摘  要： 在研究和分析傳統(tǒng)方差法和最大類間方差法的基礎(chǔ)上，提出了一種傳統(tǒng)方差法和最大類間方差法相結(jié)合的分塊處理分割算法。該算法首先求出整個(gè)指紋圖像的方差，然后計(jì)算每一子塊的方差。若方差小于整個(gè)圖像的方差則用方差法對(duì)圖像進(jìn)行分割，否則用最大類間方差法進(jìn)行分割。最后再對(duì)圖像進(jìn)行平滑處理。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)分割方法，該方法無需根據(jù)經(jīng)驗(yàn)選取閾值，能較準(zhǔn)確地分割出前景和背景，抗噪能力強(qiáng)，對(duì)高對(duì)比度和低對(duì)比度的圖像均具有很好的分割效果。
關(guān)鍵詞： 指紋圖像分割；灰度方差；最大類間方差

　在所有的生物識(shí)別技術(shù)中，指紋識(shí)別技術(shù)是應(yīng)用最早的技術(shù)。指紋具有唯一性、穩(wěn)定性、應(yīng)用實(shí)驗(yàn)簡(jiǎn)單和不可復(fù)制的特點(diǎn)，同時(shí)指紋采集簡(jiǎn)單，采集設(shè)備種類多，價(jià)格低廉，已經(jīng)成為生物識(shí)別技術(shù)的重要手段。目前，指紋識(shí)別技術(shù)被廣泛應(yīng)用于機(jī)場(chǎng)、銀行和各種網(wǎng)絡(luò)系統(tǒng)等需要驗(yàn)證個(gè)人身份的地方[1]。
　自動(dòng)指紋識(shí)別系統(tǒng)由指紋采集、指紋預(yù)處理、特征提取、指紋分類、特征匹配和指紋庫(kù)六大模塊構(gòu)成。指紋圖像分為前景和背景兩部分，前景是具有清晰紋線的部分，也是感興趣區(qū)域；背景是無紋線或者紋線模糊的指紋圖像部分，是要去除的區(qū)域。分割是指紋圖像預(yù)處理中的重要組成部分[2-3]。有效的指紋圖像分割不僅能提高特征提取的精確度和可靠度，而且還能大大減少后續(xù)處理所需的時(shí)間和空間。用于指紋分割的算法有很多種，如傳統(tǒng)方差法、方向圖法和OSTU算法。但是實(shí)驗(yàn)表明，單獨(dú)使用這些算法對(duì)圖像進(jìn)行分割，效果都不理想。本文在分析以上幾種方法后，提出了一種結(jié)合最大類間方差法和傳統(tǒng)方差法的新的指紋分割方法。實(shí)驗(yàn)結(jié)果表明，本文算法不僅適用于質(zhì)量高的圖像而且適用于質(zhì)量低的圖像，特別適用于含噪聲較嚴(yán)重的圖像。
1 指紋分割算法
1.1 傳統(tǒng)方差分割法[4]
　傳統(tǒng)方差法是一種較簡(jiǎn)單的分割方法。指紋圖像由前景區(qū)域和背景區(qū)域組成，前景區(qū)域由指紋的脊線和谷線組成，是本文所關(guān)心的區(qū)域，背景區(qū)域主要包含一些噪聲和無用的信息。由于前景區(qū)中脊線和谷線交替出現(xiàn)，局部灰度方差較大，背景區(qū)域除了噪聲外像素值大小比較一致，灰度變化不大，方差較小，因此可以根據(jù)指紋圖像的這一特點(diǎn)，根據(jù)經(jīng)驗(yàn)選取某一合適閾值，若某一指紋塊的灰度方差大于所選取的閾值則此塊屬于前景區(qū)，否則屬于背景區(qū)。
　算法具體步驟如下：


　(4)如果圖像的每一子塊像素值大于th，則此塊屬于前景區(qū)，否則該子塊屬于背景區(qū)。
實(shí)驗(yàn)表明，此算法適用性較強(qiáng)、計(jì)算簡(jiǎn)單，無需根據(jù)經(jīng)驗(yàn)選取閾值，運(yùn)算速度比傳統(tǒng)分割方法更快，穩(wěn)定有效。但是采用全局閾值對(duì)圖像進(jìn)行分割時(shí)，當(dāng)光照不均、有突發(fā)噪聲或背景灰度變化較大時(shí)，圖像分割沒有合適的單一門限，分割效果不好。
1.3 本文算法
　本文在分析了上述分割方法后提出了一種新的分割方法，即結(jié)合方差法和最大類間方差法對(duì)圖像進(jìn)行分割。該方法克服了單一方法不能很好地分割圖像的缺點(diǎn)，能準(zhǔn)確地將圖像前景分割出來。采用該方法時(shí)，首先將圖像分成w×w塊，然后利用組合方法對(duì)圖像進(jìn)行分割，最后再對(duì)圖像進(jìn)行平滑處理。具體算法步驟如下：
　(1)根據(jù)式(2)和式(3)求出整個(gè)指紋圖像的灰度方差V和最佳分割閾值th；
　(2)將選取的指紋圖像分成w×w小塊，本文選取w=16，利用式(1)和式(2)計(jì)算每一小塊的均值m和方差u；
　(3)若每一小塊的方差u<αV(α為修正系數(shù)，取值為(0~1))，則該塊為背景區(qū)，不再對(duì)此塊進(jìn)行處理；若u≥αV，則認(rèn)為該塊大部分為指紋前景區(qū)，對(duì)于指紋前景區(qū)用最大類間方差法對(duì)這一部分圖像再進(jìn)行處理：
　(4)若每一小塊的均值m>β×th(β為修正系數(shù)，取值為(1~2))，則該塊為背景塊，否則認(rèn)為該塊為前景塊；
　(5)平滑孤立塊，消除孤立的前景塊和背景塊，具體方法為：如果某一塊被標(biāo)記為前景塊，且其周圍八鄰域中前景塊的數(shù)目不大于3，則該塊為背景塊；如果某一子塊被標(biāo)記為背景塊，且其周圍八鄰域中前景塊的個(gè)數(shù)大于3，則將該塊標(biāo)記為前景塊，然后再利用開閉運(yùn)算對(duì)邊緣進(jìn)行平滑。
2 實(shí)驗(yàn)結(jié)果與分析
　本文從指紋圖像庫(kù)中選取了三種質(zhì)量不同的指紋圖像，并利用傳統(tǒng)指紋分割算法(方差法、方向圖法)和本文的新算法對(duì)其進(jìn)行分割，觀察其分割效果并對(duì)其進(jìn)行比較。本實(shí)驗(yàn)在CPU為Intel(R)Core(TM)2 Duo 2.1 GHz、內(nèi)存為2 GB的計(jì)算機(jī)上，利用Matlab 7.0編程工具實(shí)現(xiàn)了上述算法。實(shí)驗(yàn)結(jié)果如圖1~圖3所示。從仿真結(jié)果可以看出，當(dāng)利用方差法對(duì)圖像進(jìn)行分割時(shí)，對(duì)于質(zhì)量較好的指紋圖像，分割效果較好，但對(duì)于質(zhì)量較差或含噪聲的圖像，當(dāng)選取的分割閾值較大時(shí)往往將一些有用的信息點(diǎn)分割掉；若選取的閾值較小，分割不徹底，有些噪聲不能去除。當(dāng)用方向圖法對(duì)指紋進(jìn)行分割時(shí)，分割效果最差，并且算法比較復(fù)雜。相對(duì)于前幾種算法，利用本文算法不僅可以將前景準(zhǔn)確地分割出來，而且圖像邊緣比較平滑不含有任何背景噪聲，效果比較好。本文算法對(duì)噪聲區(qū)域的分割結(jié)果更加準(zhǔn)確，抵抗噪聲干擾的能力相對(duì)于基于灰度方差和方向圖的分割結(jié)果更為精確，尤其適合對(duì)噪聲較嚴(yán)重的圖像進(jìn)行分割。雖然相對(duì)于方差法計(jì)算量有所增加，但由于分割后的圖像完全去除了無用的信息點(diǎn)，分割比較徹底，減少了后續(xù)處理的時(shí)間，因此整個(gè)指紋識(shí)別的復(fù)雜度并未增加。

　為了有效說明三種算法的實(shí)際分割效果，本文采用錯(cuò)誤背景率FBR(是指將前景區(qū)域錯(cuò)誤地分割為背景區(qū)域的比率)、錯(cuò)誤前景率FFR(是指將背景區(qū)域錯(cuò)誤地分割為前景區(qū)域的比率)和兩種誤分的平均概率三種性能指標(biāo)對(duì)圖像進(jìn)行分析。對(duì)照所選取的三種指紋圖像，實(shí)際性能指標(biāo)如表1所示。

　圖像的分割是指紋圖像預(yù)處理的重要一步，正確地分割為指紋的后續(xù)處理節(jié)省了大量的時(shí)間和空間。本文研究和分析了方差法和最大類間方差法，并針對(duì)其單獨(dú)使用時(shí)的缺點(diǎn)，提出了一種將這兩種方法結(jié)合起來使用的新方法。利用Matlab7.0編程工具對(duì)多幅指紋圖像進(jìn)行分割后證實(shí)，本算法不僅適合高對(duì)比度圖像和低對(duì)比圖像，尤其是對(duì)含噪聲較嚴(yán)重的圖像分割效果很好。相比于傳統(tǒng)分割方法無需根據(jù)經(jīng)驗(yàn)選取閾值，在利用方差法進(jìn)行初步分割時(shí)提出了一個(gè)修正系數(shù)α，α取值為(0，1)，修正系數(shù)的選取降低了將部分前景錯(cuò)分為背景的概率，提高了分割準(zhǔn)確率。
參考文獻(xiàn)
[1] 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.
[2] METHRE B M， MURTHY N N， KAPOOR S， et al.Segmentation of fingerprint images using the directional images[J]. Pattern Recognition，1995，28(3)：1678-1683.
[3] MALATHI S， UMA MAHESWARI S， MEENA C. Rolled fingerprint segmenation[J]. Global Journal of Computer Science and Technology，2010， 9(5)：107-109.
[4] RATHA N，CHEN S，JAIN A.Adaptive flow orientation based feature extraction in fingerprint images[J]. Pattern Recognition， 1995， 28(1)：1657－1672.
[5] OSTU N. A threshold selection method from gray-level  histogram[J]. IEEE Transactions on Systems， Man and Cybernetics， 1995， 9(1)：62－69.