本发明专利技术公开了一种指纹图像灰度规范化方法，要解决的技术问题是：解决分块效应问题，且运算速度快，具有较好的实时性。技术方案是对图像进行无重叠分块，对与当前块中心重合但比当前块更大的块计算灰度直方统计特征，使用灰度直方均衡与灰度拉伸进行灰度规范化，当处理完一个图像块后处理下一个相邻的图像块时采用增量式方法计算图像块的灰度直方统计特征，最后用灰度规范化结果覆盖原始图像。采用本发明专利技术克服分块效应的问题，且速度更快，具有更好的实时性，能够更好地用于实时嵌入式系统。
【技术实现步骤摘要】
本专利技术涉及计算机科学中指纹识别领域的指纹图像预处理方法，尤其是对指纹图 像的灰度规范化方法。
技术介绍
指纹识别作为一种基于生物特征的身份认证技术得到越来越广泛的应用。高性能 的指纹识别系统需要高正确率而且快速的特征提取与匹配算法。特征提取通常经过方 向计算、图像分割、图像增强、纹路提取与细化、细节点特征提取与筛选的过程。为 了提高特征提取的正确率，通常在特征提取前先对图像灰度进行规范化预处理。不同 采集设备采集的指纹图像或者同一采集设备在不同条件下采集的指纹图像具有不同 的灰度特征，指纹图像灰度规范化是指对指纹图像的灰度进行调整，使得具有不同灰 度对比特征的图像经过规范化后具有相似的灰度对比特征，同时使得同一图像内不同 纹路区域具有相似的灰度对比特征，通过灰度规范化可以縮小不同图像之间的灰度特 征差异，增强指纹图像的纹路与纹谷的灰度对比，从而提高特征提取算法的适应能力。Lin Hong (Lin Hong， Yifei Wan, Anil Jain. Fingerprint Image Enhancement: Algorithm and Performance Evaluation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(8):777-789)提出了基于灰度均值与方差的指纹图像灰度 规范化方法假设指纹图像/的平均灰度为M，灰度方差为K4/ ，期望规范化后的灰 度均值为M0，期望规范化后的灰度方差为^4及0，经过规范化后，像素(/，力原有灰 度值/(/,力变为新灰度值G(/,力 <formula>formula see original document page 4</formula>Hong方法对整个图像进行处理，M和K4i 是由整副图像计算出来的。许多图像不同 的纹路区域有着不同的灰度特征，因而这种方法不能縮小不同纹路区域的灰度特征差 异，只能规范化整个图像的灰度均值和方差，在规范化后的图像中不同的局部纹路区域之间灰度特征差异较大。为了能够规范化指纹图像每个局部区域的灰度特征，Byung-Gyu Kim (Byung-Gyu Kim, Dong-Jo Park. Adaptive Image Normalisation Based on Block Processing for Enhancement of Fingerprint Image. Electronics Letters, 2002, 38(14): 696-698)对每个局部块釆用基于灰度均值与方差的方法进行灰度规范化，这种方法 将图像划分为不重叠的图像块，计算每个图像块的灰度均值和方差，然后采用公式(l) 对局部图像块进行灰度规范化。这种方法使得同一图像中不同的局部纹路区域之间具 有相似的灰度特征，但容易产生分块效应由于将图像分割成不重叠的块，做为规范 化参数的均值和方差由该块计算，使得规范化后块与块之间无法平滑地衔接。Kim方法可以进一步改进以克服分块效应。在对某个局部图像块进行灰度规范 化时，Kim方法计算该块的灰度均值M和灰度方差E4i 作为规范化参数，再用公式 (l)计算每个像素的新灰度。假设局部块的大小为ax"，当前块的中心点为(i，j)，可取以(i,j)为中心、大小为/ X》(;5>")的块，计算这个更大的块的灰度均值M'初灰度方差K4/ '做为规范化当前块的参数。/ - 越大，则分块效应越不明显，但需要更多 的CPU时间。这种方法叫Kim扩展方法。总结起来，Hong方法灰度规范化结果中容易使得各局部纹路区域灰度特征明显 不同，有的局部区域纹路纹谷灰度对比不能得到加强；Kim方法可以克服Hong方法 的问题，但容易产生分块效应；Kim扩展方法可以克服分块效应，但需要更多的CPU 时间，损失了算法的运行速度，不利于用于实时系统。因此，如何克服分块效应并提 高灰度规范化速度是本领域技术人员极为关注的技术问题。
技术实现思路
本专利技术要解决的技术问题是在解决指纹图像灰度规范化不同局部纹路区域灰度 特征不同的问题的同时，解决分块效应问题，且运算速度快，具有较好的实时性。为了解决上述技术问题，本专利技术的技术方案为对图像进行无重叠分块，对与当 前块中心重合但比当前块更大的块计算灰度直方统计特征，使用灰度直方均衡与灰度 拉伸进行灰度规范化，当处理完一个图像块后处理下一个相邻的图像块时采用增量式 方法计算图像块的灰度直方统计特征。具体技术方案为第一步，对指纹图像分块，方法是将待进行灰度规范化的指纹图像/分成大小为axa的互不重叠的块。图像/的高度为height,宽度为width,图像/第/行第j'列像 素0',力的灰度值为/(> ,_/) (0< /je/g似，0S < wW决)。被分割成的大小为"xa的互不 重叠的图像块称为A类图像块，所有A类图像块组成一个A类图像块矩阵，用^(d,q/) 标识该矩阵的第c/行、第q/'列的A类图像块，矩阵的行和列从O开始编号，0《d， OScy。对于每个A类图像块4(c/,c力，取一个中心与Z(c7',q/)重合、大小为;6x/ 的矩形区域，这个矩形区域用^(d,g')表示，称为B类图像块。分块时， 先分出A类块，再对每个A类块确定一个对应的B类块。确定参数时，先确定/ 取 值，再确定a的取值。B类图像块的边长p—般取为纹路宽度的2至3倍。指纹采集 仪采集的指纹图像分辨率一般为500dpi，这种情况下，纹路间距一般在8个像素左右， 纹路宽度约为4到5个像素，々取值不宜过大，否则需要更多计算时间， 一般/ 取9 到15个像素之间。在确定了々后，a的取值范围为1到P个像素之间，在给定的-值 下，a越小，规范化结果图像质量越高，但需要更多运行时间，a越大，运行速度越 快，但规范化结果图像质量越低。为了计算方便，《和々通常取奇数，使得图像块关 于块的中心像素对称。为了使得B类图像块不超出图像/的边界，最左列的A类块的 中心像素距图像左边界的距离为〃/2，最下行A类块的中心像素距图像下边界的距离为-/2， A类图像块矩阵共-/ )/ 」行L(w诚/7 —釣/a」列，所以 0 S cz' <第二步，建立图像/的副本G，采用重新计算方法或增量式计算方法逐个对A 类图像块进行灰度规范化，每规范化完一个图像块就将该图像块的规范化结果保存在 副本G中。对图像块^(a',q/)的规范化过程为2.1统计中心与^(c/,cy)重合、大小为px^的图像块5(d々)中灰度值为;t的像素 个数c[W (0S255)。分两种情况统计c[W 。2丄1如果J("',")是位于最左列的A类图像块，即。、0，则采用重新计算方法 计算cp]:先将啦]赋值0 ，然后对于c力中的每个像素(/,力，将c (k=/(/,/))力口 1。2丄2如果乂(d,^)不是位于最左列的A类图像块，即《>0，此时c保存着 S(c/,cy-1)的灰度统计结果，只需对c减1;对于餘/,c力-(做此减法得到属于 S(c/,c力但不属于5("',-1)的像素集合)中的每个像素0',力，将c本文档来自技高网...
【技术保护点】
一种指纹图像灰度规范化方法，其特征在于包括以下步骤： 第一步，对待进行灰度规范化的指纹图像Ｉ分成大小为α×α的互不重叠的块：图像Ｉ的高度为ｈｅｉｇｈｔ，宽度为ｗｉｄｔｈ，图像Ｉ第ｉ行第ｊ列像素（ｉ，ｊ）的灰度值为Ｉ（ｉ，ｊ）；被分割成 的大小为α×α的互不重叠的图像块称为Ａ类图像块，所有Ａ类图像块组成一个Ａ类图像块矩阵，用Ａ（ｃｉ，ｃｊ）标识该矩阵的第ｃｉ行、第ｃｊ列的Ａ类图像块，０≤ｃｉ，０≤ｃｊ；对于每个Ａ类图像块Ａ（ｃｉ，ｃｊ），取一个中心与Ａ（ｃｉ，ｃｊ）重合、大小为β×β的矩形区域，β≥α，这个矩形区域用Ｂ（ｃｉ，ｃｊ）表示，称为Ｂ类图像块；分块时，先分出Ａ类块，再对每个Ａ类块确定一个对应的Ｂ类块；确定参数时，先确定β取值，再确定α的取值；Ｂ类图像块的边长β取为纹路宽度的２至３倍，α的取值范围为１到β个像素之间； 第二步，建立图像Ｉ的副本Ｇ，采用重新计算方法或增量式计算方法逐个对Ａ类图像块进行灰度规范化，每规范化完一个图像块就将该图像块的规范化结果保存在副本Ｇ中，对图像块Ａ（ｃｉ，ｃｊ）的规范化过程为： ２．１统计中心与 Ａ（ｃｉ，ｃｊ）重合、大小为β×β的图像块Ｂ（ｃｉ，ｃｊ）中灰度值为ｋ的像素个数ｃ［ｋ］，０≤ｋ≤２５５，分两种情况统计ｃ［ｋ］： ２．１．１如果Ａ（ｃｉ，ｃｊ）是位于最左列的Ａ类图像块，即ｃｊ＝０，则采用重新计算方法计算ｃ［ｋ］：先 将ｃ［ｋ］赋值０，然后对于Ｂ（ｃｉ，ｃｊ）中的每个像素（ｉ，ｊ），将ｃ［Ｉ（ｉ，ｊ）］加１； ２．１．２如果Ａ（ｃｉ，ｃｊ）不是位于最左列的Ａ类图像块，即ｃｊ＞０，则采用增量式计算方法对ｃ［ｋ］进行修改，方法为：对于Ｂ（ｃｉ，ｃｊ－１ ）－Ｂ（ｃｉ，ｃｊ）中的每个像素（ｉ，ｊ），将ｃ［Ｉ（ｉ，ｊ）］减１；对于Ｂ（ｃｉ，ｃｊ）－Ｂ（ｃｉ，ｃｊ－１）中的每个像素（ｉ，ｊ），将ｃ［Ｉ（ｉ，ｊ）］加１； ２．２对图像块Ｂ（ｃｉ，ｃｊ）进行灰度均衡，Ｂ（ｃｉ，ｃｊ）中的灰度ｋ 经过均衡后变为ｂ［ｋ］，均衡结果保存在ｂ［ｋ］中，ｂ［ｋ］的具体计算过程为： ２．２．１初始化ｓｃ＝０； ２．２．２ｋ从０到２５５依次计算ｂ［ｋ］： ２．２．２．１ｓｃ＝ｓｃ＋ｃ［ｋ］；２．２．２．２ｂ［ｋ］＝（ｓｃ×２５ ６－β↑［２］）／β↑［２］； ２．３将灰度区间［ｂ［ｌｏｗ］，ｂ［ｕｐ］］映射到灰度区间［０，２５５］，ｌｏｗ和ｕｐ分别表示...
【技术特征摘要】
【专利技术属性】
技术研发人员：祝恩，殷建平，李永，胡春风，陈晖，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：43[]
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。