進(jìn)行分析，通過統(tǒng)計稀疏紋路像素而進(jìn)行分割。具體技術(shù)方案為假設(shè)圖像為I，圖像的高度為height，寬度為width，用(X，y)表示圖像第χ 列第y行的像素，I(x，y)是該像素的灰度值，0 ^ χ ^ width-1,0 ^ y ^ height-1。 將圖像I劃分為大小為bXb(b為小于等于30的正整數(shù)，實(shí)驗(yàn)中，取b = 8)的互不重疊的塊，用w(i，j)表示I的第i行第j列的塊(以圖像I的最左下角的塊為第0行第0列，(Ki<Lhelght/b」，(Kj<LW1dth/b」，“ L」”表示下取整)。用f(i， j) ((Ki<Lhelght/b」，o《j<Lwldth/b」)表示對圖像I進(jìn)行分割后的結(jié)果，即用f (i，j) = 1表示W(wǎng)(i，j)是前景，用f(i，j) =0表示奴1，」)是背景。對圖像進(jìn)行兩輪分割，第一輪分割是獲得初步分割結(jié)果，即獲得I中每個塊的分割結(jié)果，第二輪分割是在第一輪分割的基礎(chǔ)上修正。最后對分割結(jié)果進(jìn)行后處理。本發(fā)明具體步驟是第一步，對圖像I進(jìn)行第一輪分割，獲得初步分割結(jié)果，方法為1. 1.計算每個圖像塊的局部平均灰度值，方法為1. 1. 1 初始化 i = 0，j = 0。1.1. 2取一個大小為β X β、幾何中心與w(i，j)幾何中心重合的圖像塊，記為 10(1，」)，計算 (1，」)內(nèi)像素的平均灰度值，即為圖像塊w(i，j)的局部平均灰度值，記為 m(i，j)。β的取值大于b，可取β = 15，從而可以更好地適應(yīng)圖像噪音。前景塊的m(i，j) 值比背景塊的m(i，j)小。L1.3j = j+1。1. 1.4 若j<Lwidth/b」，則轉(zhuǎn) 1. 1. 2，否則執(zhí)行 1. 1. 5。1. 1. 5j = 0, i = i+lo1. 1. 6 若i<Lheight/b」，則轉(zhuǎn) 1. 1. 2，否則執(zhí)行 1. 2。1. 2.計算每個圖像塊的局部灰度差異，方法為1. 2. Ii = 0，j = 0。1.2.2將 (1，j)內(nèi)所有灰度值小于m(i，j)的像素的灰度值相加，再除以W0 (i， j)內(nèi)灰度值小于m(i，j)的像素的個數(shù)Cl(i，j)，得到We(i，j)內(nèi)灰度值小于m(i，j)的像素的平均灰度值叫^ j)；1.2.3將 (1，j)內(nèi)所有灰度值大于m(i，j)的像素的灰度值相加，再除以W0 (i， j)內(nèi)灰度值大于m(i，j)的像素的個數(shù)c2(i，j)，得到We(i，j)內(nèi)灰度值大于m(i，j)像素的平均灰度值m2(i，j)；1.2.4計算圖像塊w(i，j)對應(yīng)的灰度差異d(i，j) =m2(i, j)-mi(i, j)。相對于背景塊而言，前景塊的d(i，j)值較大。1. 2. 5j = j+lo1. 2. 6 ^j<Lwidth/bJ，則轉(zhuǎn) 1. 2. 2，否則執(zhí)行 1. 2. 7。1. 2. 7j = 0, i = i+lo1. 2. 8 若i<Lheight/b」，則轉(zhuǎn) 1. 2. 2，否則執(zhí)行 1. 3。1. 3.計算每個圖像塊局部平均灰度與局部灰度差異的比，方法為1. 3. Ii = 0，j = 0。
1. 3. 2如果C1 (i，j)和￡2(1，j)均大于0，則圖像塊w (i，j)的局部平均灰度與局部灰度差異的比Z(i，j) = [m(i，j)/d(i，j)]，否則Z(i，j) =-1，其中“ □”表示四舍五入后取整。因?yàn)閙(i，j)在前景塊處較小，在背景塊處較大；而d(i，j)在前景塊處較大，在背景塊處較小，從而對于Z(i，j) ^ 0的塊，Z(i，j)在前景塊處較小，在背景塊處較大。1.3.3j = j+l。1. 3. 4 ^j<Lwidth/bJ，則轉(zhuǎn) 1. 3. 2，否則執(zhí)行 1. 3. 5。1. 3. 5j = 0，i = i+1。1. 3. 6 若i<Lheight/b」，則轉(zhuǎn) 1. 3. 2，否則執(zhí)行 1. 4。1.4.對集合{Z(i，j) |Z(i，j)彡 0，(Ki<Lheight/b」，0《j<LWidth/b」}進(jìn)行直方統(tǒng)計， 得到直方統(tǒng)計圖IizGO (0彡k彡maxz)，并對直方統(tǒng)計圖tiz (k) (0彡k彡maxz)進(jìn)行平滑，得到平滑直方統(tǒng)計圖Hz(k) (0彡k彡maxz)，maxz為Z(i，j)彡0的圖像塊中Z(i，j)的最大值，方法為1.4.1 統(tǒng)計出集合{Z(i，j) |Z(i，j)彡 0，(Ki<Lheight/b」，0《j<LWidth/b」沖的最小值minz、最大值maxz禾口平均值mz。
_7]丄⑷令她+護(hù)^圖像塊數(shù)k<0^￡rzxz1. 4. 3對信號hz(k) (0彡k彡maxz)進(jìn)行平滑處理，得到平滑信號Hz(k) (0彡k彡maxz)，步驟為1. 4. 3. 1 令 k = 0 ；1.4. 3. 2 ^Hz (k) = 0 ；1.4.3.3令1^ =-a，其中 a = max{[(mz-minz)/2]，l}，max{}表示取最大值；1.4. 3. 4Hz(k)=壓(k) (k+ki) gl (a+ki)，其中g(shù)l(x)={(2(aX二)(，(+丄 ^^ ；1. 4. 3. 5ki = ki+1 ；1. 4. 3. 6 若 ki 彡 a，轉(zhuǎn) 1. 4. 3. 4，否則執(zhí)行 1. 4. 3. 7 ；1. 4. 3. 7k = k+1 ；1· 4. 3. 8 若 k 彡 maxz，轉(zhuǎn) 1. 4. 3. 2，否則執(zhí)行 1. 5。1. 5.根據(jù)平滑信號Hz(k) (0彡k彡maxz)計算分割閾值tz，方法為1. 5. 1定位出Hz (k) (0彡k彡maxz)取最大值的位置mf = arg maxk{Hz (k) I 0 彡 k 彡 maxz}，即 Hz (mf)是 Hz (k) (0 彡 k 彡 maxz)的最大值。1. 5. 2找到Hz (k)在mf <k<mi z范圍內(nèi)所有局部極大值的位置，放入集合B中， 方法為1. 5. 2. 1 令 k = mf+l，B=0。1. 5. 2. 2 若 Hz(k_l) < Hz (k)且 Hz(k) > Hz (k+1)，則將 k 加入 B 中。1. 5. 2. 3k = k+1。1· 5· 2· 4 若 k < maxz,則轉(zhuǎn) 1. 5· 2· 2。1· 5· 3 若 Β=0，貝丨J 閾值 tz = λ · mf，λ 取常數(shù) 3 ；若 B尹0，則 mb = arg maxk {Hz (k) k e B}, mt = arg mink{Hz (k) |mf < k < mb}, tz = min{ λ · mf, mj。B=0意味者背景區(qū)域面積很小，在Z(i，j)中沒有明顯的峰值，mb表示背景區(qū)域的Z(i，j)值主要集中在mb附近。1. 6.根據(jù)分割閾值tz確定圖像I如何分割，方法為1. 6. Ii = 0，j = 0。1.6.2gO<Z(i，j)彡 tz，則 f(i，j) = 1，表示 w(i，j)為前景，否則 f(i，j)= 0，表示w(i，j)為背景。1.6.3j = j+l。1. 6. 4 ^j<Lwidth/bJ，則轉(zhuǎn) 1. 6. 2，否則執(zhí)行 1. 6. 5。1· 6. 5j = 0，i = i+1。1. 6. 6若i<Lhelght/b」，則轉(zhuǎn)1. 6. 2，否則第一輪分割結(jié)束，執(zhí)行第二步。第二步，對圖像I進(jìn)行第二輪分割，方法為2. 1.標(biāo)記圖像I的紋路像素。對于每個像素(X，y) (0 ^ χ ^ width-1, 0彡y彡height-Ι)，分別用R(x, y) = 1標(biāo)記(x, y)為紋路像素，用R(x, y) = 0標(biāo)記為非紋路像素。方法為2. 1. Ix = 0，y = 0。
2.1.2 i=Ly/b」，j=Lx/b」。2. 1.3如果10^)彡m(i，j)，則R(x，y) = 1標(biāo)記(x,y)為紋路像素，否則用R(x， y) =0標(biāo)記(x,y)為非紋路像素。2. 1. 4x = x+lo2· 1· 5 若 χ < width,則轉(zhuǎn) 2. 1. 2，否則執(zhí)行 2. 1. 6。2. 1. 6x = 0，y = y+1。2· 1· 7 若 y < height，則轉(zhuǎn) 2. 1. 2，否則執(zhí)行 2. 2。2. 2.標(biāo)記圖像I的稀疏紋路像素。對于每個像素(X，y) (0彡χ彡width-1， 0彡y彡height-Ι)，分別用S (x, y) = 1和S (x, y) = 0標(biāo)記(x, y)為稀疏紋路像素或非稀疏紋路像素。方法為2. 2. Ix = 0，y = 0。2. 2. 2標(biāo)記(X，y)為非稀疏紋路像素，即初始化S(x，y) = 0。2. 2. 3若(X，y)為紋路像素，即R(x，y) = 1，則執(zhí)行2. 2. 3. 1和2. 2. 3. 2，否則執(zhí)行 2. 2. 4。2. 2.3.1 R0 = R (x+1，y)、R1 = R (x+1，y+1)、R2 = R (x，y+1)、R3 = R (x_l，y+1)、R4 =R(x-1, y) > R5 = R(x-1, y-1) > R6 = R(x, y-1) > R7 = R (x+1, y-1)。2. 2. 3. 2 如果 R0+R1+R2+R3+R4+R5+R6+R7 ( 4，且存在 k e
,滿足 Rk = 1, Rkl = 0，Rk2 = 0，kl = k+lmod 8，k2 = k+7mod 8，則 S(x，y) = 1，表明(x，y)為稀疏紋路像素。2. 2. 4x = x+lo2. 2. 5 若 χ < width,則轉(zhuǎn) 2. 2. 2，否則執(zhí)行 2· 2· 6。2· 2· 6χ = 0，y = y+1。2. 2. 7 若 y < height,則轉(zhuǎn) 2.2.2，否則執(zhí)行 2. 3。2. 3.統(tǒng)計分割為前景的局部塊的稀疏紋路像素數(shù)，方法為2. 3. Ii = 0，j = 0。
2. 3. 2 若 f(i，j) = 1，則執(zhí)行 2. 3. 2. 1，否則執(zhí)行 2. 3. 3。2. 3.2. 1取一個幾何中心與w(i，j)的幾何中心重合的塊W0 (i，力，統(tǒng)計 ⑴ j)內(nèi)稀疏紋路像素的個數(shù)(即We(i，j)中S(x，y) = 1的紋路像素個數(shù))，記為P(i，j), Ρ( )=Σ(χ，Υ) 一)s(x，y)。對于第一輪分割結(jié)果的前景塊中，有些前景塊并非真正的前景塊
(圖像噪音所致)，這些塊的P(i，j)通常相對較大。2.3.3j = j+l。2. 3. 4 ^j<Lwidth/bJ，則轉(zhuǎn) 2. 3. 2，否則執(zhí)行 2. 3. 5。2. 3. 5j = 0，i = i+1。2. 3. 6 若i<Lheight/b」，則轉(zhuǎn) 2. 3. 2，否則執(zhí)行 2. 4。2. 4.對集合{P(i，j) |f(i，j) =l,0<i<Lheight/bJ, 0勾〈[wulth/b」}進(jìn)行直方統(tǒng)計，
并對直方統(tǒng)計結(jié)果進(jìn)行平滑2. 4. 1 統(tǒng)計出集合{P(i，j) f(i, j) = l,0<i< Lhelght/b」，0勾< [width/b」沖的最大值 ma^Cp = max {P(i, j) f(i, j) = 1,0<i<[height/bj，0<j<[width/bj }ο
和的。圖像塊數(shù)u<o:=xp。2. 4. 3對信號hp (u) (0彡u彡maxP)平滑處理得到平滑信號Hp (U) (0彡u彡maxP)， 方法為2. 4. 3. 1 令 u = 0 ；2. 4. 3. 2 令 Hp(U) = 0 ；2. 4. 3. 3令ui = _e，其中e為取值在5到15之間的正整數(shù)，實(shí)驗(yàn)中e取值為10 ；2. 4. 3. 4HP(u) = Hp (uHhP (u+ui) g2 (e+ui)，其中g(shù)aW=·^^^^^^2. 4. 3. 5ui = ui+1 ；2. 4. 3. 6若ui小于或等于e，轉(zhuǎn)2. 4. 3. 4，否則執(zhí)行2. 4. 3. 7 ；2. 4. 3. 7u = u+1 ；2. 4. 3. 8 若 u 彡 maxP，轉(zhuǎn) 2. 4. 3. 2，否則執(zhí)行 2. 5。2. 5.根據(jù)Hp(U) (0彡u彡rnaxp)計算分割閾值tP，方法為2. 5. 1定位Hp(U) (0彡u彡maxP)中第一個局部極大值的位置P，即HP(P )為從左往右的第一個局部極大值；2. 5. 2分割閾值tP = ρ + τ ( τ —般取35到45之間的整數(shù)，實(shí)驗(yàn)中取40)；2. 6.根據(jù)分割閾值tP對圖像I進(jìn)行第二輪分割，方法為2. 6. Ii = 0, j = 0。2. 6. 2 若 P(i，j) > tP，則賦值 f(i，j) = 0，否則執(zhí)行 2. 3. 3。2.3.3j = j+l。2. 3. 4 ^j<Lwidth/bJ，則轉(zhuǎn) 2. 6. 2，否則執(zhí)行 2. 6. 5。2. 6. 5j = 0，i = i+1。2. 6. 6若i<Lhelght/b」，則轉(zhuǎn)2. 6. 2，否則第二輪分割結(jié)束，執(zhí)行第三步。第三步，對分割結(jié)果進(jìn)行后處理。方法是給定正整數(shù)n，定義開運(yùn)算過程Open (η)
(l)i = 0，j = 0。(2)若 f(i，j) = 1，則執(zhí)行(2.1)，否則執(zhí)行(3)。(2. 1)若集合{w (k，1) I (Kk<Lheight/b」，0《1<[width/b」，| k_i | 彡 η, | l_j | 彡 η,
f(k，l) =1}的元素個數(shù)小于等于2n(n+l)，則賦值f(i，j) = 0，即將該前景塊變?yōu)楸尘皦K。(3)j = j+l。(4) ^j<Lwidth/bJ，則轉(zhuǎn) O)，否則執(zhí)行(5)。(5) j = 0，i = i+1。(6)若i<Lhelght/b」，則轉(zhuǎn) O)，否則結(jié)束。給定正整數(shù)n，定義閉運(yùn)算過程Closing(Ii)(Cl)i = 0，j=0。(C2)若 f(i，j) = 0，則執(zhí)行(C2. 1)，否則執(zhí)行(C3)。(C2. 1)若集合{w(k，1) I (Kk<Lheight/b」，0<l<Lwidth/bJ，| k_i | 彡 η, | l_j | 彡 η, f(k，l) = 1}的元素個數(shù)大于等于2n(n+l)，則賦值f(i，j) = 1，即將該背景塊變?yōu)榍熬皦K。(C3) j = j+lo(C4) ^j<Lwidth/bJ，則轉(zhuǎn)(C2)，否則執(zhí)行(C5)。(C5) j = 0，i = i+1。(C6)若i<Lhelght/b」，則轉(zhuǎn)(C2)，否則結(jié)束。利用開運(yùn)算和閉運(yùn)算進(jìn)行后處理，具體方法為3. 1.執(zhí)行 m 次開運(yùn)算 Open (η)( 一般取 m = 2，η = 2)；3. 2.反復(fù)執(zhí)行閉運(yùn)算Closing(Ii)(—般取η = 2)，直到?jīng)]有圖像塊在閉運(yùn)算中由背景塊變?yōu)榍熬皦K。與現(xiàn)有方法相比，采用本發(fā)明可獲得以下有益效果(1)能夠準(zhǔn)確地分離殘留紋路區(qū)域。因?yàn)闅埩艏y路區(qū)域的灰度值通常較大，灰度差異通常相對較小，第一輪分割利用局部灰度均值m(i，j) (0<i<Lheight/bJ , 0<j<[width/bj) 和局部灰度差異d(i，j) ((Ki<Lhelght/b」，0勾<Lwidth/b」)進(jìn)行分割，第一輪分割的第1. 5步根據(jù)平滑信號Hz (k) (0彡k彡maxz)計算分割閾值tz，因?yàn)槊總€圖像都會得到各自的Hz (k) (0彡k彡maXz)，從而計算出的分割閾值tz也不同，即每個的分割閾值tz是根據(jù)圖像本身的特征計算的，使用分割閾值tz能夠自適應(yīng)地去掉殘留紋路區(qū)域；(2)能夠準(zhǔn)確地分離手指在傳感器表面摩擦移動形成的噪音區(qū)域。這類噪音區(qū)域通常有較多的稀疏紋路像素，第二輪分割通過統(tǒng)計稀疏紋路像素得到平滑信號Hp(U) (0彡u彡maxP)并根據(jù)該信號計算分割閾值tP，因?yàn)槊總€圖像都各自的平滑信號Hp(U) (O^u ^ rnaxp)，因而每個圖像都有各自的分割閾值tP，使用分割閾值tP能夠自適應(yīng)地分離手指在傳感器表面摩擦移動形成的噪音區(qū)域。(3)第一輪分割和第二輪分割中的分割閾值、和、由該發(fā)明的方法自適應(yīng)地計算，使得tZ和tp能夠很好地適應(yīng)不同傳感器采集的圖像。


圖1為本發(fā)明的圖像分塊示意圖。圖2為本發(fā)明的總體流程圖。
圖3本發(fā)明與基于梯度一致性分割方法(Asker M. Bazen and Sabih H. Gerez, Segmentation of Fingerprint Images, Proc. ProRisc 2001 Workshop on Circuits, Systems and Signal Processing, pages 276-280, November 2001) M FVC2000DB 1 ^iM 庫中典型圖像進(jìn)行分割的結(jié)果對比。圖4本發(fā)明與基于梯度一致性分割方法對FVC2000DB2數(shù)據(jù)庫中典型圖像進(jìn)行分割的結(jié)果對比。圖5本發(fā)明與基于梯度一致性分割方法對FVC2002DB3數(shù)據(jù)庫中典型圖像進(jìn)行分割的結(jié)果對比。
具體實(shí)施例方式圖1為本發(fā)明的圖像分塊示意圖。圖像I高度為height，寬度為width，圖像I劃分為bXb(b = 8)的互不重疊的塊，第i行第j列的塊用w(i，j)表示，w(0，0)位于左下角。 對于圖像塊w(i，j), W0 (i, j)是大小為β X β、幾何中心與w(i，j)幾何中心重合的圖像塊。圖2為本發(fā)明總體流程圖假設(shè)圖像為I。將圖像I劃分為大小為bXb(b = 8)的互不重疊的塊，用w(i，j) 表示I的第i行第j列的塊(如圖1所示)，(0《i<Lheight/b」，0《j<LW1dth/b」)。用f(i,j)表示最后的分割結(jié)果，即用f(i，j) = 1表示W(wǎng)(i，j)是前景，用f(i，j) =0表示w(i，j)是背景。本發(fā)明方法的步驟為第一步，對圖像I進(jìn)行第一輪分割，得到初步分割結(jié)果，即計算出f(i，j)的值。第二步，對圖像I進(jìn)行第二輪分割，即根據(jù)稀疏紋路像素對f(i，j)的值進(jìn)行修改。第三步，對f(i，j)進(jìn)行后處理。圖3本發(fā)明的圖像分割方法與基于梯度一致性分割方法對FVC2000DB1數(shù)據(jù)庫中典型圖像進(jìn)行分割的結(jié)果對比。比較實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，現(xiàn)有的基于梯度一致性的方法分割圖像時容易受噪音影響。圖3(a)中圓圈區(qū)域是有效的紋路區(qū)域，采用本發(fā)明時被正確地保留為前景(圖3(b))， 而在基于梯度一致性的方法中被錯誤地分離為背景(圖3(c))；圖3(d)的橢圓區(qū)域是背景區(qū)域，采用本發(fā)明被正確地分離為背景(圖3(e))，而基于梯度一致性的方法中被錯誤地保留為前景(圖3(f))。圖4本發(fā)明的圖像分割方法與基于梯度一致性分割方法對FVC2000DB2數(shù)據(jù)庫中典型圖像進(jìn)行分割的結(jié)果對比。圖4(a)的橢圓區(qū)域是殘留紋路區(qū)域，圖4(d)和4(g)的橢圓區(qū)域是手指在傳感器表面移動形成的噪音區(qū)域，這些區(qū)域應(yīng)作為背景分離，本發(fā)明正確地分離了這些區(qū)域(圖 4(b)、4(e)、4(h))，而基于梯度一致性的方法沒有正確地分離這些區(qū)域(圖4(c)、4(f)、
4α))。圖5本發(fā)明的圖像分割方法與基于梯度一致性分割方法對FVC2002DB3數(shù)據(jù)庫中典型圖像進(jìn)行分割的結(jié)果對比。圖5(a)和(d)的橢圓區(qū)域是殘留紋路區(qū)域，這些區(qū)域應(yīng)該作為背景而分離，本發(fā)明正確地分離了這些區(qū)域(圖5(b)、5(e))，而基于梯度一致性的方法沒有正確地分離這些區(qū)域(圖5(c)、5(f))。殘留紋路區(qū)域和手指運(yùn)動形成的背景區(qū)域的條紋與前景的紋路區(qū)域一樣都有較高的梯度一致性，因而基于梯度一致性的方法難以正確分離這些區(qū)域。這些區(qū)域的灰度對比特征和紋路像素的分布特征與前景區(qū)域有較大的差異，本發(fā)明的方法利用這些差異經(jīng)過兩輪分割有效地分離了這些區(qū)域。同時，本發(fā)明的方法動態(tài)地計算分割閾值，能夠適應(yīng)不同傳感器采集的圖像，圖3、圖4、圖5是不同傳感器采集的圖像，采用本發(fā)明都取得了好的分割結(jié)果，這得益于本發(fā)明方法利用灰度對比特征和紋路像素的分布特征動態(tài)地計算分割閾值。 總的來看，采用本發(fā)明能夠正確地分離殘留紋路區(qū)域和手指在傳感器表面運(yùn)動形成的噪音區(qū)域，能夠適應(yīng)不同傳感器采集的指紋圖像。
權(quán)利要求
1. 一種指紋圖像分割方法，其特征在于包括以下步驟 第一步，對圖像I進(jìn)行第一輪分割，獲得初步分割結(jié)果，方法為 1. 1.采用步驟1. 1. 1至1. 1. 6計算每個圖像塊的局部平均灰度值，所述圖像塊是指對于高度為height,寬度為width的圖像是I，用(x, y)表示圖像I第χ列第y行的像素，I (χ, y)是該像素的灰度值，0 < χ ^ width-1,0^ y ^ height-1，將圖像I劃分為大小為bxb的互不重疊的塊，b為小于等于30的正整數(shù)，用w(i，j)表示I的第i行第j列的塊，以圖像 I的最左下角的塊為第0行第0列，0《i<Lhelght/b」，0<j<Lwidth/bJ, “L」”表示下取整； 1. 1. 1 初始化 i = 0，j = 0 ；1.1.2取一個大小為β X β、幾何中心與w(i，j)幾何中心重合的圖像塊，記為W0 (i， j)，計算We(i，j)內(nèi)像素的平均灰度值，即為圖像塊w(i，j)的局部平均灰度值，記為m(i， j) ； β的取值大于b ；1. 1. 3j = j+1 ；1. 1. 4 若j<Lwidth/b」，則轉(zhuǎn) 1. 1. 2，否則執(zhí)行 1.1.5； 1. 1. 5j = 0，i = i+1 ；1. 1. 6 若i<Lhelght/b」，則轉(zhuǎn) 1. 1. 2，否則執(zhí)行 1. 2 ；1.2.計算每個圖像塊的局部灰度差異，方法為 1. 2. Ii = 0，j = 0 ；1.2.2將 (土，」)內(nèi)所有灰度值小于m(i，j)的像素的灰度值相加，再除以W0 (i，j)內(nèi)灰度值小于m(i，j)的像素的個數(shù)Cl(i，j)，得到We(i，j)內(nèi)灰度值小于m(i，j)的像素的平均灰度值Hl1(Lj)；1.2.3將 (土，」)內(nèi)所有灰度值大于m(i，j)的像素的灰度值相加，再除以W0 (i，j)內(nèi)灰度值大于m(i，j)的像素的個數(shù)c2(i，j)，得到We(i，j)內(nèi)灰度值大于m(i，j)像素的平均灰度值叫⑴j)；1.2.4計算圖像塊奴1，力對應(yīng)的灰度差異d(i，j) =m2(i，j)-mi(i，j)； 1. 2. 5j = j+1 ；1. 2. 6 若j<Lwidth/b」，則轉(zhuǎn) 1. 2. 2，否則執(zhí)行 1.2. 7 ； 1. 2. 7j = 0，i = i+1 ；1. 2. 8 gi<Lheight/b」，則轉(zhuǎn) 1. 2. 2，否則執(zhí)行 1. 3 ；1.3.計算每個圖像塊局部平均灰度與局部灰度差異的比，方法為 1. 3. Ii = 0，j = 0 ；1.3.2如果Cl(i，j)和c2(i，j)均大于0，則圖像塊w(i，j)的局部平均灰度與局部灰度差異的比Z(i，j) = [m(i，j)/d(i，j)]，否則Z(i，j) =-1，其中“ □”表示四舍五入后取整；1. 3. 3j = j+1 ；1. 3. 4 若j<Lwidth/b」，則轉(zhuǎn) 1. 3. 2，否則執(zhí)行 1.3. 5 ； 1. 3. 5j = 0，i = i+1 ；1. 3. 6 gi<Lheight/b」，則轉(zhuǎn) 1. 3. 2，否則執(zhí)行 1. 4 ；1.4.對集合{Z(i，j)|Z(i, j)彡o，o《i<Lheight/b」，0爾Lwl她/b」}進(jìn)行直方統(tǒng)計，得到直方統(tǒng)計圖hz(k)，0 < k < ，并對直方統(tǒng)計圖t!z(k)進(jìn)行平滑，得到平滑直方統(tǒng)計圖 Hz(k)，0彡k彡maxz, maxz為Z(i，j)彡0的圖像塊中Z(i，j)的最大值，方法為(1.4. 1 統(tǒng)計出集合{Z(i，j) |Z(i，j)彡 0，0《i<Lheight/b」，0《j<Lwidth/b」}中的最小值 minz、最大值maxz禾口平均值mz ；！ /f O WU π0k<0^k>maxz(1. 4. 2 ^hW^ZU^k的圖像塊數(shù)(Kk<maxz(1. 4. 3對信號hz(k),0^k^ maxz進(jìn)行平滑處理，得到平滑信號Hz (k)，0彡k彡maxz, 步驟為(1. 4. 3. 1 令 k = 0 ； 1. 4. 3. 2 令 Hz (k) = 0 ；(1. 4. 3. 3 令 ki = -a，其中 a = max {[ (mz_minz) /2]，1}，max {}表示取最大值； 1. 4. 3. 4HZ (k) = Hz (k) +hz (k+ki) gl (a+ki)，其中M㈨a°|x<t ； 1. 4. 3. 5ki = ki+1 ；(1. 4. 3. 6 若 ki 彡 a，轉(zhuǎn) 1. 4. 3. 4，否則執(zhí)行 1. 4. 3. 7 ； 1. 4. 3. 7k = k+1 ；(1. 4. 3. 8 若 k 彡 maxz,轉(zhuǎn) 1. 4. 3. 2，否則執(zhí)行 1. 5 ； 1. 5.根據(jù)平滑信號Hz (k)，0彡k彡maxz計算分割閾值tz，方法為 1. 5. 1定位出Hz (k)取最大值的位置mf = arg maxk{Hz (k) | 0彡k彡maxz}，即Hz (mf)是 Hz (k)的最大值；(1. 5. 2找到Hz (k)在mf < k < maxz范圍內(nèi)所有局部極大值的位置，放入集合B中，方法為(1. 5. 2. 1 令 k = mf+l,B=0；(1. 5. 2. 2 若 Hz (k-1) < Hz (k)且 Hz (k) > Hz (k+1)，則將 k 加入 B 中； 1. 5. 2. 3k = k+1 ；(1. 5. 2. 4 若 k < maxz,則轉(zhuǎn) 1. 5. 2. 2 ；(1. 5. 3 若B=0，則閾值 tz = λ .mf，λ 取常數(shù) 3 ；若防0 JlJmb = arg maxk{Hz(k) k e B}， mt = arg mink{Hz(k) |mf < k < mj，tz = min{λ · mf，mj ； 1. 6.根據(jù)分割閾值tz確定圖像I如何分割，方法為 1. 6. Ii = 0，j = 0 ；(1.6. 2 若0 彡 Z(i，j)彡 tz，則 f(i，j) = 1，表示 w(i，j)為前景，否則 f(i，j) =0，表示w(i，j)為背景； 1. 6. 3j = j+1 ；(1.6.4 若j<Lwidth/b」，則轉(zhuǎn) 1.6.2,否則執(zhí)行 1.6. 5 ； 1. 6. 5j = 0，i = i+1 ；(1.6. 6若i<Lheight/b」，則轉(zhuǎn)1. 6. 2，否則第一輪分割結(jié)束，執(zhí)行第二步；第二步，對圖像I進(jìn)行第二輪分割，方法為(2.1.標(biāo)記圖像I的紋路像素，對于每個像素(χ，y)，分別用R(x，y) = 1標(biāo)記(x，y)為紋路像素，用R(x，y) = 0標(biāo)記為非紋路像素，方法為·2. 1. Ix = 0, y = 0 ；·2.1.2 i=Ly/bJ,j=Lx/bJ； 2. 1.3如果I(x，y) <m(i，j)，則R(x，y) = 1標(biāo)記(x，y)為紋路像素，否則用R(x，y) =0標(biāo)記(X，y)為非紋路像素； 2. 1. 4x = x+1 ；·2. 1. 5 若 χ < width,則轉(zhuǎn) 2. 1. 2，否則執(zhí)行 2. 1. 6 ； 2. 1. 6x = 0, y = y+1 ；·2. 1. 7 若 y < height,則轉(zhuǎn) 2. 1. 2，否則執(zhí)行 2. 2 ；·2.2.標(biāo)記圖像I的稀疏紋路像素，對于每個像素0^，7)，分別用3(^7)=l*S(x，y) =0標(biāo)記(X，y)為稀疏紋路像素或非稀疏紋路像素，方法為 ·2. 2. Ix = 0, y = 0 ；·2. 2. 2標(biāo)記(X，y)為非稀疏紋路像素，即初始化S (X，y) = 0 ；·2. 2. 3若(X，y)為紋路像素，即R(x，y) = 1，則執(zhí)行2. 2. 3. 1和2. 2. 3. 2，否則執(zhí)行 2.2.4；·2. 2. 3. IR0 = R(x+1, y)、R1 = R(x+1, y+1)、R2 = R(χ, y+1)、R3 = R(x_l, y+1)、R4 = R(x-1, y) > R5 = R(x-1，y-1) > R6 = R(x, y-·1)、R7 = R(x+1，y-1)；·2. 2. 3. 2 如果 R0+R1+R2+R3+R4+R5+R6+R7 ( 4，且存在 k e
，滿足 Rk = l,Rkl = 0,Rk2 =0，kl = k+lmod 8，k2 = k+7mod 8，則 S(x，y) = 1，表明(x，y)為稀疏紋路像素； 2. 2. 4x = x+1 ；·2. 2. 5 若 χ < width,則轉(zhuǎn) 2.2.2，否則執(zhí)行 2. 2. 6 ； 2. 2. 6x = 0, y = y+1 ；·2. 2. 7 若 y < height,則轉(zhuǎn) 2.2.2’ 否則執(zhí)行 2. 3 ；·2.3.統(tǒng)計分割為前景的局部塊的稀疏紋路像素數(shù)，方法為 2. 3. Ii = 0，j = 0 ；·2. 3. 2 若 f(i，j) = 1，則執(zhí)行 2. 3. 2. 1，否則執(zhí)行 2. 3. 3 ；·2. 3. 2. 1取一個幾何中心與w (i，j)的幾何中心重合的塊W0 (i，j)，統(tǒng)計W0 (i，j)內(nèi)稀疏紋路像素的個數(shù)，記為 P(i，j)，p(i,j)= Z(x,y)-w^(U)S(x,y)； ·2. 3. 3j = j+1 ；·2. 3. 4 若j<Lwidth/b」，則轉(zhuǎn) 2. 3.2,否則執(zhí)行 2. 3. 5 ； 2. 3. 5j = 0，i = i+1 ；·2. 3. 6 gi<Lheight/b」，則轉(zhuǎn) 2. 3. 2，否則執(zhí)行 2. 4 ；·2.4.對集合{P(i，j)f(i, j) = l,0<i<Lheight/bJ, 0氺hidth/b」}進(jìn)行直方統(tǒng)計，并對直方統(tǒng)計結(jié)果進(jìn)行平滑·2. 4. 1 統(tǒng)計出集合{P(i，j) f(i,j) = l,0<i< Lhelght/b」，0 氺 LwMth/b」沖的最大值 maxp = max{P(i, j) f (i, j) = l,0<i<[height/bj，0<j<Lwidth/bJ};？ 4 PhPii^ip(1J)=U的圖像塊數(shù) O^^maxp · Ζ. 4. Z np^u; IOu<0^u>maxp，·2. 4. 3對信號hP (U)，0彡U彡maxp,平滑處理得到平滑信號Hp (U)，0彡U彡maxP,方法為·2. 4. 3. 1 令 U = 0 ； 2. 4. 3. 2 令 Hp (U) = 0 ；·2. 4. 3. 3令Ui = -e，其中e為取值在5到15之間的正整數(shù)；·2. 4. 3. 4HP(U) = HP(U)+hP(U+Ui)g2(e+Ui)，其中
2.如權(quán)利要求1所述的一種指紋圖像分割方法，其特征在于所述b= 8。
3.如權(quán)利要求1所述的一種指紋圖像分割方法，其特征在于所述β= 15。
4.如權(quán)利要求1所述的一種指紋圖像分割方法，其特征在于所述e取值為10。
5.如權(quán)利要求1所述的一種指紋圖像分割方法，其特征在于所述τ取40。
全文摘要
本發(fā)明公開了一種指紋圖像分割方法，目的是提供一種新的指紋圖像分割方法，解決殘留紋路區(qū)域的分割問題。技術(shù)方案是對圖像進(jìn)行兩輪分割，第一輪分割采用灰度統(tǒng)計特征，分割閾值通過直方圖確定；第二輪分割對紋路像素的分布進(jìn)行分析，通過統(tǒng)計稀疏紋路像素而進(jìn)行分割。最后利用開運(yùn)算和閉運(yùn)算對分割結(jié)果進(jìn)行后處理。采用本發(fā)明既能將殘留紋路區(qū)域正確地分類為背景，又能分離由于手指在傳感器表面刮插移動而形成的噪音區(qū)域，且自適應(yīng)地計算分割閾值，通用性高，適用于不同傳感器采集的圖像。
文檔編號G06K9/00GK102208021SQ20111020513
公開日2011年10月5日 申請日期2011年7月21日 優(yōu)先權(quán)日2011年7月21日
發(fā)明者官群健, 朱信忠, 李永, 殷建平, 祝恩, 趙建民 申請人:中國人民解放軍國防科學(xué)技術(shù)大學(xué)