本发明专利技术公开一种基于复合窗口SIVV特征的指纹图像分割方法，包括如下步骤：将原始指纹图像分割成一系列互不重叠的内窗口；对分割出的每个内窗口，分别以该内窗口为中心取外窗口，并将各外窗口与同等大小的2D Blackman窗进行对应元素相乘，得到该外窗口的子图；对每个外窗口的子图计算SIVV特性曲线；根据得到的SIVV特性曲线对内窗口进行取舍，完成指纹图像指纹前景区域与背景区域的分割。本发明专利技术的目的，在于提供一种基于复合窗口SIVV特征的指纹图像分割方法，其具有抗噪能力强、鲁棒性好、能够兼顾分割精度和运算时间的特点。
【技术实现步骤摘要】
【专利摘要】本专利技术公开一种基于复合窗口SIVV特征的指纹图像分割方法，包括如下步骤：将原始指纹图像分割成一系列互不重叠的内窗口；对分割出的每个内窗口，分别以该内窗口为中心取外窗口，并将各外窗口与同等大小的2D?Blackman窗进行对应元素相乘，得到该外窗口的子图；对每个外窗口的子图计算SIVV特性曲线；根据得到的SIVV特性曲线对内窗口进行取舍，完成指纹图像指纹前景区域与背景区域的分割。本专利技术的目的，在于提供一种基于复合窗口SIVV特征的指纹图像分割方法，其具有抗噪能力强、鲁棒性好、能够兼顾分割精度和运算时间的特点。【专利说明】—种基于复合窗口 SIVV特征的指纹图像分割方法
本专利技术属于数字图像处理中的自动指纹识别领域，特别涉及一种基于复合窗口SIVV特征的指纹图像分割方法。
技术介绍
生物特征识别技术是根据每个人独有的可以采样和测量的生物学特征和行为学特征进行身份识别的技术。由于生物特征不像各种证件类持有物那样容易窃取，也不像密码、口令那么容易遗忘或破解，所以在身份识别上体现了独特的优势，近年来在国际上被广泛研究。自动指纹识别系统(AFIS)由于其体积小、成本低、易操作、可靠性高等优点越来越受到人们的青睐，成为最重要的生物识别技术之一。一般的自动指纹识别系统包括:图像采集、图像分割、方向场估计、图像增强、二值化及细化、特征点提取、特征匹配等部分。指纹图像分割作为整个系统中除图像采集后的第一步，其主要任务是分割出指纹图像中的前景区域(指纹区域)及背景区域(非指纹区域)，参见文献，使后续的处理只需要针对前景区域，以利于提高整个系统的识别速率和准确性。目前，已有主流的指纹图像分割方法是先将整幅指纹图像分为一系列互不重叠的小块，然后对每一个小块提取若干特征，最后通过融合已提取的特征来判断每个小块是属于前景区域还是背景区域，参见文献_。这些特征一般包括:灰度值统计特征(如灰度均值、灰度方差等)、局部方向性特征(如方向一致性等)和纹线特征(如脊线频率等)。这些方法的大体思路都一致，可称之为基于特征融合判决的指纹分割方法，它们之间的不同之处在于:(1)提取的特征有所不同，有的文献中使用灰度均值、灰度方差和方向一致性，有的则使用块聚集度、灰度均值、灰度方差组合在一起进行分割；(2)组合已提取的特征来进行判决的方法不同，如文献使用线性分类器，文献使用D-S证据理论，文献使用HMM等。相对于基于特征融合判决的指纹分割方法，还有一类是基于分级处理思想的指纹分割算法，见文献、，如文献将指纹图像分为非指纹区域、不能正确估计方向场区域、残留指纹区域及真实指纹区域，其中前3个区域对应于本文的背景区域，真实指纹区域对应于前景区域，在分割时，作者先用第一级分割将图像中的非指纹区域及不能正确估计方向场的区域去除，然后再采用二级分割将残留指纹区域及真实指纹区域分割开来。基于对已有指纹图像分割方法的分析及指纹图像分割问题本质的认识，可以将指纹图像分割看成一个两类别分类问题。对于一个分类问题，其分类的效果完全取决于分类特征的提取以及分类算法的选择，其中，分类特征的提取起着至关重要的作用，提取出具有较强鉴别能力的特征往往会使整个分类工作起到事半功倍的效果。现有的各种指纹分割算法大多在空域下通过获取各种特征，如灰度值统计特征、局部方向性特征，利用这些特征进行组合判断当前块是否为指纹前景区域。但指纹图像有明显的纹理特征，而空域不能够很好地提取出指纹图像纹理性特征。同时指纹图像由于采集设备表面、指纹皮肤的清洁程度以及采集设备本身的影响等，会产生大量噪声，这就产生指纹背景区域的灰度方差值变大、一致性降低等后果。SIVV(Spectral Image Validat1nand Verificat1n,光谱图像验证与认证)特征由于能够很好地反应指纹的纹理特征,并对噪声具有很强的鲁棒性，见文献、，本专利技术人试图将这一特征引入指纹图像分割中,本案由此产生。前文涉及的参考文献如下: Xinj ian Chen, Jie Tian, Jiangang Cheng, Xin Yang.Segmentat1n offingerprint images using linear classifier.EURASIP Journal on Applied SignalProcessing2004:4, 480 - 494. B.M.Mehtre，N.N.Murthy，S.Kapoor, and B.Chatterj ee.Segmentat1n of fingerprint images using direct1nal image.PatternRecognit1n, 1987，20 (4): 429 - 435.B.M.Mehtre and B.Chatterjee.Segmentat1n of fingerprint images - Acomposite method.Pattern Recognit1n, 1989，22 (4): 381 - 385，1989.唐良瑞，谢晓辉，蔡安妮，孙景鳌.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. L.Hongj Y.F.Wang, A.K.Jain.Fingerprint image enhancement: algorithm andperformance evaluat1n.1EEE Trans.Pattern Anal.Mach.1ntellj 1998，20 (8): 777 - 789.N.Rathaj S.Chen, A.K.Jain.Adaptive flow orientat1n-based featureextract1n in fingerprint images.Pattern Recognit1n, 1995，28 (11): 1657 - 1672. S.Klein, A.Bazen，R.VeIdhuis.Fingerprint image segmentat1nbased on hidden markov models.Proceedings of the 13th Annual Workshop onCircuits, Systems, and Signal Processing, 2002，310 - 318.耿茵茵，唐良瑞.指纹图像分级分割算法.北方工业大学学报，2000，12 (3):21-26En Zhu，Jianping Yin, Chunfeng Hu，Guomin Zhang.A systematic methodfor fingerprint ridge orientat1n estimat1n and image segmentat1n.PatternRecognit1n, 2006，39:1452-1472. Libert，John M.，John Grantham, and Shahram Orandij alD spectral imagevalidat1n/verificat1n metric for fingerprints, 2009，NISTIRj 7599. Guan Hj Dien本文档来自技高网...
【技术保护点】
一种基于复合窗口SIVV特征的指纹图像分割方法，其特征在于包括如下步骤：(1)将原始指纹图像分割成一系列互不重叠的内窗口，每个内窗口的大小均为Win×Win；(2)对步骤(1)中分割出的每个内窗口，分别以该内窗口为中心取尺寸为Wout×Wout的外窗口，并将各外窗口与同等大小的2D Blackman窗进行对应元素相乘，得到该外窗口的子图；(3)对每个外窗口的子图计算SIVV特性曲线；(4)根据步骤(3)得到的SIVV特性曲线对内窗口进行取舍，完成指纹图像指纹前景区域与背景区域的分割。
【技术特征摘要】
【专利技术属性】
技术研发人员：梅园，赵波，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。