一种新的指纹图像分割算法
一种自适应块大小的指纹图像分割算法
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 ２ ０ Ｇ （０ ９
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（９ ０ ） 女 ， １８ － ， 讲师、 硕士 ， 主研方向 ： 息安全 ， 信
ＧＪ 一 ２ 、 Ｓ １ ０
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
一种基于指纹分类的指纹识别算法
指纹按其拓扑结构 , 通常分为 5 个类型 , 即拱 形、 尖拱形 、 左旋形 、 右旋形和旋涡形 . 本文采用中心 点和三角点的特征 [ 5 ] , 即它们的数目和它们之间的 相对位置来分类 . 主要包括 4 个步骤 : 指纹图像分 割、 方向信息提取 、 中心点和三角点检测 、 分类 . 由于 在指纹图像分割和方向信息提取部分的内容在指纹 预处理文章中涉及较多 ,因此本文不再做过多论述 .
0 引 言
指纹识别技术是生物识别技术中最重要 、 应用 最广泛的技术 . 它利用指纹特征的惟一性和终身不 变性识别个人身份 . 而在已有的指纹匹配算法中 ,常 见的有两种 : 第一类是图形匹配的方式 [ 1 ,2 ] , 其实质 是基于脊线结构或者细节点间拓扑结构的匹配 . 这 类方法对于图像的旋转 、 平移不敏感 ,对于少量细节 点的缺失 、 少量伪细节点的存在和细节点的定位误 差 ,具有一定的容错性 . 第二类是人工神经网络的方 法 [ 3 ,4 ] . 由于人工神经网络具有解决模糊问题的优 势 ,这类算法的容错性比较好 ,但事先要经过足够数 量样本的训练 ,系统才能正确地进行工作 . 但是这类 匹配方法不适合于实时的自动指纹识别系统 . 指纹特征点在指纹图像中出现的几率最大 、 最 稳定 ,易于检测 ,而且足以描述指纹的惟一性 . 本文 利用此特性给出了一种基于指纹分类和分叉点脊线 相似度的指纹匹配算法 ,首先利用指纹分类的思想 , 对指纹进行初匹配 ,通过初匹配后 ,再对该指纹中可 信度较高的分叉点脊线相似度进行计算 , 寻找基准 点 . 由于本文加入了试匹配 ,所以一定程度上加快了 匹配速度 ,并且本算法采用了可信度高的分叉点 ,提 高了基准点对的可靠性 , 使得整个匹配算法的速度 和正确率均有所提高 . 同时该方法利用多点来确定
一种动态阈值加填补的指纹图像二值化算法
随后 ， 根据式 （ ） ３ 计算得 到新 的阈值 ＋并进行判断 ， 若
新 阈值 与原阈值相 同， 按照 原 阈值 对指 纹 图像进行 分割 ， 则
否则 继续进 行 循 环迭 代 ， 至 阈值 不 变 为止 ， 环 迭 代 结 直 循
束。
本文在综合考虑传统 方法 － 的基础上 ， 出一种 新 的 １］ ３ 提 指纹 图像 二值化算 法。本算 法 的基本 思想是 先将 指纹 图像 分 割为互不相交的若干小窗 口， 然后分别计 算每个 窗 口内所 有像 素的灰度平均值 ， 经叠加 经验值后作 为最终 的阈值 对指 纹 图像进 行二值化操作。在二值化处理之后 ， 采用 ３ ３窗 口 ×
２２ ． 动 态 阈 值 法
图 １ 迭 代 法
２ 传统 二值 化算 法 分析
２ １ 迭 代 法 ．
传统 的指 纹图像二值化方法一般采用 局部 阈值法 ， 即将 整 幅指纹 图像 分割为多个大小 为 ×Ｗ的块 ， 然后根据 每个 小块 的图像特征 ， 分别 选取 不 同的 阈值 ， 从而对 各个 图像 块
２ Ｉｓｔｔ ｏ ｇ ｒｃｓｉ ．ｎｔｕｅ ｆ ｍａｅＰｏｅｓ ｇ＆ Ｐｔ ｒ ｅｏｎｔｎ Ｓ ａｇａ Ｊａ ｏｇＵ ｉ ｒｔ， ｈｎｈｉ ０２ ０ ｈｎ ） ｉ Ｉ ｎ ａｅｎＲ ｃｇｉｏ ， ｈ ｎｈｉ ｉｏ ｎ ｎｖ ｓｙ Ｓ ａｇ ａ２ ０ ４ ，Ｃ ｉａ ｔ ｉ Ｔ ｅｉ
１ 引言
指纹是人体的基本生物特征之一 ， 具有唯一性 和终生不
图像的二值化是指把灰 度指纹 图像变 成用 ０和 １表示 的二 值 图像 ， 中像素值 ０表示指纹 图像 的脊线区域 ， 其 而像素值 １ 表示谷线 区域 ， 这样 既保 留了指纹 的纹 线特征又可去 除大量 的粘连和噪声 ， 消除虚假细节信 息。二值 图像在数字 图像 处 理 中占据非常重要 的地位 ， 特别 的 ， 二值化 是指纹 图像 预处 理过程 中很重要的一环 。如果这一步 的处理效 果不好 ， 则会
指纹图像分割与增强算法的研究
（ １ ． Ｈｅ ｒ ｕ ｍ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ ｌ ａ Ｖ ｏ ｃБайду номын сангаасａ ｔ ｉ ｏ ｎ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ １ １ ９ １ ， Ｃ ｈ ｉ ｎ ａ ；
ｅ ｘ ｐ ｅ ｉ ｒ ｍ ｅ ｎ ｔ ｉ ｎ ｇ ， ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｓ ｓ ａ ｔ ｉ ｓ ｆ ｙ ｉ ｎ ｇ ． Ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｍ ｅ ｔ ｈ ｏ ｄ ｉ ｓ ｔ ｈ ｅ ｒｅ ｇ ａ ｔ ｊ ｏ ｉ ｎ ｔ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｆ ｒ ａ ｃ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｉ ｆ ｎ ｇ ｅ ｒ ｓ ｔ ｒ ｅ ａ ｋ
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。
一种新型指纹图像分割算法
ｇ ｒｔｍｓｔ ｈ ｏ ｓ ｓａｔ ｃ ｅ ｅ ｉｐ ｔ ｎ ｅ ｒｎ ｍａ ｅ ，ｓ ｃ ｓｄ ｒ，ｉ ｕ ｔ ｓａ ｄ ｌｗ ｃ ｎ ｒ ｓ ｗａ ｎ ｙ ｅ ．Ａ ｎ ｗ ｍｅｈ ｄ ｔ ｓ ｇ ｏｉ ｈ ｏ ｔｅ ｎ ｉｅ ｔ ｈ ｄ ｔ ｔ ｎ ｕ ｇ ｒ ｉ ｔ ａ ｏｈ ｉ ｆ ｐ ｉ ｇ ｓ ｕ ｈａ ｉ ｔ ｍｐ ｒ ｉ ｎ ｏ ｏ ｔ ｔ ｓａ ａ ｚ ｄ ｉ ｅ ａ ｌ ｅ ｔ ｏ ｏ ｅ －
第２ ７卷 第 ７期
２１ ０ ０年 ７月
机
电
工
程
Ｖｏ ． ７ Ｎｏ ７ １２ ．
Ｊ ｕ ｎ ｌｏ ｃ ａ ｉａ ＆ Ｅ ｅ ｔ ｃ ｌＥ ｇｎ ｅ ｉ ｇ ｏ ｒ ａ ｆＭｅ ｈ ｎ ｃ ｌ ｌｃｒ ａ ｎ ｉ ｅ ｒ ｉ ｎBiblioteka Ｊ１ ００ ｕ ．２ １
基于灰度特性的指纹图像分割算法
文章编号 ：０ ７２ ５ （０ ６ 叭．０ ８０ １０ ．８ ３ ２ ｏ ） ０ ６ ．４
基于灰度特性 的指 纹 图像分 割算 法
甘树坤 ， 欧宗瑛 ， 魏鸿磊
（ 大连理工大学 机械工程学院 ， 辽宁 大连 １６２ ） １０４
摘要： 提出了一种简便的指纹图像的分割算法， 为可靠 、 准确地实现指纹 自识别提供一种可行的方法． 算法中通过合理的运用图像灰度特性 ， 以较低的计算代价有效地解决了指纹图像分割问题． 这种算法处 理的效果 好 、 速度快 ． 运行 实验表 明 ， 这种分 割算法对于指纹 图像 的预处理是 很有效 的．
关 键 词 ：指纹 ； 图像分 割 ； 预处理 ； 灰度 特性
中圈分类号： Ｐ ９ ．１ Ｔ ３ １４
文献标识码：Ａ
在指纹的自 动识别系统中， 主要是以指纹的细 节特征（ 端点 、 分叉等） 为基础来识别的 ， 而细节特 征的提取主要依赖于输入的指纹的质量 ． 由于受各 种因素的影响 ， 输入的指纹图像一般都可能是含噪 较多的图像 ． ， 因此 有必要对指纹图像进行 预处理 来消除图像 中的噪声， 从而便于提取正确的指纹细 节特征． 对于指纹图像的预处理， 在不同的指纹识别系 统中一般可分 为分割、 向提取 、 方 图像增 强、 二值 化、 细化及后处理和细节特征提取等 ， 通过 预处理 提取的指纹细节特征点， 进行最终的匹配与验证 ． 指纹图像的分割通常位于预处理过程的起始 ， 是预 处理过程的关键性的一步 ． 指纹图像分割的主要 目 的是划分出非指纹的背景区域和有效的指纹 区域 ， 使后续处理能集中于有效区域进行． 较好 的指纹图 像分割算法还应在分割及后续处理中减少时间。 在 分割的过程中保护有效的指纹的纹理特征 。 从而提 高指纹特征提取的精确度， 优化整个识别系统的处 理过程． 另外， 好的分割算法， 还要对不同质量的指 纹分割具有 良好的鲁棒性． 本文在对不同指纹图像 的分析及分割算法研究的基础上 ， 出了一 种有 提 效、 、 简捷 通用性强的分割算法， 并通过实验结果给 出了本算法具有优越性的相应结论【 １ 卜３．
一种改进的分类指纹图像分割算法
Ｋｅ ｒ ｓ ａ ｐ ｉｄ ｍａｈ ｍａ ｉｓ ｇ ａ － ｖ ｌ ｆ ｏ ｅ ； ｉ ｃ ｉｎ ｈ ｓｏ ｒ ｍ ； ｎ ｅ ｒ ｔｓ ｇ ｎ ａｉ ｎ ｙ ｗｏ ｄ ： ｐ ｌ ｔ ｅ ｔ ； ｒ ｙ ｌ ｅ ｏ ｍ ｒ ｄ ｒ ｔ ｉｔｇ ａ ｆ ｇ ｒ ｉ ｅ ｍｅ ｔ ｔ ｅ ｃ ｅ ｃ ｅ ｏ ｉ ｐ ｎ ｏ
Ａｂ ｔ ａ ｔ Ｔ ｅ ｆ ｇ ｒ ｒｎ ｍａ ｅ ｓ ｇ ｎ ａｉ ｎ ｉ ａ ｎ ｉｐ ｎ ａ ｌ ａ ｆｉ ｇ ｒ － ｒ ｃ ｓ ｉ ｇ ｔ ｉ ａ ｅ ｒ ｐ ｓ ｅ ｓｒ ｃ ： ｈ ｎ ｅｐ ｔｉ ｇ ｅ ｍｅ ｔ ｔ ｓ ｎ ｉ ｄ ｓ ｅ ｓ ｂ ｅ ｐ ｒ ｏ ｉ ｉ ｏ ｔ ｍａ ｅ ｐ ｅ ｐ ｏ ｅ ｓ ，ｈ ｓｐ ｐ ｒｐ ｏ ｏ ｅ ａ ｎ ｗ ｎ ｉ ｇ ｅ ｍｅ ｔｔ ｎ ａ ｇ ｒ ｈ ｄ ｐ ｎ ｎ ａ ｓｍｐ ｅ ｃ ａ ｓｆ ａ ｉｎ ｏ ｎ ｅ ｒ ｔ ｉ ｇ ｓ ａ ｄ ｆ ｌ ｕ ｅ ｏ ｅ ｇ ａ — ｃ ｌ ｎ ｍａ ｅ ｓ ｇ ｎａ ｉ ｌ ｏ ｔ ｍ ｅ ｅ ｄ ｏ ｉ ｌ ｌ ｓ ｉ ｃ ｔ ｆｆ ｇ ｒ ｉ ｍａ ｅ ， ｎ ｕ ｌ ｓ ｆｔ ｒ ｙ ｓ ａ ｅ ｆ — ｏ ｉ ｉ ｏ ｉ ｐ ｎ ｈ ｉ ｇ ｒ ｒ ｔｉ ｇ ｅ ｔ ｒ ｓ ａ ｄ ｔ ｅ ｄ ｒ ｃ ｉｎ Ｔ ｉ ａ ｇ ｒ ｈ ｃ ｎ ａ ｃ ｒ ｔｌ ｘ ｒ ｃ ｈ ｆ ｃｉ ｅ ｒｇ ｏ ｆｆ ｇ ｒ ｒ ｔ ｉ ｇ ｅ ｐ ｉ ｍａ ｅ ｆａ ｕ ｅ ｎ ｈ ｉ ｔ ． ｈ ｓ ｌ ｏ ｔ ｍ ａ ｃ ｕ ａｅｙ ｅ ｔａ ｔｔ ｅ ｅ ｅ ｔ ｅ ｉ ｎ ｏ ｎ ｅ ｉ ｍａ ｅ ｎ ｅ ｏ ｉ ｖ ｉ ｐ ｎ ｗｈ ｃ ｍｐ ｏ ｅ ｈ ｃ ｕ ａ ｙ ｏ ｅ ｓ ｇ ｎ ａ ｉｎ ｉ ｈ ｉ ｒ ｖ ｄ ｔ ｅ ａ ｃ ｒ ｃ ｆ ｈ ｅ ｍｅ ｔｔ ． ｔ ｏ
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
１ ２ 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２ ７卷 第 １ 期 ２１ ０ ０年 ３月
广 东 工业 大学 学 报
Ｊ ｕ ｎ ｌｏ ａ ｇ ｏ ｇ Ｕｎｖ ｒ ｉ ｆＴｅ ｈ ｏｏ ｙ ｏ ｒ ａ ｆＧｕ ｎ ｄ ｎ ｉｅ ｓｔ ｏ ｃ ｎ ｌｇ ｙ
Ｖ０ ． Ｎｏ． １２７ １ Ｍ ａ ｃ ０１ ｒｈ２ ０
成 ． 景 区域 由指 纹脊 线 和 谷 线组 成 ， 般 来 说 ， 前 一 前
结合方差及方差梯度的指纹图像改进分割算法
息， 自适应选取 两个分割阈值 ， 分割后 去除孤 立图像块 ， 得到 最终分割结果。实验表 明， 该算法简单 快速 ， 能够更有 效地去除 图像 中
的局 部 模 糊 区域 ， 时更 完整 地 保 留有 效 指 纹 区 。 同
关键词 ： 纹分割 ； 指 方差 ； 方差梯度
ＤＯ ：０ ７ ８ ．ｓ． ０ — ３ １ ０ ０ １ ５ 文 章编 号 ：０ ２ ８ ３ （ ００ ０ — １７ ０ 文献 标 识 码 ： 中 图 分 类 ￣ ： Ｐ ９ ．１ Ｉ １． ７ ￣ｉ ｎ１ ２ ８３ ． １ ． ． ２ ３ ｓ ０ ２ Ｏ０ １０ — ３ １２ １ ） １０ ７ － ３ Ａ ＇ ３１ Ｔ ４
ＣＡＩ Ｘｉ － ｅ ， ＡＮ ｉ － ｕ ＧＡＯ Ｘｉ ｂ ， ｔ ａ ． ｐ ｏ ｅ ａｇ ｒ ｔ ｍ ｏ ｍ ｇ ｒ ｒｎ ｅ ｍｅ ｔ ｔｏ ａ ｅ ｏ ａ ｎ ｅ ａ ｄ ｕ ｍ ｉＦ Ｊ ｕ ｌ ｎ， ｎ－ ｏ ｅ １ ｍ ｒ ｖ ｄ ｌ ｏ ｉｈ Ｉ ｆ ｒ ｆ ｅ ｐ ｉ ｔ ｓ ｇ ｎ ａ ｉｎ ｂ ｓ ｄ ｎ ｖ ｌａ ｃ ｎ
Ｃ ｍ ｕ ｒＥ ｇｎｅｉｇ ａｄＡ ｐｉａｏｓ计算机 工程 与应用 ｏ ｐ ｔ ｎｉｅｒ ｎ ｐ ｌ ｔ ｎ ｅ ｎ ｃｉ
２ １ ，６ １ １７ ００４ （） ７
Hale Waihona Puke 结合方差及方差梯 度 的指纹 图像改进 分割算法
蔡 秀梅 １范九伦 高新 波 ｚ张永健 ｓ ， ， ，
Ｃ ＩＸｕ ｍｅ ， Ａ ｉ—ｕ Ｇ Ｏ Ｘ ｎ ｂ２Ｚ ＡＮ ｏ ｇｊ ｎ Ａ ｉ— ｉ Ｆ Ｎ Ｊｕ ｌｎ， Ａ ｉ— ｏ，Ｈ Ｇ Ｙ ｎ －ｉ ａ
Ｋｅ ｗｏｒ ｓ： ｆｎ ｅ ｒｎ ｓ ｇ ｅ ａｔ ｎ； ａ ｉｎｃ ｇ ａ ｉ ｎ ｏ ａ ａ ｅ ｙ ｄ ｉ ｇ ｒ ｉ ｔ ｅ ｍ ｎｔ ｉ ｖ ｒａ ｅ； ｒ ｄ ｅ ｔ ｆ ｖ ｒ ｎｃ ｐ ｏ ｉ
一种指纹图像的快速分割方法
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
Ｆａ ｔＳ ｇ ｅ ｔ ｔｏ ｅ ｈ ｄ ０ ｎ ｅ ｐ ｉ ｔ ｍ ａ ｅ ｓ ｅ ｍ ｎ ａ ｉ ｎ Ｍ ｔ ｏ ｆＦｉ ｇ ｒ ｒｎ Ｉ ｇ
Ｄ Ｉ １ ． ６ ／ｉ ｎ１０ — ２ ． １ ． ． ０ Ｏ ： ０ ９ ９ ．ｓ． ０３ ８ ０ １ ７ ７ ３ ｊｓ ０ ４ ２ １ ０
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
指纹图像二值化算法的分析和比较
指纹图像二值化算法的分析和比较1引言指纹作为人体的重要特征，因其具有唯一性和终生不变性，已经成为生物识别领域的重要手段。
它不仅应用于公安司法系统的犯罪识别，而且还广泛应用于如一些保密系统的身份验证，成为生物识别领域的新热点。
在指纹自动识别系统中，图像采集设备所得到的图像是一幅含有较多噪声的灰度图，必须经过预处理，除去大量的噪声信号，得到一幅纹线清晰的点线图，才能进行指纹特征的提取和匹配。
指纹图像的预处理是正确地进行特征提取、比对等操作的基础,而二值化是图像预处理中非常重要的一步，也是指纹细化并提取特征前的重要步骤。
不同的二值化经常会对后续的步骤产生极大的影响，常用的二值化方法由于仅仅利用了图像的灰度信息,没有考虑指纹图像自身的方向结构特点，对指纹图像的二值化效果不理想.本文首先对常用的二值化算法进行了讨论，并主要通过实验比较了两种特别针对指纹图像的二值化算法。
通常认为一个好的针对指纹图像的二值化算法应满足以下几点要求[f。
1]：●保持纹线的原始走向；●相关领域内指纹的纹线走向基本一致；●避免造成指纹纹线的中断和粘连；●避免生成虚假指纹纹线；●纹线间的间距变化平稳；2图像的二值化算法在很多情况下，图象是由具有不同灰度的两类区域组成的。
如在指纹图象中，指纹脊线和谷线就由不同的灰度构成，通常脊线要比谷线暗。
所谓灰度图象的二值化就是通过设定阀值，把它变为仅用两个灰度值分别表示图象的前景和背景颜色的二值图象。
图象的二值化可以根据下面的阀值来处理: 假设一幅灰度图的像素值为ｆ(ｉ，ｊ)∈(ｒ1，ｒ2 ，…，ｒm)，设有一阀值为Ｔ=ｒi ，1≤ｉ≤ｍ，则:二值化的方法很多，关键在于阀值Ｔ的选取。
而Ｔ的取值方法又取决于二值化的技术。
Ｔ的选择有基于由点的像灰度值单独决定的、有由像素的局部特征决定的、也有基于全局像素决定的。
阀值可以分为两类:全局阀值和局部阀值。
1)全局阈值全局阈值是在整个图像中将灰度阈值的值设置为常数。
自适应法分割指纹图像
为 ５ 即 Ｔ３＝ ， ｄ ５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￣［ ］ ｏ ｎ ｎ 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 Ｌ ｘ（，） ｊｉ块 最 Ｍａ ｉｉ 和 Ｌ ｎ ｉ ） ｉ Ｏ １ … ， ， ＝ １…１ 。 Ｍｉ（， ， ＝ ，， １ ｉ Ｏ，， ９ ｉ ９ ② 取 Ａ ｅ （，）＝（Ｍａ （，）＋Ｌ ｎ ｉｉ） ２为 ｖ ｒ ｉｉ １ ｘ ｊＩ Ｍｉ（，） ／ ＿ 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 ２ ０
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 （ Ｔ ｌ本文实验得出 Ｔ １ ｄ 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
Ｔｈ ｌ．ａ ａ ｔ ｅ Ｓ ｇ ｅ ｔｔｏ ｇ ｉ ｅ Ｓｅｆ ． ｄ ｐ ｉ ｅ ｍ ｎａ ｉｎ Ａｌ ｏｒ ｈｍ ｆＦ ｎ ｅ ｐ ｉｔｉ ｇ ｖ ｔ ｏ ｉｇ ｒ ｒｎ ｍａ ｅ
基于统计特性的指纹分割算法研究
１ 概 述
当采 集完指纹 图像 信息后 ，整 幅指纹 图像 信息主要包 括两部
分：
１
Hale Waihona Puke ｗ－ － １ ｗ－ －１
２
ｒ ｍ ， ｎ ） ＝ ＝ ＝
∑∑ Ｉ
ｉ ＝０
…（ 酬
ｊ ＝Ｏ … １ ． １ 背景区 ： 不包含指纹 图像 的信息 ， 但因为指纹扫描器表面上 的灰尘或污垢等原 因会产生噪声污染 ， 使之呈现一定的灰度值 。 （ ３ ） 最后 ， 根据 以下判定条件区分指纹 图像 的前景区和背景区 ： １ ． ２前景区 ： 包含指纹图像的全部信息 ， 由于采集过程的各种复 当 Ｖ ａ ｒ （ ｍ ， ｎ ） ＜ 时 ， 将 第ｍ ， ｎ ） 个 块内 的 所 有 像 素 点 归 为 背 景 杂 因素的影响 ， 会 产生不 同效果 的区域 ， 主要有清晰 区、 模糊区和不 区， 并将其灰度值全部置 为 ０ ， 反 之为前景区 。 ． 为方差 阈值 ， 取经 可恢复区三部分 。 。 指纹 图像 分割 的 目的就 在于把背景 区和前景 区中的不可恢 复 验值 为 ４ ３ 结 论 区分割 出去 ， 保 留有价值信息 的清晰区和进一 步处理模糊 区 ， 这 样 基于方差 阈值法利用方差来克服方 向信息变化剧烈 的区域 ， 优 就可 以提高 自动指纹识别 系统对 指纹 图像 的实时处理速度 ， 保证 系 点是算法简洁 、 运算速度快 ， 分割效率 高 ， 但其缺点是对背景 区噪声 统的识别 能力 。 本文根据 常见 的指纹分 割处 理的基本 原理 ， 归纳总结 了主要 的 影响较大 的区域无法分 割。 参 考 文 献 三类 方法Ⅲ ： 基 于统计特 性的方法 、 基于方 向场信息 的方法 和基 于频 １ 】 胡珞 华， 刘 国平 ， 余冰． 模糊指 纹图像 的特征提取 【 Ｊ ］ ． 南昌大学学报 域信 息的方法 。其 中 ， 基于频域信息 的原理是根据前景 区图像子块 ［ 工科版）， ２ ０ ０ ２ ， ２ ４ （ ４ ） ： ３ ８ — ４ １ ． 的能量大 于背景 区 ，即指纹 图像子块频谱能量来分 割指纹 图像 ， 但 （
改进的指纹图像自适应分割方法
ｂ ｔ ｒ ｔａ ｈ ａｉｎ ｅ ｂ ｓ ｄ ｆｎ ｅ ｒ ｔｓ ｇ ｅ ｔｔｏ ａ ｄ ｉ ｌｏ ｈ ｓ ｓｒ ｎ ｅ ｅ ｉｔｎ ｅ ｏ ｎ ｉｅ ａ ｄ ｈｇ ｅ ｄ ｐ ａ ｉｉ ｏ ｅｔ ｈ ｎ ｔｅ ｖ ｒ ｃ ａ ｅ ｇ ｒ ｉ ｅ ｍ ｎ ａｉｎ， ｎ ｔ ｓ ａ ｔ ｇ ｒ ｒｓｓａ ｃ ｔ ｏ ｓ ｎ ｉｈ ｒ ａ ａ ｔｂｌｙ ｔ ｅ ａ ｉ ｐ ｎ ａ ｏ ｔ
Ｃ ｍ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌ ａｉ ｓ ｏ ｐ ｔｒ ｇｎｅｉ Ａ ｐ ｉ ｔ ｎ 计算机工程 与应用 Ｅ ｎ ｎ ｃ ｏ
改进 的指 纹图像 自适应分割 方法
徐 华丽 ， 樊永 生
ＸＵ Ｈｕａｉ Ｆ ｌ， ＡＮ ｎｇｓ ｎｇ Ｙｏ ｈｅ
中北大学 电子与计算机科学技术 学院 ， 原 ０ ０ ５ 太 ３ ０ １
Ｃｏ ｌ ｇ ｆ Ｅ ｅ ｔ ｎ ｃ ｎ ｍｐ ｔ ｒ Ｓ ｉｎ ｅ Ｎｏ ｉ ｅ ｓｔ ｆ Ｃｈ ｎ ， ａ ｙ ａ ３ ０ ， ｉ ａ ｌ ｅ ｏ ｌ ｃｒ ｉ ｓ ａ ｄ Ｃｏ ｕ ｅ ｃｅ ｃ ， ａｈ Ｕｎ ｖ ｒ ｉ ｏ ｉ ａ Ｔ ｉ ｕ ｎ ０ ０ ５１ Ｃｈ ｎ ｅ ｏ ｙ
型的指 纹图像有较 高的适应性 。 关键词 ： 纹分割 ； 指 方差 ； 均值 ； 纹理特征； 自适应 阈值
ＤＯ ：０ ７ ８ ．ｓ．０ ２８ ３ ． １．８ ４ 文 章 编 号 ：０ ２８ ３ （０ １０ ．１ １０ 文 献 标 识 码 ： 中 图 分 类 号 ： Ｐ ９ ．１ Ｉ １． ７ ／ｉ ｎ１０ ．３ １ ０ １ ． ７ ３ ｊｓ ２ ００ １ ０ ．３ １２ １ ）８０ ６ ．３ Ａ Ｔ３１ ４
ａ ｅ ｓ ｇ ｎ ａ ｉ ｎ ａ ｇ ｒ ｈ ｓ ａ ｅ ａ ａｙ ｅ ｎ ｏ ｇ ｅ ｍｅ ｔ ｔ ｌ ｏ ｔ ｍ ｒ ｎ ｌ ｚ ｄ ａ ｄ ｃ ｍｐ ｅ ａ ｄ ａ ｎ ｗ ｄ ｐ ｉ ｅ ｆ ｇ ｒ ｒｎ ｅ ｍｅ ｔ ｏ ｌ ｏ ｔｍ ａ ｅ ｎ ｔ ｅ ｏ ｉ ｒ ａ ｄ， ｎ ｅ ａ ａ ｔ ｎ ｅ ｐ ｉ ｔ ｓ ｇ ｎ ｍｉ ｎ ａ ｇ ｒ ｈ ｂ ｓ ｄ ｏ ｈ ｖ ｉ ｉ ｖ ｒａ ｃ ａ ｅ ｆ ｇ ｒ ｒ ｔ ｅ ｍｅ ｔｔ ｎ ｌ ｏ ｉ ｍ ｓ ｒ ｐ ｓ ｄ Ｉ ｈ ｎ ｗ ａｇ ｒｔ ｍ ， ｈ ｔ ｘｕ ｅ ｅ ｔ ｒ ｗｈ ｃ ｉ ｅ ｒ ｓ ｎ ｅ ａ ｎ ｅ ｂ ｓ ｄ ｉ ｅ ｐ ｉ ｓ ｇ ｎ ａ ｉ ａｇ ｒｔ ｉ ｎ ｎ ｏ ｈ ｉ ｐ ｏ ｏ ｅ ． ｔ ｅ ｅ ｎ ｌｏ ｈ ｉ ｔ ｅ ｅ ｔ ｒ ｆ ａｕ ｅ ｉｈ ｓ ｒ ｐ ｅ ｅ ｔ ｄ ｂ ｔ ｅ ｎ ｆ ｒ ｉｄ ｅ ｎ ｖ ｌ ｙ ｎ ｅ ｖ ｌ ｉ ｕ ｅ ｔ ｃ ｍｐ ｔ ｍｅ ｎ ｎ ｔ ｒ ｓ ｏ ｄ ｄ ｐ ｉ ｅｙ Ｔ ｅ ｒ ｂ ｅ ｙ ｈ ｕ ｉ ｍ ｒ ｇ ａ ｄ ａ ｌ ｉ ｔ ｒ ａ ｓ ｓ ｓ ｄ ｏ ｏ ｕ ｅ ｏ ｅ ａ ａ ｄ ｈ ｅ ｈ ｌ ａ ａ ｔ ｌ ． ｈ ｐ ｏ ｌ ｍ ｏ ｅｅ ｍ ｉ ｉ ｇ ｖ ｆ ｄ ｔｒ ｎ ｎ
一种改进的Mean Shift指纹图像分割算法
２ ｃｏｌ ｏ ｐ ｔ ｃ ｎｅａｄＥ ｇｎｅｎ ， ｈ ｎ ｃｕ ｎ ｅ ｉ ｅｈｏｏｙ Ｃ ａ ｇｈ ｎ１０ １ ， ｈｎ ） ．Ｓｈ ｏ ｏ Ｃ ｍ ｕｅ Ｓ ｉ ｃ ｎ ｎ ｉ ｒ ｇ Ｃ ａｇｈ ｎＵ ｉ ｒ ｔ ｏ Ｔｃｎｌ ， ｈ ｎｃ ｕ ３ ０ ２ Ｃ ｉａ ｆ ｒ ｅ ｅｉ ｖ ｓｙ ｆ ｇ
Ｔｈ ｌｏ ｔ ｍ ｍｐ ｏ ｅ ｈ ｃ ｕ ａ ｙ ｏ ｅ ｍｅ ｔｔｏ ｎ ａ ｏ ｄ ａ ｃ ｒ ｃ ｒｍｏ ｔｏ ｎ ｅ ｒｎ ｍａ ｅ ． ｅ ａ ｇ ｒ ｈ ｉ ｒ ｖ ｓ ｔ ｅ ａ ｃ ｒ ｃ ｆｓ ｇ ｎａ ｉｎ ａ ｄ ｈ ｓ ｇ ｏ ｃ ｕ ａ ｙ ｆ ｓ ｆｆ ｇ ｒ ｉ ｔｉ ｇ ｓ ｉ ｏ 学 学 报 （理 学 版 ）
Ｊｕｎｌ ｆ ｉｎＵ ｉ ｒｔ Ｓｉ ｃ ｄｔ ｎ ｏｒａ ｏ ｌ ｎｖ ｓｙ（ ｃ ｎ ｅＥ ｉｏ ） Ｊｉ ｅｉ ｅ ｉ
Ｖｏ ＿ ０ Ｎｏ． １５ ５
２１ ０ ２年 ９月
Ｓｐ ２ ２ ｅ ０１
研 究 简 报
ｔ ｅ ｂ ｃ ｇ ｏ ｎ ｒ ａａ ｄ ｆ ｚ ｙ ａ ｇ ｒ ｈ ｃ ｎ ａ ｃ ｒ ｔ ｌ ｅ ｓ ｐ ｒ ｔｄ ｆｏ ｆ ｇ ｒ ｒ ｔ ｍａ ｅ ｗｉ ｅａ ｇ ｒ ｈ ． ｈ ａ ｋ ｒ ｕ ｄ ａ ｅ ｎ ｚ ｌｏ ｔ ｍ ａ ｃ ｕ ａｅｙ ｂ ｅ ａ ａ ｅ ｍ ｎ ｅ ｉ ｇ ｔ ｔ ｌｏ ｉ ｍ ｕ ｉ ｒ ｉ ｐ ｎ ｉ ｈ ｈ ｔ
ｔ ｅ ｍｅ ｎ ｖ ｃ ｏ ｈ ａ ｅ ｔｒ，ｔ ｓａ ｈｅ ｉ ｇ ｔ ｅ ｆｎ ｅ ｒｎ ｍａ ｅ ｓ ｇ ｎ ａｉ ｎ ｅｆ ｃ ｉｅｙ． Ｅｘ ｅ ｍｅ ｔｌｒ ｓ ｌｓｓ ｏ ｔ ｔ ｈｕ ｃ ｉｖ ｎ ｈ ｇ ｒ ｉ ｔｉ ｇ ｅ ｍｅ ｔｔｏ ｆｅ ｔ ｌ ｉ ｐ ｖ ｐｒ ｉ ｎ ａ ｅ ｕｔ ｈ ｗ ｈａ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｆｉ ｎｇ ｅ ｒ ｐｒ ｉ ｎｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏｎ ｉ ｓ ａ ｎ ｉ ｍｐ ｏｒ ｔ ａ ｎｔ ｓ ｔ ｅ ｐ ｏ ｆ ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｃ ｆ ｉ ｎｇ ｅ ｒ ｐ ｒ ｉ ｎｔ ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ —
Ａｄ ｄｒ ｅ ｓ ｓ ： Ｃｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅｎｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ｇｕ ｉ ｌ ｉ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ， １ ２ Ｊ ｉ ａ ｎ ｇａ ｎ Ｒｄ， Ｇｕ ｉ ｌ ｉ ｎ ５ ４１ ０ ０ ４， Ｇｕ ａ ｎ ｇ ｘ ｉ ， Ｐ
往会将 对 比度低 而 方 向性 强 的容 易 恢 复 的 区域 分
割掉 ， 且分 割后 的指 纹 图像存 在 块 效 应 ， 在 指纹 与
背景 交接 区域 ， 以及指 纹 内部 脊线 较淡 或脊线 粘连
的 区域分 割不 准确 。
基于 图像方 向频 率特性 的分 割计算 较复 杂 ， 特 别是 点方 向或点 频率 的计算 ， 对 脊线粗 细不均 匀 的 区域 或 中心三 角附近 的 区域 ， 难 以准确 分割 。
多个 特征 的分类 器 或 方 法 ， 如 经 验 阈值 、 分 层分 级
＊
收 稿 日期 ： ２ ０ １ ２ － ０ ８ — １ ７ ； 修 回 日期 ： ２ ０ １ ３ — ０ １ — ２ １ 基金项 目： 国家 自然 科 学 基 金 资 助 项 目（ ６ １ ２ ６ ２ ０ ７ ５ ） ； 广 西 教 育 厅 科 研 项 目（ ２ ０ ０ ７ ０ ８ Ｌ Ｘ ２ ２ ６ ） 通信地址 ： ５ ４ １ ０ ０ ４广 西 桂林 市 建 干路 １ ２号 桂 林 理 工 大 学 信 息 科 学 与 工 程 学 院
类） 对 图像进 行 分块分 割和 形 态学 图像 处理 。对 国际指 纹识 别 竞 赛 （ Ｆ ＶＣ ） 数 据 库 不 同质 量 的指 纹 进行 了 测试 ， 实验 结 果表 明 ， 此 算 法对 不 同质 量 的指 纹是 有效 的 ， 效果好 于传统 指纹 分割 方 法。
关键 词 ： 分割 ； 指纹； 算法； Ｉ Ｓ Ｏ ＤＡＴＡ 聚 类 ； 形 态 学图像 处理 中 图分 类 号 ： ＴＰ ３ ９ １ ． ４ ｌ
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ７ — １ ３ ０ Ｘ． ２ ０ １ ４ ． ０ ６ ． ０ ２ ３
文献标 志 码 ： Ａ
Ａ ｎｏ ｖ ｅ ｌ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｆ ｏ ｒ ｆ ｉ ｎｇ ｅ ｒ ｐｒ ｉ ｎｔ ｓ ｅ ｇ ｍｅ ｎｔ ａ ｔ ｉ ｏ ｎ
对 比度＿ ５ ］ 、 方 向 一 致 性¨ ６ ］ 、 全 变 差ｌ ７ ］ 、 方 向 图Ⅲ ８ ］ 、
熵 ＿ ９ ］ 、 梯 度熵 ［ ６ ］ 、 频 率口 “ ］ 、 有效 点 聚集 度［ 】 等指 纹 特 征常用 于 指 纹 图像 分 割 。如果 考 虑 的特 征较 少， 那 么对 于低 对 比度 和噪声 严重 的 图像 分 割将会 产 生较 大 的错 误 分 割率 。许 多学 者 设 计 出 了融合
Ｒ． Ｃｈ ｉ ｎ ａ
１ １ ３ ８
Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ＆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ 计 算 机 工 程 与科 学
２ ０ １ ４ ， ３ ６ （ ６ ）
分 割［ １ ３ ， １ ４ ］ 、 自适 应 增 强 分 类 器 ｌ ＿ ６ ］ 、 推理理论ｌ １ ¨ ］ 、
ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｆ ｏ ｒ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ａ ｎ ｄ ｏ ｕ ｔ —
摘
要： 指 纹 图像 分割 是 自动指 纹识 别 的 重要 步 骤 。对指 纹特 征和 传 统指 纹分割 方 法进行 了研 究 ， 提
出 了一 种新 的指 纹 图像 分 割算 法 。先对 指纹 图像 进行 裁 剪 ， 如 果指 纹 图像 对 比度 较低 ， 则 对 图像进 行 均衡
化 处理 ； 然后 对 图像 进行 顶 帽 变换 ， 补 偿 不 均 匀的 背 景 亮度 ； 最后 用迭 代 自组 织分 析 算 法 （ Ｉ Ｓ ＯＤ ＡＴ Ａ 聚
文章编号 ： １ ０ ０ ７ — １ ３ ０ Ｘ（ ２ ０ １ ４ ） ０ ６ — １ １ ３ ７ — １ １
一
种 新 的 指 纹 图像 分 割 算 法
刘 汉 英 ， 周 剑 勋
（ １ ＿ 桂 林 理 工 大 学信 息 科 学 与 工 程 学 院 ， 广西 桂林 ５ ４ １ ０ ０ ４ ； ２ ． 桂 林 泓 成 橡 塑 科 技 有 限公 司 ， 广西 桂林 ５ ４ １ ０ ０ ４ ）
ｉ ｍａ ｇ ｅ ｉ ｓ ｃ ｒ ｏ ｐ ｐｅ ｄ ．Ｉ ｆ ｔ ｈ ｅ ｃ ｏ ｎｔ ｒ ａ ｓ ｔ ｉ ｓ ｌ ｏ ｗ ，ｔ ｈｅ ｈｉ ｓ ｔ ｏ ｇｒ ａ ｍ ｅ ｑ ｕ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｉ ｓ ａ ｐｐｌ ｉ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ． Ｔｈ ｅ ｎ ｔ ｏ ｐ — ｈ ａ ｔ ｔ ｒ ａ ｎｓ ｆ ｏ ｒ ｍ ｉ ｓ ｕｓ ｅ ｄ ｏｎ ｔ ｈｅ ｉ ｍａ ｇｅ ｔ ｏ ｃ ｏｍｐｅ ｎｓ ａ ｔ ｅ ｔ ｈｅ ｎｏ ｎ — ｕ ｎｉ ｆ ｏ ｒ ｍ ｂａ ｃ ｋｇ ｒ ｏｕ ｎｄ ｉ ｎｔ ｅ ｎｓ ｉ ｔ ｙ ． Ａｆ ｔ ｅ ｒ ｔ ｈ ａ ｔ ，ｔ ｈｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｔ ｈ ｅ ｉ ｔ ｅ ｒ ａ ｔ ｉ ｖ ｅ ｓ ｅ ｌ ｆ — ｏ ｒ ｇ ａ ｎ ｉ ｚ ｉ ｎ ｇ ｄａ ｔ ａ ａ ｎａ ｌ ｙ ｓ ｉ ｓ ｔ ｅ ｃ ｈｎ ｉ ｑｕ ｅ ｉ ｓ ａ ｐ ｐｌ ｉ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｉ ｓ ｓ ｅ ｇｍｅ ｎ ｔ ｅ ｄ ｂｙ ｂ ｌ ｏｃ ｋ．Ａｎｄ ｔ ｈｅ ｍｏ ｒ ｐｈ ｏｌ ｏ ｇｉ ｃ ａ ｌ ｉ ｍａ ｇ ｅ ｐ ｒ ｏｃ ｅ ｓ ｓ ｉ ｎ ｇ ｉ ｓ ａ ｄ ｏｐ ｔ ｅ ｄ ．Ｔｈｅ ａ ｌ ｇ ｏｒ ｉ ｔ ｈ ｍ ｉ ｓ ｔ ｅ ｓ ｔ ｅ ｄ ｏｎ ｔ ｈｅ ｄｉ ｆ ｆ ｅ ｒ ｅ ｎｔ ｑｕ ａ ｌ — ｉ ｔ ｙ ｆ ｉ ｎｇ ｅ ｒ ｐｒ ｉ ｎ ｔ ｓ ｏ ｆ ｔ ｈｅ ＦＶＣ （ Ｆｉ ｎｇ ｅ ｒ ｐｒ ｉ ｎ ｔ Ｖｅ ｒ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｃｏ ｍｐｅ ｔ ｉ ｔ ｉ ｏ ｎ） ｆ ｉ ｎ ｇｅ ｒ ｐ ｒ ｉ ｎｔ ｄ ａ ｔ ａ ｂ ａ ｓ ｅ ｓ ． Ｔｈ ｅ ｅ ｘｐ ｅ ｒ ｉ —
ｐｅ ｒ ｆ ｏｒ ｍｓ ｔ ｈｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏｎ ｆ ｉ ｎｇ ｅ ｒ ｐｒ ｉ ｎｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ： ｓ ｅ ｇ ｍｅ ｎｔ ａ ｔ ｉ ｏ ｎ； ｆ ｉ ｎｇｅ ｒ ｐｒ ｉ ｎｔ ； ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ； Ｉ Ｓ ＯＤＡ ＴＡ ｃ ｌ ｕｓ ｔ ｅ ｒ ｉ ｎ ｇ； ｍｏ ｒ ｐｈ ｏｌ ｏｇ ｉ ｃ ａ ｌ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ
图像 灰度 平均值 ［ １ ］ 、 方差 『 ２ ］ 、 标准偏差、 灰度
１ 引 言
指 纹 图像 分 割 的主要 目的是 去 除 非指 纹 区和 噪 声较 多不 易 区分 的指 纹 区域 。正 确 的分 割 可 以 减 少后 续处 理 的时 间 ， 减 少 伪 特 征 点 的 提取 ， 提 高 识 别准 确率 。
ＬＩ Ｕ Ｈａ ｎ — ｙ ｉ ｎ ｇ ． ＺＨＯＵ Ｊ ｉ ａ ｎ — ｘ ｕ ｎ 。
（ １ ． Ｃｏｌ ｌ ｅ ｇ ｅ ｏｆ Ｉ ｎ ｆ ｏｒ ｍａ ｔ ｉ ｏ ｎ Ｓｃ ｉ ｅ ｎ ｃ ｅ ａ ｎｄ Ｅｎｇ ｉ ｎｅ ｅ ｒ ｉ ｎｇ， Ｇｕ ｉ ｌ ｉ ｎ Ｕ ｎｉ ｖ ｅｒ ｓ ｉ ｔ ｙ ｏｆ Ｔｅ ｃ ｈｎ ｏｌ ｏｇ ｙ， Ｇｕ ｉ ｌ ｉ ｎ ５ ４１ ００ ４；
许多 指纹 特征量 之 间存 在相 关性 ， 对多个 特征
量进 行融 合时 ， 系数 的选择 非常关 键 。使用经 验 阈 值融 合多个 特征 量 时 ， 对于 不 同采 集器 采集 的不 同 质量 的指纹 ， 经 验 阈值 的设定 比较 困难 。为 了加快
ＣＮ ４ ３ — １ ２ ５ ８ ／ ＴＰ科 学
Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ＆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ
第 ３ ６卷 第 ６期 ２ ０ １ ４年 ６月
Ｖｏ Ｉ ． ３ ６， Ｎｏ ． ６ ． Ｊ ｕ ｎ ． ２ ０ １ ４
ｔ ｅ ｍ． Ｔｈ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ａ ｎ ｄ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ａ ｒ ｅ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ．Ａ ｎ ｅ ｗ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｆ ｉ ｎ ｇ ｅ ｒ ｐ ｒ ｉ ｎ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ． Ｆｉ ｒ ｓ ｔ ｌ ｙ，ｔ ｈ ｅ ｐ ｒ ｉ ｎ ｔ ａ ｒ ｅ ａ ｉ ｓ ｆ ｏ ｕ ｎ ｄ ｑ ｕ ｉ ｃ ｋ ｌ ｙ ａ ｎ ｄ ｔ ｈ ｅ