(杭州電子科技大學(xué)電子信息學(xué)院，浙江 杭州310018)

0 引 言

位于預(yù)處理前端的指紋圖像分割是自動(dòng)指紋識(shí)別系統(tǒng)中一個(gè)極為重要的過程，其目的是區(qū)分出指紋有效區(qū)和無效區(qū)以達(dá)到去除背景區(qū)域和保留前景區(qū)域[1]。較好的指紋圖像分割算法不僅能使后續(xù)處理集中于有效區(qū)域，還能顯著提高特征提取的精確度[2]。因此指紋圖像算法在自動(dòng)指紋識(shí)別算法領(lǐng)域中具有重要地位。文獻(xiàn)[2]提出了一種基于紋理特征的自適應(yīng)指紋圖像分割算法。相較傳統(tǒng)的方差法[3-5]，該算法能更為準(zhǔn)確地實(shí)現(xiàn)指紋的分割。但是在一些低質(zhì)量的指紋圖像處理中，這種算法的錯(cuò)誤分割區(qū)域比例并不理想，從而降低了指紋分割的質(zhì)量。針對(duì)上述問題，本文在此算法的基礎(chǔ)上，對(duì)分割閾值的確定過程進(jìn)行調(diào)整，以改善其分割的總體質(zhì)量。

1 基于紋理特征的自適應(yīng)指紋圖像分割

經(jīng)過觀察各類指紋圖像發(fā)現(xiàn)，指紋是具有較強(qiáng)的規(guī)律性的紋理圖像[6]。有效指紋圖像區(qū)域中的黑白相間的紋理構(gòu)成了明顯的指紋特征，而背景區(qū)域則基本不具有相應(yīng)的紋理特征。在有效指紋圖像區(qū)域中，指紋的脊線和谷線是間隔均勻出現(xiàn)的，體現(xiàn)在灰度值上就是指紋圖像區(qū)域分塊后每塊的灰度均值應(yīng)能將該塊的像素劃分為兩個(gè)數(shù)目近似相等的像素點(diǎn)集[2]。這一發(fā)現(xiàn)，為小塊區(qū)域的灰度均值因噪聲影響而出現(xiàn)偏離的現(xiàn)象得到相應(yīng)修正提供了理論依據(jù)。

同時(shí)，灰度均值也可成為分割的依據(jù)之一。而且，常規(guī)方差法的閾值全部憑經(jīng)驗(yàn)確定給后續(xù)處理帶來很多不確定性，影響識(shí)別率。針對(duì)上述問題，文獻(xiàn)[2]提出了一種基于紋理特征的自適應(yīng)指紋圖像分割算法。相較傳統(tǒng)的方差法，該算法能夠更為準(zhǔn)確地實(shí)現(xiàn)指紋的分割。但是在一些低質(zhì)量的指紋圖像，該算法的分割錯(cuò)誤比例較高，從而降低了指紋分割的質(zhì)量。針對(duì)上述問題，本文將在此算法的基礎(chǔ)上，提出了一種改進(jìn)算法。

2 改進(jìn)的自適應(yīng)閾值指紋圖像分割

2.1 基于紋理特征的改進(jìn)方差法算法描述

文獻(xiàn)[2]所提出改進(jìn)的指紋圖像自適應(yīng)分割算法，步驟主要有4個(gè)部分組成。

其中，(x，y)為指紋圖像分塊后各個(gè)小塊的映射坐標(biāo)，x表示在寬坐標(biāo)上的列，y表示在高坐標(biāo)上的行;Mean (x，y) 、Var (x，y) 分別表示坐標(biāo)為(x，y)的小塊的灰度均值和方差;g (i，j)表示第 (x，y) 小塊中第i行第j列像素的灰度值;w×h表示小塊的大小。

2)修正均值。

①統(tǒng)計(jì)像素點(diǎn)。計(jì)算小塊中灰度值≥Mean (x，y)的個(gè)數(shù)Nh 及＜Mean (x，y)的個(gè)數(shù)Nl;

③均值修正。采用下式完成小塊均值的修正，并返回步驟2的①。

式中，h、l 即為避免出現(xiàn)死循環(huán)而添加的補(bǔ)充條件，初始值均設(shè)為0。

3)確定分割閾值。

④確定分割閾值:T1=M2，T2=V2。

4)分割指紋圖像，計(jì)算公式如下:

式中，I(x，y)表示相應(yīng)坐標(biāo)上的小塊區(qū)域的分割標(biāo)志，“1”為指紋區(qū)域，“0”為背景區(qū)域。

2.2 算法改進(jìn)分析

文獻(xiàn)[2]所提出的算法中，最為核心的有兩個(gè)方面:一是為減小突發(fā)噪聲影響而對(duì)各個(gè)小塊的均值做出相應(yīng)的修正(對(duì)應(yīng)于2.1 節(jié)步驟2);二是以相應(yīng)的均值及方差的估值作為自適應(yīng)分割閾值(對(duì)應(yīng)于2.1 節(jié)步驟3)。但是，此算法僅對(duì)均值做出了相應(yīng)的修正而未涉及方差，因此對(duì)于噪聲較為嚴(yán)重的指紋圖像，方差閾值有較大的誤差。

經(jīng)過分析可知，方差的修正過程遠(yuǎn)比均值的修正過程復(fù)雜得多。然而，分割閾值的確定過程為的修正閾值提供了可能。從某種程度上來說，對(duì)方差閾值及均值閾值的修正，其效果如同對(duì)各個(gè)小塊的方差及均值的修正，反過來亦如此。

文獻(xiàn)[2]算法已經(jīng)能夠較為準(zhǔn)確地實(shí)現(xiàn)指紋的分割，其分割結(jié)果基本符合要求。根據(jù)其分割結(jié)果，對(duì)比分割閾值的確定過程，可以判斷出其閾值的合理性，從而為分割閾值的修正提供了理論依據(jù)。

2.3 改進(jìn)算法描述

本文改進(jìn)算法流程圖如圖1所示，步驟如下。

圖1 改進(jìn)算法流程圖

1)分塊求均值方差。如2.1 節(jié)中的步驟1。

2)確定分割閾值。如2.1 節(jié)中的步驟3，其中第2步增加計(jì)算滿足條件Mean (x，y) ≤Km 小塊比例m1和滿足條件Var (x，y) ≥Kv 小塊的比例m2，其中

3)分割指紋圖像。如2.1 節(jié)中的步驟4。

4)根據(jù)分割結(jié)果，確定是否需要修正分割閾值。

①計(jì)算分割后指紋區(qū)域的比例m3;

5)分割閾值的修正。包括兩個(gè)部分的修正:均值閾值修正、方差閾值修正，具體如下:

①確定修正結(jié)束條件。均值閾值:若m3≥m1，則結(jié)束條件為m1≥m3+β，否則為m1≤m3-β。方差閾值:若m3≥m2，則修正結(jié)束條件為m2≥m3+β，否則為m2≤m3-β;

④重新計(jì)算滿足條件Mean (x，y) ≤Km 小塊比例m1;

⑤判斷修正結(jié)果1。若滿足均值閾值修正結(jié)束條件，繼續(xù)至下一步，否則返回③繼續(xù)修正;

⑧重新計(jì)算滿足條件Var (x，y) ≥Kv 小塊比例m2;

⑨判斷修正結(jié)果2。若滿足方差閾值修正結(jié)束條件，繼續(xù)至下一步，否則返回⑦繼續(xù)修正;

⑩根據(jù)步驟2的過程，通過修正后的Km、Kv 確定新的分割閾值。

6)指紋重新分割。根據(jù)新的分割閾值，重新分割指紋。

7)分割結(jié)束。

3 實(shí)驗(yàn)結(jié)果及其分析

3.1 實(shí)驗(yàn)環(huán)境及結(jié)果

算法在CPU為Inter(R)Core(TM)2 Duo CPU P7350@2.00 GHz，內(nèi)存為2.00 GB，操作系統(tǒng)為Windows 7的PC 機(jī)上進(jìn)行測試;測試軟件為Microsoft Visual C++6.0。

本文對(duì)FVC2002 標(biāo)準(zhǔn)指紋庫的DB2_B和DB3_B中的指紋圖像做了相應(yīng)的對(duì)比實(shí)驗(yàn)(為體現(xiàn)分割實(shí)際效果，實(shí)驗(yàn)除去分割后的形態(tài)學(xué)處理過程)。β 取0.03。對(duì)于文獻(xiàn)[2]算法，其分塊大小直接影響其紋理特征依據(jù)的成立與否。而對(duì)于本文算法雖無此依據(jù)，但分塊至少不能小于使得塊中全部是脊線或者全部是谷線，否則將使得方差閾值的失效引起分割失敗，故分塊大小的選擇極其關(guān)鍵。為對(duì)比兩者算法，統(tǒng)一其分塊大小。其中DB2_B中的指紋圖像小塊大小為12×14(像素)，列出其兩幅典型的指紋106_7、110_8的對(duì)比實(shí)驗(yàn)結(jié)果分別如圖2、圖3所示;DB3_B中的指紋圖像小塊大小為12×12(像素)，列出其兩幅典型指紋103_5、106_4的對(duì)比實(shí)驗(yàn)結(jié)果分別如圖4、圖5所示。

圖2 DB2_B 中編號(hào)106_7的實(shí)驗(yàn)結(jié)果

圖3 DB2_B 中編號(hào)110_8的實(shí)驗(yàn)結(jié)果

圖4 DB3_B 中編號(hào)103_5的實(shí)驗(yàn)結(jié)果

圖5 DB3_B 中編號(hào)106_4的實(shí)驗(yàn)結(jié)果

由實(shí)驗(yàn)對(duì)比圖可以清楚地發(fā)現(xiàn)，本文算法誤分割區(qū)域有較大程度的降低?？梢姳疚乃惴▽?duì)閾值的修正過程是基本有效的，對(duì)文獻(xiàn)[2]算法的改進(jìn)效果是明顯的。

3.2 實(shí)驗(yàn)分析

為評(píng)價(jià)算法的性能，選擇算法錯(cuò)誤率、算法耗時(shí)兩項(xiàng)算法指標(biāo)。

1)算法錯(cuò)誤率(False Rate，F(xiàn)R):指分割過程中分割錯(cuò)誤的區(qū)域所占比例。包括兩個(gè)方面:①錯(cuò)誤前景率(False Foreground Rate，F(xiàn)FR);②錯(cuò)誤背景率(False Background Rate，F(xiàn)BR)[2]。為分析指紋圖像質(zhì)量對(duì)算法錯(cuò)誤率的影響，進(jìn)而分析算法對(duì)于高低質(zhì)量指紋圖像的改進(jìn)效果，將指紋圖像分類。其中指紋區(qū)域清晰部分約占其2/3以上且首次計(jì)算得出的指紋區(qū)域均值估計(jì)值和背景區(qū)域均值估計(jì)值差值大于40的為較好質(zhì)量的指紋，其他歸為較差質(zhì)量的指紋圖像。為提高數(shù)據(jù)的準(zhǔn)確性，實(shí)驗(yàn)時(shí)均略去形態(tài)處理過程，統(tǒng)計(jì)結(jié)果如表1所示。

表1 算法錯(cuò)誤率統(tǒng)計(jì)表%

2)算法耗時(shí):指算法完成所需時(shí)間，體現(xiàn)了算法的適應(yīng)性。根據(jù)在Microsoft Visual C++6.0平臺(tái)上的調(diào)試結(jié)果，可大致獲得算法所耗費(fèi)的時(shí)間，如表2所示。

表2 算法耗時(shí)統(tǒng)計(jì)表ms

根據(jù)表1可知，相比較文獻(xiàn)[2]算法，本文算法有更低的分割錯(cuò)誤率，特別是對(duì)于低質(zhì)量的指紋圖像，其改善效果明顯。根據(jù)表2可知，本文算法增加了分割耗時(shí)，但均處于合理范圍之內(nèi)。因此，相比較文獻(xiàn)[2]算法，本文提出的算法在合理增加算法耗時(shí)的情況下，有更低的分割錯(cuò)誤率，能夠更為準(zhǔn)確地實(shí)現(xiàn)指紋的分割，特別是對(duì)低質(zhì)量指紋圖像有更為理想的效果。

4 結(jié)束語

本文在文獻(xiàn)[2]算法的基礎(chǔ)上提出了一種改進(jìn)的自適應(yīng)閾值指紋圖像分割算法。通過實(shí)驗(yàn)說明，本算法可以很好地從一幅含有較強(qiáng)噪聲的指紋圖像中把前景區(qū)從背景區(qū)中給分割出來，分割效果有較大的改善，且耗時(shí)在合理范圍內(nèi)。由于其處理時(shí)間相對(duì)合理，并且分割質(zhì)量也較好，因此對(duì)于嵌入式的自動(dòng)指紋識(shí)別系統(tǒng)來說是相當(dāng)適用的。實(shí)踐表明它是一種高效、實(shí)用、快捷的指紋圖像分割算法。

[1]樊冬進(jìn)，孫冰，封舉富.基于方差及方差梯度的指紋圖像自適應(yīng)分割算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2008，20(06):742-747.

[2]徐華麗，樊永生.改進(jìn)的指紋圖像自適應(yīng)分割方法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(08):161-163.

[3]Zhang K，She J，Gao M，et al.Study on the Embedded Fingerprint Image Recognition System[C]// Information Science and Management Engineering (ISME)，2010 International Conference of.IEEE，2010，2:169-172.

[4]Zhu E，Yin J P，Hu C F，et al.A systematic method for fingerprint ridge orientation estimation and image segmentation[J].Pattern Recognition，2006，39(8):1 452-1 472.

[5]田捷，楊鑫.生物特征識(shí)別技術(shù)理論與應(yīng)用[M].北京:電子工業(yè)出版社，2005:1-153.

[6]Abhyankar A，Stephanie S.Integrating a wavelet based perspiration liveness check with fingerprint recognition[J].Pattern Recognition，2009，42(3):452-464.