指纹图像质量评估及预处理
合集下载
基于小波包去噪和图像质量评估的指纹图像预处理
．
根据（ ） （ ） １ ，２ 式得 到不同噪声 系数 卜， 指纹 像均方兹 和峰值 信 噪 比如 表 １２昕示 ． ， 町以明 看 ， 在噪 声系数小 于
０２ ， ．５ 图像 没 有 被 噪 声 淹 没 的情 况 下 于 其 它 ２ 算 法 ； 噪 声 系 数 大 于 ０２ ， 中 种 在 ．５
线 和谷 线 重叠 而 导致 模 糊 不 清 ， 图 １ ， 所 示 ． 如 一ａｂ
（ ）由于设备表 面面积较小 ， ２ 采集的指纹 图像 不完 整 ， 中可 能只包含 很少 的特征信 息 ， 足 以为 识别提供 足够 的依 其 不
据， 图 １ 所示 ． 如 一ｃ
（ ）由于指纹采集仪器本 身的缘故 ， ３ 实际获得的 图像一般都 因敏感元器件 的内部 噪声 、 相片底片上感光材料的颗粒 、 传
关 键 词 ： 波 包 变换 ； 小 图像 质 量 评 估 ； 中值 滤 波 ； 征 提 取 ； 征 匹配 ； 纹 识 别 特 特 指
中图 分 类 号 ：Ｐ １ 、３Ｔ ９７ Ｔ ９ １７ ；Ｎ ５ 文献标识码 ： Ａ
在 自动指纹识别 系统 中 ， 通常需要利用指纹采集仪 获取 指纹 图像 ， 图像在获取 、 而 生成 、 传输 过程 中不可避免要受 到噪 声 的污染 ． 虽然市场上各种指纹采集仪器 的性能有差异 ， 但大多存在 以下共 同缺点… ： （ ）手指的＝湿度 、 １ ｆ ＝ 清洁度对图像质量影 响较大 ． 手指太干 ， 指纹 图像 因脊 线和谷线 太淡而难 以辨认 ， 手指太湿则 因脊
豢 纛 一
（）采取基 了信号 的噪声强度 ａ的阈值获取 方法 ， ３ ： 获得去噪闽值后 ， 小波包分 解的指纹 图像进行软 阈值去 噪处 理 ， 对 去
除高斯噪声 ．
根据（ ） （ ） １ ，２ 式得 到不同噪声 系数 卜， 指纹 像均方兹 和峰值 信 噪 比如 表 １２昕示 ． ， 町以明 看 ， 在噪 声系数小 于
０２ ， ．５ 图像 没 有 被 噪 声 淹 没 的情 况 下 于 其 它 ２ 算 法 ； 噪 声 系 数 大 于 ０２ ， 中 种 在 ．５
线 和谷 线 重叠 而 导致 模 糊 不 清 ， 图 １ ， 所 示 ． 如 一ａｂ
（ ）由于设备表 面面积较小 ， ２ 采集的指纹 图像 不完 整 ， 中可 能只包含 很少 的特征信 息 ， 足 以为 识别提供 足够 的依 其 不
据， 图 １ 所示 ． 如 一ｃ
（ ）由于指纹采集仪器本 身的缘故 ， ３ 实际获得的 图像一般都 因敏感元器件 的内部 噪声 、 相片底片上感光材料的颗粒 、 传
关 键 词 ： 波 包 变换 ； 小 图像 质 量 评 估 ； 中值 滤 波 ； 征 提 取 ； 征 匹配 ； 纹 识 别 特 特 指
中图 分 类 号 ：Ｐ １ 、３Ｔ ９７ Ｔ ９ １７ ；Ｎ ５ 文献标识码 ： Ａ
在 自动指纹识别 系统 中 ， 通常需要利用指纹采集仪 获取 指纹 图像 ， 图像在获取 、 而 生成 、 传输 过程 中不可避免要受 到噪 声 的污染 ． 虽然市场上各种指纹采集仪器 的性能有差异 ， 但大多存在 以下共 同缺点… ： （ ）手指的＝湿度 、 １ ｆ ＝ 清洁度对图像质量影 响较大 ． 手指太干 ， 指纹 图像 因脊 线和谷线 太淡而难 以辨认 ， 手指太湿则 因脊
豢 纛 一
（）采取基 了信号 的噪声强度 ａ的阈值获取 方法 ， ３ ： 获得去噪闽值后 ， 小波包分 解的指纹 图像进行软 阈值去 噪处 理 ， 对 去
除高斯噪声 ．
指纹校准 原理(一)
指纹校准原理(一)指纹校准原理解析什么是指纹校准？指纹校准是一种用以识别和验证个体身份的技术。
通过分析和比对指纹图像中的特征点和模式，可以确定一个人的身份，并对比数据库中的指纹数据以进行验证。
指纹识别的基本原理1.采集指纹图像：使用指纹传感器或手机指纹识别器等设备，将用户的手指按压在上面，采集指纹图像。
2.图像预处理：对采集到的指纹图像进行去噪、增强等处理，提高后续特征提取的准确性和可靠性。
3.特征提取：通过算法对预处理后的指纹图像进行分析，提取出指纹图像中的特征点、纹线等信息。
4.特征匹配：将提取到的指纹特征与现有指纹数据库中的特征进行比对，找到相似度最高的指纹模板。
5.决策判断：基于特征匹配的结果，判断该指纹是否属于已注册的用户，并给出判断结果。
指纹校准的原理指纹校准是指在指纹识别过程中进行的校准操作，用于提高指纹识别的准确性和可靠性。
1.位置校准：在图像预处理阶段，对采集到的指纹图像进行位置校准。
根据用户手指的位置和姿态，调整图像中指纹的位置和方向，使其与标准模板匹配。
2.质量校准：根据指纹图像的质量评估指标，对图像进行质量校准。
去除图像中的噪声、模糊等因素，提高特征提取的准确性和鲁棒性。
3.特征校准：通过分析采集到的指纹图像，确定特征点的位置和模式。
如果存在错误或缺失的特征点，可以根据已知特征点的位置进行补充或纠正，提高特征匹配的准确性。
4.模板更新：根据校准后的指纹图像，更新用户的指纹模板。
确保用户的指纹数据与最新校准的图像一致，提高后续的指纹识别准确率。
指纹校准的应用指纹校准技术广泛应用于各个领域，主要包括以下方面：•个人身份验证：在手机、电脑和门禁系统等设备中，使用指纹校准技术进行个人身份的验证和识别，提高设备的安全性和便捷性。
•法医学：在刑侦领域，通过指纹校准技术对现场指纹进行提取和比对，帮助破案和司法实践，确保司法公正和社会安全。
•边境安全：在边境口岸和机场等地，使用指纹校准技术进行旅客身份的识别，防止偷渡、恐怖主义和犯罪行为。
指纹图像的预处理操作
指纹图像的预处理操作
指纹的预处理的操作步骤主要有：（1）图像归一化；（2）指纹有效区域分割处理；（3）指纹方向图处理；（4）指纹增强处理；（5）指纹二值化处理；（6）指纹细化处理。
（1）图像归一化
图像归一化的目的是为了消除传感器本身噪声或手指压力不同以及其它原因
造成的灰度差异，把图像的平均灰度和方差调整到预定的级别上，方便后续处理。
公式如下：
这种传统的归一化方法存在一些缺点：首先它的平均灰度和平均方差是基于
整个指纹图像，与实际指纹有效区域的平均灰度和方差有一定的偏差；其次它
采用的期望灰度值和方差是个固定值，一些采集不好的指纹图像，局部区域的
平均灰度和方差可能与整体的相差比较大，效果不好。
可以采用基于块的动态归一化方法来克服这些问题：首先进行直方图均衡，
选择感兴趣的区域ROI，再对该区域进行归一化处理。
使用ROI 的均值和方差，并根据局部块的均值和方差动态调整：
其中α、β是权值系数。
（2）指纹有效区域分割
指纹图像分割是指纹图像预处理的重要组成部分，其目的是从指纹图像中分。
指纹图像预处理的研究
关 键 词 ：指 纹 ：图像 ：预 处理
１ 指 纹 图像 分 割
图像 分割通 常位 于预处理 的前端 ．其 目的是把指 纹 图像 中质量很 差 ． 在后续处理 中很 难恢 复 的图像 区
域 与 有 效 区域 区分 开 来 分 割 处 理 不 仅 能 提 高 特 征 提
中所遇 到的问题 。形态方法 中图像信息 的基 本单元是 二值像 素 利用数学形态学 的以下 几个 基本概念和运 算 ． 结构元灵 活地 组合 分解 ． 将 应用 形态变换达到分析
膨 胀 具 有 结 合性 、 换 性 。 这 样 ． 进 行 膨 胀 的 步 交 在 骤 序列 中 ， 成 运 算 的顺 序 就 不重 要 了 。 就 允许 我们 完 这 将 一 个 复 杂 的 形 状 拆 成 几 个 简 单 的 形 状 ．然 后 重 新 组 合 成 为 膨胀 序 列 （ ） 蚀 ２腐
是对我们没有意 义的区域 ． 这些 区域我们称之 为背景 。
指 纹 图像 分 割 的 目的就 是要 将 指 纹前 景 区域 同 背 景 区 域 分 离 开来 ． 以避 免 在 背 景 区域 中 提取 特 征 ， 这样 能 提
高特征提取的准确性 ． 同时节省处理时间 ． 而提高整 从 个 系统的性 能 因而指 纹图像 分割成 为指纹 图像预处
因 此 它 可 以 用 一 个 统 一 而 强 大 的 工 具 来 处 理 图 像 处 理
收 稿 日期 ： ０ ２ ２ １ 一叭 一 ５ ０ 修 稿 日期 ：０ ２ ２ ０ ２ １ —０ — １
种探针 ． 也称为结构元 。 腐蚀 在许 多应用 中起着十分
重要 的作用 结构元对一 幅图像进行腐蚀会 生成一幅 包含结构元所有位置的图像
的 目的 （ ） 胀 １膨
１ 指 纹 图像 分 割
图像 分割通 常位 于预处理 的前端 ．其 目的是把指 纹 图像 中质量很 差 ． 在后续处理 中很 难恢 复 的图像 区
域 与 有 效 区域 区分 开 来 分 割 处 理 不 仅 能 提 高 特 征 提
中所遇 到的问题 。形态方法 中图像信息 的基 本单元是 二值像 素 利用数学形态学 的以下 几个 基本概念和运 算 ． 结构元灵 活地 组合 分解 ． 将 应用 形态变换达到分析
膨 胀 具 有 结 合性 、 换 性 。 这 样 ． 进 行 膨 胀 的 步 交 在 骤 序列 中 ， 成 运 算 的顺 序 就 不重 要 了 。 就 允许 我们 完 这 将 一 个 复 杂 的 形 状 拆 成 几 个 简 单 的 形 状 ．然 后 重 新 组 合 成 为 膨胀 序 列 （ ） 蚀 ２腐
是对我们没有意 义的区域 ． 这些 区域我们称之 为背景 。
指 纹 图像 分 割 的 目的就 是要 将 指 纹前 景 区域 同 背 景 区 域 分 离 开来 ． 以避 免 在 背 景 区域 中 提取 特 征 ， 这样 能 提
高特征提取的准确性 ． 同时节省处理时间 ． 而提高整 从 个 系统的性 能 因而指 纹图像 分割成 为指纹 图像预处
因 此 它 可 以 用 一 个 统 一 而 强 大 的 工 具 来 处 理 图 像 处 理
收 稿 日期 ： ０ ２ ２ １ 一叭 一 ５ ０ 修 稿 日期 ：０ ２ ２ ０ ２ １ —０ — １
种探针 ． 也称为结构元 。 腐蚀 在许 多应用 中起着十分
重要 的作用 结构元对一 幅图像进行腐蚀会 生成一幅 包含结构元所有位置的图像
的 目的 （ ） 胀 １膨
指纹图像的预处理及初步识别研究
指纹图像的预处理及初步识别研究
指纹图像的预处理及初步识别研究包括以下步骤：
1. 图像获取：使用指纹采集设备（例如指纹识别仪、平板式扫描仪等）获取指纹图像。
2. 图像预处理：针对原始指纹图像进行预处理，主要包括图像增强、图像去噪、图像滤波等操作。
3. 特征提取：提取指纹图像中的关键特征，用于指纹识别。
常见的特征包括细节特征、转折特征、核型特征等。
4. 特征匹配：使用已有的指纹特征数据集与待识别指纹特征进行对比，寻找最相似的指纹，从而实现指纹识别。
5. 识别结果输出：将识别结果输出到用户界面或其他终端设备上，供用户使用。
需要注意的是，在实际应用中，指纹图像的预处理和识别过程可能需要结合多种算法和技术来完成，以达到更加准确、可靠的识别效果。
指纹图像质量评估
指纹图像质量评估
张
摘
季
６０３ ｌ０ １）
（ 南交通大 学 ，信息科 学与技 术 学院 ，成都 西
： 出 的指 纹 图像 质 量 评 估 方 法 是 图像 预 处 理 【的一 个 模 块 ， 将 在 对 指 纹 图像 进 行 分 割 、细 化 提 ｌ Ｊ 它
等预处理操 作之 前先对 图像质 量进行评 估 ， 除不 满足 要求 的指 纹图像 以提 高后续 处理 的鲁棒 性【。 去 所提 出 的方 法：先 对指 纹图像 分块 （ 每块 ９×９ １，然后 获取 每 块的方 向信 息，基 于方向信 息确 定前景块和 背景块 ）］ ３
ｓ ｈ ｍｅ ｓ ： ｒｔ ， ｌ ｃ ｉ ｇｔ ｅｆ ｇ ｒ ｒｎ ｇ ｔ ｉｅｏ ９ × ９ ｓ ｃ ｎ ｌ， ｂ ａｎ ｎ ｅ ｒ ｎ ｅ ｆ ｒ ａ ｉｎ ｏ ｅ ｃ ｃｅ Ｗａ ｆ ｓ ｙ ｂ ｏ ｋｎ ｎ ｅ ｉｔｍａ ｅ ｈ ｓ ｆ ｉ ｌ ｈ ｉ ｐ ｉ ｗｉ ｚ ｔ； ｅ ｏ ｄ ｙ ｏ ｔｉ ｉｇ ｔ ｉ ｔｄ ｉ ｏ 】 ｈ ｏ ｅ ｎ ｍ ｔ ｆ ａｈ ｏ
维普资讯
ｔ ６
Ｖ０Байду номын сангаас． ６ Ｉ１
１ ０删
ＮＯ． ０ １
团固口ＡＭＥＰ Ｒ日囫ＲＩ＇ ＡＹＰ圃ＩＯ Ｉ ＵＡＣＮ ｌＣＴＰＡ ，Ｏ ，Ｉ Ｗ Ｉ
ＲＡ ＩＬＩ ＥＩＮＶＰＴ ＳｆＤ究开 Ｅｔ 与发 ￣ 研ＯＮ ） Ｍ ｔＥ ＡＥ
文龋编 ：１０ ．４ １（ ０ ７）１－０ １ ４ ０ ５８ ５ ２ ０ ００ １－ ０
Ｑｕ ｌｙ ｖ ｌａｉｎ ｏ ｎ ｅ ｐ ｉｔｍａ ｅ ａｉ ａｕ ｔ ｒ ｇ ｒ ｒ ｇ ｔｅ ｏｆ ｆ ｉ ｎｉ
ＺＨＡＮ ＧＪ ｉ
（ ｃ ｏ ｌ ｆ ｎｏ ｍ ｔ ｎＳ ｉｎ ｅ ｎ ｅ ｈ ｏ ｇ ， ｏ ｔ ｓＪ ｏｏ ｇ ｉｅｓｙ Ｃ ｅ ｇ ｕ １ ０ Ｃ ｉａ Ｓ ｈ ｏ ｏ ｆ ｒ ａ ｏ ｃｅ ｃ ｄＴ ｃ ｎ ｌ ｙ Ｓ ｕｈ ｔ ｉ ｔ ｖ ｒｉ ， ｈ ｎ ｄ ６ ０ ３ ， ｈ ） Ｉ ｉ ａ ｏ ｗｅ ａ ｎ Ｕｎ ｔ １ ｎ
指纹图像预处理和匹配算法研究
收稿 日期 ： ０ １１ — ４ ２ １ － １０
（） ａ
囊
（ ｂ）
图 １ ＥＦ ３ ０指 纹 鼠标 及 其采 集 到 的指 纹 图 像 Ｐ０
作者 简介 ： 叶青 ， 教 授 ． 究 方 向 ： 副 研 图像 处 理 与 模 式 识别
第 ３期
叶
青 ： 纹 图像 预处 理 和匹配 算法研 究 指
Ａ Ｒ ） 常 由 ４部 分 组 成 ， 指 纹 图 像 采 集 、 Ｆ Ｓ通 即 指纹 图像 预处理 、 特征 提取 、 特征 匹配． 在指 纹识别 系 统 中 ， 采集 到 的指 纹 图像 在
一
１ 指 纹 图 像 采 集
指纹 图像 可 以通 过 指纹 传 感 器 获 得． 文 本 选 用 中天 一 维 科 技 公 司 的 鼠标 型 指 纹 采 集 仪
估 算 ； 着使 用基 于纹 路 方 向性 的 Ｇａ ｏ 滤 波 接 ｂｒ
增 强算法 增 强指 纹 图像 ； 增 强 后 的 图像 采 对 用 基 于局 部 阈值 选 取 的动 态 阈值 法 进 行 二 值 化 ， 对 得 到 的二值 图像 采用 加 权 中值 滤 波法 并
关 键 词 自动 指 纹 识 别 ； 处 理 算 法 ； 征 提 取 ； 节 匹 配 预 特 细
分类号 ＴＰ ９ ． １ ３ １４
指 纹是 由指尖 表面 皮肤 上的脊 线和谷 线组 成 的纹路 ， 因其 具有 终 身 不变 性 和 唯一 性等 独 特 的特 点 ， 使指 纹识 别 成 为 当前 应 用最 广泛 的
生物 识别 技 术． 结合 飞速 发展 的计算 机 技术 和 嵌 入 式技 术 ， 纹识 别 技 术 已被 应用 于 机要 安 指
的． 当前 指 纹 的特 征 提取 与 匹配 大 多 数使 用 的
（） ａ
囊
（ ｂ）
图 １ ＥＦ ３ ０指 纹 鼠标 及 其采 集 到 的指 纹 图 像 Ｐ０
作者 简介 ： 叶青 ， 教 授 ． 究 方 向 ： 副 研 图像 处 理 与 模 式 识别
第 ３期
叶
青 ： 纹 图像 预处 理 和匹配 算法研 究 指
Ａ Ｒ ） 常 由 ４部 分 组 成 ， 指 纹 图 像 采 集 、 Ｆ Ｓ通 即 指纹 图像 预处理 、 特征 提取 、 特征 匹配． 在指 纹识别 系 统 中 ， 采集 到 的指 纹 图像 在
一
１ 指 纹 图 像 采 集
指纹 图像 可 以通 过 指纹 传 感 器 获 得． 文 本 选 用 中天 一 维 科 技 公 司 的 鼠标 型 指 纹 采 集 仪
估 算 ； 着使 用基 于纹 路 方 向性 的 Ｇａ ｏ 滤 波 接 ｂｒ
增 强算法 增 强指 纹 图像 ； 增 强 后 的 图像 采 对 用 基 于局 部 阈值 选 取 的动 态 阈值 法 进 行 二 值 化 ， 对 得 到 的二值 图像 采用 加 权 中值 滤 波法 并
关 键 词 自动 指 纹 识 别 ； 处 理 算 法 ； 征 提 取 ； 节 匹 配 预 特 细
分类号 ＴＰ ９ ． １ ３ １４
指 纹是 由指尖 表面 皮肤 上的脊 线和谷 线组 成 的纹路 ， 因其 具有 终 身 不变 性 和 唯一 性等 独 特 的特 点 ， 使指 纹识 别 成 为 当前 应 用最 广泛 的
生物 识别 技 术． 结合 飞速 发展 的计算 机 技术 和 嵌 入 式技 术 ， 纹识 别 技 术 已被 应用 于 机要 安 指
的． 当前 指 纹 的特 征 提取 与 匹配 大 多 数使 用 的
指纹图像质量综合评估方法
维普资讯
Ｓａ ｄ ｒ ｓ ｔｓ ． ｔｎ ａ ｄ． ｅｆ ￣＆ ｅ ｕｐ ｅ ｔｌ ｉ ｑ ｉｍ ｎ
，～ 一 ——— — — ———
—— —— ———；— —．；— ——— ——— — ９ （０ ７ ０ — ０ ３ ０ １０ — ６ ２ ２ ０ ）７ ０ ９ — ４
Ａｎ Ｉｔｇａｉｅ Ｍｅｈ ｄ ｆｒ Ｆｎ ｅ ｐ ｉｔＩ ｇ ａｉ ｓｓｍｅ ｔ ｎ ｅ ｒ ｔ ｔｏ ｏ ｉｇ ｒ ｒｎ ｍａ ｅ Ｑｕ ｌｙ Ａｓｅｓ ｎ ｖ ｔ
Ｆ ＡＮＧ ｈ ｎ －￣ｉ Ｉ Ｘｉ ｒ ｎ ￣ Ｚｅｇ ‘ ，Ｌ Ｎ — ｏ ｓ，ＺＨＯＵ Ｂｉ ｎ
指纹图像质量综合评估方法
方正 飞 ，林喜 荣 ，周 斌
（ ．清 华 大 学 精 密仪 器 系精 密测 试 技 术 及 仪 器 国 家 重 点 实 验 室 ， 北 京 １０ ８ ； １ ００ ４ ２ ．清 华 大 学 深 圳 研 究 生 院 ， 广 东 深 圳 ５ ８ ５ ） １０ ５
・
论文・
Ｔｉｇ ｕ ｎｖｒｉ，Ｂ ｉｎ ０ ０ ４ ｈｎ ；２ ｒｄ ａｅＳ ｈｏ ｈｎｈ ｎ ｓ ｇ Ｍ ｎｖｒｈ，Ｇ ａｇｏ ｇ Ｓｅｚ ｅ １０ Ｌ Ｃ ｉ ） ｓｎｈ ａ Ｕ ｉ ｓｔ ｅ ｉｇ １ ０ ８ ，Ｃ ｉ ｅ ｙ ｊ ａ ．Ｇ ａ ｕｔ ｃ ｏｌａ Ｓ ｅｚｅ ．Ｔｉ ｈ Ｕ ｉ ｓ ｙ ｕｒ ｄｎ ｈｎｈｎ ５ ８５ ｈｎ ｔ ｎ ｅ ｔ ａ
【 摘 要 】提 出一种 基于 ３个评估 因子（ 前景 比重 、 ａｏ 滤 波特 征值 和指纹 图像 中心 点位置） Ｇ ｂｒ 的指纹 图像综合评估 方法。为此， 先
将 指 纹 图像 分 成 若 干 Ｏ Ｏ 块 ， 算 每 一 图块 内各 像 素 的方 向数 并 由 此得 出相 关参 数决 定 前 景 比 重 因 子 ； 对每 一 图 块 进 行 ８方 ９ ９图 Ｘ 计 再 向 Ｇ ｂ ｒ 波 ， 算 滤波 结 果 的方 差 而得 到 Ｇ ｂｒ 波 特 征 值 因子 ； 据指 纹 图 像 相 邻 图块 方 向 变 化 得 到 中心 点 位 置 因子 ； 权 平 ａｏ 滤 计 ａｏ 滤 根 加
Ｓａ ｄ ｒ ｓ ｔｓ ． ｔｎ ａ ｄ． ｅｆ ￣＆ ｅ ｕｐ ｅ ｔｌ ｉ ｑ ｉｍ ｎ
，～ 一 ——— — — ———
—— —— ———；— —．；— ——— ——— — ９ （０ ７ ０ — ０ ３ ０ １０ — ６ ２ ２ ０ ）７ ０ ９ — ４
Ａｎ Ｉｔｇａｉｅ Ｍｅｈ ｄ ｆｒ Ｆｎ ｅ ｐ ｉｔＩ ｇ ａｉ ｓｓｍｅ ｔ ｎ ｅ ｒ ｔ ｔｏ ｏ ｉｇ ｒ ｒｎ ｍａ ｅ Ｑｕ ｌｙ Ａｓｅｓ ｎ ｖ ｔ
Ｆ ＡＮＧ ｈ ｎ －￣ｉ Ｉ Ｘｉ ｒ ｎ ￣ Ｚｅｇ ‘ ，Ｌ Ｎ — ｏ ｓ，ＺＨＯＵ Ｂｉ ｎ
指纹图像质量综合评估方法
方正 飞 ，林喜 荣 ，周 斌
（ ．清 华 大 学 精 密仪 器 系精 密测 试 技 术 及 仪 器 国 家 重 点 实 验 室 ， 北 京 １０ ８ ； １ ００ ４ ２ ．清 华 大 学 深 圳 研 究 生 院 ， 广 东 深 圳 ５ ８ ５ ） １０ ５
・
论文・
Ｔｉｇ ｕ ｎｖｒｉ，Ｂ ｉｎ ０ ０ ４ ｈｎ ；２ ｒｄ ａｅＳ ｈｏ ｈｎｈ ｎ ｓ ｇ Ｍ ｎｖｒｈ，Ｇ ａｇｏ ｇ Ｓｅｚ ｅ １０ Ｌ Ｃ ｉ ） ｓｎｈ ａ Ｕ ｉ ｓｔ ｅ ｉｇ １ ０ ８ ，Ｃ ｉ ｅ ｙ ｊ ａ ．Ｇ ａ ｕｔ ｃ ｏｌａ Ｓ ｅｚｅ ．Ｔｉ ｈ Ｕ ｉ ｓ ｙ ｕｒ ｄｎ ｈｎｈｎ ５ ８５ ｈｎ ｔ ｎ ｅ ｔ ａ
【 摘 要 】提 出一种 基于 ３个评估 因子（ 前景 比重 、 ａｏ 滤 波特 征值 和指纹 图像 中心 点位置） Ｇ ｂｒ 的指纹 图像综合评估 方法。为此， 先
将 指 纹 图像 分 成 若 干 Ｏ Ｏ 块 ， 算 每 一 图块 内各 像 素 的方 向数 并 由 此得 出相 关参 数决 定 前 景 比 重 因 子 ； 对每 一 图 块 进 行 ８方 ９ ９图 Ｘ 计 再 向 Ｇ ｂ ｒ 波 ， 算 滤波 结 果 的方 差 而得 到 Ｇ ｂｒ 波 特 征 值 因子 ； 据指 纹 图 像 相 邻 图块 方 向 变 化 得 到 中心 点 位 置 因子 ； 权 平 ａｏ 滤 计 ａｏ 滤 根 加
- 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)。
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
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