改進的Gabor濾波算法在指紋識別中的應用研究

張俊馮

摘? 要：指紋識別是身份識別的重要手段之一，指紋識別技術也是生物識別領域中使用最為廣泛的一項技術。為進一步提高指紋識別系統的速度和穩定性，可在指紋識別中對改進的Gabor濾波算法進行應用。基于此點，本文從指紋識別的原理分析入手，詳細論述了指紋識別中改進Gabor濾波算法的應用。期望通過本文的研究能夠對指紋識別準確率的提升有所幫助。

關鍵詞：Gabor濾波算法;歸一化處理;指紋識別

中圖分類號：TP391.41? ? ?文獻標識碼：A 文章編號：2096-4706（2019）01-0091-03

Application of Improved Gabor Filter Algorithm in Fingerprint Recognition

ZHANG Junfeng

（China UnionPay Co.，Ltd.，Shanghai? 200135，China）

Abstract：Fingerprint identification is one of the most important methods of identification，and it is also the most widely used technology in the field of biometrics. In order to further improve the speed and stability of fingerprint identification system，the improved Gabor filtering algorithm can be applied. Based on this point，this paper starts with the analysis of the principle of fingerprint identification，and discusses the application of improved Gabor filter algorithm in fingerprint identification in detail. It is hoped that this study will be helpful to improve the accuracy of fingerprint identification.

Keywords：Gabor filtering algorithm;normalization processing;fingerprint recognition

1? 指紋識別的原理

人類的指紋具有獨一無二的特點，基本不會出現完全一致的指紋特征。因此，可以通過指紋對人的身份進行鑒別。指紋識別系統主要是根據指紋圖像的特點對不同的指紋進行識別，具體的識別流程如下：圖像采集、圖像預處理、圖像特征提取、指紋匹配。對指紋圖像的采集一般都是利用光學掃描儀器來完成，采集到的圖像可直接輸入到指紋識別系統當中，由于采集到的圖像所含的噪聲較多，所以需要進行預處理，將圖像中的噪聲去除掉，從而使圖像畫面變得更加清晰。濾波是指紋圖像預處理中最為重要的一個環節，通過濾波去噪可以增強和重構指紋圖像，隨后便可從預處理后的圖像中對指紋特征進行提取，再將提取到的指紋輸入到指紋庫進行匹配，找出最相似的指紋作為匹配結果，這就是指紋識別系統的整個運作過程。在指紋識別系統中，圖像增強是預處理的核心，它的優劣直接關系到系統的速度及穩定性。

2? 指紋識別中改進的Gabor濾波算法的應用

在指紋圖像增強中，Gabor濾波技術的應用較為廣泛，該方法的特點體現在如下幾個方面：適應性強，能夠對輸入的各種質量的指紋進行有效處理，并且還能對模糊的脊線和谷線進行分析，對斷裂的紋線進行修復。在指紋識別系統中，Gabor濾波算法能使特征點的正確性得到保證。針對傳統基于細節點模式的指紋識別算法的不足，本文提出一種改建的Gabor濾波算法，即基于Gabor的結構指紋識別算法，該算法最為突出的優勢在于能夠對指紋圖像中脊線結構的相對位置進行充分利用，由此可對細節點算法中的不足進行有效彌補。

2.1? 算法分析

2.1.1? 確定中心點

在指紋識別的過程中，需要對指紋圖像進行準確定位，此時便需要一個中心點，通過計算得到塊的方向圖后，采用跟蹤搜索算法便可對指紋圖像的中心點進行計算。對指紋圖像進行識別時，如果脊線彎曲，則會使方向發生改變，這樣一來，在對下一個圖像塊進行搜索時，便會偏離脊線。因此，必須沿著正交方向來尋找指紋圖像的中心點。

2.1.2? 圖像剪切

通過計算得到指紋圖像的中心點后，為解決比對時平移和旋轉不變的問題，可取指紋圖像中三個中心帶，按中心點進行圖像剪切，這樣可以將指紋圖像中噪聲較大的邊緣部分全部去除掉，以剪切下來的圖像中心作為參考依據，便可對指紋圖像進行定位。在這一過程中，提取到的指紋特征為脊線的局部結構，為降低灰度變化程度，需要對剪切的圖像進行扇形化處理，具體而言，就是將指紋圖像轉換為極坐標的形式。

2.1.3? 歸一化處理

對圖像進行歸一化處理的主要目的是對傳感器本身的噪聲進行消除。同時，由于手指按壓力度存在一定的區別，從而會使指紋圖像中存在灰度差異，因此在Gabor濾波前，需要對每個扇格進行歸一化處理，這樣能夠使指紋圖像在Gabor濾波前的方向達到統一，從而確保旋轉不變的特性。指紋圖像的灰度值可以用I（x，y）表示，按照下式可對第i個扇格的平均值和方差值進行求取：

當歸一化處理直接作用于整幅指紋圖像上時，無法起到補償灰度變化的作用，而對每個扇格進行歸一化處理后，可使該問題得到有效解決。經過歸一化處理的指紋圖像，只是對比度發生了改變，而其中的脊、谷結構并沒有出現任何的變化。

2.2? 基于Gabor濾波算法的指紋增強

濾波器是指紋圖像處理中常用的設備，由于指紋的脊和谷局部特征較為明顯。所以，借助Gabor濾波器，并選擇適宜的參數，能夠達到去除噪音的目的。指紋圖像中的脊線具有方向屬性，而Gabor濾波器具有方向選擇性，因此Gabor濾波器是最適宜進行指紋圖像處理的方法。通過Gabor濾波器能夠獲得一定方向上增強后的指紋脊線結構。基于這一前提，可以利用頻譜分析的方法，求取指紋圖像中脊線的平均頻率，這樣可以解決增強效果出現誤差的問題。局部的指紋脊線與平面正弦波非常近似，其頻譜中存在兩個峰，分別與脊線信號相對應，兩個峰之間的連線與脊線相垂直。采用Gabor濾波器對指紋圖像進行濾波處理時，通帶與兩個峰重合，由此能夠在保留兩個峰的前提下，將其它不相關的信號濾除掉，這樣便能夠使脊線得到進一步增強。

2.3? 旋轉問題的解決

經過Gabor濾波處理之后的指紋圖像中常常會存在數據冗余，雖然數據冗余有利于指紋識別，但必須指出的是，由于數據量較大，所以很難用于直接比對，換言之，需要進行特征提取。而想要對有噪音的圖像進行精確提取的難度較大，故此，可以采用統計特性的方法來緩解噪聲的影響。以平均平方偏差值作為特征，會導致特征值較大，這樣不利于存儲和比對。因此，可將扇格塊的平均絕對偏差作為特征，它所反映出來的是扇格塊間脊線的差異。平均絕對偏差值可用下式表示：

對于濾波圖像而言，平均絕對偏差值是構成特征向量中的元。為使比對過程中的識別率能夠得到一定程度的提升，需要解決的主要問題是指紋圖像旋轉不變，對此可以采用旋轉匹配算法，在進行指紋庫建立時，對以下兩組特征矢量進行提取：一組是經圖像剪切、歸一化和Gabor濾波后的Viθ;另一組是將圖像以逆時針的方向旋轉11.25°后，再進行剪切、歸一化和Gabor濾波處理的Viθ。可將上述兩組數據作為一枚指紋的特征，存儲到指紋庫內，作為相關的特征編碼使用。

2.4? 特征匹配

指紋比對算法有STR不變的要求，即比例不變、平移不變、旋轉不變。由于研究中采用的指紋庫是FVC，所以不需要考慮比例不變的問題。

2.4.1? 平移不變

為解決平移不變的問題，本次研究通過對修正后的中心點加以利用，以此作為參考依據，對指紋圖像進行定位。在比對的過程中，中心點基本不會出現重合現象，對準的準確性主要取決于指紋中心點的位置。本文所提出的改進Gabor濾波算法能夠容忍指紋圖像中心點的誤差為10pixels。

2.4.2? 旋轉不變

指紋圖像中旋轉不變的問題，可以通過以下兩種方法進行解決：一種是旋轉指紋輸入圖像，另一種是旋轉指紋模板。本次研究中選取的是后一種方法，即旋轉指紋模板，通過這種方法可以使指紋的比對速度獲得大幅度提升，應用該方法時需要建立指紋庫，在對指紋庫進行建立的過程中，每一枚指紋均有兩組特征矢量，通過比對能獲得24個距離值，可從中選取最小值作為比對時的最佳距離，依次與指紋庫中存儲的指紋進行比對，直至比對結束為止，隨后計算出比對時的最佳距離，并從中選取最小值，與對預先設定好的閾值進行比較，比閾值小則比對成功，大于閾值則表明指紋庫沒有該指紋。

2.5? 改進算法的評估

FAR（錯誤接受率）和FRR（錯誤拒絕率）是評估Gabor指紋識別算法常用的標準，前者又被稱之為非法者匹配，歐氏距離可以記為EDi，它的本質是對系統安全度的測量。后者又被稱之為合法者匹配，其歐式距離可以記為EDg，它的本質是對系統易用性的測量。改進的Gabor濾波算法是否具有良好的適用性，可以通過以上兩個值進行評估，即FAR越低說明算法的安全度越高，FRR越低則表明改進后的算法易用性越強。當兩枚指紋完全相同時，EDg=0，也就是說，EDg的值越大，指紋的匹配程度就越小。而當EDi超過閾值時，表明指紋不匹配。通過隨機選取的方式，利用改進的Gabor濾波增強算法，對指紋進行比對，FAR和FRR均達到最小值。由此表明，本文所提出的算法在指紋識別中具有良好的適用性，它在指紋識別系統中的應用，可以提高系統的速度和穩定性。

3? 結? 論

綜上所述，指紋識別技術在最近幾年里獲得快速發展，指紋識別的作用隨之突顯，指紋識別現已成為個人身份驗證的重要方式。指紋識別的準確率是指紋識別的關鍵性問題，也是該領域研究的主要方向，針對這一情況，本文提出一種改進的Gabor濾波算法，經過驗證，該算法在指紋識別中具有良好的適用性。

參考文獻：

[1] Gottschlich，Carsten. Curved-region-based ridge frequency estimation and curved gabor filters for fingerprint image enhancement [J].IEEE Transactions on Image Processing，2012，21（4）：2220-2227.

[2] 梅園，趙波，朱之丹.基于直線曲線混合Gabor濾波器的指紋增強算法 [J].計算機科學，2016，43（S1）：149-151+155.

[3] BAHAGHIGHAT MK，MOHAMMADI J，AKBARI R. Fingerprint image enhancement using GWT and DMF [C]// Signal Processing Systems（ICSPS），2010 2nd International Conference on.S.l.：s.n.，2010：1-253.

[4] 杜媛.基于二維Gabor濾波與機器視覺的字符圖像識別算法 [J].計算機與數字工程，2017，45（12）：2519-2523.

[5] Rajkumar R，Hemachandran K. A Review on Image enhancement of fingerprint using Directional filters [J].Assam University Journal of Science&Technology，2011，7（2）：52-57.

[6] 吳帥.基于Gabor濾波器的伸長局部二值模式算法在視頻人臉識別系統中的應用研究 [D].昆明：昆明理工大學，2016.