未来智讯 > 人脸语音识别论文 > 指纹自动识别中二值化对指纹特征的影响

指纹自动识别中二值化对指纹特征的影响

发布时间:2018-05-09 11:34:00 文章来源:未来智讯    
    关键词:指纹自动识别系统;二值化;阈值;特征
    中图法分类号:TP391��41文献标识码:A
    文章编号:1001-3695(2006)09-0049-02
    
    通常在计算机指纹自动识别系统(AutomatedFingerprintIdentificationSystem,AFIS)中,指纹处理算法都需要对指纹图像进行二值化处理,经二值化后方可对指纹图像进行细化和特征提取等工作[1]。二值化处理程度的好坏,将直接影响到指纹特征的提取和比对,进而影响指纹的识别。目前数字图像处理技术已经被广泛地应用于指纹研究,各类AFIS系
    统仍然停留在指纹的相似度的判定上,还未达到模仿指纹专家进行同一认定司法鉴定的水平。因此,必须对数字指纹图像处理方法进行反思,找到问题产生的真正原因。本文从二值化方法入手,以数字指纹库中的指纹特征为依据,通过分析二值化方法在对指纹进行预处理、后期处理的各个环节中造成指纹特征的变化情况,从而判定二值化方法对数字指纹的影响。��
    
    1数字指纹库中指纹的实际特点��
    
    指纹是由手指表面交替的“脊”(Ridges)和“沟”(Valleys)组成的平滑纹理模式[2]。数字指纹是建立在指纹学基础上的指纹数字图像。建立数字指纹库的关键问题是对指纹的采集。目前采集指纹的方法主要有两类,即对捺印指纹进行扫描和利用指纹采集器直接采集。我们从目前应用的公共安全指纹库中随机抽取了6000枚指纹(其中捺印指纹和采集器采集指纹各占一半),对其中的两类指纹各50枚统计出的数学期望直方图(图1)都只有一个峰值。从指纹库中选取一枚较清晰的特征可辨指纹,其直方图(图2)也是只有一个峰值。因此,单峰直方图是实际指纹库中指纹的普遍特点。��
    
    文献[3]中的指纹双峰直方图(图3)近乎于完美的理想状态;文献[4]中将指纹处理后也得到了类似的双峰直方图(图4),那么显然双峰的目的是为了找到比较满意的阈值。但是在实际应用的指纹库中,指纹直方图是难以找到理想的阈值,即使与文献[4]中一样,通过分割使白色背景的指纹在置于黑色的背景下(图8)得到的阈值,也难以使指纹变得清晰。��
    双峰直方图的形成必然是有很强的对比度,黑色和白色之间的灰度比较少,图像画布的边缘仅有较少的背景。如果希望基于内容的指纹数据库检索中都是这样的双峰图像,几乎是不可能实现的。对指纹图像的分割更是不利于数据库的建立,分割必然会造成指纹特征的损失,可能还会导致该指纹不能被检出。所以,阈值的选取算法必须建立在直方图单峰分布的前提上。��
    
    2阈值对指纹特征的影响��
    
    图像背景与图像内容的反差有助于识别指纹的纹路。文献[3]中的双峰直方图显然接近于二值图像,其阈值在一定范围内选取都会是比较理想的。文献[4]中的指纹图像实际上是一个双背景图像(图7),受黑色背景的影响,其阈值必须在算法上重新校正。那么,实际指纹中的阈值究竟要怎样选择才是最好的,目前还存在很大的争议[5],其关键问题在于特征数量的变化。为此,我们在指纹库中挑选了一枚无须预处理已非常清晰的指纹,在指纹专家对其所有特征点标注后,观察二值化对特征数量的影响。��
    
    其中P��1为特征点损失率,N��1为丢失特征点数目,N为原始特征点数目。����
    我们从0~255中选取阈值,以一个灰度级为单位变化来进行二值化处理,比较特征点的变化情况发现:①特征数出现三个峰值(图5),即阈值关键点不止一个;②阈值关键点附近的每一个灰度级变化都会对指纹特征数量产生影响;③即使选择到最好的阈值,其总体特征点损失率仍为16%。我们将图像分为若干个��ω×ω��方块,以15×15的方块为例比较动态阈值对指纹特征的影响:①每一个分块图像仍具有单峰的特点,无法找到理想的阈值;②阈值变化中错误连接跟随变化,当特征全部出现时伴随着遍布的错误连接(图6)。��
    
    3二值化后指纹特征的变化��
    
    二值化处理指纹分两类情况:①先作二值化处理,然后再对指纹图像做其他处理;②首先对指纹图像做预处理,在提取特征前对指纹进行二值化处理。直接对指纹进行二值化处理指纹特征的损失是非常显著的(图7),可能会导致在灰度图像中具备鉴定价值的指纹变得特征数量不足以鉴定。相对而言,对指纹预处理的情况要比直接二值化处理好得多。��
    
    各类文献[6~9]对指纹的预处理方法均有所不同。我们采取分析原文献中图片的方法来进一步比较处理前后指纹特征的变化。文献[4]中对指纹图像采取了滤波、增强等一系列方法,得到了二值化的指纹图像(图7)。我们以此为例,分析指纹特征的变化情况。��
    我们分别统计文献[4]中灰度指纹经过二值化处理后,提取特征过程中的未变化特征、出现错误特征和不确定特征。从对各类特征的统计中(表1)可以看出:处理后原灰度指纹中的特征基本上没有减少;处理后产生大量不确定特征;处理后出现了两个误特征(图8),这将使指纹无法同一认定。��
    表1对文献[3]中指纹特征点变化情况统计��
    
    我们对图8中出现的这两个错误特征进行分析认为:①图8(d)中左边靠近指纹中心点的特征点1是误将指纹特征中的小点识别为小勾[9]。②图8(d)中右边的特征点2是在算法上人为地将原指纹中横向的白色屈肌褶纹特征[9]剔除后产生的。文献[9]中的白色屈肌褶纹特征处理也存在着同样的问题(图9)。��
    
    在指纹学中[10],有许多特征是不能任意更改的,褶皱纹、脱皮、伤疤、汗孔、细点线这些也是特征的一部分。指纹三角(如图8(d)中的方框)对指纹的系统划分、纹形分类、特征比对均有十分重要的作用。指纹中的三角是指纹特征点比较密集的地方,不能因为三角与三角的相似度高就将三角周围的特征予以剔除。为此,我们提出了比较处理质量的算法。��
    一幅大小为��M×N的指纹图像I(i,j),如果处理前特征点的集合为F;经过处理后得到的图像为g(x,y),处理后的特征点的集合为F′,则有��
    (1)如果F∩F′≠Φ,FF′且F′F,就存在特征点损失;��
    (2)如果FF′且F′中有特征点F(i)F,则认为处理后出现了错误特征点;��
    (3)如果FF′且F′中有特征点F(i)∈F,则认为指纹图像得到了增强。����
    
    4总结��
    
    数字指纹中比较难处理的问题就是二值化对特征的影响问题。如果不对指纹进行二值化处理,而直接在灰度图像上提取特征[11]存在着计算量大和提取的准确性问题。从总体上观察,指纹的二值化处理对指纹的特征影响是比较大的,到底二值化对指纹特征的数量会产生多大影响,对指纹特征会产生哪些变化,不同的实验方法有不同的影响效果。分析指纹特征的保持度是判断二值化算法有效性的关键问题。二值化处理前的图像增强技术会使指纹特征的数量增加,但是增强的依据是否可靠,只有在得到清晰指纹的情况下观察模糊指纹处理后的效果才会知道。如果增强的特征可靠且未出现错误特征,则该实验方法是可信的;反之,则该实验方法是失败的。另外,同一种实验方法对待不同的指纹处理效果也是不同的,因此需要一种广泛适用的处理方法以适合指纹不同的变化情况,在保持指纹所有特征(包括脱皮、伤疤、褶皱等)不变的基础上,能准确地提取特征,只有这样的方法才具有普遍意义。��
    
    参考文献:��
    [1]黎妹红,张其善.用迭代法求指纹图像中的阈值[EB/OL].http://21ic.com/news/n1941c72.aspx,2004��1208/20050520.��
    [2]上海科技.几种主要的识别技术[EB/OL].http://www.stcsm.gov.cn/learning/lesson/gaoxin/20050117/lesson2.asp,200501��17.��
    [3]张伟伟.在线指纹识别系统研究[D].中国科学院自动化研究所,2003.��
    [4]王曙光.指纹识别技术的若干问题研究[D].中国科学院自动化研究所,2003.��
    [5]HongL,JainA,PankantiS,��etal��.FingerprintEnhancement[C].Proceedingsofthe3rdIEEEWorkshop.ApplicationsofComputerVision,1996.202207.��
    [6]董日荣.指纹识别系统核心算法的研究[D].广州:华南师范大学,2004.��
    [7]毛幼菊,马军.指纹图自动识别的数字图像处理[J].半导体光电,1995,16(4):360.��
    [8]乔治宏,吴晴,乔雨峰.基于方向滤波的指纹图像增强算法研究[J].计算机工程与应用,2004,40(35):8789.��
    [9]RandolphTR,SmithMJ.FingerprintImageEnhancementUsingaBinaryAngularRepresentation[C].IEEE2001InternationalConfe-renceonAcoustics,Speech,andSignalProcessing,2001.1561��1564.��
    [10]刘少聪.新指纹学[M].合肥:安徽人民出版社,1984.��
    [11]罗剑,张维新.基于脊线跟踪的指纹角度特征的提取方法及应用[J].上海大学学报,2002,8(2):105��110.��
    
    作者简介:��
    郭雷(1956),男,山东人,教授,博导,主要研究方向为神经计算、视觉计算、图像和视频处理、模式识别;
    陈大海(1970),男,河南人,博士研究生,主要研究方向为图像分类、指纹识别。

转载请注明来源。原文地址:https://www.7428.cn/page/2018/0509/16196/
 与本篇相关的热门内容: