自動(dòng)指紋識(shí)別系統(tǒng)中邊框線濾除算法

摘要：在指紋庫(kù)中，實(shí)際采集到的捺印指紋大多數(shù)有邊框線，這就造成自動(dòng)指紋識(shí)別系統(tǒng)對(duì)中心點(diǎn)定位的錯(cuò)誤判斷和對(duì)圖像背景區(qū)域無(wú)法分割，從而導(dǎo)致該指紋無(wú)法檢出。根據(jù)數(shù)據(jù)庫(kù)的實(shí)際需要，提出了一種針對(duì)指紋邊框線的濾除算法，有效地解決了這個(gè)問(wèn)題，并通過(guò)實(shí)驗(yàn)證實(shí)了該算法的可靠性。

關(guān)鍵詞：指紋； 中心點(diǎn)； 邊框線； 濾除算法

中圖分類號(hào)：TP391．41文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2007)08－0184－02

自動(dòng)指紋識(shí)別系統(tǒng)(automated fingerprint identification system，AFIS)，以其安全性、可靠性及高效性，在公安、信息安全及電子商務(wù)等領(lǐng)域具有廣泛的應(yīng)用前景。圖1即是一個(gè)完整的自動(dòng)指紋識(shí)別系統(tǒng)的流[1]。

從圖中可以看出自動(dòng)指紋識(shí)別系統(tǒng)由圖像預(yù)處理、特征提取、分類和匹配等幾部分組成[2]。指紋圖像經(jīng)過(guò)預(yù)處理的一系列步驟之后就要進(jìn)行分類和匹配，配準(zhǔn)也就是自動(dòng)指紋識(shí)別系統(tǒng)的最終目標(biāo)。指紋分類的多種方法中就有奇異點(diǎn)分類[3]。該方法實(shí)際上就是利用指紋的中心點(diǎn)和三角點(diǎn)的位置和數(shù)量關(guān)系把指紋歸于分類體系中。指紋匹配方法中也有基于圖形的匹配方法。該方法也是基于中心點(diǎn)的定位來(lái)進(jìn)行匹配[4~6]，因此可以看出自動(dòng)指紋識(shí)別系統(tǒng)中，中心點(diǎn)定位是一個(gè)非常重要的環(huán)節(jié)。

1中心點(diǎn)

中心點(diǎn)定位的算法有Poincar’ index[7]算法，方向圖鄰域正弦比[8]算法，也有在細(xì)化圖中跟蹤得到中心點(diǎn)的跟蹤算法[9]。筆者對(duì)大量的中心點(diǎn)定位算法作實(shí)驗(yàn)后，發(fā)現(xiàn)在對(duì)指紋圖像處理時(shí)，圖像邊框?qū)μ幚淼慕Y(jié)果有很大的影響，如圖2所示。

從圖2中可以看出，(a)為沒(méi)有邊框的指紋圖像，(b)是有邊框的指紋圖像。沒(méi)有邊框線的指紋圖像(a)中心點(diǎn)定位算法非常準(zhǔn)確，而有邊框線的圖像(b)受到邊框的影響中心點(diǎn)定位完全失敗。邊框線的存在，完全不符合指紋的紋理結(jié)構(gòu)，邊框線上各點(diǎn)的像素值和指紋圖像上各點(diǎn)的像素值產(chǎn)生的關(guān)系，類似于中心點(diǎn)的弧度值，被自動(dòng)識(shí)別系統(tǒng)錯(cuò)誤檢出為中心點(diǎn)。因此就必須對(duì)圖像邊框進(jìn)行處理，以消除邊框?qū)敵鼋Y(jié)果的影響。

2邊框?yàn)V除算法原理

2．1前期處理

觀察發(fā)現(xiàn)，這些邊框線實(shí)際是來(lái)自油墨捺印指紋時(shí)，采集卡上的印刷分類線，在掃描過(guò)程中被帶入了數(shù)據(jù)庫(kù)。這些線條具有較高的密度，并且與指紋線相連接。實(shí)驗(yàn)中發(fā)現(xiàn)指紋圖像的邊框線在相對(duì)水平和垂直方向上貫穿整幅圖像，這與指紋在整個(gè)圖像上的一個(gè)貫穿方向上有所不同。在刪除邊框線算法上，筆者比較了在灰度圖像中和在二值圖像中計(jì)算發(fā)現(xiàn)，由于各個(gè)指紋圖像的灰度差異本身較大，灰度圖像中各點(diǎn)的像素值也有所差異，產(chǎn)生的最大問(wèn)題就是自動(dòng)閾值的選取。選用在二值圖像中計(jì)算的方法，來(lái)消除指紋的邊框線。在以前的實(shí)驗(yàn)中，已經(jīng)得到了指紋圖像無(wú)特征損失的二值化算法。

圖4是二值化后圖像中的一條貫穿圖像的邊框橫線，這條線盡管有一些傾斜、邊緣也不整齊，但是從數(shù)字矩陣中總可以找到一行像素是全為0（0表示黑）或絕大部分為0的陣列。同時(shí)，由于指紋是由間隔的脊線和谷線構(gòu)成，并且存在于白色背景下，在紋線的橫向或縱向的一個(gè)陣列中，黑色像素的分布不到該陣列像素和的50%。這些為選取閾值實(shí)現(xiàn)邊框線的刪除創(chuàng)造了條件。類似圖像中的豎線也同樣具有這一特性。

2．2圖像邊框?yàn)V除算法

對(duì)于一幅大小為640×640的指紋圖像，經(jīng)過(guò)統(tǒng)計(jì)發(fā)現(xiàn)，邊框線的寬度平均像素為6，由于該線中水平或垂直方向上的最小值與該線的軸心有一定的偏差，在選擇濾波窗口的寬度時(shí)，要比紋線寬度稍大一些。筆者選擇的窗口寬度為9。對(duì)于一幅大小為m×n的圖像，需要用兩個(gè)大小為m×9和9×n的窗口分別對(duì)圖像進(jìn)行處理，用這兩個(gè)窗口沿縱向、橫向的掃描整幅圖像。

2．3窗口中心線校正及邊框線定位

在實(shí)驗(yàn)中發(fā)現(xiàn)窗口內(nèi)有時(shí)會(huì)出現(xiàn)兩排以上最小值相同且小于閾值的行或列，這時(shí)就要選擇靠近圖像中心位置的行或列作為窗口中心進(jìn)行填充。而且從邊框線到圖像邊緣有時(shí)會(huì)有一些紋線或是其他的墨跡，在濾除直線之后這些還是存在，從指紋學(xué)的角度邊框線之外的紋線在提取特征點(diǎn)時(shí)是無(wú)效的，因此在濾除直線時(shí)也應(yīng)該把這些一同濾除。在窗口中計(jì)算出的最小值所在的行或列小于圖像中心位置則從窗口位置向圖像上邊緣或左邊緣全部填充為背景；反之則向圖像下邊緣或右邊緣全部填充為背景。

3結(jié)束語(yǔ)

從數(shù)字指紋庫(kù)中隨機(jī)抽取一枚640×640有直線的指紋圖像，分別對(duì)其進(jìn)行了實(shí)驗(yàn)（圖6）。

通過(guò)實(shí)驗(yàn)可以看出，在自動(dòng)指紋識(shí)別系統(tǒng)中指紋圖像的邊框線對(duì)于采用計(jì)算機(jī)等現(xiàn)代化數(shù)字圖像處理技術(shù)還是有很大的影響，而指紋圖像的邊框線在指紋庫(kù)中又是大量存在的，為了使計(jì)算機(jī)能夠真正代替人而且處理結(jié)果更加準(zhǔn)確，必須采用數(shù)字技術(shù)濾除圖像邊框。經(jīng)過(guò)大量的實(shí)驗(yàn)證實(shí)該算法是有效且高效的，它大大提高了指紋識(shí)別的準(zhǔn)確性。

參考文獻(xiàn)：

［1］陳光新. 自動(dòng)指紋識(shí)別技術(shù)及其應(yīng)用[J].江蘇船舶，2004，21(3)：32－35.

[2]王建永，郭成安. 一種基于局部結(jié)構(gòu)信息的指紋偽特征濾除算法[J].中國(guó)圖象圖形學(xué)報(bào)， 2003，12(8):14681474.

[3]BARNSLEY M F．Fractals everywhere[M]．New York:Proc Acade￣mic，1998．

[4]馮莉莉，李昌禧. 指紋中心點(diǎn)的定位和特征匹配方法[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)版， 2002，30(10):78－80.

[5]譚臺(tái)哲，寧新寶，尹義龍，等. 一種基于指紋中心點(diǎn)的匹配算法[J].南京大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，39(4):483－490.

[6]胡瑢華，劉國(guó)平. 模糊指紋圖像中心點(diǎn)的提取[J].計(jì)算機(jī)工程與應(yīng)用，2004，40(15): 65－66.

[7]KAWAGOE M，TOJO A．Fingerprint pattern classification[J]. Pattern Recognition，1984，17(3)：295－303.

[8]JAIN A K，HONG L，PANKANTI S．An identity authentication system using fingerprints[J]． Proc． of the IEEE，1997，85(9)：13651388.

[9]曾京文，汪慶寶，胡?。讣y自動(dòng)識(shí)別中的中心點(diǎn)搜索和特征分塊抽取方法[J]．北京工業(yè)大學(xué)學(xué)報(bào)，1996，22(4)：115121.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”