摘   要： 提出一套完整的基于塊方向圖的指紋預處理算法，包括背景提取、平滑、二值化、二值濾波和細化。改進了指紋塊方向圖的求取算法，構建了一套灰度平滑模板，有效地保護圖像的細節(jié)和邊界，為可靠、準確、快速地實現(xiàn)指紋識別提供了一種可行的方法。
關鍵詞： 指紋識別  預處理  塊方向

　　自動指紋識別系統(tǒng)是通過對指紋的特征進行匹配對比來實現(xiàn)識別認證的。要實現(xiàn)指紋特征的準確提取，就必須先對受噪聲干擾的原圖像進行預處理，把原灰度圖變成一幅清晰的二值點線圖。預處理主要包括圖像分割、增強、濾波、二值化和細化等步驟。針對不同的系統(tǒng)，可以選擇不同的預處理步驟進行組合。本文選擇了背景分割、平滑、二值化、二值濾波及細化5個步驟。指紋識別任務的特殊性對預處理提出了特殊要求，在處理過程中,必須保證盡可能消除噪聲，減少冗余信息，并盡量保護原圖像的真實特征不受損失。本文提出的這套指紋預處理算法便是為達到以上目的而設計的。
1  算法構造
1.1 背景分割
　　一幅從指紋采集儀輸入的指紋圖像是由指紋前景區(qū)和背景區(qū)二部分組成。在預處理之前把背景分割出來，只對有效的前景區(qū)進行處理，不但可以節(jié)省處理時間，而且能減少背景偽特征對后續(xù)處理的干擾。
指紋圖像的前景區(qū)呈現(xiàn)脊線和谷線交替分布的景象，所以灰度值跳躍比較大，而背景區(qū)的灰度值變化相對平緩，利用這一信息就可以對背景進行分割。首先把圖像劃分為若干w×w的小塊，計算每塊的均值和方差，并把方差歸一化到0～1的區(qū)間內。設定合適的均值閾值T1和方差閾值T2，若某塊均值大于T1且方差小于T2，則定為背景區(qū)，可以割除，反之定為前景區(qū)。
1.2 改進的指紋塊方向圖求取算法
　　指紋圖像是一種具有一定紋路走向和多邊緣的有向圖，且在一定鄰域內的各象素點的方向基本一致。所以方向特性不但是指紋圖像區(qū)別于一般灰度圖像的重要特征，還是處理指紋圖像可利用的關鍵信息。求取指紋塊方向圖的算法很多，Mehtre B M等人提出了一種基于鄰域內不同方向上灰度值的變化特性求取點方向進而統(tǒng)計出塊方向的方法[1]；Rao A R提出了一種利用梯度算子求取方向圖的方法[2]。以上算法有2點不足：(1)塊與塊之間的方向不連續(xù)。(2)在指紋圖像中心，即脊線曲率較大的區(qū)域，方向變化較為劇烈，塊方向對點的方向的平滑作用太大，難免誤導后面處理的方向，導致紋線的斷裂和錯誤的粘連。還有一種方法[3]是求某一小塊的方向時，先以此小塊為中心擴大塊的范圍并計算大塊的方向，然后將此大塊方向作為小塊的方向。此算法解決了第1點不足，卻忽略了第2種情況。為了緩解這一矛盾，本文對指紋塊方向的求取算法進行了如下改進：
　　(1)將圖像分成大小為w×w的小塊，其中w的大小以包含一脊一谷（即一周期）為宜，每小塊包括的象素點數(shù)記為num。
　　(2)采用圖1所示的9×9模板，把指紋圖像的方向量化到8個方向上，相鄰方向之間的夾角為。先計算前景區(qū)內每個象素點在8個方向上的均值averd和方差sd(d=1，2……7，8)，p_dk為該點灰度值。

　　定義最小方差所對應的方向為該點的方向。
　　(3)統(tǒng)計每小塊在各個方向上的點數(shù)記為numd，按從大到小排序并取出前3個元素，記為num_d1、num_d2、num_d3，并且num_d1＞num_d2＞num_d3。確定塊方向的流程圖如圖2所示。

1.3 基于塊方向圖的灰度平滑
　　在眾多圖像平滑技術中，對空域平滑技術的研究一直非?；钴S，經過幾十年的探索，已經有多種有效的算法。但是它們都有一個共同的不足，就是算法在平滑噪聲的同時，也模糊了圖像的邊界和細節(jié)。為了解決這一問題，近年來保邊界算法研究也比較活躍，如Tomita和Tsuji提出了矩形鄰域模板保邊界算法，Nagao提出了多個多邊形鄰域模板保邊界算法[4]等。但這些算法存在以下問題：(1)沒有利用圖像的方向信息，模板不可避免地對圖像邊界有模糊作用。(2)模板單一。當圖像紋理特征較為復雜時，處理效果就大打折扣了。本文提出的算法便是試圖解決以上問題。
　　本算法有以下3個特點：(1)引入了塊方向圖，根據(jù)塊方向圖選擇相應的方向濾波模板，這使本算法具有更強的抗干擾性。(2)因為指紋圖像是多邊緣的紋線形圖像，邊界特征較為細密，所以此處采用線形模板來達到去噪保邊界的目的。(3)灰度濾波模板如圖3所示。采用2種線形模板：一種是以中心象素為中心的長線形模板；另一種是以中心象素為端點的短線形模板。前一種模板的濾波范圍是后一種模板的4倍。之所以采用長線性模板，是為了增強去噪能力。而采用短線形模板，是為了更好地保護邊界和端點。若用長線形模板處理端點象素，就會出現(xiàn)原象素消失或延伸的現(xiàn)象。算法步驟如下。

　　(1)對于前景區(qū)每一點，利用式（1）計算它所在塊的塊方向上的長線形模板象素的灰度均值，記為aver。
　　(2)以中心象素為界，在5×5鄰域內沿塊方向分為2個短線形模板。分別計算2個模板的均值和方差，記為aver₁、aver₂和s₁、s₂。
　　(3)比較s₁和s₂的大小，當|s₁-s₂|大于閾值T₃時，則說明處理點為邊界點或端點，用較小方差所對應的均值代替處理點的灰度值。反之用aver代替處理點的灰度值。
1.4 基于塊方向圖的二值化
　　二值化的目的是把灰度指紋圖像變成0、1取值的二值圖像。傳統(tǒng)的二值化方法有固定閾值法、自適應閾值法和局部自適應閾值法等。這些方法僅僅利用了圖像的灰度信息，對指紋圖像來說很不理想。為此有研究者提出了一種二值算法，把指紋圖像的灰度信息和方向統(tǒng)計信息結合起來，使二值效果大為改善。本文進一步深化了方向信息在該算法中的應用。
　　(1)用塊方向代替原算法中的點方向，在改進的式（5）中用sum_D和sum_D′代替了原算法中式(4)的max(sum_D)和min(sum_d)。
    　(2)對于質量較差的圖像，某些嚴重噪聲在灰度濾波后，灰度值較周圍點的灰度值還是有一定差別。因為sumD反映的是與中心象素相同的灰度性質，而sum_D′反映的是與中心象素相反的灰度性質，所以在式(5)中確定二值閾值時，sum_D的影響力應加大，而sum_D′的影響力應減小。在原算法中，二者的作用是平等的，這很容易又把噪聲還原，給后續(xù)處理造成嚴重的負擔。為彌補這一不足，本文引入了加權系數(shù)。具體算法如下。
　　(1)該算法首先對圖中的每一點都利用圖1所示的窗口掩模進行計算：
　　

1.5 基于塊方向圖的二值濾波
　　由于灰度濾波的不完全性和二值過程中可能引入新的噪聲，所以有必要對二值圖像再進行一次濾波。此處采用一種方向加權中值濾波算法[6]，該算法充分運用了指紋的方向特性和模糊思想來構造濾波模板。本文將塊方向圖引入此算法，并對濾波模板進行了一定的擴張。各方向上的二值濾波加權模板如圖4所示，空白處權值為0。

1.6 細  化
　　指紋圖像二值化后，紋線仍具有一定的寬度。為了進一步壓縮數(shù)據(jù)，簡化特征提取的計算，需要對指紋圖像進行細化處理。具體算法如下：8鄰域圖如圖5所示，為了計算方便，把前景點賦值為1，背景點賦值為0。取每一目標點的8鄰域，若p1=1，且下面4個條件同時滿足，則刪除p1。

　　對圖像中每一點重復這一步驟，直到所有的點都不可刪除為止。
2  實驗結果及分析
　　本實驗所使用的指紋輸入設備是Veridicom公司推出的第三代半導體指紋傳感器FPS200。獲取的圖像是256級灰度圖像，大小為256×300象素，分辨率為500dpi。原始指紋圖像如圖6所示。下面對指紋圖像進行預處理，并給出實驗結果。

　　背景分割位于預處理的前端，要求把圖像的背景區(qū)域和前景區(qū)域區(qū)分開。在實驗中，塊的大小w=9，塊灰度均值閾值T1=200，歸一化塊灰度方差閾值T2=0.2。背景提取后的圖像如圖7所示?？梢钥闯觯话讣y紋線信息的白背景區(qū)均被有效割除。

　　用改進算法所獲取的塊方向圖如圖8所示。擁有1個以上方向的小塊已在圖中用交叉線做了標識。從圖8（b）和圖8（c）可以看出，用改進算法求取的方向圖在相鄰方向的交界處和方向變化較為急劇的圖像中心處對方向的描述更為連續(xù)和精確。這為后續(xù)算法保護邊界做了很好的鋪墊。

　　灰度濾波實例如圖9所示。在灰度濾波算法中T3=30。處理后的圖像，去噪效果較好，邊界不但得到保護，還得到了一定的銳化。

　　二值化實例如圖10所示。二值算法的實驗參數(shù)選擇為coe₁=0.6，coe₂=0.4。原二值算法經過改進，經二值處理后，紋線中的噪聲點明顯減小，并且增強了算法連接斷紋和隔離粘連的能力。
　　二值濾波實例如圖11所示。經二值濾波后，二值圖像中的氣泡和毛刺基本被消除。由于塊方向信息的介入，殘缺紋線還得到了一定的修復。
　　細化后的圖像如圖12所示。從圖中可以看出，細化算法很好地保留了指紋的骨架信息，且紋線清晰流暢。

　　上述實驗結果表明，本文這組預處理算法不但能保持紋線的清晰流暢，而且還使紋線得到了加強和修復，最大程度地保護了細節(jié)特征。圖12（b）和圖12（c）中的原始細節(jié)圖與細化圖的比較可以很直觀地證明這一點。
3  結束語
　　本文提出了一套完整的自動指紋識別預處理算法。它們均基于指紋圖像方向特性，有效利用了指紋圖像的方向信息和灰度信息，不但能夠很好地完成各自的工作，還能有效地融合在一起，具有一定的連貫性，從而可快速、高效地實現(xiàn)指紋圖像的預處理操作，為后續(xù)工作的順利進行奠定了基礎。
參考文獻
1   Mehtre B M，Murthy N N，Kappor S.Segmentation of Fingerprint Images Using the Directional Image.Pattern  Recognition，1987；20（4）
2   Rao A R.A Taxonomy for Texture Description and Identification.New York：Springer Verlag，1900
3   李建華，馬小妹，郭成安.基于方向圖的動態(tài)閾值指紋圖像二值化方法.大連理工大學學報，2002；42（5）
4   Nagao M，Matsuyama T.Edge Preserving Smoothing.Computer Graphics and Image Processing，1979；（9）
5   Candela G T，Grother P J，Watson C I et al.PCASYS-A   Pattern-level Classification Automation System for Fingerprints.Technical Report NISTIR 5467，1995
6   馮星奎.方向加權中值濾波算法.中國圖形圖像學報，2000；5（7）