基于Gabor滤波器的指纹图像增强

合集下载

基于改进的Gabor滤波指纹图像增强算法研究

期
作者简介：林青）１６一）男，南新安人，ｆ９５，河￣（副教授，硕士，究方向为图形图像处理、入式系统、测技术与自动化装置研嵌检
囝ＭＤＲＣＰＥ２８ＯＥＮＯＵＲ０２ＭＴ０
．
维普资讯
唧
（）该方向窗内的各点在垂直于指纹方向的基３将
线上进行投影：
（）４分析投影结果。算出相邻两个波峰或波谷计之间的距离（素个数）像；（）ｒ为正弦波中两个连续峰值之间的平均像５设
竺
投影结果中波峰之间和波谷之间的距离即可得出纹
线的频率信息．算法如下：（）指纹图像分成Ｗｘ大小的无重叠子块：１将Ｗ（）２分别对每个中心在（，像素点的块划分Ｗｘｘ）ｙＬ的方向窗：
正好Байду номын сангаас相反
择特性可以有效的去除脊线噪声．以使脊线的信息得到加强。对核心区域方向变化比较剧烈的指纹图像，用
传统Ｇｂｒａｏ滤波方法滤波后．存在增强效果不明显．计算方向和频率信息时消耗的时间太长两个缺点
（）算块中每个像素（，）２计ｉ的水平梯度分量Ｇｊ（ｊ和垂直梯度分量Ｇ（）ｉ），ｙ，；ｉｊ（）算每块中心像素点（，的方向作为该块的３计ｉ）ｊ
关键词：指纹图像增强；Ｇａｏｂｒ函数；纹线方向；纹线频率；卷积

基于Gabor函数能量特征的指纹增强

箬Ｘｅｐ［＿箬ｏｃｓ［＿
［＿
］．ｅ］．ｅ
］ｅ．嫩
．＿ｅｘｐ（
（）１
能量分布计算，再进行Ｇｂｒａｏ函数滤波。
式（）１由实Ｇｂｒａｏ函数ｇ和虚Ｇｂｒａｏ函数ｇ组成：
＿（ｅＸｐ一
２指纹识别
指纹识别算法主要涉及指纹图像的获取、图像的预
频率的提取情况，依据频率能量分布设计滤波器，并成功
应用于指纹图像增强。
处理、特征提取、特征值的比对与匹配等．前指纹识别目算法的研究多是基于准确地从高质量指纹图像中获取指
０引言
在信息技术高速发展的今天，息安全变得尤为重信要。指纹识别的效率和好坏很大程度上依赖于指纹图像的预处理。一个好的预处理方法将大大减少伪特征点数，减
少对原始采集图像好坏的依赖。对于采集到的不清晰的指纹图像，为了弥补图像质量上的缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强步骤是十分必要的。Ｇｂｒａｏ变换是一个比较理想的指纹图像增强算法。Ｇｂｒａｏ变换，又称短时或加窗Ｆｕｉ变换，克ｏｒｒｅ
ｏｆｔｒｅｕａｒａｈｅｉｒｇｌｒａｅ．
Ｋｅｗｏｄ：ｉｇｒｒｔｎａｃｍｅｔＧａｏｎｔｎ；ｆｅｕｎｙｅｅｇ；ｆｅｕｎｙｂｎｙｒｓＦｎｅｉｈｎｅｎ；ｐｎｅｂｒｕｉｆｃｏｒｑｅｃｎｒｙｒｑｅｃａｄ

Gabor滤波在方向上的二值化指纹增强

(1.电子科技大学中山学院;2.深圳大学数学与计算科学学院) 李亚 1 周文辉 1 黄欣怡 1 朱小燕 2
LI Ya ZHOU Wen-hui HUANG Xin-yi ZHU Xiao-yan
摘要: 指纹图像增强是指纹特征提取和识别中的难点之一。本文介绍了一种在 Gabor 滤波基础上 , 基于方向图的、具有动态阈值的指纹图像二值化方法.该方法充分利用了指纹图像本身方向和灰度变化的特点,在保持指纹特征基本不丢失的情况下,可直接从指纹源图像中得到二值化图像,完成一般图像处理中的平滑、增强、二值化的过程.实验表明,此方法对于低质量的图像有很好的效果. 关键词: Gabor 滤波; 方向图; 二值化中图分类号: TP391.4 文献标识码: A
《PLC 技术应用 200 例》
a)指纹原始图像 b)Gabor 滤波增强
c)进行方向滤波后
d)二次增强
图 2 Gabor 滤波增强和二次增强后的图像对比
（下转第 159 页）
邮局订阅号：82-946 360 元 / 年 - 289 -
您的论文得到两院院士关注
软件时空
表 1 网格数与帧速的对比
4 结语
化的方法，并在二值化后进一步使用方向滤波器滤噪。具体步
骤如下:
(1)把前面分割出来的所有背景和不可恢复部分置 0。(2)对
任何一前景图像块中的像素,用 7x9 模板，考虑其应该置 1 还是
技 0。(3)模板以待处理为中心,放置方向平行于该图像的方向，统计
与块方向平行的各行所有像素的灰度和，因采用 7X9 模板，应
(1)
上式中 Sx,Sy 分别为 Sobel 算子 (3)根据梯度值计算块方向在每一图块中,依下式可算出块的主方向

219388473_基于Log－Gabor_滤波器的指纹图像分解重构增强技术分析

第８期２０２３年４月无线互联科技ＷｉｒｅｌｅｓｓＩｎｔｅｒｎｅｔＴｅｃｈｎｏｌｏｇｙＮｏ８Ａｐｒｉｌ，２０２３作者简介：邱秀兰（１９９２），女，江西吉安人，硕士；研究方向：信息与通信工程，图像处理㊂基于Ｌｏｇ－Ｇａｂｏｒ滤波器的指纹图像分解重构增强技术分析邱秀兰（南昌工学院信息与人工智能学院，江西南昌３３０００８）摘要：文章对指纹图谱和指纹图像预处理的相关技术进行分析，介绍小波变换技术，对Ｇａｂｏｒ滤波器进行改善，通过傅里叶变换进行整合，构建Ｌｏｇ－Ｇａｂｏｒ滤波器，研发出指纹图像分解重构增强技术，在此基础上介绍指纹细节特征提取技术，通过实验的方式分析Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构增强技术的应用效果㊂实验结果表明，这种预处理方法能够让指纹图像更加清晰，显示出更多的细节特征㊂关键词：指纹图像；预处理；关键技术中图分类号：ＴＰ３９１㊀㊀文献标志码：Ａ０㊀引言㊀㊀众所周知，指纹图像的图片质量较差是一个普遍存在的问题，因此需要对指纹图像进行预处理，运用增强技术，使指纹图像更加清晰㊁特征更加明确㊂对指纹图像进行预处理时，可以采用Ｇａｂｏｒ滤波增强技术㊂由于该技术存在一定的不足，因此需要对该技术进行不断地改进和完善，本文提出Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构增强技术和指纹细节特征点提取技术，进一步提高指纹图像的预处理效率，形成更好的处理效果㊂１㊀指纹图像预处理相关技术分析㊀㊀对指纹图像进行预处理之前，需要分析指纹图谱，明确指纹图谱的表示方式，在指纹图像中，脊线宽度为１００μｍ３００μｍ，脊线与谷线的周期在５００μｍ左右㊂从指纹图像的全局上看，存在独特的脊线区域，如曲率较高㊁端点较多等，这些区域属于奇异点或奇异区，主要包括３种类型，分别是三角形㊁斗形以及箕形㊂从指纹图像的局部上看，以指纹细节特征点为主，脊线突然结束的部位是端点；一条脊线分成两条脊线后，再次合并成一条脊线，呈现出环状结构，这种细节特征叫作环；一条脊线分出多条脊线的部位属于分叉点；两条并行脊线逐渐连接，该部位被称为桥㊂另外，指纹细节点还包括短纹孤立点毛刺等㊂对指纹图像进行预处理时，需要采集指纹图像，进行标准化处理㊂在指纹方向图的计算中，可以采用梯度适量法，在指纹脊线频率图的计算中，可以统计灰度信息，计算完成后，对指纹图像进行分割，经过滤波增强，进行二值化处理后，再进行细化处理㊂２㊀指纹图像预处理中的小波变换技术㊀㊀小波变换技术主要来源于Ｆｏｕｒｉｅｒ分析，Ｆｏｕｒｉｅｒ分析更强调整体性，而小波分析能够实现局部变换，小波变换技术还运用了数值分析和调和分析等分析方法，在信号处理方面存在着较大的优势，具有多分辨率分析的功能㊂它能够快速从指纹图像信号中提取特征信息，从频率㊁时间㊁空间等层面分析指纹图像信号的局部特征，对指纹图像信号低频部分进行预处理时，使用高分辨率，对高频部分进行处理时，使用低分辨率，通过这种方式处理信号不规律的指纹图像信号㊂２１㊀指纹图像压缩处理㊀㊀利用二维小波变换的方式处理指纹图像时，可以分解指纹图像，将指纹图像转换成低频子图像，小波基的类型会影响指纹图像处理结果，可以使用Ｄａｕｂｅｃｈｉｅｓ－４型小波，用该型号的滤波器处理指纹图像时，能够有效分解３层小波信号㊂在压缩处理过程中，先选择一幅指纹图像，对其进行小波分解，由此获得小波系数，分解后的图像尺寸与原图保持一致，形成了１０个小波分解结果，共包含９００００个系数，如图１所示为小波重构分解示意，ＨｉＬｉ表示垂直高频㊁水平低频情况下的图像信息，ＨｉＨｉ表示垂直㊁水平均为高频情况下的图像信息，ＬｉＨｉ表示垂直高频㊁水平低频情况下的图像信息㊂图像噪声主要处于高频段，即小波分解示意图中的ＨｉＨｉ区域，在降噪处理中，将该区域删除，即小波重构示意图中的阴影区域，采用另外７个小波系数，以此来重构指纹图像㊂２２㊀指纹图像去噪处理㊀㊀指纹图像的去噪处理主要包括４个步骤：第一步，处理二维图像信号，采用小波函数，确定小波分解层次Ｎ，完成小波处理工作㊂第二步，处理指纹图像信号中的高频段系数，从第一层到第Ｎ层，量化阈值㊂第三步，根据量化阈值调整系数，对每一层的高频段系数进行修改㊂第四步，小波重构㊂在去噪处理的４个步骤中，最关键的就是第二步，完成去噪工作后，就可以对指纹图像进行增强处理㊂２３㊀指纹图像增强处理㊀㊀增强处理工作，主要是对不清晰的指纹图像进行处理，使指纹图像变得更加清晰，或者根据人们的需求，重点显示图像中的局部特征，弱化不重要的部位，图１㊀小波重构分解示意做到精准判读，形成更好的图像识别效果，提高图像质量，使指纹图像的信息更加丰富㊂进行逆变换之前，需要对小波变换域中的部分系数进行调整，通过改变系数的数值达到增强的目的，在变换数值的过程中，有针对性地放大或减少部分特征，在提取关键特征的过程中，完成增强处理工作，利用小波变换技术提高指纹图像识别率，改善指纹图像的质量［１］㊂３㊀基于Ｌｏｇ－Ｇａｂｏｒ滤波器的指纹图像分解重构增强技术３１㊀Ｌｏｇ－Ｇａｂｏｒ滤波器㊀㊀传统的Ｇａｂｏｒ滤波器只能获取局部频率信息㊂该滤波器的最大宽带只有一倍频程，Ｇａｂｏｒ函数无法形成任意带宽，如果处于偶对称滤波器中，还有可能形成不合理的直流分量㊂考虑到Ｇａｂｏｒ滤波器的局限性，对滤波器进行改进，Ｆｉｅｌｄ提出了Ｌｏｇ－Ｇａｂｏｒ滤波器㊂改进之后，滤波器不仅具有更宽的频带㊁更广的频率范围㊁更真实的频率响应，还能得到更好的空间定位㊂改进后的滤波器不存在直流分量，利用Ｌｏｇ－Ｇａｂｏｒ处理图像时，不会受到亮度的影响㊂需要区分偶对称滤波器和奇对称滤波器，在前者的应用中，两个实值的Ｌｏｇ高斯峰轴分布在两侧，呈对称状，在后者的应用中，主要为中心对称状㊂可以根据线性傅里叶变换进行处理，将偶对称滤波器与奇对称滤波器融合到一起，虚部属于奇对称函数，实部属于偶对称函数㊂从频率域的层面优化滤波器，将其划分成两个部分，分别是角度分量以及径向分量［２］㊂３２㊀指纹图像的Ｌｏｇ－Ｇａｂｏｒ分解重构增强㊀㊀在滤波器的构造过程中，需要先设置相同大小和图像的矩阵，利用矩阵计算坐标，确定最小尺度波滤器的波长和中心频率，再计算两个分量，经过线性傅里叶变换，将两者整合到一起，形成完整的Ｌｏｇ－Ｇａｂｏｒ滤波器㊂利用Ｌｏｇ－Ｇａｂｏｒ滤波器进行分解重构时，需要遵循特定的流程㊂开始分解重构时，需要进行初始化，设置小波尺度，调整方向，还要分配３ˑ４元胞数组，对图像进行傅里叶变换，以此来构造滤波器，再利用滤波器进行傅里叶变换，对滤波器和图像进行卷积处理㊂经过傅里叶反变换之后，将结果保存在元胞数组中，获得１２个分解图，前６个分解图显示了高频纹理，后６个纹理图显示了低频纹理，将１２个分解图合并，变成一整张图㊂分解重构之后可以发现，指纹图像更加清晰，删除了很多不重要的指纹信息，提高了计算效率，指纹的特征也更加明确，为后期的滤波增强奠定了良好的基础㊂３３㊀实验分析㊀㊀实验中的指纹图像资料主要来自ＦＶＣ２００４指纹数据库，ＦＶＣ是世界指纹识别大赛，ＦＶＣ２００４数据库包含４个子库，ＤＢ１以光学传感器为主，图像尺寸为６４０ˑ４８０；ＤＢ２同样是光学传感器，图像尺寸为３２８ˑ３６４；ＤＢ３为热敏传感器，图像尺寸是３００ˑ４８０；ＤＢ４是软件合成传感器，图像尺寸为２８８ˑ３８４㊂该数据库指纹图像质量较差，从该指纹数据库中选取指纹图像，对其进行预处理，更能体现出指纹算法的优势㊂在实验过程中，选取８０枚指纹，经过Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构，再对重构图像进行滤波增强㊂对实验结果进行分析，可以发现，对于传统的Ｇａｂｏｒ滤波器来说，虽然能够重新连接断开的纹线，但是在腐蚀严重的部分，处理效果相对较差㊂对于Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构来说，即使部分区域腐蚀比较严重，仍然能够形成较好的处理效果，准确地还原纹线结构㊂之所以会出现这种差异，主要是因为份额分解重构后的纹理特征信息更加明显㊁丰富㊁准确㊂利用指纹细节点查看器（ＦｐＭＶ）进行检测，从数据库中选择６枚指纹，在传统Ｇａｂｏｒ滤波器的应用中，６枚指纹的细节点数分别为１３，３１，２２，３９，２６，１６㊂在Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构方式的应用中，６枚指纹的细节点数分别为１６，４７，４２，７５，３５，３０㊂由此可知，本文的重构分解方法能够获得更多的细节特征㊂４㊀指纹细节特征提取技术㊀４１㊀指纹图像的二值化㊀㊀利用指纹识别系统提取指纹图像的细节特征，在识别系统的运行中，依次进行采集㊁预处理㊁特征提取㊁特征匹配，形成指纹识别结果㊂提取细节前，需要做好准备工作，对指纹图像进行二值化处理和细化处理㊂在二值化处理中，需要明确二值化的应用标准，确保脊线保持原本的结构特征，不存在断裂㊁空洞等情况，相邻脊线的间距不能产生较大差异，对计算速度进行控制㊂此外，二值化方法有很多种，例如：灰度信息基础上的动态阈值法㊁指纹方向基础上的动态阈值法㊁全局阈值法等㊂比较常用的方法是全局阈值法㊂运用该方法时，先设定全局阈值ｔ，对指纹图像的灰度值进行分析㊂如果灰度小于ｔ，就将该数值设为０；如果灰度大于ｔ，就将该数值设为１㊂指纹图像各个区域的亮度㊁对比度存在一定差异，全局阈值很难实现二值化操作，可以通过局部阈值的方式进行处理，改变ｔ的灰度情况，以此来控制局部，将ｔ设为平均亮度㊂确定阈值之后，经过增强处理的指纹图像，有着明显的脊线谷线结构㊂在二值化处理中，运用最大类间方差法，将指纹图像划分成背景区和目标区，两者的类间方差和两个区域的差别成正比，可以根据类间方差判断背区和目标区，使用最佳阈值ｔ时，类间方差最大㊂４２㊀指纹图像细化处理和细节提取㊀㊀对指纹图像进行细化处理时，需要考虑指纹纹线的特征，采集指纹图像的过程中，当噪声和压力发生变化的时候，纹线的宽度就会表现为不均匀的情况，无法准确提取指纹特征㊂需要细化指纹图像中的指纹脊线，利用ＯＰＴＡ算法进行细化，经过细化处理后，就可以提取指纹图像的细节特征，采用数字化的方式，获取特征数据，通过数据匹配的方式进行分析［３］㊂４３㊀细节滤波㊀㊀对于细节滤波来说，需要分析伪细节特征点㊁滤除边缘伪细节特征点㊁滤除其余伪细节特征点㊂判断伪细节特征点㊂在采集工作中，有可能会采集一部分伪细节点，预处理工作无法完全滤除伪细节点，但伪细节点又会影响指纹识别㊂在匹配细节特征之前，应当滤除伪细节点㊂可以根据伪细节点的特征进行判断和滤除，在指纹图像中，发现毛刺㊁短线㊁脊线断点㊁脊线桥㊁环时，具备这些特征的部位有可能属于伪细节点㊂为了滤除边缘伪细节特征点，可以对细化图像进行处理，将其划分成特定大小的像素块，计算像素的总和，找出其中的脊线，确定边界块，滤除边界块的伪细节特征点㊂对指纹图像中的其他伪细节特征点进行滤除时，可以采用脊线跟踪法，顺着脊线进行跟踪标记，同样可以根据毛刺㊁短线㊁脊线桥㊁环判断伪细节特征点［４］㊂４４㊀实验分析㊀㊀为研究指纹图像细节特征提取技术的有效性，设计实验，根据实验结果进行分析㊂从数据库中随机挑选６枚指纹，比较两种增强算法的效果和优缺点㊂为了更直观地对比两种增强方法的效果，引入了错误指数ＥＩ，ａ表示丢失正确特征点的数量，ｂ表示提取错误特征点的数量，ｔ表示提取特征点的数量㊂ＥＩ值和提取特征点正确率为反比关系，ＥＩ值较低的情况下，说明正确率较高㊂如表１所示为两种增强法的实验结果，从实验结果上看，本文提出的Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构增强法ＥＩ值更低，正确率更高㊂表１㊀实验结果指纹传统的Ｇａｂｏｒ滤波器增强法Ｌｏｇ－Ｇａｂｏｒ滤波器分解重构增强法ａ＋ｂｔＥＩａ＋ｂｔＥＩ１０５－１３７０４２９２７０２８６１０５－４１３１６０８１２８１８０４４４１０７－７３６０５２６０３３３１０７－８１０１１０９０９４１１０３６４１０９－４５１３０３８５４１３０３０８１０９－７４８０５４８０５平均０５８９０３７３５　结语㊀㊀传统的指纹图像预处理技术存在一定缺陷，细节特征较少，不够准确和清晰，为了提高指纹图像预处理质量，对Ｇａｂｏｒ滤波技术进行研究，在此基础上构建Ｌｏｇ－Ｇａｂｏｒ滤波器，对指纹图像进行分解㊁重构㊁增强，使指纹图像更加清晰，滤除伪特征点，显示出更多㊁更准确的细节特征㊂参考文献［１］罗海宁，王建英．一种指纹图像简化预处理与特征提取算法实现［Ｊ］．自动化与仪器仪表，２０２２（１）：２６－２９，３４．［２］李鼎睿．ＯＬＥＤ屏下指纹的预处理和识别算法研究与实现［Ｄ］．武汉：华中科技大学，２０２１．［３］曹略耕．基于局部二值模式的指纹比对预处理模型［Ｊ］．中国刑事警察，２０２０（３）：１９－２１．［４］李莎．基于Ｐｒｅｗｉｔｔ的指纹图像预处理算法研究［Ｊ］．自动化应用，２０１８（６）：１－２，６．（编辑㊀王永超）ＡｎａｌｙｓｉｓｏｆｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｉｑｕｅｂａｓｅｄｏｎＬｏｇ－ＧａｂｏｒｆｉｌｔｅｒＱｉｕＸｉｕｌａｎＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＮａｎｃｈａｎｇ３３０００８ＣｈｉｎａＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒａｎａｌｙｚｅｓｔｈｅｒｅｌａｔｅｄｔｅｃｈｎｏｌｏｇｙｏｆｆｉｎｇｅｒｐｒｉｎｔａｎｄｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇｉｎｔｒｏｄｕｃｅｓｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｔｅｃｈｎｏｌｏｇｙｉｍｐｒｏｖｅｓＧａｂｏｒｆｉｌｔｅｒｉｎｔｅｇｒａｔｅｓｔｈｒｏｕｇｈＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｃｏｎｓｔｒｕｃｔｓＬｏｇ－ＧａｂｏｒｆｉｌｔｅｒｄｅｖｅｌｏｐｓｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｔｈｉｓｉｎｔｒｏｄｕｃｅｓｆｉｎｇｅｒｐｒｉｎｔｄｅｔａｉｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔａｌａｎａｌｙｓｉｓｏｆＬｏｇ－Ｇａｂｏｒｆｉｌｔｅｒｄｅｃｏｍｐｏｓｉｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙａｐｐｌｉｃａｔｉｏｎｅｆｆｅｃｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｐｒｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｃａｎｍａｋｅｔｈｅｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｍｏｒｅｃｌｅａｒａｎｄｓｈｏｗｍｏｒｅｄｅｔａｉｌｓ．Ｋｅｙｗｏｒｄｓｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇｋｅｙｔｅｃｈｎｏｌｏｇｙ。

基于改进的Gabor滤波指纹图像增强算法研究

素点（ｉ，ｊ）的灰度值，Ｍ（Ｉ）和Ｖ（Ｉ）分别是原始指纹图像的
灰度均值和方差，Ｍ０（Ｉ）和Ｖ０（Ｉ）分别是期望的灰度均值和方差。令Ｇ表示灰度归一化后的指纹图像，Ｇ（ｉ，ｊ）为
归一化后图像中像素（ｉ，ｊ）的灰度，则：
! "
Ｍ＋ $
$ $
０
Ｇ（
ｉ，
ｊ）
＝
$ #
Ｖ０×（Ｉ（ｉ，ｊ）－Ｍ（Ｉ））２Ｖ（Ｉ）
（１）将指纹图像分成Ｗ×Ｗ大小的无重叠子块；（２）分别对每个中心在（ｘ，ｙ）像素点的块划分Ｗ×Ｌ的方向窗；（３）将该方向窗内的各点在垂直于指纹方向的基线上进行投影；（４）分析投影结果，计算出相邻两个波峰或波谷之间的距离（像素个数）；（５）设Ｔ为正弦波中两个连续峰值之间的平均像素个数，则纹线频率为ｆ＝１。
Ｔ如果没有连续的峰值或求得的脊线频率不合理，则将脊线频率设置为－１，以区别于其他合理有效的脊线频率值。
图１方向窗口
１．４Ｇａｂｏｒ滤波器图像增强
二维Ｇａｂｏｒ函数是二维高斯函数在两个频率轴
都发生了平移之后的结果，即原来的频率中心由坐标
原点移到（ｕ，ｖ）处，它是一个二维带通滤波器。其数学
! $
Ｍ－ $
$ $
０
%
Ｖ０×（Ｉ（ｉ，ｊ）－Ｍ（Ｉ））２Ｖ（Ｉ）
，Ｉ（ｉ，ｊ）＞Ｍ（Ｉ），其他
灰度归一化处理是基于像素的操作，它并没有改
变指纹纹线的质量，只是改善了整幅图像的灰度对比
度。
１．２纹线方向估计
指纹图像的脊线方向表明指纹的内在特性，在指

基于Gabor滤波的指纹图像增强算法研究

科技信息
基于Ｇａｏ滤波的指纹国像增强算法研穷ｂｒ
广东白云学院电气与信息工程学院
［摘
汤海林
要］指纹图像增强是指纹识别系统中关键技术之一，于Ｇｂｒ基ａｏ滤波的方法以其能同时在空间域和频率域的变换而被广泛应
用，文详细介绍了Ｇｂｒ本ａｏ函数、ａｏ滤波器的图像增强算法、Ｇｂｒ方向图计算、线频率计算的步骤及方法，纹并根据本文设计的增强算法在计算机上编程实现，实验结果表明该算法能较好的去除指纹图像中的噪声，达到增强的效果。［关键词］图像增强Ｇａｏ滤波器算法ｂｒ
１引言．
自动指纹识别系统（ＦＳ的工作原理包括指纹图像采集、ＡＩ）指纹图像预处理、纹的特征提取和特征匹配四个过程。在实际应用中，指由于受采集环境、采集设备等因素影响，所采集的指纹图像常常会出现指纹纹线不清晰、噪声多等问题，了提高指纹特征提取的可靠性和ＡＩ为ＦＳ的性能，对指纹图像都必须进行有效的预处理，图像增强是预处理技术的关键，图像滤波增强的效果决定着指纹特征点的提取和指纹识别系统的性能。２指纹图像增强．目，纹图像增强的研究主要是针对低质量指纹图像进行ｎ前指。指纹图像增强是对采集的指纹运用算法处理，在保留指纹特征点信息的基础上，除纹线的各种噪声，消同时通过算法优化提高系统的运行速度。指纹图像增强是指纹识别系统中关键技术之一。目前针对指纹图像增强算法主要采用的方法是空域滤波和频域滤波。空域滤波的原理是通过对滤波算子和原始图像的卷积计算来实现图像增强，文献［中， ’ ｏｍｎＮｃｅｏ提出采用方向滤波器进行２ＯＧｒａ和ｉｒｎ］ｋｓ指纹图像增强，该滤波器能起到部分消除噪声和弥补裂纹的效果，但存在滤波器模板不确定、质量图像效果差等缺点。文献［中，ａｇ低３Ｈｎ等】提出采用二维的Ｇｂｒａｏ滤波器来实现指纹图像的增强，该方法在进行滤波过程中结合了指纹的方向信息和频率信息，通过指纹的方向性将二维Ｇｂｒａｏ滤波器调制到各个方向，再根据频率信息确定滤波器的中心频率，最后采用Ｇｂｒａｏ滤波器组对图像进行滤波，其增强效果比较显著。在Ｈｎ等人的研究基础上，ａｇ还出现了一些改进的Ｇｂｒａｏ滤波算法等。频域滤波的原理是根据指纹纹线的等周期性及指纹图像的能量分布情况，通过改善图像的频谱来达到图像增强的目的，［０，ｈｒ文献４０Ｓｅ１ — ｌｋｏ等提出了基于频域方向的滤波算法，ｃ其原理是根据已定义的方向滤波器对指纹图像的频谱进行滤波处理，再把提取信息与空域滤波结果按指纹图像的方向信息进行融合，而得到完整的增强图像，法从该方对低质量指纹图像增强效果较好。

基于Gabor函数的小波域指纹图像增强算法

Gabor function based fingerprint enhancem ent algorithm in wavelet dom ain
W EN M iao l,i L IANG Yan, PAN Quan, ZHANG H ong cai
( Co llege of Au tom ation, N orthw es tern P oly technical University, X i an Shaanx i 710072, China)
的, 且在小波分解后小波低频系数的分布与原指纹图像的像素分布非常相似, 因此低频系数图很好地保留了原指纹图像的纹
线方向和频率信息, 且抑制了高频扰动对纹线方向和频率信息的影响。指纹过干或过湿的局部区域可看作是图像局部区域
灰度的高频扰动, 因而在小波域仅对其低频系数图做纹线方向估计将削弱指纹过干或过湿区域对方向估计的影响。
第 26卷第 3期 2006年 3月
计算机应用 C ompu ter App lications
V o.l 26 No. 3 M ar. 2006
文章编号: 1001- 9081( 2006) 03- 0589- 03
基于 Gabor函数的小波域指纹图像增强算法
温苗利, 梁彦, 潘泉, 张洪才 ( 西北工业大学自动化学院, 陕西西安 710072)
1 指纹增强算法简述
目前的指纹增强算法, 一般都使用了纹线方向信息作为增强算法的参数, 部分算法还使用了纹线的频率信息。 O Go rman[ 1] 以及 M ehtre[ 2]首先提出了的基于方向滤波器的指纹增强方法。其主要思想是根据指纹的局部频率来设计滤波器的模板, 然后与指纹图像进行卷积得到最终增强结果, 该方法处理速度慢, 很难适用于大的指纹数据库。 Sherlock利用时域的卷积相当于 F our ier域的点对点乘积, 提出了 Four ie r域的基于方向滤波器增强算法, 但该算法仅使用了纹线方向信息而没有利用纹线频率信息 [3] 。文献 [ 4 ~ 6 ] 提出了一种基于 G abor函数的指纹增强算法, 同时利用了 G abor 函数的方向和频率选择特性, 但它对纹线方向变化比较剧烈的模式区并不能保持较好的纹线信息。 Y ang[ 7] 考虑到指纹图像脊线和谷线频率不等, 修改 G abo r滤波器实现脊线和谷线的双频率选择。 K lim anee[ 8] 利用预定义的 8个方向和 4个频率的 G abor滤波器组实现指纹图像的增强, 较好地保留了指纹图像的细节特征。其他指纹增强方法有: A lmansa[9] 在尺度空间自适应地估计纹线频率和方向信息以提高指纹图像增强效果; G reenberg[ 10] 利用各向异性滤波器直接对指纹图像的灰度进行补偿; Jiang[ 11]

基于Gabor滤波器的指纹图像增强算法研究

化当成正弦波形，选取矩形窗口并适当旋转，将窗口内的纹线的方向与ｙ轴对齐，沿ｘ轴方向累加ｙ轴方向上各点的平均灰度值，把这些值当成正弦波的值来估算频率［２］。通过指纹的方向性将二维Ｇａｂｏｒ滤波器调制到各个方向，再根据频率信息确定滤波器的中心频率，最后采用Ｇａｂｏｒ滤波器组对图像进行滤波，其增强效果比较显著。在Ｈｏｎｇ等人的研究基础上，还出现了一些
定着指纹特征点的提取和指纹识别系统的性能。Ｇａｂｏｒ函数可以很好地兼顾时域和频域信息，实现对信号的处理，使用Ｇａｂｏｒ函数实现指纹图像增强是一个合理的选择。
＝
∑
∑ ｝＿钴蠊ｅ谯曩静一ｕ），３－（２）
向的滤波算法，该方法对低质量指纹图像增强效果较好。
２Ｇａｂｏｒ滤波增强
目前，针对指纹图像增强的各种算法中，Ｈｏｎｇ等提出的基于Ｇａｂｏｒ滤波的方法以其同时具有最优联合空频分辨率的优点被认为是目前最流行的方法，如图１所示为Ｇａｂｏｒ滤波器的时域及变换频谱。Ｇａｂｏｒ变换是英国物理学家Ｇａｂｏｒ提出来的，Ｇａｂｏｒ变换属于加窗傅立叶变换，用Ｇａｂｏｒ滤波器对指纹图像进行滤波增强，必须建立以指纹纹线方向场为收敛和增强的Ｇａｂｏｒｄ￣波模型。Ｇａｂｏｒｄ￣波函数由高斯函数与三角函数构成，

面向指纹图像增强的Gabor滤波器设计

［ｙｗｏｄ］ｆｇｒｒｔｉｇａｃｍｅｔＧａｏｌｒＩｐｔｕｐｔ／ｂｆｒｐｐｌｅｓｕｔｒＫｅｒｓｉｅｐｉ；ｍａｅｅｎｅｎ；ｂｒｔ；ｎｕＯｔｕ（Ｏ）ｕｅ；ｉｅｎｔｃｕｅｎｎｈｎｉｆｅ／Ｉｉｒ
ＤＯＩ１．９９．ｓ．０ —４８２１．８０５：０３６￣ｉｎ１０３２．０２１．３ｓ０
（ｔｔＫｅａｏａｏｙｏＡＳＣａｄＳｓｅＦｄｎＵｎｖｒｉ，ｈｇａ２１０，ｈｎ）ＳａｅｙＬｂｒｔｒｆＩｎｙｔｍ，ｕａｉｅｓｙＳａｈｉ０２３Ｃｉａｔｎ
［ｓｒｃ］ＴｉｐｐｒｒｐｓｓｅｉｎａｄｉｌｍｅｔｔｎｓｈｍｅｏｂｒｆｔｒｏｎｅｐｉｔｍａｅｅｈｃｍｅｔＩｅｌｙｃｕａｅｏａＡｂｔａｔｈｓａｅｏｏｅｄｓｎｅｎａｏｃｅｆｏｌｒｇｒｒｇｎａｅｎ．ｔｍｐｏｓｃｒｔｃｌｐａｇｍｐｉＧａｉｅｆｆｉｎｉｎａｌ
第３卷第１期８８
Ｖｏｌ８－３
・
计
算
机
工
程
２１０２年９月
Ｓｐｔｍｂｅｅｅｒ２０１２
ＮＯ１．８
ＣｏｐｕｅｇｉｅｉｍｔｒＥｎｎｅｒｎｇ
人工智能及识别技术・
文章编号：１０＿４８ｏ２８＿３．３文献ｏ３２（ｌ１—ｏｍ＿２）１０标识码ｚＡ
８％，因此，为Ｇｂｒ３Ｊａｏ滤波设计专门的硬件加速单元即能以最小的代价同时解决精度和时间开销问题。而其余增

基于Gabor滤波器的自适应指纹增强算法

基于Ｇａｂｏｒ滤波器的自适应指纹增强算法
陈静，赵正平
（阜阳师范学院计算机与信息学院，安徽阜阳２３６０３７）
摘
要：指纹增强的目的在于改善指纹图像的质量，进而提高指纹识别系统的性能。提出了一种基于Ｇａｂｏｒ滤波器的
第３Ｏ卷第４期
２０１３年１２月
阜阳师范学院学报（自然科学版）
ＪｏｕｒｎａｌｏｆＦｕｙａｎｇＴｅａｃｈｅｒｓＣｏｌｌｅｇｅ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）
Ｖｏ１．３０．Ｎｏ．４Ｄｅｃ．２０１３
指纹增强算法，算法采用梯度法计算纹线方向，利用指纹图像子块的频谱分布特征计算纹线频率，通过计算图像方向一致性来自适应地调节Ｇａｂｏｒ滤波窗口的大小，再采用具有可变角度带宽的低通滤波器进行滤波，有效地提高指纹的纹理清晰
度，较好地避免奇异点区域的块效应。实验结果表明，算法具有良好的图像增强效果。
ｃｙ．ＴｈｅｌａｇｏｉｒｔｈｍａｄｊｕｓｔｅｄＧａｂｏｒｉｆｌｔｅｒｗｉｎｄｏｗｓｉｚｅａｄａｐｔｉｖｅｌｙｂｙｃａｌｃｌａｕｔｉｎｇｔｈｅｉｍａｇｅｏｉｒｅｎｔａｔｉｏｎ，ａｎｄｉｍｐｌｅｍｅｎｔｅｄｔｈｅｉｆｌｔｅｉｒｎｇｂｙ

Gabor滤波器在指纹图像处理中的应用

为归一化后的像素点（，的灰度值。处理后的输出结ｉｊ）
果
图１归一化的结果，一９Ｍｏ０和Ｖｏ１０一０
２３频率估计．
这里的纹线频率定义如下：相邻的两个波峰或波
这个处理结果将在以后的处理中用到多次，这里记其为Ｎ，每个像素点的灰度值为Ｎ（，）ｉｊ。
２２方向估计．对于指纹这种特殊的图像，纹线的方向是非常有用的信息，也可以说是指纹图像在该点的特征。了估为
计指纹图像的方向，把一个３２５５ ×３２的图像分成２２ ×２块，２也就是说每一块的大小为１ ×１，位为像６６单素。要计算的就是这些块的方向，先采用索贝尔（ｏ首ｓ—
＊本文于２０年６月收到。０１
பைடு நூலகம்
１４８
仪
器
仪
表
学
报ｉ詈ｊ号＋＋
第２４卷
２１归一化处理．
归一化的作用一方面使得图像灰度值达到一个预先定义的平均值和方差，另一方面是达到增强图像整体对比度的效果。归一化采用的公式如下：
想。
必须针对指纹图像的特点，设计出综合性能最优的增
强算法。这里提出的算法工作稳定，效果良好。在算法中采用查表的方法，大大加快了算法的速度。
２指纹图像的增强算法
指纹图像增强算法的流程图，一共包括四个步骤：（）一化处理；２频率估算；３方向估算；４滤波。１归‘ （）（）（）

改进参数的Gabor滤波器指纹图像增强算法的研究

改进参数的Gabor滤波器指纹图像增强算法的研究作者：唐维来源：《电脑知识与技术》2014年第12期摘要：在指纹识别之前，首先要对指纹图像进行预处理操作，预处理中，Gabor滤波器能够很好的平滑和分割指纹图像，然而由于Gabor滤波器对指纹中纹路的走向和频率非常的敏感，导致经过Gabor滤波操作后的指纹图像特征点剧烈的缺失和变化。

该文利用相位差二值化，使其在指纹图像二值化时能够不需要Gabor滤波，然而对指纹增加时通过Gabor，使得在增强过程中有效的连接纹理的断裂并且很好的平滑图像，这样做使得Gabor滤波对纹路频率的敏感不再影响指纹的预处理，并且很好的保留了指纹的特征。

关键词：指纹；二值图像；Gabor滤波；指纹增强中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）12-2841-04指纹图像在获取过程中通常会受到很多噪声的干扰，总结起来这些干扰可以分为：采集器里面的污垢、指纹图像受损、指纹测量时外界条件造成的失真。

噪声对获得正确的指纹图像有很大的干扰，对之后的指纹识别造成很大的困扰，因此对获得的指纹图像有必要预处理，节省后面识别的工作量。

对指纹图像增强的办法主要分为以下几种：纹理滤波法[1]、傅里叶分析法、小波分析法和基于知识的方法等。

在目前比较通用的增强办法是纹理滤波法，指纹滤波法可以运算得出指纹图片所有局部范围的方向以及频率特点，然后根据纹理滤波器使得指纹图像得到相应的增强。

Hong采用的指纹图像增强是利用Gabor滤波器[2]，Gabor滤波器能够在空间和频率方面得到最优解，在带宽和方向感的处理都比较理想。

然而Gabor滤波器增强指纹图像往往伴随有指纹边界的不连续，使得指纹图像存在明显缺陷。

并且Gabor滤波器增强的指纹图像对不同图像的增强效果也有差异。

因此，在采用Gabor滤波器增强指纹图像[4]的同时，该文利用一种改进的Gabor算法增强指纹图像。

1 归一化归一化旨在消弱指纹图像获取过程中因为采集头本身的污染和人体指纹在采集过程中用力不均等产生的灰度差异，把指纹图像的对比度和灰度计算到某一个特定值上面，使得在接下来的操作中能够有统一的标准[5]，方便判别算法的准确性。

基于Log—Gabor滤波的指纹图像增强

ｒｎｅｏｕｏｔｃｆｎｅｐｉｔｉｅｔｉｔｎｓｓｅｒｌｓｈａｉｎｔｅｑａｉｆｉｇｒｒｎｓｒｃｅｐｒｏｍａｃｆａｔｍａｉｉｇｒｒｎｄｎｉｃｉｙｔｍｅｉｅｖｌｏｈｕｌｙｏｎｅｐｉｔｉｆａｏｅｙｔｆｍ—
ｆｅｕｎｙｓｅｔｕｏｉｇｒｒｎｍａｅ．Ｉｈｓｐｐｒｔｅｄｓｇｔｏｄｉｌｍｅｔｔｎｓｈｍｅｏｏ－ｂｒｒｑｅｃｐｃｒｍｆｆｅｐｉｔｉｇｓｎｔｉａｅ，ｈｅｉｎｍｅｈｄａｍｐｅｎａｉｃｅｆＬｇＧａｏｎｎｏ
关键词指纹，图像增强，ｏ－ａｏ滤波器，窗傅里叶变换ＬｇＧｂｒ加
ＦｉｇｒｉｍａｅＥｎｎｃｍｅｔｂｙＬｏｇＧａｏｌｅｉｇｎｅｐｒｎｔＩｇｈａｅｎ－ｂｒＦｉｔｒｎＷＡＮＧｉＬＩｉｎＷｅＨＵＡＧｉｉＦＷｅａ－ｉＪＮＦｅ－ＥＮＧｉＬｉｎ・ＦｅＨａ－ａｇ・
利于改善指纹图像的滤波效果。本文提出采用ＬｇＧａｏ滤波器来实现指纹图像增强，ｏ－ｂｒ先利用加窗傅里叶变换来提
取指纹图像的局部频谱信息，再在频域进行滤波。在详述了滤波器的设计方法之后，出具体的图像滤波方案，与给并传统方法作了比较。实验结果表明，所提出的算法能有效改善指纹图像的质量和提高指纹识别的可靠性。
ａｅ．Ｆｉｅｐｉｔｉｇｎａｃｍｅｔｓｉｅｄｄｔｒｖｈｇｕｌｙａｄｉｅｓｎｉｌｔｎｕｅｔｅａｃｒｃｆｇｓｇｎｒｒｍａｅｅｈｎｅｎｎｅｏｉｎｉｎｔｍｐｏｅｔｅｉｍａｅｑａｉｎｓｅｔｏｅｓｒｈｃｕａｙｏｔｓａｆｇｒｒｔｆａｕｅｅｔａｔｏ．Ｄｅｐｔｈｅｆｒｎｅｉｒｖｍｅｔ，ｔｅｅａｅｓｉｅｔｉｉｔｔｎｆＧａｏｉｅｉｅｐｉｅｔｒｘｒｃｉｎｎｎｓｉｔｅｐｒｏｍａｃｍｐｏｅｎｓｈｒｒｔｌｒａｎｌｅｌｃｍｉａｉｓｏｂｒｆｔ— ｏｌｒｎｆｅｐｉｔｉｇｎａｃｍｅｔＣｍｐｒｄｗｉｈＧａｏｌｅｓｉｉｎｒｒｎｍｅｅｈｎｅｎ．ｏａｅｔｂｒｆｔｒ，Ｌｏ－ｂｒｆｌｒａｅｃｎｔｕｔｄｔａｅｗｉｇｎｉｇａｉｇＧａｏｔｓｃｎｂｏｓｒｃｅｏｈｖ — ｉｅｄｒｂｄｄｈｗｉｐｉｌｓａｉｌｏａｉａｉｎｅａｗｉｔｔｏｔｎｈｍａｐｔｃｌｔ，ｗｈｃｏｔｉｕｅｏｉｃｅｓｈｉｅｉｇｐｒｏａｃｏｉｅｐｉｔａｌｚｏｉｈｃｎｒｂｔｓｔｎｒｅｔｅｆｌｒｅｒｎｅｆｒｆａｔｎｆｍｇｎｒｒｎｉｇｓＴｈｓｗｏｋｐｏｏｅｏｅｐｏｃｉｇｒｒｎｍａｅｅｈｎｅｅｔｍａｅ．ｉｒｒｐｓｓａｎｖｌａｐｒａｈｔｆｅｐｔｉｇｎａｃｍｎ，ｗｈｃｓｂｓｄｏｏ－ｂｒｆｔ— ｏｎｉｉｈｉａｅｎＬｇＧａｏｌｅｉ

基于Gabor滤波器的指纹图像增强

w⎞ l⎞ ⎛ ⎛ U = i + ⎜ d − ⎟ cos O ( i , j ) + ⎜ k − ⎟ sin O ( i , j ) 2⎠ 2⎠ ⎝ ⎝ w⎞ ⎛l ⎞ ⎛ V = j + ⎜ d − ⎟ sin O (i , j ) + ⎜ − k ⎟ cos O (i , j ) 2⎠ ⎝2 ⎠ ⎝ l 表示方向窗的宽度，W 表示方向窗的高度，取 l=32， W=16。 U 和 V 为方向窗口中的点换算到图像坐标系下的坐标值；（3）离散信号 X[k]组成了一个二维的正弦波，从得到的 X[k]中找到所有的极大值点，计算这些极大值的平均距离(即极大值间的平均像素点数 ) ，记为 T (i, j ) ，则波形频率可表示为
局部脊线方向，W 是子块的边长。由于噪声、粘连、模糊以及断裂等原因，方向场中存在着方向突变块，指纹具有脊线方向变化平缓的特性，并且在一个小范围内具有相对稳定的变化趋势，因此采用了高斯低通滤波器对指纹图像的方向场进行平滑处理，得到了相对平滑的方向场，此结果将在后面使用，记其为 O。原始图像及方向场图如图 1（a）、图 1（b）所示。可见，方向场很好地反映了指纹图像纹线的方向特性，纹线的方向计算准确可靠。 1.3 频率场估算在指纹图像的局部非奇异区域里，沿着垂直于脊线的方向看，指纹脊线和谷线像素点灰度值大致形成一个二维的正弦波，定义纹线频率为相邻的两个波峰或波谷之间的像素点数的倒数。求取这些互不重叠的局部区域的频率值，按各区域
i+ w 2
指纹局部区域
j+ w 2
（1）把 N 分成 W×W 大小的互不重叠的子块；（2）以图像子块中心点 (i, j ) 为中心，子块脊线方向为短轴，作一个尺寸为 l×W 的长方形窗口，如图 2 所示，在窗口中按公式（5）计算幅值 X[k]

基于Gabor滤波指纹图像增强方法

基于Gabor滤波指纹图像增强方法
丁晋俊;孙乐昌
【期刊名称】《舰船电子工程》
【年(卷),期】2006(026)006
【摘要】图像增强是指纹自动识别系统中非常关键的部分,它直接影响着指纹识别的最终效果.指纹预处理一般包括规格化、方向图计算、频率计算,图像分割、增强等环节,给出一套完整的增强算法,实验证明,这些算法处理效果好,运行速度快,具有很高的使用和参考价值.
【总页数】3页(P96-98)
【作者】丁晋俊;孙乐昌
【作者单位】解放军电子工程学院网络工程系,合肥,230037;解放军电子工程学院网络工程系,合肥,230037
【正文语种】中文
【中图分类】TN91
【相关文献】
1.基于Gabor滤波的指纹图像增强算法研究 [J], 汤海林
2.基于Gabor滤波器的指纹图像增强算法的研究 [J], 金国伦
3.基于多通道Gabor滤波的指纹图像二值化方法 [J], 林川;陈飞龙;谭光兴
4.基于Gabor滤波器的指纹图像增强方法 [J], 白洁; 易扬
5.基于Gabor滤波器的指纹图像增强算法的研究 [J], 金国伦
因版权原因，仅展示原文概要，查看原文内容请购买。

改进的基于Gabor滤波的指纹增强算法

N ( uc , vc ) =
( i, j) ∈ W
一般的指纹图像都有比较清晰的方向场 , 方向场估计的准确性直接决定了图像增强算法的效 [6] 果 . 点方向图是连续变化的 , 其相邻像素点的方向过渡自然 ,但含有很多噪声 , 对噪声的鲁棒性差 , 不能完全反映指纹的真实走向 . 指纹块方向图能很好地去除噪声 ,但在脊线方向改变的临界区域 ,块方向过渡呈“ 锯齿 ” 状“ 跃变 ” . 本文综合两种方向图的优缺点 ,提出鲁棒性高的方向图算法 ,通过低通滤波提高抗噪性 . 1 ) 求点方向图 . 采用 9 × 9 模板 , 如图 2 所示 , 计算各象素的点方向图 . 3 代表当前点的位置 . 按公式计算各个方向的 O I ( 0 ≤ I ≤ 8 ) , 找到最小值 m in ( O I ) , 则 I就代表该点的方向 .
Abstract: The directional Gabor filter app roach is one of the most effective techniques for fingerp rint im age en2 hancem ent, but it cost too much tim e. In this paper, an imp rove algorithm for the fingerp rints enhancement based on non 2coherence factor is p resented. First, Gabor filter is sensitive to orientation and frequency . To deal w ith this p roblem , we use Low 2 pass filter to im p rove the accuracy of orientation im age. Second, we p ropose to use non 2co2 herence factor to choose which block need to used Gabor filters w ith 8 2quantized orientation. And in order to de2 crease the algorithm comp lexity, we reduce 2D Gabor filter into 1D Gabor filters . The experim ental results show that this app roach can reduce tim e cost and imp rove the quality of fingerp rint im age. Key words: fingerp rint; im age enhancem ent; orientation i m age; ridge frequency; Gabor fil, vc ) - θ( ui , vj ) ) sin (