基于梯度投影和形态学的指纹图像分割方法技术

基于梯度投影和形态学的指纹图像分割方法，属于图像处理技术领域。首先计算原始指纹图像的横、纵向一阶差分图像Ｇ↓［ｘ］、Ｇ↓［ｙ］和梯度图像▽ｆ；然后利用梯度图像▽ｆ在横向和纵向的投影曲线确定大致指纹前景区域；然后对大致指纹前景区域图像进行分块，利用梯度方向一致性阀值去除模糊区域；然后对去除了模糊区域的大致指纹前景区域图像的梯度值二值化，利用尺寸大于两相邻脊线之间距离的模板对梯度二值图像进行闭操作和开操作，得到指纹分割模板；最后将原始指纹图像同指纹分割模板进行点乘运算，得到最终的指纹前景区域图像。本发明专利技术的指纹分割算法均建立在指纹的梯度图之上，所以其计算量比较小，而且通过形态学操作之后的指纹前景轮廓也较平滑。

【技术实现步骤摘要】

本专利技术属于图像处理
，特别涉及指纹识别技术中的指纹图像处理技术。技术背景生物特征识别技术是为了进行身份验证而采用自动技术测量其身体的特征或是个人的行 为特点，并将这些特征或特点与数据库的模板数据进行比较，完成身份认证的一种解决方案。 作为生物识别技术中最为成熟和方便的成员，指纹识别技术已成功应用于社会的各个领域。 如门禁、考勤系统、电子商务、ATM自动提款机以及罪犯身份鉴定系统等。依赖指纹识别 技术建立的指纹自动识别系统作为一种安全可靠的身份识别方法，随着光学扫描技术和RPID 技术的发展，个人的指纹信息能够潜入到IC中，使得指纹识别可以在更广泛的领域中得以发 展。详见文献Anil Jain, On-Line Fingerprint Verification, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 19, NO. 4, APRIL 1997;和文献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。在指纹自动识别系统中，指纹图像分割是一个重要的环节，指纹图像分割能够去除指纹 图像中的不可恢复的前景区域和背景区域，从而提高计算效率。同时，去除低质量区域的指 纹能够减少伪特征点的提取，从而保证识别的正确率。指纹的低质量区域通常由以下几种情 形造成(1)采集仪上存在污质，仪器参数设置的不恰当；(2)手指的过干，太湿等。目前， 大部分指纹分割方法需要计算多个指纹分割特征，然后再使用分类器来判定指纹的前景和背 景。要计算这些指纹分割特征，不但要耗费大量的时间，而且所得到的分类结果也是基于局 部信息的。为此，要设计一种能够快速而有效的指纹分割算法对实时性要求很强的指纹识别 系统显得尤为必要。详见文献Mehtre B M. Segmentation of fingerprint images-a composite method. Pattern Recognition, 1989, 22(4): 38卜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 禾口文献WANG Sen, WANG Yang-Shen. New features extraction and Application in Fingerprint Segmentation. ACTA AUTOMATIC A SINIC, Vol.29, No.4, July 2003所述。目前常用的使用指纹图像分割方法有(1 )采用方向滤波器与经验阀值结合的方法。参见文献Lin Hong, Yi Fei Wan and Anil Jain "Fingerprint Image Enhancement: Algorithm and Performance Evaluation" IEEE Transactions on PAMI, Vol. 20, No. 8,pp.777-789， August 1998(2) 采用指纹图像灰度值的方向方差的方法。参见文献A.K. Jain, L. Hong and R. Bolle, "On-line Fingerprint Verification", IEEE Transactions on PAMI, Vol. 19, No. 4, pp. 302-314, 1997.(3) 基于方向信息和对比度信息的D-S理论的分割方法。参见文献唐良瑞，基于D-S 证据理论的指纹图像分割方法，计算机学报，2003， 26 (7): 887-892(4) 基于HMM模型的分割方法。参见文献Klein S, Bazen A， Veldhuis R. Fingerprint image segmentation based on Hidden Markov models. In: Proc. ProRISC2002.310-318上述指纹分割算法都是建立在"块信息"的基础之上，因此得到的指纹分割后的前景区域 的边缘参差不齐，平滑度不够；其中方法(1)和(2)考虑的因素太少，因而对于低质量指 纹图像的分割会产生很大的偏差；而方法(3)和(4)虽然考虑到了各种因素，但是其计算 量显得过大。
技术实现思路
本专利技术提供一种，能够在较短的时间内有效 去除指纹图像的背景区域和指纹图像中不可复原的低质量区域，从而分割出指纹前景区域图 像。本专利技术的指纹分割方法综合考虑了指纹的各种低质量区域的特征，所采用的形态学操作 是基于指纹的边缘图像，而不是如
技术介绍
中的对分割后的"块"进行形态学操作，因此本 专利技术的指纹分割算法分割出来的指纹前景区域的轮廓比较平滑。为了方便地描述本
技术实现思路
，首先对一些术语进行定义。定义l:指纹。手指末端正面皮肤上凹凸不平的纹路。定义2:灰度图像。图像中只包含亮度信息而没有任何其他颜色信息的图像。定义3: —阶灰度差分。在灰度图像中，在某一方向上的相邻像素的灰度差作为该处的 一阶差分值。一阶差分能够突出图像的垂直边缘信息，便于边缘提取。定义4:梯度图像。由图像中的每一像素处的梯度所组成的矩阵。梯度反映了图像中像素的变化程度，通常用于检测图像的边缘。定义5:灰度图像投影。在某一方向上对所有像素灰度进行累加。投影方法通常用于确 定图像中的目标物的位置。定义6: 二值化。把整幅图像的所有值转化成只有两种值的过程， 一般这两种值为0和1或者0和255。当图像上的值大于等于二值化的阀值的时候，该点的值二值化为l (或255); 当图像上的值小于二值化阀值的时候，该点的值二值化为0。定义7:数学形态学。用具有一定形态的结构元素去量度和提取图像中对应形状以达到 对图像分析和识别的目的。数学形态学的基本运算有4个膨胀(或扩充)、腐蚀(或侵蚀)、 开启和闭合。"膨胀"运算公式为J@B = {x|(》L，J#^ ;"腐蚀"运算公式为爿05 = ^|(5)1^^ ;"开启"运算公式为爿。5 =(爿05)@5;"闭合"运算公式为爿08 = (^@5) 3。其中j为图像集合，S为结构元素，A表示做关于原点的映射，(L表示平移x， n表示交集，-表示空集，g表式全包含，e为膨胀运算符，0为腐蚀运算符，。为 开启运算符，u为闭合运算符。定义8:点乘运算。将一个矩阵同另外一个相同维数的矩阵进行对应点的乘积运算。定义9:梯度方向一致性。用于反映纹路的方向性计算，通常指纹前景区的梯度方向一 致性较本文档来自技高网...

【技术保护点】
基于梯度投影和形态学的指纹图像分割方法，包含下述步骤：　步骤１、计算原始指纹图像ｇｒａｙ的梯度图像▽ｆ，具体包括下述步骤：　步骤１－１、分别计算原始指纹图像ｇｒａｙ的横向一阶差分图像Ｇ↓［ｘ］和纵向一阶差分图像Ｇ↓［ｙ］，　步骤１－２、由横向和纵向一阶差分图像计算原指指纹图像的梯度图像▽ｆ：　▽ｆ＝［Ｇ↓［ｘ］↑［２］＋Ｇ↓［ｙ］↑［２］］↑［１／２］　步骤２、找出指纹前景区域的边界以确定大致指纹前景区域，得到大致指纹前景区域图像，具体包括下述步骤：　步骤２－１、分别对梯度图像▽ｆ在横向和纵向进行投影，得到横向投影曲线ｈ（ｉ）和纵向投影曲线ｖ（ｉ）；　步骤２－２、在横向投影曲线ｈ（ｉ）上，找到梯度最大值所在的位置，然后向两边搜索；当搜索到ｈ（ｉ）曲线上的局部极小值点，且该点的梯度值小于Ｌｏｗｅｒ　Ｍｅａｎ，则该点所在的水平位置为指纹前景的水平边界线的位置；这样，我们就可以确定指纹前景区域的上边界ｔｏｐ＿ｂｏｕｎｄ和下边界ｂｏｔ＿ｂｏｕｎｄ；其中Ｍｅａｎ代表横向投影曲线ｈ（ｉ）的梯度平均值，Ｌｏｗｅｒ　Ｍｅａｎ代表横向投影曲线上的梯度值小于Ｍｅａｎ的所有点的梯度平均值；　步骤２－３、同步骤２－２，通过纵向投影曲线ｖ（ｉ）找到指纹前景区域的左边界ｌｅｆｔ＿ｂｏｕｎｄ和右边界ｒｉｇｈｔ＿ｂｏｕｎｄ；　步骤３、去除步骤２所得的大致指纹前景区域图像中的模糊区域，具体包括下述步骤：　步骤３－１、将步骤２中所确定的大致指纹前景区域图像划分成ｗ×ｗ的块，然后计算每个块的梯度方向一致性：　Ｃｏｈ＝｜∑↓［Ｗ］（Ｇ↓［ｓ，ｘ］，Ｇ↓［ｓ，ｙ］）｜／∑↓［Ｗ］｜（Ｇ↓［ｓ，ｘ］，Ｇ↓［ｓ，ｙ］）｜＝＊＊＊／Ｇ↓［ｘｘ］＋Ｇ↓［ｙｙ］　Ｇ↓［ｓ，ｘ］＝Ｇ↓［ｘｘ］－Ｇ↓［ｙｙ］，Ｇ↓［ｓ，ｙ］＝２Ｇ↓［ｘｙ］　Ｇ↓［ｘｘ］＝∑↓［Ｗ］Ｇ↓［ｘ］↑［２］，Ｇ↓［ｙｙ］＝∑↓［Ｗ］Ｇ↓［ｙ］↑［２］，Ｇ↓［ｘｙ］＝∑↓［Ｗ］Ｇ↓［ｘ］Ｇ↓［ｙ］　其中Ｃｏｈ为ｗ×ｗ块的梯度方向一致性值，Ｇ↓［ｘ］和Ｇ↓［ｙ］分别代表指纹的横向和纵向差分图像，而Ｇ↓［ｓ，ｘ］，Ｇ↓［ｓ，ｙ］，Ｇ↓［ｘｘ］，Ｇ↓［ｘｙ］，Ｇ↓［ｙｙ］为中间变量，∑↓［Ｗ］表示对ｗ×ｗ块内的所有元素进行累加操作；　步骤３－２、设定梯度方向一致性的阀值，并将梯度方向一致性小于该阀值的块看成模糊区域，将其从大致指纹前景区域图像中删除；　步骤４、对步骤３所得去除了模糊区域的大致指纹前...

【技术特征摘要】

【专利技术属性】
技术研发人员：解梅，俞成浦，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：90[中国|成都]