一种有效的指纹图像分割和细化方法

合集下载

一种自适应块大小的指纹图像分割算法

谷线分隔，如图１示，那么经过式（）算可以得到ｎ１所１计．个纹线距离，分别为Ｄｌ２，一Ｄ１，，Ｄ，。一幅指纹图像的平均Ｄ …
基金项日：河南省高等学校青年骨于教师计划基金资助项目２０Ｇ（０９
起来提出合成分割法；文献［】出逐级分割法。５提迄今为止，基于块的指纹图像分割法在对图像分块时多是按照经验把把图像分成互不重叠的ｎ大小的方块，每块 ×
纹预处理、特征提取、指纹分类、指纹匹配等组成…。其中，
指纹图像预处理是指纹识别系统中紧跟在指纹采集之后的一
个环节，预处理的效果直接影响到系统的性能；而指纹分割是指纹预处理的关键组成部分。指纹图像在采集过程中不可避免地被噪声干扰，存在一些无效区域。指纹图像中包含比较清晰或可以恢复的指纹纹
像分割算法虽然分割精度受到块大小的影响，但其具有速度快、易于实现等优点，成为目前指纹图像分割算法研究比较
集中的措施。文献［】２把图像分块后，使用线性分类器完成指
作者筒介：李慧娜（９０）女，１８－，讲师、硕士，主研方向：息安全，信
ＧＪ一２、Ｓ１０
目前已有的指纹图像分割方法主要是利用图像的灰度统计特性和指纹的方向特性在时域完成。根据分割精度的不同，பைடு நூலகம்
现有的指纹分割方法分为基于边界的分割法和基于区域的分

指纹图像预处理及特征提取算法的研究与实现

2012年1月内蒙古科技与经济Januar y 2012　第1期总第251期Inner M o ngo lia Science T echnolo gy &Economy N o .1T o tal N o .251指纹图像预处理及特征提取算法的研究与实现X张松宇1,杨文斌2(1.内蒙古机电职业技术学院;2.内蒙古灵奕信息技术有限责任公司,内蒙古呼和浩特　010070) 摘　要:提出了一套完整的基于方向特性的指纹预处理算法,包括前景/背景分割、方向滤波、二值化、细化4部分。

特征提取采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。

实验结果表明,指纹图像经过预处理算法后提取出了纹线,并且很好地保留了纹线的关键信息,对特征提取奠定了良好的基础。

指纹图像经过特征提取后,准确有效地定位了两类特征点。

关键词:指纹;预处理;特征提取中图分类号:T P391.41 文献标识码:A 文章编号:1007—6921(2012)01—0083—02 自动指纹识别技术大多是依靠指纹的细节特征提取实现指纹的匹配的。

准确地提取细节特征是自动指纹识别系统获得高识别率的前提和基础。

指纹的细节特征主要指脊线端点和分叉点。

在实践中,由于手指本身的因素和采集条件的限制,采集到的指纹图像会不同程度地受到各种噪声的干扰。

这种干扰最终会影响系统的识别率。

因此,在提取指纹特征前必须对输入的指纹图进行预处理。

预处理的目的是:去除原图像中的噪声,把它变成一幅清晰的二值点线细化图,以便于提取正确的细节特征。

笔者提出了一套较完善的指纹预处理算法,包括图像分割、方向滤波增强、二值化、细化等步骤,并准确有效地提取出了指纹的细节特征点。

1　预处理算法1.1　规格化和图像分割规格化的主要目的在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将不同的指纹图像的对比度和灰度调整到一个固定的级别上。

图像分割是把指纹前景区与背景区分开。

指纹识别算法

指纹识别算法基本概述指纹识别算法，是指在指纹识别过程中，对采集的指纹图像预处理，数据特征提取，特征匹配，指纹识别等一系列解决问题的清晰指令。

本文通过对指纹图像预处理、指纹图像特征提取和指纹匹配三方面对指纹识别算法进行整体概述。

一、指纹图像预处理：在指纹识别过程中，刚获取的指纹图像会受到噪声、汗渍以及毛刺等因素影响，使得图像画面不清晰，预处理的目的是改善输入指纹图像的质量，以提高特征提取的准确性。

指纹图像预处理在整个指纹识别系统中的地位就好比地基对于整栋房子的作用，预处理图像的好坏将会影响到后面特征提取、指纹匹配的过程，这是在指纹识别过程中要处理好的第一步。

指纹图像预处理一般分为四步：图像分割、图像滤波、二值化和细化。

1.图像分割。

主要是指获取的原始指纹图像与背景区域之间有混合，需要从两者之间隔离出来，这就需要根据灰度的大小对图像进行初步处理，然后进行归一化及分割处理，消除背景区域。

2.图像滤波。

这是指纹图像预处理过程中最核心的一步，主要是通过对受噪音影响的指纹图像去噪，同时对图像进行修复和整理，增强脊线谷线结构对比度，进一步获取更加清晰的图像。

3.二值化。

经过图像滤波后，纹线部分得到增强，但脊的强度不完全相同，这种情况主要是表现在灰度值的差异。

图像的二值化是指将灰度图像（灰度有255阶）转化为只包含黑、白两个灰度的二值图像，即0和1两个值。

这样使脊的灰度值趋于一致，对图像信息进行压缩，节约了存储空间，有利于指纹特征提取和匹配。

4.细化。

是指对指纹二值化后指纹的走向、粗细等特征进行图像的细化，使指纹纹线更加平滑。

二、指纹图像特征提取：指纹图像特征提取的算法有很多种，主要有基于灰度图像的细节特征提取、基于曲线的特征提取、基于奇异点的特征提取、基于脊线频率的特征提取等。

对指纹图像的特征点进行提取，能有效地减少伪特征点，提取准确的特征点，提高匹配速度和指纹识别性能，降低识别系统的误识率和拒真率。

三、指纹匹配：指纹特征匹配主要是基于细节特征值的匹配，通过对输入指纹细节特征值与存储的指纹细节特征值相比较，实现指纹识别，两者相比较时需要设立一个临界值，匹配时大于这个阈值，则指纹匹配；当匹配时小于阈值，则指纹不匹配。

指纹识别技术基本原理介绍

➢纹数（Ridge Count）: 纹数是指模式区内指纹纹路的数量。在计算指纹的纹数时，一般先连接核心点和三角点，这条连线与指纹纹路相交的数量即可认为是指纹的纹数。
指纹的局部特征 ---- 细节点类型
指纹的四类局部特征
➢细节点类型 ➢方向（Orientation）
每个节点都有一定的方向。 ➢曲率（Curvature)
指纹识别让人们无需输入繁琐的密码，只需手指的轻轻触碰就能对个人信息进行解锁。
这项技术在近几年普及以来深受欢迎。
那么问题来了，这项技术真的足够安全吗？
方向（Orientation）
让我们了解这项技术并开始分析它的安全性。预处理的目的就是去除图象中的噪音, 把它变成一幅清晰的点线图, 便于提取正确的指纹特征。
指纹识别的基本原理
• 目前的识别指纹算法主要从总体特征和局部特征这两个方面入手分辨指纹。
指纹的总体特征
总体特征是指那些用人眼直接就可以观察到的特征。
➢ 基本纹路图案：包括环型(Loop),弓型(Arch)和螺旋型(Whorl).其他的指纹图案都基于这3种基本图案。仅依靠图案类型来分辨指纹是远远不够的，这只是一个粗略的分类，但通过分类使得在大数据库中搜寻指纹更为方便。
指纹图像特征点
指纹匹配
应用系统利用指纹识别技术可以分为2类,即验证和辨识。验证就是通过把现场采集到的指纹与己经登记的指纹进行一对一的比对,来确认身份的过程。辨识则是把现场采集到的指纹同指纹数据库中的指纹逐一对比,从中找出与现场指纹相匹配的指纹。
• 指纹录入清晰度已经有保证。 • 指纹识别算法也很高效和准确。
电容式：通过皮肤和屏幕的接触，识别指纹的纹路来记录和验证指纹。指纹的纹形主要分为环形、弓形、螺旋形三种基本类型。

指纹图像分割方法分析

指纹图像分割方法研究摘要指纹分割作为指纹识别的预处理环节，不仅能提高指纹特征提取精度，而且能减少指纹预处理时间，对提高整个识别系统性能有着重大意义。

本文在对常用指纹分割方法进行分类分析和探讨的基础上，对指纹图像分割理论和技术进行了深入研究，并对现有分割算法进行了改进。

本文主要工作包括：（1）对指纹图像分割方法做了比较全面的分析综述。

从指纹特征提取角度出发，将指纹图像分割方法分为基于特征融合判决分割方法与基于多级分割思想分割方法两类，并对这两类算法进行了详细分析。

（2）针对特征融合判决分割方法，把最小平方误差准则用于基于线性分类的指纹图像分割算法，该算法对低质量指纹图像分割效果较好；将指纹图像纹理特征引入灰度方差求解过程，提出一种基于纹理特征的指纹图像自适应分割算法。

通过实验对新算法分割效果及噪声抑制能力进行了验证。

（3）针对多级指纹分割方法，研究了结合多种方法的高效指纹图像逐级分割算法，采用一种鲁棒性更好的求点方向图方法，计算前景块中各像素方向；采用自动确定部分阈值的分级分割方法，改善算法中仅凭经验设定多个阈值的缺点。

实验结果表明，新算法分割精确率较高。

关键词：指纹，指纹分割，特征融合，多级分割Research on methods of fingerprint imagesegmentationAuthor:Xu Huali S upervisor：Fan YongshengABSTRACTAs an important step of fingerprint image preprocessing, fingerprint segmentation which has a great significance in the system performance can not only improve the accuracy of the feature extraction, but also reduce the time of fingerprint preprocessing. This paper mainly investigates the theory and methods of fingerprint image segmentation, and some of the segmentation methods are classified and discussed. The main works include:（1）A comprehensive review of the fingerprint image segmentation methods is given. Basing on extracting fingerprint features, we first classify the methods of fingerprint image segmentation into two classes, which are the feature fusion segmentation method and multi-level segmentation method. And then, we introduce the two methods in detail.（2）In the aspect of the feature fusion based fingerprint segmentation method, we investigate the Minimum Square Error rule based fingerprint segmentation algorithm and a adaptive texture feature based fingerprint segmentation algorithm. First, we investigate the linear classifier based fingerprint segmentation algorithm, which uses a combination of three variance, mean and ridge orientation features of fingerprint image, and presents the improved algorithm of using the Minimum Square Error rule. The experimental results demonstrate the effectiveness of the improved algorithm, especially in low quality images. Second, we investigate the traditional variance based fingerprint segmentation algorithm, and present a adaptive texture feature based fingerprint segmentation algorithm which combine texture feature and variance. The experimental results demonstrate the effect of the proposed segmentation algorithm is better than the variance based fingerprint segmentation, and it also has stronger resistance to noise.（3）In the aspect of the multi-level based fingerprint segmentation method, weinvestigate the multi-level segmentation algorithm of fingerprint image. First, to improve the method of calculating the orientation image, the paper uses a better robust method. Second, we present an improved algorithm of setting the thresholds automatically for the disadvantage of setting some thresholds based on experience. The experimental results demonstrate the high accuracy rate of the improved algorithm.KEY WORDS: fingerprint, fingerprint segmentation, feature fusion, multi-level segmentaion目录第一章绪论 (1)1.1研究背景 (1)1.1.1生物特征识别技术概述 (1)1.1.2主要生物特征识别技术 (2)1.2指纹识别技术简介 (6)1.2.1指纹识别研究内容 (6)1.2.2国内外发展状况和面临的挑战 (10)1.3研究内容与结构 (12)第二章指纹图像分割方法综述 (14)2.1图像分割方法 (14)2.2指纹图像分割方法 (17)2.2.1基于特征融合判决的指纹图像分割方法 (19)2.2.2基于多级分割思想的指纹图像分割方法 (21)2.3本章小结 (22)第三章基于特征融合判决分割方法研究 (23)3.1有监督分割方法 (23)3.1.1分割特征选择 (23)3.1.2分类器选择 (26)3.1.3实验结果及分析 (28)3.2无监督分割方法 (29)3.2.1基于灰度方差的指纹图像分割 (30)3.2.2基于纹理特征的自适应指纹图像分割 (31)3.2.3实验结果及分析 (33)3.3本章小结 (36)第四章基于多级分割思想分割方法研究 (37)4.1结合多种方法的指纹图像逐级分割方法 (37)4.1.1第一级指纹图像分割 (37)4.1.2第二级指纹图像分割 (39)i4.1.3第三级指纹图像分割 (42)4.2自动确定部分阈值的指纹图像分级分割方法 (42)4.3实验结果及分析 (44)4.4本章小结 (45)第五章结论与展望 (46)5.1结论 (46)5.2展望 (47)参考文献 (48)攻读硕士期间发表的论文及所取得的研究成果致谢ii中北大学学位论文第一章绪论随着信息技术的发展，传统的身份识别技术已经逐渐被新型的基于生物特征的识别技术所替代。

指纹图像预处理的研究

关键词：指纹：图像：预处理
１指纹图像分割
图像分割通常位于预处理的前端．其目的是把指纹图像中质量很差．在后续处理中很难恢复的图像区
域与有效区域区分开来分割处理不仅能提高特征提
中所遇到的问题。形态方法中图像信息的基本单元是二值像素利用数学形态学的以下几个基本概念和运算．结构元灵活地组合分解．将应用形态变换达到分析
膨胀具有结合性、换性。这样．进行膨胀的步交在骤序列中，成运算的顺序就不重要了。就允许我们完这将一个复杂的形状拆成几个简单的形状．然后重新组合成为膨胀序列（）蚀２腐
是对我们没有意义的区域．这些区域我们称之为背景。
指纹图像分割的目的就是要将指纹前景区域同背景区域分离开来．以避免在背景区域中提取特征，这样能提
高特征提取的准确性．同时节省处理时间．而提高整从个系统的性能因而指纹图像分割成为指纹图像预处
因此它可以用一个统一而强大的工具来处理图像处理
收稿日期：０２２１一叭一５０修稿日期：０２２０２１ —０ — １
种探针．也称为结构元。腐蚀在许多应用中起着十分
重要的作用结构元对一幅图像进行腐蚀会生成一幅包含结构元所有位置的图像
的目的（）胀１膨

一种新型指纹图像分割算法

Ａｂｔａｔｓｒｃ：Ａｉｎｔｔｅｐｏｌｍｔａｈｒｄｔｎｌｅｍｅｔｇａｇｒｈａｏｅｅｆｃｉｅｙｕｅｎｔｅｆｇｒｒｔｄｎｉｃｔｎｗｉｍｉｇａｈｒｂｅｈｔｅｔｉｏａｇｎｉｌｏｔｍｓｃｎｎｔｂｆｔｌｓｄｉｈｎｅｐｎｅｔａｉｈｌｔａｉｓｎｉｅｖｉｉｉｉｆｏｅｔｅｆｇｒｃｎａｎｍａｙｉｕｔｓｆｓｌ，ｔｅｂｓｏｃｐｓｏｅｍｅｔｇａｇｒｈｅｅｉｔｏｕｅ．Ｔｅｒｂｓｎｓｆｈｅｍｅｔｇａ— ｈｎｅｏｔｉｎｍｐｒｉ，ｒｔｉｉｅｉｙｈａｉｃｎｅｔｆｇｎｉｌｏｔｍｓｗｒｎｒｄｃｄｈｏｕｔｅｓｏｅｓｇｎｉｌｃｓｎｉｔｎ
ｇｒｔｍｓｔｈｏｓｓａｔｃｅｅｉｐｔｎｅｒｎｍａｅ，ｓｃｓｄｒ，ｉｕｔｓａｄｌｗｃｎｒｓｗａｎｙｅ．Ａｎｗｍｅｈｄｔｓｇｏｉｈｏｔｅｎｉｅｔｈｄｔｔｎｕｇｒｉｔａｏｈｉｆｐｉｇｓｕｈａｉｔｍｐｒｉｎｏｏｔｔｓａａｚｄｉｅａｌｅｔｏｏｅ－
第２７卷第７期
２１００年７月
机
电
工
程
Ｖｏ．７Ｎｏ７１２．
Ｊｕｎｌｏｃａｉａ＆ＥｅｔｃｌＥｇｎｅｉｇｏｒａｆＭｅｈｎｃｌｌｃｒａｎｉｅｒｉｎBiblioteka Ｊ１００ｕ．２１

一种改进的分类指纹图像分割算法

Ｋｅｒｓａｐｉｄｍａｈｍａｉｓｇａ－ｖｌｆｏｅ；ｉｃｉｎｈｓｏｒｍ；ｎｅｒｔｓｇｎａｉｎｙｗｏｄ：ｐｌｔｅｔ；ｒｙｌｅｏｍｒｄｒｔｉｔｇａｆｇｒｉｅｍｅｔｔｅｃｅｃｅｏｉｐｎｏ
ＡｂｔａｔＴｅｆｇｒｒｎｍａｅｓｇｎａｉｎｉａｎｉｐｎａｌａｆｉｇｒ－ｒｃｓｉｇｔｉａｅｒｐｓｅｓｒｃ：ｈｎｅｐｔｉｇｅｍｅｔｔｓｎｉｄｓｅｓｂｅｐｒｏｉｉｏｔｍａｅｐｅｐｏｅｓ，ｈｓｐｐｒｐｏｏｅａｎｗｎｉｇｅｍｅｔｔｎａｇｒｈｄｐｎｎａｓｍｐｅｃａｓｆａｉｎｏｎｅｒｔｉｇｓａｄｆｌｕｅｏｅｇａ — ｃｌｎｍａｅｓｇｎａｉｌｏｔｍｅｅｄｏｉｌｌｓｉｃｔｆｆｇｒｉｍａｅ，ｎｕｌｓｆｔｒｙｓａｅｆ — ｏｉｉｏｉｐｎｈｉｇｒｒｔｉｇｅｔｒｓａｄｔｅｄｒｃｉｎＴｉａｇｒｈｃｎａｃｒｔｌｘｒｃｈｆｃｉｅｒｇｏｆｆｇｒｒｔｉｇｅｐｉｍａｅｆａｕｅｎｈｉｔ．ｈｓｌｏｔｍａｃｕａｅｙｅｔａｔｔｅｅｅｔｅｉｎｏｎｅｉｍａｅｎｅｏｉｖｉｐｎｗｈｃｍｐｏｅｈｃｕａｙｏｅｓｇｎａｉｎｉｈｉｒｖｄｔｅａｃｒｃｆｈｅｍｅｔｔ．ｔｏ

(毕业论文)基于MATLAB的指纹识别系统设计

大连民族学院本科毕业设计（论文）基于MATLAB的指纹识别系统设计摘要生物识别技术已经成为身份识别和网络安全的发展技术之一,其中指纹识别技术是目前公认的安全，准确，方便的身份认证技术之一，使之成为人们研究的热点.本文主要设计一个基于matlab 的指纹识别系统。

首先主要介绍了指纹识别技术研究的背景，意义，及现状。

其次，实现了指纹识别系统，描述了指纹识别系统的基本结构,并且对指纹图像的预处理、特征提取、特征匹配这三个必要的环节的算法进行了详细地研究，在指纹图像预处理阶段，本文使用基于灰度的算法对图像进行了分割，同时，针对二值化后图像中仍存在的噪声，也进行了相应的修整处理，尽可能的为以后指纹特征的提取打好基础，从而成功地实现了对指纹数字图像的处理、特征提取、保存和匹配等功能。

最后，对指纹识别系统进行了仿真,仿真结果表明该系统可以较好的进行识别，准确率达到了95。

1％。

关键词：指纹识别;预处理;二值化；特征提取;特征匹配AbstractBiometric technology has become one of the developing technologies for identity recognition and network security。

And fingerprint identification technology is now recognized as one of the most safe, accurate and convenient authentication technologies, and it is a focus for researchers。

This paper designs a matlab—based fingerprint recognition system. The first introduces the fingerprint recognition technology research background, significance，and the status quo。

一种高效的指纹图像逐层分割算法

由于一般指纹纹线具有较强的方向性，因此利
用方向图法对指纹图像进行分割是一种常用方法．基本原理是：如果某一区域方向直方图中存在峰值，则表明该区为前景区．为前景区中脊线和谷线有因着相同的方向，得方向直方图在这一方向上会产使生明显峰值；背景区域中各个方向出现的概率几而乎相等，而其方向图中无明显峰值出现．因
分割算法方向图法、方差法和灰度值频数法各有优缺点，
结合起来可以达到优势互补的效果．向图法主要方
是对纹线连续的区域进行分割，而方差法则是对噪声较小、比度比较大的地方起到较好的分割效果．对
１２方差法．
一
幅指纹图像通常是由前景区域和背景区域组
在这个过程中，要对指纹的原始图像进行一系列需的处理，括指纹采集、纹评估、包指指纹图像预处理、
特征点提取、指纹匹配等．而指纹图像预处理部分又
第２７卷第１期２１００年３月
广东工业大学学报
ＪｕｎｌｏａｇｏｇＵｎｖｒｉｆＴｅｈｏｏｙｏｒａｆＧｕｎｄｎｉｅｓｔｏｃｎｌｇｙ
Ｖ０．Ｎｏ．１２７１Ｍａｃ０１ｒｈ２０
成．景区域由指纹脊线和谷线组成，般来说，前一前

指纹识别系统的制作方法

指纹识别系统的制作方法指纹识别系统是一种常用的生物特征识别技术，可以根据指纹的纹线和纹型特征来辨别身份，被广泛应用于个人身份验证和门禁系统中。

下面将介绍一种针对指纹识别系统的制作方法。

第一步是收集指纹样本。

可以使用现场采集设备或者既有的指纹数据库来获取指纹图像。

在收集指纹样本的过程中，应确保指纹图像的质量，并且尽量多样化地收集不同个体的指纹样本，以提高识别的准确率。

第二步是对指纹图像进行预处理。

由于指纹图像可能存在噪声和失真等问题，需要对指纹图像进行处理，以提取有效的特征。

常用的预处理方法包括图像增强、去噪和细化等。

图像增强的目的是提高图像的对比度和清晰度，使得指纹的纹线和纹型更加明显。

去噪的目的是消除图像中的噪声，以减少对后续特征提取的影响。

细化的目的是将指纹图像中的纹线变得更细，以便更好地提取纹线特征。

第三步是提取指纹特征。

指纹特征一般包括纹线和纹型两部分。

纹线特征是指指纹图像中的纹线形状和方向等特征，纹型特征是指指纹图像中的纹路排列和结构等特征。

常用的特征提取方法有方向梯度直方图（HOG）、局部二值模式（LBP）和特征点匹配等。

这些方法可以将指纹图像中的纹线和纹型转化为一组数字或者向量表示，方便后续的比对和识别。

第四步是建立指纹数据库。

将提取到的指纹特征保存到数据库中，以便后续的比对和识别。

建立数据库的过程中，应注意保护用户的隐私和信息安全。

可以采用加密等方法来防止指纹特征被非法获取和使用。

第五步是进行指纹识别。

在实际的应用中，需要将待识别的指纹图像与数据库中的指纹样本进行比对，以确定其身份。

常用的比对方法有相似性度量和模式识别等。

相似性度量方法是将待识别的指纹特征与数据库中的指纹特征进行相似度计算，然后选择相似度最高的指纹特征作为识别结果。

模式识别方法是基于机器学习和统计算法，通过训练模型来进行指纹识别，具有更高的准确率和鲁棒性。

最后一步是评估指纹识别系统的性能。

可以使用不同的评估指标来评估指纹识别系统的性能，如正确率、误识率和验证时间等。

指纹识别中图像分割的研究

指纹图像。
１指纹分割
递减。第一级为背景分割，第二级从前景巾分割出模糊区域，第三级从模糊区巾分割出不可恢复部分，这样各级分割的搜索区域由火到小，所采用的特征量也由简到繁，把计算量少
的特征量作用十较人范围的区域，既节省丫运算ｎＩ，又提－，３ｊ－；
６
５
４
３
２
噪声虽然被消除，但是指纹图像的
这里使用一种既能保持边缘清晰又能消除噪声的方法。
７
６４２５３
７ｌ
１
指纹
识
【］
：Ｉ、。＿、
‘ －－－－
●● ● ：●● －ｏ
高＿割的可靠性。『分１２边缘保持滤波．
由于噪声的存在，以及指头压力不均会造成指纹图像的灰度不均和图像挤压变形，因此需要对指纹图像进行去噪和
增强。指纹上可能会沾有灰尘或汗渍，以及指纹提取仪光照
１１分割原理．
刚获得的图像有很多噪音，原因有很多种，比如，手指
ｄｉｆｅｅｎｐｅｓｆｒｔｒｏｎ’ ｆｉｅｐｒｉｈｍｏｌｙｓＳｎｇｒｎｔｏｏｇｉａｌｍｏｓｚｏ．ｃｓｅｔｅｒＢｅａｕｆｊｅｒｉＩｅｎｇｒｐｎｔｄｎｔｉｊａｔｉｃｆｃｏｎｏｓｔ１－］ｄＳｓｉｔｔｅａｎｊｅｆｆｅｔｉｃｖｅ，ｔｗｎｅｘｅｎｓＶａｐｌｆｅｇｏｕｄｉｏｓｔｉｅｐｌｅｄｏｒｒｎａｓａｍｅｔｏｄｆｈｏｓｔｕｓ｛ｎｆｉａｔｉｎａｔｄｅｔｉｃｏａｎｈＷｉｄａｓｄｅｌａｐＹｐｌｉｅｄｆｏｒｅｒｏｎｄ．ｈｉｐａｒａｋａｅｅｅｒｇｕ＂ｆＳｐｅｍｅｓｄｐａｎｏｎｈａ１ｙｓｉＳｔｅｍｅｔｏｄｈｏｆｆｎｇｐｎｔｉｅｒｒｉｓｅｍｅａｔ｛ｎ．ｇｎｔｏ

一种指纹图像的快速分割方法

ｒｓｌｈｗａｉｅｏｎｕｅｏｅｍｅｔｔｏｃｕａｙａｄｒａｉｅｅｆｓｅｍｅｔｔｎｏｎｅｒｎｇ．ｅｕｔｓｏｔｔｔｓｔｄｅｓｒｓｇｏｓｇｎａｎａｃｒｃｅｌｓｔａｔｇｎｉｆｆｇｒｉｔｍａｅｓｈｈｍｈｄｉｎｚｈｓａｏｉ速分割方法。先对原始图像进行小波分解，再对获取的低频图像采用形态学变形虫分割。实验结果表明，
该方法在保证良好分割精度的同时分割速度较快。关健葡：数学形态学；变形虫；自适应分割；离散小波变换；指纹分割
ＦａｔＳｇｅｔｔｏｅｈｄ０ｎｅｐｉｔｍａｅｓｅｍｎａｉｎＭｔｏｆＦｉｇｒｒｎＩｇ
ＤＩ１．６／ｉｎ１０ — ２．１．．０Ｏ：０９９．ｓ．０３８０１７７３ｊｓ０４２１０
１概述
指纹图像的分割是指纹识别系统中的重要环节之一。大多数的指纹分割方法仍将指纹区域与背景区域的特征差异作为分割的主要依据，如不同区域的灰度统计特征、局部方向性、方向图的统计特征和周围区域方向一致性、频率、投影信号等ｕ。近几年来，很多方法从模式分类的角度提出了一Ｊ些新特征，而且采用形态学、快速傅里叶变换、隐马尔可夫模型、神经网络等理论设计了一些新的分割方法…。这些方法虽然有效地提高了指纹图像的分割效率，但也在一定程度上存在算法无法通用、鲁棒性太低、运行效率不高等问题，而且很多方法的分割效果不够精确。为此，本文提出一种指纹图像的快速分割方法，采用离散小波变换对原图像进行一次分解，利用数学形态学变形虫

自适应法分割指纹图像

为５即Ｔ３＝，ｄ５时效果较理想）。
指两条脊线之间的灰度值较浅的部分。
② 求取分块图像内沿着纹线切线的垂直方向各
象素的值相互进行比较，所得的差值放到ｃｕ￣［］ｏｎｎ中，比较数量最多的差值数是否大于Ｔ４（文实验得ｄ本
２算法的设计与实现
是否为指纹前景区。
② 求取各分块图像的灰度直系统应用
２０年第２期０７
① 求取分块图像内各块的最大、最小灰度值，第（，）的最大、小灰度值分别记为Ｌｘ（，）ｊｉ块最Ｍａｉｉ和Ｌｎｉ）ｉＯ１ … ，，＝１…１。Ｍｉ（，，＝，，１ｉＯ，，９ｉ９ ② 取Ａｅ（，）＝（Ｍａ（，）＋Ｌｎｉｉ）２为ｖｒｉｉ１ｘｊＩＭｉ（，）／＿图像内各块的灰度中值。 ③ 求取此分块图像的灰度值方差
线）可以使后续的处理能更有效地集中在前景区域，从
而能节省处理时间及达到实时的目的，还可以提高
③ 对每个灰度级上象素出现的频数较多的前２０
个对应的灰度值相互进行比较，有的差值放到ｍ中，所
若其中最大的差值数大于ｍ＝ｄ（Ｔｌ本文实验得出Ｔ１ｄ为
维普资讯
２０年第２期０７
计算机系统应用
自适应法分割指纹图像
Ｔｈｌ．ａａｔｅＳｇｅｔｔｏｇｉｅＳｅｆ．ｄｐｉｅｍｎａｉｎＡｌｏｒｈｍｆＦｎｅｐｉｔｉｇｖｔｏｉｇｒｒｎｍａｅ

基于粗糙集的指纹图像分割和预处理方法

带、■ 终身不变、互不相同、不可复制等特点。“ 自动指纹识别用了图像灰度分布较均匀的特性来对图像进行处理，而指纹
■ ■ 是凭借指纹的生理特征来进行身份辨识的计算机自动化系 ■
系统” Ｉ（ｔｍａｉＦｎｅｐｉｔＩｅｔｉａｉｎＳｓｅＡＦＳＡｕｏｔｉｇｒｒｄｎｉｃｔｙｔｍ）ｃｎｆｏ
图像是条纹图象，不具备这种特性。在油墨捺印的指纹图像分割中，一般采用局部灰度差值
法。而在光学指纹传感器获取的指纹图像中，部分前景区域
统，将在金融安全领域拥有广阔前景。
才能进行特征提取、分类、匹配等操作。预处理结果的好坏关系到后续处理的精度和效率。采集到
Ｂ（）Ｒ（）Ｒ（）ＮＸ＝一－一ｘｘ
（）３
ｏｅ算子，得到梯度图Ｇ（，）ｘｘｙ，Ｒ一称为Ｘ的Ｒ上近似，是由所有与Ｘ相交的等价类算子均可。本文使用的是Ｓｂｌ（Ｘ）
叁
指纹图像采集到后需要先进行预处理，然后
的指纹图像（１ａ由前景区域和区域）是由脊线和谷线组成的区域，背景区域（不感兴趣区域）是由空白、残留纹线和噪声组成。指纹图像分割就是要将前景区域和背景区域分开，但是存在谷线和背景从灰度值上难以区分、残余纹线和噪声使得前景区域和背景区域的边界不明显、指纹的部分区域模糊很难
辨识等困难。
粗糙集（ｕｈＳｔＳ）理论是一种刻画不Ｒｏｇｅ，Ｒ完整性和不确定性的数学工具。在图像处理领域中存在着许多不精确、不一致、不完整１，用粗糙集司题运

指纹技术的原理

指纹技术的原理指纹技术是一种通过分析和比对人体手指肌肤表面上的纹理特征来进行身份认证和鉴别的技术。

它是一种高效、准确、安全的生物识别技术，广泛应用于刑侦领域、边防管理、金融业、电子设备解锁等领域。

指纹是人体皮肤上的一种特殊纹理，每个人的指纹纹理都是独特的，没有两个人的指纹是完全相同的。

指纹的纹理主要由皮肤表面起伏的皮肤纹和汗孔组成，其中最重要的是皮肤纹。

皮肤纹的形状和排布是基因和胚胎发育时期的力学因素共同作用的结果，所以每个人的皮肤纹都是独一无二的。

指纹技术的原理主要有两个方面，一个是指纹的特征提取，另一个是指纹的比对和匹配。

特征提取是将指纹纹理信息转化成数学特征向量的过程。

在特征提取阶段，首先需要对指纹图像进行预处理，主要包括图像增强、去噪和图像分割等步骤。

然后，使用一种或多种特征提取算法，从指纹图像中提取出具有代表性的特征。

目前常用的特征提取算法有三角划分法、方向梯度直方图（HOG，Histogram of Oriented Gradients）和小波变换法等。

三角划分法是将指纹纹理分为一系列的小三角形，通过计算每个三角形的边缘长度和角度来构造特征向量；HOG算法则是根据方向梯度变化的特点，提取出指纹图像的梯度信息作为特征向量；小波变换法则是将指纹图像使用小波变换进行多尺度分解，提取出每个尺度的低频信息作为特征。

通过这些特征提取算法，可以将指纹图像转换成一组具有代表性的数字特征向量。

比对和匹配是将提取到的特征向量与已有的指纹模板进行比对和匹配的过程。

在比对和匹配阶段，首先需要建立一个包含大量指纹模板的指纹数据库。

每个指纹模板都包含了一个或多个指纹图像的特征向量。

当需要进行身份认证时，将待认证的指纹特征向量与数据库中的指纹特征向量进行比对和匹配。

比对和匹配的方法有很多种，常见的有基于特征的比对方法和基于相似度的比对方法。

基于特征的比对方法主要是计算待认证指纹特征向量与数据库中所有指纹特征向量之间的距离或相似度，然后选择最相似的作为认证结果；而基于相似度的比对方法则是比较待认证指纹特征向量与数据库中指纹特征向量的相似度得分，通过设置一个阈值来判断认证结果。

指纹预处理流程

**指纹预处理流程**一、去噪和平滑在指纹采集过程中，由于各种原因，如手指的湿润度、油渍、疤痕等，可能会导致采集到的指纹图像含有噪声。

这些噪声可能会干扰后续的特征提取和匹配过程。

因此，预处理的第一步是进行去噪和平滑，以消除或减少这些噪声，使指纹图像更加清晰。

常用的去噪和平滑算法包括高斯滤波、中值滤波等。

二、二值化二值化是指将指纹图像从灰度图像转换为黑白图像的过程。

在此过程中，算法将根据设定的阈值将指纹图像中的像素点分为两类：前景（指纹脊线）和背景。

常用的二值化算法有全局阈值法和自适应阈值法。

全局阈值法使用固定的阈值进行二值化，而自适应阈值法则根据图像的局部特征动态调整阈值。

三、细化细化是指将二值化后的指纹脊线进一步处理，使其只保留骨架结构的过程。

在此过程中，算法会遍历指纹图像中的每一个像素点，如果该像素点与相邻的像素点相连（即属于脊线），则将其保留；否则，将其去除。

通过细化处理，可以去除脊线周围的冗余部分，使指纹特征更加突出。

四、特征提取特征提取是指从细化后的指纹图像中提取出具有代表性的特征的过程。

这些特征包括但不限于脊线的方向、频率、分叉点、端点等。

提取的特征将被用于后续的编码和匹配过程。

常用的特征提取算法有基于方向场的特征提取方法和基于图像分割的特征提取方法等。

五、编码和匹配编码是指将提取出的指纹特征转换成可存储或传输的形式的过程。

在这个过程中，指纹特征将被转化为一个二进制字符串，这个字符串即为指纹的编码。

匹配则是指将待验证的指纹编码与已存储的指纹编码进行比对的过程。

常用的匹配算法有基于距离的匹配算法和基于特征点的匹配算法等。