指纹图像质量评估及预处理

i 1
Q=0.5 x Qs + 0.5 x Qa
结果及分析

把不同质量的指纹块用不同灰度值显示来直观的评 价指纹的质量，背景块(0)，模糊块(150)，稍好块 (200)，清晰块(255)，指纹图像取自FVC2004 ，由 实验结果可知，该算法客观且直观的反映了指纹图 像的质量。
指纹图以及质量表示图
质量分数 图a 图b 图c 图d 图e 图f 80 64 87 75 53 Байду номын сангаас5 评价结果 指纹图像质量较好。 指纹图像太亮，请稍稍再用力。 指纹图像好。 指纹图像良好。 手指太干，湿润一下重新采集。 手指太干，有效面积太小，湿润一下对 准重新采集。
小结

实验结果表明，我们在空域指纹图像质量评估中采 用分步排除和综合评价相结合的方法，能准确的给 指纹图像一个较好的客观评价，且对低质量图像排 除效果尤其好。
指纹图像质量评 估及预处理
2007.03.10
主要内容
课题背景 指纹图像质量评估 指纹图像预处理

一、课题背景


指纹识别是生物特征识别中出现最早，应用最为广泛而且技 术最为成熟的一种身份识别技术。指纹识别技术一直以来是 生物识别技术中的研究热点。然而人们更多的是将研究精力 投入到指纹识别的关键技术（指纹图像增强、指纹特征信息 的提取、指纹匹配和指纹分类等）研究方向上，对指纹图像 的质量评价方法的研究涉及较少。本文所述的是指纹识别技 术中的指纹图像质量评估和指纹图像预处理方面的一些研究 工作。 在个体身份认证中指纹是最普遍使用的一种生物特征。实际 应用中，自动指纹识别系统的性能在相当大的程度上受所采 集的指纹图像质量的影响。由于按在传感器上的手指可能是 干的、湿的甚至是脏的，使所采集的图像产生模糊、断纹或 粘连；另外，传感器采集的图像存在残留和背景噪声问题， 这些原因使得图像质量变差。质量差的指纹图像致使系统拒 真，导致系统性能下降。所以自动指纹识别系统需要对采集 图像的质量进行评估，以使系统可靠地、高效地工作。
自动指纹识别系统
Y 指纹取像
指纹图像质量 评估
预处理
特征提取
指纹识别
N 数据库管理
二、指纹图像质量评估
指纹图像质量的自动评价，是近年来发展起来 的一种基于计算机人工智能的评测方法。其本质就 是让计算机来模拟人的视觉特性的客观测度，利用 传统的计算机图像处理方法，从图像的信噪比、灰 度分布、有效面积大小、前景图像偏移量等经典的 图像质量评测指标入手，再结合指纹图像中指纹脊 线的纹理特点，对指纹上的折皱、疤痕、有效的细 节特征数目等影响指纹图像质量的因素进行分析， 由此定量地得出指纹图像质量评测结果。我们分别 从空域和频域对指纹图像的质量做客观地评价。
I (i, j) Mean
2
2.
指纹图像的有效面积：采用方差法预分割出指纹图像前景，计
算前景与图像的面积比。
3.
有无奇异点：奇异点分为核心点和三角点，是描述指纹特征的关
键特征点。（采用经典的Poincare Index算法）
二、指纹图像质量评估——空域评价指纹 图像质量

空域综合评价指纹图像的质量
二、指纹图像质量评估——频域评价指纹图像 质量

这是一种从频率域分析评价指纹图像质量的方法：指纹图像 块的频谱分布状况反映了原始指纹图像的基本特征，指纹区 域和背景区域区别很大，指纹区域中的各指纹图像块又有明 显的差别。据此分成五类： 1）背景块，对应原指纹图像的非指纹区域，其频谱能量很 低； 2）噪声块，对应原指纹图像的指纹区域中的杂乱区，其频 谱能量较低且不具有能量峰或环状结构，分散无规律； 3）模糊块，对应指纹区域中的模糊区，其频谱具有相对明 显的两个对称的能量尖峰，但能量较低； 4）清晰块，对应指纹区域中的清晰区，频谱具有非常明显 的两个对称能量尖峰。且能量较高 ； 5）包含奇异点(核心点和三角点)的块，其频谱为以块中心为 圆心的环状结构。
三、指纹图像预处理

指纹图像预处理流程图：
图像分割
图像增强
图像二值化
图像细化
指纹图像分割
方差分割法 基于FFT的分割法 基于Canny边缘检测分割法 基于DT网格表示图像的分割法

方差分割法


指纹图像的前景区域是由脊线和谷线组成，一般情况下， 前景中的脊线和骨线的灰度差是较大的，因此灰度统计特 性中的局部灰度方差是很大的。而指纹图像背景区域一般 比较单一，它的方差通常是比较小的。基于这一特性，可 以利用图像的局部方差对指纹图像进行分割 。 将指纹图像无重叠地划分为W X W的小块，这里W取16。 计算出每一块的均值和方差，若块方差小于预设的方差VT ，则该块为背景块。实验表明，方差分割法对于质量较好 的高对比度图像的分割效果较好，但它不适合低对比对或 噪声较大的图像。
方差法分割结果
基于FFT的分割法


对原始指纹图像分块做快速傅立叶变换（fast Fourier transform , FFT），所得到的频谱图能够清晰反映出原始 指纹图像中的背景区域、模糊区域（可恢复）和前景区域， 以及前景区域中的噪声区域（纹线杂乱，不可恢复）。频 谱图上标识出背景区域和噪声区域对应于原始指纹图像的 背景区及噪声区，从而可以很好地实现指纹图像的前后景 分割。 设FFT各小块图像的平均能量是 En ，对各小块进行能量检 测，由于背景块和噪声块的能量较低，而清晰块和模糊块 的能量较高，我们设定一个能量门限 E，只取 En E 的块 （取 E =5）。
试验数据
a
b
c
d
e
f
试验结果（一）
灰度均值 图a 135 灰度方差 1748 有效面积 82.35% 奇异点 有
图b
图c 图d 图e 图f
164
85 117 164 161
538
4115 3293 425 403
45.36%
85.28% 80.16% 20.54% 5.32%
有
有 有 有 无
试验结果（二）
综合评价

由于指纹图像所携带信息的复杂性和特殊性，有 时一个参数很难准确评估出图像质量，所以我们 需要对量化后的参数指标进行综合评价。根据实 际需要对不同的参数设置不同的权值,满足 n i 且 wi 1 (i=1,2…n)。 用Q表示图像总 0≤ w ≤1 ＝ i 1 n 体质量:
Q wi qi
二、指纹图像质量评估——空域评价指纹 图像质量

实际应用中，我们根据专家视觉评测过程给出下面 几种不同的测量参数来测度指纹图像的质量，它们 是：指纹图像的灰度分布、指纹图像的有效面积、 指纹图像中是否存在奇异点。我们先从单个的参数 指标对采集到的指纹图像进行测度，然后，对各个 参数指标按照测度的不同目的加以不同的权重进而 进行综合评价，给出指纹图像的综合质量。

指纹区域面积
Qs = NumBlur NumNormal Numclear NumBackground NumBlur NumNormal Numclear

指纹区域有效面积
Qa = NumNormal / 2 Numclear NumBlur NumNormal Numclear
基于FFT的分割法结果
基于Canny边缘检测分割法

Canny算子是最佳的边缘检测算子。应用于指纹图 像中发现它可以很好地区分图像的前后景，利用边 缘检测后的图像可以完成最终分割。
基于Canny边缘检测分割法结果
基于DT网格表示图像的分割法

利用DT网格自适应表示图像原理，在MD和MV两种 准则中，我们采用MV准则描述图像。由于得到的网 格在形状上更“均匀”，而且表示出的三角形的边 界与图像的边缘特征拟合的很好。
由于指纹图像所携带信息的复杂性和特殊性，一个参数 很难准确评估出图像质量，所以我们需要对量化后的参 数指标进行综合评价。根据实际需要对不同的参数设置 n 不同的权值 wi , 满足0≤ wi≤1 (i=1,2…n)且 =1 wi 。 i 1 用Q表示图像总体质量：
Q wi qi
i 1
n
图1
图2
图3
图4
图5
图6
质量评估结果
指纹区域面积 图1 图2 图3 0.731 0.657 0.685 有效指纹区域 0.962 0.930 0.703 综合质量评分 84.7 79.3 69.4 图像质量 评价结果 好 较好 中等
图4
图5 图6
0.602
0.463 0.260
0.431
0.560 0.214
谢谢各位老师 ！
指纹图像块及其频谱图
1.背景块
2.噪声块
3.模糊块
4.清晰块
指纹图像块及其频谱图
5.核心点
6.三角点
整幅指纹图像及其块频谱图
算法流程图
指纹取像
分块FFT
计算各块平均能量
判断平均能量
En<5 判为背景噪声块
5 En 10判为模糊块
10<En<15判为次清晰块
En 15 判为清晰块
评价参数指标
51.6
45.1 23.8
稍差
差 很差
频域评价指纹图像质量小结

对FVC2004标准指纹图像库DB4（共880幅）用此 方法进行了测试，我们按百分制输出指纹图像的质 量， 指纹图像的评价结果集中在30 – 95之间。实 验结果表明，这种算法比基于指纹灰度分布的空域 评价方法更稳定，更准确；而且我们也将该算法得 出的结果与我们主观评价结果进行了比较，与人的 视觉要求接近。
基于DT网格表示图像的分割法结果
基于DT网格表示图像的分割法结果
指纹图像归一化

M0 N i, j M 0
VAR0 I i , j Mean 2 , I i , j Mean Var VAR0 I i , j Mean 2 Var , otherwise