指纹图像预处理及特征提取算法的研究与实现
指纹图像预处理和特征提取算法的Matlab实现
ａｌｇｏｒｉｔｈｍ ｆｏｒ ｆｉｎｇｅｒｐｒｉｎｔ ｒｅｃｏｇｎｉｔｉｏｎ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｓｅｔ ｏｆ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｍｉｎｕｔｉａｅ ｅｘｔｒａｃｔｉｏｎ ｉｓ ｄｅｓｉｇｎｅｄ
∥ ／燃
ａ末梢点 图１末梢点和分叉点
图２自动指纹识别系统流程图
３指纹图像的预处理
本文采用的图像预处理算法流程如图３所示。
方向滤波 图３指纹图像预处理算法流程图 各步骤得到的图像如图４所示。
－原始指纹图像 ｂ规格化后的图像 ｛ ｃ方向滤波后的图像
ｄ＝值化丘的盥像
ｅ细化后的图像
３．１规格化
图４预处理实验效果图
３．４细化
细化处理（Ｔｈｉｎｎｉｎｇ）是指在二值化的指纹图像上，在
不影响纹线连通性的基础上删除纹线的边缘像素，直到纹 线为单像素宽为止。细化后理想的结果是纹线骨架应该为 原始纹线的骨架中心，并保持纹线细节特征以及纹线的收 敛性、拓扑性、细化性和快速性。细化图像是基于点模式细 节特征点提取的前提，如果无法得到较好的细化图像，后续
不高。本文采用ＬｉｎＨｏｎｇ等人开发的基于最小均方估计
算法，即公式法。公式见式（３）、式（４）：
＝Ｇ（ｉ一１，歹一１）＋２Ｇ（ｉ，歹一１）＋
｛二
Ｇ（ｉ＋１，ｉ—１）一Ｇ（ｉ一１．ｉ＋１） ２Ｇ（ｉ，Ｊ＋１）一Ｇ（ｉ＋１，ｊ＋１） ＝Ｇ（ｉ一１，ｊ一１）＋２Ｇ（ｉ，Ｊ＋１）＋ Ｇ（ｉ一１，Ｊ＋１）一Ｇ（ｉ＋１，Ｊ一１）
指纹识别算法研究与实现
（ ６ ）
பைடு நூலகம்
基 金 项 目： 家大 学生 创 新 实践 项 目（０ ２ ０ ５０ ９ 国 ２ １ １０ ４ ６ ） 作者 简介 ： 黄世 龙（ ９２ ， ， 肃临洮人 ， １９ 一） 男 甘 在校 大学生， 主研 方向 ： 工智能及识 别技 术。 人 刘 书 刚 （９ ９ ， ， 北 吴桥 人 ， 教 授 ， １６ －） 男 湖 副 主研 方 向 ： 入 式 系统 。 嵌
随着计算 机技术 的发展 ， 指纹识别技术 已在 各个领域得 到广 泛的应用 。但 是随着应用的 日益普及 ， 人们 对系统 的识
一
设整个 灰度图像 ， 的大小为 Ｎ×Ｎ， 其灰 度均值 和方差 的大 小分 别为 和 ， 由式 （ ） （ ） １ 、２ 确定 ：
。
别性 能提出了更 高的要求。如何提高低质量指纹 图像 ， 特别
阎嘉鳞 （９ １ ， ， １９ －） 女 山西汾 阳人 ， 在校 大学生 ， 主研 方向： 模式识别 。
，ｃ ，
—
＞～
㈩
Ｌｏ（ ）Ｍ２ ｎｅ Ｒ— ，－ ） 。 １ —Ｉ ｊ （ｉ — 匦 ，
ｓ ｅ
其 中，（，） ， ． 代表 原始 图像 （ 图 １ 在 （ ，） 的灰 度 『 见 ） ＿ 处 『 值 ， ｉ ） 表 归 一化 后 图像 在 （ ＿ 处 的灰 度值 ， 和 Ｇ（， 代 ｊ ，） ，
摘 要 ： 究并实现 了指纹识别过程 中用到的 算法 ， 研 实现一套主要 包括指纹 图像 灰度 归一化 和均衡化 、 指纹 图
像 分割 、 二值化 的指纹识别预处理算 法、 同方向 Ｇ ｂｒ 不 ａｏ 滤波的特征提 取算 法 ； 尤其是采 用基 于 Ｇ ｂｒ 波的指纹 ａｏ 滤 图像 增强和纹理 匹配 的方 法， 兼顾 了指纹 图像 的细节特征和 全局特征 。最后 ， ｍ ｔ ｂ ． 以 ａ ａ７ ０为开发平 台对 该方法进 ｌ
指纹图像预处理的研究
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
指纹信息提取技术分析与实现
指纹信息提取技术分析与实现指纹信息提取技术分析与实现指纹是每个人独特的身份特征之一，可以用于身份验证和犯罪侦查等方面。
指纹信息提取技术是将人类指纹转化为可用于分析和比对的数字信息的过程。
本文将对指纹信息提取技术进行分析与实现。
1. 指纹信息提取技术的分类指纹信息提取技术可以分为以下几种：特征提取、图像增强、图像分割、特征匹配等。
特征提取：通过分析指纹图像中的纹线和纹谷等特征，提取出指纹的特征点，用于后续的比对。
图像增强：对指纹图像进行处理，增强图像的对比度和清晰度，以提高后续处理的准确性。
图像分割：将指纹图像中的纹线和纹谷分离开来，便于后续处理中对纹线的特征进行提取。
特征匹配：将待比对的指纹特征与数据库中的指纹特征进行比对，找到相似度最高的指纹，用于身份验证或犯罪侦查。
2. 指纹特征提取算法指纹特征提取算法是指将指纹图像转化为用于比对的数学特征的算法。
这些算法可以分为两类：定位算法和特征提取算法。
定位算法：通过寻找指纹的基本特征，如核心点和三角区域等，确定指纹的相对位置和方向。
特征提取算法：主要包括纹线细化、细节提取以及特征点提取等步骤。
纹线细化通过对指纹图像进行一系列滤波操作，将纹线从原始图像中提取出来。
细节提取阶段主要提取指纹图像的细节信息，如纹孔等。
特征点提取阶段则是通过分析纹线的特征点，如分叉点和岔路点等，提取出用于比对的指纹特征。
3. 指纹图像增强技术指纹图像增强技术旨在增强指纹图像的对比度和清晰度，以提高后续处理的准确性。
常用的指纹图像增强技术包括直方图均衡化、滤波和增强方法。
直方图均衡化：通过对指纹图像的像素值进行调整，使得整个图像的像素值分布更加均匀，从而提高图像的对比度。
滤波方法：通过对指纹图像进行空域滤波或频域滤波，去除图像的噪声和模糊，提高图像的清晰度。
增强方法：通过对图像进行增强操作，如灰度拉伸、边缘增强和细节增强等，提高图像的质量。
4. 指纹图像分割技术指纹图像分割技术主要目的是将指纹图像中的纹线和纹谷分离开来，便于后续处理中对纹线的特征进行提取。
使用小波变换进行指纹识别与特征提取的实用方法
使用小波变换进行指纹识别与特征提取的实用方法指纹识别作为一种常见的生物特征识别技术，已经广泛应用于各个领域，如手机解锁、身份验证等。
在指纹识别中，特征提取是一个关键的步骤，它能够将指纹图像转化为一组能够唯一表示指纹的特征向量。
而小波变换作为一种有效的信号处理方法，被广泛应用于指纹识别中的特征提取。
本文将介绍使用小波变换进行指纹识别与特征提取的实用方法。
一、小波变换的原理与特点小波变换是一种时频分析方法，它能够将信号分解为不同频率的子信号，并且能够提供信号在时间和频率上的局部信息。
与傅里叶变换相比，小波变换具有更好的时频局部性，能够更准确地描述信号的瞬时特性。
在指纹识别中，由于指纹图像具有丰富的细节信息和复杂的纹理结构，小波变换能够更好地捕捉到指纹图像的细节特征，从而提高指纹识别的准确性。
二、小波变换在指纹识别中的应用1. 指纹图像的预处理在进行指纹识别之前，需要对指纹图像进行预处理，以去除噪声和增强图像的纹理特征。
小波变换可以对指纹图像进行多尺度分解，得到不同频率的子图像。
通过选择适当的小波基函数和尺度参数，可以将指纹图像的细节信息和纹理特征更好地提取出来。
2. 指纹特征提取指纹特征提取是指将指纹图像转化为一组能够唯一表示指纹的特征向量。
在小波变换中，可以通过对指纹图像进行多尺度分解，得到不同频率的子图像。
然后，对每个子图像进行小波包变换，得到子图像的频域系数。
这些频域系数能够更好地描述指纹图像的纹理特征。
最后，将频域系数进行归一化和压缩，得到最终的指纹特征向量。
3. 指纹匹配与识别指纹匹配与识别是指将待识别的指纹与已知的指纹库中的指纹进行比对，以确定其身份。
在小波变换中，可以将待识别的指纹图像进行与特征提取相同的处理，得到其特征向量。
然后，通过计算待识别指纹的特征向量与已知指纹库中的指纹特征向量之间的相似度，来进行指纹匹配与识别。
相似度计算可以使用欧氏距离、余弦相似度等方法。
三、小波变换在指纹识别中的优势与挑战1. 优势小波变换具有较好的时频局部性，能够更准确地描述指纹图像的细节特征。
基于图像处理的指纹识别与特征提取算法研究
基于图像处理的指纹识别与特征提取算法研究1. 引言指纹识别是一种广泛应用于生物特征识别领域的技术，具有高度可靠性和不可复制性的特点。
随着计算机视觉技术的发展，图像处理成为指纹识别的关键环节。
本文旨在研究基于图像处理的指纹识别与特征提取算法，提高指纹识别的准确性和稳定性。
2. 指纹识别算法概述指纹识别算法主要包括图像采集、预处理、特征提取和匹配等步骤。
其中，特征提取是指纹识别的核心环节，影响着识别的准确性和鲁棒性。
3. 图像采集与预处理指纹图像采集是指获取被识别对象的指纹图像，其质量直接关系到后续处理的精确性。
预处理是对采集到的指纹图像进行去噪、增强和归一化等操作，以减少噪声干扰、增强图像对比度和一致性。
4. 特征提取算法4.1 方向图提取方向图是描述指纹纹线方向性的一种方法。
传统方法通常使用高斯滤波和梯度算子来计算方向图，但这种方法对噪声敏感且计算复杂。
近年来，基于局部结构特征统计的方法逐渐兴起，如局部二值模式(LBP)和梯度方向直方图(GDHT)等。
4.2 纹线提取纹线提取是指从指纹图像中提取纹线形态信息的过程。
传统方法主要采用细化算法和形态学运算，但对于低质量图像效果不佳。
近年来，基于深度学习的方法在纹线提取方面取得了较好的效果，如基于卷积神经网络(CNN)的方法。
4.3 特征描述特征描述是将纹线的局部结构信息转化为数字特征的过程。
传统方法主要采用小波变换、Gabor滤波和离散余弦变换等，但具有计算复杂度高和不稳定性的问题。
近年来，基于局部结构的方法逐渐受到关注，如基于局部二值模式(LBP)的方法。
5. 指纹匹配算法指纹匹配是将待识别指纹与已知指纹进行比对，得出相似度的过程。
传统方法主要采用基于特征点和方向的匹配算法，但对于变形和畸变较大的指纹图像效果较差。
近年来，基于深度学习的方法在指纹匹配方面取得了重要进展，如基于卷积神经网络(CNN)和生成对抗网络(GAN)等。
6. 实验与分析本文设计了一组实验来验证提出的算法在指纹识别中的有效性。
指纹图像预处理与细节特征点提取
(1)
(2) 则归一化后的指纹图像 G 为
2.1.2 分割 处理指纹图像只需要对图像的有效区域进行处理，本文采 用文献中的分割方法对图像进行分割。把图像分成 NN 的非重 叠小块，分别计算每一块的均值 M 和方差，通过下面的条件划 分前景、背景: (1)如果 M>M1 且 ，则认为是背景块，否则转到(2); (2)如果 M ? M1 且 ，则认为是前景块，否则待定; (3)对所有小块划分完毕后，再对待定的小块进行判决。 如果在待定块的 8 个邻域块中，前景块数 ? 6，且其 8 个邻
创 入新的噪声，需要对图像进行滤波处理。本文采用平滑滤波的
指纹图像预处理及特征提取算法的研究与实现
ＣＮ 厶 ｌ 一 Ｒ件ｌ 尺ｉ 一 ２ Ｒ９ Ｒｌ 一 Ｉ 一 如 果 Ｐ 点 是 分 叉 点 ， 它 的 ８邻 域 点 满 足 ： 则
８
ＣⅣ 厶 Ｊ 一 Ｒ㈩ 一 足 ｌ ： Ｒ９ 尺ｌ ＝６ ＝ 一
特 征 提 取 结 果 见 图 ６ ＾
［ 考 文献］ 参
（ 洞） 孔
（ 刺） 毛
图 ７ 典 型 伪 特 征
根 据 伪 特 征 的 特 点 ， 们 就 可 以 设 计 算 法 去 除 我
它 们 了 ， 了 能 清 晰 地 看 出 后 处 理 的 效 果 ， 用 一 幅 为 使 纹 线 较 清 晰 ， 处 理 效 果 较 好 的 指 纹 图 像 来 做 比较 。 预 去 除 伪 特 征 前 后 对 比效 果 见 图 ８ 。
总 第 ２１期 ５内 蒙 科 技 与 经 济 素 的 骨 架 。 化 可 以 大 大 减 少 冗 余 的 信 息 ， 出 纹 线 细 突
的 主 要 特 征 ， 而 便 于 后 续 处 理 。 细 化 结 果 见 图 ４ 从 。
（ 线 间断 ）（ 线叉 连 ） 纹 纹 ２３ ． 去 伪 特 征 算 法
图 ３ 二 值 化 后 的 图 像 ２ ２１ ． 图 ４ 细 化 后 的 图像 特 征 提 取 和 去 伪 特 征 算 法 特 征 提 取 算 法 笔 者 采 用 ８邻 域 方 法 提 取 纹 线 中 的 两 种 细 节 特
征 —— 端 点 和 分 叉 点 。８邻 域 方 法 采 用 ３×３的 模 板 提 取 端 点 和 分 叉 点 ， 图 ５ 见 。
纹 图 像 预 处 理 算 法 Ｅ－ 计 算 机 测 量 与 控 制 ， ＪＩ ．
２ ０６， ４（ ２ １ ０７ １ １ ． ０ １ １ ）： ７ ～ ７ ０
- 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)。
2012年1月
内蒙古科技与经济
Januar y 2012 第1期总第251期
Inner M o ngo lia Science T echnolo gy &Economy N o .1T o tal N o .251
指纹图像预处理及特征提取算法的研究与实现
X
张松宇1,杨文斌2
(1.内蒙古机电职业技术学院;2.内蒙古灵奕信息技术有限责任公司,内蒙古呼和浩特 010070)
摘 要:提出了一套完整的基于方向特性的指纹预处理算法,包括前景/背景分割、方向滤波、二值化、细化4部分。
特征提取采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。
实验结果表明,指纹图像经过预处理算法后提取出了纹线,并且很好地保留了纹线的关键信息,对特征提取奠定了良好的基础。
指纹图像经过特征提取后,准确有效地定位了两类特征点。
关键词:指纹;预处理;特征提取
中图分类号:T P391.41 文献标识码:A 文章编号:1007—6921(2012)01—0083—02 自动指纹识别技术大多是依靠指纹的细节特征提取实现指纹的匹配的。
准确地提取细节特征是自动指纹识别系统获得高识别率的前提和基础。
指纹的细节特征主要指脊线端点和分叉点。
在实践中,由于手指本身的因素和采集条件的限制,采集到的指纹图像会不同程度地受到各种噪声的干扰。
这种干扰最终会影响系统的识别率。
因此,在提取指纹特征前必须对输入的指纹图进行预处理。
预处理的目的是:去除原图像中的噪声,把它变成一幅清晰的二值点线细化图,以便于提取正确的细节特征。
笔者提出了一套较完善的指纹预处理算法,包括图像分割、方向滤波增强、二值化、细化等步骤,并准确有效地提取出了指纹的细节特征点。
1 预处理算法
1.1 规格化和图像分割
规格化的主要目的在于消除指纹采集过程中由于传感器自身的噪声以及因为手指压力不同而造成的灰度差异,将不同的指纹图像的对比度和灰度调整到一个固定的级别上。
图像分割是把指纹前景区与背景区分开。
前景区域中指纹脊和谷的灰度差是比较大的,因而其灰度统计特性中局部灰度方差是很大的,而对于图像背景区域,这一值是很小的。
基于这一特性,我们可以利用图像的局部方差对指纹图像进行分割。
规格化与图像分割后的指纹图像见图1。
1.2 方向图滤波
方向图是指纹图像的一种变换表示方式,即用纹线的方向来表示该纹线。
方向图有点方向图和块方向图两种,点方向图表示指纹图像中每一像素点脊线的方向,而块方向图则表示指纹图像中每一块
脊线的大致方向。
图1 原始图像的规格化与分割
方向滤波器是一系列与像素点方向有关的滤波器模板,使用时根据方向特性,从中选择一个对应的滤波器进行滤波。
笔者使用的方向滤波器有8个滤波器模板组成,滤波时,指纹图中每一点的灰度值由其周围48个点的灰度值及相应的模板系数共同决定(即灰度值与相应的模板系数相乘并把结果相加,然后赋给中心像素点,作为其灰度值)。
方向滤波增强后的指纹图像见图2。
图2 方向滤波后指纹图像
1.3 二值化和细化
二值化的目的是把灰度指纹图像变成0和1的二值图像。
笔者采用局部自适应阈值法中的动态阈值法对图像二值化,它可以根据局部灰度值的变化情况调整阈值大小,实验证明该方法效果较好。
二值化后的图像脊线仍具有一定的宽度,为了提高获取特征点精度,需要把脊线细化成为一个像
・
83・X
收稿日期:2011-11-28
总第251期
内蒙古科技与经济
素的骨架。
细化可以大大减少冗余的信息,突出纹线的主要特征,从而便于后续处理。
细化结果见图4。
2 特征提取和去伪特征算法2.1 特征提取算法
笔者采用8邻域方法提取纹线中的两种细节特征——端点和分叉点。
8邻域方法采用3×3的模板提取端点和分叉点,见图5。
P 1P 2P 3P 8P P 4P 7
P 6
P 5
图5 特征提取模板
设P 点为目标点(待处理的像素点),P 1,P 2,…,P 8,是点的8个邻域点,沿顺时针方向排列,R 1,R 2,…,R 8,分别是点P 1,P 2,…,P 8的灰度值。
如果P 点是端点,则它的8邻域点满足:
C N =
∑8
i =1
ûR
i +1
-R i û=2 R 9=R 1
(1)
如果P 点是分叉点,则它的8邻域点满足:C N =
∑8
i =1
ûR
i +1
-R i û=6 R
9=R 1
(2)
特征提取结果见图6。
图6 特征提取结果
2.2 伪特征特点及分析
通过对多幅指纹图像进行特征提取后,发现在细化后的指纹图像中,主要存在以下几类噪声产生较多的伪特征点,见图7。
(纹线间断)(纹线叉连)
(孔洞) (毛刺)
图7 典型伪特征
2.3 去伪特征算法
根据伪特征的特点,我们就可以设计算法去除它们了,为了能清晰地看出后处理的效果,使用一幅纹线较清晰,预处理效果较好的指纹图像来做比较。
去除伪特征前后对比效果见图8。
(a )后处理前 (b )后处理后图8 特征点后处理前后特征分布
3 结论
笔者提出了一套完整的指纹图像预处理和特征提取算法。
它利用了指纹的固有规律,实现了一种基于指纹图像方向信息的方向滤波指纹图像增强算法,该算法可以比较好地增强指纹图像,消除了纹线粘连叉断等噪声。
还根据伪特征点的分析进行了特征提取算法后处理,去除了指纹图像特征提取后存在的大部分伪特征点,为下一步的匹配工作奠定了良好的基础。
从实验结果来看,整套算法比较令人满意。
[参考文献]
[1] 杨菊.指纹图像预处理及特征提取算法的研究
与实现[D ].武汉:武汉理工大学,2006.
[2] 王娜,杜世培.基于数学形态学的细化算法[J].贵州工业大学学报(自然科学版),2007,36(2):60～64.
[3] J.P.P ascual St arink,Eric Backer.Finding point corr espondences using sim ulat ed annealing [J ].Pat t er n Recognit io n .1995,28(2):231～240.
[4] 王玮,李见为,张腾.指纹图像的预处理算法
[J].计算机应用,2004,24(5):72～75.
[5] 张正言,聂桂军,徐荣青.基于连续方向图的指
纹图像预处理算法[J ].计算机测量与控制,
2006,14(12):1707～1710.
・
84・。