基于Gabor滤波器的指纹图像增强
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， ｆ ９５ ， 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 ＭＤＲ Ｃ Ｐ Ｅ ２８ ＯＥＮ Ｏ Ｕ Ｒ０２ Ｍ Ｔ ０
．
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 Ｗｘ ｘ） ｙ Ｌ 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 Ｇ ｂ ｒ ａ ｏ 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 Ｇ ｊ （ｊ和垂直梯 度分量 Ｇ（ ） ｉ） ， ｙ， ； ｉ ｊ （ ） 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 ；Ｇａｏ ｂ ｒ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Ｘ ｅ ｐ ［ ＿ 箬ｏ ｃ ｓ ［ ＿
［ ＿
］ ． ｅ ］ ． ｅ
］ｅ ．嫩
．＿ ｅ ｘ ｐ （
（ ） １
能量分布计算 ，再进行 Ｇ ｂ ｒ ａ ｏ 函数滤 波。
式 （） １ 由实 Ｇ ｂｒ ａｏ 函数 ｇ 和虚 Ｇ ｂｒ ａｏ 函数 ｇ 组 成 ：
＿（ ｅ Ｘ ｐ 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。Ｇ ｂｒ ａｏ 变换是一个 比较理 想的指纹图像增强 算法 。Ｇ ｂｒ ａｏ 变换 ，又 称短 时或 加 窗 Ｆｕｉ 变换 ，克 ｏｒｒ ｅ
ｏｆｔ ｒｅ ｕ ａ ｒ ａ ｈｅ ｉｒ ｇ ｌｒａｅ ．
Ｋｅ ｗｏ ｄ ： ｉ ｇ ｒ ｒ ｔ ｎ ａ ｃ ｍｅ ｔ Ｇａ ｏ ｎ ｔ ｎ；ｆｅ ｕ ｎ ｙ ｅ ｅ ｇ ； ｆｅ ｕ ｎ ｙ ｂ ｎ ｙ ｒ ｓ Ｆｎ ｅ ｉ ｈ ｎ ｅ ｎ ； ｐ ｎ ｅ ｂｒ ｕ ｉ ｆ ｃｏ ｒ ｑ ｅ ｃ ｎ ｒ ｙ ｒ ｑ ｅ ｃ ａ ｄ
Gabor滤波在方向上的二值化指纹增强
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ＷｉｒｅｌｅｓｓＩｎｔｅｒｎｅｔＴｅｃｈｎｏｌｏｇｙＮｏ ８Ａｐｒｉｌ，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１００μｍ ３００μｍ，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㊂２ １㊀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㊂２ ２㊀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㊂２ ３㊀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３ １㊀Ｌｏｇ－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］㊂３ ２㊀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㊂３ ３㊀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㊀４ １㊀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㊂４ ２㊀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］㊂４ ３㊀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］㊂４ ４㊀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＋ｂｔＥＩ１０５－１３７０ ４２９２７０ ２８６１０５－４１３１６０ ８１２８１８０ ４４４１０７－７３６０ ５２６０ ３３３１０７－８１０１１０ ９０９４１１０ ３６４１０９－４５１３０ ３８５４１３０ ３０８１０９－７４８０ ５４８０ ５平均０ ５８９０ ３７３５ 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－ＧａｂｏｒｆｉｌｔｅｒＱｉｕＸｉｕｌａｎＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ Ｎａｎｃｈａｎｇ３３０００８ ＣｈｉｎａＡｂｓｔｒａｃｔ Ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｓｔｈｅｒｅｌａｔｅｄｔｅｃｈｎｏｌｏｇｙｏｆｆｉｎｇｅｒｐｒｉｎｔａｎｄｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇ ｉｎｔｒｏｄｕｃｅｓｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｔｅｃｈｎｏｌｏｇｙ ｉｍｐｒｏｖｅｓＧａｂｏｒｆｉｌｔｅｒ ｉｎｔｅｇｒａｔｅｓｔｈｒｏｕｇｈＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ ｃｏｎｓｔｒｕｃｔｓＬｏｇ－Ｇａｂｏｒｆｉｌｔｅｒ ｄｅｖｅｌｏｐｓｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄｏｎｔｈｉｓ ｉｎｔｒｏｄｕｃｅｓｆｉｎｇｅｒｐｒｉｎｔｄｅｔａｉｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙ ｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔａｌａｎａｌｙｓｉｓｏｆＬｏｇ－Ｇａｂｏｒｆｉｌｔｅｒｄｅｃｏｍｐｏｓｉｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｎｈａｎｃｅｍｅｎｔｔｅｃｈｎｏｌｏｇｙａｐｐｌｉｃａｔｉｏｎｅｆｆｅｃｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｐｒｅｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｃａｎｍａｋｅｔｈｅｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅｍｏｒｅｃｌｅａｒａｎｄｓｈｏｗｍｏｒｅｄｅｔａｉｌｓ．Ｋｅｙｗｏｒｄｓ ｆｉｎｇｅｒｐｒｉｎｔｉｍａｇｅ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ｋｅｙｔｅｃｈｎｏｌｏｇｙ。
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） ） ２ Ｖ（ 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
１．４ Ｇａｂｏｒ 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） ） ２ Ｖ（ 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
基于Ｇａ ｏ 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 Ｇ ｂ ｒ 基 ａ ｏ 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Ｇ ｂ ｒ 本 ａｏ 函数、 ａ ｏ 滤波器的 图像增强算法 、 Ｇ ｂｒ 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 、 Ａ Ｉ） 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 Ａ Ｉ 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 ， ’ ｏｍ ｎ Ｎ ｃｅ ｏ 提 出采用 方向滤波器进行 ２ Ｏ Ｇ ｒ ａ和 ｉ ｒ ｎ ］ 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 ３ Ｈｎ等 】 提 出采用二维 的Ｇ ｂｒ ａ ｏ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 Ｇ ｂｒ ａ ｏ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 Ｇ ｂｒ ａｏ 滤波 器组对 图像进行 滤波 ， 其增 强效果 比较显著 。 在 Ｈ ｎ 等人的研究基础上 ， ａｇ 还出现了一些 改进 的Ｇ ｂｒ ａｏ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 ４ ０ Ｓ ｅ １ — ｌｋ ｏ 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
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Ｇ ａ ｂ ｏ ｒ 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Ｇ ａ ｂ ｏ ｒ 滤 波 器 组 对 图 像 进 行 滤 波 ，其 增 强 效 果 比 较 显 著 。 在Ｈ ｏ ｎ ｇ 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 。Ｇ ａ ｂ ｏ ｒ 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 Ｇ ａ ｂ ｏ ｒ 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 。
２ Ｇａ ｂ ｏ ｒ 滤 波增 强
目前 ，针 对 指 纹 图 像 增 强 的 各 种 算 法 中 ，Ｈ ｏ ｎ ｇ 等 提 出 的基 于Ｇ ａ ｂ ｏ ｒ 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Ｇ ａ ｂ ｏ ｒ 滤 波 器 的 时 域 及 变 换 频 谱 。Ｇ ａ ｂ ｏ ｒ 变 换 是 英 国 物 理 学 家Ｇ ａ ｂ ｏ ｒ 提 出来 的 ， Ｇ ａ ｂ ｏ ｒ 变 换 属 于 加 窗 傅 立 叶 变 换 ， 用Ｇ ａ ｂ ｏ ｒ 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 Ｇ ａ ｂ ｏ ｒ ｄ ￣ 波 模 型 。Ｇ ａ ｂ ｏ ｒ ｄ ￣ 波 函 数 由高 斯 函 数 与 三 角 函 数 构 成 ，
- 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)。
２ｏ ０ ６年
工 程 图 学 学 报
Ｊ ＯＵＲＮＡＬ ＯＦ Ｅ ＮＧＩ ＮＥＥＲＩ ＮＧ ＧＲＡＰ ＣＳ ｍ
２ 啷
第 ５期
ＮＯ ５ ．
基 于 Ｇａ ｏ 波 器 的指 纹 图像 增 强 ｂ ｒ滤
夏振华， 石 玉， 于盛林
（ ｏｌｇ ｆ ｔｍａｃＥ ｇｎｅｉｇＮ ｎ ｎ ｎｖｒｔ ｆ ｅｏ ａｔ ｓ ｎ ｔ ｎｕ ｃ， ａｊ ｇＪ ｇｕ２０ １， ｈｎ ） Ｃ ｌ ｅｏ ｏ ｔ ｎ ｉｅｒ ， ａｊ ｇＵ ｉｅｓｙｏ ｒｎｕ ｃ ｄ ｒ ａｔ ｓＮ ｎｈ ａ ｓ １０ ６Ｃ ｉａ ｅ Ａｕ ｉ ｎ ｉ ｉ Ａ ｉ ａ Ａｓｏ ｉ ａ ｉ ｎ
一
题， 降低 了算法的复杂度 。实验表 明该算法具有 良好的增强指纹图像的脊线和抑制噪声的作
用。
关 键 词：计算机应用；图像增强；Ｇ ｂｒ ａｏ 滤波器；模板 分解 中图分类 号 ：Ｔ ９ ．１ Ｐ３ １ ４
文献 标识 码 ：Ａ 文 章 编 号 ：１０ —１８２０ ）５０ ８ —６ ０ ３０ ５ （０ ６０ ．０ ００
Ｆｉ ｇ ｒ ｒｎ ｍ ａ ｅＥｎ ａ ｃ ｍ ｅ ｔ ｓ ｄ ｏ ｂ ｒＦｉ ｅ ｓ ｎ ｅ ｐ ｉ ｔＩ ｇ ｈ ｎ ｅ ｎ ｅ ｎ Ｇａ ｏ ｌ ｒ Ｂａ ｔ
ＸＩ Ｚ ｅ — ｕ ， Ｓ ｕ ＹＵ ｈ ｎ — ｎ Ａ ｈ ｎ ｈ ａ ＨＩ ， Ｙ Ｓ ｅ ｇｌ ｉ
指 纹识 别作 为一 种重 要 的生物 识别 技术 ，近
几 年得 到 了飞速 发展 ，广泛 地 应用 于金 融证券 、
般 包括指 纹采 集 、图像预 处理 、特 征提 取及特 征 匹 配等 几个 步骤 。其 中图像预 处理 中 的 图像 增强
（ 南京航空航天大学 自动化学院，江苏 南京 ２ ０ １ １０ ６）
摘 要 ：通 过对 传 统指 纹 图像 增 强算 法的研 究 ， 出一种基 于 Ｇａｏ 滤 波的指 纹 图 提 ｂｒ 像增 强算法。根据指纹纹线间距均 匀且局部平行的特点，建立 了用于指纹 图像增强的 Ｇ ｂ ｒ ａｏ
滤波函数 的物理模型， 并利用二维 Ｇ ｂｒ ａｏ 滤波器可分解为正交方向的一维高斯带通滤波器和 维高斯低通滤波器的特点， 将二维滤波分解为两次一维滤波， 从而解决了计算量过大的问
ｔ ｅ ｈ ｃ ｆｎ ｅ ｒｎ ｉ ｇ ｓ Ｓｉ ｅ ｗｏ ｄ ｍｅ ｓｏ ｌ Ｇａ ｏ ｆｌｅ Ｃ ｂ ｓ ｐａ ａｅ ｉ ｔ ｏ ｎ ａ ｅ ｉ ｇ ｒ ｉ ｔ ｍａ ｅ ． ｎｃ ｔ — ｉ ｎ ｉ ｎａ ｎ ｐ ｂ ｒ ｉ ｔｒ ａ ｎ ｅ ｅ ｒｔ ｄ ｎ ｏ
ｏ ｅ ｄ ｍｅ ｓ ｎ ｕ ｓａ ａ ｄ ｐ ｓ ｌ ｒ ａ ｄ ｏ ｅ ｄ ｍｅ ｓ ｎ ｕ ｓａ ｏ ｐ ｓ ｌ ｒ ｗｈ ｃ ｎ ・ ｉ ｎ ｉ ａ Ｇａ ｓ ｉ ｎ ｂ － ｏ ｌ ｎ ａ ｓ ｆ ｔ ｎ ・ ｉ ｎ ｉ ａ Ｇａ ｓ ｉ ｎ ｌ ｗ ａ ｓ ｆ ｔ ｉ ｈ ｉ ｅ ｎ － ｏ ｌ ｉ ｅ ｒ ｅ ｎ ｉｕ ａ ｙ ｔ — ｉ ｎ ｉ ｎ Ｇａ ｏ ｌ ｓｉ ｉ ｌ ｍｅ ｔ ｄ ｂ ａ ｅｐ ｒ ｅ ｄ ｃ ｌ ｌ ，ｗｏ ｄ ｍｅ ｓｏ ａ ｂ ｒｆ ｔｒ ｐ ｅ ｎ ｅ ｙ ｔ ｎ ． ｍ ｅ ｓｏ ａ ｌ ｒ ． ｐ ｒ ｌ ｉ ｅ Ｓｍ ｗｏ ｏ ｅ ｄ ｉ ｎ ｉｎ ｆ ｔ ｓ ｌｉ ｅ Ｔｈ ｓ ｔ ｅ ｃ ｍｐ ｅ ｉ ｄ ｃ ｍｐ ｔ ｔ ｎ ｔ ｓｒ ｄ ｃ ｄ Ｅｘ ｅ ｍｅ ｔ ｅ ｕ ｔ ｎ ｉ ａｅ ｔ ａ ｅ ｎ ｗ ｕ ｏ ｌ ｘ ｔ ａ ｏ ｕ ｉ ｉ ｉ ｅ ｕ ｅ ． ｐ ｒ ｎ ｓ ｌ ｉ ｄ ｃ ｔ ｔ ｅ ｈ ｙｎ ａ ｏ ｍｅ ｉ ｒ ｓ ｈ ｔ ｈ ａ ｇ ｒｔ ｍ ａ ｉ ｈ ｒ ｂ ｌ ｙ ｔ ｅ ｉｔ ｏ ｓ ｓａ ｄｔ ｎ ａ ｃ ｕ ｉ ｆ ｎ ｅ ｒ ｔ ｍａ ｅ ｌ ｏ ｈ ｈ ｓ ｈ ｇ ｅ ｉ ｔ ｒ ｓｓ ｎ ｉｅ ｅ ｎ ｅｑ ａ ｔ ｏ ｇ ｒ ｉ ｇ ． ｉ ａ ａ ｉ ｏ ｎ ｏ ｈ ｌ ｙ ｆ ｉ ｐ ｎ ｉ Ｋｅ ｒ ｓ ｃ ｍｐ ｔｒ ｐ ｌ ａｉ ｎ ｉ ｇ ｎ ａ ｃ ｍｅ ｔ Ｇａ ｏ ｉ ｅ ｓ ｔ ｍｐ ａｅ ｄ ｃ ｍｐ ｓｔ ｎ ｙ ｗｏ ｄ ： ｏ ｕ ｅ ｐ ｉ ｔ ； ｍａ ｅ ｅ ｈ ａ ｃ ｏ ｎ ｅ ｎ ； ｂ ｒ ｌ ｒ ； ｅ ｌ ｔ ｅ ｏ ｏ ｉ ｏ ｆｔ ｉ
Ａｂ ｔ ａ ｔ ｓ ｒ ｃ ：Ｏｎ ｔ ｅ ｒ ｓ ａ ｃ ｆ ｔ ｄ ｔ ｎ ｌｍｅ ｏ ｓ ｆ ｒ ｆ ｇ ｒ ｒ ｔ ｐ ｏ ｅ ｓｎ ， ｎ ａｇ ｒ ｈ ｈ ｅ ｅ ｒ ｈ ｏ ｒ ｉ ｏ ａ ｔ ｄ ｏ ｉ ｅ ｐ ｉ ｒ ｃ ｓ ｉ ｇ ａ ｏ ｉ ｍ ａ ｉ ｈ ｎ ｎ ｌ ｔ ｂ ｓ ｄ ｏ ｂ ｒ ｌ ｒ ｒ ｎ ｅ ｐ ｉ ｔ ｍａ ｅｅ ｈ ｃ ｍｅ ｔ ｓｐ ｅ ｅ ｔ ｄ Ａｃ ｏ ｄ ｇ ｔ ｅ ｕ ｉｏ ｍｉ ａ ｅ ｎ Ｇａ ｏ ｔ ｇ ｒ ｒｎ ｇ ｎ ａ ｅ ｎ ｒ ｓ ｎ ｅ ． ｃ ｒ ｉ ｔ ｎ ｆ ｒ ｔ ｉ ｆ ｅｆ ｆ ｏ ｉ ｉ ｎ ｉ ｎ ｏｈ ｙ ｎ ａ ｔ ｐ ｌ ａ ｉ ｆｒ ｅ ｕ ｒ ｗｓｏ ｆ ｇ ｒ ｉ ｔ， ｄ ｌ ａ ｄ ｐ ｒｉ ａ ａ ｌｒ ｙ ｏ ｉ ｇ ｓａ ｄ ｆ ｒｏ ｆ ｎ ｅ ｒｎ ｓ ａ ｍｏ ｅ ｆＧａ ｏ ｌ ｒｉ ｅ ｔ ｂ ｉｈ ｄ ｌ ａ ｒ ｔ ｄ ｎ ｉ ｐ ｏ ｂ ｒｆ ｔ ｓ ｓ ｌ ｅ ｉ ｅ ａ ｓ