指紋識(shí)別技術(shù)的研究與設(shè)計(jì)--指紋圖像預(yù)處理之一 計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)設(shè)計(jì) 畢業(yè)論

《指紋識(shí)別技術(shù)的研究與設(shè)計(jì)--指紋圖像預(yù)處理之一 計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)設(shè)計(jì) 畢業(yè)論》由會(huì)員分享，可在線閱讀，更多相關(guān)《指紋識(shí)別技術(shù)的研究與設(shè)計(jì)--指紋圖像預(yù)處理之一 計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)畢業(yè)設(shè)計(jì) 畢業(yè)論（58頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、畢業(yè)設(shè)計(jì)（論文） 題目名稱：指紋識(shí)別技術(shù)的研究與設(shè)計(jì) --指紋圖像預(yù)處理之一 院系名稱：計(jì)算機(jī)學(xué)院 班 級(jí)：計(jì)科051 學(xué) 號(hào)：200500814127 學(xué)生姓名：李旭 指導(dǎo)教師：杜俊俐 2009年5月 論文編號(hào)：200500814127 指紋識(shí)別技術(shù)的研究與設(shè)計(jì) --指紋圖像預(yù)處理之一 Fingerprint Identification Technology Research and Design ---- One of fingerprint image preprocessing 院系名稱：計(jì)算機(jī)學(xué)院 班 級(jí)：計(jì)科051 學(xué)

2、 號(hào)：200500814127 學(xué)生姓名：李旭 指導(dǎo)教師：杜俊俐 2009年5月 摘要 指紋圖像預(yù)處理與是圖像處理與模式識(shí)別的分支之一， 經(jīng)過若干年的發(fā)展技術(shù)日趨成熟。由于指紋的唯一性和不變性，以及指紋識(shí)別技術(shù)的可行性和實(shí)用性，指紋識(shí)別已成為當(dāng)前最流行、最方便、最可靠的個(gè)人身份認(rèn)證技術(shù)之一。盡管在此技術(shù)上已有多種成型產(chǎn)品，但因?yàn)樵S多核心技術(shù)因商業(yè)利益和保密需要而未經(jīng)公開，以及社會(huì)的發(fā)展對(duì)系統(tǒng)的性能提出了更高的要求，所以從事該領(lǐng)域研究，仍具有重要的理論意義和實(shí)用價(jià)值。 本文完成了如下工作： 1．通過比較多種預(yù)處理算法，本文選擇并實(shí)現(xiàn)了指紋圖像分割、圖像增強(qiáng)、求方向圖、二值

3、化等算法。 2．在細(xì)化及識(shí)別處理方面，本文提出了8鄰域查表的細(xì)化算法。 對(duì)上述各算法，本文均進(jìn)行了模擬實(shí)驗(yàn)。結(jié)果表明，算法的性能達(dá)到了設(shè)計(jì)要求，使整個(gè)系統(tǒng)能夠快速、準(zhǔn)確、可靠地工作。能夠完成對(duì)256級(jí)的灰度指紋圖像的處理任務(wù)。 關(guān)鍵詞指紋識(shí)別；圖像處理；圖像分割；圖像增強(qiáng)； Abstract Fingerprint Image Processing and Recognition of image processing and pattern recognition is a branch of one of a number of years through the develo

4、pment of technology matures. As the only fingerprint and invariance, as well as fingerprint identification technology feasibility and practicability, fingerprint identification has become the most popular, most convenient and most reliable one of the personal identity authentication technology. Alth

5、ough this technology has been in a variety of molding products, but because many of the core technologies for commercial interests and the need for confidentiality and without public, as well as the development of the social system performance has put forward higher requirements, so in this field re

6、search, still has an important theoretical and practical value. In this paper, based on the work of our predecessors, to complete the following tasks: First, by comparing the various pretreatment algorithm, the paper choice and realized fingerprint image segmentation, and direction plans, the va

7、lue of the algorithms. Second, identification and refinement in processing, this paper presents the eight-neighbor look-up table. The above algorithm, a simulation conducted this experiment. The results showed that the performance of the algorithm design requirements so that the whole system can

8、 be fast, accurate, reliable work. Able to complete the 256 grayscale fingerprint image processing tasks. KeywordsFingerprintImage RecognizationImage ProcessingImageSegmentationImage Enhancement 目 錄 摘要I AbstractII 目錄III 第1章 緒論1 1.1 課題背景1 1.2 目的和意義2 1.3 理論基礎(chǔ)2 1.4 指紋識(shí)別技術(shù)的具體表現(xiàn)3 在涉及國家刑事領(lǐng)域

9、的應(yīng)用3 在經(jīng)濟(jì)生活方面3 在公共事務(wù)管理方面4 1.5 本文的主要研究內(nèi)容4 第2章 需求分析5 2.1 本課題目標(biāo)5 2.2 功能需求5 2.3 性能需求5 2.4 開發(fā)工具的選擇6 2.5 系統(tǒng)設(shè)計(jì)原則6 第3章 指紋識(shí)別系統(tǒng)總體設(shè)計(jì)7 3.1 系統(tǒng)總體設(shè)計(jì)7 指紋圖像的獲取7 指紋圖像預(yù)處理8 特征的提取9 模板匹配9 3.2 本章小結(jié)9 第4章 指紋圖像預(yù)處理之一10 4.1 引言10 4.2 系統(tǒng)算法描述10 歸一化11 產(chǎn)生方向圖11 圖像增強(qiáng)算法14 圖像分割17 二值化23 4.3 細(xì)化算法23 4.4

10、 指紋的匹配24 4.5 本章小結(jié)25 第5章 實(shí)驗(yàn)結(jié)果與分析26 5.1 評(píng)估標(biāo)準(zhǔn)26 5.2 實(shí)驗(yàn)結(jié)果26 圖像分割算法結(jié)果比較27 圖像增強(qiáng)算法結(jié)果比較28 5.3 本章小結(jié)29 第6章 結(jié)論30 致謝31 參考文獻(xiàn)32 附錄133 附錄2 系統(tǒng)用戶手冊35 附錄3 程序源代碼36 第1章 緒論 1.1 課題背景 人體生物特征鑒別技術(shù)是一項(xiàng)快速發(fā)展生命力旺盛的新興技術(shù)，經(jīng)過若干年的發(fā)展與推廣已經(jīng)被廣泛應(yīng)用在犯罪證據(jù)的提取和監(jiān)獄安全等方面，而且它在極其廣泛的日常生活領(lǐng)域也具有巨大的潛力，主要體現(xiàn)在如下幾個(gè)方面： 1．國防安全，現(xiàn)金提取、電子貨幣傳輸

11、、ATM安全、信用卡驗(yàn)證。 2．人員出入控制，如重要機(jī)關(guān)、單位、場所的人員出入控制。 3．海關(guān)出入境管理。 4．國家ID系統(tǒng)，為每個(gè)人建立唯一的個(gè)人標(biāo)識(shí)，以用于政府部門的管理。 5．私有設(shè)備的使用控制，如移動(dòng) 、個(gè)人計(jì)算機(jī)以及汽車等需要鑰匙的設(shè)備。 6．其它可以取代鑰匙的場合。 在人體生物特征鑒別技術(shù)的迅速發(fā)展中，產(chǎn)生了指紋自動(dòng)識(shí)別技術(shù)，其實(shí)人們使用指紋進(jìn)行個(gè)人身份鑒定已經(jīng)有很長的歷史。早在公元650年，唐代作家賈公秀在其作品中就著重提到了指紋是確認(rèn)個(gè)人身份的方法 。我國將指紋應(yīng)用于民間契約及斷案有悠久的歷史，但是由于缺乏專門性研究，未能將指紋識(shí)別技術(shù)上升為一門科學(xué)?，F(xiàn)代指紋識(shí)

12、別起源于16世紀(jì)后期。蘇格蘭醫(yī)生Henry Fauld于1880年10月28日首次在英國《Nature》上發(fā)表論文，指出人的指紋各不相同，恒久不變，并利用現(xiàn)場指紋來鑒定罪犯。接著，William Hersche也在《Nature》上發(fā)表了他本人關(guān)于指紋的20多年來的研究成果，從此揭開了現(xiàn)代指紋識(shí)別的序幕。1892年，英國Sir Francis Galton對(duì)指紋進(jìn)行了系統(tǒng)地研究，并提出了指紋細(xì)節(jié)特征分類，將指紋分為斗、箕、弧三大類，使指紋識(shí)別應(yīng)用進(jìn)入了一個(gè)嶄新的時(shí)期。1899年，英國Edward.Henry建立了著名的henry指紋分類系統(tǒng)并于1901年被英國政府正式采用，隨后西方各國亦相繼采

13、用，指紋識(shí)別的應(yīng)用正式走上了科學(xué)化道路。隨著電子計(jì)算機(jī)的出現(xiàn)，采集技術(shù)的發(fā)展以及對(duì)指紋識(shí)別的研究，人們逐漸將人工的指紋識(shí)別向指紋自動(dòng)識(shí)別轉(zhuǎn)變。 在這個(gè)電子互聯(lián)程度越來越高的信息化社會(huì)里，能夠?qū)θ梭w進(jìn)行精確的鑒別變得越來越重要。在此之前傳統(tǒng)的人體鑒別方法或是利用人們只有自己知道的東西，例如個(gè)人的密碼，id標(biāo)識(shí)等或是利用用戶自己擁有的物品，如身份證、鑰匙、解碼口令等。盡管如此這些方法都不能滿足電子事務(wù)中對(duì)高安全運(yùn)行的需求。其共同的弱點(diǎn)是，不能有效及時(shí)的區(qū)分合法用戶，和通過非正常手段已經(jīng)獲得了這些東西的非法使用者。人體生理行為特征身份驗(yàn)證正是基于人體的生理上的特征（如視網(wǎng)膜）或行為習(xí)慣的特征（如簽名

14、）來驗(yàn)證用戶身份的，由于這些都是人體所固有的特征，因此這些方法具有有效區(qū)分假冒者的能力。因此作為人體生理行為特征鑒別技術(shù)的分支，指紋鑒別技術(shù)越來越受到社會(huì)許多領(lǐng)域的歡迎。與其它生理特征相比，指紋具有更加準(zhǔn)確、更加方便等特點(diǎn)，因此是今后應(yīng)用的主流。 雖然目前已經(jīng)有大量的自動(dòng)指紋識(shí)別系統(tǒng)投入使用，但還是難以滿足社會(huì)對(duì)該類系統(tǒng)的需求。盡管對(duì)自動(dòng)指紋識(shí)別技術(shù)的研究已經(jīng)進(jìn)行了很多年，自動(dòng)指紋識(shí)別技術(shù)的設(shè)計(jì)也已經(jīng)取得了令人可喜的進(jìn)步，但諸如阻礙性能的瓶頸等問題卻依然存在，識(shí)別的準(zhǔn)確率程度不能滿足在大量用戶的使用下保持較高精度和速度，并且其應(yīng)用的領(lǐng)域還很有限，大多數(shù)系統(tǒng)還只是針對(duì)某一特定具體領(lǐng)域開發(fā)的，但

15、當(dāng)轉(zhuǎn)向新的領(lǐng)域時(shí)卻不能繼續(xù)保持在上一領(lǐng)域高的準(zhǔn)確率和穩(wěn)定性。因此能夠開發(fā)出具有更高精度和更廣泛應(yīng)用領(lǐng)域的自動(dòng)指紋識(shí)別系統(tǒng)具有極其重要的現(xiàn)實(shí)意義和價(jià)值。 1.2 目的和意義 因?yàn)橹讣y具有唯一性、終生不變性、難于偽造性等優(yōu)良優(yōu)點(diǎn)，所以將指紋作為法庭證據(jù)已經(jīng)有非常悠久的歷史。自從基于計(jì)算機(jī)系統(tǒng)的自動(dòng)指紋鑒別技術(shù)誕生以來，指紋鑒別技術(shù)在過去的二三十年中已經(jīng)取得了很大進(jìn)展。作為人體生物特征識(shí)別技術(shù)中的分支，指紋鑒別技術(shù)已經(jīng)發(fā)展很成熟，應(yīng)用很廣泛，具有很大的規(guī)模。指紋鑒別技術(shù)已應(yīng)用到門禁、海關(guān)、銀行保險(xiǎn)、國防等領(lǐng)域。但是指紋識(shí)別技術(shù)仍是國內(nèi)外科研人員研究的熱點(diǎn)之一。這是因?yàn)橐环矫?，出于知識(shí)產(chǎn)權(quán)保護(hù)和商

16、業(yè)利益的原因，指紋識(shí)別的核心技術(shù)只被少數(shù)企業(yè)和技術(shù)機(jī)構(gòu)所擁有；另一方面，人們?nèi)找嬖鲩L的物質(zhì)文化需求對(duì)指紋識(shí)別系統(tǒng)的性能提出了更高的要求。再者，現(xiàn)有的指紋鑒別算法也還仍然存在一些問題，例如在非理想采集條件下對(duì)指紋的鑒別效果不佳，指紋鑒別的若干處理步驟時(shí)間復(fù)雜度過高等弊端。所以本文將對(duì)在非理想采集條件下，及低時(shí)間復(fù)雜度條件下，對(duì)指紋鑒別的若干關(guān)鍵問題進(jìn)行研究與學(xué)習(xí)。將有助于提高和改進(jìn)現(xiàn)有的指紋鑒別技術(shù)，從而使其應(yīng)用到更加廣泛的領(lǐng)域。對(duì)指紋自動(dòng)識(shí)別技術(shù)的研究既有很強(qiáng)的理論價(jià)值，也有很高的實(shí)用價(jià)值和現(xiàn)實(shí)意義。 1.3 理論基礎(chǔ) 人體生物特征鑒別，是指通過計(jì)算機(jī)系統(tǒng)對(duì)人體的生理或行為特征的識(shí)別，來驗(yàn)

17、證用戶個(gè)人身份的技術(shù)。對(duì)其應(yīng)用，雖曾有爭議但最終還是被廣泛接受。理論上講，滿足以下要求的生理或行為特征可以用來進(jìn)行身份驗(yàn)證： 普遍性:是指每個(gè)人都必須具有的特征。 唯一性:任何兩個(gè)人在該特征上的表現(xiàn)異同。 永久性:個(gè)人的該項(xiàng)特征不隨時(shí)間的變化而變化。 可采性:該項(xiàng)特征可以方便、定量地進(jìn)行測量。 除此之外在實(shí)際應(yīng)用中，還應(yīng)考慮以下因素： 環(huán)境苛刻性：環(huán)境對(duì)精確的影響程度和環(huán)境要求。 可接受性：用戶能接受的程度。 安全性：防止偽造者的能力。 基于以上理論要求便可設(shè)計(jì)出依托于計(jì)算機(jī)系統(tǒng)的指紋識(shí)別系統(tǒng)。 1.4 指紋識(shí)別技術(shù)的具體表現(xiàn) 1.4.1 在涉及國家刑事領(lǐng)域的應(yīng)用 1.

18、在槍支的管理方面。我們通過指紋采集器把槍支持有者的信息輸入系統(tǒng), 那么槍支將會(huì)因此而具有人身識(shí)別的唯一性, 而對(duì)槍支的管理也會(huì)因此顯得輕松而且有效果。 2.在偵查破案方面。刑偵領(lǐng)域的主要對(duì)象是犯罪嫌疑人和身份不明者，目的是從公眾指紋庫、犯罪指紋庫或現(xiàn)場指紋庫中查找有無此人，從而判斷此人是否是罪犯。 1.4.2 在經(jīng)濟(jì)生活方面 1.在銀行安防領(lǐng)域的應(yīng)用。銀行的安全防范歷來是重中之重, 指紋識(shí)別信息系統(tǒng)在銀行的安全防范領(lǐng)域中也逐步得到運(yùn)用。 2.在社會(huì)保障領(lǐng)域的應(yīng)用。指紋自動(dòng)識(shí)別技術(shù)在此領(lǐng)域的具體應(yīng)用方式就是將離退休人員指紋識(shí)別信息系統(tǒng)建立起來, 將指紋的唯一性和不變性作為身份認(rèn)證識(shí)別的基

19、礎(chǔ), 通過計(jì)算機(jī)技術(shù)確定人的身份。 3.在電子商務(wù)領(lǐng)域的應(yīng)用。調(diào)查顯示,消費(fèi)者在網(wǎng)上購物的總額逐年遞增。但相應(yīng)的, 其中潛在的不安全性也越來越明顯, 通過身份證號(hào)碼和密碼來取代傳統(tǒng)的直接接觸是顯而易見地過時(shí)了。指紋自動(dòng)識(shí)別技術(shù)則帶來了曙光。在現(xiàn)有的系統(tǒng)崩潰之前, 隨著原有的系統(tǒng)一個(gè)一個(gè)地失敗, 指紋識(shí)別技術(shù)逐漸成為一種公認(rèn)的身份認(rèn)證的好手段。 1.4.3 在公共事務(wù)管理方面 1.在人口綜合信息管理方面的應(yīng)用。第一、 對(duì)身份證、駕駛證和準(zhǔn)考證等證件的管理。將指紋識(shí)別技術(shù)應(yīng)用于對(duì)這些證件的管理之中可以有效地防止偽造, 打擊犯罪, 極大地減少人們的損失。第二、 對(duì)人事考勤的管理。指紋考勤系統(tǒng)是

20、指紋識(shí)別技術(shù)在人事考勤中的一項(xiàng)成功應(yīng)用, 與傳統(tǒng)的打卡機(jī)相比, 它徹底改變了以往認(rèn)卡不認(rèn)人而出現(xiàn)的虛假考勤, 以及還需不斷購買考勤卡等諸多缺陷。 2.在行政業(yè)務(wù)處理方面的應(yīng)用。第一、 出入境管理方面。如果我們在各出入境人員的有關(guān)證件上通過指紋采集器輸入每人的十指指紋信息, 那么就可以有效地遏制偽造護(hù)照或走私等違法犯罪活動(dòng)。第二、重要會(huì)議的安全保衛(wèi)方面。由于指紋的難以偽造性, 這必然使得其具有極高的保密性。第三、在門禁通道管理方面的應(yīng)用。 1.5 本文的主要研究內(nèi)容 本文將在學(xué)習(xí)已有理論成果的基礎(chǔ)上，對(duì)指紋識(shí)別過程中若干處理步驟如圖像分割、圖像增強(qiáng)、二值化等進(jìn)行研究與學(xué)習(xí)，最后將得到的實(shí)驗(yàn)

21、結(jié)果進(jìn)行分析與對(duì)比。從實(shí)驗(yàn)所得結(jié)果來看，在采用不同的算法實(shí)現(xiàn)情況下，對(duì)指紋圖像的處理過程是可行的、有效的，達(dá)到了實(shí)驗(yàn)預(yù)期目的。 第2章 需求分析 2.1 本課題目標(biāo) 實(shí)現(xiàn)指紋圖像的圖像分割、求方向圖、圖像增強(qiáng)、二值化等預(yù)處理算法功能。 2.2 功能需求 指紋識(shí)別系統(tǒng)是一個(gè)典型的模式識(shí)別系統(tǒng)，包括指紋圖像獲取、預(yù)處理、特征提取和比對(duì)等模塊。 指紋圖像獲?。和ㄟ^專門的指紋采集儀可以采集活體指紋圖像。 本文主要負(fù)責(zé)指紋圖像的預(yù)處理功能的實(shí)現(xiàn)： 1．歸一化： 歸一化處理將使所有的指紋圖像的灰度分布在一個(gè)合理的、統(tǒng)一的灰度區(qū)域上，從而有利于簡化模糊域中的操作過程。 2．圖像分割：所謂圖

22、像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。 3.計(jì)算方向圖：由于在局部區(qū)域內(nèi)指紋是亮暗相間的近似平行的結(jié)構(gòu)，因此，在指紋的每個(gè)局部區(qū)域有確定的方向。全體局部方向就構(gòu)成了指紋的方向圖。產(chǎn)生方向圖是指紋識(shí)別系統(tǒng)的一個(gè)重要的步驟， 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。 4.指紋圖像增強(qiáng)指紋圖像增強(qiáng)的目的主要是為了減少噪音，增強(qiáng)脊谷對(duì)比度，使得圖像更加清晰真實(shí)，便于提高后續(xù)指紋

23、特征值提取的準(zhǔn)確性 5．二值化：0代表黑色，1代表白色。二值化是把灰度指紋圖像變成0-1取值的二值圖像，因?yàn)橹讣y圖像只需把紋線和背景區(qū)分開就可以了，以便能正確的提取脊線。 2.3 性能需求 1.預(yù)處理功能效果的最優(yōu)化 本文通過對(duì)預(yù)處理中圖像分割、求方向圖、指紋圖像的增強(qiáng)以及二值化功能的多種實(shí)現(xiàn)算法進(jìn)行試驗(yàn)，通過實(shí)驗(yàn)效果的比對(duì)，選取最優(yōu)的實(shí)現(xiàn)算法對(duì)圖像進(jìn)行處理，以便于指紋識(shí)別系統(tǒng)下一步的工作。 2.運(yùn)行平臺(tái)的低要求 為了方便實(shí)用和學(xué)習(xí)，該系統(tǒng)需要能夠在普通PC機(jī)上運(yùn)行。 2.4 開發(fā)工具的選擇 選擇合適的系統(tǒng)編程語言Visual C++，方便進(jìn)行圖象圖形處理。 2.5 系統(tǒng)設(shè)計(jì)

24、原則 1.界面設(shè)計(jì)原則 計(jì)算機(jī)應(yīng)用系統(tǒng)的用戶界面設(shè)計(jì)的好壞，直接影響到系統(tǒng)用戶對(duì)其接受和掌握的程度。本系統(tǒng)的用戶水平不一，計(jì)算機(jī)背景知識(shí)參差不齊，故系統(tǒng)界面風(fēng)格應(yīng)盡量友好，易學(xué)易用。系統(tǒng)界面應(yīng)遵循以下要求:本系統(tǒng)界面簡潔、明快、緊湊、布局合理、使用方便，菜單、工具條、快捷鍵、控件和對(duì)話框的風(fēng)格與標(biāo)準(zhǔn)的Windows2000/XPINT風(fēng)格相吻合。系統(tǒng)支持1024X768顯示器分辨率，在這種分辨率下系統(tǒng)能提供美觀的界面和良好的布局。 2.技術(shù)設(shè)計(jì)原則 系統(tǒng)設(shè)計(jì)原則為便于本系統(tǒng)的開發(fā)、使用。系統(tǒng)在技術(shù)特性方面應(yīng)做到以下四個(gè)原則。 (1)先進(jìn)性原則在指紋識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過程中采用科學(xué)的

25、軟件項(xiàng)目管理機(jī)制，追蹤先進(jìn)設(shè)計(jì)思想，應(yīng)用成熟采用先進(jìn)的技術(shù)，使系統(tǒng)的功能設(shè)計(jì)能處在同類科技的前列。 (2)適應(yīng)性原則軟件系統(tǒng)的性能指標(biāo)能夠?qū)崿F(xiàn)，系統(tǒng)性能可靠，易于維護(hù)并且系統(tǒng)各方面指標(biāo)切合實(shí)際需要。 (3)安全性與可靠性原則，堅(jiān)持安全可靠的設(shè)計(jì)原則是工作的基本要求。 (4)可擴(kuò)充原則該系統(tǒng)必須具有良好的擴(kuò)充能力。 第3章 指紋識(shí)別系統(tǒng)總體設(shè)計(jì) 3.1 系統(tǒng)總體設(shè)計(jì) 指紋預(yù)處理與識(shí)別系統(tǒng)主要包括四個(gè)部分，分別為：指紋圖像的獲取、圖像預(yù)處理、特征的提取與模板匹配。 如圖2-1是從指紋圖像采集到特征提取的全部流程，其中圖像處理部分為主要研究范圍。 圖3-1 特征提取及模板匹配系統(tǒng)流

26、程 3.1.1 指紋圖像的獲取 傳統(tǒng)的指紋采集方法是用手指蘸上墨水或印油在紙上按壓，然后用掃描儀攝取。由于其嚴(yán)重的不可靠性，該方法己經(jīng)被淘汰。隨著光學(xué)儀器、傳感器及數(shù)字技術(shù)的發(fā)展，各種快速、精確、方便、小巧的采集設(shè)備得到應(yīng)用。目前，主要是使用光學(xué)掃描儀和固態(tài)陣列傳感器進(jìn)行采集。前者用激光照在手指上，然后用CCD陣列攝取其反射光，由于反射光強(qiáng)隨著指紋的脊和谷的深度不同而不同，因此可以得到指紋圖像。后者是用大量敏感元件組成的固態(tài)陣列芯片，它們采用電容傳感、熱敏傳感或其他傳感技術(shù)，通過感受按壓指紋的壓力、熱度等特征來攝取指紋。近年來，又出現(xiàn)了其他一些新型的指紋采集設(shè)備，如超聲波指紋采集器，它是基

27、于指紋的脊和谷的深度對(duì)超聲波的不同反射原理而工作的。這些設(shè)備中，光學(xué)掃描儀因其技術(shù)比較成熟、性價(jià)比比較高而得到廣泛應(yīng)用。以下是指紋采集儀的分類： 1．光學(xué)的。在早期一般都采用光學(xué)的指紋采集儀。 2．硅晶體電容式的。半導(dǎo)體電容式指紋采集芯片。 3．超聲波的。它是基于指紋的脊和谷的深度對(duì)超聲波的不同反射原理而工作的。它們的對(duì)比情況如表3-1所示。 表3-1 采集儀對(duì)照表 比較項(xiàng)目 光學(xué)全反射技術(shù) 硅晶體電容傳感技術(shù) 超聲波掃描 體積 大 小 中 耐用性 非常耐用 容易損壞 一般 成像能力 干手指差

28、，但汗多的和稍臟的手指成像模糊 干手指好，但汗多的和稍臟的手指不能成像 非常好 耗電 較多 較少 較多 成本 低 低 很高 3.1.2 指紋圖像預(yù)處理 指紋圖像預(yù)處理的目的在于使指紋圖像畫面清晰，邊緣明顯，以便提取特征進(jìn)行識(shí)別。預(yù)處理技術(shù)的主要目的是對(duì)一個(gè)給定的指紋，突出指紋圖像中的某些信息，消弱或除去某些不需要的信息，使它的結(jié)果對(duì)后面的識(shí)別來說比原始圖像更合適。例如使用灰度濾波處理，目的是為了： 1．去除噪聲、均衡圖像 指紋圖像是通過掃描儀獲得模擬信號(hào)，并經(jīng)采樣、量化后，以矩陣的形式存入計(jì)算機(jī)。由于圖像的采集為縱列式方式

29、，量化后的指紋圖像有許多噪聲。它們因其時(shí)間的不相干性，含有較高的空間頻譜，且多呈點(diǎn)結(jié)構(gòu)。平滑處理的任務(wù)就是去除這些干擾噪聲，而又不使圖像失真，圖像平滑包括空域法和頻域法兩大類。 2．銳化脊線 為強(qiáng)化指紋紋線間的界線，突出邊緣信息，以利于二值化，銳化處理是必要的。銳化處理對(duì)于增強(qiáng)反差和檢測邊緣是很有用的。圖像銳化的作用就是的補(bǔ)償圖像的輪廓，使圖像較清晰。圖像銳化可分為空間域圖像銳化法和空間頻率域圖像銳化法兩大類型。 本文中指紋圖像預(yù)處理的主要步驟 1．歸一化： 歸一化處理將使所有的指紋圖像的灰度分布在一個(gè)合理的、統(tǒng)一的灰度區(qū)域上，從而有利于簡化模糊域中的操作過程。 2．圖像分割：所謂圖

30、像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。 3．計(jì)算方向圖：由于在局部區(qū)域內(nèi)指紋是亮暗相間的近似平行的結(jié)構(gòu)，因此，在指紋的每個(gè)局部區(qū)域有確定的方向。全體局部方向就構(gòu)成了指紋的方向圖。產(chǎn)生方向圖是指紋識(shí)別系統(tǒng)的一個(gè)重要的步驟， 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。 4．二值化：0代表黑色，1代表白色。二值化是把灰度指紋圖像變成0-1取值的二值圖像，因?yàn)橹讣y圖像只需把紋線

31、和背景區(qū)分開就可以了。 3.1.3 特征的提取 是用從指紋圖像中提取特征點(diǎn)來表示指紋的方法。雖然不能從特征點(diǎn)組成的模板重建指紋圖像，但它描述了指紋局部結(jié)構(gòu)特征的空間分布。通常的指紋識(shí)別系統(tǒng)主要利用兩種最關(guān)鍵的結(jié)構(gòu)特征，脊線端點(diǎn)和脊線分岔點(diǎn)。這兩種結(jié)構(gòu)在圖像前景和背景上正好是互逆的，因此不論是針對(duì)脊線還是針對(duì)犁溝的處理算法都是相同的。由于手指壓力的作用的變化經(jīng)常使這兩者互相轉(zhuǎn)化，所以有些系統(tǒng)對(duì)它們不做區(qū)分。有些國家例如美國國家標(biāo)準(zhǔn)局規(guī)定的指紋標(biāo)準(zhǔn)表示方法就是基于特征點(diǎn)的，包括特征點(diǎn)的位置和方向信息?；谔卣鼽c(diǎn)的表示方法同時(shí)還要紀(jì)錄一些全局信息，如指紋的方向、中心位置、三角位置、指紋的類別等。

32、 3.1.4 模板匹配 認(rèn)證和識(shí)別是一對(duì)一的匹配，把某人的指紋特征及個(gè)人信息以某種形式存儲(chǔ)起來，隨后根據(jù)提供的指紋是否與之匹配而決定是否授權(quán)。識(shí)別是一對(duì)多的匹配，把許多人的指紋特征及個(gè)人信息存入數(shù)據(jù)庫，隨后根據(jù)不同指紋提供不同授權(quán)。 3.2 本章小結(jié) 本章主要介紹了指紋預(yù)處理與識(shí)別系統(tǒng)的主要模塊，以及各模塊所要完成的基本功能，各部分的詳細(xì)功能及實(shí)現(xiàn)算法，將在以后的各章節(jié)中逐一介紹。

33、

34、

35、 第4章 指紋圖像預(yù)處理之一 4.1 引言 經(jīng)指紋掃描器采集的原始指紋圖像不可避免地具有對(duì)比度不統(tǒng)一、含有大量噪聲等缺點(diǎn)，為了降低后續(xù)特征提取的算法的復(fù)雜度、提高特征提取的效率，因此預(yù)處理過程必不可少并且顯得十分的重要。前文提到，根據(jù)特征提取方法的不同，系統(tǒng)對(duì)預(yù)處理的步驟和要求也不一樣。目前，從大

36、的方面分，主要有兩類特征提取方法：一類直接從原始圖像中提取統(tǒng)計(jì)性特征；一類從預(yù)處理得到的指紋骨架提取細(xì)節(jié)點(diǎn)特征。前一類方法對(duì)預(yù)處理要求比較少，只要將圖像增強(qiáng)以下就可以。后一類方法要求預(yù)處理部分做大量的工作，一般包括圖像增強(qiáng)、濾波、二值化、細(xì)化等步驟，最后得到一幅紋線寬度為單像素的二值圖像。在當(dāng)前的應(yīng)用系統(tǒng)中，后一類方法要比前一類應(yīng)用得多一些，因?yàn)楹笠活惙椒ò压ぷ鞯碾y點(diǎn)分散到兩步操作中，簡化了特征提取算法，且處理結(jié)果容易控制。本文將對(duì)后一類特征提取方法中的主要部分進(jìn)行詳細(xì)講解。 4.2 系統(tǒng)算法描述 基于特征點(diǎn)的指紋識(shí)別算法的方法又可以分為兩種方法，第一種方法是在灰度圖像上進(jìn)行脊線跟蹤直接獲

37、取特征點(diǎn)的方法。第二種方法是經(jīng)過二值化和細(xì)化等處理步驟后提取特征點(diǎn)的方法。本文將對(duì)第二種方法進(jìn)行詳細(xì)講解與論述，并對(duì)其它方法進(jìn)行簡單介紹，以便有助于以后的學(xué)習(xí)。 在灰度圖像上進(jìn)行脊線跟蹤直接獲取特征點(diǎn)的方法，是基于如下的考慮： 1．指紋的許多信息在二值化后會(huì)損失掉。 2．圖像增強(qiáng)，二值化和細(xì)化等過程很耗費(fèi)時(shí)間 3．當(dāng)對(duì)質(zhì)量差的圖像進(jìn)行二值化后往往不能取得令人滿意的結(jié)果。 從數(shù)學(xué)上的觀點(diǎn)來看，脊線可以看作是沿著一個(gè)方向上，灰度取得極小值的點(diǎn)的集合。我們沿著脊線方向每次向前移動(dòng)一小段距離，尋找下一局部最小值，作為脊線跟蹤的下一個(gè)點(diǎn)，如圖4-1灰度脊線圖所示。按照此操作不停地進(jìn)行下去，則我

38、們可以得到指紋的細(xì)化圖，而且其中包含了特征點(diǎn)信息。 圖4-1 灰度脊線圖 該方法的處理過程通常是先在指紋圖像上任取一點(diǎn)，在該點(diǎn)的法線方向附近取一極小值點(diǎn)作為第一個(gè)點(diǎn)，然后在切線方向上前進(jìn)一段距離，作為下一個(gè)臨時(shí)點(diǎn)，在該臨時(shí)點(diǎn)法線方向附近取一極小值點(diǎn)作為第二個(gè)點(diǎn)，依此類推，一直到跟蹤完整幅圖像為止。 使跟蹤停止的標(biāo)準(zhǔn)通常有3個(gè)： 1．跟蹤到指紋外部的無效區(qū)域時(shí)。 2．繼續(xù)向前跟蹤灰度最小點(diǎn)的灰度值仍大于某一閾值時(shí)。 3．繼續(xù)向前跟蹤遇上另一條已經(jīng)跟蹤過的脊線時(shí)。 滿足上面的第二個(gè)條件時(shí)說明已經(jīng)遇上了端點(diǎn)，滿足第三個(gè)條件時(shí)說明已經(jīng)遇上了分叉點(diǎn)，經(jīng)過上面的處理后，一般就可以獲得整個(gè)指

39、紋的所有的特征點(diǎn)。 4.2.1 歸一化 大量的實(shí)驗(yàn)證實(shí)，指紋圖像的灰度級(jí)大致分布在[20，180]的范圍內(nèi)，考慮到其它組織以及噪聲等因素，我們在進(jìn)行歸一化處理時(shí)，將指紋圖像的灰度級(jí)映射到[0，255]的灰度區(qū)間上，映射函數(shù)如下： （4-1） 在（3-1）式中，和分別是指紋圖像的最小灰度值和最大灰度值，和分別是歸一化處理前和處理后的灰度值。 4.2.2 產(chǎn)生方向圖 由于在局部區(qū)域內(nèi)指紋是亮暗相間的近似平行的結(jié)構(gòu)，因此，在指紋的每個(gè)局部區(qū)域有確定的方向。全體局部方向就構(gòu)成了指紋的方向圖。產(chǎn)生方向圖是指紋識(shí)別系統(tǒng)的一個(gè)

40、重要的步驟， 方向圖質(zhì)量的好壞直接關(guān)系到圖像增強(qiáng)的效果并最終影響到準(zhǔn)確提取特征點(diǎn)。產(chǎn)生方向圖有兩類方法。第一類是先定義若干基準(zhǔn)方向， 然后判斷每一個(gè)一個(gè)小區(qū)域更接近于那一方向。第二類是精確計(jì)算每一點(diǎn)或小區(qū)域的方向。 本文將對(duì)兩種方法進(jìn)行介紹。在第一類方法中， 方向的計(jì)算是利用灰度的方差。脊線上的點(diǎn)具有較小的灰度值，而谷線上的點(diǎn)則具有相對(duì)較大的灰度值，如果作一條垂直于脊線的直線，那么隨著脊線和谷線的交替，直線上也表現(xiàn)出灰度值的波峰和波谷的交替。如果所作的直線方向與脊線方向相同，直線上的點(diǎn)的表現(xiàn)為波動(dòng)極小的直線。這表明，垂直脊線方向的直線上的點(diǎn)的灰度值方差大，平行脊線方向上的點(diǎn)的灰度值方差小。因

41、此，方差最小的方向就是要求的方向。但是這樣算出來的某些點(diǎn)的方向仍不夠準(zhǔn)確，尤其是在那些模糊、邊緣有噪聲的區(qū)域。錯(cuò)誤的方向不但不會(huì)改善圖像質(zhì)量，反而會(huì)使特征提取的錯(cuò)誤增多。因?yàn)橹讣y圖像的任一小區(qū)域中所有的點(diǎn)具有近似相同的方向。因此，任一點(diǎn)的方向可以利用該點(diǎn)所在區(qū)域的其它點(diǎn)的方向來糾正。 (1) 定義若干基準(zhǔn)方向的產(chǎn)生方向圖方法 圖4-2 方向圖 算法描述： 對(duì)于圖像上每一個(gè)點(diǎn)，在八個(gè)方向上畫一條直線，直線的長度大概是五個(gè)脊線到谷線的寬度。 計(jì)算八個(gè)直線方向上的灰度方差： (4-2) for d = 1，……，8 其中 是點(diǎn)的灰度均值，是方向d上的第k個(gè)點(diǎn)，N是所取方向的方向

42、數(shù)，n是所取的鄰點(diǎn)數(shù)。我們可以取N=8，即取8個(gè)方向，n=4，即取4個(gè)鄰點(diǎn)。將記錄的方差最小的方向d定為該點(diǎn)的方向。 經(jīng)過以上步驟處理，這樣就求得了指紋的近似方向， 但不夠準(zhǔn)確， 為此，要想得到較精確的處理結(jié)果，可以在此基礎(chǔ)上再做16*16的中值濾波就可以得到一張比較好的方向圖。 (2) 由像素點(diǎn)的灰度梯度進(jìn)行計(jì)算而獲得方向圖的方法 此方法是可以獲得比較精確的方向。如圖4-3指紋圖像的灰度梯度圖所示，在指紋的灰度圖像上每一像素點(diǎn)處有確定的梯度值向量，一般在某像素點(diǎn)附近灰度變化較大是梯度的模較大，而且大多數(shù)點(diǎn)的梯度的方向垂直于指紋的局部方向。利用這一特點(diǎn)，我們可以通過灰度圖像的梯度計(jì)算指紋

43、的方向。 圖4-3 指紋圖像的灰度梯度圖 其步驟一般是這樣的： ① 將原圖像分成W*W的小塊（一般可取16*16）。 ② 計(jì)算每個(gè)像素點(diǎn)處的梯度 （i ， j)，(i ， j)， 梯度的計(jì)算一般可以用Sobel 算子，水平方向和垂直方向的Sobel算子分別為： 和 （4-3） ③ 方向相反的梯度相加會(huì)相互抵消，為了使其相互加強(qiáng)，在此采用了將方向角變?yōu)槎兜姆椒?，原來方向角相差的兩個(gè)向量經(jīng)方向角變?yōu)槎逗?其方向角的差 變?yōu)?從而具有相同的方向角。公式如（4-4）、（4-5）所示 。 （4-4） （4-5） 由公式（4-4）

44、與（4-5）可得到為該點(diǎn)附近的法線方向。為了得到該點(diǎn)的切線方向，還應(yīng)做如下運(yùn)算： （4-6） 這樣就得到了該點(diǎn)處的法線方向，在理想的情況下，上式得到的方向?yàn)闇?zhǔn)確方向，但由于有噪聲，傷痕等因素存在，一般需要對(duì)上面得到的方向進(jìn)行修正，其方法一般是考慮臨近的點(diǎn)的方向來最后決定該點(diǎn)的方向。令 （4-7） （4-8） 為了得到更準(zhǔn)確的方向，通常還要對(duì)與做低通濾波，這樣便可得到一個(gè)比較準(zhǔn)確的方向圖。 在第一類方法中，我們只能估算某一點(diǎn)處的方向更接近于8個(gè)標(biāo)準(zhǔn)方向中的哪一個(gè)，因

45、此得到的是近似的方向，但通過第二種方法我們往往可以得到更加精確的指紋方向。 雖然采用由像素點(diǎn)的灰度梯度進(jìn)行計(jì)算而獲得方向圖的方法可以更精確的產(chǎn)生方向圖，得到更好的處理效果等優(yōu)點(diǎn)，但由于其算法較之第一種復(fù)雜難懂，一般只應(yīng)用在高精度的圖像處理中，所以在對(duì)圖像處理精度要求不是太高的情況下，可以采用第二種方法，得到粗略的處理結(jié)果。 4.2.3 圖像增強(qiáng)算法 為了確保指紋特征提取算法的魯棒性, 需要對(duì)原始指紋圖像進(jìn)行預(yù)處理, 增強(qiáng)紋線的清晰度, 增加脊線和谷線的對(duì)比度, 減少偽信息, 該過程稱為指紋圖像的增強(qiáng)處理。圖像增強(qiáng)是指紋圖像預(yù)處理需要解決的核心問題。指紋圖像增強(qiáng)的主要目的是為了消除噪聲,

46、改善圖像質(zhì)量, 便于特征提取。由于指紋紋理由相間的脊線和谷線組成, 這些紋理蘊(yùn)含了大量的信息, 如紋理方問、紋理密度等。在指紋圖像的不同區(qū)域, 這樣的信息是不同的, 指紋圖像增強(qiáng)算法就是利用圖像信息的區(qū)域性差異性來實(shí)現(xiàn)的 特征點(diǎn)的類型、特征點(diǎn)的位置是進(jìn)行指紋識(shí)別的依據(jù)。要獲取這些特征點(diǎn)及特征點(diǎn)的方向，第一步是要對(duì)灰度圖像進(jìn)行二值化，正確提取指紋脊線。理論上講，灰度指紋圖像中，脊線部分灰度值小，谷線部分灰度值大，選取合適的域值就可以將脊線提取出來。但在實(shí)際情況下并非如此簡單，主要有幾點(diǎn)困難需要克服：第一點(diǎn)是指紋采集設(shè)備的光源照射不均勻，有些部分偏亮，有些部分偏暗，灰度分布不均勻；第二點(diǎn)是由于采

47、集設(shè)備精度限制，某些局部地方模糊，脊線谷線無法區(qū)分，直接二值化會(huì)造成脊線斷裂或誤連；第三點(diǎn)是手指上的疤痕，蛻皮現(xiàn)象造成的灰度圖像脊線局部模糊；還有一點(diǎn)就是灰度圖像有大量噪音點(diǎn)。 因此，對(duì)灰度圖像進(jìn)行二值化之前必須先進(jìn)行圖像增強(qiáng)。圖像增強(qiáng)結(jié)果的好壞直接關(guān)系到特征點(diǎn)的正確提取。人們可以根據(jù)指紋紋線的走勢的上下文信息來判斷模糊部分是否存在紋線。指紋圖像的濾波算法也可以在已知紋線的方向的情況下，考慮該點(diǎn)在其方向前后左右的點(diǎn)的灰度來決定該點(diǎn)的灰度。 現(xiàn)在已經(jīng)有很多種指紋圖像增強(qiáng)算法，這些圖像增強(qiáng)算法可以分為兩類，一類是基于空域的圖像增強(qiáng)，另一類則是基于頻域的圖像增強(qiáng)。 灰度濾波處理是為了去除噪聲、

48、均衡圖像、銳化脊線，以改善灰度圖像質(zhì)量為下一步獲得正確的二值化脊線打下基礎(chǔ)。任何經(jīng)典濾波算法都可以達(dá)到改善圖像質(zhì)量的效果，例如均值濾波、中值濾波、直方圖均衡化濾波、N*N最頻濾波、十字型中值濾波等方法。在本文將對(duì)幾種基于空域的圖像增強(qiáng)方法進(jìn)行介紹與講解。 (1) Gabor圖像增強(qiáng) Gabor圖像增強(qiáng)，其空域?yàn)V波因子的表達(dá)式為： （4-9） 其中x和y分別表示橫縱坐標(biāo)，，為(x，y)以原點(diǎn)為中心，旋轉(zhuǎn)后得到的坐標(biāo)，表示指紋的局部方向，和分別表示平行于指紋方向的方差和垂直于指紋方向的方差，f表示指紋的頻率，它的計(jì)算方法如圖3-4所示，首先求得相鄰脊線極小值點(diǎn)間的平

49、均最小距離C作為指紋的周期，由f=1/C即可得到指紋的頻率。通常一個(gè)指紋的頻率會(huì)位于某一范圍內(nèi)，同時(shí)不同的局部區(qū)域頻率可能會(huì)有微小變化。 圖4-4 指紋的周期 (2) 方向加權(quán)濾波 方向加權(quán)濾波是一種空域的圖像增強(qiáng)算法，其方法是在指紋的方向上取一長方形濾波窗口，然后再利用二維Gauss濾波實(shí)現(xiàn)圖像增強(qiáng)，下面對(duì)過程做一簡要說明。 假定我們在計(jì)算方向圖時(shí)獲得的是8個(gè)確定方向的方向圖，那么，我們可以設(shè)計(jì)8個(gè)不同的方向模板，這里以水平方向模板為例，其它的模板可以由它旋轉(zhuǎn)得到。模板的大小為，由指紋圖像的脊線和谷線的寬度來決定，我們規(guī)定其尺寸為，其權(quán)值分布如下： z z z z z z z

50、 y y y y y y y x x x x x x x y y y y y y y z z z z z z z 經(jīng)過濾波計(jì)算得知，每一點(diǎn)的像素灰度由與其相鄰的34個(gè)像素的灰度共同決定。即對(duì)第i行j列的點(diǎn)的灰度值的處理如下： (4-10) x、y、z之間的關(guān)系滿足：。 (3) 中值濾波 在數(shù)字圖像處理中，中值濾波作為一種典型的非線性濾波算法應(yīng)用十分廣泛。中值濾波是要濾去圖像中的高頻或低頻分量，它容易去除孤立點(diǎn)、線的噪聲，同時(shí)保持圖像的邊緣，它能很好地去除二值噪聲，是一種對(duì)干擾脈沖和點(diǎn)狀噪聲有良好抑制作用，且對(duì)圖像邊緣能較好保護(hù)的低通濾波算法，但對(duì)中拖尾(如均勻分布噪聲)和短拖尾

51、噪聲(如高斯噪聲)其濾波性能較差。其原理是把序列中一點(diǎn)的值，用該點(diǎn)鄰域中各點(diǎn)值的中值來替代，在數(shù)字圖像中是把以某點(diǎn)(i，j)為中心的小窗口內(nèi)的所有像素的灰度按從大到小的順序排列，將中間值替代(i，j)處的原灰度值(若窗口中有偶數(shù)個(gè)像素，則取兩個(gè)中間值的平均)。二維中值濾波的窗口可以取線形、方形，也可以取近似圓形、十字形或菱形；其維數(shù)有常用的3×3，5×5等幾種。按照上述思想，將窗口在圖像中移動(dòng)，對(duì)每個(gè)窗口中的像素值進(jìn)行排序，取中值，并以中間值賦給一新矩陣上的對(duì)應(yīng)位置上的元素(取代窗口中心像元)，就可得到去噪聲后的圖像。中值濾波算法如下： ① 將窗口模板在圖中漫游，并將窗口中心與圖中某個(gè)像素重

52、合，尋找(i，j)點(diǎn)。 ② 讀取窗口模板下對(duì)應(yīng)像素的灰度值。 ③ 計(jì)算窗口均值。 ④ 將窗口內(nèi)每個(gè)灰度值與均值比較，若大于均值則排序取中值，并賦給(i，j)點(diǎn)否則不排序，同時(shí)檢查小于均值像素的灰度值，如果其值為零，則將中值賦給該像素。 ⑤對(duì)下一像素重復(fù)步驟④。 ⑥反復(fù)以上步驟④與⑤，直至i=j=n結(jié)束。 4.2.4 圖像分割 所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。簡單的講，就是在一幅圖像中，把目標(biāo)從背景中分離出來，以便于進(jìn)一步處理。圖像分割是圖像處理

53、與計(jì)算機(jī)視覺領(lǐng)域低層次視覺中，最為基礎(chǔ)和重要的領(lǐng)域之一。它是對(duì)圖像進(jìn)行視覺分析和模式識(shí)別的基本前提．同時(shí)它也是一個(gè)經(jīng)典難題，因?yàn)榈侥壳盀橹辜炔淮嬖谝环N通用的圖像分割方法，也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。 閾值法是一種基于區(qū)域的圖像分割技術(shù)，圖像閾值化的目的是要按照灰度級(jí)，對(duì)像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域內(nèi)部具有一致的屬性，的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級(jí)出發(fā)選取一個(gè)或多個(gè)閾值來實(shí)現(xiàn)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。它不僅可以極大

54、的壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟，已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。在工業(yè)生產(chǎn)中，機(jī)器視覺運(yùn)用于產(chǎn)品質(zhì)量檢測等等。在這些應(yīng)用中，分割是對(duì)圖像進(jìn)一步分析、識(shí)別的前提，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性。其基本原理是通過設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類。常用的特征包括直接來自原始圖像的灰度或彩色特征和由原始灰度或彩色值變換得到的特征。 設(shè)原始圖像為f(x，y)，按照一定的準(zhǔn)則在f(x，y)中找到特征值T，將圖像

55、分割為兩個(gè)部分。若取 ：b0=0（黑），b1=1（白），則圖像由[01]范圍內(nèi)取值的點(diǎn)組成，即為我們通常所說的二值化圖像。 一般意義下，閾值運(yùn)算可以看作是對(duì)圖像中某點(diǎn)的灰度、該點(diǎn)的某種局部特性以及該點(diǎn)在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可記作： ??? T(x，y，N(x，y)，f(x，y)) （4-11） 公式(3-11)中，f(x，y)是點(diǎn)(x，y)的灰度值；N(x，y)是點(diǎn)(x，y)的局部鄰域特性。根據(jù)對(duì)T的不同約束，可以得到3種不同類型的閾值即：點(diǎn)相關(guān)的全局閾值、區(qū)域相關(guān)的全局閾值和局部閾值或動(dòng)態(tài)閾值。 本文分三大類對(duì)閾值選取技術(shù)進(jìn)行綜

56、述與比較： (1) 基于點(diǎn)的全局閾值選取方法 ①p-分位數(shù)法 1962年Doyle提出的p-分位數(shù)法可以說是最古老的一種閾值選取方法。該方法使目標(biāo)或背景的像素比例等于其先驗(yàn)概率來設(shè)定閾值，簡單高效，但是對(duì)于先驗(yàn)概率難于估計(jì)的圖像卻無能為力。例如，根據(jù)先驗(yàn)知識(shí)，知道圖像目標(biāo)與背景象素的比例為PO/PB，則可根據(jù)此條件直接在圖像直方圖上找到合適的閾值T，使得f(x，y)>=T的象素為目標(biāo)，f(x，y)

57、將T1 作為新的全局閾值代替T0，重復(fù)以上過程，如此迭代，直至TK 收斂，即TK＋1 ＝TK ，經(jīng)試驗(yàn)比較，對(duì)于直方圖雙峰明顯，谷底較深的圖像，迭代方法可以較快地獲得滿意結(jié)果。但是對(duì)于直方圖雙峰不明顯，或圖像目標(biāo)和背景比例差異懸殊，迭代法所選取的閾值不如最大類間方差法。 ③直方圖凹面分析法 從直觀上說，圖像直方圖雙峰之間的谷底，應(yīng)該是比較合理的圖像分割閾值，但是實(shí)際的直方圖是離散的，往往十分粗糙、參差不齊，特別是當(dāng)有噪聲干擾時(shí)，有可能形成多個(gè)谷底。從而難以用既定的算法，實(shí)現(xiàn)對(duì)不同類型圖像直方圖谷底的搜索。Rosenfeld和Torre提出可以構(gòu)造一個(gè)包含直方圖 的最小凸多邊形 ，由集差確定

58、的凹面。若 x和y 分別表示在灰度級(jí)之處的高度，則取局部極大值所對(duì)應(yīng)的灰度級(jí)可以作為閾值。也有人使用低通濾波的方法平滑直方圖，但是濾波尺度的選擇并不容易。但此方法仍然容易受到噪聲干擾，對(duì)不同類型的圖像，表現(xiàn)出不同的分割效果。往往容易得到假的谷底。但此方法對(duì)某些只有單峰直方圖的圖像，也可以作出分割。 ④熵方法 八十年代以來，許多學(xué)者將Shannon信息熵的概念應(yīng)用于圖像閾值化，其基本思想都是利用圖像的灰度分布密度函數(shù)定義圖像的信息熵，根據(jù)假設(shè)的不同或視角的不同提出不同的熵準(zhǔn)則，最后通過優(yōu)化該準(zhǔn)則得到閾值。 對(duì)于基于點(diǎn)的全局閾值選取方法，除上述主要幾種之外還許多，但大多都是以上述基本方法為基

59、礎(chǔ)，做出的改進(jìn)方法或者對(duì)算法的優(yōu)化，如使用遞推方法以降低算法復(fù)雜性?？偟膩碚f，基于點(diǎn)的全局閾值算法，與其它幾大類方法相比，算法時(shí)間復(fù)雜度較低，易于實(shí)現(xiàn)，適合應(yīng)用于在線實(shí)時(shí)圖像處理系統(tǒng)。 (2) 基于區(qū)域的全局閾值選取方法 對(duì)一幅圖像而言，不同的區(qū)域，比如說目標(biāo)區(qū)域或背景區(qū)域，同一區(qū)域內(nèi)的象素，在位置和灰度級(jí)上同時(shí)具有較強(qiáng)的一致性和相關(guān)性。而在上述基于點(diǎn)的全局閾值選取方法中，有一個(gè)共同的弊病，那就是它們實(shí)際上只考慮了直方圖提供的灰度級(jí)信息，而忽略了圖像的空間位置細(xì)節(jié)，其結(jié)果就是它們對(duì)于最佳閾值并不是反映在直方圖的谷點(diǎn)的情況會(huì)束手無策，我們通常遇到的很多圖像恰恰是這種情況。另一方面，完全不同的

60、兩幅圖片卻可以有相同的直方圖，所以即使對(duì)于峰谷明顯的情況，這些方法也不能保證你得到合理的閾值。于是，人們又提出了很多基于空間信息的閾值化方法。 可以說，局部區(qū)域的全局閾值選取方法，是基于點(diǎn)的方法，再加上考慮點(diǎn)鄰域內(nèi)像素相關(guān)性質(zhì)組合而成，所以某些方法常稱為“二維xxx方法”。由于考慮了像素領(lǐng)域的相關(guān)性質(zhì)，因此對(duì)噪聲有一定抑止作用。 ①二維熵閾值分割方法 使用灰度級(jí)-局域平均灰度級(jí)形成的二維灰度直方圖，進(jìn)行閾值選取，這樣就得到二維熵閾值化方法。 圖4-5二維灰度直方圖 例如，在圖4-5中，根據(jù)情況將圖像分為0區(qū)和1區(qū)等區(qū)，像素的灰度值與領(lǐng)域平均灰度值接近，說明一致性和相關(guān)性較強(qiáng)，應(yīng)該大致

61、屬于目標(biāo)或背景區(qū)域；2區(qū)和3區(qū)一致性和相關(guān)性較弱，可以理解為噪聲或邊界部分。二維熵閾值分割，就是選擇（S，T）對(duì)，使得目標(biāo)類和背景類的后驗(yàn)熵最大，具體方法是一維熵閾值分割的推廣。 Abutaleb結(jié)合Kapur和Kirby的方法提出了自己的二維熵閾值化方法，其準(zhǔn)則函數(shù)都是使目標(biāo)熵和背景熵之和最大化。 ②簡單統(tǒng)計(jì)法 Kittler等人提出一種基于簡單的圖像統(tǒng)計(jì)的閾值選取方法。使用這種方法，閾值可以直接計(jì)算得到，從而避免了分析灰度直方圖，也不涉及準(zhǔn)則函數(shù)的優(yōu)化。因此本方法也屬于基于區(qū)域的全局閾值法。 ③直方圖變化法 從理論上說，直方圖的谷底是非常理想的分割閾值，然而在實(shí)際應(yīng)用中，圖像常常

62、受到噪聲等的影響而使其直方圖上原本分離的峰之間的谷底被填充，或者目標(biāo)和背景的峰相距很近或者大小差不多，要檢測他們的谷底就很難了。 在上一節(jié)基于點(diǎn)的全局閾值方法中，我們知道直方圖凹面分析法的弊病是容易受到噪聲干擾，對(duì)不同類型的圖像，表現(xiàn)出不同的分割效果。往往容易得到假的谷底。這是由于原始的直方圖是離散的，而且含噪聲，沒有考慮利用象素領(lǐng)域性質(zhì)。 而直方圖變化法，就是利用一些像素領(lǐng)域的局部性質(zhì)變換原始的直方圖為一個(gè)新的直方圖。這個(gè)新的直方圖與原始直方圖相比，或者峰之間的谷底更深，或者谷轉(zhuǎn)變成峰從而更易于檢測。這里的像素領(lǐng)域局部性質(zhì)，在很多方法中經(jīng)常用的是像素的梯度值。 ?例如，由于目標(biāo)區(qū)的像素

63、具有一定的一致性和相關(guān)性，因此梯度值應(yīng)該較小，背景區(qū)也類似。而邊界區(qū)域或者噪聲，就具有較大的梯度值。最簡單的直方圖變換方法，就是根據(jù)梯度值加權(quán)，梯度值小的像素權(quán)加大，梯度值大的像素權(quán)減小。這樣，就可以使直方圖的雙峰更加突起，谷底更加凹陷。 ④其它基于區(qū)域的全局閾值法 松弛法利用鄰域約束條件迭代改進(jìn)線性方程系統(tǒng)的收斂特性，當(dāng)用于圖像閾值化時(shí)其思想是：首先根據(jù)灰度級(jí)按概率將像素分為“亮”和“暗”兩類，然后按照領(lǐng)域像素的概率調(diào)整每個(gè)像素的概率，調(diào)整過程迭代進(jìn)行，使得屬于亮（暗）區(qū)域的像素“亮（暗）”的概率變得更大。 其它還有許多方法利用灰度值和梯度值散射圖，或者利用灰度值和平均灰度值散射圖。

64、 ⑤局部閾值法 當(dāng)圖像中有如下一些情況：有陰影，亮度不均勻，各處的對(duì)比度不同，突發(fā)噪聲，背景灰度變化等，如果只用一個(gè)固定的全局閾值對(duì)整幅圖像進(jìn)行分割，則由于不能兼顧圖像各處的情況而使分割效果受到影響。所以提出一種解決辦法就是用與像素位置相關(guān)的一組閾值（即閾值使用坐標(biāo)的函數(shù)）來對(duì)圖像各部分分別進(jìn)行分割。這種與坐標(biāo)相關(guān)的閾值也叫動(dòng)態(tài)閾值，此方法也叫變化閾值法，或自適應(yīng)閾值法。這類算法的時(shí)間復(fù)雜性和空間復(fù)雜性比較大，但是抗噪能力強(qiáng)，對(duì)一些用全局閾值不易分割的圖像有較好的效果。 如果只選擇一個(gè)全局閾值進(jìn)行分割，那么將出現(xiàn)下面兩種情況，都不能得到滿意的效果。第一種是閾值低，對(duì)亮區(qū)效果好，則暗區(qū)差，第

65、二種是閾值高，對(duì)暗區(qū)效果好，則亮區(qū)差。若使用局部閾值，則可分別在亮區(qū)和暗區(qū)選擇不同的閾值，使得整體分割效果較為理性。 ⑥閾值插值法 首先將圖像分解成系列子圖，由于子圖相對(duì)原圖很小，因此受陰影或?qū)Ρ榷瓤臻g變化等帶來的問題的影響會(huì)比較小。然后對(duì)每個(gè)子圖計(jì)算一個(gè)局部閾值（此時(shí)的閾值可用任何一種固定閾值選取方法）。通過對(duì)這些子圖所得到的閾值進(jìn)行插值，就可以得到對(duì)原圖中每個(gè)像素進(jìn)行分割所需要的合理閾值。這里對(duì)應(yīng)每個(gè)象素的閾值合起來構(gòu)成的一個(gè)曲面，叫做閾值曲面。 ⑦水線閾值算法 水線（也稱分水嶺或流域）閾值算法可以看成是一種特殊的自適應(yīng)迭代閾值方法，它的基本思想是：初始時(shí)，使用一個(gè)較大的閾值將兩個(gè)

66、目標(biāo)分開，但目標(biāo)間的間隙很大；在減小閾值的過程中，兩個(gè)目標(biāo)的邊界會(huì)相向擴(kuò)張，它們接觸前所保留的最后像素集合就給出了目標(biāo)間的最終邊界，此時(shí)也就得到了閾值。 ⑧其它的局部閾值法 還有一種基于閾值曲面的二維遺傳算法。遺傳算法是基于進(jìn)化論中自然選擇機(jī)理的、并行的、統(tǒng)計(jì)的隨機(jī)化搜索方法，所以在圖像處理中常用來確定分割閾值。 ⑨多閾值法 很顯然，如果圖像中含有占據(jù)不同灰度級(jí)區(qū)域的幾個(gè)目標(biāo)，則需要使用多個(gè)閾值才能將它們分開。其實(shí)多域值分割，可以看作單閾值分割的推廣，前面討論的大部分閾值化技術(shù)，諸如Otsu的最大類間方差法， Kapur的最大熵方法、矩量保持法和最小誤差法等等都可以推廣到多閾值的情形。 ⑩基于小波的多閾值方法 小波變換的多分辨率分析能力也可以用于直方圖分析，一種基于直方圖分析的多閾值選取方法思路如下：首先在粗分辨率下，根據(jù)直方圖中獨(dú)立峰的個(gè)數(shù)確定分割區(qū)域的個(gè)數(shù)，這里要求獨(dú)立峰應(yīng)該滿足三個(gè)條件，即具有一定的灰度范圍、具有一定的峰下面積和具有一定的峰谷差。然后，在相鄰峰之間確定最佳閾值，這一步可以利用多分辨的層次結(jié)構(gòu)進(jìn)行。首先在最低分辨率一層進(jìn)行，然后逐漸向高層推進(jìn)，直到最高分