基于密度和密度的指纹图像分割方法.docxVIP

基于密度和密度的指纹图像分割方法 指纹图像的分割 近年来，自动识别技术得到了广泛应用，成为科学家和工程行业的研究热点。指纹分割是指纹识别技术的关键环节,精确分割是有效进行指纹识别的前提。有一些基于前景点和背景点的分割方法,如基于遗传算法的指纹图像分割方法,除此之外,纹线峰平均灰度值与谷平均灰度值之差(对比度)、纹线频率等特征也常用于指纹图像的分割,这些方法都有各自的优点,但也存在着缺点。根据指纹图像脊、谷线灰度值的差别和纹线的方向性,本文提出一种新的指纹图像分割方法,是基于前景块和背景块的分割,不改变纹线的信息,只判断是否为指纹前景块,若是则将该指纹块保留,不是则置为白色。 1 算法的设计和实现 1.1 背景块的选择 将指纹图像分成小块,先求取各块的灰度直方图,在各分块的灰度直方图上,对每个灰度级上像素出现的频数从多到少排列,出现频数最多的前20个对应的灰度值相互进行比较,并保存差值。若最大的差值数大于阈值Td1,则该块置为前景块。因为,若在某两个灰度级上像素出现的频数较多,而这两个灰度值的差大于Td1,则有理由相信在此块内会有指纹脊线和谷线的存在,脊、谷灰度值的差大于Td1,证明此块是前景块。若最大的差值数小于阈值Td2,则该块置为背景块。原理是根据256级的灰度直方图上,脊线和谷线的灰度级出现的频数最多,而脊谷线的灰度级应该有 一定的差值,所以,若在某两个灰度级上像素出现的频数较多,而这两个灰度值的差小于Td2,则有理由相信在此块内没有指纹脊线和谷线的存在,证明此块是背景块。 1.2 指纹前景块 用5×5邻域矩阵遍历各分块图像,所有i方向的和存放在Sum[i]中,i=0,1……7。找出Sum[i]中的最小值及最大值,当最小值小于某一阈值,且最大值大于某一阈值时,则认为该块是指纹前景块。因为在指纹的前景区,沿着指纹纹线的切线方向,灰度差的绝对值和最小,而在指纹纹线切线的垂直方向上,灰度差的绝对值和最大,因此,根据最小和值及最大和值的大小可以判别是否有指纹脊线和谷线的存在,从而可以判断该块是否为指纹前景区。 1.3 有脊、谷线学生的图像,其编码也可以连续追踪 该方法主要由4部分组成,具体步骤如下: 1)对于指纹脊线和谷线灰度值相差较大的,用灰度值频数法判断是否为指纹前景区。 (1)将300×300个象素点大小的指纹图像分成20×20个块,每块大小为15×15个像素点;(2)求取各小块图像的灰度直方图;(3)对灰度级上像素出现频数较多的前20个对应的灰度值相互进行比较,若最大的差值数大于阈值Td1(本文实验得出Td1为30,即差值大于30时,证明有脊线和谷线的存在),则该块置为前景块;(4)若差值数小于阈值Td2(由实验Td2取15,即此时没有脊线和谷线的存在),则该块置为背景块;(5)若差值数位于Td1和Td2之间(即15和30之间,无法证明是否有脊、谷线的存在),则进入第2部分继续分割。 2)脊、谷线灰度值相差不大但纹线方向性较强的,用纹线八方向遍历法判断是否为指纹前景区。 (1)求取分块图像内八个方向的各个方向上,灰度差的绝对值总和Sum[i],i=0,1……7;(2)求出Sum[i]中的最小值Smin和最大值Smax;(3)如果Smin小于某阈值且Smax大于某阈值时,把该块置为前景块;否则进入第3部分继续分割。 3)脊、谷线灰度值相差不大且纹线方向性较差的,用方差法判断是否为指纹前景区。 4)对分割后的指纹图像,根据指纹的方向性,进行块水平的平滑,消除孤立的前景区。 如前算法所述,如果指纹图像的脊、谷线灰度值相差较大,用灰度值频数法可以实现很好的分割,如果指纹图像的方向性较强,则用遍历的八方向法实现良好的分割,有效地利用了脊、谷灰度值的差值和纹线的方向性,分割的阈值可以根据图像自然决定,避免了方差法人为选择阈值的困难和不准确性;对于一小部分脊、谷线灰度值相差不大且纹线方向性也不强的指纹图像用方差法分割,所以该方法至少要好于单一的方差法和方向图法。 2 算法性能评价 实验选用公开数据集—指纹图像库FVC2000、FVC2002、FVC2004作为测试对象。本算法的性能采用以下指标评价:前景点误分为背景点的概率;背景点误分为前景点的概率;两类误分概率的平均。 3 不改变指纹图的标准 采用基于灰度值频数和遍历八方向的指纹图像分割方法,阈值可以根据图像自然决定,避免了人为选择阈值的困难和不准确性。该方法对于指纹脊、谷线灰度值相差较大的指纹图像,能利用灰度值频数法容易而准确地分割出背景区域和前景区域;而对脊、谷线灰度值相差不大的,利用纹线的八方向性也能准确地分割,只求出指纹的边界而不改变指纹图,与常见的分割方法—方差法和方向图法相比,本文提出的方法在保证不丢失有用信息的基础上,能更好地去除边界的无用信息,错误分割率明显降低,而